一种无线传感器网络节点的故障检测算法

在无线传感器网络(WSN)中,容易因为故障节点存在冗余的故障属性、噪声数据以及数据可靠性等问题,从而产生传输错误数据,这将极大地消耗WSN节点中能量和带宽,向用户形成错误的决策。为此,提出了基于蚁群算法和BP神经网络模型的WSN节点故障检测方法。通过使用蚁群算法,使用户通过寻找优化路径来定位WSN节点的位置,通过这种随机搜索算法以及蚁群算法的搜索策略使用户对WSN故障节点的位置进行总体把握。然后又基于BP神经网络模型对获取的WSN故障节点信息进一步学习,在数据训练过程中,依据WSN故障节点预测误差,并进一步调整网络的权值和阈值,增加了故障诊断的精度。采用的算法对检测WSN故障节点具有较好的性能,使无线传感器网络的服务质量大大提高,增强了系统的稳定性,实验结果验证了算法的可行性和有效性。     

基于簇的分布式传感器故障检测算法

针对大规模无线传感器网络(WSN)中故障检测准确率降低,并产生较大通信负载的问题,根据传感器节点的时空相关性特点,提出一种基于簇的分布式传感器故障检测算法。通过邻居节点间的数据交换和互相测试检测簇首节点,并以正常簇首节点作为参照诊断故障节点。性能分析与实验结果表明,在大规模WSN中,该算法具有良好的故障检测能力和较低的通信负载,在邻居节点数较少、节点故障率较高的情况下,能达到98%以上的故障检测准确率,并保持较低的能耗水平。     

利用置信规则库构建WSN节点故障检测模型

在无线传感器网络(wireless sensor network, WSN)节点故障检测领域的研究过程中,故障检测准确率会受节点数据的不确定性和专家知识模糊性的影响。针对这一问题,本文提出了一种基于置信规则库(belief rule base, BRB)的WSN节点故障检测方法。首先,根据WSN工作原理及节点工作特性描述WSN节点故障检测过程;然后,从空间和时间2个维度对节点数据提取特征,建立基于空间和时间相关性的WSN节点故障检测模型;最后,利用Intel Lab Data无线传感器数据集进行案例研究以验证模型的有效性。结果证明,本文方法能够统筹利用专家知识和节点数据实现WSN节点故障检测。     

基于邻居节点预状态的无线传感器网络故障诊断算法

针对无线传感器网络（WSN）故障节点率高于50%时故障检测率降低的问题,提出一种基于邻居节点预状态及邻居节点数据的无线传感器节点故障诊断算法。首先利用节点自身历史数据对节点状态进行初步预判断;然后结合节点间相似性和邻居节点的预状态对节点状态进行最终的判断;最后利用移动传感器节点将故障节点信息通过最优路径发送给基站,有效地减少了通信次数。仿真实验在100 m×100 m的方形区域内模拟WSN。实验结果表明,与传统的分布式故障诊断（DFD）算法相比,诊断精度提升了9.84个百分点,并且当节点故障率高达50%时,该算法仍能达到95%的诊断精度。在实际应用中,所提算法在提高故障诊断精度的同时,能有效地减少能量消耗、延长网络寿命。     

FISDR:一种新的故障注入无线传感器网络性能评估系统

在无线传感器网络WSN中,可靠性和容错性是评价WSN稳定性的重要指标。在WSN的实际应用中常会发生很多故障(Fault)和干扰,采用故障注入FI技术可以向WSN人为地注入这些故障和干扰,通过观察注入故障后网络的反应来评价网络的可靠性和容错性,从而对网络机制进行改进来提高网络的可靠性和稳定性。本文提出的FISDR是一种采用故障注入的WSN性能评估系统,基于软件故障注入方法,采用一对一的方式通过特殊接口与WSN节点连接,向WSN节点注入故障命令。该系统一是可以有效地向WSN注入各种实际应用时可能遇到的故障和干扰并观察网络运行的状况;二是可以接收包括WSN节点和其它各种设备通过特殊接口发来的数据,并将其存储;三是配有上位机软件对网络拓扑结构进行监控、对传输成功率进行统计并对存储的大量信息进行分析,从而对WSN网络及其可靠性做出评价。本系统在一栋五层办公楼分别用数十个WSN节点和FISDR节点做实验,实验内容包括使用FISDR向WSN注入大规模的故障并统计网络的反应状况,验证FISDR故障注入的效果,从而对FISDR的性能进行测试和分析。实验结果表明,FISDR可以有效地向WSN注入各种故障以评价其可靠性,在测试WSN及其可靠性评价方面有很高的应用价值。     

多传感器网络中的分布式故障检测算法

在传感器网络中,分布式故障检测算法(DFD算法)通过与所有邻居节点的传感器数据的比较判断,实现节点传感器的故障检测。但是,在故障节点聚集的网络区域,故障节点比例的上升将导致该区域的故障检测精度显著下降。针对多传感器网络,本文利用多传感器在相同区域的故障分布差异及传感器之间关联特性对DFD故障检测算法进行改进,提出适用于多传感器网络的MDFD算法,提高了故障聚集区域的检测精度。性能分析和仿真结果表明:在节点故障率高的网络中,与DFD和IDFD算法相比,MDFD提高了故障检测精度,算法适用于节点分布稀疏和传感器故障率较高的网络。     

MRNN:一种新的基于改进型递归神经网络的WSN动态建模方法:应用于故障检测

提出了一种适用于无线传感器网络WSN的故障检测方法,该方法运用改进的递归神经网络MRNN为WSN的节点、节点的动态特性以及节点间的关系建立相关模型,对WSN节点进行识别和故障检测。MRNN的输入选择建模节点的先前输出值及其邻居节点的当前及先前输出值,模型基于一种新的改进的反向传播型神经网络,该神经网络的输入以及传感器网络的拓扑结构基于通用的非线性传感器模型。仿真实验将MRNN方法与卡尔曼滤波法进行了全面的比较。实验表明,MRNN在置信因子较小的情况下与卡尔曼滤波方法相比有较高的故障检测精度。     

基于故障定位集的无线传感器网络故障检测

由于无线传感器网络(WSN)节点的位置分布广,网络出现故障后如何进行故障检测以实现功能的恢复显得尤其困难,因此,探索快速有效的网络故障检测方法对于大规模WSN的可靠应用很有必要;基于最小故障定位集,提出了一种新的故障定位和故障检测方法;该方法在WSN分布式结构模型基础上,将网络节点与节点间的连接关系以图的方式进行描述,利用最短路径分析方法,来对WSN中出现的故障进行定位和检测;应用分析表明,该算法可以快速有效实现WSN故障定位与检测.     

无线传感器网络拓扑识别算法

获取无线传感器网络(WSN)的拓扑信息对于网络规划和管理具有重要意义。针对采用数据融合机制的无线传感器网络(WSN),证明了以某一节点的父节点的数据成功传输为条件时,该节点丢包的条件概率最小;以上述结论为基础,提出了一种新的WSN拓扑识别算法,仅以端到端的测量信息作为依据,可以在不增加网络负载、无需中间节点协作的情况下,获得准确的拓扑结构。NS-2仿真结果表明了该算法的有效性。     

基于Beta信誉系统的鲁棒安全定位算法

针对存在恶意节点情况下的无线传感器网络(WSN)节点定位问题,提出基于Beta信誉系统(BRS)的鲁棒安全定位算法。在BRS基础上建立信任评估框架,传感器节点在多跳通信范围内将锚节点的最终信任值与所存储的阈值进行比较,从而降低WSN中恶意攻击的影响。采用基于泰勒级数展开的加权最小二乘法估算普通传感器节点的坐标,以识别WSN中的恶意锚节点,并提高节点定位精度。仿真结果表明,与RMLA2,RMLA1,Bilateration,t-TLS定位算法相比,该算法在恶意锚节点不存在串通的情况下定位精度分别提高约10%,15%,55%,110%,在恶意节点串通的情况下定位精度分别提高约15%,20%,65%,150%。     

基于推荐信任模型改进拜占庭容错共识算法

针对拜占庭容错算法存在通信开销大、节点选取简单、对恶意节点缺乏惩罚机制的问题,提出了一种基于推荐信任模型的改进拜占庭容错共识算法。引入P2P网络下的推荐信任模型,根据节点在共识阶段的行为,计算各节点的全局信任值,使用节点选取机制,解决节点选取简单的问题。全局信任值高的节点进入共识组,恶意节点被踢出共识组不再参与共识,解决恶意节点缺乏惩罚机制的问题。实验表明,R-PBFT较PBFT具有更低的网络开销和更高的容错性。     

基于在网计算加速的拜占庭容错算法

拜占庭容错算法是一类能够容忍各种形式的软件错误和安全漏洞的容错算法,对云计算的可靠性保障有着重要意义.与其他容错算法相比,拜占庭容错算法稳定性更高,但是其性能表现低下,不能满足当前系统对高吞吐、低延时的需求.在网计算是一种以数据为中心的体系结构,它用网络承担部分计算功能,使数据在流动过程中获得处理,从而提高系统性能.为解决拜占庭容错系统的问题,提出了一种基于在网计算的拜占庭容忍共识算法优化方案,将算法的一部分处理任务卸载到网卡上执行,利用网卡和处理器形成的多级流水线提升系统吞吐量.由于仅使用在网计算的方案在特定场景下效果不佳,因此,使用多线程方法来提升优化方案的可扩展性.同时,对算法进行了详细的系统评测,实验结果表明:相对于普通的拜占庭容错系统,使用在网计算与多线程结合的优化方案能够获得46%的吞吐率提升以及65%的延迟下降,证明了基于在网计算的拜占庭容忍共识算法优化方案的可行性与有效性.     

WMN中拜占庭容错网络结构及算法

为提高无线Mesh网络(WMN)的可靠性,以可信计算领域中的拜占庭容错原理为基础,引入拜占庭单元概念,构建一个WMN拜占庭容错网络结构,并提出一种拜占庭算法,用以改进现有WMN路由协议.仿真结果表明,改进的路由协议能对异常节点信息进行容错处理,获得正确的节点信息,增强网络的容错能力,达到提升WMN可靠性的目的.     

基于网络自聚类的PBFT算法改进

联盟链是区块链技术在实际行业应用的主要形式,其共识机制多采用实用拜占庭容错算法(PBFr),在节点数量大时共识成功率与共识效率不高,存在扩展性问题.为此,提出一种基于网络自聚类拜占庭容错共识算法NAC-PBFT.利用行业应用中网络结构、系统节点等确知信息,在联盟链审核节点时指定种子节点,再以种子节点为中心自聚类为若干分组,组内通过优化实用拜占庭容错算法选举出代理人,由各组代理人共同完成全局共识.其中,组内选举时,通过定义可信度指标衡量节点作为筛选候选代理人的标准,确保每次选出的代理人具有良好的状态.通过对系统分析与性能测试,NAC-PBFr算法能有效降低消息量,在共识时间、系统吞吐量指标上有更好的表现,具备较好的扩展性.     

基于Gossip协议的拜占庭共识算法

区块链是一种对等网络的分布式账本系统,具备去中心化、不可篡改、安全可信等特点,因此受到了广泛关注。在区块链系统中,典型的拜占庭错误包括操作错误、网络延迟、系统崩溃、恶意攻击等。现有共识算法不仅对区块链中拜占庭节点的容错能力低,而且对区块链系统的可扩展性差。针对这一问题,文中提出了基于Gossip协议的拜占庭共识算法,使系统可以容忍小于一半的节点为拜占庭节点,能够达到XFT共识算法的容错能力。同时,因为采用了统一的数据结构,所以系统具有更好的可扩展性,并且有利于正确节点识别区块链系统中的恶意节点。在该算法中,提案节点随着区块链长度的变化而转移,系统中所有节点都处于对等的地位,从而避免了单点故障问题,进而使得系统具有更好的动态负载均衡的性能。     

实用拜占庭容错算法的改进研究

针对实用拜占庭容错算法（PBFT）存在的通信复杂度高、主节点选取简单、对拜占庭节点缺乏惩罚机制的不足,提出了一种基于节点可靠性评估的改进拜占庭容错算法（reliability-based Byzantine fault tolerant algorithm,RB-PBFT）,引入节点基础配置评分机制及信誉评分机制,得到各节点的可靠性评分,评估节点的可靠性并将各节点标记为诚实、故障、恶意三种不同信任状态。根据节点的可靠性评分选取主节点并组建共识群组参与共识,以减少参与共识过程的节点数目,降低通信复杂度,提高系统效率。根据节点的不同信任状态设置节点管控机制,对节点进行分类处理,解决缺乏恶意节点惩罚机制的问题。实验表明,RB-PBFT算法较于PBFT算法,在算法通信复杂度、安全性、公平性及容错性等方面均有一定提升。     

面向边缘计算应用的拜占庭式容错分布式一致性算法

为解决边缘计算中边缘节点易于被攻击或俘获产生拜占庭错误,从而破坏边缘计算应用可用性的问题,设计一种面向边缘计算应用的拜占庭容错分布式一致性算法Edge-Raft。该算法在现有的经典Raft算法基础上,针对边缘环境中潜在的拜占庭错误进行重新设计,通过引入数字签名、同步日志检测、轮询选举、惰性投票、三阶段日志同步等机制,使其具有拜占庭容错特性的同时,将消息传递的复杂度限制至线性级,保证小于1/3的集群总数的边缘节点发生拜占庭错误时仍能为用户提供有效服务。基于不同节点规模的实验结果表明,与现有Raft算法相比,该算法在保留Raft算法可理解性的基础上,保证算法在边缘环境中的可用性与活性。相比于现有的实用拜占庭容错算法,所提算法将消息传递的时间复杂度限定在线性级,保证该算法在多节点边缘环境中的可拓展性。     

一种可应用于联盟链的拜占庭容错共识算法

针对联盟链应用场景,分析了目前应用最广泛的PBFT（practical Byzantine fault tolerance,实用拜占庭容错）算法中的高通信成本和主节点选取的问题,提出了OBFT（optimistic Byzantine fault tolerance,乐观同步拜占庭容错）算法。首先,针对高通信成本问题,OBFT算法通过动态超时时间实现了乐观同步拜占庭容错,并且结合了PBFT算法中的检查点协议,当触发超时时,说明此时节点处于异步状态,为了实现拜占庭容错,算法切换回部分同步拜占庭容错,即执行PBFT算法的commit阶段,并且以stable checkpoint为新一轮乐观拜占庭容错的起点。其次利用积分制优化了主节点选取过程,保证可供选择的主节点符合区块链最长链原则。最后通过本地多节点仿真实验表明,OBFT算法提升了数据吞吐量和可拓展性,并且有效地降低了交易延迟。     

基于Raft算法改进的实用拜占庭容错共识算法

针对应用于联盟链的实用拜占庭容错（PBFT）共识算法可扩展性不足、通信开销大等问题,提出了一种基于Raft算法改进的实用拜占庭容错共识算法K-RPBFT。首先,将区块链分片,使用K-medoids聚类算法将所有节点划分为多个节点簇,每个节点簇构成一个分片,从而将全局共识改进为分层次的多中心共识;然后,每个分片的聚类中心节点之间使用PBFT算法进行共识,而在分片内部使用基于监督节点改进的Raft算法进行共识。K-RPBFT算法的片内监督机制赋予了Raft算法一定的拜占庭容错能力,并提升了算法的安全性。实验分析表明,相较于PBFT算法,K-RPBFT算法在具备拜占庭容错能力的同时能够大幅降低共识的通信开销与共识时延,提升共识效率与吞吐量,并且具有良好的可扩展性与动态性,使联盟链能够应用于更广泛的场景中。     

基于演化博弈的理性拜占庭容错共识算法

拜占庭容错算法(byzantine fault-tolerant)是保证区块链等分布式系统能够达成一致性的重要算法,其性能影响着系统的安全性和稳定性。针对现有共识算法存在效率低下和缺少激励机制等问题,提出了一种基于演化博弈的理性实用拜占庭容错共识算法。首先,通过引入信誉机制来确定节点在共识过程中的可信任度,以信誉值为理性节点共识积极性的依据,基于信誉对共识节点进行划分,采用节点网络分片化的共识方式来提升共识效率;其次,针对共识过程中节点之间链路动态性对信誉值产生的影响建立演化博弈模型,并分析证明信誉稳定策略的存在性,设计基于信誉稳定策略的激励机制,以提升共识节点参与共识的积极性。实验结果表明,所提共识算法可提升40%的吞吐量,且在共识过程中对节点所设计的信誉演化博弈模型有快速收敛的效果。