无线传感器网络数据安全融合技术的优化

时间：2024-05-04

文/齐世霞

1 无线传感器与数据融合方案

无线传感器中存在的网络（WSN），一般在无监督环境和安全敏感区域中部署传感器节点，数据融合还会带来许多潜在的安全问题，例如数据窃听、数据篡改、重放攻击等，而能量成本太低，数据的安全性就需要一个完整的安全机制保护。

所以从数据融合后的安全性方面考虑，同时又基于网络的保护与安全性方面考虑，最终一项糅合了保护与安全性的全新保护方案就研究问世了。确保集成过程中能耗低、安全性高。

2 基于信任机制的数据融合安全方案

2.1 信任机制之中数据融合的简单概念

在无线传感器的侧网络中信任管理因素分互信因子与直接信任因子两种。观察模块监测节点的动作。所述中经过处理的网络监控结果预处理进行计算：所述计算值为直接信任DT和所述建立的信任值计算所述CT的每个节点的综合字母值，并将所述集成的字母值发送给所述融合处理信任决策模块。在融合中，聚类成员节点根据其行为看管采样的融合节点，使成员节点信任，运用数据融合字节点，之后计算和评估结果集合节点，最终决策由基站完成。

2.2 计算综合信任值

各个邻居节点直接信任值DT、间接信任值T和集成信任直接CT被存储在每个节点处，并且所有这些都以周期T作为参考周期性地更新。直接信任值计算使用DT NT的当前信任值和历史信任值加权求和综合方法，其中应用了含有加权因子所推荐的间接信任值，或许是加权因子未参与从而导致了间接信任的计算错误发生，信任机制为周期性行为，固节点的信任来自节点历史信任的推荐级别。

2.3 基于保护隐私而制定的数据融合安全方案

在绝大多数的实际应用当中，其无线传感器网络必须受隐私保护，以确保只允许被授权的用户进行访问每个节点数据，数据保护的常用手段就是对其进行加密处理。现已有研究提出了几项数据保护方案，譬如alsllulcia与Ginao所提针对数据安全性保护的方案。还提出了数据融合保护的算法，从而提高数据融合过程之中的鲁棒性。提出了一种新的数据融合隐私保护解决方案，该方案具有计算量大、数据传输方便等便利。

2.4 SMART方案的具体步骤

SMART方案主要由三个阶段构成：即数据检测，数据分割与数据融合三个阶段。

（1）数据检测。基站向网络中所有节点发送消息，并让节点对目标实施数据检测，并指示数据融合的模式。

（2）数据分割。节点I将数据切割成j个切片并加密j-1个切片。在保留一个切片之后，节点I将剩余的J1切片随机分配给相邻节点。在数据混合阶段，每个节点j解密并计算所有收集的数据切片的总和。

（3）数据融合阶。各个节点利用数据融合树来实现向上传递自身所有的数据。中间节点则需要对接收的部分数据进行数据融合，再将数据融合之后的结果上载到上层节点。最终的数据融合结果由基站总结完成。

秦铁崖不愧办案老手，也是从火药入手，不过他的思维与常人不同，因此，几乎没费多少周折就打听到，焰火渠里的老师傅，既有焰火高手，也有火器营里退养的老法师，于是，他循着线索而来。仅就这一点而言，他要比德公公高明许多。

随着安全门槛的提高，SMART方案的安全成本将迅速增加。如果选择较小的安全阈值来降低安全成本，则建立数据融合数将更加困难。

2.5 改良SMART方案

通过有效控制安全成本，同时保持安全性，提高了智能方案。由网络初始化阶段与数据通信阶段以及最终的数据汇总阶段构成了整个过程。

（1）网络初始化。首先，对各个节点对I与随机选择的部分区域内的节点集S进行计算。而后确立安全阀值：最终实现数据融合树的确立。

表1：数据的安全百分比

表2：数据的传输能耗开销比较

（2）数据传输。因为随即转发各个节点之后，其中的数据包依然处于数据源的节点跟前，固源节点所处的位置就比较容易暴露，为了防止信息泄露，各个节点的分组的传输时间会有所不同。固当数据包在经过中间节点I时，不直接转发，是在经过随机缓存时间T后转发。

（3）数据融合，将数据在数据融合树中由下至上进行融合。传输数据时通过密匙来加密、解密。

3 加图分析并比较

为实现对不同的数据融合方法进行分析，就需要研究数据的安全性与传输所需的开销。同时根据数据融合的特征，采用matlab平台进行仿真。其中区域设置应为1000m*1000m，其中含有的节点数量为200.数据安全性比较如表1所示，数据的传输能耗开销比较如表2所示。

据分析图可知，在安全数据融合进行时，算法所需要的能耗将随着传输的消息的长度的增加而增大，但传统融合算法在集成算法之后会产生的能量开销会更加的多，和节点的捕获率也会增多，相比根据信任机制制定的新的根据安全性制定的融合算法与为了隐私保护制定的安全性数据融合算法，整个消息暴露的可能性更高。

4 降低在数据传输当中损失能量的几种算法

直接传输模型是相对传统的无线传感器的网络数据传输，其原理为传感器节点把收集到的数据不加修饰的传输至汇聚节点，而后利用大功率跳频来进行集中处理。该方法缺点为增加了与汇聚节点传感器的距离，因此节点就需要更大的传输功率，从而达到与Sink节点进行交流的目的。但毕竟传感器节点之间通信距离不会太远，固距离Sink节点远的节点往往不能够与Sink节点进行稳定的通信。而且，通信距离大的节点需要大量的能量来完成与Sink节点的通信，这就会让相关节点的能量会轻易的迅速消耗。在实践中此类传感器也很难得到应用。第一多跳传输模型的模式类似于ad-hoc网络模型。每个节点不处理数据本身，而是调整传输功率，并将测量数据发送至Sink节点，从而方便在好几次的低功率跳跃之后能够集中处理。多跳式传输模型加大了直接传输途径的缺陷，让能量可以更加高效的使用，是传感器网络中从而作为在传感器网络当中所大范围采用的前提。

在大多数的无线传感器的网络，即(WSN)之中，无线传感器网络融合技术因为各个传感器在可靠性与监控范围都受限制，固在安放传感器的节点位置时，传感器节点的监控范围偶尔会并列来使整个网络增强收集信息的稳定性与准确性。而后，通过无线传感器的网络传数据将会在空间上也生成联系，即距离比较近的节点所发送的数据中会有冗余信息。而在传统的数据传输当中，节点与节点间的传输中包含大量的所有冗余信息传感信息，即，用于不必要的数据传输的大量能量。在传感器网络内数据传输所产生的能耗大大高于数据处理。固在大范畴的无线传感器网络中，就需要将感测数据在每个节点中发送到具有多跳的Sink节点之前集成数据，并且出现了数据融合技术。

为改善集群模型中的热点问题而生成的LEACH算法，Rabiner Wendi Heinzelman等人提出通过无线传感器网络之中聚类的概念，不同层次划分网络放入LEACH算法：定期随机进行选举，以某种方法将消息广播到无线通道的簇头，节点剩余的部分将与信号最强的簇头连接，以此来构成不同的簇。上层骨干网络将有簇头与簇头连接而成，并且通过骨干网络将所有的集群之间的通信转发。数据再被集群之中的成员发送至集群头节点，集群头节点将数据发送到下一级的集群头节点，直到汇聚节点。此方法减少了不重要的一些链路，将节点传输功率大大减小，将节点之间的干扰大大削弱，使网络能耗的平衡得到了保持，让网络的使用寿命得到延长。

分布式数据融合算法可以将传统的传感器网络拓扑等同于图像，从而将分布式数据融合技术应用在无线传感器网络获得将小波变换。于此领域已取得了一系列连续性的成果，以下将对这些成果进行说明。首先研究分布式实现小波变换的是Servetto，并利用它来解决无线传感器网络中广播的问题。同时期在南加州大学 Ciancio也对无线传感器网络进一步研究并且将分布式数据融合算法导进仿射变换并且，提出了数据融合算法（DWT_RE），基于仿射的分布式小波。此算法在网络中的传统网络和节点加以运用。它呈现规律地分布，且各个节点只与相邻通信并且计算。分布式计算，瓶颈簇头的节点与节点的能量平均于全网，大大体现节能的作用，使整个网络的寿命得以延长。