無(wú)線傳感網(wǎng)中兼顧多因素的簇頭選擇算法

張冬旭，秦 智

(成都信息工程學(xué)院信息安全工程學(xué)院，四川成都610225)

0 引言

近年來(lái)，無(wú)線傳感網(wǎng)絡(luò)(Wireless Sensor Network，WSN)技術(shù)廣泛應(yīng)用于軍事、環(huán)境觀測(cè)及預(yù)報(bào)、醫(yī)療護(hù)理、智能家居、建筑狀態(tài)檢測(cè)等多個(gè)物聯(lián)網(wǎng)領(lǐng)域[1]。WSN是一種由眾多的低功耗、低成本的傳感器節(jié)點(diǎn)組成的大規(guī)模動(dòng)態(tài)性自組織網(wǎng)絡(luò)，這些傳感器節(jié)點(diǎn)體積微小且分布廣泛，同時(shí)也存在著一些限制如電源能力有限、計(jì)算和存儲(chǔ)能力有限和通信能力有限等。傳感器節(jié)點(diǎn)的部署環(huán)境復(fù)雜，加上這些限制就導(dǎo)致它容易受到攻擊，存在眾多的安全隱患。因此，需要有效的措施來(lái)提高無(wú)線傳感網(wǎng)絡(luò)的安全性。

網(wǎng)絡(luò)的拓?fù)淇刂凭哂兄匾囊饬x，基于簇結(jié)構(gòu)的拓?fù)淇刂朴欣诜植际剿惴ǖ膽?yīng)用，分簇結(jié)構(gòu)中選舉出簇頭節(jié)點(diǎn)來(lái)?yè)?dān)任數(shù)據(jù)融合的任務(wù)，減少了數(shù)據(jù)通信量。已經(jīng)有多種算法提出，LEACH算法[2]是一種自適應(yīng)分簇拓?fù)渌惴ǎ匝h(huán)的方式選擇簇頭節(jié)點(diǎn)，使各節(jié)點(diǎn)都可以等概率地?fù)?dān)任簇頭節(jié)點(diǎn)，保證網(wǎng)絡(luò)能量相對(duì)均衡[3];PEGASIS 算法[4]是在 LEACH 算法基礎(chǔ)上的一種改進(jìn)算法，網(wǎng)絡(luò)中所有節(jié)點(diǎn)成一個(gè)簇，節(jié)點(diǎn)只與它最近的節(jié)點(diǎn)通信，從而減少能量損耗，延長(zhǎng)網(wǎng)絡(luò)生命周期[5];GAF算法[1]則是定期地選舉出一個(gè)簇頭節(jié)點(diǎn)，只有簇頭節(jié)點(diǎn)保持活動(dòng)，其他進(jìn)入休眠狀態(tài)以節(jié)省能量。以上這些算法都是基于能量因素提出的算法，同時(shí)目前大多的簇頭選擇算法都主要考慮能量損耗問(wèn)題，而很少考慮到其他因素。文獻(xiàn)[6]提出一種WSN中兼顧安全和剩余能量的簇頭選擇方法，該算法有了很大改進(jìn)，綜合考慮到節(jié)點(diǎn)信任和剩余能量因素，但是沒(méi)有考慮到通信、數(shù)據(jù)等因素。在此基礎(chǔ)上對(duì)此算法進(jìn)行改進(jìn)，綜合考慮節(jié)點(diǎn)信任度、通信、能量以及數(shù)據(jù)因素，提出一種兼顧多因素的簇頭選擇算法，使之更全面更適應(yīng)無(wú)線傳感網(wǎng)。

1 相關(guān)算法及研究

1.1 LEACH算法

LEACH(Low Energy Adaptive Clustering Hierarchy)協(xié)議的簇頭選擇算法是分布式的，是一種自適應(yīng)的分簇拓?fù)渌惴ǎ芷谛缘貓?zhí)行該過(guò)程，并且沒(méi)有節(jié)點(diǎn)可以對(duì)簇頭的選擇進(jìn)行決定或者協(xié)調(diào)，每個(gè)節(jié)點(diǎn)獨(dú)立自主運(yùn)行簇頭選舉算法并決定是否成為簇頭。每輪選舉可以分為建立簇階段和數(shù)據(jù)傳輸階段[7]。在每一輪簇頭選舉成功后，簇頭向周圍的節(jié)點(diǎn)公布消息，其他節(jié)點(diǎn)開(kāi)始加入簇，然后開(kāi)始進(jìn)入穩(wěn)定數(shù)據(jù)傳輸階段[8]。簇頭收到各節(jié)點(diǎn)的數(shù)據(jù)后進(jìn)行數(shù)據(jù)融合，并且與匯聚節(jié)點(diǎn)通信，簇頭節(jié)點(diǎn)會(huì)消耗能量很大，因此隔一段時(shí)間就要進(jìn)行新一輪的簇頭選舉來(lái)保持網(wǎng)絡(luò)能量的均衡[9]。

簇頭選舉時(shí)，每個(gè)節(jié)點(diǎn)都會(huì)生成一個(gè)在區(qū)間[0，1]內(nèi)的隨機(jī)數(shù)，設(shè)定一個(gè)閥值T(n)，如果該隨機(jī)數(shù)小于T(n)，就發(fā)布自己是簇頭的公告。

其中，p為簇頭節(jié)點(diǎn)在所有節(jié)點(diǎn)中所占的百分比，r為當(dāng)前簇頭選舉的輪次，G為一個(gè)節(jié)點(diǎn)集合，其中包含所有在最近的1/p次簇頭選舉中都未曾當(dāng)選為簇頭的節(jié)點(diǎn)。

LEACH協(xié)議中簇頭節(jié)點(diǎn)的算法可以在一定程度上平衡網(wǎng)絡(luò)的負(fù)載，從而延長(zhǎng)網(wǎng)絡(luò)壽命。同時(shí)簇頭在處理數(shù)據(jù)時(shí)使用數(shù)據(jù)融合及壓縮的技術(shù)，大大減少數(shù)據(jù)傳輸量。但是LEACH算法仍然存在一些不足，每個(gè)節(jié)點(diǎn)都等概率的成為簇頭節(jié)點(diǎn)，沒(méi)有考慮到節(jié)點(diǎn)的剩余能量。若剩余能量不足的節(jié)點(diǎn)成為簇頭，則其能量會(huì)很快耗盡。因?yàn)檫x擇的隨機(jī)性，容易出現(xiàn)簇與簇之間簇頭數(shù)目分布不均勻，該選舉方法無(wú)論從數(shù)量還是分布位置上都不夠穩(wěn)定。

1.2 簇頭選擇考慮因素

簇頭節(jié)點(diǎn)對(duì)于分簇拓?fù)浣Y(jié)構(gòu)網(wǎng)絡(luò)來(lái)說(shuō)相當(dāng)重要，負(fù)責(zé)調(diào)節(jié)簇內(nèi)節(jié)點(diǎn)的工作，數(shù)據(jù)的融合及轉(zhuǎn)發(fā)、與匯聚節(jié)點(diǎn)通信等工作，能量消耗較大，因此簇頭的選擇也要考慮多方面的因素才能保證整個(gè)無(wú)線傳感網(wǎng)絡(luò)的正常運(yùn)行。簇頭選舉需要考慮以下幾個(gè)因素。

1.2.1 節(jié)點(diǎn)信任度

無(wú)線傳感器節(jié)點(diǎn)由于體積、內(nèi)存、計(jì)算能力較小、通信范圍有限，無(wú)法建立整個(gè)無(wú)線傳感網(wǎng)的全局信任模型，一般只與其鄰居節(jié)點(diǎn)交互，只需對(duì)其鄰居節(jié)點(diǎn)信任度進(jìn)行評(píng)估，建立局部信任[10]。節(jié)點(diǎn)信任值又分為兩部分:一部分是直接信任值，即源節(jié)點(diǎn)根據(jù)自身與目標(biāo)節(jié)點(diǎn)[11]直接交互的經(jīng)驗(yàn)計(jì)算所得的信任值;另外一部分是間接信任值，即源節(jié)點(diǎn)通過(guò)推薦節(jié)點(diǎn)對(duì)目標(biāo)節(jié)點(diǎn)的監(jiān)控得到的間接信任值。某一節(jié)點(diǎn)的信任值需要將其所有鄰居節(jié)點(diǎn)對(duì)它的信任值綜合起來(lái)得到。信任關(guān)系如圖1所示，節(jié)點(diǎn)i和j為鄰居節(jié)點(diǎn)，節(jié)點(diǎn)j與p、q、m、n都互為鄰居節(jié)點(diǎn)。

圖1 直接信任與間接信任

1.2.2 通信因素

無(wú)線傳感網(wǎng)中，惡意節(jié)點(diǎn)極有可能會(huì)丟棄或者篡改接收到的數(shù)據(jù)包，對(duì)網(wǎng)絡(luò)安全及能量的正常使用造成威脅。而自私節(jié)點(diǎn)只在有自身需求時(shí)才加入網(wǎng)絡(luò)以節(jié)省自身能量，平時(shí)不理會(huì)網(wǎng)絡(luò)路由的需要，導(dǎo)致網(wǎng)絡(luò)能量消耗量不均衡，從而影響網(wǎng)絡(luò)壽命[12]。根據(jù)歷史通信的失敗與成功，可以來(lái)預(yù)測(cè)未來(lái)通信的成敗，觀察節(jié)點(diǎn)間的通信行為可以為惡意節(jié)點(diǎn)和自私節(jié)點(diǎn)的判斷提供重要參考依據(jù)。

1.2.3 能量因素

傳感器節(jié)點(diǎn)的能量很有限，而能量又決定了整個(gè)無(wú)線傳感器網(wǎng)絡(luò)的生命周期，因此能量的高效利用是簇頭選擇的一項(xiàng)重要因素。傳感器節(jié)點(diǎn)需要進(jìn)行數(shù)據(jù)的接收、傳輸和轉(zhuǎn)發(fā)，若能量不足甚至耗盡，將會(huì)給網(wǎng)絡(luò)正常運(yùn)行帶來(lái)重大影響。

為使數(shù)據(jù)傳輸過(guò)程中整個(gè)網(wǎng)絡(luò)能量均衡消耗，無(wú)線傳感網(wǎng)通常會(huì)采用能量多路徑路由機(jī)制，這樣就可以延長(zhǎng)網(wǎng)絡(luò)的生存周期。在多徑傳播方式中能量的消耗與節(jié)點(diǎn)之間的距離成指數(shù)關(guān)系，并且發(fā)送與接收數(shù)據(jù)時(shí)消耗能量的計(jì)算方法也不同[13]。

發(fā)送數(shù)據(jù)時(shí)能量消耗Ec為

其中，發(fā)送的數(shù)據(jù)大小為l，d為兩節(jié)點(diǎn)之間的距離，Eelec為發(fā)射電路的單位能耗，εamp和famp為發(fā)射放大器的單位能耗。為距離閥值，當(dāng)發(fā)送數(shù)據(jù)的距離小于該閥值時(shí)，發(fā)射放大器的消耗能量與距離的平方成正比;當(dāng)距離大于等于該閥值，能耗則與距離的四次方成正比，因此在發(fā)送數(shù)據(jù)過(guò)程中，應(yīng)盡量避免直接向遠(yuǎn)距離的節(jié)點(diǎn)發(fā)送數(shù)據(jù)來(lái)節(jié)約能耗[14]。

接收數(shù)據(jù)時(shí)能量消耗Er的計(jì)算公式為

其中，Erx為接收數(shù)據(jù)時(shí)的單位能耗，Er與接收數(shù)據(jù)的大小成正比。

1.2.4 數(shù)據(jù)因素

考慮到的數(shù)據(jù)因素包括:數(shù)據(jù)內(nèi)容的大小以及數(shù)據(jù)的一致性。

無(wú)線傳感器網(wǎng)絡(luò)中需要傳輸大量數(shù)據(jù)，這就會(huì)消耗大量的能量。因此需要進(jìn)行數(shù)據(jù)融合，即中間節(jié)點(diǎn)在對(duì)收到的數(shù)據(jù)進(jìn)行轉(zhuǎn)發(fā)前，先對(duì)其進(jìn)行綜合并去掉冗余數(shù)據(jù)，以節(jié)省傳輸能量并提高數(shù)據(jù)收集效率[1]。可設(shè)置一個(gè)數(shù)據(jù)閥值，接收數(shù)據(jù)與這個(gè)閥值相差越大則可信度的波動(dòng)就會(huì)越大，以此來(lái)判斷接收到數(shù)據(jù)的準(zhǔn)確性。

同時(shí)，數(shù)據(jù)的一致性也是評(píng)估節(jié)點(diǎn)可信度的重要因素，通過(guò)檢查數(shù)據(jù)的一致性來(lái)計(jì)算數(shù)據(jù)信任值。對(duì)數(shù)據(jù)內(nèi)容的一致性進(jìn)行評(píng)估，偏差越大則數(shù)據(jù)信任值越低;反之，偏差越小則數(shù)據(jù)信任值越高。

通過(guò)對(duì)數(shù)據(jù)信任值的評(píng)定，可以及時(shí)發(fā)現(xiàn)自私節(jié)點(diǎn)，以采取相關(guān)的安全措施來(lái)保障無(wú)線傳感網(wǎng)絡(luò)的數(shù)據(jù)安全。

2 算法描述

文中提出的兼顧多因素的簇頭選擇算法流程如圖2所示。

圖2 兼顧多因素的簇頭選擇算法流程圖

2.1 節(jié)點(diǎn)信任度計(jì)算

(i)節(jié)點(diǎn)Ni和Nj是鄰居節(jié)點(diǎn)，Ni對(duì)Nj的直接信任TDij是通過(guò)Nj對(duì)Ni的數(shù)據(jù)包轉(zhuǎn)發(fā)率來(lái)衡量的 (dr為接收轉(zhuǎn)發(fā)的包的數(shù)目，dt是實(shí)際轉(zhuǎn)發(fā)的包數(shù))

(ii)節(jié)點(diǎn)Ni對(duì)Nj的間接信任度通過(guò)Nj的鄰居節(jié)點(diǎn)Nm的監(jiān)控得到。定義P為其他推薦節(jié)點(diǎn)的集合，P={Nm|Ni的鄰居節(jié)點(diǎn)，Tij≥信任推薦值Th}，P中所有節(jié)點(diǎn)對(duì)Nj的信任值加權(quán)平均，得到Ni對(duì)Nj的間接信任度

(iii)節(jié)點(diǎn)Ni對(duì)Nj的信任值為

其中，α表示TDij在信任值計(jì)算中所占權(quán)重，通過(guò)改變?chǔ)恋拇笮】梢愿淖僒Dij和Mij二者的比例。

(iv)節(jié)點(diǎn)Nj的綜合信任值Tj計(jì)算，通過(guò)計(jì)算Nj的所有鄰居節(jié)點(diǎn)對(duì)它的信任值的均值得到，即

其中k為節(jié)點(diǎn)Nj的鄰居節(jié)點(diǎn)的總個(gè)數(shù)。

2.2 通信信任值

β模型[15]利用節(jié)點(diǎn)過(guò)去的通信成功和失敗的記錄，通過(guò)計(jì)算預(yù)計(jì)未來(lái)通信成功的概率。兩相鄰節(jié)點(diǎn)Ni和Nj進(jìn)行多次通信，使用β模型表示這兩個(gè)節(jié)點(diǎn)間通信成功的概率，該模型概率密度函數(shù)為

其中，0＜x＜1，α ＞0，β ＞0。

該信任模型的期望公式為

假設(shè)節(jié)點(diǎn)Nj和Ni進(jìn)行n次通信后，統(tǒng)計(jì)得到成功通信次數(shù)為Sji，失敗次數(shù)為fji，由公式(6)可得節(jié)點(diǎn)Nj對(duì)Ni可信的期望值為

則該模型中，對(duì)下次通信的期望就是此次通信的信任值

綜合Nj與其鄰居節(jié)點(diǎn)多次通信的信任值，求和取均值，可得到該節(jié)點(diǎn)的通信信任值

2.3 能量信任值

節(jié)點(diǎn)Nj的現(xiàn)存能量為Ej，初始能量為E0，剩余能量比Hj為

節(jié)點(diǎn)在接下來(lái)一段通信過(guò)程中接收、發(fā)送及處理數(shù)據(jù)所需的能量為en，同時(shí)令Te=en/Ej，則有

則節(jié)點(diǎn)能量信任值Cj的計(jì)算公式為

其中p和q分別為Hj和Ij的所占權(quán)重，且p+q=1，由式(15)可以看出節(jié)點(diǎn)能量信任值Cj由剩余能量比Hj和Ij共同決定。

2.4 數(shù)據(jù)信任值

設(shè)置的數(shù)據(jù)信任值由兩個(gè)內(nèi)容決定:數(shù)據(jù)大小信任值和數(shù)據(jù)一致性信任值。

傳輸數(shù)據(jù)過(guò)大，則會(huì)消耗過(guò)多能量，并且容易被利用攻擊，導(dǎo)致網(wǎng)絡(luò)危險(xiǎn);而數(shù)據(jù)過(guò)小則有可能是自私節(jié)點(diǎn)為了節(jié)省自身能量而選擇丟包[13]。為了節(jié)省能量，延長(zhǎng)網(wǎng)絡(luò)壽命的同時(shí)保證網(wǎng)絡(luò)的安全，設(shè)置一個(gè)數(shù)據(jù)傳輸?shù)拈y值Ds，以此為數(shù)據(jù)大小的界限，綜合經(jīng)節(jié)點(diǎn)Nj發(fā)送給節(jié)點(diǎn)Ni的數(shù)據(jù)，其數(shù)據(jù)大小信任值DSji為

算出由節(jié)點(diǎn)Nj發(fā)送給它的所有鄰居節(jié)點(diǎn)的數(shù)據(jù)的信任值，求出均值，則得到節(jié)點(diǎn)Nj的數(shù)據(jù)大小信任值

節(jié)點(diǎn)Nj采集數(shù)據(jù)一致的次數(shù)為Uj，數(shù)據(jù)采集不一致的次數(shù)為Vj，則節(jié)點(diǎn)Nj的數(shù)據(jù)一致性信任值DAj的計(jì)算方法為

綜合以上兩種信任值，在數(shù)據(jù)信任值的計(jì)算中，數(shù)據(jù)大小信任值所占權(quán)重為m，數(shù)據(jù)一致性信任值所占權(quán)重為n，且m+n=1，則有Nj的數(shù)據(jù)信任值

2.5 節(jié)點(diǎn)綜合因子

節(jié)點(diǎn)Nj的綜合因子需要考慮多種因素，節(jié)點(diǎn)信任度、通信、能量及數(shù)據(jù)因素，將以上幾個(gè)方面整合起來(lái)就得到傳感器節(jié)點(diǎn)的綜合因子

其中，a、b、c和d都為權(quán)重因子，計(jì)算節(jié)點(diǎn)綜合因子時(shí)按各個(gè)因素的重要程度來(lái)選擇其大小，某因素權(quán)重因子越大則表示該因素越重要，且有(a+b+c+d)=1。設(shè)定一個(gè)因子閥值Ws，一旦節(jié)點(diǎn)能量耗盡或者綜合因子小于該閥值，則自動(dòng)被當(dāng)作死亡節(jié)點(diǎn)處理。

2.6 簇頭選擇

綜合因子計(jì)算出來(lái)后，根據(jù)各個(gè)節(jié)點(diǎn)的綜合因子值進(jìn)行簇頭選擇。設(shè)定綜合因子的閥值Wn，一旦某節(jié)點(diǎn)綜合因子低于該閥值，則默認(rèn)為是惡意節(jié)點(diǎn)，同時(shí)也被定義為死亡節(jié)點(diǎn)。而綜合因子越大的節(jié)點(diǎn)越可信，按照簇頭節(jié)點(diǎn)在該簇內(nèi)所占比例p，算出簇頭節(jié)點(diǎn)的個(gè)數(shù)p×n，再選擇綜合因子Wj大的節(jié)點(diǎn)擔(dān)任簇頭。

3 仿真實(shí)驗(yàn)

仿真實(shí)驗(yàn)通過(guò)Java代碼和MATLAB來(lái)實(shí)現(xiàn)。實(shí)驗(yàn)中，在200 m×200 m空間內(nèi)隨機(jī)選取100個(gè)節(jié)點(diǎn)，模擬無(wú)線傳感網(wǎng)的通信，通過(guò)每個(gè)輪次的通信，觀察節(jié)點(diǎn)的信任度、通信信任值、剩余能量比以及數(shù)據(jù)信任值。該實(shí)驗(yàn)中選取節(jié)點(diǎn)信任度權(quán)重a為30%，通信信任值權(quán)重b為20%，剩余能量比權(quán)重c為30%，數(shù)據(jù)信任值權(quán)重d為20%，最后通過(guò)計(jì)算算得節(jié)點(diǎn)的綜合因子。實(shí)驗(yàn)中其他的參數(shù)設(shè)定如表1所示。

表1 基本參數(shù)設(shè)定

實(shí)驗(yàn)1:基于文中的信任模型，分別對(duì)網(wǎng)絡(luò)中的某一個(gè)正常節(jié)點(diǎn)和非正常節(jié)點(diǎn)的綜合因子的變化情況進(jìn)行監(jiān)控。

圖3 正常節(jié)點(diǎn)綜合因子變化圖

圖4 非正常節(jié)點(diǎn)綜合因子變化圖

選取該網(wǎng)絡(luò)中某一正常節(jié)點(diǎn)，其綜合因子變化情況如圖3所示。由于能量消耗，該節(jié)點(diǎn)正常通信情況下，綜合因子數(shù)值呈緩慢下降趨勢(shì)。非正常節(jié)點(diǎn)的綜合因子的變化如圖4所示，一旦節(jié)點(diǎn)產(chǎn)生惡意行為例如傳送數(shù)據(jù)過(guò)大或過(guò)小，就會(huì)導(dǎo)致節(jié)點(diǎn)綜合急速下降。因此該模型可以很好的區(qū)別出正常節(jié)點(diǎn)和惡意節(jié)點(diǎn)。

實(shí)驗(yàn)2:比較兩種算法的網(wǎng)絡(luò)生存周期。

如圖5所示，數(shù)據(jù)1代表的是僅考慮節(jié)點(diǎn)信任度和剩余能量比時(shí)的網(wǎng)絡(luò)生存周期;數(shù)據(jù)2則代表使用文中兼顧多因素的算法時(shí)的網(wǎng)絡(luò)生存周期。分別使用兩種算法，進(jìn)行500輪通信，觀察存活節(jié)點(diǎn)的個(gè)數(shù)變化。通過(guò)圖示的對(duì)比可以看到，文中所描述的算法使得網(wǎng)絡(luò)生存周期延長(zhǎng)了近20%。從而證明使用該算法可以延長(zhǎng)網(wǎng)絡(luò)生存周期。

圖5中，在剛開(kāi)始的幾輪通信中數(shù)據(jù)2的圖像迅速下降，說(shuō)明開(kāi)始幾輪通信就出現(xiàn)了節(jié)點(diǎn)死亡，而死亡的節(jié)點(diǎn)就是惡意節(jié)點(diǎn)，說(shuō)明本算法中惡意節(jié)點(diǎn)在剛進(jìn)行一點(diǎn)惡意行為后就被檢測(cè)出來(lái)，從而增強(qiáng)了網(wǎng)絡(luò)的安全性。

實(shí)驗(yàn)證明該算法的實(shí)用性以及安全性。

圖5 節(jié)點(diǎn)生存周期圖

4 結(jié)束語(yǔ)

在借鑒現(xiàn)有的信任模型及簇頭選擇算法的基礎(chǔ)上，提出一種適用于無(wú)線傳感網(wǎng)的兼顧節(jié)點(diǎn)信任度、通信、剩余能量比以及數(shù)據(jù)多因素的簇頭選擇算法。與只考慮信任與能量的簇頭選擇算法相比，新的算法有效延長(zhǎng)了網(wǎng)絡(luò)生存周期，同時(shí)可以在開(kāi)始通信不久就識(shí)別出惡意節(jié)點(diǎn)，大大增強(qiáng)了網(wǎng)絡(luò)的安全性。考慮到多種因素的簇頭選擇算法，為無(wú)線傳感網(wǎng)中的信任評(píng)價(jià)提供一種新的思路，但是該算法在安全性上仍需要進(jìn)一步的考慮，同時(shí)對(duì)網(wǎng)絡(luò)能量消耗、算法的復(fù)雜性和算法計(jì)算時(shí)消耗能量問(wèn)題應(yīng)有更多考慮，這就是下一步要進(jìn)行的研究工作。

致謝:感謝成都市科技攻關(guān)項(xiàng)目(2014-HM01-00108-SF)對(duì)本文的資助

[1] 孫利民，李建中，陳渝，等.無(wú)線傳感器網(wǎng)絡(luò)[M].北京:清華大學(xué)出版社，2005:90－100.

[2] 林楠，史葦杭.無(wú)線傳感器LEACH算法的優(yōu)化及仿真[J].計(jì)算機(jī)仿真，2011，28(1):178－181.

[3] Heinzelman W B，Chandra K A，Bala K H.An Application-specific Protocol Architecture for Wireless Micro-sensor Networks[J].IEEE Transactions on Wireless Communications，2002，1(4):660－670.

[4] 張震，閆連山，潘煒，等.基于 LEACH和 PEGASIS的簇頭成鏈可靠路由協(xié)議研究[J].傳感技術(shù)學(xué)報(bào)，2010，23(8):1173－1178.

[5] Lindsey S，Raghavendra C，Sivalingam K M.Data Gathering Algorithms in Sensor Networks Using Energy Metrics[J].IEEE Trans on Parallel and Distributed Systems，2002，13(9):924－935.

[6] 周立朋，卡米力·木衣丁.WSN中兼顧安全和剩余能量的簇頭選擇算法[J].計(jì)算機(jī)工程與應(yīng)用，2012，48(3):88－90.

[7] 陳云峰，范興剛，許博.基于LEACH的WSN簇頭優(yōu)化策略[J].計(jì)算機(jī)工程，2011，37(22):82－87.

[8] 王偉超，代增全，徐啟建.LEACH協(xié)議簇頭選擇算法的改進(jìn)[J].無(wú)線電工程，2010，40(3):1－3.

[9] 張浩，李臘元.基于LEACH協(xié)議的能耗均衡路由算法[J]. 計(jì)算機(jī)工程，2011，37(7):91－93，111.

[10] 孫秋景，曾平凡，曹勇.基于可信推薦節(jié)點(diǎn)集合的P2P信譽(yù)模型[J].計(jì)算機(jī)工程，2010，36(20):142－144.

[11] 胡光明，胡華平，龔正虎.簇結(jié)構(gòu)移動(dòng)自組網(wǎng)絡(luò)中基于推薦的局部信任模型[J].計(jì)算機(jī)工程與應(yīng)用，2006，29:16－22.

[12] 吳磊.無(wú)線傳感器網(wǎng)絡(luò)防范惡意節(jié)點(diǎn)信譽(yù)機(jī)制研究[D].重慶:重慶大學(xué)，2013.

[13] 張仕斌，陳建鈞，楊駿偉.WSNs中基于簇結(jié)構(gòu)的云信任模型研究[J].四川大學(xué)學(xué)報(bào):工程科學(xué)版，2014，(8):1－6.

[14] 劉艷飛.基于分層信任管理的無(wú)線傳感器網(wǎng)絡(luò)信任模型[D].太原:太原理工大學(xué)，2015.

[15] 馮健昭，肖德琴，楊波.基于β分布的無(wú)線傳感器網(wǎng)絡(luò)信譽(yù)系統(tǒng)[J].計(jì)算機(jī)應(yīng)用，2007，27(1):111－113.