基于能量和信任的非均勻分簇路由協(xié)議

王 軍，劉經(jīng)濤+，張飛青

(1.沈陽化工大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，遼寧 沈陽 110142；2.中國科學(xué)院 沈陽計(jì)算技術(shù)研究所，遼寧 沈陽 110168；3.中國科學(xué)院大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，北京 100049)

0 引 言

無線傳感器網(wǎng)絡(luò)技術(shù)在眾多領(lǐng)域均有發(fā)揮，應(yīng)用前景非常廣闊[1]。它由大量傳感器節(jié)點(diǎn)組成，并通過自組織網(wǎng)絡(luò)將采集到的數(shù)據(jù)傳送給用戶，可以解決復(fù)雜的應(yīng)用問題[2]。采用合適的路由協(xié)議能夠有效降低網(wǎng)絡(luò)能耗延長網(wǎng)絡(luò)壽命[3]。

有關(guān)無線傳感器網(wǎng)絡(luò)安全攻擊，國內(nèi)外都已經(jīng)取得很大進(jìn)展，但內(nèi)部攻擊仍然是攻克的難點(diǎn)，典型的惡意攻擊有女巫攻擊、蟲洞攻擊、HELLO Flood攻擊等[4]。文獻(xiàn)[5]提出一種動態(tài)信任模型，通過信任關(guān)系的對比、信息的合并、信任傳遞的合理抽象，提出了一種信任更新機(jī)制。文獻(xiàn)[6]基于貝葉斯的信任管理機(jī)制BTMS，模型采用RFSN計(jì)算直接信任值和間接信任值，用時間滑動窗口更新信任值。文獻(xiàn)[7]提出的信任評價模型，通過引入模糊綜合評判模型計(jì)算直接信任，并利用控制因子來降低開關(guān)攻擊節(jié)點(diǎn)的信任值域范圍，然后對推薦信任進(jìn)行過濾與權(quán)重分配，降低惡意節(jié)點(diǎn)對間接信任評估結(jié)果的影響。文獻(xiàn)[8]基于接收信號強(qiáng)度指示二次差值和節(jié)點(diǎn)信任值的雙層檢測方案，基于利用普通節(jié)點(diǎn)的RSSI二次差值是否低于檢測閾值，對攻擊進(jìn)行檢測。

在以上的信任模型中，所面對的安全威脅過于狹窄，有的算法信任模型計(jì)算復(fù)雜度高，惡意節(jié)點(diǎn)難以識別，不能保證網(wǎng)絡(luò)安全性。本文提出的ETM-LEACH算法，通過更新閾值，更加安全、能量更高的節(jié)點(diǎn)當(dāng)選簇首，這樣的節(jié)點(diǎn)能夠確保簇結(jié)構(gòu)的安全性和合理性。

1 LEACH協(xié)議描述

1.1 LEACH協(xié)議

LEACH協(xié)議作為典型的層次路由協(xié)議，在無線傳感器網(wǎng)絡(luò)路由協(xié)議中有著重要的地位，協(xié)議采用動態(tài)分簇思想，簇首輪轉(zhuǎn)的傳輸機(jī)制，避免單個節(jié)點(diǎn)過度消耗而死亡，延長網(wǎng)絡(luò)生命周期，協(xié)議的拓?fù)浣Y(jié)構(gòu)如圖1所示。

圖1 LEACH協(xié)議拓?fù)鋱D

周期開始，每個節(jié)點(diǎn)生成隨機(jī)數(shù)u(0

(1)

其中，p為網(wǎng)絡(luò)中簇首節(jié)點(diǎn)比例，r表示輪數(shù),G為最近1/p輪內(nèi)未被選為簇首的節(jié)點(diǎn)集合[9]。

1.2 網(wǎng)絡(luò)模型

本文的網(wǎng)絡(luò)模型為：N個節(jié)點(diǎn)隨機(jī)分布在M*M的正方形內(nèi)，網(wǎng)絡(luò)簇首個數(shù)為K[10]，同時網(wǎng)絡(luò)具有以下特點(diǎn)：①區(qū)域?yàn)橐?guī)則圖形，傳感器節(jié)點(diǎn)隨機(jī)分布在監(jiān)測區(qū)域；②所 有節(jié)點(diǎn)初始能量相同；③節(jié)點(diǎn)都有自己的唯一標(biāo)識ID，可以計(jì)算自己的剩余能量并對冗余數(shù)據(jù)進(jìn)行融合；④網(wǎng)絡(luò)節(jié)點(diǎn)隨機(jī)部署后不可移動；⑤基站能量是無限的。

1.3 能耗模型

本文使用的能耗模型是一階無線電能耗模型[11]，如圖2所示。

圖2 一階無線電能耗模型

因?yàn)閿?shù)據(jù)采集和簇首節(jié)點(diǎn)都是周期性的，因此需要計(jì)算節(jié)點(diǎn)每一周期內(nèi)的能量消耗，在距離s的路徑中傳輸xbit能量消耗模型如下公式

(2)

在接收xbit所消耗的能量公式如下

Erx=x×Ee

(3)

其中，εfs代表自由空間模型系數(shù)與εamp代表多路徑衰退空間模型系數(shù)，Ee是發(fā)送和接收單元數(shù)據(jù)的能耗，x是傳輸數(shù)據(jù)的帶寬；Etx和Erx分別代表傳輸數(shù)據(jù)和接受數(shù)據(jù)的能量消耗。s是節(jié)點(diǎn)之間的距離;當(dāng)距離sS0時，用多路徑衰退空間系數(shù)與距離四次方成正比。S0是傳輸距離的閾值，公式如下

(4)

2 ETM-LEACH協(xié)議算法描述

2.1 動態(tài)簇首數(shù)

簇首數(shù)目對無線傳感器網(wǎng)絡(luò)的生存周期有著很關(guān)鍵的作用，簇首數(shù)過少，節(jié)點(diǎn)會直接與基站通信，這樣會加速遠(yuǎn)距離節(jié)點(diǎn)的死亡，簇首數(shù)過多，因?yàn)榇厥滓D(zhuǎn)發(fā)普通節(jié)點(diǎn)的數(shù)據(jù)所以會加速簇首節(jié)點(diǎn)死亡。文獻(xiàn)[12]中最佳簇首數(shù)為公式

(5)

很顯然式(5)最優(yōu)簇首數(shù)目K是一個靜態(tài)值，隨著網(wǎng)絡(luò)周期運(yùn)行，節(jié)點(diǎn)會不斷死亡，N會不斷減小，所以靜態(tài)最優(yōu)簇首數(shù)并不適合網(wǎng)絡(luò)，式(5)無法滿足需求，本文則提出動態(tài)簇首數(shù)，讓簇首數(shù)目隨著網(wǎng)絡(luò)節(jié)點(diǎn)的死亡而動態(tài)變化，維持網(wǎng)絡(luò)穩(wěn)定性,引入節(jié)點(diǎn)的死亡變化率θ，其公式如下

(6)

其中，Tend和Tstart分別代表網(wǎng)絡(luò)的死亡周期和第一個節(jié)點(diǎn)死亡周期，所以用式(6)θ代表節(jié)點(diǎn)的死亡率，得到動態(tài)簇首數(shù)目如下所示

(7)

其中,Tcurr表示當(dāng)前節(jié)點(diǎn)的周期。

根據(jù)最優(yōu)簇首數(shù)得到，簇首最優(yōu)百分比為Popt，公式如下

(8)

根據(jù)式(7)和式(8)我們可以得出最優(yōu)的動態(tài)簇首數(shù)和簇首百分比，這樣在網(wǎng)絡(luò)中可以避免因選舉簇首過多造成簇首節(jié)點(diǎn)能量浪費(fèi)和簇首數(shù)過少，傳輸距離過長帶來的能量損耗。

2.2 能量因子

網(wǎng)絡(luò)部署時節(jié)點(diǎn)初始能量是相同的[13]。但隨著網(wǎng)絡(luò)進(jìn)行，有的節(jié)點(diǎn)當(dāng)選簇首節(jié)點(diǎn)，由于簇首節(jié)點(diǎn)需要轉(zhuǎn)發(fā)大量數(shù)據(jù)，能量消耗較快，會加快節(jié)點(diǎn)死亡，所以若選擇能量較低節(jié)點(diǎn)當(dāng)選簇首,反而不利于網(wǎng)絡(luò)周期的運(yùn)行，所以本節(jié)從能量角度分析問題，引入相對偏差值過濾能量，加入能量變化率作為考量因素：

(1)節(jié)點(diǎn)剩余能量越多，應(yīng)承擔(dān)更多處理數(shù)據(jù)的任務(wù)，成為簇首概率就越大；

(2)能耗變化率越小，說明上一輪開始到本輪開始的周期內(nèi)，節(jié)點(diǎn)任務(wù)量少，那么本輪應(yīng)該承擔(dān)更大的任務(wù)量，成為簇首概率加大。

用絕對偏差過濾掉能量低的節(jié)點(diǎn)當(dāng)選簇首概率，計(jì)算公式如下

(9)

Ei是本輪節(jié)點(diǎn)剩余能量，Eavg是存活節(jié)點(diǎn)的平均能量，Epre是上一輪開始前節(jié)點(diǎn)能量，E0是節(jié)點(diǎn)初始能量

(10)

由上式我們看出，選擇節(jié)點(diǎn)時，選舉節(jié)點(diǎn)剩余能量大于平均能量的節(jié)點(diǎn)當(dāng)選簇首，并且降低能量較低節(jié)點(diǎn)當(dāng)選簇首，同時加入兩輪節(jié)點(diǎn)的能量差值作為考量因素，會讓上一輪能量消耗較少的節(jié)點(diǎn)優(yōu)先在本輪當(dāng)選簇首。能量更高節(jié)點(diǎn)當(dāng)選簇首，會讓網(wǎng)絡(luò)通信變得更加高效。

2.3 密度因子

密度因子的概念是表示在最大通信范圍R內(nèi)節(jié)點(diǎn)附近的鄰居節(jié)點(diǎn)數(shù)和簇首節(jié)點(diǎn)數(shù)量比值。密度因子越大，說明鄰居節(jié)點(diǎn)數(shù)越多，區(qū)域內(nèi)節(jié)點(diǎn)密集，則該節(jié)點(diǎn)更有機(jī)會當(dāng)選簇首節(jié)點(diǎn)。密度因子小說明鄰居節(jié)點(diǎn)數(shù)少，節(jié)點(diǎn)周圍相對稀疏，則當(dāng)選簇首節(jié)點(diǎn)概率較小，鄰居節(jié)點(diǎn)表示的是在最大的通信半徑內(nèi)存活節(jié)點(diǎn)個數(shù)，鄰居節(jié)點(diǎn)集合如下

Nnegb={I|dij≤Rmax,I∈N}

(11)

在M*M的覆蓋面積內(nèi)，每個簇理想通訊半徑R

πR2NPopt=M×M

(12)

密度因子表示在每個簇的理想通信半徑內(nèi)鄰接點(diǎn)數(shù)與實(shí)際節(jié)點(diǎn)數(shù)比值計(jì)算如下

(13)

由以上公式得出結(jié)論，在理想通信半徑范圍內(nèi)，鄰居節(jié)點(diǎn)數(shù)和簇內(nèi)節(jié)點(diǎn)數(shù)對比，可以讓我們清晰地考量節(jié)點(diǎn)密度大小，若鄰居節(jié)點(diǎn)數(shù)過多，說明該區(qū)域內(nèi)節(jié)點(diǎn)相對密集，當(dāng)選簇首概率增加，轉(zhuǎn)發(fā)數(shù)據(jù)時距離較短。相反，節(jié)點(diǎn)密度小，區(qū)域內(nèi)稀疏分布，當(dāng)選簇首概率降低，會避免遠(yuǎn)距離傳輸造成的能量浪費(fèi)，密度因子可以有效地解決節(jié)點(diǎn)基站中心化和節(jié)點(diǎn)邊緣化問題，優(yōu)先解決熱區(qū)問題，減少能耗損失，延長網(wǎng)絡(luò)生命周期。

2.4 信任因子

信任值取決于主體對客體檢測和鄰接點(diǎn)推薦，并隨著周期的不同信任值也不同，一旦當(dāng)選的簇首節(jié)點(diǎn)是惡意節(jié)點(diǎn)，數(shù)據(jù)融合后會造成數(shù)據(jù)的丟失和篡改，不僅造成能量的浪費(fèi)還會使網(wǎng)絡(luò)系統(tǒng)癱瘓，本節(jié)針對信任模型從直接信任值和間接信任值綜合分析節(jié)點(diǎn)信任值，在遭受安全攻擊時能夠有效識別惡意節(jié)點(diǎn)，拒絕與之通信。讓當(dāng)選的簇首節(jié)點(diǎn)是安全高效的節(jié)點(diǎn)。

2.4.1 出入度因子

針對“量”的問題，我們引入出入度因子(in and out factor)作為考量，無線傳感器網(wǎng)絡(luò)分簇路由協(xié)議中，節(jié)點(diǎn)不與基站進(jìn)行直接通信，所以需要采用單跳與多跳參與數(shù)據(jù)傳輸，通過觀察節(jié)點(diǎn)接收數(shù)據(jù)量和轉(zhuǎn)發(fā)數(shù)據(jù)量比值作為參考因素，觀測主體i在t時刻對觀測客體j的數(shù)據(jù)包出入度來判別節(jié)點(diǎn)安全性，預(yù)先設(shè)定一個閾值，如數(shù)據(jù)包丟失過大，此值高于閾值，則判定該節(jié)點(diǎn)可能存在黑洞攻擊或者選擇性轉(zhuǎn)發(fā)等惡意攻擊行為，反之，丟失數(shù)據(jù)包在閾值之內(nèi)，可能是通信質(zhì)量造成的丟包行為，公式如下

(14)

其中，SP是轉(zhuǎn)發(fā)數(shù)據(jù)包數(shù)量，RP是接受數(shù)據(jù)包數(shù)量。

2.4.2 相關(guān)性因子

在考慮數(shù)據(jù)量的同時，我們不能對數(shù)據(jù)的質(zhì)忽視，所以引入相關(guān)新因子(pertinence factor)，例如女巫攻擊和蟲洞攻擊，它們會將接收的數(shù)據(jù)進(jìn)行篡改然后發(fā)送到下一跳節(jié)點(diǎn)，在量上滿足需求，但發(fā)送的數(shù)據(jù)是被惡意節(jié)點(diǎn)攻擊后隨意篡改的垃圾數(shù)據(jù)，往往和接收的數(shù)據(jù)毫無相關(guān)性，所以提出相關(guān)性針對‘質(zhì)’的考量，讓接收的數(shù)據(jù)和發(fā)送的數(shù)據(jù)有一定的相關(guān)性，相關(guān)性越高則安全系數(shù)越高。檢測主體i將自己發(fā)送的數(shù)據(jù)包和檢測客體j發(fā)送的數(shù)據(jù)包相比較如下

(15)

其中，PP代表t時刻i和鄰接點(diǎn)j數(shù)據(jù)包發(fā)送相同數(shù)據(jù)包數(shù)量，NPP代表數(shù)據(jù)量非相關(guān)。

2.4.3 差異性因子

在不同的周期內(nèi)，節(jié)點(diǎn)檢測數(shù)據(jù)因時間不同而有一定差異性，即使相似但不會相同，引入差異性因子(diffe-rence factor)，某節(jié)點(diǎn)在t時刻如果反復(fù)發(fā)送的數(shù)據(jù)包內(nèi)容相同，可認(rèn)為該節(jié)點(diǎn)在進(jìn)行重放攻擊，惡意節(jié)點(diǎn)會在不同周期內(nèi)反復(fù)發(fā)送同樣的數(shù)據(jù)。通過鄰節(jié)點(diǎn)進(jìn)行檢測，提高數(shù)據(jù)采集的有效性。將重復(fù)性高的節(jié)點(diǎn)降低信任值公式如下

(16)

其中，DP為t時刻數(shù)據(jù)包內(nèi)容重復(fù)的數(shù)據(jù)數(shù)量，NDP為同時刻數(shù)據(jù)包差異的數(shù)據(jù)包數(shù)量。

2.5 信任模型

在節(jié)點(diǎn)信任值計(jì)算中，采用節(jié)點(diǎn)直接信任值和間接信任值相結(jié)合的方法。檢測主體i對檢測客體j的信任值評估包括節(jié)點(diǎn)i直接檢測的結(jié)果DTN，以及通過i和j共同的鄰居節(jié)點(diǎn)N1，N2……N檢測的間接信任值ITN，整合后根據(jù)權(quán)重計(jì)算出最終信任值FTN。

2.5.1 直接信任值計(jì)算

根據(jù)檢測主體i和檢測客體j之間直接通信，計(jì)算評估客體j的直接信任值，根據(jù)以上的出入度因子、相關(guān)性因子、差異性因子根據(jù)分配權(quán)重不同計(jì)算出t時刻直接信任值DTN公式如下

(17)

其中，α1,α2,α3是分配的權(quán)重，權(quán)重相加為1。

2.5.2 間接信任值計(jì)算

先計(jì)算檢測主體i對鄰接點(diǎn)N1,N2……N的直接信任值，在計(jì)算鄰接點(diǎn)N1,N2……N對檢測客體j的直接信任值，進(jìn)而計(jì)算出i通過鄰接點(diǎn)N1對j的間接信任值

(18)

節(jié)點(diǎn)N1是i，j的共同臨界點(diǎn)，主體i對客體j的信任關(guān)系如圖3所示。

圖3 主體i對客體j的信任關(guān)系

2.5.3 離散程度

如圖3所示，檢測客體j可能有多個間接信任值，這樣會增加計(jì)算使復(fù)雜度變大，反而不利于網(wǎng)絡(luò)。采用均方差計(jì)算離散程度公式

(19)

其中，S表示偏離程度，通過均方差過濾數(shù)據(jù)，當(dāng)計(jì)算的間接信任值偏差過多，說明相比平均間接信任值離散程度大，則可能出現(xiàn)相鄰接點(diǎn)存在惡意節(jié)點(diǎn)的推薦，強(qiáng)行提高間接信任值高度，從安全角度看，將偏離過高的節(jié)點(diǎn)刪除，將離散程度在閾值范圍內(nèi)的節(jié)點(diǎn)保留。

2.5.4 節(jié)點(diǎn)最終信任值

假設(shè)剩余間接信任值個數(shù)是K，則檢測主體i對評估檢測j的綜合信任值FTN，即為最終的信任因子

(20)

3 ETM-LEACH算法的簇首選舉

根據(jù)式(7)計(jì)算出最優(yōu)簇首數(shù)后，引入能量因子、密度因子、信任因子后計(jì)算得到新的閾值，新的閾值計(jì)算如下

(21)

其中，β1，β2，β3，權(quán)值相加為1。

新的閾值公式代表當(dāng)選簇首的節(jié)點(diǎn)必須能量高于平均值而且兩輪能量差值越小越好，在密度大的地方有更大的概率當(dāng)選簇首節(jié)點(diǎn)可以避免基站中心化和節(jié)點(diǎn)邊緣化，同時根據(jù)節(jié)點(diǎn)i對j的信任檢測，加入直接信任值和間接信任值綜合考量節(jié)點(diǎn)信任值，抵抗例如重放攻擊、黑洞攻擊、蟲洞攻擊、女巫攻擊等輕量型攻擊，避免當(dāng)選簇首節(jié)點(diǎn)因?yàn)槭菒阂夤?jié)點(diǎn)造成數(shù)據(jù)丟失和能量浪費(fèi)。確保當(dāng)選簇首的節(jié)點(diǎn)是能量高、距離適中、安全系數(shù)高的節(jié)點(diǎn)。

EMT-LEACH采用輪作為周期循環(huán)標(biāo)志，在每個周期到來，需要重新選舉簇首，EMT-LEACH算法偽代碼見表1。

表1 EMT-LEACH算法偽代碼

EMT-LEACH算法流程如圖4所示。

圖4 ETM-LEACH算法流程

4 仿真分析

使用matlab仿真軟件對傳統(tǒng)的LEACH協(xié)議和本文的閾值優(yōu)化的ETM-LEACH協(xié)議進(jìn)行仿真對比，參數(shù)設(shè)置見表2。

表2 參數(shù)設(shè)置

4.1 存活節(jié)點(diǎn)數(shù)

存活節(jié)點(diǎn)數(shù)對比如圖5所示。

圖5 兩種算法存活節(jié)點(diǎn)數(shù)對比

如圖5所示，LEACH協(xié)議在300輪-500輪節(jié)點(diǎn)開始快速死亡，首節(jié)點(diǎn)死亡周期大概在100輪左右，在600輪左右節(jié)點(diǎn)全部死亡，生命周期結(jié)束，相反本文提出的ETM-LEACH算法，首節(jié)點(diǎn)死亡在300輪左右，500輪-700輪開始死亡周期加快，在1000輪時仍有近1/4節(jié)點(diǎn)存活。所以本算法相比較LEACH，有效地延長了網(wǎng)絡(luò)的生存周期。

4.2 節(jié)點(diǎn)能耗圖

節(jié)點(diǎn)剩余能量對比如圖6所示。

圖6 剩余能量對比

如圖6所示，LEACH協(xié)議在前200輪節(jié)點(diǎn)能量消耗較快，說明在前期節(jié)點(diǎn)能量在選舉中可能存在熱區(qū)或節(jié)點(diǎn)邊緣化導(dǎo)致能量變化率快，在200輪時已經(jīng)近一半的能量被消耗，在600輪左右節(jié)點(diǎn)剩余能量為零，本文算法ETM-LEACH，在300輪-600輪能量變化率較大，在600輪仍有0.25 J剩余能量，在1000輪是任由0.13 J左右的剩余能量，以上表明在能耗利用率和平衡節(jié)點(diǎn)能耗上本文算法優(yōu)于LEACH算法。

4.3 惡意節(jié)點(diǎn)導(dǎo)致丟包率

惡意節(jié)點(diǎn)與丟包率對比如圖7所示。

圖7 惡意節(jié)點(diǎn)與丟包率對比

如圖7所示，我們給網(wǎng)絡(luò)進(jìn)行攻擊，惡意節(jié)點(diǎn)數(shù)分別是0個-8個，觀察兩種協(xié)議丟包率的百分比，從圖中可知，沒有惡意節(jié)點(diǎn)時因?yàn)檠舆t和通信質(zhì)量問題LEACH協(xié)議和本文協(xié)議都有一定的丟包率，大概在1.5%左右，對于LEACH協(xié)議在惡意節(jié)點(diǎn)為4之前，丟包率變化緩慢，在惡意節(jié)點(diǎn)大于4之后，丟包率呈直線變化迅速增加，當(dāng)惡意節(jié)點(diǎn)數(shù)為8時，丟包率達(dá)到9%，說明隨著惡意節(jié)點(diǎn)數(shù)增加，LEACH沒有安全保護(hù)下，節(jié)點(diǎn)丟包率線性增加，相比較本文協(xié)議，加入安全作為考量，當(dāng)惡意節(jié)點(diǎn)增加時，丟包率緩慢變化，惡意節(jié)點(diǎn)數(shù)為8時，丟包率僅為4%左右，說明本協(xié)議能夠識別惡意節(jié)點(diǎn)并拒絕與之通信，全網(wǎng)廣播后，由于文藝節(jié)點(diǎn)信任值太低，惡意節(jié)點(diǎn)被所有節(jié)點(diǎn)孤立，避免與之通信，本文算法相比LEACH協(xié)議安全性提高很多，能夠自適應(yīng)網(wǎng)絡(luò)并主動識別惡意節(jié)點(diǎn)，確保網(wǎng)絡(luò)數(shù)據(jù)安全傳輸。

4.4 數(shù)據(jù)包傳輸量

惡意節(jié)點(diǎn)攻擊下數(shù)量變化對比如圖8所示。

圖8 5個惡意節(jié)點(diǎn)攻擊下數(shù)據(jù)量變化

如圖8所示，在100輪-300輪對網(wǎng)絡(luò)施加5個惡意節(jié)點(diǎn)進(jìn)行網(wǎng)絡(luò)攻擊，在開始階段數(shù)據(jù)包傳輸量為零，在前100輪內(nèi)，沒有安全攻擊下，網(wǎng)絡(luò)正常傳輸數(shù)據(jù)，接下來200個周期內(nèi)開始進(jìn)行網(wǎng)絡(luò)攻擊，LEACH沒有引入信任因子情況下，惡意節(jié)點(diǎn)當(dāng)選簇首概率增加，將收集的接點(diǎn)隨意丟棄，導(dǎo)致數(shù)據(jù)丟失，數(shù)據(jù)傳輸量緩慢變化，網(wǎng)絡(luò)數(shù)據(jù)量傳輸受到很大影響，而ETM-LEACH算法引入信任因子后，能夠快速識別出惡意節(jié)點(diǎn)并且拒絕與之通信。避免惡意節(jié)點(diǎn)當(dāng)選簇首造成的惡意丟包現(xiàn)象，所以數(shù)據(jù)傳輸量仍線性增加，結(jié)果表明本算法在抵抗安全攻擊上比LEACH明顯提升，即使在安全攻擊下仍能保證數(shù)據(jù)的傳輸。

5 結(jié)束語

本文提出的ETM-LEACH算法，綜合考慮了最優(yōu)簇首數(shù)、節(jié)點(diǎn)的剩余能量、鄰接點(diǎn)密度和信任模型中信任因子。最后在影響因子前加上權(quán)重，可以方便在不同環(huán)境下進(jìn)行不同的分析。通過在matlab下進(jìn)行仿真分析，EMT-LEACH算法相比較LEACH算法無論是在節(jié)點(diǎn)存活率、能耗利用率和丟包率都有良好的改進(jìn)，面對惡意攻擊時有更好的自適應(yīng)性，能夠識別惡意節(jié)點(diǎn)，避免因惡意攻擊造成的數(shù)據(jù)包大量丟失現(xiàn)象，該算法使簇首選舉更加合理，均衡了簇間能耗，提高節(jié)點(diǎn)利用率，延長網(wǎng)絡(luò)生命周期。