楊治秋　陳麗敏　張丹

摘要：由于故障或惡意節(jié)點，收集或報告的傳感器數(shù)據(jù)可能是錯誤的，基于此，提出了一種基于鄰域的無線傳感器網(wǎng)絡(luò)惡意節(jié)點檢測方案。計算機模擬結(jié)果表明，除非惡意節(jié)點的行為與正常節(jié)點相似，否則大多數(shù)惡意節(jié)點根據(jù)其自身讀數(shù)報告都會被正確檢測到。

關(guān)鍵詞：無線傳感器網(wǎng)絡(luò);惡意節(jié)點;故障;基于鄰域的檢測

中圖分類號：TN83 ? ? ? ? 文獻標(biāo)識碼：A

文章編號：0439-8114（2020）05-0142-03

Abstract： Due to faults or malicious nodes，the sensor data collected or reported might be wrong. In this paper， we present a neighbor-based malicious node detection scheme for wireless sensor networks. Computer simulation shows that most of the malicious nodes reporting against their own readings are correctly detected unless they behave similar to the normal nodes.

Key words： wireless sensor networks; malicious nodes; faults; neighbor-based detection

在無線傳感器網(wǎng)絡(luò)中，傳感器節(jié)點在惡劣和無人值守的環(huán)境運行時，可能會產(chǎn)生錯誤的傳感器讀數(shù)和錯誤的報告，從而導(dǎo)致錯誤的決策或能量消耗。錯誤讀數(shù)和報告的潛在來源包括噪聲、故障和網(wǎng)絡(luò)中的惡意節(jié)點。與噪聲和故障不同，惡意節(jié)點可以任意修改檢測數(shù)據(jù)，故意生成錯誤報告[1]。為確保存在此類錯誤數(shù)據(jù)和報告的情況下進行可靠的事件檢測，有必要對惡意節(jié)點進行檢測和隔離，從而大大降低其對決策的影響[2]。

基于此提出了一種鄰域的無線傳感器網(wǎng)絡(luò)惡意節(jié)點檢測方案。惡意節(jié)點被建模為有故障的節(jié)點，這些節(jié)點可能故意報告一些不容易檢測到的智能錯誤數(shù)據(jù)。在不犧牲正常節(jié)點和降低事件檢測精度的前提下，應(yīng)利用置信度和加權(quán)來檢測和隔離惡意節(jié)點。

1 ?網(wǎng)絡(luò)模型和操作模式

在介紹基于鄰域的惡意節(jié)點檢測方案時，使用了一個平面網(wǎng)絡(luò)，其中傳感器節(jié)點隨機部署在傳感器字段中[3]。假設(shè)所有傳感器節(jié)點具有相同的傳輸范圍R。因此，如果兩個節(jié)點的距離小于或等于R，則它們是彼此的鄰域。每個傳感器節(jié)點，根據(jù)其自身的傳感器讀數(shù)和相鄰節(jié)點的讀數(shù)來檢測惡意節(jié)點以及故障節(jié)點。

在檢測惡意節(jié)點時，可以使用兩種不同的操作模式：事件驅(qū)動和周期性，其中Tc表示周期，ts是兩個連續(xù)傳感器之間的間隔讀數(shù)，且Tc≥ts。在事件驅(qū)動模式下，具有異常讀數(shù)的傳感器節(jié)點會向其鄰域發(fā)送警報。在周期模式下，每個傳感器節(jié)點定期向其鄰域發(fā)送報告，而不管事件是否發(fā)生。

2 ?惡意節(jié)點建模

為了處理惡意節(jié)點，將它們視為可以任意修改其讀數(shù)的錯誤節(jié)點。簡單地根據(jù)其讀數(shù)報告可能會很快中斷，除非采取了一些容錯措施，否則會導(dǎo)致網(wǎng)絡(luò)功能中斷[4]。然而，即使使用簡單的檢測方案，也可以檢測到這樣一個微不足道的惡意行為。

在對惡意節(jié)點建模之前，首先定義故障和事件的模型。假設(shè)網(wǎng)絡(luò)中的任何節(jié)點都可能發(fā)生故障，并且所有傳感器節(jié)點的故障概率相同。假設(shè)每個傳感器節(jié)點都知道正常讀數(shù)的范圍，從而可以確定傳感器讀數(shù)是否屬于正常范圍。在這里，將“正常”范圍定義為無事件情況下的正確傳感器讀數(shù)范圍。為了方便起見，所有超出正常范圍的其他讀數(shù)都被稱為“異?！盵5]。因此，在一個事件區(qū)域中，一個好的傳感器節(jié)點上的正確讀數(shù)也被稱為“異?！?。此外，假設(shè)每個傳感器讀數(shù)都是二進制的，因此它是0（正常）或1（異常）。本研究考慮了兩種類型的故障：瞬時故障和永久故障。假設(shè)瞬態(tài)和永久性故障分別發(fā)生在具有相同Pt和Pp概率的所有節(jié)點上，且是隨機和獨立的。具有瞬時故障的節(jié)點應(yīng)被視為正常節(jié)點，即使它們有時顯示錯誤的讀數(shù)。具有永久性故障的傳感器節(jié)點可能會重復(fù)報告0或1。為方便起見，將這種故障命名為卡在0和卡在1故障。假設(shè)它們發(fā)生的概率相同（即Pp0=Pp1=PP/2）。

假設(shè)惡意節(jié)點以相同的概率Pm隨機獨立地發(fā)生。無論傳感器的實際讀數(shù)如何，它們都可以報告任何值，0或1。在對惡意節(jié)點建模時，假設(shè)它們根據(jù)讀數(shù)報告概率Pma建模。例如，如果Pma=0.7，惡意節(jié)點根據(jù)其讀數(shù)報告，概率為0.7。

在簡化假設(shè)Pt是對稱的情況下，即P（1|無事件）=P（0|事件），惡意節(jié)點報告不同于基本事實的概率Pinv，Pinv可以寫成Pinv=Pt（1-Pma）+（1-Pt）Pma。對于給定的Pt（<0.5），Pinv值隨著Pma值的增加而增加。如果Pt=0.20，Pma=0.20，Pinv=0.32，略高于Pt。如果Pma增加到0.80，Pinv=0.68，顯著高于Pt。如果Pma減小到0.10，Pinv=0.26，非常接近Pt。在這種情況下，很難區(qū)分惡意節(jié)點和普通節(jié)點。盡管惡意節(jié)點的行為類似于普通節(jié)點，但它們可能仍然未被檢測到，不會顯著影響系統(tǒng)性能。

方案主要是檢測惡意節(jié)點的行為與正常節(jié)點不同，同時即使面對惡意節(jié)點也能保持較高的事件檢測性能。由于惡意節(jié)點而添加的錯誤讀數(shù)可能會導(dǎo)致不良事件檢測準(zhǔn)確性和增加錯誤警報，會使惡意節(jié)點的事件檢測變得更加復(fù)雜。

3 ?基于鄰域的惡意節(jié)點檢測

在檢測存在故障和事件的惡意節(jié)點時，采用平滑濾波和置信度評估來提高惡意節(jié)點的檢測率。濾波器用于糾正由于瞬時故障導(dǎo)致的一些錯誤讀數(shù)。因此，它有效地降低了瞬時故障概率Pt，從而可以在更大范圍的Pma中檢測惡意節(jié)點。置信水平用于估計傳感器節(jié)點的可信度，反映決策過程中的可信度。從邏輯上隔離惡意節(jié)點和存在永久性故障的節(jié)點。

3.1 ?數(shù)據(jù)平滑和變化測試

在周期性和事件驅(qū)動的檢測中，受瞬時故障影響的讀數(shù)可能導(dǎo)致錯誤決策，導(dǎo)致計算和通信資源的浪費。此外，瞬時故障影響的診斷結(jié)果可能會導(dǎo)致一些正常的傳感器節(jié)點與網(wǎng)絡(luò)隔離，從而導(dǎo)致傳感器覆蓋率損失。

為了避免不必要的事件驅(qū)動檢測周期和由瞬時故障引起的錯誤決策，試驗采用了一個濾波器，為了平滑傳感器讀數(shù)，可以消除大多數(shù)瞬時過沖，而不會引起不必要的警報。將t=k時節(jié)點Vi的傳感器讀

數(shù)X給范圍測試塊，生成一個二進制值y（例如，0或者1），然后應(yīng)用于平滑濾波器，生成輸出b。范圍測試塊檢查輸入是否屬于正常范圍。同樣的輸入X也被提供給變化測試塊，以查看傳感器讀數(shù){X|1≤k≤Nc}在Tc期間的變化，maxX（X）-minX（X），檢查循環(huán)中k的所有值是否小于δ。如果條件滿足，傳感器節(jié)點Vi處的標(biāo)志Si設(shè)置為1。當(dāng)正常傳感器的讀數(shù)在任何情況下都不發(fā)生變化時，變化試驗可應(yīng)用于在給定周期Tc內(nèi)變化大于或等于δ的應(yīng)用。例如，溫度傳感器的讀數(shù)（其中Tc是1 d）可能會發(fā)生變化，使得變化可能大于或等于δ（即δ=3）。這種變異測試可能會檢測到一些節(jié)點存在卡在0（正常）故障，這些故障在事件區(qū)域中會產(chǎn)生負(fù)面影響。

濾波器執(zhí)行以下平滑功能使用w最新讀數(shù)和閾值q，如下所示：

b=1for∑?y≥q ?（1）

在不修改方案其余部分的情況下，可以使用其他過濾器。平滑功能在傳感器節(jié)點內(nèi)執(zhí)行，不需要節(jié)點間通信。在Tc的每個測試周期（即周期性）或b =1（即事件驅(qū)動）時，需要進行一次代碼間通信。在事件驅(qū)動模式下，只有從相鄰節(jié)點接收到警報的節(jié)點執(zhí)行事件檢測過程，以決定警報的正確性。

3.2 ?置信水平評價

為了解決惡意節(jié)點問題，試驗將傳感器網(wǎng)絡(luò)建模為加權(quán)有向圖，其中每個傳感器節(jié)點Vi都有Wij，范圍從0到1，從Vi的角度初始化為1，作為相鄰節(jié)點Vj的置信水平。根據(jù)Vj的報告和Vj對事件做出的決定，在節(jié)點Vi上更新Wij級別。如果Wij=1，節(jié)點Vi完全信任節(jié)點Vj。然而，如果Wij=0，Vi根本不信任Vj。同樣，每個節(jié)點Vi有自己的置信水平Wij，也在0到1之間。Wij達到0時，Vi、Fi的故障狀態(tài)設(shè)置為1，表示Vi有故障。

上面定義的置信水平代表了相應(yīng)傳感器讀數(shù)的可信度，并反映在即將解決的基于鄰域的惡意節(jié)點檢測方案中。在每個事件驅(qū)動和周期性檢測結(jié)束時，每個傳感器節(jié)點更新自己的置信水平和相鄰節(jié)點的置信水平，以反映后續(xù)決策過程中的水平。

3.3 ?惡意節(jié)點檢測

在基于鄰域的檢測方案中，每個傳感器節(jié)點僅使用其相鄰節(jié)點的傳感器讀數(shù)在本地檢測惡意節(jié)點以及故障節(jié)點。使用置信水平作為權(quán)重的加權(quán)多數(shù)用于檢測惡意節(jié)點。提出的惡意節(jié)點檢測方案如下。

1）給定傳感器讀數(shù)X，獲取y并確定b，并對卡在0故障檢測進行變化測試。

2）從鄰域處接收b和Fj（定期）。向相鄰節(jié)點發(fā)送警報（事件驅(qū)動）。

3）計算并做出決定Di

4）更新相應(yīng)的置信水平Wij。由于瞬時故障而導(dǎo)致的大多數(shù)錯誤數(shù)據(jù)都會在本地糾正，因此可以大大減少錯誤警報，不會引起任何代碼間通信。此外，還對循環(huán)Tc期間的傳感器讀數(shù)進行了變化測試。在步驟2）中，使用鄰域通信執(zhí)行定期檢查（在定期模式下）。但是，在事件驅(qū)動模式下，只有bi=1的節(jié)點向相鄰節(jié)點報告警報，以啟動事件驅(qū)動檢測。步驟3）執(zhí)行加權(quán)權(quán)重來決定事件，其中M1（M0）是bij= ? 1（0）的節(jié)點權(quán)重之和，di是Vi的節(jié)點度。置信水平反映在決策過程中。在步驟4）中，所有權(quán)重Wij都會更新。更新權(quán)重以有效地從網(wǎng)絡(luò)中刪除惡意節(jié)點是很重要的。

更新政策因事件的決定而有所不同。在沒有事件的情況下，權(quán)重Wij更新如表1所示，其中Fj表示Vj的故障狀態(tài)。只有當(dāng)Vj為無故障（即Fj=0）且屬于多數(shù)組時，Vj節(jié)點Wij的置信水平才會增加β。否則，它會減少α。在這里，α和β必須正確選擇以優(yōu)化性能。

在有事件的情況下，權(quán)重Wij更新如表2所示。惟一的區(qū)別是第三行的置信水平保持不變，因為事件區(qū)域的確切邊界未知。

在無事件的情況下，每個傳感器節(jié)點Vi更新自己的置信水平Wij，如下所示。

Wij=max（0，Wij-？琢），bi=1或Si=1max（1，Wij+？茁），bi=Si=1 ?（4）

在上述表達式中，Si=1表示節(jié)點Vi處的讀數(shù)不滿足最小變化要求，表明存在潛在的卡在0故障。當(dāng)Wij達到0時，節(jié)點Vi、Fi[最初為0（無故障）]的故障狀態(tài)設(shè)置為1（故障）。一旦設(shè)置為1，如果不采取任何恢復(fù)措施，它將保持在那里。

4 ?模擬結(jié)果

通過計算機仿真，評價了惡意節(jié)點檢測方案的有效性和檢測結(jié)果的準(zhǔn)確性。模擬在一個正方形區(qū)域隨機部署了1 024個傳感器節(jié)點。選擇傳輸范圍R將平均節(jié)點度數(shù)d設(shè)置為12。此外，假設(shè)事件區(qū)域是半徑為R的圓（即與傳輸范圍相同）。

永久性故障、瞬時故障和惡意節(jié)點是隨機獨立生成的。在永久性故障的情況下，它們在前10個運行周期內(nèi)均勻生成。在沒有事件的情況下，假設(shè)惡意節(jié)點根據(jù)實際讀數(shù)報告概率Pma。另一方面，假設(shè)它們在事件區(qū)域中時報告0，以估計最壞情況下的事件檢測性能。

定義了惡意節(jié)點檢測率（MDR）和誤判率（MR）兩個指標(biāo)來評價所提出的惡意節(jié)點檢測方案。MDR定義為檢測到的惡意節(jié)點數(shù)與惡意節(jié)點總數(shù)之間的比率。MR定義為故障的正常節(jié)點與正常節(jié)點總數(shù)之比。不針對惡意節(jié)點定義MR的原因是惡意節(jié)點的行為類似于普通節(jié)點（即大多數(shù)情況下正確報告），在它們改變行為之前，不會造成任何傷害。

另外兩個指標(biāo)，事件檢測準(zhǔn)確度（EDA）和誤報率（FAR）用于評估結(jié)果事件檢測性能。EDA定義為正確識別的事件數(shù)與生成的事件總數(shù)之間的比率。FAR是在沒有事件的情況下，報告1的節(jié)點數(shù)與節(jié)點總數(shù)的比率。

當(dāng)Pp=0.1，Pt=0.1，Pma=0.4時，首先對4個不同的Pm（0.05、0.10、0.15和0.20）值進行模擬估算MDR和MR。50個操作循環(huán)后的結(jié)果如表3所示，其中選擇α=0.2和β=0.05。為了進行比較，還對α=β=0.1（表4）進行了模擬。表3中的MDR很高，而MR很小。另一方面，表4中的MDR非常低，因為失去的置信水平很快恢復(fù)。α/β值必須適當(dāng)分配，以實現(xiàn)高MDR，同時保持低MR。如果α/β=4，在沒有事件的情況下，每5個周期發(fā)送1次警報的惡意節(jié)點將恢復(fù)其置信水平，因此不太可能被檢測到。由于模擬中Pma設(shè)置為0.4，因此獲得了高MDR。對于相同的α和β值，得出的EDA顯示為不同的Pm值。對于這兩種不同的情況，F(xiàn)AR幾乎相同，非常接近0。隨著Pm的增加，（0.2，0.05）保持了比（0.1，0.1）更持久、穩(wěn)定的性能。

5 ?結(jié)論

研究提出了一種基于鄰域的無線傳感器網(wǎng)絡(luò)惡意節(jié)點檢測方案。在不犧牲正常節(jié)點的情況下，在存在故障和事件的情況下檢測惡意節(jié)點。它們被建模為故障節(jié)點，可以任意修改傳感器讀數(shù)，并且行為智能不容易被檢測到。置信水平用于評估傳感器節(jié)點在正常運行期間的可靠性。更新置信度的兩個參數(shù)用于區(qū)分惡意節(jié)點和正常模式，需要正確選擇它們之間的比率，以最終隔離惡意節(jié)點，即使它們的行為與普通節(jié)點略有不同。在面對故障和事件時，可以保持高檢測率和低錯誤檢測率的水平。

參考文獻：

[1] 劉 ?偉，胡安林.無線傳感器網(wǎng)絡(luò)覆蓋率與節(jié)能性研究[J].電子技術(shù)應(yīng)用，2016，42（6）：98-100.

[2] 廖先莉.無線傳感器網(wǎng)絡(luò)多重覆蓋調(diào)度算法的研究[D].重慶：重慶大學(xué)，2013.

[3] SINGH M，KHILAR P M.A range free geometric technique for localization of wireless sensor network（WSN） based on controlled communication range[J].Wireless personal communications，2017，94（3）：1359-1385.

[4] 劉洲洲，王福豹，張克旺.基于改進螢火蟲優(yōu)化算法的WSN覆蓋優(yōu)化分析[J].傳感技術(shù)學(xué)報，2013，26（5）：675-681.

[5] 楊治秋，原福永.基于簇狀結(jié)構(gòu)的時間同步算法[J].儀表技術(shù)與傳感器，2017（4）：100-104.