[发明专利]基于孤立森林和序贯概率比检验的恶意锚节点检测方法

权利要求书

1.一种基于孤立森林和序贯概率比检验的恶意锚节点检测方法，其特征在于，包括步骤：

S1、目标节点发出定位请求，在其通信范围内的N个锚节点向目标节点发送数据，N≥3，目标节点获得锚节点的位置信息以及锚节点与目标节点之间的测距信息，其中，测距信息通过同一种测距方法获得；

S2、任选N个锚节点中的m个锚节点对目标节点定位，3≤m≤N-r，其中r为N个锚节点中恶意锚节点的总数；将定位使用的m个锚节点以及对应的定位结果作为一个样本，在N个锚节点中共获得个样本；

S3、基于孤立森林算法筛选出个样本中的正常样本，并基于正常样本和投票机制获得可信度高的g个参考锚节点，3≤g≤m，除参考锚节点外的锚节点均视为疑似恶意锚节点；

S4、记N个锚节点中的第i个锚节点与目标节点测距为d_i，记g个参考锚节点对目标节点定位获得的初步定位结果为T_f，记第i个锚节点与初步定位结果T_f的欧式距离为||A_i-T_f||，则d_i与||A_i-T_f||的差值记为D_i＝|d_i-‖A_i-T_f‖|，基于差值信息建立参考误差区间；

S5、基于差值和参考误差区间对疑似恶意锚节点进行序贯概率比检验，判断疑似恶意锚节点是否为恶意锚节点；并利用恶意锚节点外的所有锚节点对目标节点定位，获得最终定位结果；

步骤S4中g个参考锚节点对目标节点定位具体包括：

(1)对g个参考锚节点中的每个参考锚节点进行与目标节点的测距，且每个参考锚节点均与目标节点进行k次测距，并计算每个参考锚节点在k次测距状况下对应的测距平均值；

(2)根据每个参考锚节点的测距平均值以及每个参考锚节点的位置信息对目标节点进行定位，获得初步定位结果T_f；

步骤S4中建立参考误差区间的步骤具体包括：

(1)对N个节点中的第i个锚节点与目标节点进行k次测距，并记k次测距中的第j次测距为d_ij，计算第i个锚节点与初步定位结果T_f的欧式距离为||A_i-T_f||，则第i个锚节点第j次测距d_ij与||A_i-T_f||的差值为D_ij＝|d_ij-‖A_i-T_f‖|；

(2)由于每个锚节点进行了k次测距，所以每个锚节点具有k个差值信息，将参考锚节点视为一个个体，并对参考锚节点标号，c＝1,…,g，对于第c个个体，第j次测距为d_cj，与||A_c-T_f||的差值为D_cj＝|d_cj-‖A_c-T_f‖|，以差值信息视为样本；

对于第c个个体，样本的均值和方差分别为：

对不同个体的样本均值求平均，平均值定义为

并且对个体均值的分布的变异性进行估计：

根据每个个体的样本方差，个体内方差估计定义为其中，

则所有样本的方差总估计为：其中m_h为测量次数的调和均数,由于所有个体的测量次数均为k次，所以有

(3)根据以上信息，得到参考锚节点差值信息的一致性区间，即参考误差区间[D_min，D_max]，其中z_1-a/2为标准正态分布1-a/2的上四分位数，a为显著性水平；

步骤S5具体包括：

(1)根据参考误差区间建立伯努利随机变量为：定义Z_ij＝1的概率为p，并建立假设H₀和H₁：

H₀假设为锚节点为良性锚节点的的情况，有p≤p₀；

H₁假设锚节点为恶意锚节点的情况，有pp₁；

其中p₀和p₁分别为预设的阈值；

(2)定义两类误检率：

定义假阴性率α：当H₁成立时，p≤p₀接受H₀的概率，即恶意锚节点被判定为良性锚节点的概率；

定义假阳性率β：当H₀成立时，pp₁接受H₁的概率，即良性锚节点被判定为恶意锚节点的概率；

(3)利用目标节点与第i个疑似恶意锚节点的第j次测距下的差值D_ij作为序贯概率比检验的检测样本，利用序贯概率比的相关性质,可以得到若j个样本中超过误差区间的个数为S_j，则有：

(a)S_j≤L_j,接受H₀；

(b)S_j≥U_j,接受H₁；

(c)L_jS_jU_j,不能确定，增大j继续检测(j＝1,2,..,k)；

其中，

(4)检测所有疑似恶意锚节点后获得S个恶意锚节点，并利用N-S个锚节点提供的信息对目标节点进行最终定位。