王繼營

(黃淮學(xué)院信息工程學(xué)院，河南 駐馬店 463000)

0 引 言

目前，無線傳感網(wǎng)絡(luò)(wireless sensor networks,WSNs)已廣泛應(yīng)用于軍事、康復(fù)醫(yī)療、智能交通系統(tǒng)等領(lǐng)域，并且已成為部署物聯(lián)網(wǎng)(internet of things,IoT)[1]的必要技術(shù)。物聯(lián)網(wǎng)的目的就是將所有物體接入Internet，使這些物體能夠收集、交互數(shù)據(jù)，進(jìn)而為人類服務(wù)。在物聯(lián)網(wǎng)中，常采用基于IPv6協(xié)議，其允許WSNs以大規(guī)模方式部署。

此外，WSNs的無線特性和固有屬性使傳感節(jié)點(diǎn)容易遭受多類攻擊[2]，傳統(tǒng)的安全技術(shù)難以直接應(yīng)用于WSNs[3]。攻擊者可能來自內(nèi)部或外部[4]，對于外部攻擊者，可利用加密技術(shù)防御；而內(nèi)部攻擊則十分危險(xiǎn)，因?yàn)閮?nèi)部攻擊節(jié)點(diǎn)能夠共謀合法節(jié)點(diǎn)，因此常將入侵檢測系統(tǒng)插入WSNs，作為其防御方式。

選擇性轉(zhuǎn)發(fā)攻擊被認(rèn)為是對WSNs最危險(xiǎn)的攻擊。事實(shí)上，共謀節(jié)點(diǎn)能夠選擇性或全部丟失對其他節(jié)點(diǎn)有益的數(shù)據(jù)包。此外，部分應(yīng)用如康復(fù)醫(yī)療、智能交通系統(tǒng)中，節(jié)點(diǎn)會發(fā)生移動(dòng)，這影響了鏈路的穩(wěn)定性，增加了數(shù)據(jù)包的丟失。因此，在移動(dòng)WSNs中檢測此類攻擊是非常困難的。

文獻(xiàn)[5]先部署檢測節(jié)點(diǎn)，通過檢測節(jié)點(diǎn)獲取節(jié)點(diǎn)的數(shù)據(jù)包轉(zhuǎn)發(fā)率和熵函數(shù)，再利用這些值計(jì)算每個(gè)節(jié)點(diǎn)的名譽(yù)值；如果名譽(yù)值低于預(yù)設(shè)的門限值，則該節(jié)點(diǎn)被判為選擇性轉(zhuǎn)發(fā)攻擊節(jié)點(diǎn)。然而，在移動(dòng)的WSNs網(wǎng)絡(luò)內(nèi)，每個(gè)節(jié)點(diǎn)的下一跳節(jié)點(diǎn)經(jīng)常變化，使得該算法不能用于移動(dòng)的WSNs網(wǎng)絡(luò)，僅適用于靜態(tài)WSNs。文獻(xiàn)[6]提出利用計(jì)算節(jié)點(diǎn)的秩值，通過比較節(jié)點(diǎn)與父節(jié)點(diǎn)秩值差，檢測攻擊節(jié)點(diǎn)；但是此方法不能檢測移動(dòng)性攻擊者。文獻(xiàn)[7]利用部署無人機(jī)觀察網(wǎng)絡(luò)節(jié)點(diǎn)，并收集數(shù)據(jù)，再計(jì)算每個(gè)節(jié)點(diǎn)所接收的數(shù)據(jù)包數(shù)；隨后利用SPRT測試檢測惡意節(jié)點(diǎn)。然而，部署無人機(jī)是非常昂貴的，不適應(yīng)于低有成本的WSNs網(wǎng)絡(luò)。

上述的這些算法是針對靜態(tài)WSNs設(shè)計(jì)的，在基于IPv6移動(dòng)WSNs網(wǎng)絡(luò)內(nèi)難以表現(xiàn)良好性能。為此，本文對基于IPv6的移動(dòng)WSNs的選擇性攻擊進(jìn)行研究，提出基于序貫概率比測試（SPRT）的選擇性攻擊檢測算法，并將其應(yīng)用于標(biāo)準(zhǔn)IPv6的RPL協(xié)議，進(jìn)而檢測、隔離惡意節(jié)點(diǎn)。

1 系統(tǒng)模型

1.1 數(shù)據(jù)融合階段

WSNs網(wǎng)絡(luò)中，每個(gè)路由節(jié)點(diǎn)從鄰居節(jié)點(diǎn)收集信息，然后存儲于表中。該表有兩欄，第1欄存儲所接收的數(shù)據(jù)包數(shù)；第2欄包含需要發(fā)送的數(shù)據(jù)包數(shù)。令Rcik表 示節(jié)點(diǎn)i從 鄰居節(jié)點(diǎn)k所接收的數(shù)據(jù)包數(shù)，每個(gè)節(jié)點(diǎn)的鄰居節(jié)點(diǎn)數(shù)限于8個(gè)；Senti表示節(jié)點(diǎn)i向它首選父節(jié)點(diǎn)(preferred parent node,PPN)j所轉(zhuǎn)發(fā)的數(shù)據(jù)包數(shù)。

網(wǎng)絡(luò)內(nèi)所有節(jié)點(diǎn)連續(xù)地更新自己的表。對于每個(gè)時(shí)間戳T，每個(gè)節(jié)點(diǎn)i依據(jù)所收集的數(shù)據(jù)包和已存儲于鄰居表的HELLO包建立信息。數(shù)據(jù)包包含了數(shù)據(jù)包編號 S eqN、當(dāng)前節(jié)點(diǎn)身份ID、PPN、從每個(gè)鄰居節(jié)點(diǎn)所接收的數(shù)據(jù)包數(shù)和時(shí)間戳，其中時(shí)間戳表示接收最后一個(gè)數(shù)據(jù)包的時(shí)間[8]。

1.2 惡意節(jié)點(diǎn)的檢測

一旦接收了m個(gè) HELLO數(shù)據(jù)包，信宿節(jié)點(diǎn)就計(jì)算丟失數(shù)據(jù)包數(shù)dm以 及節(jié)點(diǎn)i丟失數(shù)據(jù)包的概率pr。dm和pr的定義為

如果pr值大于閾值Δ，說明節(jié)點(diǎn)i丟失的數(shù)據(jù)包數(shù)過多，因此需對其進(jìn)行隔離[9]。閾值Δ隨信道特性和節(jié)點(diǎn)移動(dòng)動(dòng)態(tài)變化。為了定義閾值，引用期望傳輸次數(shù)(expected transmission count,ETX)。ETX表示為了將一個(gè)數(shù)據(jù)包傳輸至目的節(jié)點(diǎn)所需傳輸?shù)目刂瓢鼣?shù)。

將閾值Δ等于p′，定義為傳感節(jié)點(diǎn)發(fā)生丟失數(shù)據(jù)包概率的可接收值(容忍值)。因此，p′等于由節(jié)點(diǎn)i到目的節(jié)點(diǎn)的每條鏈路qi的ETX值之和的倒數(shù)，即：

在一定時(shí)期內(nèi)，節(jié)點(diǎn)i的子節(jié)點(diǎn)所發(fā)送的數(shù)據(jù)包數(shù)減去PPN所接收的數(shù)據(jù)包數(shù)，若該值與節(jié)點(diǎn)i的子節(jié)點(diǎn)所發(fā)送的數(shù)據(jù)包數(shù)的比值大于2倍閾值，則說明節(jié)點(diǎn)i對它所發(fā)送的、接收的數(shù)據(jù)包數(shù)說謊，如下式所示：

接下來判斷pr是否滿足式(4)。如果滿足，則說明節(jié)點(diǎn)i存在不良行為，需要進(jìn)行隔離一次。引用變量 co unter統(tǒng) 計(jì)隔離的次數(shù)。每隔離一次，c ounter就自加1。偽代碼如下所示：

最后，判斷此節(jié)點(diǎn)是否成為惡意節(jié)點(diǎn)。如果一個(gè)節(jié)點(diǎn)i被隔離X次，則它就是選擇性轉(zhuǎn)發(fā)攻擊節(jié)點(diǎn)。

1.3 決策階段

1.2節(jié)給出惡意節(jié)點(diǎn)的定義。本節(jié)通過序貫概率比測試 (sequential probability ratio test，SPRT)[10]檢測RPL路由的惡意節(jié)點(diǎn)，進(jìn)而提高檢測概率，降低虛警率與漏警率[11]。

SPRT是基于兩個(gè)假設(shè)的統(tǒng)計(jì)過程：簡單假設(shè)和選擇性假設(shè)。首先定義閾值p1，且p1≥p′；如果滿足pr≥p1條件，則此節(jié)點(diǎn)稱為惡意節(jié)點(diǎn)。再定義另一個(gè)閾值p0，且p0≤p′；如 果滿足pr≤p0條件，則傳感節(jié)點(diǎn)稱為合法節(jié)點(diǎn)[12]。如果這兩個(gè)條件都不滿足，則對此節(jié)點(diǎn)不作任何判斷。

在SPRT中，H0表示正常情況的假設(shè)；H1表示異常情況的假設(shè)[13]。

令α和β分別表示SPRT測試的漏警率和虛警率。通過設(shè)定所有SPRT的參數(shù)，定義am和rm。am、rm分別表示接收數(shù)、丟失數(shù)，為m次抽樣中丟失數(shù)據(jù)包數(shù)dm的上、下限，則有：

具體的決策過程，如圖1算法所示。需對閾值調(diào)整參數(shù)γ、ε及抽樣次數(shù)m進(jìn)行初始化。

1.4 消除惡意節(jié)點(diǎn)

信宿將惡意節(jié)點(diǎn)的身份載入DIO消息[14]。每個(gè)節(jié)點(diǎn)收到DIO消息后，從中提取惡意節(jié)點(diǎn)的身份，然后從自己的父節(jié)點(diǎn)列表中刪除這些節(jié)點(diǎn)，從而使得這些節(jié)點(diǎn)不參與路由。

2 實(shí)驗(yàn)分析

2.1 仿真環(huán)境

基于Cooja軟件建立仿真平臺，將SPRT-DA算法應(yīng)用于RPL協(xié)議，分析執(zhí)行SPRT-DA算法的檢測概率[15]和網(wǎng)絡(luò)開銷。在仿真過程，3個(gè)惡意節(jié)點(diǎn)位于彼此不相交的路徑上，惡意節(jié)點(diǎn)離信宿兩跳以上的距離。仿真參數(shù)如表1所示。

圖1 SPRT-DA算法

表1 仿真參數(shù)

2.2 實(shí)驗(yàn)數(shù)據(jù)

2.2.1 實(shí)驗(yàn)一

本次實(shí)驗(yàn)分析am和rm對 漏警率 α 和虛警率 β的影響。在網(wǎng)絡(luò)部署后，利用式(3)計(jì)算得在無攻擊者環(huán)境下，丟失數(shù)據(jù)包平均概率在0.3～0.4變化。因此，在仿真過程中，將合法節(jié)點(diǎn)丟失數(shù)據(jù)包的概率設(shè)為0.3～0.4，20個(gè)抽樣觀察中，有6～8個(gè)數(shù)據(jù)包丟失。實(shí)驗(yàn)數(shù)據(jù)如表2～表5所示。

從表中數(shù)據(jù)可知，當(dāng)rm降低、am增加時(shí)，漏警率增加，使得更多的惡意節(jié)點(diǎn)被揭發(fā)。事實(shí)上，如果am增加，能夠識別所有惡意節(jié)點(diǎn)。

2.2.2 實(shí)驗(yàn)二

本次實(shí)驗(yàn)分析α和β對惡意節(jié)點(diǎn)和合法節(jié)點(diǎn)檢測率的影響，實(shí)驗(yàn)數(shù)據(jù)如圖2、圖3、圖4和圖5所示。其中惡意節(jié)點(diǎn)檢測率表示被檢測的惡意節(jié)點(diǎn)數(shù)與總的惡意節(jié)點(diǎn)數(shù)之比，類似地，合法節(jié)點(diǎn)檢測率等于被檢測的合法節(jié)點(diǎn)數(shù)與總的合法節(jié)點(diǎn)數(shù)之比。

表2 α隨am和rm的變化(p′=0．4 、β=0．5)

表3 β隨am和rm的變化(p′=0．4 、α=0．01)

表4 α隨am和rm的變化(p′=0．3 、β=0．5)

表5 β隨am和rm的變化(p′=0．3、α=0．01)

圖2 α對惡意節(jié)點(diǎn)和合法節(jié)點(diǎn)的檢測率的影響(p′=0．4、β=0．5)

從圖2可知，在p′=0．4、β=0．5環(huán)境下，惡意節(jié)點(diǎn)的檢測率隨 α的增加，呈下降趨勢。當(dāng) α從0上升至0.01，惡意節(jié)點(diǎn)的檢測率從1迅速下降至0.66。而合法節(jié)點(diǎn)的檢測率隨 α的增加，呈增加趨勢，當(dāng)α從0上升至0.01時(shí)，合法節(jié)點(diǎn)的檢測率從零上升至0.58，并隨后保持穩(wěn)定不變。

圖3 β對惡意節(jié)點(diǎn)和合法節(jié)點(diǎn)的檢測率的影響(p′=0．4、α=0．01)

圖4 α對惡意節(jié)點(diǎn)和合法節(jié)點(diǎn)的檢測率的影響(p′=0．3、β=0．5)

圖5 β對惡意節(jié)點(diǎn)和合法節(jié)點(diǎn)的檢測率的影響(p′=0．3、α=0．01)

從圖3可知，β的增加提高了合法節(jié)點(diǎn)的檢測率，而惡意節(jié)點(diǎn)的檢測率隨 β的增加呈下降趨勢。在β=0．05、β=0．1、β=0．2 和β=0．5時(shí)，對惡意節(jié)點(diǎn)的檢測率逼近于1，達(dá)到0.99。當(dāng)虛警率 β大于0.5后，檢測率下降。但是，在 β變化期間，合法節(jié)點(diǎn)的檢測率較低，低于0.6。

從圖4可知，在p′=0．3、β=0．5條件，α的變化對合法節(jié)點(diǎn)檢測率沒有影響，其值穩(wěn)定在0.58。而惡意節(jié)點(diǎn)檢測率呈下降趨勢，最后穩(wěn)定于0.58。

由圖5可知，p′=0．3、α=0．01時(shí)，β的增加降低了對惡意節(jié)點(diǎn)的檢測，但提高了合法節(jié)點(diǎn)檢測率。

2.2.3 對比實(shí)驗(yàn)

選擇文獻(xiàn)[5]提出的基于信任機(jī)制的檢測算法(trust mechanism based detection，TMD)、文獻(xiàn)[6]提出的實(shí)時(shí)入侵檢測算法(real-time intrusion detection，RID)和文獻(xiàn)[7]提出的黑洞檢測算法(detection of black hole attack，DBA)作為參照，并與本文的算法性能比較。這4個(gè)算法對惡意節(jié)點(diǎn)的檢測率隨虛警率的變化曲線如圖6所示。

圖6 不同方法對惡意節(jié)點(diǎn)檢測率的對比

由圖可知，本文提出的算法對惡意節(jié)點(diǎn)的檢測率優(yōu)于TMD和RID，但低于DBA方法，文獻(xiàn)[7]利用無人機(jī)收集網(wǎng)絡(luò)數(shù)據(jù)，能夠收集全局信息，但部署成本很高，它是以成本換取高的檢測率。而文獻(xiàn)[5]、[6]的檢測率較低，這主要是因?yàn)樗m合靜態(tài)WSNs,不適應(yīng)移動(dòng)的WSNs。

3 結(jié)束語

本文針對基于IPv6的移動(dòng)無線傳感網(wǎng)絡(luò)，提出一個(gè)新的算法，檢測選擇性轉(zhuǎn)發(fā)攻擊，并隔離攻擊節(jié)點(diǎn)。本算法結(jié)合基于自適應(yīng)閾值的SPRT，進(jìn)而提高檢測率。實(shí)驗(yàn)結(jié)果表明，提出的SPRT-DA算法能夠有效地檢測惡意節(jié)點(diǎn)。然而，SPRT-DA算法需通過交互Hello包實(shí)現(xiàn)，這加大了網(wǎng)絡(luò)的額外開銷，所以后續(xù)研究需著力于降低控制包數(shù)。