【摘 要】
：
节点被捕获是无线传感器网络（Wireless Sensor Network,WSN）内部攻击的第一阶段攻击,适宜的检测方法能够更好的保护WSN网络安全。在该论文提出的检测方法中,决策节点通过邻居节点交互信息得到决策,并将得到的决策由多跳路由发送给基站,基站将被认定已捕获的节点进行隔离。对于休眠机制问题,很多检测方法使用的是同步休眠而非异步休眠,甚至有些方法并不考虑休眠的问题;对于通信结构问题,现有
论文部分内容阅读
节点被捕获是无线传感器网络（Wireless Sensor Network,WSN）内部攻击的第一阶段攻击,适宜的检测方法能够更好的保护WSN网络安全。在该论文提出的检测方法中,决策节点通过邻居节点交互信息得到决策,并将得到的决策由多跳路由发送给基站,基站将被认定已捕获的节点进行隔离。对于休眠机制问题,很多检测方法使用的是同步休眠而非异步休眠,甚至有些方法并不考虑休眠的问题;对于通信结构问题,现有的检测方法中只有少数方法设计了简单的通信结构。本文针对节点被捕获的检测率低、误报率漏报率高的问题,在采用异步休眠机制的基础之上,针对目标区域中节点密度差异较大的情况分别提出了两种检测方案,具体方案如下:1、针对目标区域节点密度较大的应用场景,提出一种基于多轮询的节点被捕获检测方案。该方案构建了由底层节点、监控节点、决策节点三类节点组成的三级体系,并构成蛛网结构。仿真实验表明:采用蛛网结构结合多轮询通信机制来达到两次协同决策,使该方法的误报率降至6.4%,并通过异步休眠机制使其漏报率降至4.2%,最终检测率高达94.6%,最后通过对比试验确认了最优通信模型。2、针对目标区域节点密度较小的应用场景,提出一种基于链式通信结构与序贯概率比检验的WSN早期检测方案。该方法将精简通信结构为链式通信结构以适用于节点密度较小的应用场景,为保证该方法在节点比较少时,也可保证检测率不会因未捕获节点数的减少而下降,引入了序贯概率比解决样本量矛盾。仿真实验表明:即使在样本容量较少的情况下该检测方法也能够使检测率达到94.19%,且α与β的值可分别控制在7.54%与5.37%,相较同样适用于小节点密度场景的其他检测方法而言更优。
其他文献
20世纪以来,随着人工智能领域的快速崛起,人工智能技术开始广泛地应用于机器人领域,智能机器人应运而生。移动机器人作为智能机器人学中最为重要的一个门类,一直以来都聚焦着国内外学者的目光。而作为移动机器人的关键之处,机器人如何“移动”,即如何进行路径规划自然而然成为了研究移动机器人最为关键的步骤。本文针对含有不同状态障碍工作环境中的路径规划问题,提出势场-蚁群融合算法引导移动机器人规划路径,在此基础上
无线传感器网络（Wireless Sensor Network,WSN）是由许许多多被任意安放的嵌入式传感器通过感知采集外部地域情况而进行信息交互的多功能化监测系统。传感器节点内部嵌入微小电池,来满足网络中其他操作运行的电量所需,但是电池内部电量和功率都十分有限,随着实际可以使用次数的减少,传感器节点的能量随之减少,而这些电池又不易调换,因此,在合理使用电池的情况下,如何有效的减少电池的能耗且延长
无线传感器网络（Wireless Sensor Network,WSN）技术由于其具有超高的实用性,在物联网领域占有举足轻重的地位。无线传感器网络的应用场景通常为条件复杂的外界环境,所以在部署及运行过程中难免会遇到各种问题。在无线传感器网络的应用过程中,网络中存在着一些无法通过卫星定位系统进行位置信息获取的未知节点,在不借助卫星定位系统实现对未知节点的定位能够有效保障网络的运行以及拓展无线传感器网
能量补充问题是无线可充电传感器网络（Wireless Rechargeable Sensor Networks,WRSN）的重要的一个研究课题,借助磁耦合谐振充电技术,可实现单个充电装置同时对充电覆盖范围内的多个传感器节点进行能量补充,还能够实现多跳充电从而有效延申充电距离,提高网络充电效率。本文基于磁耦合谐振充电技术,从单对多和多跳两个角度提出两种可行有效的方案对WRSN进行能量补充,主要研究内
并列结构作为自然语言中的一种常见组成结构,它的正确识别可以很大程度上提高自动句法分析器的性能和效率,也能推进汉语树库的构建工作,同时其识别结果也可直接应用于机器翻译、信息抽取等领域。由于汉语本身复杂多变的特点,并列结构识别成为中文信息处理领域的研究难点。目前的研究中,基于规则的方法需要人工根据具体语言语法和领域来构造规则模板,应用这种方法系统实现代价很高,并且可移植性较差。基于统计的方法虽取得效果
日冕物质抛射（Coronal Mass Ejection,CME）是一种日冕物质从太阳日冕层向行星际空间抛射的强烈空间天气现象。CME严重影响着太空天气和人类生活,所以提高CME的检测效果对预报CME和保障人类的生产生活安全具有重大意义。尽管学者已经探索出了许多CME检测方法,但现有检测方法多采用人为定义特征和人为界定阈值等方法检测CME。由于人为定义特征不能很好表征CME且具有普适性的阈值难于选
图像分割是将图像分割为互不相交、具有独特性质的区域的过程,是计图像场景理解中的关键点,是计算机视觉的基石任务。近年来,随着视觉场景技术的不断深入,图像分割被广泛的应用在医学诊断、自动驾驶、交通系统、增强现实等领域。传统的基于活动轮廓的分割方法可根据图像本身信息演化曲线至目标轮廓上,常用于快速分割具有复杂结构的图像。但是,该方法无法通过学习大量的数据来获取高级特征。随着深度学习的发展,基于全卷积网络
铁磁性材料零部件被广泛地应用于大型机械设备、航天航空、管道运输等领域,铁磁性材料零部件在长期的服役过程中,由于受运行环境、制造工艺和使用方式等因素的影响,易产生表面或内部不同程度的损伤,影响设备运行情况及使用寿命,留下安全隐患,甚至造成工业事故。为此,对设备的铁磁性材料零部件及时地进行非接触、非侵入的检测变得十分重要。为了构建非接触、非侵入的缺陷检测模型,本文利用无损检测技术中的红外热成像技术,建
近年来,随着物联网、微电子技术和无线充电技术的飞速发展,无线传感器网络逐渐在工业应用中发挥重要作用。可以由无线充电器提供能量补充的传感器网络称为无线可充电传感器网络（Wireless Rechargeable Sensor Networks,WRSN）,通常它由数量庞多的传感器节点组成,用于监测外界环境、数据传输、边缘计算。传感器节点通常由微电子组件和蓄电池构成,而能量有限的电池是制约WRSN寿命
周期性车辆路径问题（Periodic Vehicle Routing Problem,PVRP）是传统车辆路径问题的一个重要拓展,主要是为了满足客户多次配送服务的要求,优化配送周期内的客户组合和配送路径。目前,环境与能源问题的日益严峻,每个国家对环保的要求越来越严格。因此,考虑燃油消耗和碳排放等因素的绿色周期性车辆路径问题（Green Periodic Vehicle Routing Proble