[发明专利]一种基于动态信任评估模型的智能家居安全数据采集方法

说明书

一种基于动态信任评估模型的智能家居安全数据采集方法，该方法包含智能家居网络模型和信任评估模型两个部分，使用基于区域划分簇的方法构建网络模型和部署传感器节点实现稳定的数据传输路径；设计一种基于信任评估安全模型，该模型考虑了通信信任、数据信任、直接信任和间接信任，并结合历史行为和当前行为对信任值进行更新；进一步，提出了一种基于时间窗口和安全信任差值的恶意节点识别方法，该方法能有效识别网络中存在的恶意节点和背叛节点，降低恶意簇首比例。本发明的智能家居安全数据采集方法既保证了网络数据传输量和生命周期，又提高恶意节点识别率和降低恶意簇首比例，进一步保证了数据传输的安全性。

技术领域

本发明涉及智能家居安全领域，具体是指一种基于动态信任评估模型的智能家居安全数据采集方法。

背景技术

智能家居是物联网的重要应用领域之一，它以物联网技术和硬件设备为基础，不仅提供了传统家居环境的居住功能，还构建了一个小型物理世界，提供了全方位的信息交互功能，极大地满足了住户对舒适性、多功能性、便利性、安全性等生活品质日益增长的需求。在智能家居环境中部署了大量传感器设备用于感知、采集和传输环境数据，由于这些设备收到带宽、能耗、计算能力、存储空间和运行环境等限制，极易被破坏和攻击，因此无法保障数据传输的安全性。

与一般环境监测系统中采集的数据相比，智能家居场景中收集的数据通常涉及用户的生命安全和个人隐私，一旦被非法攻击者利用，其后果非常严重。由于无线传感网络的开放性以及传感器节点自身条件的限制，网络会遭受各类攻击，主要面临的是外部攻击和内部攻击。外部攻击指的是不具备合法权限的入侵者依靠伪装和系统漏洞获取合法用户权限后对家居环境内的网络进行非法访问。内部攻击指的是网络内的传感器节点被不法分子俘获后实施攻击。相比于外部攻击，内部攻击更加不易察觉，对网络通信造成的威胁更大。

常用安全机制如密码学、身份认证、秘钥管理和入侵检测等可以提高网络安全性能，但是对于内部攻击如恶意转发、黑洞攻击、蠕虫攻击和自私节点等，以上安全机制就失去了防御能力。研究发现，信任评价机制能够有效解决内部攻击问题。

因此，为了提高智能家居场景下数据采集的稳定性、有效性和安全性，在数据采集过程中增加信任评估模型作为安全防御机制是很有必要的。

发明内容

为了克服上述背景技术的不足，本发明提供一种基于动态信任评估模型的智能家居安全数据采集方法，既能保证网络寿命，又能抵御内部攻击从而保证数据的安全传输。

为了解决上述技术问题本发明提供如下的技术方案：

一种基于动态信任评估模型的智能家居安全数据采集方法，包括以下步骤：

1)网络模型构建：针对室内家居格局，采用基于区域划分簇的思想对室内环境进行区域分割和传感器节点部署；

2)动态信任评价模型构建，包含信任监测模块、信任计算模块和信任决策模块；

3)信任计算方法和信任整合方法设计；

4)信任更新方法设计；

5)基于时间窗口二次筛选的恶意节点识别方法设计；

6)结合网络模型和信任评估模型，提出一种安全数据采集方法，该方法具体包含三个阶段：簇首选取阶段，成簇阶段和稳定传输阶段，过程如下：