[发明专利]一种抵抗无线传感器网络信任攻击的安全方法

说明书

本发明设计了一种抵抗无线传感器网络信任攻击的安全方法，用于提高识别恶意节点的速度，提高评估恶意的准确性。本发明的信任模型是由直接信任值，间接信任值和综合信任值构成。直接信任值是又节点的直接观察，并且融合了自适应惩罚系数和挥发因子分别来降低恶意节点的信任值和提高信任评估的准确性。间接信任值是根据第三方节点推荐的直接信任值进行计算，但前提是对这些推荐的信任值进行过滤避免恶意节点的恶意评价攻击。最后将直接信任值和间接信任值综合整合得到综合信任值来评价节点是否为恶意节点。

技术领域

本发明属于防御无线传感器网络内部攻击的技术领域，具体涉及一种抵抗无线传感器网络信任攻击的安全方法。

背景技术

随着物联网的飞速发展，无线传感器网络（WSN）越来越广泛地应用于军事，环境监测，医疗，工业生产，交通控制等领域。WSN由众多传感器节点组成，通过自组织的方式组成网络。由于其体积小，低成本和灵活性高的特点，被应用在一些无人值守，环境恶劣的地方。然而无线传感器节点内存有限，计算能力有限，能量有限的特点，这使得WSN容易受到各种攻击的攻击。传统的基于密码体制的加密认证方案只能对抗来自网络之外的外部攻击，其对网络的内部攻击则无法防御。

基于信任的安全模型来抵抗无线传感器网络的内部攻击被证明是有效的，然而信任模型的安全方法也存在一定的危险，尤其针对信任模型本身的信任攻击可以使基于信任的安全模型防御能力降低甚至失效。

可是传统的针对信任攻击的基于信任的安全方法有一定的缺点，即识别速度不够快，信任评估的准确性不高。

发明内容

为了提高识别恶意节点的速度，提高评估恶意的准确性，本发明提出的一种抵抗无线传感器网络信任攻击的安全方法。本发明的信任模型是由直接信任值，间接信任值和综合信任值构成。

所述的的直接信任值是基于邻居节点的接收和发送数据包状况的直接观察，由发送和接收数据包的个数来计算每个邻居的直接信任值。并且，通过节点当前的行为和历史信任值来预测节点未来的安全性。节点根据当前观测到邻居的行为来计算当前信任值，并且在当前信任值中引入一种新的自适应惩罚系数，这个系数可以根据节点的表现来自适应的调整对节点的惩罚力度，从而加快对恶意节点的识别速度。所述的历史信任值是根据节点以前得到的信任值来计算的，使历史信任减轻当前信任的评估，从而降低历史对现在的影响。因为，假如一个正常节点被捕获成为恶意节点，那么成为恶意节点之前，其拥有很高的信任值，这个很高的信任值对当前的信任评估起到阻碍作用。因此引入挥发系数来减轻历史信任的作用，从而达到距现在越久的历史信任其作用效果就越小的目的。

所述的间接信任是和目标节点相互关联的其他邻居节点提供的信任关系。与直接信任值类似，也是一种信任评价等级。节点i评估节点j的间接信任是通过节点i和j的公共邻居节点推荐的直接信任值计算的。但是这个公共邻居节点可能是个恶意节点，它推荐虚假的直接信任值来破坏网络。因此必须对公共邻居节点推荐的信任值进行过滤，过滤掉虚假的信任值，保留真实的。并且对推荐信任值的节点进行惩罚。

所述的综合信任值通过直接信任值和间接信任值进行加权平均。综合信任值的大小是评价节点是否为恶意节点的最终评判。如果综合信任值低于阈值，则代表该节点为恶意节点。

附图说明

图1所示为自适应惩罚系数示意图；

图2所示为节点i与第三方节点u的公共邻居节点示意图。

具体实施方式

下面结合附图对本发明的实施例作进一步的详细说明。

所述的直接信任值是基于邻居节点的接收和发送数据包状况的直接观察，由发送和接收数据包的个数来计算每个邻居的直接信任值。节点i对邻居节点j的直接信任值可表示如下：

（1）