[发明专利]一种UWSNs中基于分簇的信任云数据迁移方法

说明书

本发明公开了一种UWSNs中基于分簇的信任云数据迁移方法，首先将网络部署的节点进行分簇，簇头周期性地计算簇内的平均剩余能量值，当簇内平均剩余能量值低于给定的阈值时，簇头通过sink节点向AUV发送信任云数据迁移请求；其次，AUV根据节点发送的信任云数据迁移请求，考虑剩余能量、平均簇间距离、迁移路径长度、信任值因素，计算最优的信任云数据迁移目的节点，该过程主要包括目的簇的选择与目的节点的确定；然后，AUV与存储信任云数据的节点通信获取要迁移的信任云数据，并将信任云数据迁往目的节点；最后，更新AUV迁移过程中产生的信任云数据。本发明能够平衡网络部署区域的能量消耗分布，最大化网络寿命。

技术领域

本发明属于无线传感器网络技术领域，具体涉及一种UWSNs中基于分簇的信任云数据迁移方法。

背景技术

目前，水下无线传感器网络(UWSNs)的研究已成为一个热门话题。然而，由于水下环境与水下移动的传感器节点的控制条件比陆上传感网困难的多，UWSN尚未在复杂的水下环境中得到充分的利用。其中一个重要的问题就是如何保证UWSN的安全性。

传感器节点的部署易于遭受恶意攻击与突发故障，作为入侵容忍机制的重要解决方法，信任管理可以通过分析节点及其邻居节点的行为，采用信任值描述节点的可靠性，从而保证传感网络的节点安全性及有效运作。

信任模型不仅在保障网络安全方面有积极的应用价值，在实现传感器节点的协作中也起着重要作用。国内外研究人员对传感网络的信任机制已经有许多研究，相关的文献如下：

2004年，Ganeriwal等人在《Reputation-Based Framework for High IntegritySensor Networks》提出了一种基于贝叶斯理论的信任框架(RFSN)，这是第一个为无线传感器网络提出的信任模型，其中成功的通信量与不成功的通信量用来计算信任证据，并进一步通过使用贝叶斯公式来获得传感器节点的信任值。传感器节点监视其邻居节点的通信行为并维护其他节点的信誉，这种信誉可以用作预测节点未来行为的固有特性，从而可以识别行为不当的节点。实验结果表明RFSN能够有效识别各种故障情况下的行为不当的节点。

2014年，Xu等人在《Representation for Uncertainty Trust of WSN Based onLightweight-Cloud》提出一个简单的信任模型，每个传感器节点可以建立独立的轻量级云信任模型(LCT)并可以对其邻居节点的信任进行全面评估，从而发现无线传感网中的安全问题。云理论主要用于信任组合和传输计算，并未解决获取信任证据和计算信任值的具体方法，但是它可以很好地描述信任的不确定性，进而该模型可以保证在异常情况下对信任值的高容忍度与识别安全问题的能力。

2015年，Han等人在《An Attack-Resistant Trust Model Based onMultidimensional Trust Metrics in Underwater Acoustic Sensor Network》中提出了一种基于多维信任度量的抗攻击信任模型(ARTMM)来保证UASN中准确、高效的信任评估。ARTMM主要由三种信任度量组成，即链接信任度，数据信任度和节点信任度。在信任计算过程中，仔细分析了通信信道的不可靠性和水下环境的移动性。另外，研究了水下移动环境中的信任更新。仿真结果表明，所提出的信任模型非常适合移动水下环境。此外，在评估精度和能耗方面，ARTMM的性能明显优于传统的信任模型。