[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

摘要

本发明公开了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，该方法结合孤立森林算法和投票机制获得锚节点中的可靠信息，并利用可靠信息建立检测模型。该方法仅需单个测距算法进行测距，不需要利用多个测距算法进行测距，同时，避免了多种测距方法过程中其中一种完全未被攻击的假设，更适合真实场的使用，即不需要假设完全不受攻击。利用孤立森林筛选正常样本，投票机制筛选正常样本中的参考锚节点实现多重的挑选，确保参考锚节点的可靠性，从而间接的保证后续依据参考锚节点获得恶意锚节点的过程；还利用差值信息进行序贯概率比检验，进一步提高恶意锚节点的检测，提高锚节点的检测正确率，也提高了后续目标节点最终定位的准确性。

主权项

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：/nS1、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；/nS2、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；/nS3、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；/nS4、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；/nS5、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。/n