姜明富

摘 要： 研究集群攻擊下的控制傳感網絡穩(wěn)定控制算法，可以提高控制系統的穩(wěn)定性。外部集群攻擊下的控制傳感網絡失穩(wěn)PID控制難以滿足高精度控制要求，無法達到理想的控制效果。提出一種更為精準的適用于集群攻擊的傳感網絡穩(wěn)定控制算法。依據大規(guī)模集群攻擊偽裝行為的特性，構建傳感網絡穩(wěn)定控制模型，引入遺傳算法與PID控制理論相結合，搜索模型最優(yōu)解，實現對集群攻擊下的控制傳感網絡穩(wěn)定的有效控制。實驗結果表明，改進的控制方法可以減小控制過程的信號擾動，提高傳感網絡穩(wěn)定性與控制精度，具有較強的魯棒性。

關鍵詞： 集群攻擊； 傳感網絡； 穩(wěn)定控制； PID控制

中圖分類號： TN711?34； TP231.11 文獻標識碼： A 文章編號： 1004?373X（2017）04?0024?04

Study on stability control method of sensor network under cluster attack

JIANG Mingfu

（College of Information Engineering， Xinyang College of Agriculture and Forestry， Xinyang 464000， China）

Abstract： The stability control algorithm of sensor network under the group attack is research， which can improve the stability of the control system. It′s difficult for PID control to control the sensor network stability for sensor network under the group attack to meet the requirement of high precision control， which can't achieve ideal control effect. Therefore， a more accurate stability control algorithm against cluster attack to sensor network is proposed. According to the disguised behaviour features of large?scale group aggression， the sensor network stability control model was constructed， in which the genetic algorithm was introduced to combine with PID control theory and search the optimal solution of the model， so as to realize the effective control of the sensor network stability under the group attack. The experimental results show that the improved control method can reduce the signal disturbance in control process， improve the sensing network stability and control accuracy， and has strong robustness.

Keywords： group attack； sensor network； stability control； PID control

集群攻擊即是未獲得授權的非法集群通過一定的技術手段偽裝為合法集群進行機密數據訪問或者高于自身權限訪問的行為。在復雜的傳感網絡環(huán)境中，集群攻擊數據嚴重影響集群網絡的穩(wěn)定性，為網絡用戶帶來了極大的安全隱患[1]?？刂苽鞲芯W絡穩(wěn)定控制問題作為無線傳感網絡中的核心問題之一，對于延長網絡的生存時間、減小通信干擾、提高MAC協議和路由協議的效率以及促進數據融合、提高網絡的可擴展性、可靠性、安全性等具有重要意義。對于傳感網絡穩(wěn)定控制可以有效地延遲集群攻擊的攻擊時間，為集群攻擊數據的識別檢測提供時間上的保證，很大程度上避免了集群攻擊行為的發(fā)生，因此，成為該領域熱點研究的問題[2]?，F階段，集群攻擊下的控制傳感網絡穩(wěn)定控制算法方法主要包括基于最小二乘支持向量機算法的傳感網絡穩(wěn)定控制方法[3]，基于隱馬爾科夫模型的傳感網絡穩(wěn)定控制方法[4]和基于模糊控制理論的傳感網絡穩(wěn)定控制方法[5]。其中，最常用的是基于模糊控制理論的集群攻擊偽裝數據的傳感網絡穩(wěn)定控制方法[6?7]。由于集群攻擊偽裝數據時間延遲控制能夠為復雜集群網絡的安全提供支持，因此，受到相關專家學者的重點關注，擁有廣闊的發(fā)展?jié)摿Α?/p>

1 傳感網絡穩(wěn)定控制

整個互聯網網絡是由多個“群”、“簇”或者“團”構成的，其中任意的 “群”、“簇”或 “團”即是一個集群網絡，單個集群網絡內部具有相同的性質，節(jié)點聯系極為緊密，不同集群網絡之間的聯系則較為稀疏。集群網絡揭示了網絡系統功能與結構間的對應關系，在一定程度上降低了復雜網絡的認識難度。其中偽裝為合法數據的攻擊數據，通過非法竊取用戶信息，進行不法訪問，給網絡安全帶來了極大隱患，進行有效的傳感網絡穩(wěn)定控制可以為攻擊偽裝數據的識別贏得時間差，具體控制原理描述如下：

將集群攻擊偽裝數據傳感網絡穩(wěn)定控制器設計為三輸入的單神經元，輸出為線性函數。其控制偏差可描述為：

推導集群攻擊偽裝數據輸入分別為：

若設定分別為輸入信號和輸出層之間的連接權，那么，該傳感網絡穩(wěn)定控制系統的輸出為：

傳感網絡穩(wěn)定控制穩(wěn)定目標函數為：

通過對式（6）中的相關參數進行優(yōu)化調整，可以優(yōu)化傳感網絡穩(wěn)定控制過程，的調整方法分別如下：

通過對的調整，傳感網絡穩(wěn)定控制目標函數也隨之變化：

依據相關導數定理，可得到結果：

由上述原理可以實現復雜社團網絡攻擊偽裝數據時間延遲的有效控制。

采用傳統的PID控制方法進行集群攻擊下的控制傳感網絡穩(wěn)定控制，運行過程較為復雜，需要的調試時間長，且控制精度較低，難以滿足自動化控制要求，無法達到理想的控制效果。

2 傳感網絡穩(wěn)定控制優(yōu)化算法

依據攻擊偽裝行為的特性，構建傳感網絡穩(wěn)定控制模型，為避免算法陷入局部最優(yōu)的局限，提高擬合精度，將遺傳算法與PID控制理論相結合，搜索模型最優(yōu)解，實現對集群攻擊下的傳感網絡穩(wěn)定的有效控制。

2.1 構建集群攻擊下過程的分析模型

設定集群攻擊偽裝的維不確定過程為，其中的取值在上，而用來描述集群攻擊下的傳感網絡穩(wěn)定控制系統中分布區(qū)域的節(jié)點總體數量集，用來描述網絡系統內的常量。假設定義于上的取值為的連續(xù)的函數空間用表示，且，滿足函數。

在建立集群攻擊下的攻擊模型的過程如：

式中：表示可變函數；為常數，則傳感網絡穩(wěn)定控制公式為：

（16）

式中，，用來描述可行域。

通過控制進行求解，在的范圍內，計算的最大期望值，以此構建集群攻擊下的傳感網絡穩(wěn)定控制模型：

2.2 遺傳算法的引入對PID控制過程進行改進

基于遺傳算法的PID傳感網絡穩(wěn)定控制算法是一種全局優(yōu)化算法，能夠避免傳統算法陷入局部最優(yōu)的缺陷，且算法簡單，但是對相關參數微調節(jié)能力較差，定位最優(yōu)解的準確位置的精度較低，不能滿足于實際應用，因此，采用改進遺傳算法與PID神經網絡結合的方法進行傳感網絡穩(wěn)定控制，有效防止了傳感網絡訓練陷入局部極值，提高了網絡的擬合精度。

根據集群攻擊下的傳感網絡穩(wěn)定控制模型，設定傳感網絡穩(wěn)定控制的目標函數：

將滿足設定為函數的約束條件，則：

式中：用來描述自變量；為其定義域；用來描述傳感網絡穩(wěn)定控制的目標函數解的優(yōu)劣狀況，表示到的相關映射。在式（19）的基礎上，通過式（20）描述傳感網絡穩(wěn)定的一階慣性環(huán)節(jié)：

將傳感網絡穩(wěn)定的一階慣性環(huán)節(jié)轉化為傳感網絡穩(wěn)定控制的開環(huán)傳遞函數，最后轉化為閉環(huán)傳遞函數：

通過式（22）描述傳感網絡穩(wěn)定控制的閉環(huán)傳遞函數的特征方程：

在獲得相關參數和目標函數后，描述基于改進遺傳算法的PID神經網絡算法的控制過程如下：

Step1：隨機產生初始種群，依據PID神經網絡的控制規(guī)律設定的初始值。其中，，分別用來描述傳感網絡覆蓋范圍子區(qū)域之間的連接權，為樣本序號，；

Step2：計算傳感網絡中樣本的適應度值，依據計算結果進行父母染色體交配；

Step3：依據染色體交配的交叉概率、變異概率進行遺傳操作，得到新的個體，，的計算過程如下：

Step4：若樣本中的染色體數超過設定的閾值（滿足終止條件），則進行Step5，反之，轉至Step2；

Step5：將Step4的結果輸出，計算最優(yōu)解，并結束算法，若不滿足終止條件，用最大適應度值的染色體進行傳感網絡權重初始化；

Step6：通過式（25）計算改進算法過程中的誤差分量：

Step7：根據改進算法對傳感網絡權值進行修正，直至滿足終止條件，輸出最終結果。根據上述方法，可以實現集群攻擊下的傳感網絡穩(wěn)定控制模型，為攻擊偽裝數據的檢測提供支持，維護了傳感網絡的安全。

3 試驗結果及分析

為了驗證改進算法的有效性，需要進行一次實驗。

3.1 兩種算法下用于訓練與網絡泛化能力檢驗的期望輸入與輸出

實驗過程采用非線性動態(tài)模型對改進算法的有效性進行檢驗：

（26）

分析式（26）可知，傳感網絡控制系統的先前輸出和輸入決定了當前的輸出結果，輸入給定10個單位的延遲。采用PID控制算法進行傳感網絡穩(wěn)定控制，得到1 800組的輸入/輸出序列作為網絡學習的期望信號。其中，900組用作訓練網絡，另外900組用作傳感網絡穩(wěn)定控制系統的網絡泛化能力的檢驗，具體如圖1所示。

3.2 兩種算法下不同控制輸出與期望控制輸出比對

采用傳統算法和改進算法進行集群攻擊下的傳感網絡穩(wěn)定控制模型，將不同控制輸出與期望控制輸出進行比對，結果如圖2、圖3所示。

分析圖2、圖3可知，在相同的仿真條件下，對于相同的數據樣本，改進算法的控制輸出結果與期望輸出結果較為接近，控制輸出結果在誤差允許的范圍內，說明改進算法在集群攻擊下的傳感網絡穩(wěn)定控制模型控制中的有效性，在實際控制應用中具有更強的泛化能力。

3.3 不同算法的控制誤差比對

將兩種算法下的傳感網絡穩(wěn)定控制誤差進行比對，結果如圖4所示。

分析圖4可知，改進算法在進行集群攻擊下的傳感網絡穩(wěn)定控制仿真中，控制誤差曲線低于傳統算法的控制誤差曲線，說明改進算法的控制精度更高，能夠滿足實際的應用需求。

3.4 不同算法迭代誤差比對

將兩種算法下感網絡穩(wěn)定控制過程中的迭代誤差進行比對，結果如圖5所示。

分析圖5可知，傳統算法在迭代600次時，控制誤差最小，性能達到最佳，而改進算法在迭代200次時，即達到了控制誤差最小的最佳性能，說明改進算法具有更強的收斂性。

4 結 語

集群攻擊偽裝數據具有極強的隱蔽性，因此對集群攻擊下的傳感網絡穩(wěn)定控制時，難度較大，無法達到理想的控制效果。為此，提出基于改進遺傳算法的PID神經傳感網絡穩(wěn)定控制方法。首先根據集群偽裝攻擊數據的特性建立傳感網絡穩(wěn)定控制模型，采用遺傳算法與PID控制理論相結合的方法進行計算集群攻擊下的傳感網絡穩(wěn)定控制模型的最優(yōu)解，實現對集群攻擊偽裝數據下的傳感網絡穩(wěn)定控制。實驗結果表明，改進的傳感網絡穩(wěn)定控制方法能夠有效減小控制過程的信號擾動，提高控制精度與運行效率，效果令人滿意。

參考文獻

[1] 張偉崗.基于信息熵的復雜網絡社團發(fā)現算法研究[J].微處理機，2015，36（2）：39?43.

[2] 孫亞紅，肖淑蘋.一個基于多維特征向量的復雜網絡社團結構發(fā)現算法[J].計算機與數字工程，2015，43（4）：558?561.

[3] 田關偉，周德榮.網絡入侵后攻擊路徑標志技術研究與仿真[J].計算機仿真，2014，31（12）：292?295.

[4] 呂健波，戴冠中，潘文平.Apache Web服務器中基于LTI模型的多服務類別比例延遲控制[J].計算機科學，2010，37（12）：26?29.

[5] 劉艷，王泰.基于網絡社團結構的Web內容分級算法及其性能分析[J].計算機科學，2015，42（3）：206?209.

[6] 蔣華.服務器集群網絡攻擊中非確定攻擊檢測技術研究[J].科技通報，2015，31（6）：82?84.

[7] 于靜雯，楊冰.基于MapReduce框架下的復雜網絡社團發(fā)現算法[J].微型機與應用，2014，33（22）：74?76.