基于關聯度分析的WSN節點信任模型研究

張樂君，鄧 鑫，國 林，張健沛，楊 靜，李泓波

?

基于關聯度分析的WSN節點信任模型研究

張樂君，鄧 鑫，國 林，張健沛，楊 靜，李泓波

(哈爾濱工程大學計算機科學與技術學院 哈爾濱 150001)

該文基于社會網絡關聯度分析的無線傳感網絡節點信任模型進行研究。給出了無線傳感器網絡的模型并將其與社會網絡模型進行了相似性分析；建立了基于社會網絡關聯度的WSN節點信任模型，提出了基于關聯度的傳感器節點信譽度的計算方法；并設計了基于滑動窗口的傳感器節點信任值計算及更新算法(SNTUA)。通過仿真實驗，證明了該算法的有效性和準確性，其性能優越于其他兩種算法。

關聯度分析; 社會網絡; 信任模型; 無線傳感器網絡

無線傳感器網絡(簡稱WSN)是由大量傳感器節點以自組織方式構成的無線網絡，已廣泛應用于軍事和民事等領域[1]。WSN的開放性以及資源受限等特點使得對其進行攻擊的形式更加復雜和多樣化。它所面臨的威脅不僅僅是外部攻擊者所發起的攻擊，內部節點也極有可能被俘獲從而發起內部攻擊。此外，節點出于節省自身能源的目的也會產生一系列特定的自私行為。因此，如何評價合法的WSN節點、識別并剔除行為不端的節點是無線傳感器網絡亟待解決的重要安全問題之一。

近年來，網絡的可信[2]研究已成為一個研究熱點。網絡可信技術是在原有網絡安全技術的基礎上增加行為可信的安全新思想，強化對網絡狀態的動態處理，為實施智能自適應的網絡安全和服務質量控制提供策略基礎。傳感器節點的信任模型通常應用于路由選擇、數據認證等方面，因此信任模型將直接影響WSN網絡的工作效率。

本文借鑒社會網絡中關聯度分析的思想，將其應用于無線傳感器網絡的信任模型中，提出一種基于社會網絡關聯度分析的無線傳感器網絡信任模型。

1 WSN信任模型研究現狀

WSN信任模型的相關研究起源于對人類社會學的研究，之后被逐漸引入到電子商務、無線局域網等其他領域中。近年來又引起無線傳感器網絡領域研究學者的關注，并已經研究和設計了一些無線傳感器網絡節點的信任評價模型。

文獻[3]提出的Confident協議是一種WSN節點信譽評測機制。通過對鄰居節點監測的同時，計算信譽值，并將計算結果與預設置閾值比較，判斷節點的可信度。文獻[4]提出了Core協議，該協議在計算節點自身觀測得到的直接信譽值的同時，還將其他節點推薦的間接信譽值考慮進來協同計算節點的信譽值。文獻[5]考慮到資源受限情況，設計了信譽評測模型BRSN。BRSN利用貝葉斯公式對信譽分布于Beta分布進行擬合，并通過對計算Beta分布的期望值的方法得到節點的信任值。文獻[6]根據節點直接和間接的經驗建立信譽值的置信區間，同時，考慮了轉發數據的通信因素和感知數據的數據因素。不足之處在于各傳感器節點需要較大的緩存器，并需要安裝位置感知系統。

國內的研究學者也進行了相關研究，如文獻[7]提出了用于安全數據融合的信任模型，該模型綜合考慮了數據一致性和能量因素，能較全面地評價節點的信任值，不足之處在于該模型并沒有考慮通信因素。文獻[8]提出了一種無線傳感器網絡節點信譽的故障檢測算法，為每個傳感器節點建立信譽函數，定期更新和維護信譽值，并據此判斷節點故障和敏感事件。

盡管無線傳感器網絡的信任模型取得了一定的進展，但仍存有不少需要改進和完善之處，如對傳感器節點信譽的惡意推薦和詆毀等，基于社會網絡分析的無線傳感器網絡的節點信任模型的研究并不多見。為此，本文分析了社會網絡和無線傳感器網絡的一些相似性行為關系，并在WSN中引入社會網絡的關聯度概念，通過“社會網絡關聯度”修正和綜合利用節點以及其鄰近節點的信譽度評價值，并通過仿真實驗驗證了本文所提方法的有效性，提高了對惡意誹謗行為的檢測率，降低其對傳感器網絡的影響，并為傳感器節點的成功通信提供了保障。

2 WSN模型及其與社會網絡模型的相似性分析

2.1 WSN模型

無線傳感器網絡系統通常包括傳感器節點(sensor node)、匯聚節點(sink node)和管理節點。傳感器節點被部署在監測區域內部或附近。傳感器節點的監測數據沿著其他傳感器節點的路徑逐跳進行傳輸，在傳輸過程中監測數據可能被多個節點處理和分析，并最終路由到匯聚節點。用戶通過管理節點實現對傳感器網絡的配置和管理，發布監測任務以及收集監測數據。典型的WSN結構如圖1所示。

圖1 無線傳感器網絡體系結構示意圖

圖2 節點通過多跳與匯聚節點通信示意圖

2.2 WSN與社會網絡的相似性分析

在社會網絡中，信任關系是人際關系中的核心內容，在傳感器網絡中，節點之間的信任關系也是影響傳感器網絡性能的關鍵因素。下面說明社會網絡和WSN之間的相似性。

2.2.1 WSN和社會網絡對比關系

表1 社會網絡和WSN對比關系

社會網絡分析主要研究社會網絡，理解社會的結構，社會節點的行為和節點之間的關系。社會網絡和傳感器網絡有很多相似之處：1) 網絡中節點具有自主性；2) 節點間進行信息交互；3) 通過搜索和分析交互信息，建立信任關系；4)采用推薦的方式傳播信任關系；5) 單節點失效并不影響網絡的整體性能等。社會網絡和WSN元素之間的對應關系如表1所示。

2.2.2 社會網絡中的節點關聯度

人類社會網絡是由人的個體組成，社會網絡通?？梢杂脠D來表示。圖中個人是節點，人與人之間的關系用連接表示，在人類社會網絡中，人們通常更加愿意將自己的隱私信息告訴與他關系緊密的人，而對不熟悉的人則通常會隱藏這些信息。節點的關系是人類社會網絡的一個顯著特點，兩個關系緊密的人互相之間會分享更多的信息。

人類中兩個個體存在直接關系(父親和孩子，如圖3中節點和)，那么他們的分離度為1，如果兩個個體之間需要個中間人才能建立起連接的話，那么其分離度為。這種關系在人類網絡中是動態變化的，由于個人在社會網絡中不斷的溝通，因此其可能獲得了更多的使其關系更加緊密的信息，如：居住在同一個社區，對同一個話題感興趣等等(如圖中節點和)。通常來說，兩個個體之間信息交換的越頻繁，那么節點的關聯度就越大，其推薦信任度的可信度也越大。如：在圖中個體可將其同學推薦給個體，個體對推薦的相信程度取決于其與節點的關聯度，關聯度越高那么越可信。

綜上，社會節點的關聯度具有如下幾個原則：

1) 節點的關聯度和兩個個體之間的分離度成反比；2) 兩個個體之間獲得彼此的信息越多，他們的關聯度就越大；3) 兩個個體之間的關聯度會隨時間逐漸變化；4) 如果兩個個體之間交流變少，他們的關聯度就會減少；5) 信任關系通過節點關聯度傳遞，關聯度越近的個體所推薦的信任度越可信。

圖3 社會網絡中關聯度及信任傳遞示意圖

2.2.3 WSN網絡中的節點關聯度

WSN網絡中傳感器節點也具有相似的節點關聯度，在人類社會中，每個實體具有多重屬性，如：年齡、性別、民族等；WSN中每一個傳感器節點也包括多重屬性，如：傳感器類型、電池類型、傳送數據類型等。在WSN中也存在著和人類網絡中類似的關聯度，其遵循如下原則：

1) 節點的關聯度與兩個傳感器節點中數據交換經過的跳數成反比；2) 每一個傳感器節點保留一張表，表中其他節點的屬性信息與它們之間數據通信經過的跳數成反比，即越遠的節點其知道的信息就越少；3) 表中存儲的信息越多，那么它們數據交換的概率就越大，如果它們通信次數增加，那么它們知道對方的信息就越多，它們的關聯度就越大；4) 節點的信任度可通過推薦方式傳播。

3 基于社會網絡關聯度分析的WSN節點信任模型

3.1 信任模型相關定義

網絡中惡意節點通常會對網絡發動各種攻擊。而正常節點由于能量策略、優先級設置等原因，偶爾會發生丟包、不轉發包等類似惡意通信行為。本文將這些統稱為不良通信行為。

定義1 不良通信行為：在WSN中，節點違反所在網絡的協議規范進行的通信行為稱為不良通信行為。

所謂信任模型[9]，是指通過傳感器節點本身及與其他節點交互的歷史來建立量化的評價體系，以信任值度量節點的可信程度。本質上是節點的實際物理屬性和其行為的一個綜合能力的反映。

定義2 節點信譽為一個傳感器節點對另一個傳感器節點的評價，被視為一種概率分布。

傳感器節點的關聯度表示兩個節點之間的相似性，當兩個傳感器節點進行數據通信時經過的路由節點(跳數)越多，它們通信的概率越小，同時期獲取對方節點的信息就越少，關聯度就越小。

定義4 節點關聯度表示節點關聯關系的緊密程度，兩個節點的相似屬性越多其關聯度越大。其計算公式為：

3.2 基于關聯度的傳感器節點信譽參數計算模型

信任模型包括的兩個重要參數是直接信譽參數和間接信譽參數。

式中，代表正常通信的次數；代表不良通信行為的次數；代表節點和的關聯度。

信譽整合過程中，將式(1)、式(4)和式(5)進行合并，得到綜合信任評價為：

(6)

3.3 傳感器節點信任值計算及更新算法

為了節約并充分利用傳感器節點的存儲資源，本文采用滑動窗口模型實現對傳感器節點信任值的計算和更新，如圖5所示。在每個傳感器節點上均保留一個滑動窗口，其中記錄當前節點所獲得的其他傳感器節點的屬性信息。每進行一次正常通信，節點將從目標節點中獲得一個屬性數據，滑動窗口的空間大小由傳感器網絡規模、節點分布密度和傳感器節點的屬性數量相關，窗口中保存最近次通信所獲得的其他節點信息。

圖5 WSN節點信任度計算滑動窗口模型

每次通信傳感器節點都將在滑動窗口中添加一條存儲記錄，node中存儲當前通信的目標節點，flag記錄通信狀態(通信是正常還是不良)，通信的時間time，以及通信過程所獲得的目標節點的屬性數據，并將其存儲在Att中，以便后續的信任值的計算，表示在time時，節點對的信任評價。傳感器節點信任值計算和更新算法(sensor node trust update algorithm, SNTUA)正是基于這個滑動窗口的，SNTUA算法描述如下：

1) Initialize all the variable;

4) For (= 0 ;<;++) {

5) if (windows[].node = =) {

6)++;

7)=+ windows[].

10) if (windows[].Attr = =.Attr) SimAttr++；

11) }//end if

12) }//end for

4 仿真實驗與分析

本文實驗使用C語言實現算法，在實驗環境中設置200個傳感器節點，隨機分布在的正方形區域內，每個節點具有10個屬性，為了簡化實驗過程，每個節點的這些屬性是相同的。節點信譽交換的時間周期為100 ms，通信時間間隔為20 ms，初始信任值設定為0.5，每個節點的滑動窗口大小設置為30。

實驗中設定了4類節點：1) 正常節點，其始終按照正常通信行為進行工作，占總數的70%；2) 惡意節點：其始終具有不良通信行為，占10%；3) 偽善節點[10]，網絡行為前期分表現良好，后期表現惡劣，占10%；4) 惡意推薦節點，其網絡行為表現良好，后期不參與正常數據通信，廣播詆毀其他節點信息，占10%。

實驗內容有：

1) 各種類型傳感器節點的信任值計算。

圖6顯示了4種傳感器節點在1 s之內(每個節點50次數據通信)后信任值的變化情況。

如圖6所示，正常節點的通信行為表現一直處于良好狀態，其節點的信任值隨著通信次數的增加逐漸提高；相反，惡意節點的信任值隨著通信周期的的增加快速減少；偽善節點在通信前期表現良好，后期信任值急劇下降，因此可以快速識別出惡意節點；惡意推薦節點從300 ms時開始不參與通信，其信任值跟著降低，其原因是該節點的屬性信息在其他節點中滑動窗口中迅速減少所致。這些情況符合對節點信任度建立緩慢、毀壞迅速的要求。

圖6 多種類型傳感器節點的信任值計算結果圖

2) 惡意推薦節點對善意節點的影響。

圖7中體現了惡意推薦節點對正常節點信任值的影響，并與BRSN[5]和TP-BRSN[8]算法進行了比較。

圖7 惡意推薦節點對善意節點的影響結果圖

圖7顯示了BRSN對第三方節點的惡意詆毀行為沒有抵抗能力，正常節點的信任值急劇下降；TP-BRSN算法具有一定的抵抗能力，一定程度上減少了詆毀的影響程度；本文提出的算法在詆毀剛發生時，對正常節點的信任值也發生了下降，但在經過4～6次通信后，信任程度又開始逐漸上升，這是因為惡意推薦節點的關聯度極具降低導致的結果。

3) SNTUA算法與已有模型的性能比較。

仿真實驗結果如圖8所示。信任模型的抗攻擊能力主要由系統中所有節點的通信成功率體現的。隨著信任模型的更新，3個模型通信的成功率都上升，并逐步放緩，表明性能在后期趨于穩定。SNTUA的通信成功率一直高于其他兩個信任模型，證明了該模型的正確性和有效性。

圖8 各算法通信成功率性能對比圖

綜上所述，SNTUA算法使得善意節點的信任值平緩上升(相對緩慢)，而惡意節點的信任值下降劇烈，這樣的性能可以保證信任模型在抵抗攻擊更加可靠、迅速。通過對比試驗證明了SNTUA比其他兩個模型有更好的通信成功率。因此，SNTUA算法將社會網絡關聯度引入信任模型的有效性和正確性。

5 結 論

本文將社會網絡分析中的關聯度引入到WSN節點信任模型中，通過“社會網絡關聯度”修正和綜合利用節點及其鄰近節點的信譽度評價，提出了傳感器節點信任值計算和更新算法(SNTUA)。通過仿真實驗與其他兩種算法在性能上進行了對比分析，證明SNTUA算法提高了惡意誹謗行為的檢測率，降低其對傳感器網絡的影響，并為傳感器節點的成功通信提供了保障。未來將在本文的基礎上，進一步借鑒社會網絡分析的方法和思想，重點研究將社會個體行為分析應用于WSN信任模型中，識別惡意攻擊和推薦的行為特征，提高識別準確率。

[1] AKYILDIZ I F, SU W, SANKARASUBRAMANIAM Y，et al. Wireless sensor networks: a survey[J]. Computer Networks, 2002, 38(4): 393-422.

[2] 林闖, 彭雪海. 可信網絡研究[J]. 計算機學報, 2005, 28(5): 113-122.

LIN Chuang, PENG Xue-hai. Research on trustworthy networks[J]. Chinese Journal of Computers. 2005, 28(5): 113-122.

[3] BUCHEGGER S, BOUDEC J L. The selfish node: Increasing routing security in mobile Ad Hoc networks[R]. New York, USA: IBM, 2001

[4] MICHIARDI P, MOLVA R. Core: a collaborative reputation mechanism to enforce node coopetation in mobile ad hoc networks[C]//Proceedings of Sixth IFIP Conference on Secuirty Communications and Multimedia (CMS2002). Portoroz, Slvenia: Kluwer Academic Publisher, 2002: 107-121.

[5] GANERIWAL S, SRIVASTAVA M B. Reputation-based framework for high integrity sensor networks[C]// Proceedings of the 2nd ACM Workshop on Security of Ad Hoc and Sensor Networks (SASN’04). New York. USA: ACM, 2004: 66-77.

[6] PROBST M J, KASERA S K. Statistical trust establishment in wireless sensor networks[C]//Proceedings of 13th International Conference on Parallel and Distributed Systems. Hsinchu: IEEE Computer Society, 2007: 1-8.

[7] HUR J, LEE Y, YOON H, et al. Trust evaluation model for wireless sensor networks[C]//Proc of the ICACT 2005. Piscataway: IEEE Computer Society, 2005: 491-496.

[8] 熊翱, 趙曉東, 高志鵬, 等. 節點信譽相關的無線傳感器網絡故障檢測[J]. 北京郵電大學學報, 2012, 35(1): 41-45.

XIONG Ao, ZHAO Xiao-dong, GAO Zhi-peng, et al. Wireless sensor networks fault detection via node credit value[J]. Journal of Beijing University of Posts and Telecommunications. 2012, 35(1): 41-45.

[9] 肖德琴, 馮健昭, 楊波, 等. 基于無線傳感器網絡的信譽形式化模型[J]. 計算機科學, 2007, 34(6): 84-87,100.

XIAO De-qin, FENG Jian-zhao, YANG Bo, et al. Reputation formal model for wireless sensor network[J]. Computer Science. 2007, 34(6): 84-87,100.

[10] XIONG Li, LIU Ling. A reputation based trust model for peer to peer e-commerce communities[C]//Proceedings of IEEE International Conference on Ecommerce (CEC 2003). Newport Beach: IEEE, 2003: 275-284.

編 輯 稅 紅

Research on Trust Model Based on Social Network Correlation Degree Analysis in Wireless Sensor Networks

ZHANG Le-jun, DENG Xin, GUO Lin, ZHANG Jian-pei, YANG Jing, and LI Hong-bo

(College of Computer Science and Technology, Harbin Engineering University Harbin 150001)

Based on the similarity comparison of WSN model and social network model, this paper proposes a trust model based on social network correlation degree in wireless sensor networks (WSN). The computing method of WSN node credit with network correlation degree is built. The sensor node trust update algorithm (SNTUA) is designed based on sliding windows. Simulation experiments prove that SNTUA is better than other two algorithms and the correctness and effectiveness of SNTUA is testified.

relational degree analysis; social network; trust model; wireless sensor network

TP393

A

10.3969/j.issn.1001-0548.2015.01.018

2013-02-10;

2014-11-13

國家自然科學基金(61073043, 61073041, 61100008)；黑龍江省自然科學基金(F200901, F201023)；高等學校博士學科點專項科研基金(20112304110011)；中央高校基本科研業務費專項資金(HEUCF061002)

張樂君(1979-)，男，博士，副教授，主要從事網絡安全、傳感器網絡、系統生存性等方面的研究.