朱 江，劉亞利

(重慶郵電大學(xué) 移動通信技術(shù)重慶市重點(diǎn)實(shí)驗(yàn)室，重慶 400065)

?

基于信任機(jī)制的無線電環(huán)境地圖重構(gòu)*

朱 江，劉亞利**

(重慶郵電大學(xué) 移動通信技術(shù)重慶市重點(diǎn)實(shí)驗(yàn)室，重慶 400065)

無線電環(huán)境地圖系統(tǒng)中的感知節(jié)點(diǎn)被俘獲后會受迫地向數(shù)據(jù)中心發(fā)送偽造數(shù)據(jù)，導(dǎo)致無線電環(huán)境地圖精度降低。針對該問題，提出了基于信任機(jī)制的空間插值算法改進(jìn)方案，并闡述了感知節(jié)點(diǎn)信任值更新策略。該方案通過改變感知節(jié)點(diǎn)的信任度來降低惡意節(jié)點(diǎn)的數(shù)據(jù)在空間插值算法中的權(quán)重，經(jīng)過信任值的多次更新而最終隔離惡意節(jié)點(diǎn)。實(shí)驗(yàn)仿真中，均方根誤差(RMSE)和誤警區(qū)域率-正確檢測區(qū)域率(FAZR-CDZR1)兩種性能指標(biāo)均表明所提方案能夠有效遏制惡意節(jié)點(diǎn)的篡改數(shù)據(jù)攻擊，保障了無線電環(huán)境地圖的精確度。

無線傳感器網(wǎng)絡(luò)；無線電環(huán)境地圖；空間插值算法；信任值更新

1 引 言

無線電環(huán)境地圖(Radio Environment Map,REM)動態(tài)地包含特定的地理區(qū)域內(nèi)無線電網(wǎng)絡(luò)中各頻段在空間和時(shí)間上的占用情況、主用戶的位置信息[1]和信號傳播模式、頻譜管理規(guī)則以及歷史信息等，被認(rèn)為是應(yīng)用前景十分廣闊的技術(shù)[2-3]。次用戶可以根據(jù)其通信需求，詢問REM關(guān)于授權(quán)頻段占用情況的信息，若其處于空間頻譜空洞中，則可以在不干擾主用戶正常通信的同時(shí)實(shí)現(xiàn)與主用戶在授權(quán)頻段的空間復(fù)用[4]，進(jìn)而提高授權(quán)頻段的利用率[5-6]。目前，針對REM的主要研究點(diǎn)為無線電頻譜層無線電環(huán)境地圖[7]，即為本文后續(xù)中提到的REM。

空間插值算法中的反距離加權(quán)[8-9](Inverse Distance Weighted,IDW)與普通克里金算法[9-10](Ordinary Kriging,OK)為直接插值算法，僅需要感知節(jié)點(diǎn)位置及其接收信號強(qiáng)度(Received Signal Strength,RSS)即可完成REM構(gòu)建。相比于文獻(xiàn)[11]提出的LIvE等間接法，直接法具備不需要額外的主用戶信息，對感知節(jié)點(diǎn)要求較低等特點(diǎn)，使用最為廣泛。

無線傳感器網(wǎng)絡(luò)(Wireless Sensor Network，WSN)具有分布范圍廣、自組織的特點(diǎn)[12]，因此，本文采用WSN中的傳感器來感知主用戶在授權(quán)頻段上的信號強(qiáng)度。文中提到的感知數(shù)據(jù)均為此處傳感器的RSS，后面的2.1節(jié)對感知數(shù)據(jù)的類型作了詳細(xì)說明。目前，REM重構(gòu)方法的相關(guān)研究很少考慮感知數(shù)據(jù)的可靠性問題，而是直接把感知節(jié)點(diǎn)數(shù)據(jù)作為無線電環(huán)境的真實(shí)數(shù)據(jù)[7,9-11]，然而在現(xiàn)實(shí)開放性環(huán)境中，網(wǎng)絡(luò)的某些感知節(jié)點(diǎn)可能被敵方俘獲而向融合中心發(fā)送篡改后的感知數(shù)據(jù)成為惡意節(jié)點(diǎn)[12-13]。文獻(xiàn)[14-15]均采用了基于節(jié)點(diǎn)信任的思路來處理惡意節(jié)點(diǎn)問題，受此啟發(fā)，本文將節(jié)點(diǎn)信任的概念引入到REM重構(gòu)的研究中，提出了相應(yīng)的節(jié)點(diǎn)信任值獲取方法和更新準(zhǔn)則。仿真結(jié)果表明改進(jìn)后的空間插值算法能夠有效地抵抗數(shù)據(jù)篡改攻擊，避免了采用基本方法時(shí)的REM準(zhǔn)確度的下降。

2 系統(tǒng)模型

本文采用基于均勻網(wǎng)格結(jié)構(gòu)的感知節(jié)點(diǎn)區(qū)域劃分，該結(jié)構(gòu)能夠有效地進(jìn)行數(shù)據(jù)交互和數(shù)據(jù)聚合[14]。圖1所示為系統(tǒng)模型邏輯圖，每個(gè)簇表示一個(gè)網(wǎng)格。區(qū)域A=L×L范圍內(nèi)存在1個(gè)主用戶、M個(gè)次用戶，N個(gè)感知節(jié)點(diǎn)隨機(jī)分布在整個(gè)區(qū)域內(nèi)且部分感知節(jié)點(diǎn)可能受到敵方的俘獲而發(fā)送篡改后的數(shù)據(jù)，(xi,yi)為感知節(jié)點(diǎn)Ni在感興趣區(qū)域內(nèi)的空間位置坐標(biāo)。

圖1 系統(tǒng)模型邏輯圖

圖中每簇的所有感知節(jié)點(diǎn)將頻譜感知結(jié)果分別傳送到各自所屬的簇頭(Cluster Head,CH)，然后，CH把感知節(jié)點(diǎn)數(shù)據(jù)發(fā)送至REM管理者，REM管理者通過重構(gòu)方法即可得到該主用戶覆蓋區(qū)域內(nèi)的無線電環(huán)境地圖。次用戶在有通信需要的情況下可以通過詢問REM管理者來確認(rèn)其是否擁有接入授權(quán)頻段進(jìn)行數(shù)據(jù)傳輸?shù)臋C(jī)會。本文采用專用的感知節(jié)點(diǎn)[5]網(wǎng)絡(luò)來獲取感知數(shù)據(jù)，而次用戶不必參與到RSS感知和RSS傳送過程中，其原因在于次用戶只有在自身有通信需求的情況下才進(jìn)行頻譜感知且各個(gè)次用戶間可能因通信制式不同而不能很好地協(xié)同工作，而專用無線傳感器網(wǎng)絡(luò)卻能夠?yàn)闃?gòu)建REM提供大量實(shí)時(shí)的RSS數(shù)據(jù)。

2.1 感知節(jié)點(diǎn)獲取的數(shù)據(jù)類型

我們選擇對數(shù)陰影衰落信道[11]作為主用戶信號在空間傳播的大尺度衰落信道模型。當(dāng)在對數(shù)陰影衰落信道中傳播時(shí)，主用戶信號能量以dBm為單位時(shí)服從正態(tài)分布，所以為了便于分析本文感知節(jié)點(diǎn)數(shù)據(jù)轉(zhuǎn)換為以dB尺度下形式。第i個(gè)感知節(jié)點(diǎn)在對數(shù)陰影衰落影響下的RSS取值Z(xi,yi)的數(shù)學(xué)表達(dá)式為

(1)

2.2 惡意節(jié)點(diǎn)攻擊類型

參與對授權(quán)頻段占用情況進(jìn)行感知的惡意節(jié)點(diǎn)會受迫于控制方意圖而發(fā)送篡改后的數(shù)據(jù)。根據(jù)惡意節(jié)點(diǎn)發(fā)送的感知數(shù)據(jù)類型，將其攻擊分為三大類[15]：

(1)自私型攻擊(Selfish Attack,SFA)，是指惡意節(jié)點(diǎn)不考慮本地感知數(shù)據(jù)而持續(xù)性地向數(shù)據(jù)中心發(fā)送較高的感知結(jié)果；

(2)干擾型攻擊(Interference Attack,IFA)，表示惡意節(jié)點(diǎn)不考慮本地感知數(shù)據(jù)而始終向數(shù)據(jù)中心發(fā)送較低的感知結(jié)果；

(3)隨機(jī)型攻擊(Random Attack,RDA)，不同于上述兩種情形，惡意節(jié)點(diǎn)發(fā)送隨機(jī)大小的數(shù)據(jù)作為本地感知結(jié)果。

3 基于信任的REM重構(gòu)方案

如前所述，空間插值算法在REM重構(gòu)過程中因僅需要各感知節(jié)點(diǎn)的空間位置以及其RSS而被廣泛使用。然而，由于WSN中惡意節(jié)點(diǎn)的存在，部分篡改后的RSS將成為攻擊數(shù)據(jù)，如果不能有效減少攻擊數(shù)據(jù)的影響，重構(gòu)得到的REM可能會與真實(shí)REM相去甚遠(yuǎn)。為了達(dá)到減小惡意節(jié)點(diǎn)攻擊成功概率、保障構(gòu)建REM準(zhǔn)確性的目的，本文應(yīng)用感知節(jié)點(diǎn)的信任值對空間插值算法進(jìn)行改進(jìn)，并根據(jù)惡意節(jié)點(diǎn)攻擊特點(diǎn)針對性地提出了感知節(jié)點(diǎn)信任值的更新及應(yīng)用方案。

3.1 基于信任機(jī)制的空間插值算法改進(jìn)

REM管理者獲得感知節(jié)點(diǎn)數(shù)據(jù)之后，通過使用空間插值算法可以得到感興趣區(qū)域內(nèi)未布置感知節(jié)點(diǎn)的位置處RSS的估計(jì)值?？臻g插值算法的通用公式[8]為

(2)

式中：Z*(x0,y0)表示待估計(jì)位置(x0,y0)處的空間變量值，Z(xi,yi)為已知位置(xi,yi)處的RSS，λi(n)為Z(xi,yi)在時(shí)刻n的待定加權(quán)系數(shù)，Nw則表示滑動窗口中測量值個(gè)數(shù)。對于不同的空間插值算法，如IDW1、IDW2、OK，λi(n)的求取方法不盡相同。

公式(2)中所采用的加權(quán)系數(shù)λi(n)是在將Z(xi,yi)作為采樣點(diǎn)處的真實(shí)RSS的前提下得到的。因此，在惡意節(jié)點(diǎn)存在的情況下，需對加權(quán)系數(shù)修正，盡可能地減小惡意節(jié)點(diǎn)數(shù)據(jù)對結(jié)果的影響。于是，在考慮感知節(jié)點(diǎn)可信度之后，采用空間插值算法估測其他位置處的主用戶信號強(qiáng)度時(shí)，各感知節(jié)點(diǎn)數(shù)據(jù)的權(quán)重系數(shù)需要同時(shí)考慮感知節(jié)點(diǎn)的空間位置和可信程度。

本文使用信任度這一概念用于表示感知節(jié)點(diǎn)數(shù)據(jù)的可信程度。信任度ti(n)表示第i個(gè)感知節(jié)點(diǎn)在時(shí)刻n的可信程度，其中0≤ti(n)≤1。若ti(n)=0，說明第i個(gè)感知節(jié)點(diǎn)的數(shù)據(jù)完全不可信；而ti(n)=1，則表示第i個(gè)感知節(jié)點(diǎn)的數(shù)據(jù)完全可信。為了保證REM估計(jì)的準(zhǔn)確性，設(shè)定感知節(jié)點(diǎn)信任閾值為Δthr，若ti(n)<Δthr，則認(rèn)為該節(jié)點(diǎn)為惡意節(jié)點(diǎn)，在當(dāng)前輪次的REM構(gòu)建過程中隔離其傳送的數(shù)據(jù)。需要特別指出的是，針對OK算法中實(shí)驗(yàn)變異函數(shù)[8]的求解過程中需要感知數(shù)據(jù)的參與，因此，為了盡可能地提升高可信度數(shù)據(jù)的影響，僅使用當(dāng)前信任度不小于前一輪動作時(shí)的感知節(jié)點(diǎn)數(shù)據(jù)參與到計(jì)算中。最終，空間插值運(yùn)算時(shí)各感知節(jié)點(diǎn)數(shù)據(jù)的權(quán)重可以表示為

(3)

式中：Nt為滑動窗口內(nèi)算法所判定的非惡意節(jié)點(diǎn)數(shù)目。此時(shí)，公式(2)可以表示為

(4)

由以上內(nèi)容可知，引入節(jié)點(diǎn)信任度之后，可以通過改變節(jié)點(diǎn)的信任值來達(dá)到影響節(jié)點(diǎn)數(shù)據(jù)在REM構(gòu)建時(shí)所占比重的目的；同時(shí)，可以根據(jù)節(jié)點(diǎn)信任度來判斷感知節(jié)點(diǎn)是否為惡意節(jié)點(diǎn)，達(dá)到隔離惡意節(jié)點(diǎn)，降低惡意節(jié)點(diǎn)攻擊成功概率的目標(biāo)。IDW1、IDW2與OK經(jīng)過改進(jìn)之后，分別稱為T-IDW1(Trust-based IDW1)、T-IDW2(Trust- based IDW2)和T-OK(Trust-based OK)。

3.2 感知節(jié)點(diǎn)的信任值獲取及更新方案

主用戶正常通信時(shí)，其信號強(qiáng)度在其周圍具有一定的空間連貫性和相關(guān)性[10]。因此，感知節(jié)點(diǎn)的可信度可以通過其發(fā)送數(shù)據(jù)大小同其周圍的感知節(jié)點(diǎn)數(shù)據(jù)關(guān)系來確定。

如圖2所示，A、B、C、D是感興趣區(qū)域中的4個(gè)相鄰網(wǎng)格，若干具備頻譜感知能力的感知節(jié)點(diǎn)隨機(jī)分布于網(wǎng)格內(nèi)。單個(gè)網(wǎng)格A中的感知節(jié)點(diǎn)構(gòu)成集合SA={s1,s2,…,sm}，相應(yīng)的感知節(jié)點(diǎn)數(shù)據(jù)組成的集合為DA(n)={d1(n),d2(n),…,dm(n)}，其中si和di分別為第i個(gè)感知節(jié)點(diǎn)及其在時(shí)刻n的感知數(shù)據(jù)。

圖2 網(wǎng)格邊界附近的節(jié)點(diǎn)示意圖

下面以網(wǎng)格C中的感知節(jié)點(diǎn)為例闡述節(jié)點(diǎn)信任值的獲取及更新步驟。

(1)由網(wǎng)格中各個(gè)感知節(jié)點(diǎn)的數(shù)據(jù)組成集合DC(n)={d1(n),d2(n),…,dm(n)}，初始化感知節(jié)點(diǎn)的信任值t1(1)=t2(1)=,…,=tm(1)=tini。此步驟僅出現(xiàn)于系統(tǒng)初次開始工作時(shí)。

(2)求取DC(n)的中位數(shù)，用dmed(n)表示。

ti(n)=ti(n)+Δt 。

(5)

te(n)=θ×te(n) 。

(6)

(5)考慮到系統(tǒng)中各節(jié)點(diǎn)工作在時(shí)間上的延續(xù)性，本文引入歷史信任度ti(n-1)和信任學(xué)習(xí)因子μ，初始時(shí)刻各感知節(jié)點(diǎn)的歷史信任度為0。信任學(xué)習(xí)因子越小表明節(jié)點(diǎn)越依賴當(dāng)前節(jié)點(diǎn)信任值。那么，感知節(jié)點(diǎn)的綜合信任度表達(dá)式為

ti(n)=(1-μ)×ti(n)+μ×ti(n-1)。

(7)

ti(n)=β×ti(n)。

(8)

方案采用中位數(shù)作為節(jié)點(diǎn)信任值判定的基數(shù)而不是選用平均數(shù)的原因是：感知節(jié)點(diǎn)中可能存在惡意節(jié)點(diǎn)，使得感知數(shù)據(jù)的平均數(shù)受到少數(shù)攻擊數(shù)據(jù)的影響而上下浮動較大，因而平均數(shù)不宜作為判斷網(wǎng)格中節(jié)點(diǎn)信任的基數(shù)[14]；而當(dāng)可信感知節(jié)點(diǎn)數(shù)目占節(jié)點(diǎn)總數(shù)一半以上時(shí)，中位數(shù)均能夠保證算法的可靠性。第3步和第4步可以達(dá)到減小IFA節(jié)點(diǎn)和SFA節(jié)點(diǎn)的信任值的目的，而第6步則可以在系統(tǒng)運(yùn)行一段時(shí)間后發(fā)現(xiàn)RDA節(jié)點(diǎn)并削弱其影響。

3.3 方案流程圖

以上詳細(xì)介紹了本文方案的算法過程。感知節(jié)點(diǎn)的信任值在每次REM重構(gòu)前都要進(jìn)行更新并應(yīng)用于基本插值算法的改進(jìn)中，圖3的流程圖對所提方案每輪次的工作過程進(jìn)行了清晰描述。

圖3 算法流程圖

4 方案性能分析與仿真

本文將感知節(jié)點(diǎn)的信任值作為改進(jìn)基本空間插值算法的出發(fā)點(diǎn)，通過對感知節(jié)點(diǎn)數(shù)據(jù)的處理進(jìn)行信任值更新來達(dá)到抵抗常見攻擊以保障REM精確度的目的。本節(jié)將對本文方案進(jìn)行算法分析與實(shí)驗(yàn)仿真。

4.1 復(fù)雜度分析

信任機(jī)制的引入勢必增加系統(tǒng)的計(jì)算量，所提方案中運(yùn)算量的增加源于兩個(gè)部分：感知節(jié)點(diǎn)的信任值更新及信任值與插值算法的結(jié)合運(yùn)算，且兩者均為線性運(yùn)算。表1列出了未考慮感知節(jié)點(diǎn)信任的基本算法與本文方案構(gòu)建REM的復(fù)雜度比較。其中，N為感知節(jié)點(diǎn)數(shù)目，M為待估位置的數(shù)目。

表1 算法復(fù)雜度比較Tab.1 Complexity comparison among algorithms

4.2 仿真分析

本文實(shí)驗(yàn)仿真的參數(shù)設(shè)置如表2所示。

首先，假設(shè)400個(gè)感知節(jié)點(diǎn)均為可信節(jié)點(diǎn)，上傳的數(shù)據(jù)均為實(shí)際電磁環(huán)境數(shù)據(jù)，并分別采用IDW1、IDW2以及OK算法對數(shù)據(jù)進(jìn)行處理，將此時(shí)所得估計(jì)REM的均方根誤差(Root Mean Squared Error,RMSE)以及文獻(xiàn)[10]提出的FAZR-CDZR1曲線作為后續(xù)仿真結(jié)果的參照，其中FAZR為誤警區(qū)域率(False Alarm Zone Ratio)，CDZR1為正確檢測區(qū)域率(Correct Detection Zone Ratio)。

圖4為感興趣空間區(qū)域內(nèi)各位置真實(shí)RSS分布的鳥瞰圖以及采用IDW1、IDW2和OK算法得出的估計(jì)REM，此時(shí)計(jì)算得出3種方法的RMSE分別為6.333、3.762和1.281。RMSE越小，表明通過空間插值算法求得的REM與感興趣區(qū)域內(nèi)真實(shí)RSS分布越接近，說明采用的插值算法性能越好。

(a)實(shí)際REM

(b)IDW1估計(jì)REM

(c)IDW2估計(jì)REM

(d)OK估計(jì)REM

圖5為3種算法進(jìn)行REM估計(jì)得出的ROC曲線。從圖中可以看出，當(dāng)FAZR為0.002時(shí)，IDW1、IDW2與OK算法下的CDZR1分別為0.39、0.72和0.93。FAZR值越大，表明將主用戶信號能量在設(shè)定閾值以下的區(qū)域錯(cuò)誤地檢測為主用戶存在區(qū)域的面積越大，導(dǎo)致次用戶接入系統(tǒng)的可能性越小，更容易造成頻譜資源浪費(fèi)。相應(yīng)地，CDZR1值越大，表明估計(jì)REM越接近主用戶信號能量的實(shí)際空間分布情況，使得次用戶根據(jù)REM信息接入系統(tǒng)時(shí)對主用戶通信干擾的程度越低。從圖4、圖5以及RMSE和FAZR-CDZR1兩種性能指標(biāo)均可看出OK算法在準(zhǔn)確度方面優(yōu)于反向距離加權(quán)法。

圖5 無攻擊時(shí)不同插值算法下的ROC曲線

圖6中3條連接線是在引入全部感知節(jié)點(diǎn)數(shù)目20%惡意節(jié)點(diǎn)的前提下正常節(jié)點(diǎn)和惡意節(jié)點(diǎn)的信任值變化情況。其中，針對SFA和IFA攻擊兩種節(jié)點(diǎn)，在滿足本文的假設(shè)前提和檢測策略的情況下，兩者的信任值變化服從同一曲線。對于RDA節(jié)點(diǎn)，若其上報(bào)數(shù)據(jù)與周圍正常節(jié)點(diǎn)數(shù)據(jù)的差距未超過本文設(shè)定閾值，則被認(rèn)為是正常節(jié)點(diǎn)，此時(shí)其信任值為正增長；反之，其信任值將減小。正因如此，本文采用的信任值更新策略在考慮延續(xù)性的同時(shí)，引入了信任值慢增長快恢復(fù)的思想[15]，使得系統(tǒng)在運(yùn)行一定時(shí)間后可以很大程度上使RDA節(jié)點(diǎn)信任值處于較低狀態(tài)。例如:本文中取θ=0.5、Δt=0.1、μ=0.3時(shí)，一個(gè)信任值為1的節(jié)點(diǎn)在被檢測出上傳數(shù)據(jù)為篡改數(shù)據(jù)后，需要連續(xù)7次上傳非篡改數(shù)據(jù)其信任值才可以恢復(fù)到之前的水平。

圖6 3種節(jié)點(diǎn)的可信度變化曲線

圖7為系統(tǒng)中存在80個(gè)惡意感知節(jié)點(diǎn)的情況下，采用T-IDW1、T-IDW2、T-OK算法在15個(gè)輪次進(jìn)行REM重構(gòu)時(shí)的均方根誤差曲線。系統(tǒng)初始化時(shí)各感知節(jié)點(diǎn)信任值相同，因此第一次運(yùn)行時(shí)各感知節(jié)點(diǎn)均被認(rèn)為是正常節(jié)點(diǎn)，此時(shí)系統(tǒng)誤差最大。

(a)SFA(20%)

(b)IFA(20%)

(c)RDA(20%)

圖7中，在SFA(20%)和IFA(20%)情況下，從系統(tǒng)初始化到第4個(gè)運(yùn)行輪次，由于惡意節(jié)點(diǎn)信任度降低，因此其對系統(tǒng)性能的影響能力逐漸減小，得到的REM的RMSE逐漸下降；從第5個(gè)輪次開始系統(tǒng)對于REM的估計(jì)誤差趨于平穩(wěn)，原因在于這兩種惡意感知節(jié)點(diǎn)的信任值降低到了系統(tǒng)設(shè)定閾值以下，進(jìn)行REM重構(gòu)時(shí)攻擊數(shù)據(jù)被隔離于正常數(shù)據(jù)之外。當(dāng)RDA(20%)時(shí)，在T-IDW2與T-OK算法下REM估計(jì)誤差總體趨于減小，并伴隨一定的波動；對于IDW1算法采用本文改進(jìn)策略似乎對于系統(tǒng)性能沒有影響。其原因在于：當(dāng)惡意節(jié)點(diǎn)信任度降低，在對其周圍待估計(jì)位置進(jìn)行預(yù)測時(shí)，篡改后的數(shù)據(jù)對周圍的影響逐漸減小，均方根誤差亦相應(yīng)變化；而對于IDW1算法，一方面，自身性能不及IDW2與OK；另一方面，RMSE是針對整體估計(jì)精度的性能指標(biāo)，當(dāng)惡意節(jié)點(diǎn)對系統(tǒng)的影響減小，使得IDW1算法估計(jì)的REM在局部提升了精確度，但RESE卻沒有明顯變化。

圖8中，當(dāng)n=1時(shí)，系統(tǒng)初始化，所有感知節(jié)點(diǎn)都處于被信任狀態(tài)且信任值相等，同圖5相比可以看出20%惡意節(jié)點(diǎn)的引入極大地惡化了系統(tǒng)性能。當(dāng)n=15時(shí)，為系統(tǒng)采用本文基于信任值改進(jìn)的各算法運(yùn)行的第15個(gè)輪次，此時(shí)系統(tǒng)比較成功地抑制了惡意節(jié)點(diǎn)的影響，使得估計(jì)REM的ROC特性曲線基本恢復(fù)到了圖5中的水平，表明了本文方案的有效性。此外，參照圖8與圖7中當(dāng)RDA(20%)時(shí)的3幅子圖中T-IDW1算法下的曲線并結(jié)合上文對圖7的分析時(shí)關(guān)于RMSE的論述可以得出，在本文問題中采用FAZR-CDZR1作為性能評價(jià)指標(biāo)優(yōu)于RMSE，也更為科學(xué)，為今后的相關(guān)研究提供了參考。

圖8 3種類型攻擊下采用本文方案前后的系統(tǒng)ROC曲線

5 結(jié)束語

本文分析了在重構(gòu)REM過程中面臨的感知數(shù)據(jù)可靠性問題，針對參與感知主用戶工作狀態(tài)的無線傳感器節(jié)點(diǎn)存在被俘獲后上報(bào)異常數(shù)據(jù)而導(dǎo)致構(gòu)建REM性能降低這一現(xiàn)象，提出了基于感知節(jié)點(diǎn)信任體系改進(jìn)的空間插值算法進(jìn)行REM重構(gòu)，并闡述了感知節(jié)點(diǎn)信任更新策略以及信任值在算法中的作用模式。仿真數(shù)據(jù)表明本文所提方案在應(yīng)對SFA、IFA、RDA 3種攻擊方面可以降低其攻擊成功概率，較好地保障了REM準(zhǔn)確性。在未來的工作中，作者將對文中提出的信任值更新機(jī)制做進(jìn)一步研究，并繼續(xù)探索包括空間插值算法在內(nèi)的REM重構(gòu)方法。

[1] LIN W,WANG Y,NI W. Cluster-based cooperative spectrum sensing in two-layer hierarchical cognitive radio networks[C]//Proceedings of 2013 IEEE Global Communications Conference(GLOBECOM 2013). Atlanta,GA,USA:IEEE,2013:1082-1087.

[2] LIU J,HUI H,CHEN C,et al.Distributed estimation for radio environment map in cognitive radio networks[C]//Proceedings of 2014 3rd Chinese Control Conference.Nanjing:IEEE,2014:476-481.

[3] ZHAO Y,MORALES L,GAEDDERT J,et al.Applying radio environment maps to cognitive wireless regional area networks[C]//Proceedings of 2007 IEEE International Symposium on New Frontiers in Dynamic Spectrum Access Networks.Dublin,Ireland:IEEE,2007:115-118.

[4] 劉穎,穆曉敏,師光強(qiáng). 空間復(fù)用認(rèn)知無線電系統(tǒng)信道選擇優(yōu)化[J].電訊技術(shù),2015,55(8):854 -859. LIU Ying,MU Xiaomin,SHI Guangqiang. Channel selection optimization in cognitive radio system with spatial reuse[J].Telecommunication Engineering,2015,55(8):854-859.(in Chinese)

[5] YILMAZ H B,TUGCU T,ALAGOZ F,et al.Radio environment map as enabler for practical cognitive radio networks[J].IEEE Communications Magazine,2013,51(12):162-169.

[6] PEREZ-ROMERO J,ZALONIS A,BOUKHATEM L,et al.On the use of radio environment maps for interference management in heterogeneous networks[J].IEEE Communications Magazine,2015,53(8):184-191.

[7] PESKO M,JAVORNIK T,VIDMAR L,et al.The indirect self-tuning method for constructing radio environment map using omnidirectional or directional transmitter antenna[J].Eurasip Journal on Wireless Communications & Networking,2015(1):1-12.

[8] LI J. A review of spatial interpolation methods for environmental scientists[M].Canberra,Australia:Geoscience Australia:2008:3-23.

[9] PESKO M,JAVORNIK T,KOSIR A,et al.Radio environment maps:the survey of construction methods[J].KSII Transactions on Internet & Information Systems,2014,8(11):123-130.

[10] BOCCOLINI G,HERNANDEZ-PENALOZA G,BEFERULL-LOZANO B. Wireless sensor network for spectrum cartography based on kriging interpolation[C]//Proceedings of 2012 IEEE 23rd International Symposium on Personal Indoor and Mobile Radio Communications(PIMRC). Sydney,Australia:IEEE,2012:1565-1570.

[11] BIRKAN Y H,TUNA T. Location estimation-based radio environment map construction in fading channels[J].Wireless Communications & Mobile Computing,2013,15(3):561-570.

[12] IZADI D,ABAWAJY J H,GHANAVATI S,et al.A data fusion method in wireless sensor networks[J].Sensors,2015,15(2):2964-2979.

[13] SHIN M C,CHOI Y H. Malicious node detection using confidence level evaluation in a grid-based wireless sensor network[J].Wireless Sensor Network,2013,5(3):52-60.

[14] LI F,NIE Y,LIU F,et al.Event-centric situation trust data aggregation mechanism in distributed wireless network[J].International Journal of Distributed Sensor Networks,2014(4):1-11.

[15] 王小毛,黃傳河,呂怡龍,等.模擬人群信任和決策機(jī)制的協(xié)作頻譜感知方法[J].通信學(xué)報(bào),2014(3):94-108. WANG Xiaomao,HUANG Chuanghe,LYU Yilong,et al.Cooperative spectrum sensing scheme based on crowd trust and decision-making mechanism[J].Journal on Communications,2014(3):94-108.(in Chinese)

Radio Environment Map Reconstruction Based on Trust Mechanism

ZHU Jiang,LIU Yali,SONG Yonghui,LI Junyao

(Chongqing Key Laboratory of Mobile Communications Technology,Chongqing University ofPosts and Telecommunications,Chongqing 400065,China)

The sensing nodes in the radio environment map system will be forced to transmit fake data to the data center after being captured,which leads to reduction of the accuracy of radio environment map.For this problem,an improved scheme of spatial interpolation algorithm based on the trust mechanism is proposed and the updating strategy of the trust value about the sensor is elaborated. The scheme reduces the weight of the malicious node's data in the spatial interpolation algorithm by changing the trust level of the nodes and after several times updating of the trust value the malicious node will be isolated in the end. In the experiment both Root Mean Squared Error(RMSE) and False Alarm Zone Ratio-Correct Detection Zone Ratio(FAZR-CDZR1) performance indexes demonstrate that the proposed scheme can prevent malicious nodes’ data falsification attack effectively,and guarantee the accuracy of the radio environment map.

Key words：wireless sensor network;radio environment map;spatial interpolation algorithm;trust value updating

10.3969/j.issn.1001-893x.2017.06.013

朱江，劉亞利，宋永輝，等.基于信任機(jī)制的無線電環(huán)境地圖重構(gòu)[J].電訊技術(shù)，2017,57(6):690-697.[ZHU Jiang,LIU Yali,SONG Yonghui,et al.Radio environment map reconstruction based on trust mechanism[J].Telecommunication Engineering,2017,57(6):690-697.]

2016-09-09；

2016-12-05 Received date:2016-09-09；Revised date：2016-12-05

國家自然科學(xué)基金資助項(xiàng)目(61271260)；重慶市科委自然科學(xué)基金資助項(xiàng)目(cstc2015jcyjA40050)

TN929.5

A

1001-893X(2017)06-0690-08

朱 江(1977—)，男，湖北人，2009年于電子科技大學(xué)獲博士學(xué)位，現(xiàn)為副教授，主要研究方向?yàn)檎J(rèn)知無線電、移動通信；

Email:zhujiang@cqupt.edu.cn

劉亞利(1989—)，男，河南商丘人，碩士研究生，主要研究方向?yàn)檎J(rèn)知無線電；

Email:liuyl900@163.com

宋永輝(1991—)，男，河北人，碩士研究生，主要研究方向?yàn)檎J(rèn)知無線電、網(wǎng)絡(luò)優(yōu)化；

李俊瑤(1993—)，男，江蘇連云港人，碩士研究生，主要研究方向?yàn)榫W(wǎng)絡(luò)安全。

**通信作者：liuyl900@163.com Corresponding author：liuyl900@163.com，宋永輝，李俊瑤