论文部分内容阅读
无线传感器网络通过采集大量的各种传感数据，经过融合处理，输出一系列有意义的信息。随着科技的发展，应用领域也越来越广泛，包括海洋环境检测、野生动物习性监察、建筑安全、地震勘测、公路智能交通、森林火灾预警、水质检测以及智慧医疗等等。然而由于无线传感器网络自身的一些特点，使得其安全问题日益突出：首先，大部分传感器节点的能量、通信范围和处理能力都很有限。其次，不同于传统的网络，无线传感器网络的节点通常部署于野外无人值守的情况下，易受物理攻击的安全威胁。最后，无线传感器网络因受物理环境和人为因素的影响，易产生一些安全问题。这些特点导致传统网络的安全技术和措施不能直接用于无线传感器网络，敌方只要通过捕获传感器节点，读取其关键数据，或者将其据为己有侵入网络，很有可能造成整个网络的瘫痪。本文在分析常见的攻击类型，学习已有的安全策略后，对恶意节点检测技术进行研究，主要内容如下：（1）提出了基于信誉-投票恶意节点检测算法（MNDRVM）：对于节点数目较少的平面型网络结构，采用测试数据包的形式，检测发起选择性转发攻击和时间攻击的恶意节点。首先，通过基站向网内节点发送测试数据包，并要求它们转发给邻居节点，并对其进行监视；其次，节点通过比较基站和邻居节点发来的数据包，对邻居节点的可疑性进行投票；最后，基站通过节点投票判别出恶意节点。实验结果表明：MNDRVM具有有效的恶意节点检测率和较低的误检率，在检测率上，MNDRVM算法要优于多元分类检测法；而在误检率上，MNDRVM算法要优于WTE和多元分类检测法。（2）提出了基于安全数据融合的恶意节点检测算法（MNDSDF）：对于节点数目较多的层次型网络结构，针对WTE和WCF算法簇内只允许单跳和融合精度受恶意节点影响较大等不足之处，本文首先在融合算法里加入了高信誉值的过滤机制来检测恶意采集节点；其次提出了数据包计数的方式来检测恶意转发节点。实验结果表明：与WTE相比，MNDSDF算法的融合值与理想值更接近；在检测率和误检率的指标上，MNDSDF比WCF更优，并且能适用于更宽泛的路由协议。