一種無線傳感器網(wǎng)絡(luò)抗蟲洞攻擊DV-HOP 定位算法

鄧 平， 張紅江

(西南交通大學(xué)信息編碼與傳輸省重點實驗室，四川 成都610031)

在大多數(shù)情況下，無線傳感器網(wǎng)絡(luò)(WSN)都被布置在特定環(huán)境之中，執(zhí)行環(huán)境監(jiān)測，信息采集、傳送、定位、跟蹤等各項任務(wù)［1-2］，因此，WSN 網(wǎng)絡(luò)的安全性是一項不容忽視的重要議題［3-5］.近年來，WSN 安全定位技術(shù)日益受到國內(nèi)外學(xué)者的強(qiáng)烈關(guān)注，目前已成為一個研究熱點［6-8］.

WSN 中典型的攻擊類型包括欺騙攻擊、蟲洞攻擊、女巫攻擊、拒絕服務(wù)攻擊等幾種，其中欺騙攻擊又可細(xì)分為重放攻擊、延時攻擊、偽造攻擊、篡改攻擊等.目前，WSN 安全定位技術(shù)研究主要集中在抵御欺騙攻擊和蟲洞攻擊兩類攻擊方面，衍生出的安全定位算法一般分為檢測攻擊類算法和容忍攻擊類算法［6，9-10］.作為一種經(jīng)典的無需測距WSN 定位算法，DV-HOP (distance vector-Hop)［11］算法在WSN 節(jié)點定位中已得到廣泛應(yīng)用和深入研究. 為提高易受攻擊的DV-HOP 算法的安全性，本文開展了具備抗蟲洞攻擊能力的DV-HOP 算法的研究.

1 相關(guān)工作

目前，雖然在抵御蟲洞攻擊WSN 安全定位技術(shù)方面已開展了一定研究，但提出的新算法較為有限.2005 年，Lazos 等提出了一種具有強(qiáng)魯棒性的安全定位算法SeRLoc［12］，其中，錨節(jié)點需配備扇區(qū)天線，發(fā)送自身坐標(biāo)和天線邊界信息，傳感節(jié)點安裝全向天線，接收通信范圍內(nèi)的信標(biāo)信息，以一種網(wǎng)格扇區(qū)測試方式搜索重疊區(qū)域，將其質(zhì)心作為定位結(jié)果，并利用通信范圍限制和扇區(qū)唯一特性檢測并濾除蟲洞.次年，他們又提出了一種HiRLoc 算法［13］，通過調(diào)整發(fā)射功率或旋轉(zhuǎn)天線方向來縮小重疊區(qū)域范圍，提高節(jié)點定位精度.Chen 等于2010年提出的 SLAWCS (secure localization against wormhole attacks using conflicting sets)算法［14］，包括蟲洞攻擊檢測、鄰居錨節(jié)點類型辨識、MLE 坐標(biāo)估算3 個步驟，該算法依據(jù)鄰居節(jié)點間信息交互的不規(guī)則性建立沖突集，將錨節(jié)點劃分為鄰居節(jié)點、有效節(jié)點、可疑節(jié)點3 類，選取有效參考信息并建立位置關(guān)系方程，實現(xiàn)最終定位.此外，他們還提出了一種類似的運用距離一致度濾除虛假鄰居的抗蟲洞攻擊安全算法SLAWDC(secure localization against wormhole attacks using distance consistency)［15］.Wu 等則提出一種基于標(biāo)記的抗蟲洞攻擊DV-HOP算法LBDV(label-based DV-HOP localization against wormhole attacks)［16］，以地理辨識移除手段保障定位性能，該算法利用自我排除準(zhǔn)則、消息唯一準(zhǔn)則、傳輸限制準(zhǔn)則分別對錨節(jié)點和傳感節(jié)點進(jìn)行分類，以此剔除鄰居列表中的虛假鄰居，保障網(wǎng)絡(luò)路由的合法性，達(dá)成抵御蟲洞攻擊的目的.

上述研究中，除LBDV 算法外，其余算法要么針對需要測距的定位方式，要么需要特殊硬件支撐.SeRLoc 和HiRLoc 算法雖然能夠以較高的概率檢測蟲洞攻擊，并通過執(zhí)行一種依附最近錨節(jié)點算法(ACLA)解決位置模糊問題，但是需要錨節(jié)點配置扇區(qū)天線，硬件開銷過于昂貴. 而SLAWCS、SLAWDC 算法屬于典型的依賴測距類型定位，無法滿足多跳式無需測距定位的抗蟲洞攻擊需求.LBDV 算法的安全性能則受限于已定位錨節(jié)點比例，只有在高錨節(jié)點比例的情形下才能獲得較佳的定位精度.受文獻(xiàn)［17］蟲洞檢測思路的啟發(fā)，本文分析了蟲洞攻擊對DV-HOP 算法性能的影響，提出了一種基于安全鄰居發(fā)現(xiàn)的抗蟲洞攻擊DVHOP (secure neighbor discovery based DV-HOP，NDDV)算法，通過路徑跳數(shù)差異檢測并濾除蟲洞，保證跳數(shù)及跳距的正確性，可有效抵御蟲洞攻擊，保證定位性能，且不需要額外的硬件開銷. 本文算法首先檢測蟲洞［17］的存在并識別遭受蟲洞影響的節(jié)點，然后借助設(shè)計的蟲洞濾除機(jī)制區(qū)分其中的真實鄰居和虛假鄰居，最后融合安全路由策略在DVHOP 的路徑搜索中排除虛假鄰居，由此最小化蟲洞攻擊帶來的影響，提升DV-HOP 的安全性.

2 DV-HOP 定位機(jī)制分析

DV-HOP 算法定位過程包括3 個階段［8］:

第1 階段:利用距離矢量路由機(jī)制計算未知節(jié)點同錨節(jié)點間的最小跳數(shù).錨節(jié)點向相鄰節(jié)點廣播信標(biāo)消息，其中包含初值為0 的跳數(shù)變量. 網(wǎng)絡(luò)中節(jié)點以跳數(shù)加1 的方式中繼此信標(biāo)消息.在信標(biāo)廣播結(jié)束之后，每個節(jié)點將獲知其與各錨節(jié)點間的最少跳數(shù).

第2 階段:每個錨節(jié)點在獲取同其他錨節(jié)點間的跳數(shù)及位置信息后，據(jù)此估算網(wǎng)絡(luò)平均跳距，將其作為校正值廣播至網(wǎng)絡(luò)中.平均跳距計算公式為

式中:(xi，yi)和(xj，yj)分別是錨節(jié)點i 和j 的坐標(biāo);hij是i、j 之間的跳數(shù).

第3 階段:未知節(jié)點在接收到校正值后，結(jié)合跳數(shù)計算與錨節(jié)點之間的距離.當(dāng)未知節(jié)點獲得與3 個及以上錨節(jié)點的距離，則可執(zhí)行3 邊測量法或極大似然估計法確定自身的位置.未知節(jié)點k 到錨節(jié)點j 的距離dkj計算公式為

3 蟲洞攻擊對DV-HOP 性能的影響

本文假設(shè)蟲洞鏈路是雙向?qū)ΨQ的，數(shù)據(jù)包可以在任何一端傳輸.考慮到如果蟲洞鏈路長度低于節(jié)點通信半徑R，兩個攻擊節(jié)點均在彼此的傳輸范圍以內(nèi)，以致一個攻擊節(jié)點傳輸?shù)臄?shù)據(jù)包能夠被另一個攻擊節(jié)點接收并重傳，造成數(shù)據(jù)包的無限循環(huán)傳輸.為避免這一特殊情形，文中假設(shè)蟲洞鏈路長度大于R.

蟲洞攻擊能嚴(yán)重破壞DV-HOP 算法的定位過程.如圖1 所示為兩個攻擊節(jié)點A1、A2協(xié)同發(fā)動蟲洞攻擊.

圖1 蟲洞攻擊對DV-HOP 跳數(shù)的影響Fig.1 Impact of the wormhole attack on DV-HOP hops

在DV-HOP 定位的第1 個階段，錨節(jié)點L1、L2發(fā)起信標(biāo)泛洪，以使其他節(jié)點獲得同他們之間的跳數(shù).例如，傳感節(jié)點S1到錨節(jié)點L2的原始最少跳數(shù)是5(S1→S2→S3→S4→S5→L2).然而，L2的泛洪消息會被S6接收，經(jīng)蟲洞鏈路轉(zhuǎn)移并重放至L1.結(jié)果，S1會認(rèn)為其到L2的最少跳數(shù)為3，低于真實值5.蟲洞攻擊也能干擾DV-HOP 定位的第2 個階段，影響錨節(jié)點計算平均跳距. 例如，錨節(jié)點L1到L2的原始最少跳數(shù)是6，L1由此計算的平均跳距為其中(x1，y1)、(x2，y2)分別是錨節(jié)點L1、L2的坐標(biāo). 然而，由于蟲洞攻擊的存在，L1獲得的到L2的最少跳數(shù)為2，L1計算的平均跳距實為，較真實值要大.在第1 個階段中，傳感節(jié)點可能獲得較小的到錨節(jié)點跳數(shù)值，在第2 個階段中，錨節(jié)點可能錯誤地計算跳距值，最后，導(dǎo)致傳感節(jié)點在定位階段用錯誤的跳數(shù)和跳距進(jìn)行距離估算，產(chǎn)生較大的定位誤差.

因此，蟲洞攻擊能夠干擾DV-HOP 定位的各個階段，破壞定位結(jié)果的有效性和可靠性.

4 抗蟲洞攻擊DV-HOP 安全定位

4.1 網(wǎng)絡(luò)模型及相關(guān)符號

文中假設(shè)節(jié)點P 的一跳鄰居集合為NP，攻擊節(jié)點A1、A2的一跳鄰居集合分別為NA1、NA1. 據(jù)定義知，NA1中的每個節(jié)點通過蟲洞鏈路和NA2中的每個節(jié)點彼此相連. 因此，如果P 遭受蟲洞攻擊，則NP既包含P 傳輸范圍內(nèi)的節(jié)點又包含蟲洞鏈路另一端攻擊節(jié)點傳輸范圍內(nèi)的節(jié)點.

設(shè)NP-T和NP-F分別為P 的真實鄰居和虛假鄰居，其中，NP-F=NP-NP-T. 如圖2 所示，NP-T={C，D，E}，NP-F= {F，G，Q}稱之為第1 類鄰居，NP={C，D，E，F(xiàn)，G，Q};NP-T中還包含同屬于NA1的節(jié)點D，稱之為第2 類鄰居;不屬于NA1的節(jié)點(如C、E)則稱之為第3 類鄰居. 假設(shè)從節(jié)點X 到Y(jié) 的路徑為RX-Y，而表示以跳數(shù)為單位的路徑長度.

圖2 蟲洞鏈路及鄰居類型Fig.2 Wormhole link and neighbor types

文中涉及網(wǎng)絡(luò)連通度(也稱平均節(jié)點度數(shù))的概念，為后續(xù)描述方便，現(xiàn)對其給出定義如下:

假設(shè)節(jié)點分布密度為ρ，則網(wǎng)絡(luò)連通度

nlocal=ρπR2.

4.2 蟲洞檢測

在濾除蟲洞影響之前，首先需要確定節(jié)點P是否遭受攻擊.蟲洞檢測的基本思想［14］如下:如果P 在蟲洞附近，則存在NP中的節(jié)點位于蟲洞的另一側(cè).假設(shè)Q∈NP-F是P 的虛假鄰居，蟲洞鏈路長度為ξ 跳，倘若X∈NP-T試圖搜索一條路徑以期到達(dá)Q 的某個鄰居T(路徑目標(biāo))，其中T?NP-F，且該路徑中不含NP-F=NA2中的節(jié)點，則上述路徑長度至少為ξ 跳(因其繞道避開蟲洞，故長度至少等同于蟲洞鏈路).考慮到P 無從知曉NP-F的構(gòu)成，因此X 通過避免在路徑中使用所有NP中的節(jié)點來避開NP-F中的節(jié)點.算法實現(xiàn)中X 的挑選是任意的，無法保證一定屬于集合NP-T，其本身也可能是屬于集合NP-F的，這使得所有NP中的節(jié)點均需重復(fù)此過程，以保證長途路徑(至少ξ 跳)的發(fā)現(xiàn).

蟲洞檢測算法偽碼如圖3 所示.

圖3 蟲洞檢測算法偽碼Fig.3 Pseudo-code of wormhole detection algorithm

該算法的具體步驟如下:

步驟1 P 通過廣播Hello 消息發(fā)現(xiàn)其一跳鄰居，在接收到全部應(yīng)答消息后建立鄰居集合NP.

步驟2 P 嘗試檢測Q 是否為真實鄰居. 此時，P 要求Q 提供其鄰居集合NQ，隨后選取集合NQ-NP中某個節(jié)點充當(dāng)路徑目標(biāo)T.

步驟3 P 命令其所有一跳鄰居搜尋到T 的最短路徑.以上路徑需滿足:(1)非直接路徑(必須經(jīng)過其他節(jié)點);(2)避開P、Q 的一跳鄰居.

步驟4 NP中的節(jié)點向P 匯報路徑搜索結(jié)果，P 調(diào)用Selecy(route)選取合適的路徑與蟲洞路徑(長度最多為3 跳:從P 的鄰居到P，再從P 到Q，最后從Q 到T)比較.Selecy(route)的作用在于保證不遺漏大于蟲洞路徑η 跳路徑的同時，消除極長路徑奇異值.

步驟5 如果所選路徑和蟲洞路徑的長度差異較η 大，即說明Q 被蟲洞鏈路連接.

P 選取路徑RS-T的算法Select(RX-T)如圖4所示.

P 先將路徑按長度排序(排除無效路徑). 如果存在長度較最長路徑短，但不超過η(實驗中η取2 或3)跳的路徑，則選擇一條這樣的路徑;否則，選擇其中的最長路徑.

圖5 中所示P 和Q 是真實鄰居，彼此之間不存在蟲洞.

圖4 路徑選擇算法偽碼Fig.4 Pseudo-code of path selection algorithm

圖5 無蟲洞時的檢測操作Fig.5 Detection operation without wormhole

圖5 中，P 檢測Q 時，選擇F 充當(dāng)目標(biāo)節(jié)點，命令鄰居C、D 及X 搜索到F 的最短路徑，獲得的路徑長度依次為4、2、5 跳(注意到F 的路徑需避開P、Q 的一跳鄰居).隨后P 選擇其中之一進(jìn)行蟲洞檢測，此處暫且假設(shè)為4 跳的路徑.如果4 -3 ＜η，P 即判定Q 為真實鄰居.值得注意的是，在某些情況下當(dāng)網(wǎng)絡(luò)拓?fù)漭^為稀疏時，也會出現(xiàn)的情況，以致誤判的發(fā)生.

圖6、7 所示P 和Q 非真實鄰居，彼此之間存在蟲洞.

圖6 有蟲洞時的檢測操作——情形1Fig.6 Detection operation with wormhole:situation 1

圖7 有蟲洞時的檢測操作——情形2Fig.7 Detection operation with wormhole:situation 2

圖6 中，P ∈NA1，其至少存在一個鄰居Q ∈NA2.路徑目標(biāo)須是Q 的鄰居但非P 的鄰居，因此其選取存在兩類情形.第1 類如圖6 所示，F(xiàn)∈NQ-T-NA2，P 的鄰居節(jié)點在搜索到F 的路徑時需避開所有NQ中的節(jié)點和NP中的其他節(jié)點，由于所有NA2中的節(jié)點包含于NP，且所有NA1中的節(jié)點包含于NQ，所以路徑搜索中有效地避開了蟲洞鏈路. 此時，P 的真實鄰居D 將會存在到F 較3 跳至少長η的路徑，所以蟲洞得以被成功檢測. 第2 類如圖7所示，E∈NQ-F-NP，此時，P 的真實鄰居到E 的路徑較短，但其虛假鄰居將會獲得到E 的較長路徑(比如X).綜上所述，在兩類情形下節(jié)點P 的某些鄰居將會上報一條長度超過3 +η 的路徑，蟲洞隨即被成功檢測.

蟲洞檢測中還需防范誤判的發(fā)生.誤判發(fā)生在下述兩類情形:一是沒有蟲洞但網(wǎng)絡(luò)拓?fù)湎∈鑼?dǎo)致的到目標(biāo)節(jié)點的長途路徑，二是節(jié)點P 試圖檢測其同第3 類鄰居(如圖2 中C)之間的蟲洞時.在后一種情形中，NQ-F中的節(jié)點將會獲得到路徑目標(biāo)(如圖2 中E)的長途路徑，以致誤判的發(fā)生.此時，若簡單地運用檢測機(jī)制將無法區(qū)分出第1 類和第2 類鄰居.

此外，通過融合互檢策略(P 檢測Q，且Q 檢測P)，可明顯減少誤判次數(shù). 也即:當(dāng)且僅當(dāng)P、Q 互檢發(fā)現(xiàn)彼此被蟲洞連接時，方才判定蟲洞存在. 當(dāng)蟲洞不存在時(見圖5)，P 和Q 進(jìn)行互檢的目標(biāo)節(jié)點各異.在絕大多數(shù)情況下，即使P 標(biāo)記Q 為經(jīng)蟲洞相連的鄰居，Q 卻不會標(biāo)記P 為經(jīng)蟲洞相連的鄰居;反之亦然.但是仍然可能存在拓?fù)洌沟肞 和Q將彼此標(biāo)記為經(jīng)蟲洞相連的鄰居，然而出現(xiàn)的概率相對較低.當(dāng)蟲洞存在時(見圖2)，即使P 標(biāo)記C為經(jīng)蟲洞相連的鄰居，C 也不會標(biāo)記P 為經(jīng)蟲洞相連的鄰居，因為C 沒有鄰居節(jié)點屬于集合NA2. 如此一來，誤判次數(shù)得以減少，第3 類鄰居可被正確識別.

4.3 蟲洞濾除

安全鄰居發(fā)現(xiàn)仰賴于蟲洞檢測及蟲洞移除兩個環(huán)節(jié)，二者缺一不可. 蟲洞將NA1中的n1個節(jié)點連接到NA2中的n2個節(jié)點，共產(chǎn)生2n1n2條虛假鏈路.即使其中之一未被移除，蟲洞依然能夠通過誘導(dǎo)通信而造成破壞. 如前所述，檢測過程將標(biāo)記蟲洞的存在，節(jié)點與第1 類和第2 類鄰居的鏈路將被標(biāo)記為蟲洞鏈路，而與第3 類鄰居的鏈路將不被標(biāo)記為蟲洞鏈路.接下來的挑戰(zhàn)在于如何區(qū)分第1 類和第2 類鄰居，避免移除與第2 類鄰居的合法鏈路，其算法偽碼如圖8 所示.

圖8 蟲洞移除算法偽碼Fig.8 Pseudo-code of wormhole removal algorithm

如果P、Q 互檢發(fā)現(xiàn)蟲洞，所有P、Q 的鄰居將執(zhí)行該算法.P 命令其所有不屬于NQ的鄰居搜索到Q 的不屬于NP的鄰居的路徑. 如果在某個時候，搜索發(fā)現(xiàn)長途路徑，標(biāo)記Q 為第1 類鄰居，相應(yīng)鏈路被移除，算法終止;否則，標(biāo)記Q 為第2 類鄰居，鏈路不被移除.

首先，考慮圖9 中P 的第1 類鄰居Q 的情形.P 存在位于蟲洞兩邊屬于NP-NQ的鄰居，Q 存在位于蟲洞兩邊屬于于NQ-NP的鄰居. 顯然，想要確保長途路徑的發(fā)現(xiàn)，就需要NP-NQ中節(jié)點逐一搜索到NQ-NP中節(jié)點的路徑.例如，H∈NP-T將會找到一條到K∈NQ-T的長途路徑，抑或F∈NP-F將會找到一條到E∈NQ-F的長途路徑，僅僅選取NQ-NP中的任意一個節(jié)點顯然是不夠的，因為NP-NQ可能只存在位于蟲洞某一邊或者另一邊的節(jié)點.其次，考慮圖10 中P 的第2 類鄰居Q 的情形. NP-NQ和NQ-NP中的節(jié)點均局限于節(jié)點P、Q 的同側(cè)，任何屬于NP-F的鄰居也同屬于NP- NQ，因此NP-NQ中節(jié)點到NP-T中節(jié)點的路徑將是短途的，如圖10 中C 到D 的路徑. 鑒于上述差異，就可以有效地區(qū)分第1 類、第2 類鄰居.

圖9 識別第1 類鄰居Fig.9 Identifying the first class neighbors

圖10 識別第2 類鄰居Fig.10 Identifying the second class neighbors

4.4 安全定位

由于攻擊的存在，節(jié)點可能接收到源自虛假鄰居的消息，致使DV-HOP 算法定位性能遭受破壞.為保障準(zhǔn)確地定位，節(jié)點必須將識別的虛假鄰居從鄰居集合中移除.在所有節(jié)點從鄰居集合中移除異常節(jié)點之后，正常的DV-HOP 定位過程即可展開.在定位的第1 個階段，每個節(jié)點拒絕中繼源自鄰居集合之外節(jié)點的消息. 運用這種策略，蟲洞攻擊對定位的影響將被極大地削弱. 因此，本文算法可以有效抵御蟲洞攻擊，實現(xiàn)定位安全.

5 仿真實驗與性能分析

假設(shè)節(jié)點總數(shù)為144，場地尺寸為120 m×120 m.考慮兩種分布模型:隨機(jī)分布和擾動網(wǎng)格分布. 對于隨機(jī)分布，節(jié)點坐標(biāo)(xi，yi)取0 ～120 以內(nèi)的隨機(jī)數(shù).對于擾動網(wǎng)格分布，節(jié)點分布在12 ×12 的擾動網(wǎng)格之內(nèi)，第i 個網(wǎng)格內(nèi)的節(jié)點坐標(biāo)(xi，yi)均取(10(i-1 -p)，10(i+p))內(nèi)均勻分布的隨機(jī)數(shù).其中，p 為擾動因子，實驗中取0.2，網(wǎng)絡(luò)連通模型為單位圓模型UDG(unit disk graph)［14］. 此外，實驗中通過改變節(jié)點通信半徑R 來調(diào)節(jié)網(wǎng)絡(luò)連通度(即平均節(jié)點度數(shù)).

圖11 是變化網(wǎng)絡(luò)連通度時成功檢測并移除虛假鏈路的概率. 其中，設(shè)定蟲洞鏈路長度為5R，R 取值10 ～15.可見，擾動網(wǎng)格分布相比隨機(jī)分布而言，其網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)具有更好的均勻性. 在網(wǎng)絡(luò)連通度相同的情況下，前者移除虛假鄰居的概率較后者高.當(dāng)網(wǎng)絡(luò)連通度達(dá)到5 之后，擾動網(wǎng)格分布的虛假鏈路移除概率超過0.9，并逐漸接近1. 然而，隨機(jī)分布在網(wǎng)絡(luò)連通度達(dá)到7 以后，方能以0.9 的概率移除虛假鏈路. 也即是說，想要獲取同樣的虛假鏈路移除效果，隨機(jī)分布要求的網(wǎng)絡(luò)連通度比擾動網(wǎng)格分布高. 有鑒于此，后續(xù)實驗中節(jié)點分布模型選擇擾動網(wǎng)格分布.

圖11 虛假鏈路移除概率Fig.11 Probability curve of removing false links

圖12 是在固定蟲洞鏈路長度(5R)和錨節(jié)點比例(15%)的前提下，變化網(wǎng)絡(luò)連通度(R 取值12 ～18)時的定位誤差曲線. 由圖12 可見，3 條曲線均隨網(wǎng)絡(luò)連通度的增加呈下坡走勢. 然而，相比有攻擊時DV-HOP 而言，NDDV 明顯改善了攻擊下的定位性能.在網(wǎng)絡(luò)連通度較低(小于5)時，NDDV濾除蟲洞的能力欠佳;隨著網(wǎng)絡(luò)連通度的提高，NDDV 的精度逐漸和無攻擊時DV-HOP 相接近，兩者精度差異最終保持在約0.25R.當(dāng)網(wǎng)絡(luò)連通度達(dá)到一定程度(大于8)后變化逐漸趨緩，說明其抗攻擊能力已至上限，無法再通過改善網(wǎng)絡(luò)連通度來獲取性能的提升.

圖13 是在固定通信半徑(15 m)和錨節(jié)點比例(15%)的前提下，變化蟲洞鏈路長度(LWH)時的定位誤差曲線.

由于無攻擊時DV-HOP 不受蟲洞影響，相應(yīng)誤差曲線近似于直線，對應(yīng)定位誤差約為0.55R.圖13 中，NDDV 的誤差隨著蟲洞鏈路長度的增加而減小并漸趨平緩，最佳精度約為0.79R.顯然，在保證網(wǎng)絡(luò)連通度的情況下，NDDV 能夠抵御不同強(qiáng)度的蟲洞攻擊，只是在蟲洞鏈路較短時性能略差.

圖12 定位誤差隨網(wǎng)絡(luò)連通度的變化曲線Fig.12 Positioning error curve with variable node degrees

圖13 定位誤差隨蟲洞鏈路長度的變化曲線Fig.13 Positioning error curve with variable wormhole links

圖14 是在固定通信半徑(15 m)和蟲洞鏈路長度(5R)的前提下，變化錨節(jié)點比例時的定位誤差曲線.

圖14 中，LBDV 為文獻(xiàn)［10］中算法，其誤差隨錨節(jié)點比例的增加而減小，最終接近無攻擊時的定位曲線，最小定位誤差值約為0.5R.NDDV 的精度雖然也隨著錨節(jié)點比例的增加而提高，但當(dāng)錨節(jié)點達(dá)到一定比例(20%)后精度提升甚微，且不能完全貼近無攻擊時的曲線，其最優(yōu)精度約為0.75R.然而，NDDV 的全局性能相比LBDV 而言顯然更勝一籌，可見錨節(jié)點比例不是限定其抵御攻擊能力的主要因素.

上述結(jié)果表明，在網(wǎng)絡(luò)拓?fù)洳惶∈璧那闆r下，NDDV 檢測、濾除虛假鄰居的能力主要和網(wǎng)絡(luò)連通度相關(guān)，算法運行速度則受路徑搜索速度的限制.

圖14 定位誤差隨錨節(jié)點比例的變化曲線Fig.14 Positioning error curve with variable locator ratios

6 結(jié) 論

本文分析了WSN 安全定位技術(shù)的研究現(xiàn)狀，研究了蟲洞攻擊對DV-HOP 算法定位性能的影響，提出了一種基于安全鄰居發(fā)現(xiàn)的抗蟲洞攻擊DV-HOP 算法NDDV.NDDV 首先依靠路徑跳數(shù)差異檢測、識別虛假鄰居，將進(jìn)行攻擊的虛假鄰居從節(jié)點的鄰居集合中予以移除. 在DV-HOP 的信標(biāo)泛洪階段，每個節(jié)點拒絕中繼源自鄰居集合之外的節(jié)點的消息，以此保障網(wǎng)絡(luò)路由的安全性和跳數(shù)的正確性，削弱蟲洞攻擊對平均跳距的不利影響. 仿真實驗表明，本文算法能有效濾除蟲洞保障定位性能，且無需特殊硬件支撐.

［1］ 鄧平，伍小梅. 一種基于粒子濾波的WSN 自適應(yīng)定位算法［J］. 西南交通大學(xué)學(xué)報，2014，49(2):323-329.DENG Ping，WU Xiaomei. An adaptive localization algorithm based on particle filter in WSN［J］. Journal of Southwest Jiaotong University，2014，49(2):323-329.

［2］ 彭宇，王丹. 無線傳感器網(wǎng)絡(luò)定位技術(shù)綜述［J］. 電子測量與儀器學(xué)，2011，25(5):389-399.PENG Yu，WANG Dan. A review:wireless sensor networks localization［J］.Journal of Electronic Measurement and Instrument，2011，25(5):389-399.

［3］ 陳鴻龍，李鴻斌，王智. 基于TDoA 測距的傳感器網(wǎng)絡(luò)安全定位研究［J］. 通信學(xué)報，2008，29(8):11-21.CHEN Honglong，LI Hongbin，WANG Zhi. Research on TDoA-based secure localization for wireless sensor networks［J］. Journal on Communications， 2008，29(8):11-21.

［4］ HUANG Wenhao，WANG Yu，GUAN Haoran. The current situation and prospect of localization in wireless sensornetworks［J］.ComputerScienceand Engineering，2009，1:483-487.

［5］ GARCíA-OTERO M，POBLACIóN A，F(xiàn)ERNANDEZHERRERO A，et al. Performance of robust algorithms for secure localization in wireless sensor networks［C］∥Proc. of International Conference on Localization and GNSS (ICL-GNSS). Starnberg:IEEE，2012:1-4.

［6］ SUO Hui，WAN Jiafu，HUANG Lian，et al. Issues and challenges of wireless sensor networks localization in emerging applications［C］∥International Conference on Computer Science and Electronics Engineering.Hangzhou:［s.n.］，2012:447-451.

［7］ WANG Dexin，YANG Liuqing. Cooperative robust localization against malicious anchors based on semidefinite programming［C］∥Military Communications Conference. Orlando:［s.n.］，2012:1-6.

［8］ MOFARREH-BONAB M，GHORASHI S A. A low complexity and high speed gradient descent based secure localization in wireless sensor networks［C］∥International Conference on Computer and Knowledge Engineering. Mashhad:［s.n.］，2013:300-303.

［9］ PATEL M M，AGGARWAL A. Security attacks in wireless sensor networks:a survey［C］∥Intelligent Systems and Signal Processing (ISSP). Gujarat:［s.n.］，2013:329-333.

［10］ ABDELKARIM A，BENSLIMANE A，MABROUKI I，et al. SecAT-Dist a novel secure AT-Dist localization scheme for wireless sensor networks［C］∥Vehicular Technology Conference (VTC Fall). Quebec City:［s.n.］，2012:1-5.

［11］ NICULESCUS D，NATH B. DV based position in adhoc networks［J］. Telecommunication Systems，2003，22(4):267-280.

［12］ LAZOS L， POOVENDRAN R. SeRLoc: robust localization for wireless sensor networks［J］. ACM Transactions on Sensor Networks，2005，1(1):73-100.

［13］ LAZOS L， POOVENDRAN R. HiRLoc: highresolution robust localization for wireless sensor networks［J］. IEEE Journal on Selected Areas in Communications，2006，24:233-246.

［14］ CHEN Honglong，LOU Wei，WANG Zhi. Conflictingset-based wormhole attack resistant localization in wireless sensor networks［C］∥Proceedings of the 6th International Conference on Ubiquitous Intelligence and Computing. Brisbane:［s.n.］，2009:296-309.

［15］ CHEN Honglong，LOU Wei，SUN Xice，et al. A consistency-based secure localization scheme against wormhole attacks in WSNs［C］∥ Proc. of the International Conference on Wireless Algorithms，Systems and Applications. Albuquerque:［s. n.］，2009:368-377.

［16］ WU Junfeng，CHEN Honglong，LOU Wei，et al.Label-based DV-Hop localization against wormhole attacks in wireless sensor networks［C］∥Proc. of the 5th IEEE International Conference on Networking，Architecture，Storage. Macau:IEEE，2010:79-88.

［17］ HAYAJNEH T，KRISHNAMURTHY P，TIPPER D.DeWorm:a simple protocol to detect wormhole attacks in wireless ad hoc networks［C］∥Proc. of the 3rd International Conference on Network and System Security. Gold Coast:［s.n.］，2009:73-80.