基于分组特征捕获机制的移动传感网恶意节点搜寻算法.pdf

2023 年 5 月第 19 卷 第 2 期系统仿真技术System Simulation TechnologyMay，2023Vol.19，No.2基于分组特征捕获机制的移动传感网恶意节点搜寻算法杨巧曼（陕西交通职业技术学院 通识教育学院，陕西 西安 710018）摘要：为解决当前移动传感网恶意节点搜寻算法解析恶意节点效率较低，且难以动态查证识别恶意攻击行为等不足，本研究提出一种基于分组特征捕获机制的移动传感网恶意节点搜寻算法。首先，该算法基于抽样方式，按照聚类机制获取全网节点的自身MD5值、初始坐标、数据报文头等参数及特征值，并构建聚类内积以计算安全效果，从而提高网络的恶意节点感知能力。随后，考虑到抽样过程存在误差，进一步通过区域聚合方式提纯恶意节点集合，避免因正常节点被误判导致网络瘫痪，提升网络鉴权性能及增强恶意节点搜寻能力。仿真实验结果表明，本研究提出的算法具有较高的恶意节点检出效率和良好的实际部署价值。关键词:移动传感网；查证识别；聚类内积；鉴权A Malicious Node Search Algorithm for Mobile Sensor Networks Based on Packet Feature Capture MechanismYANG Qiaoman（Technology College of General Education，Shaanxi College of Communication，Xi an 710018，China）Abstract：In order to solve the problems of the current malicious node search algorithm in mobile sensor networks，such as the low efficiency of analyzing malicious nodes，and the difficulty of dynamically verifying and identifying malicious attacks，a malicious node search algorithm based on packet feature capture mechanism is proposed.First，based on the sampling method，the algorithm obtains the MD5 value，initial coordinates，data packet header and other parameters of the nodes in the whole network according to the clustering mechanism，obtains the node characteristic value and constructs the cluster inner product to calculate the security effect，the network malicious node perception ability is thereafter improved.Then，considering the errors in the sampling process，the malicious node set is refined through regional aggregation to reduce the probability of network paralysis caused by the misjudgment of normal nodes，so as to improve the authentication performance of the network and enhance the search ability of malicious nodes.Simulation results show that this algorithm has high detection efficiency of malicious nodes and has good practical deployment value.Key words：mobile sensor network；verification and identification；cluster inner product；authentication基金项目：国家自然科学基金青年基金项目（61806023）通信作者：杨巧曼，E-mail:中图分类号:TP393.04 文献标志码:A DOI:10.16812/31-1945.2023.02.001系统仿真技术第 19 卷 第 2 期随着第五代通信技术与移动传感网技术呈现日趋融合的发展态势，移动传感网的网络规模及社会应用也日趋广泛。当前，我国数字经济呈现蓬勃发展态势，日益成为国民经济的重要增长极1。随着移动传感网技术在诸如外贸出口管理、新能源产业链制造及新型冠状病毒肺炎疫情防控等方面的不断应用，该项技术也面临诸如节点篡改、数据劫持、网络瘫痪式扰动等威胁2。因而，采取一定的算法将恶意节点及相关特征及时捕获并登记在册，成为当前移动传感网技术研究的热门领域之一3。为及时对恶意节点及相关特征予以查证识别，业界提出了许多具有前瞻性的解决方案4，如Tabassum等5提出了一种基于区域特征查证识别的移动传感网恶意节点搜寻算法。该算法基于周期机制动态刷新区域节点网络特征，从而能够迅速实现对侵入行为的动态监测，具有部署简单的特点。不过，由于该算法采取静态策略查证攻击行为，难以适应多态化攻击监测场景。Kalyani等6提出了一种基于分区隔离机制的移动传感网恶意节点搜寻算法。该算法通过分区模型动态隔离嫌疑节点，能够以较高的效率对恶意攻击行为予以隔离，具有危害行为控制能力较强的特点。不过，由于该算法未对密集部署场景予以考虑，若处于隔离状态的节点数目较多时将会使网络出现严重抖动，降低了算法的适用性。Ashaj等7提出了一种冗余报文指针机制的移动传感网恶意节点搜寻算法。该算法通过广播方式向节点定期插入冗余报文，使报文具有不可篡改特性，提高了恶意节点入侵成本，安全性能较强。不过，由于该算法需要对网络中全部节点添加冗余报文，使得网络冗余数据占比居高不下，降低了该算法对恶意节点的搜寻能力。为此，本研究提出了基于分组特征捕获机制的移动传感网恶意节点搜寻算法。该算法首先基于恶意节点和正常节点聚类特征，采取周期采样方式获取各节点特征值，快速获取聚类特征。随后，按区域对候选节点予以整合，设计恶意节点搜寻规则。最后，通过NS2仿真实验环境验证本研究算法的性能。1 本研究网络模型概述 考虑到移动无线传感网组成节点均为无线制式，存在游走性较强的特点8，当网络出现抖动或遭受入侵时，各节点及Sink节点均需要通过无线传感天线感知相关信息，见图1。假定移动无线传感网节点分布在N N的矩形区域内，针对该矩形区域内任意节点i，其坐标为(xi，yi)，当该节点有异常行为时，坐标为(x，y)的Sink节点（不妨设标号为j）能够通过如下规则对恶意节点i予以感知：P(i，j)=1，|i，j|T()（18）通过聚类聚合机制能够迅速计算获取的节点特征值密度，结合平均密度比较，能够迅速更新疑似节点集合，从而达到以较高的效率甄别恶意节点的目的，提高网络对恶意节点的识别能力。3 仿真实验与分析 采用 NS2仿真实验平台验证本研究算法相关性能，设置文献 12 所述的双因子探测算法和文献 13所述的块探测算法作为对照组，进行比较。网络部署区域为矩形区域，规格为5 120 m5 120 m；节点布设方式采用随机布撒模型，其中恶意节点个数不低于20个，网络分区数量不高于128个；单节点传输速率不低于 1 Mbit/s，用以模拟超带宽传输环境；节点制式为LTE节点，信道制式采用莱斯信道，数据监测粒度为1 min。相关仿真参数如表1所示。实验开始后，节点部署过程均采用分区方式：节点制式为LTE节点，节点特征值取MD5值、初始坐标、数据报文头、数据路由链路、链路抖动率 5个参数。这5个参数均通过NS2相关函数进行周期提取，以模拟Sink节点采样和采样副本的初始化过程。恶意节点采用NS2随机函数动态生成，若Sink节点检测到相关函数出现异常，则判断某节点为疑似恶意节点，再进一步分析。3.1恶意节点检出率图5为本研究算法和文献 12 算法及文献 13 算法在恶意节点检出率方面的仿真测试结果。由图5可知，本研究算法具有恶意节点检出率较高的特点，恶意节点捕获性能卓越。这是由于本研究算法在精确设计节点聚类的基础上，能够进一步按照多种参数对恶意节点予以鉴权，因而能够及时捕获处于潜伏状态的恶意节点，恶意节点检出率较高。文献 12 算法虽然能够通过网络编码和数据编码2种因子对网络节点予以简单化，不过由于该算法未考虑到沉默节点相关特征，恶意节点沉默现象发生概率要高于本研究算法，因而恶意节点检出率较低。文献 13 主要按照分区方式对网络节点予以块挖掘处理，存在特征匹配不够的情况，降低了恶意节点检出概率，因此该算法还需要进一步改善以匹配恶意节点特征。3.2恶意节点检出频次图6为本研究算法和文献 12 算法及文献 13 算法在恶意节点检出频次方面的仿真测试结果。显然，本研究算法具有恶意节点检出频次较高的特点，这是由于本研究算法考虑到沉默节点具有隐蔽性和流量突发特性，设计了基于多参数的聚类内积方式，能够以较快的速度实现对恶意节点精确递归聚类，因而恶意节点检出效果较好。文献 12 算法在沉默节点处理问题上考虑不足，在查证过程中对存量沉默节点未予以精确识别，因而恶意节点检出效果要劣于本研究算法。文献 13 所采取的块挖掘方式仅能按区域监测出恶意节点存在性，进一步挖掘恶意节点亦导致网络出现严重抖动，降低了算法性能，进而使得恶意节点检出效果较差。图4聚类聚合机制Fig.4Cluster aggregation mechanism表1基本仿真参数表Tab.1Basic simulation parameters table参数网络部署区域面积节点布设方式节点是否游走节点密度单节点数据传输速率网络最大分区数量恶意节点个数网络运行时间数据监测粒度信道制式节点制式数值5 120 m5 120 m随机布撒是24个/m21 Mbit/s128不低于20个不低于10 min1 min莱斯信道LTE132杨巧曼：基于分组特征捕获机制的移动传感网恶意节点搜寻算法4 结 语 为解决当前移动传感网难以精确捕获恶意节点，且对恶意攻击行为评估能力较为薄弱等不足，本研究提出了一种基于分组特征捕获机制的移动传感网恶意节点搜寻算法。该算法主要通过基于聚类内积机制的节点初始筛查方法和基于聚合机制的恶意节点搜寻方法提高对恶意节点的感知能力，从而达到较好的网络安全防御性能。下一步，本研究算法拟引入区块链加密算法，针对存量和增量节点均进行鉴权处理，以进一步提高算法部署效果，促进本研究算法在实践中得到更为广泛的部署应用。参考文献：1PAYAM P R.Access point selection in the network of internet of things（IoT）considering the strategic behavior of the things and usersJ.The Journal of Supercomputing，2021，77（12）：1-23.图5恶意节点检出率Fig.5Malicious node detection rate图6恶意节点检出频次Fig.6Malicious node detection frequency133系统仿真技术第 19 卷 第 2 期2SAPUTRO Muhammad Yanuar Ary，SARI Riri Fitri.Performance evaluation of broadcast domain on the lightweight multi-fog blockchain platform for a lora-based internet of things networkJ.Energies，2021，14（8）：2265.3PANCHIKATTIL S S，DNYANDEO J P.A fuzzy multicriteria decision-making based CH selection and hybrid routing protocol for WSNJ.International Journal of Communication Systems，2020，33（15）：542-551.4WU Tong，YANG Guomin，ZHU Liehuang，et al.Privacy-preserving voluntary-tallying leader election for internet of thingsJ.Information Sciences（Ny），2021，574：461-472.5TABASSUM T，HOSSAIN A S，RAHMAN A M，et al.An efficient key management technique for the internet of things J.Sensors，2020，20（7）：2049.6KALYANI G，CHAUDHARI S.An efficient approach for enhancing security in internet of things using the optimum authentication key J.International Journal of Computers and Applications，2019，42（3）：306-314.7ASHAJ S J.Energy saving data aggregation algorithms in building automation for health and security monitoring and privacy in medical internet of things J.Journal of Medical Imaging and Health Informatics，2020，10（1）：204-210.8DINA D，YASSER G.A.Comprehensive wireless sensor network reliability metric for critical internet of things applications J.EURASIP Journal on Wireless Communications and Networking，2017（1）：1-18.9TAREK Gaber，SARAH Abdelwahab，MOHAMED Elhoseny，et al.Trust-based secure clustering in WSN-based intelligent transportation systemsJ.Computer Networks，2018，146：151-158.10吕敬祥，廖海红.分区大规模无线传感网络多跳LEACH 协议 J.井冈山大学学报（自然科学版），2017，38（6）：38-42.LV Jingxiang，LIAO Haihong.Sector based multi-hop LEACH protocol for large scale wireless sensor networksJ.Journal of Jinggangshan University（NaturalSciences Edition），2017，38（6）：38-42.11LIU Q，ZENG M.Network security situation detection of internet of things for smart city based on fuzzy neural networkJ.International Journal of Reasoning-based Intelligent Systems，2020，12（3）：55-62.12SHANMUGAM A，PARAMASIVAM J.A two-level authentication scheme for clone node detection in smart cities using internet of things J.Computational Intelligence，2020，36（3）：1200-1220.13LIU Y H，ZHANG S.Information security and storage of internet of things based on block chainsJ.Future Generation Computer Systems，2020，106（C）：296-303.杨巧曼 女（1990-），陕西咸阳人，硕士，讲师，主要研究方向为经济数学、数学教育。134