杜可怡 蘇凡軍

摘 要：針對機會路由的候選轉發(fā)集中存在惡意節(jié)點導致網(wǎng)絡性能下降問題，提出一種計算節(jié)點信任度的評估模型。使用貝葉斯公式計算節(jié)點的直接信任度，根據(jù)節(jié)點的代數(shù)連通度得到間接信任度，利用信息熵的概念得到綜合信任度。為高效辨別出候選轉發(fā)集中的惡意節(jié)點，預先設定信任度閾值[β]。提出一種基于節(jié)點信任度的機會路由算法TBOR。TBOR利用信任模型初始化候選集中每個節(jié)點的綜合信任度，再利用信任度閾值判斷潛在的惡意節(jié)點，并將信任度大于信任度閾值的節(jié)點添加到候選轉發(fā)集。實驗結果表明，TBOR能高效識別并剔除候選轉發(fā)集中的惡意節(jié)點，具有較高的檢測率，保證了數(shù)據(jù)可靠傳輸。

關鍵詞：機會路由;信任模型;代數(shù)連通度;信任度;無線傳感器網(wǎng)絡

DOI：10. 11907/rjdk. 191005

中圖分類號：TP312

文獻標識碼：A文章編號：1672-7800（2019）006-0070-05

Abstract： Aiming at the problem of network performance degradation caused by malicious nodes in the candidate forwarding of opportunistic routing， an evaluation model for computing node trust is proposed. The Bayesian formula is used to calculate the direct trust degree of the node， and the indirect trust degree is obtained according to the algebraic connectivity of the node， and the concept of information entropy is used. In order to efficiently identify malicious nodes in the candidate forwarding set， the trust threshold β is preset. A Node Trust based opportunistic routing in wireless sensor networks （TBOR） is proposed. The TBOR uses the trust model to initialize the comprehensive trust degree of each node in the candidate set， and then uses the trust threshold to determine the potential malicious node， and adds the node with the trust degree greater than the trust threshold to the candidate forwarding set. The experimental results show that TBOR can effectively identify and eliminate malicious nodes in the candidate forwarding set， which has a high detection rate and ensures reliable data transmission.

Key Words： opportunistic routing; trust model; trust; algebraic connectivity; wireless sensor network

0 引言

無線傳感器網(wǎng)絡是由布置在檢測區(qū)域內的少量傳感器節(jié)點以自組織和多跳形式形成的無線網(wǎng)絡，其主要目標是以合作方式對監(jiān)控區(qū)域進行數(shù)據(jù)信息的采集、分析并傳輸?shù)絪ink節(jié)點[1]{Karl，2007 #46;Karl，2007 #46;Karl， 2007 #46}{Karl，2007 #46}，擁有可用于大規(guī)模網(wǎng)絡環(huán)境、自組織、網(wǎng)絡拓撲結構可隨時間動態(tài)變化等優(yōu)點。但是由于無線傳感器節(jié)點容易受到功率、存儲、帶寬和能量等多方面因素影響[2]，使無線傳感器節(jié)點在開放且復雜的環(huán)境下極易被俘獲、破壞和攻擊，導致不能有效保證無線傳感器網(wǎng)絡中通信節(jié)點之間的安全和數(shù)據(jù)傳輸?shù)臏蚀_性。

機會路由（Opportunistic Routing）概念由Biswas等[3]于2004年在麻省理工學院（MIT）率先提出。然而，機會路由從源節(jié)點轉發(fā)數(shù)據(jù)到sink節(jié)點的過程中，按照不同的路由策略，轉發(fā)標準從有序的候選轉發(fā)集中選擇下一跳轉發(fā)節(jié)點具有不確定性。因此，很多研究人員將機會路由應用于無線傳感器網(wǎng)絡[4]，根據(jù)量綱不同分為網(wǎng)絡編碼、端到端最短路徑及地理位置等路由策略。其中，EXOR[5]按照節(jié)點的期望傳輸次數(shù)（ETX）對候選轉發(fā)集中的轉發(fā)節(jié)點進行選擇，并且將無線信道擁有的廣播數(shù)據(jù)特性巧妙運用于無線傳感器網(wǎng)絡的機會路由中，一定程度上改善了無線網(wǎng)絡數(shù)據(jù)傳輸?shù)目煽啃院头€(wěn)定性，保證了網(wǎng)絡中無線節(jié)點端到端鏈路的吞吐量。EEOR[6]和CBEEOR[7]路由算法考慮了減少網(wǎng)絡能量消耗問題，以是否能夠減少網(wǎng)絡能量消耗為衡量標準選擇下一跳轉發(fā)節(jié)點。ROR[8]不僅考慮了無線傳感器網(wǎng)絡中節(jié)點能量的消耗，而且將節(jié)點到sink節(jié)點的距離作為轉發(fā)節(jié)點的選擇標準。

網(wǎng)絡中存在各種影響網(wǎng)絡安全性因素，導致大多數(shù)機會路由[4-11]受到嚴重影響，例如網(wǎng)絡中存在的惡意節(jié)點被添加到機會路由候選轉發(fā)節(jié)點集，惡意節(jié)點選擇傳遞虛假消息給其它鄰居節(jié)點等。因此，為高效且快速地解決機會路由安全性問題，提出對網(wǎng)絡中的路由節(jié)點進行信任評估，建立能考慮多種度量標準綜合計算節(jié)點信任度的模型，從而有效識別和判斷候選轉發(fā)集中潛在的惡意節(jié)點虛假信息，增強網(wǎng)絡的穩(wěn)定性和端到端數(shù)據(jù)傳輸?shù)陌踩浴?/p>

Ganeriwal等[12]創(chuàng)新性提出了一種全面性管理網(wǎng)絡中無線節(jié)點信任框架（RFSN），并將其應用于存在破獲網(wǎng)絡或傳遞虛假信息的無線傳感器網(wǎng)絡環(huán)境中。該框架利用無線節(jié)點服從信譽模型的性質，采用貝葉斯公式計算節(jié)點的信任度，利用看門狗機制檢測節(jié)點的通信狀態(tài)及行為，將此作為計算節(jié)點信任值的重要參數(shù)。雖然該框架對節(jié)點信任度的判斷設計較完善，但是需要預先設定節(jié)點的信譽值。Feng等[13]提出一個可信的基于貝葉斯的信任管理機制BTMS，該機制是對RFSN的一種改進，不但能依據(jù)節(jié)點的通信行為對節(jié)點的信任值進行計算并評估，而且能利用時間滑動窗口對信任值進行更新。

文獻[14]在機會路由中為排除網(wǎng)絡的惡意節(jié)點建立了一種信任模型，由于可從節(jié)點之間進行相互通信搜集到節(jié)點的通信行為，包括源節(jié)點和目的節(jié)點之間數(shù)據(jù)成功通信的次數(shù)和失敗的次數(shù)等，得到節(jié)點的直接信任度和推薦信任度。但直接信任度計算參數(shù)取值依賴專家經(jīng)驗，這不僅會影響信任模型的客觀性，而且在一定程度上會破壞節(jié)點信任度的判斷。文獻[15]為了對候選轉發(fā)集中節(jié)點的行為進行實時準確監(jiān)測，采用了一種新的看門狗機制。雖然將節(jié)點的鏈路投遞率、地理信息和信任值整合作為路由測度，但信任值計算并沒有考慮推薦信息，還會對信任值評估產生破壞，影響路由的選擇。Jiang等[16]提出了一種高效信任模型，該方案在計算節(jié)點直接信任度過程中，將網(wǎng)絡節(jié)點傳輸?shù)男畔⑦M行信任度評估，包括轉發(fā)節(jié)點和接收節(jié)點的數(shù)據(jù)信任度和通信信任度;由于無線傳感器節(jié)點自身存儲的能量、計算性能和存儲性能等有限，所以將節(jié)點的剩余能量和總能量作為評估信任度參數(shù)，從而綜合各因素得到節(jié)點能量信任度;將3種因數(shù)綜合得到的節(jié)點信任度更加客觀，可以提高網(wǎng)絡可靠性，使得傳感器節(jié)點更加值得信任，并且推薦信任度對于信任度評估起到了不可缺少的作用。文獻[17-19]對經(jīng)典信任模型進行詳細分析并作出深度總結，研究了評估和計算信任度的方法。

以上大多數(shù)研究都是將節(jié)點之間成功與不成功交互次數(shù)加入到信任模型，聯(lián)合其它評判標準計算節(jié)點之間的信任度，但很少考慮節(jié)點之間的連通程度對節(jié)點信任度評估的影響。根據(jù)無線節(jié)點在網(wǎng)絡環(huán)境下的分布情況和節(jié)點與節(jié)點之間通信的連通情況，按照一定的策略衡量節(jié)點連通度。連通度越好說明該節(jié)點與其它鄰居節(jié)點進行通信的概率越大，是值得鄰居節(jié)點信任的，是維持網(wǎng)絡穩(wěn)定和安全通信不可或缺的因素。

針對無線傳感器網(wǎng)絡中怎樣有效而精確衡量和判斷節(jié)點信任度問題，本文創(chuàng)新性地提出一種基于節(jié)點信任度的機會路由算法。該算法利用貝葉斯公式計算節(jié)點的直接信任度，并聯(lián)合節(jié)點的連通度評估間接信任度，通過信息熵分別為直接信任度和間接信任度進行權值分配并加權求和，實現(xiàn)對節(jié)點綜合信任度的計算。此外，為高效識別出候選轉發(fā)集中的惡意節(jié)點，設置了信任度閾值。為了讓節(jié)點信任度更加可靠，在實驗仿真時設置時間周期，對節(jié)點信任度進行周期性更新。

本文將基于節(jié)點信任度的評估模型與傳統(tǒng)機會路由ExOR路由算法相結合，提出一種基于節(jié)點信任度的機會路由算法TBOR（Node Trust Based Opportunistic Routing in Wireless Sensor Networks），并提出該路由算法的關鍵技術和偽代碼。使用網(wǎng)絡仿真軟件NS2進行了大量實驗，結果表明，TBOR能高效識別并剔除轉發(fā)候選集中的惡意節(jié)點，具有較高的檢測率，從而提高無線傳感器網(wǎng)絡節(jié)點安全性，保證節(jié)點通信可靠性，提高網(wǎng)絡吞吐量，減少端到端時延。

1 節(jié)點信任度評估模型

1.1 直接信任度計算

2 TBOR路由算法

為實現(xiàn)對候選轉發(fā)集中存在的惡意節(jié)點進行識別和隔離，更加有效地幫助源節(jié)點選擇安全且可靠的候選轉發(fā)節(jié)點，從而確定下一跳轉發(fā)節(jié)點，本文將建立的信任模型應用于傳統(tǒng)的機會路由機制中，提出一種TBOR算法，實現(xiàn)步驟如下：

（1）根據(jù)每個節(jié)點到目的節(jié)點的期望傳輸次數(shù)ETX值，對網(wǎng)絡中節(jié)點進行初始化候選轉發(fā)集選擇。如果鄰居節(jié)點到目的節(jié)點的ETX值沒有源節(jié)點到目的節(jié)點的ETX值大，則將該節(jié)點加入到初始化候選集;反之，則不將節(jié)點加入到初始化候選集。

（2）首先根據(jù)網(wǎng)絡拓撲結構計算出初始化候選集節(jié)點的連通度，利用本文提出的計算節(jié)點信任度方法，初始化候選集中每個節(jié)點的綜合信任度。在對綜合信任度評估的同時，利用預先設定的信任度閾值[β]判斷初始化候選集中潛在的惡意節(jié)點，并將符合條件的節(jié)點添加到候選轉發(fā)集。對候選轉發(fā)集中的節(jié)點進行優(yōu)先級分配是基于節(jié)點到目的節(jié)點的ETX值進行非遞減順序排列的。節(jié)點的ETX值越小，說明節(jié)點在候選轉發(fā)集中的位置越靠前，節(jié)點優(yōu)先級越高，基于優(yōu)先級的先后順序選擇下一跳轉發(fā)節(jié)點。

（3）根據(jù)ExOR的協(xié)調轉發(fā)機制進行數(shù)據(jù)包轉發(fā)，算法如下：

基于節(jié)點信任度的機會路由算法（TBOR）：

輸入：發(fā)送節(jié)點到目的節(jié)點的ETX（s，d），發(fā)送節(jié)點的所有鄰居節(jié)點到目的節(jié)點ETX（s，d），如公式（1）～（12）所示，信任度閾值[為β]。

輸出：發(fā)送節(jié)點的下一跳轉發(fā)候選集candSet（s，d）

begin

candSet（s，d）[←？]

if s==d then

return

end if

iniCandSet（s，d）[←？]

for all j∈N（s） do

if ETX（j，d） < ETX（s，d） then

IniCandSet（s，d） [←]IniCandSet（s，d）∪{j}

end if

end for

for all j∈IniCandSet（s，d） do

//計算信任值

calculating [Tdsj]，[ Tindsj] and [Tsj] ?within [？t] according to formula （1）-（3）

//更新綜合信任值

updating [Tsj] according to formula （8）

if ?（[Tsj<β]）

node j cant enter the CandSet（s，d）

else

candSet（s，d） [←]CandSet（s，d）∪{j}

end if

end for

sort CandSet（s，d） by ETX from j to d

return CandSet（s，d）

end

3 仿真及分析

3.1 仿真實驗參數(shù)設置

利用NS2仿真軟件對TBOR路由算法有效性進行實驗仿真。將100個節(jié)點隨機部署在50m×50m的區(qū)域內，在網(wǎng)絡中隨機設置1～50個惡意節(jié)點，隨機發(fā)起選擇性攻擊，進而影響其它節(jié)點性能。實驗參數(shù)如表1所示。

將本文提出的TBOR算法與經(jīng)典的路由協(xié)議ExOR路由算法從節(jié)點信任度的變化、安全性分析、網(wǎng)絡吞吐量和端到端的時延方面分別進行分析和對比。

3.2 結果分析

3.2.1 節(jié)點信任度變化

如圖1所示，增加正常節(jié)點和惡意節(jié)點隨網(wǎng)絡運行的時間周期，對綜合信任度變化趨勢進行對比。正常節(jié)點的綜合信任度在前40個周期內上快速上升，隨著周期的增加，上升趨勢變得平緩，節(jié)點綜合信任度最終保持穩(wěn)定并無限趨向于1。而惡意節(jié)點綜合信任度恰恰相反，在前10個周期內綜合信任度初始化候選集大幅度下降。隨著網(wǎng)絡運行周期的增加，下降趨勢比前10個周期稍微減小。大概在70周期之后，下降趨勢趨于平緩，最后綜合信任度無限接近于0。由實驗數(shù)據(jù)可知，本文提出的基于節(jié)點信任度的評估模型可以有效識別出候選轉發(fā)集中的惡意節(jié)點，從而將其剔除候選轉發(fā)集，避免了惡意節(jié)點危害正常節(jié)點進行通信的可能性，從而保證網(wǎng)絡節(jié)點的安全。

3.2.2 安全性分析

因為檢測率對于節(jié)點的信任機制起到了不可或缺的作用，所以根據(jù)檢測率的好壞進行安全評判。隨著網(wǎng)絡中惡意節(jié)點所占比例的增加，將檢測出的惡意節(jié)點在所有惡意節(jié)點中的百分比作為檢測率的衡量標準。如圖2所示，固定橫坐標于某個位置，其對應的縱坐標表示在惡意節(jié)點比例不變的情況下檢測出的惡意節(jié)點數(shù)量比率。由于ExOR路由算法并沒有設置識別惡意節(jié)點的機制，故不能高效地識別出候選轉發(fā)集存在的惡意節(jié)點，減少惡意節(jié)點對正常節(jié)點的破壞;而將本文的信任模型應用于ExOR中，能有效檢測出候選轉發(fā)集中的惡意節(jié)點，及時防止惡意節(jié)點進一步傳遞虛假消息給其它節(jié)點，減少了惡意節(jié)點對網(wǎng)絡中其它節(jié)點安全性能的影響。

3.2.3 網(wǎng)絡吞吐量

圖3為TBOR和ExOR兩種路由算法隨著惡意節(jié)點數(shù)目的增加吞吐量變化趨勢的對比情況。由于惡意節(jié)點的選擇性攻擊，導致節(jié)點因數(shù)據(jù)傳輸失敗而導致數(shù)據(jù)丟失上升，使得兩種路由算法丟失大量數(shù)據(jù)包，從而減少了網(wǎng)絡吞吐量。在沒有惡意節(jié)點情況下，兩種算法的吞吐量差距很小，可以忽略兩者的區(qū)別。但隨著網(wǎng)絡中設置惡意節(jié)點數(shù)目的增多，由于ExOR路由算法沒有設置惡意節(jié)點檢測機制，導致吞吐量急劇下降。而本文的TBOR路由算法可有效檢測惡意節(jié)點，進而對候選轉發(fā)集中的惡意節(jié)點進行識別并剔除，選擇更安全的節(jié)點進行數(shù)據(jù)傳輸，維持網(wǎng)絡的穩(wěn)定性，降低了惡意節(jié)點引起的網(wǎng)絡節(jié)點數(shù)據(jù)包丟失率，從而增加了整個網(wǎng)絡的吞吐量。

3.2.4 端到端平均時延

圖4對比了TBOR和ExOR兩種路由算法在惡意節(jié)點不斷增多的情況下，節(jié)點端到端平均時延的變化趨勢。在無線傳感器網(wǎng)絡中，隨著惡意節(jié)點數(shù)目不斷增多，兩種路由算法的時延都因網(wǎng)絡中存在潛在的惡意節(jié)點而不斷增加。TBOR路由算法節(jié)點信任度計算、判斷及更新需要更多的計算消耗。 ExOR路由算法雖然不計算信任度，但是缺乏檢測惡意節(jié)點攻擊正常節(jié)點的機制，在惡意節(jié)點數(shù)目不斷增加的情況下，惡意節(jié)點會對正常節(jié)點進行選擇性攻擊和破壞，不僅使正常節(jié)點丟棄源節(jié)點發(fā)送的數(shù)據(jù)包，而且誘惑其它節(jié)點也丟棄源節(jié)點數(shù)據(jù)包，從而導致數(shù)據(jù)包的重傳，增加了端到端時延。

4 結語

本文將基于節(jié)點信任度的信任評估模型應用于機會路由ExOR中，提出一種基于節(jié)點信任度的機會路由算法TBOR。ExOR路由算法利用無線信道的廣播特性，使TBOR算法性能得到了充分發(fā)揮。綜合信任度計算不僅充分考慮了節(jié)點通信次數(shù)衡量的直接信任度，還聯(lián)合節(jié)點的連通度更加精確地得到間接信任度，通過信息熵的概念為直接信任度和間接信任度分配權值，實時動態(tài)更新，最后通過加權求和得到節(jié)點的綜合信任度，從而有效識別并剔除了候選轉發(fā)集中存在的惡意節(jié)點，在一定程度上避免了正常節(jié)點被惡意節(jié)點進行選擇性攻擊和破壞的可能性，確保了無線傳感器網(wǎng)絡中節(jié)點通信和數(shù)據(jù)傳輸安全。

如果網(wǎng)絡中存在潛在惡意節(jié)點且路由算法沒有設置檢測惡意節(jié)點機制，不僅會影響網(wǎng)絡信任度、吞吐量、時延等性能，而且可能增加網(wǎng)絡的能量消耗。因此，為了避免信任度高的節(jié)點每次都被選為通信節(jié)點而造成節(jié)點能量高速消耗問題，今后的研究要將節(jié)點能量作為評估節(jié)點信任度的重要參數(shù)之一，從而更加精確和快速地識別出網(wǎng)路中的惡意節(jié)點，盡可能減少因惡意節(jié)點造成的能量消耗。

參考文獻：

[1] KARL HOLGER，WILLIG ANDREAS. Protocols and architectures for wireless sensor networks[M]. Hoboken：John Wiley & Sons， 2007.

[2] OKAZAKI ALEXANDRE MASSAYUKI， FROEHLICH ANTONIO AUGUSTO. Ant-based dynamic hop optimization protocol： a routing algorithm for mobile wireless sensor networks [M]. 2011 IEEE Globecom Workshops，2011： 1139-1143.

[3] BISWAS SANJIT， MORRIS ROBERT. Opportunistic routing in multihop wireless networks[J]. Microcomputer Information， 2004， 34（1）： 69-74.

[4] 田克，張寶賢，馬建，等. 無線多跳網(wǎng)絡中的機會路由 [J]. 軟件學報，2010，21（10）： 2542-2553.

[5] BISWAS S，MORRIS R. Exor： opportunistic multi-hop routing for wireless networks[J]. Acm Sigcomm Computer Communication Review， 2005， 35（4）： 133-143.

[6] MAO X F，TANG S J，XU X ?H，et al. Energy-efficient opportunistic routing in wireless sensor networks[J]. IEEE Transactions on Parallel and Distributed Systems， 2011， 22（11）：1934-1942.

[7] SUBHASH K M，SRINIVAS T A，RAJESH K. Connectivity based energy efficient opportunistic robust routing for mobile wireless sensor networks[J]. Wireless Personal Communications，2015，84（1）：729-744.

[8] BEN FRADJ H，ANANE R，BOUALLEGUE M，et al. A range-based opportunistic routing protocol for wireless sensor networks[M]. Wireless Personal Communications，2017.

[9] AZZEDINE B，AMIR D. Opportunistic routing in wireless networks： models， algorithms， and classifications [J]. ACM Computing Surveys，2014，47（2）：1-36.

[10] FENG DAN， MA YAJIE， ZHOU FENGXING， et al. A trust-based opportunistic routing algorithm in ad hoc network[C].Proceedings of the IEEE International Conference on Software Engineering and Service Science， F， 2014.

[11] AMIR D，SANCHEZ M. Isabel， boukerche azzedine. modeling and analysis of opportunistic routing in multi-hop wireless networks [C]. Atlanta：Proceedings of the IEEE International Symposium on Modelling， Analysis & Simulation of Computer and Telecommunication Systems，2015.

[12] GANERIWAL SAURABH，SRIVASTAVA MANI B. Reputation- based framework for high integrity sensor networks[C]. Beijing：Proceedings of the IEEE International Conference on Software Engineering and Service Science，2014.

[13] FENG RENJIAN，HAN XIAONA， LIU QIANG， et al. A credible bayesian-based trust management scheme for wireless sensor networks[J]. International Journal of Distributed Sensor Networks， 2015（2）： 10-15.

[14] WANG BO，HUANG CHUANHE， LI LAYUAN， et al. Trust-based minimum cost opportunistic routing for ad hoc networks [J]. Journal of Systems and Software， 2011， 84（12）： 2107-2122.

[15] SALEHI MAHMOOD，BOUKERCHE AZZEDINE，DAREHSHOO- RZADEH AMIR，et al. Towards a novel trust-based opportunistic routing protocol for wireless networks[J]. Wireless Networks， 2016， 22（3）： 927-943.

[16] JIANG JINFANG， HAN GUANGJIE， FENG WANG， et al. An efficient distributed trust model for wireless sensor networks [J]. IEEE Transactions on Parallel & Distributed Systems，2016， 26（5）： 1228-1237.

[17] HAN GUANGJIE， JIANG JINFANG， LEI SHU， et al. Management and applications of trust in wireless sensor networks： a survey [J]. Journal of Computer & System Sciences， 2014， 80（3）： 602-617.

[18] 張仕斌，方杰，宋家麒. 一種面向WSNs的可信數(shù)據(jù)融合算法研究[J]. 小型微型計算機系統(tǒng)，2014，35（10）： 2347-2352.

[19] ISHMANOV FARRUH，MALIK AAMIR SAEED，KIM SUNG WON，et al. Trust management system in wireless sensor networks： design considerations and research challenges[J]. Transactions on Emerging Telecommunications Technologies，2015，26（2）：107-130.

[20] FIEDLER M. Algebraic connectivity of graphs[J]. Czechoslovak Mathematical Journal，1973，23（23）： 298-305.

[21] 印新棋，吳軍，莫偉偉，等. WMNs中基于節(jié)點可信度的機會路由改進算法[J]. 計算機科學，2017，44（8）： 151-156.

[22] 周治平，邵楠楠. 基于貝葉斯的改進WSNs信任評估模型[J]. 傳感技術學報，2016，29（6）：927-933.

（責任編輯：杜能鋼）