傅霞玲
(黎明職業(yè)大學(xué) 教學(xué)診斷與質(zhì)量保證中心,福建 泉州 362000)
因“無所不在”的感知技術(shù)以及現(xiàn)代科學(xué)技術(shù)在微處理傳感器性能及體積等方面的進(jìn)步,無線傳感器網(wǎng)絡(luò)被廣泛應(yīng)用于軍事、環(huán)境、醫(yī)療、家庭及工業(yè)商業(yè)等領(lǐng)域。然而,由于無線傳感器網(wǎng)絡(luò)采用無線信道及網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的動態(tài)變化,使其容易遭受竊聽、干擾、入侵等攻擊,再加上傳感器節(jié)點(diǎn)元器件故障、自身能量有限及惡意節(jié)點(diǎn)加入等不穩(wěn)定因素的存在,網(wǎng)絡(luò)的安全性較差。如何對網(wǎng)絡(luò)中的傳感器節(jié)點(diǎn)及鏈路的可信度進(jìn)行評價(jià),建立從節(jié)點(diǎn)到基站的可信連通鏈路,保證信息安全可靠地傳輸?shù)侥康墓?jié)點(diǎn),提高網(wǎng)絡(luò)的可靠性和健壯性,是網(wǎng)絡(luò)設(shè)計(jì)必須面對的問題。
對此,眾多學(xué)者進(jìn)行了相關(guān)的研究。鄧瑋[1]針對無線傳感器網(wǎng)絡(luò)因計(jì)算能力差、易被攻擊和篡改等問題,提出一種綜合考慮影響網(wǎng)絡(luò)因素的可信路由算法。劉小久等[2]提出了一種基于BP(神經(jīng))網(wǎng)絡(luò)判斷節(jié)點(diǎn)信息可信度的方法,該方法對采集的多特征值數(shù)據(jù)進(jìn)行訓(xùn)練,然后用訓(xùn)練所得結(jié)果判斷節(jié)點(diǎn)可信度,進(jìn)而篩選出數(shù)據(jù)。陳蕾等[3]提出采用加密的方式對無線傳感器節(jié)點(diǎn)間傳輸?shù)臄?shù)據(jù)進(jìn)行保護(hù)。葉秀彩等[4-6]從提高集聚系數(shù)、構(gòu)造小世界特性這一目的入手構(gòu)造無線傳感器網(wǎng)絡(luò),達(dá)到節(jié)能及延長網(wǎng)絡(luò)生命周期的目的。本文在這些研究的基礎(chǔ)上,綜合考慮網(wǎng)絡(luò)的集聚系數(shù)、邊的介數(shù)和邊的連通概率等三方面因素,提出基于可信度的虛擬刪邊算法,構(gòu)造基于可信度的高集聚性的無線傳感器網(wǎng)絡(luò)。
許多實(shí)際網(wǎng)絡(luò)都具有一個(gè)共同性質(zhì),即社團(tuán)結(jié)構(gòu)。具有社團(tuán)結(jié)構(gòu)性質(zhì)的網(wǎng)絡(luò),由若干個(gè)“群”或“簇”構(gòu)成,每個(gè)群或簇內(nèi)部的節(jié)點(diǎn)之間連接相對比較緊密,而網(wǎng)絡(luò)中簇與簇之間的連接卻相對比較稀疏,如圖1所示。
對于隨機(jī)撒灑于監(jiān)測區(qū)域的大量傳感器節(jié)點(diǎn)所構(gòu)成的網(wǎng)絡(luò),同樣具有這樣的性質(zhì),即有的節(jié)點(diǎn)連接相對非常緊密,有的連接相對比較稀疏。連接相對緊密的那部分節(jié)點(diǎn),構(gòu)成網(wǎng)絡(luò)中的群或簇;連接比較稀疏的,一般是簇間的連接。
圖1 網(wǎng)絡(luò)的社團(tuán)結(jié)構(gòu)示意圖
集聚系數(shù)是網(wǎng)絡(luò)集團(tuán)化程度的表現(xiàn),是網(wǎng)絡(luò)的一種聚類特性,考察連接在一起的頂點(diǎn)的所有近鄰之中有多少是共同的近鄰。節(jié)點(diǎn)i的集聚系數(shù)Ci表示與該節(jié)點(diǎn)直接相連的節(jié)點(diǎn)之間的連接關(guān)系,即與該節(jié)點(diǎn)一跳鄰居的節(jié)點(diǎn)間實(shí)際存在的邊數(shù)目和總的可能存在邊數(shù)的比例。
介數(shù)分為節(jié)點(diǎn)介數(shù)和邊介數(shù)兩種。本文使用邊介數(shù)概念,網(wǎng)絡(luò)中的邊介數(shù)表示網(wǎng)絡(luò)中所有節(jié)點(diǎn)對的最短路徑中經(jīng)過該邊的數(shù)目。正則化表示,假設(shè)網(wǎng)絡(luò)中共有N條不同的最短路徑,其中有n條經(jīng)過該邊,則這條邊的介數(shù)為n/N。介數(shù)高的邊在網(wǎng)絡(luò)中體現(xiàn)出較高的重要性和影響力,有較多的最短路徑經(jīng)過該邊。
可信度又稱為聲譽(yù)評價(jià),廣泛應(yīng)用于電子商務(wù)中。交易的雙方通過交易后的反饋信息來對雙方進(jìn)行可信度評價(jià),這個(gè)可信度評價(jià)又將影響以后的交易行為。同樣的情況,無線傳感網(wǎng)絡(luò)中的各個(gè)節(jié)點(diǎn)、邊或鏈路同樣具有不同的可信度,必須進(jìn)行綜合考慮及評價(jià)。影響網(wǎng)絡(luò)可信度有多方面的因素,本文用具體的連通概率值來進(jìn)行衡量,主要是考慮邊的連通概率。
虛擬刪邊指的是,在滿足網(wǎng)絡(luò)覆蓋度和連通度的前提下,通過功率控制,控制并切斷部分符合虛擬刪除條件的傳感器節(jié)點(diǎn)之間的通信鏈路,節(jié)省節(jié)點(diǎn)間不必要的通信開銷,以達(dá)到節(jié)能及增強(qiáng)集聚性的目的。
在節(jié)點(diǎn)隨機(jī)分布的無線傳感器網(wǎng)絡(luò),節(jié)點(diǎn)可以隨機(jī)分布于規(guī)則或不規(guī)則的區(qū)域中,為研究方便起見,考慮節(jié)點(diǎn)隨機(jī)分布于正方形區(qū)域中的情形,并假設(shè):
(1)節(jié)點(diǎn)信號傳輸滿足對稱性;
(2)無線傳感器網(wǎng)絡(luò)為同構(gòu)網(wǎng)絡(luò),節(jié)點(diǎn)的信號傳輸半徑為r,節(jié)點(diǎn)具有相同的性能和傳輸半徑。并設(shè)e,f為網(wǎng)絡(luò)中的兩個(gè)傳感器節(jié)點(diǎn),def表示兩點(diǎn)間的距離,當(dāng)def≤r時(shí),節(jié)點(diǎn)e,f可以直接通信,則認(rèn)為e,f節(jié)點(diǎn)之間存在一條邊;否則,不連邊。按照這一原則,對網(wǎng)絡(luò)進(jìn)行連邊處理,即信號覆蓋的范圍內(nèi)兩點(diǎn)連邊,從而生成網(wǎng)絡(luò)拓?fù)鋱D。
初始網(wǎng)絡(luò)和虛擬刪邊后的網(wǎng)絡(luò)拓?fù)涫疽鈭D見圖2和圖3。
圖2為傳感器節(jié)點(diǎn)隨機(jī)分布的局部拓?fù)鋱D,網(wǎng)絡(luò)中信息傳輸覆蓋的范圍內(nèi)兩點(diǎn)連線構(gòu)成網(wǎng)絡(luò)拓?fù)鋱D,圖中共14個(gè)節(jié)點(diǎn),分別用a,b,…,n表示。圖3為虛擬刪邊后網(wǎng)絡(luò)局部拓?fù)涫疽鈭D,其中的節(jié)點(diǎn)e,f之間的連邊lef、節(jié)點(diǎn)h,j之間連邊lhj及節(jié)點(diǎn)j,k之間連邊ljk虛擬刪除后的網(wǎng)絡(luò)拓?fù)鋱D。刪邊前及刪邊后各個(gè)節(jié)點(diǎn)的集聚系數(shù)分別標(biāo)注于圖2、圖3上。刪邊前及刪邊后平均集聚系數(shù)計(jì)算如表1所示。
表1 刪邊前及刪邊后平均集聚系數(shù)比較
由表1知,刪邊后,網(wǎng)絡(luò)的集聚系數(shù)平均值增大,集聚性增強(qiáng)。并且,由圖3可直觀地看出,網(wǎng)絡(luò)更加簡化,簇結(jié)構(gòu)更加明顯。
虛擬刪邊算法綜合考慮集聚系數(shù)、邊的介數(shù)和邊的連通概率三方面因素,當(dāng)一條邊符合三方面的條件時(shí),邊刪除,否則不刪除。
判斷一條邊是否為候選刪除邊的方法為,分別判斷該邊的兩個(gè)節(jié)點(diǎn)是否為候選刪除節(jié)點(diǎn),若兩點(diǎn)均為候選刪除節(jié)點(diǎn),則該邊作為候選刪除邊,等待進(jìn)行下一步的判斷。只要其中一個(gè)節(jié)點(diǎn)不符合,則該邊不是候選刪除邊。孤立的邊不刪除,以免產(chǎn)生孤點(diǎn),造成網(wǎng)絡(luò)不連通。判斷候選刪除節(jié)點(diǎn)的方法如下。
(1)判斷該邊一個(gè)頂點(diǎn)刪除后,集聚系數(shù)是否變大。若不變或變小,不刪除;若變大,則作為候選刪除節(jié)點(diǎn),等待進(jìn)一步判斷。
對于連邊lef的兩個(gè)節(jié)點(diǎn)e,f,其中的節(jié)點(diǎn)e集聚系數(shù)Ce為:
(1)
式中Ee表示節(jié)點(diǎn)e的鄰節(jié)點(diǎn)之間實(shí)際相連的邊數(shù),Ke表示節(jié)點(diǎn)e的度。
設(shè),邊lef刪除前節(jié)點(diǎn)e的集聚系數(shù)為Ce,刪邊后集聚系數(shù)為Ce′ ,則:
當(dāng)Ce′>Ce,節(jié)點(diǎn)e為候選刪除節(jié)點(diǎn);Ce′≤Ce,不刪除。
(2)以同樣的方法判斷邊的另一節(jié)點(diǎn)f是否為候選刪除節(jié)點(diǎn)。
若邊的局部介數(shù)低于某一閾值,例如,低于平均局部介數(shù)的n倍,則考慮刪邊,否則不刪邊。以邊lef為例:
設(shè)邊lef的局部介數(shù)為Blef;兩跳鄰居范圍內(nèi)平均局部介數(shù)為Bav。則:
當(dāng)Blef≤nBav,考慮刪邊;Blef>nBav,不刪邊。
設(shè)某條邊兩端節(jié)點(diǎn)各兩跳鄰居所圍成的區(qū)域內(nèi)節(jié)點(diǎn)數(shù)為m,則計(jì)算復(fù)雜度為O(m2)。
設(shè)邊lef的連通概率為CPlef,網(wǎng)絡(luò)的平均連通概率為CPav,則:
當(dāng)CPlef≤CPav,考慮刪邊;CPlef>CPav,不刪邊。
仿真采用Visual C++ 開發(fā),500個(gè)傳感器節(jié)點(diǎn)隨機(jī)分布于800 m×800 m正方形區(qū)域內(nèi),節(jié)點(diǎn)通信半徑r=80 m,在信號覆蓋范圍內(nèi)的節(jié)點(diǎn)間連邊生成網(wǎng)絡(luò)拓?fù)鋱D。以下的數(shù)據(jù)為50次運(yùn)行結(jié)果的平均值,仿真結(jié)果及實(shí)驗(yàn)數(shù)據(jù)分析如下。
圖4 為算法作用下,不同的局部介數(shù)取值時(shí)平均集聚系數(shù)增長情況。
圖4 不同局部介數(shù)取值時(shí)網(wǎng)絡(luò)平均集聚系數(shù)增長比率
從圖4中可以看出,算法作用下的網(wǎng)絡(luò)平均集聚系數(shù)得到較大幅度的提高,在局部介數(shù)取平均局部介數(shù)的3倍時(shí),網(wǎng)絡(luò)的集聚系數(shù)增長比率接近32%。在網(wǎng)絡(luò)得到較好的簡化的同時(shí),表現(xiàn)出較高的集聚性。但是,當(dāng)局部介數(shù)取值為平均局部介數(shù)的5倍時(shí),此時(shí)網(wǎng)絡(luò)出現(xiàn)不連通的簇。因此,實(shí)際應(yīng)用中對局部介數(shù)的取值,需在連通性和平均集聚系數(shù)增長比率兩者中綜合考量,在保證網(wǎng)絡(luò)連通性的同時(shí)使網(wǎng)絡(luò)平均集聚系數(shù)增長比率達(dá)到理想值。
圖5為不同平均局部介數(shù)取值下,原始網(wǎng)絡(luò)及算法作用下兩種網(wǎng)絡(luò)平均連通概率的比較。
圖5 網(wǎng)絡(luò)連通概率增長比率比較
由圖5可見,在算法作用下,網(wǎng)絡(luò)的平均連通概率大大提高,和原始網(wǎng)絡(luò)相比,提高近20%。
圖6、圖7為原始網(wǎng)絡(luò)拓?fù)鋱D及局部介數(shù)取平均局部介數(shù)3倍時(shí),算法作用下所得拓?fù)鋱D的部分截圖。
圖6 原始網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖 圖7 算法作用下的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖
將圖6和圖7進(jìn)行比較可知,網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)大大簡化,簇結(jié)構(gòu)明顯,并且能保持全網(wǎng)連通。
理論分析和仿真實(shí)驗(yàn)表明,通過本文的算法進(jìn)行刪邊后,網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)得到簡化,簇結(jié)構(gòu)更加明顯,網(wǎng)絡(luò)平均集聚系數(shù)得到大幅度提高,表現(xiàn)出更高的集聚性。同時(shí),網(wǎng)絡(luò)的平均連通概率增幅較大,全網(wǎng)的連通性能更好,網(wǎng)絡(luò)獲得更好的通信質(zhì)量。