曾 麗，曾玉林

(四川大學(xué)錦城學(xué)院，四川 成都 611731)

1 引言

在物聯(lián)網(wǎng)內(nèi)，無(wú)線傳感器網(wǎng)絡(luò)會(huì)受到各個(gè)方面的約束，只有對(duì)信息數(shù)據(jù)進(jìn)行有效融合，才能達(dá)到網(wǎng)絡(luò)節(jié)能的基礎(chǔ)要求。因?yàn)槲锫?lián)網(wǎng)擁有開放性特征，所以在使用時(shí)存在較多的安全隱患[1，2]。

針對(duì)數(shù)據(jù)融合的安全問(wèn)題，文獻(xiàn)[3]提出一種基于分?jǐn)?shù)階微分算子的多傳感器檢測(cè)數(shù)據(jù)融合算法。結(jié)合生產(chǎn)信息測(cè)量誤差新理念，擇取檢測(cè)儀器性能或工作環(huán)境當(dāng)作檢測(cè)數(shù)據(jù)的影響因子，使用分?jǐn)?shù)階微積分理論，得到基于分?jǐn)?shù)階微分的多傳感器檢測(cè)數(shù)據(jù)融合處理算法模型，并運(yùn)用物聯(lián)網(wǎng)下多傳感器檢測(cè)數(shù)據(jù)的融合處理實(shí)例，驗(yàn)證算法的可行性與優(yōu)越性。文獻(xiàn)[4]提出一種帶有隱私保護(hù)的無(wú)線傳感網(wǎng)能量有效數(shù)據(jù)融合機(jī)制，解決目前無(wú)線傳感網(wǎng)數(shù)據(jù)融合機(jī)制效率較低、缺乏隱私安全保護(hù)的問(wèn)題，設(shè)計(jì)傳感數(shù)據(jù)隱私保護(hù)方法，在傳感節(jié)點(diǎn)對(duì)傳感數(shù)據(jù)進(jìn)行加密，保證傳感數(shù)據(jù)隱私安全。研究數(shù)據(jù)融合機(jī)制，代入深度學(xué)習(xí)理論，創(chuàng)建數(shù)據(jù)融合模型，提升傳感數(shù)據(jù)融合效率。

上述數(shù)據(jù)融合方法均具有一定的效用，但對(duì)數(shù)據(jù)安全性方面研究不夠透徹。為了實(shí)現(xiàn)傳感器數(shù)據(jù)融合的安全性，以信譽(yù)評(píng)估為前提，提出了基于節(jié)點(diǎn)信譽(yù)度的傳感器數(shù)據(jù)安全融合方法。探究數(shù)據(jù)融合節(jié)點(diǎn)行為過(guò)程，運(yùn)用Josang信任模型處理數(shù)據(jù)流中不確定因素問(wèn)題，創(chuàng)建安全數(shù)據(jù)融合信譽(yù)度模型，保障數(shù)據(jù)融合結(jié)果的真實(shí)性與安全性。

2 數(shù)據(jù)融合信譽(yù)度模型構(gòu)建

在沒(méi)有恰當(dāng)管制措施的情況下，傳感器極易遭受各種惡意攻擊，這些攻擊一般會(huì)致使節(jié)點(diǎn)隱私完全泄露給攻擊方，導(dǎo)致無(wú)法辨別傳感器數(shù)據(jù)的真實(shí)性。為了有效提升傳感器的能量效率，需要對(duì)其采取適當(dāng)?shù)臄?shù)據(jù)融合措施。因此，在構(gòu)建信譽(yù)度模型之前，首先，要對(duì)參與數(shù)據(jù)融合的傳感器節(jié)點(diǎn)相關(guān)性實(shí)施節(jié)點(diǎn)行為信任值計(jì)算，繼而提高數(shù)據(jù)融合的可靠性[5]。

假設(shè)信息傳感器網(wǎng)絡(luò)內(nèi)某個(gè)區(qū)域參加數(shù)據(jù)融合的傳感器集合是S=(s1，s2，…，sn)，zi(k)是k時(shí)段傳感器si的輸出，則將傳感器的狀態(tài)解析式與輸出解析式記作

X(k+1)=Φ(k)X(k)+G(k)V(k)

(1)

Z(k)=H(k)X(k)+W(k)

(2)

式中，Φ(k)、G(k)、H(k)依次代表狀態(tài)轉(zhuǎn)移矩陣、過(guò)程噪聲分布矩陣與輸出矩陣，V(k)、W(k)依次代表?yè)碛辛憔蹬c正定協(xié)方差矩陣的高斯噪聲矢量。

處于k時(shí)段，因?yàn)閭鞲衅魉诘脑肼暛h(huán)境與本身行為不相同，因此，會(huì)構(gòu)成略有差別的狀態(tài)估計(jì)矢量。為了更好地衡量這個(gè)差別，將狀態(tài)估計(jì)矢量的標(biāo)準(zhǔn)化差描述為：

(3)

式中

Cij(k|k)=Pi(k|k)+Pj(k|k)

(4)

式(4)代表兩個(gè)測(cè)量估計(jì)偏差協(xié)方差的總和。使用正態(tài)類隸屬度函數(shù)的模糊測(cè)度，將k時(shí)段兩個(gè)狀態(tài)矢量的相似度表示為

(5)

式中，b為系數(shù)，uij(k)為列向量，dij(k)為標(biāo)量。由于相同區(qū)域內(nèi)數(shù)據(jù)融合通過(guò)獨(dú)立同質(zhì)傳感器構(gòu)成，因此狀態(tài)矢量之間的相似性也表明了測(cè)量值本身之間的類似程度。若網(wǎng)絡(luò)內(nèi)傳感器節(jié)點(diǎn)不能運(yùn)用狀態(tài)解析式進(jìn)行描述，可以直接利用測(cè)量值算出相似度[6]。通過(guò)相似度可以看出，k時(shí)段相同區(qū)域參加數(shù)據(jù)融合的每個(gè)傳感器的相似度矩陣是

(6)

相似度矩陣包括了k時(shí)段相同區(qū)域傳感器節(jié)點(diǎn)S的測(cè)量數(shù)據(jù)在空間內(nèi)的分布狀況，即實(shí)現(xiàn)傳感器節(jié)點(diǎn)行為空間信任運(yùn)算的尺度。同理，時(shí)間序列D(k)，k=1，2，…涵蓋了目前時(shí)段位置的節(jié)點(diǎn)在時(shí)空內(nèi)的分布數(shù)據(jù)，即實(shí)時(shí)傳感器節(jié)點(diǎn)行為信任數(shù)據(jù)時(shí)空運(yùn)算的尺度。

假設(shè)ci(k)為k時(shí)段傳感器節(jié)點(diǎn)i的一個(gè)計(jì)數(shù)器，且dij(k)≥E1，那么計(jì)數(shù)器加1。此時(shí)，第i行掃描后ci(k)最終的數(shù)據(jù)就是k時(shí)段和傳感器i測(cè)量數(shù)據(jù)比較接近的傳感器節(jié)點(diǎn)個(gè)數(shù)。所以，ci(k)是測(cè)量值一致性的度量，將k時(shí)段傳感器節(jié)點(diǎn)i的一致性測(cè)度描述成

pi(k)=ci(k)/n

(7)

(8)

(9)

(10)

式中，a代表系數(shù)，且0

相似度運(yùn)算要得到n個(gè)傳感器之間的標(biāo)準(zhǔn)化差，一致性測(cè)度運(yùn)算要把n2維的相似度矩陣因素和臨界值E1進(jìn)行逐一對(duì)比，得到的復(fù)雜度為O(n2)。為了降低計(jì)算數(shù)量，在運(yùn)算一致性測(cè)度與可靠性測(cè)試的過(guò)程中，采用以下遞推方法進(jìn)行計(jì)算

(11)

(12)

圖1為基于信譽(yù)度的安全數(shù)據(jù)融合模型示意圖。

圖1 數(shù)據(jù)安全融合信譽(yù)度模型

分析圖1可知，融合節(jié)點(diǎn)利用簇成員節(jié)點(diǎn)的采樣信息探測(cè)其行為，構(gòu)成成員節(jié)點(diǎn)的信譽(yù)度，其僅適用信任節(jié)點(diǎn)的數(shù)據(jù)融合。算出融合結(jié)果，得到對(duì)融合結(jié)果的評(píng)估，把評(píng)估結(jié)果輸送到基站，幫助基站實(shí)現(xiàn)最終決策。數(shù)據(jù)安全融合模型可以保證即便存在一部分節(jié)點(diǎn)被泄露狀況下，融合結(jié)果也能具有一定的真實(shí)性與可靠性[8，9]。

代入Josang信任模型，以此處理數(shù)據(jù)流內(nèi)不確定元素問(wèn)題。將評(píng)估要素設(shè)定為w=(b，d，u，a)，四元矢量依次表示信任度、不信任度、不確定度與對(duì)應(yīng)系數(shù)。

將評(píng)估的預(yù)期概率描述為

E(w)=b+a×u

(13)

在真實(shí)場(chǎng)景中，頻度分布與標(biāo)準(zhǔn)差區(qū)域分布不會(huì)完全相等。將節(jié)點(diǎn)數(shù)據(jù)處在真實(shí)頻度的情況定義成真實(shí)節(jié)點(diǎn)頻度分布。將理想節(jié)點(diǎn)頻度當(dāng)作基準(zhǔn)，理想節(jié)點(diǎn)頻度分布與真實(shí)節(jié)點(diǎn)頻度分布的差別用距離進(jìn)行描述，該距離即為節(jié)點(diǎn)的信譽(yù)度。距離越小，節(jié)點(diǎn)的信任水平越高，反之越低。

假設(shè)離散分布概率函數(shù)為pk，離散分布函數(shù)為qk，則KL距離如式(14)所示。

(14)

Π={0，1}

(15)

式中，0表示數(shù)據(jù)處在范圍之外，1表示數(shù)據(jù)處在范圍之中?？紤]在Π內(nèi)的兩種分布，u和u，p，q∈[0，1]依次為u與y數(shù)據(jù)處在范圍中的概率，具體表示成

u(0)=1-p

(16)

u(1)=p

(17)

v(0)=1-q

(18)

所以，把分布u和v的KL距離記作

(19)

相應(yīng)的信譽(yù)度是

臨床上應(yīng)加大對(duì)樣本采集及送檢環(huán)節(jié)的監(jiān)督與管理力度,并且應(yīng)制定出規(guī)范、科學(xué)的管理制度標(biāo)準(zhǔn);在采樣前,應(yīng)該充分做好相關(guān)的準(zhǔn)備工作,盡可能地避免人為操作意外的出現(xiàn);注意樣本采集的最佳時(shí)間,以防感染外源性細(xì)菌而影響檢驗(yàn)質(zhì)量;樣本采集完畢后,應(yīng)在規(guī)定時(shí)間內(nèi)送試驗(yàn)室進(jìn)行檢驗(yàn),根據(jù)樣本類型的不同而采用不同的處理方法;一般試驗(yàn)室溫度最好控制在19~26℃之間,濕度維持在40%~60%之間,從而確保臨床免疫檢驗(yàn)結(jié)果的精準(zhǔn)性;注重檢驗(yàn)方法的合理選擇,盡量應(yīng)用較常見(jiàn)的試劑,確保檢驗(yàn)方法具有較高的重復(fù)性、特異性及敏感性,并且無(wú)交叉反應(yīng)。[3]

(20)

上述定義能夠確保趨近理想頻度節(jié)點(diǎn)可以獲取遠(yuǎn)離理想頻度節(jié)點(diǎn)更多的信譽(yù)度[10]。

得到各個(gè)傳感器節(jié)點(diǎn)的信譽(yù)度之后，融合節(jié)點(diǎn)按照式(21)將節(jié)點(diǎn)劃分為兩個(gè)不同的組。

(21)

式中，ri是節(jié)點(diǎn)i的信譽(yù)度；ra是ri的平均值，GHigh是高信譽(yù)度組，GUncertain是不確定組。

使用信譽(yù)度分組，融合節(jié)點(diǎn)能夠發(fā)覺(jué)并辨別簇被捕獲的節(jié)點(diǎn)。根據(jù)信譽(yù)度遵循的全部節(jié)點(diǎn)統(tǒng)計(jì)規(guī)律可知，在被捕獲節(jié)點(diǎn)較少時(shí)，合法節(jié)點(diǎn)具備較高的信譽(yù)度；反之，被捕獲節(jié)點(diǎn)能對(duì)多少樣本具備作用力，異常行為與統(tǒng)計(jì)規(guī)律相抵抗，會(huì)影響分布狀態(tài)，因此，無(wú)法得到與合法節(jié)點(diǎn)相同的高信譽(yù)度[11]。

實(shí)現(xiàn)節(jié)點(diǎn)分類與辨別可能被捕獲的節(jié)點(diǎn)之后，融合節(jié)點(diǎn)高信譽(yù)度組推導(dǎo)出的數(shù)據(jù)均值和標(biāo)準(zhǔn)差是本次采樣的融合結(jié)果，把該結(jié)果當(dāng)作下次采樣融合節(jié)點(diǎn)衡量節(jié)點(diǎn)信譽(yù)度的憑據(jù)。此方法確保了融合節(jié)點(diǎn)利用高信譽(yù)度組得到的數(shù)據(jù)實(shí)施融合行為，最大限度防止融合后的結(jié)果遭到惡意節(jié)點(diǎn)影響。

關(guān)于融合結(jié)果aggr，將融合節(jié)點(diǎn)構(gòu)成的評(píng)估準(zhǔn)則記作

waggr={b，d，u，a}

(22)

E(waggr)=b+au

(23)

b+u=1

(24)

3 仿真研究

圖2為三種方法的融合精度伴隨不信任行為概率增長(zhǎng)而改變的對(duì)比示意圖。

圖2 安全數(shù)據(jù)融合精度對(duì)比

如圖2所示，因?yàn)槲墨I(xiàn)[3]方法沒(méi)有完成數(shù)據(jù)融合的安全性分析，融合精度受到不良數(shù)據(jù)與傳感器偏差的影響較多，在不信任行為概率是30%的情況下，該方法的融合精度已經(jīng)降低至50%以下。文獻(xiàn)[4]方法雖然對(duì)傳感器節(jié)點(diǎn)進(jìn)行了行為分析，但僅對(duì)傳感器的輸出數(shù)據(jù)實(shí)施測(cè)量，對(duì)節(jié)點(diǎn)自身屬性的綜合評(píng)估并不完整。而所提方法可以對(duì)信譽(yù)度進(jìn)行準(zhǔn)確分析，綜合評(píng)估節(jié)點(diǎn)的多種屬性，因此，即便傳感器網(wǎng)絡(luò)內(nèi)的錯(cuò)誤傳感器個(gè)數(shù)增長(zhǎng)也能維持高水準(zhǔn)的融合精度，伴隨不信任行為概率的上升，使用所提方法的融合精度均優(yōu)于文獻(xiàn)[4]方法的融合精度和文獻(xiàn)[3]方法的融合精度。

圖3為傳感器數(shù)據(jù)融合過(guò)程中，不同方法的安全性對(duì)比結(jié)果。

圖3 安全性對(duì)比

從圖3可以看出，在產(chǎn)生同樣的不信任行為概率時(shí)，所提方法比兩種文獻(xiàn)方法的安全性更高。不信任行為概率處在30%的情況下，文獻(xiàn)[3]方法、文獻(xiàn)[4]方法以及所提方法的安全概率依次是15%、15%與28%，證明所提方法更具可靠性。

圖4為三種方法下簇頭節(jié)點(diǎn)的平均能耗伴隨時(shí)間改變的對(duì)比圖。

圖4 簇頭節(jié)點(diǎn)能耗對(duì)比

分析圖4可知，因?yàn)樗岱椒ㄔ诖仡^節(jié)點(diǎn)輸送數(shù)據(jù)時(shí)運(yùn)用多屬性決策手段，大幅降低了無(wú)效數(shù)據(jù)的轉(zhuǎn)發(fā)次數(shù)，讓網(wǎng)絡(luò)內(nèi)的數(shù)據(jù)流分布狀態(tài)更加恰當(dāng)，從而使簇頭節(jié)點(diǎn)能耗更加均衡。

4 結(jié)論

為了解決傳統(tǒng)方法數(shù)據(jù)融合精度不高、簇頭節(jié)點(diǎn)輸送數(shù)據(jù)時(shí)能耗較高、數(shù)據(jù)融合安全性不高的問(wèn)題，提出基于節(jié)點(diǎn)信譽(yù)度的傳感器數(shù)據(jù)安全融合方法。在節(jié)點(diǎn)行為信任的基礎(chǔ)上，引入Josang信任模型處理數(shù)據(jù)流中不確定因素問(wèn)題，并對(duì)融合節(jié)點(diǎn)采取信譽(yù)度分組，對(duì)安全數(shù)據(jù)進(jìn)行精準(zhǔn)評(píng)估。仿真結(jié)果表明，所提方法具有較高的安全數(shù)據(jù)融合精度，并且在數(shù)據(jù)融合過(guò)程中，簇頭節(jié)點(diǎn)的能耗較低，提高了數(shù)據(jù)融合的安全性。雖然所提方法有效解決了傳統(tǒng)方法存在的問(wèn)題，但是隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，傳感器中會(huì)產(chǎn)生大量的數(shù)據(jù)，如何提高數(shù)據(jù)融合的效率顯得十分重要，因此，接下來(lái)將以提高數(shù)據(jù)融合效率為目標(biāo)，對(duì)所提方法進(jìn)行進(jìn)一步改進(jìn)，以此為傳感器數(shù)據(jù)安全問(wèn)題提供理論參考。