分簇无线传感器网络安全多路径路由协议

针对多路径路由难以有效抵御恶意节点对无线传感器网络网络层的安全攻击,将多路径路由与节点可信度评价进行有效结合,以节点的转发数据包成功率和包重传率作为直接信任指标,邻居节点对评价节点的信任作为间接信任指标,提出一种基于可信节点的安全多路径路由协议.为降低网络开销,只对簇头节点进行可信度评价,并利用节点信任值衡量下一跳节点的可靠性,计算能达到期望安全性要求的多路径数目,进行信任多路径路由的建立.仿真结果表明:该协议能够有效地均衡路由能耗,延长网络生存周期,保障无线传感器网络的路由安全.     

用于大规模无线传感器网络突发事件监测的路由策略

针对大规模无线传感器网络(Wireless sensor network:WSN)突发事件监测的应用问题,提出了一种基于事件驱动成簇和时延梯度路径树的路由策略。该策略在簇头选举时综合考虑了节点剩余能量、距离Sink节点的跳数、与邻居节点的连通性以及父节点数目等因素以节省和均衡网络能耗,并通过时延梯度路径树和多路径选择实现数据的及时和可靠传输。仿真结果表明:该策略能够提高无线传感器网络的能量效率,使网络生命周期比LEACH(Low-energy adaptive clustering hierarchy)算法和AEEC(Adaptive and energy efficient clus-tering algorithm)算法分别提高2倍和1.4倍,比ARPEES(Adaptive routing protocal withenergy efficiency and event clustering for wireless sensor networks)算法延长了15%。     

基于Omnet++的虫洞攻击的仿真实现

虫洞攻击(wormhole attack)是Ad Hoc网络中一种常见的路由攻击方法。在移动Ad Hoc网络中,虫洞攻击会严重破坏路由协议的正常运行,甚至使整个网络陷于瘫痪。基于Omnet++网络仿真器设计实现了Ad Hoc网络中的虫洞攻击,并提出若干衡量虫洞攻击的指标。仿真实验表明,由于虫洞攻击节点的破坏,网络的性能明显下降。     

基于信任行为感知的WSN主动识别安全算法

在无线传感器网络中，为了解决恶意节点通过伪装窃取数据，造成WSN中敏感信息丢失问题，提出了一种基于可信连接架构的安全访问模型。通过引入调节因子和挥发因子可以自适应调整节点历史信任值对综合信任度的影响，阻止恶意节点通过群体欺诈获取信任值，同时设置节点最低信任阈值，以防止节点受到虚假转发数据、拒绝转发数据的影响。利用主动识别策略识别网络中可能存在的信任攻击，进一步提高模型的安全性。结果表明：该方法可以对网络中的信任攻击行为进行有效地识别，从而提升了对恶意结果的检测率和恶意节点的识别速度；能有效降低节点时延，减少网络丢包，延长生命周期。     

融合多指标的WSN动态信任评估预测模型

针对无线传感器网络中恶意节点引发的安全问题,在贝叶斯信任模型基础上,引入信誉维护函数自适应降低前期节点交互行为次数的影响,引入异常弱化因子,降低由网络自身故障所带来的节点异常行为的误检,结合模糊评判方法进行直接信任计算,为提高推荐信任评估的可靠性,采用贴近度理论对不同的推荐节点赋予权重再分配获取间接信任,为提高信任模型的检测精度,采用加权因子,由直接信任值以及间接信任中的变量共同确定综合信任值的大小,借助自适应权值动态更新综合信任值,有效避免短时间内信任的迅速提升,并利用滑动时间窗对综合信任值进行预测,搭建了融合多指标的WSN动态信任评估预测模型FSEPM,将预测信任值与实际信任值的差值与信任阈值相比较,以判定节点性质。仿真结果表明：该信任评估模型可精确可靠评估节点之间的信任关系,能够有效检测出网络中的恶意节点,提高网络的安全性。     

基于通信节点的WSN自主聚类非均匀分簇路由协议

针对无线传感器网络中如何有效地利用有限的节点能量来延长网络的生命周期这一问题,提出一种基于通信节点和多跳传输相结合的多因素自主聚类分簇路由协议.该协议通过结合节点的剩余能量、簇头与基站之间的距离以及邻居节点的数目等因素来优化路径节点的选择,改进了多跳传输的局部最优路径构造算法.仿真结果表明:与现有协议相比,该协议能够有效地节省传感器节点的能量,平衡网络能量分布,延长网络的使用寿命.     

RSSI无线传感器网络中Sybil检测模型技术研究

为了提高无线传感器网络在存在恶意攻击时的节点定位精度,分析了无线传感网络Sybil攻击特点,就基于RSSI的安全定位技术进行了深入研究.提出了利用RSSI比率和设置门槛来检测Sybil攻击,比较了接收节点数目对检测攻击效果的影响,用两个接收节点的RSSI比率值就可以准确地检测到Sybil攻击.仿真结果表明:所提出的检测...     

WSNs基于信誉机制的恶意节点识别模型

为了抵御无线传感器网络内部节点的拜占庭行为以及自私行为,针对现有恶意节点识别系统检测功能单一、不可抵御高信誉节点的恶意诽谤行为等问题.提出了一种无线传感器网络下的恶意节点识别模型,该模型采用Beta分布描述信誉分布,引入了第三方节点的间接可信度,并将多种攻击类型相对应的节点信任值进行整合.仿真实验表明,该模型能够更快更准确地识别出发起多种攻击的恶意节点,并在一定程度上抵御了高信誉节点的恶意诽谤行为.     

基于关联度分析的WSN节点信任模型研究

该文基于社会网络关联度分析的无线传感网络节点信任模型进行研究。给出了无线传感器网络的模型并将其与社会网络模型进行了相似性分析;建立了基于社会网络关联度的WSN节点信任模型,提出了基于关联度的传感器节点信誉度的计算方法;并设计了基于滑动窗口的传感器节点信任值计算及更新算法(SNTUA)。通过仿真实验,证明了该算法的有效性和准确性,其性能优越于其他两种算法。     

一种基于节点信誉度的无线传感器网络信任模型

针对无线传感器网络节点存在不信任因素的问题,利用无线传感器网络节点的数据、带宽和能量建立信任模型,并将信任模型引入到无线传感器网络管理体系中,此时网络组建和节点各种行为都以信任度为依据.从模拟实验结果可以看出,该模型可以减少网络的丢包率,网络具有更高不信任行为检测率.     

P2P电子商务中一种基于交易标的额 的信任评价模型

信任评价机制是P2P电子商务中一种能够识别恶意节点并确保系统正确性和可用性的有效机制。信任评价机制的准确性依赖于信任值的计算方法。目前大多数信任评价机制中没有考虑交易金额对信任值的影响,文章提出了一种基于交易标的额的信任评价模型,并给出了一种动态信任阈值设定机制,实验表明该信任模型能有效防止节点的恶意行为,可以很好地应用于P2P电子商务中。     

一种拓扑感知的虚拟网络重构算法

针对底层物理网络负载不均衡问题,根据节点和链路的负载状态,动态地选择负载过大的物理节点和物理链路进行重构。通过建立拓扑感知的虚拟网络重构模型,将虚拟节点迁移到距离其邻居映射节点最近的物理节点上,优化底层物理网络中虚拟重构节点的映射位置,降低虚拟网络重构的资源开销。模拟结果表明,TA-VNR算法有效地均衡了底层物理网络的负载水平,降低了虚拟链路的重构路径长度,提高了虚拟网络请求接受率。     

改进的基于可信群P2P电子商务信任模型设计

针对当前信任模型网络消耗大、交易安全得不到保障的缺陷,改进了一种基于可信群的信任模型TCTM。通过对可信节点关键值的计算,将网络中一些相关的节点加入到特定的可信群中,通过多个参数来选择一个综合性能最高的节点作为超级节点。引入交易时间、交易规模、交易次数和惩罚项来进行信任值的计算。实验表明,该方法能提高交易的稳定性和抗共谋攻击能力。     

无线传感器网络中一种基于D-S证据理论的监测机制

针对现有的信任模型不能快速有效处理WSNs中的恶意节点以及证据组合时可能会出现的反直观结果问题,本文提出了一种基于改进D-S证据理论的信任模型。结合D-S证据理论本身所存在的缺陷,本文对其合成规则进行了修正。基于修正的D-S证据理论,设计了WSNs中识别和隔离行为不良节点的监测机制,并且对该监测机制进行了仿真分析。仿真结果表明,该机制能够快速准确的发现和隔离恶意节点,而且在一定程度上抑制了恶意节点的共谋,提高了网络的性能。同其他信任模型相比,该机制更具安全性、健壮性和准确性。     

基于混合高斯分布的传感器网络主观信任模型

在传感器网络中,节点可信度常受到节点性能和环境的影响而呈现周期性变化,针对现有信任模型对这种情况的动态适应性不足,提出了一种基于混合高斯分布的传感器网络主观信任模型(MGSRM).该模型通过建立多个高斯分布函数对应被评价节点的多个可信度"状态",提高了信任值计算的动态适应能力.使用当前信任值和综合信任值分别评测被评价节点的短期行为和长期行为,具有针对性和实用性.仿真分析表明,与已有信任模型相比,MGSRM模型在准确性、动态适应能力和学习记忆能力等方面具有优势.     

基于JXTA的P2P网络时域上信任模型的设计与实现

提出了一种时域上的P2P网络信任模型,在进行节点信任值计算时,考虑了时间因子对信任值的影响,距离当前时间越远的交易行为在信任值计算时的参考价值越小。当交易失败或发生欺骗时,目标节点会受到惩罚,激励节点提供好的服务。最后,使用JXTA技术实现了该模型,并将它与LiXiong提出的信任模型进行了比较。理论分析和仿真实验表明,该模型能很好的反映节点的当前状态,并能抵御虚假推荐进行的欺骗。     

基于链接的无线传感器网络簇中可信模型

通过引入社会网络中链接的概念,提出1种无线传感器网络簇中可信模型,以更有效地检测非正常节点。模型把对节点的信任分成持久信任和即时信任,在即时信任和持久信任的基础上计算每个节点的信誉,利用信誉检测非正常节点。通过实验分析了阀值的取值并将本研究模型与其他模型进行比较。实验结果表明,在检测非正常节点方面,基于链接的簇中可信模型比GTMS(group-based trust management scheme)和RFSN(reputation-based framework for sensor network)更为优秀。