基于MCB的移動節點安全定位算法

曹 璐，熊深文，李嘉俊

(廣東工業大學 信息工程學院，廣東 廣州 510006)

基于MCB的移動節點安全定位算法

曹 璐，熊深文，李嘉俊

(廣東工業大學 信息工程學院，廣東 廣州 510006)

針對移動無線傳感器網絡定位安全性的問題，分析了蟲洞攻擊對MCB方法的影響，在MCB的基礎上提出了一種安全定位算法DWMCB。在錨節點存在蟲洞攻擊的情況下，該算法通過計算當前定位節點可檢測到的錨節點組成多邊形的質心以及幾何關系，識別并剔除偽錨節點。仿真結果表明，DWMCB算法在受到蟲洞攻擊的網絡中能夠提高節點定位的精度。

移動無線傳感器網絡；安全定位；蟲洞攻擊；錨節點

0 引言

對于無線傳感器網絡來說， 節點的準確定位是其提供的重要服務之一，其中移動無線傳感器網絡(Mobile Wireless Sensor Network,MWSN)的定位是當前的研究重點。MWSN最重要的特點是節點的移動性，在監測和定位追蹤上有一定的作用，在這種情況下，無線傳感器網絡更容易受到各種攻擊[1-2]。在網絡中這種以破壞定位過程為目的且不易被發現的惡意攻擊的現象比較普遍，因此如何安全、準確地確定節點位置信息成了一個亟待解決的關鍵問題，即安全定位問題[3]。

文獻[4]提出了在移動傳感器網絡中使用迭代梯度下降方法的節點安全定位算法。該算法先是通過監測到的定位信息構造一個代價函數，然后利用迭代梯度下降最小化代價函數剔除偏差大的矢量。該算法不能廣泛適用于多種攻擊類型。文獻[5]的方法是，當網絡遭受欺騙攻擊時，MCL定位算法在濾波后可能無法得到足夠的有效樣本數目。SecMCL算法采取了消息認證和一種新的抽樣方法，當有攻擊時，就執行這種抽樣方法，使定位精度盡可能與無攻擊時的一樣。但這種方法僅適合欺騙攻擊，并且對節點的性能要求比較高。文獻[6]研究的是抵御蟲洞攻擊的情況，提出的DewormMCL算法利用節點的移動性和蟲洞攻擊的影響機制，解決了上一時刻定位值及時以及準確更新的問題，分析理論上存在的錨節點運動范圍的限制條件來識別并剔除偽錨節點信息。

MCB是MCL的改進算法，其定位誤差更小，當前關于MCL與MCB的安全定位的研究都非常少。在多種攻擊類型里面，蟲洞攻擊是一種較常出現的攻擊類型，動態網絡更是容易受到影響。目前已有的抵抗蟲洞攻擊的方法大多是在靜止節點定位的背景下，并不適用于移動傳感器網絡，因此本文針對MCB定位算法在錨節點中存在蟲洞攻擊的現象進行了研究。

1 MCB方法

2004年Hu Lingxuan等人第一次把蒙特卡羅定位思想引入移動無線傳感器網絡，提出了 MCL算法[7]。MCL主要通過重復采樣和濾波的過程獲得一定數量的有效樣本來完成對節點當前位置的估計。由于算法中無數次的采樣過程會造成能量的極大浪費，BIGGO A等人在MCL算法的基礎上提出了MCB算法[8]。MCB方法進一步縮小了采樣區域，提高了定位精度。MCB方法共有四個步驟[9]。

(1)預測

在這個階段，先創建一個錨盒子，該盒子是能夠包含所有一跳和二跳錨節點通信范圍重疊區域的最小的矩形。圖1給出了一個包含三個一跳錨節點的錨盒子(陰影部分)創建過程。對于每個一跳錨節點，構建一個以錨節點為中心、邊長為2R的正方形，R為通信半徑。錨盒子的四個頂點坐標為：

(1)

錨盒子創建完成之后，再創建樣本盒子，它是以上一時間的樣本點lt-1為中心、2Vmax為邊長的正方形和錨盒子相交的區域，如圖2陰影部分所示，其四個頂點的坐標公式為：

(2)

圖2 MCB采樣盒子建立

(2)濾波

節點根據一跳和二跳錨節點信息，從樣本集合Lt中過濾出不可能的樣本點，過濾的條件為：Filter(l)=(?s∈S,d(l,s)≤r)∩(?s∈T,r

其中，S表示監測到的一跳錨節點集合，T為監測到的二跳錨節點集合。

(3)重采樣

濾波后Lt中的有效樣本數可能小于樣本數N，這時就需要重采樣，不斷對采集到的樣本點進行過濾，直到采集到的符合過濾條件的有效樣本點數達到給定的最大樣本點數。

(4)定位

計算得到的樣本點的加權平均值，將計算結果作為定位節點的定位估計值，計算公式如下：

(3)

2 安全定位算法

MWSN有兩種存在形式，一種是錨節點和未知節點均移動，一種是僅未知節點移動。本文研究的是錨節點靜止以及定位節點隨機運動的情況，定位節點在移動過程中利用周圍錨節點信息來完成定位過程[10]。

2.1 蟲洞攻擊影響機制

蟲洞攻擊具有隱蔽性大、攻擊力強等特點，不僅可以對距離無關的定位過程進行攻擊，也可以破壞基于測距的定位過程[11]。攻擊者可以建立一條不在對方通信范圍內的鏈路，一方面經過此鏈路傳送定位數據信息，另一方面接收并重放[12]。

如圖3所示，節點O為定位節點，節點A，B，C在節點O的通信范圍內，節點D，E，F不在其通信范圍。惡意節點W2能將偵聽到的D，E，F的信息傳遞給W1，W1會將接收到的信息重放給節點O，節點O誤認為D，E，F也是其通信范圍內的錨節點，在定位過程中接收到不準確的定位信息，從而會大大降低定位的精度。

圖3 蟲洞攻擊示意圖

MCB定位方法需要用到一跳和二跳錨節點信息創建錨盒子，若存在蟲洞攻擊，會對錨盒子的創建過程造成嚴重的影響，導致定位不準確甚至出現無法正常定位的現象。如圖3所示，O點為上一時刻定位節點的位置，A點為一跳錨節點，B為二跳錨節點，W1，W2構成一條蟲洞鏈路，C為通過蟲洞鏈路進入定位錨節點集合中的一個偽錨節點，由圖中可以看出，若未進行判斷識別偽錨節點，圖中的各個錨點形成的矩形沒有交集，沒有有效的采樣盒子，無法進行采樣，定位算法無法運行，下一時刻同樣受到影響，定位不能及時有效地進行。

2.2 DWMCB算法

定位節點在移動過程中不斷地進行定位，當某個時刻有蟲洞攻擊影響，接收到錯誤的錨節點信息時，會降低定位精度甚至無法定位。因此，可以在構建錨盒子的過程中通過挑選可信的錨節點，剔除可能的惡意節點，從而減少定位誤差。

構建錨盒子需要用到定位節點二跳范圍內的所有錨節點，在此集合中存在通過蟲洞鏈路進入這個集合而并非通信范圍內的錨節點。最直接的方法是計算所有用來構建錨盒子的錨節點與上一時刻定位節點位置的距離，確定是否在通信范圍內。考慮到這種方法計算量較大，因此提出先識別偽錨節點的思路。由于定位的節點隨機，運動速度大小不定但有最大限制，定位節點這一時刻的位置必然在以上一時刻位置為圓心、最大速度為半徑的圓內部，其次質心算法作為最簡單有效的定位算法可以用于惡意節點判斷。然后再分別計算距離，識別具體的偽錨節點。

下面介紹DWMCB算法的實現。

(1)初始化

初始情況，沒有先驗樣本，首先自定義初始位置，Xrange，Yrange是已知的值，則定位初始位置為：

(4)

定位節點P發送定位請求，Ot為t時刻P節點所監測到的錨節點的集合。

(2)偽錨節點的識別

(xn，yn)為集合Ot中某個錨節點On的坐標，Lt為t時刻的樣本位置集合。(xp，yp)為t時刻定位節點的位置。如圖4所示，計算t時刻Ot內所有元素構成的多邊形的質心M(xm,ym)：

(5)

點M與點Pt-1的距離：

(6)

若D>Vmax則判定有偽錨節點存在。若不存在錨節點，則直接利用MCB定位方法進行定位。

圖4 算法示意圖

(3)偽錨節點的剔除

比較Ot-1與Ot，新加入的錨節點為O1，O2，…，分別計算O1，O2，…等與Ot-1的距離

(7)

若Di<2R或Di=2R,則將Oi保留在集合Ot中；若Di>2R，則將Oi從集合Ot中剔除掉。

(4)定位

將最終得到的Ot中的元素根據MCB方法構建采樣盒子，進行定位。

在定位過程中由于所有節點均隨機分布，因此可能出現定位節點周圍無錨節點的情況。或受到蟲洞攻擊，定位節點收集到不可靠的錨節點信息而無法定位。針對這個問題，當檢測到出現錨節點集合為空集這種特殊的情況時，停止更新此刻的定位值，待錨節點信息更新正常時，再啟動算法。

3 仿真與分析

為了驗證DWMCB算法的有效性，進行了仿真實驗。仿真在MATLAB平臺上進行。仿真方案中，在500×500的矩形區域內隨機分布著一定數量的錨節點和未知節點，定位節點按照Random WayPoint運動模型，即運動速度和方向均為隨機的，且速度取值區間為 [0，Vmax]，算法中采用限制條件使得節點移動范圍不會超出傳感器的邊界。

表1 仿真參數設置值

主要仿真參數參照表1，其中Sd表示信標節點密度，即一跳范圍內平均信標節點數目。一跳通信范圍內的未知節點為未知節點密度，用Nd表示。本次仿真結果均在MATLAB上獨立運行50次取平均值，從而得到每一個時刻定位誤差的平均值。

從圖5可以看出3種算法分別隨運動時刻定位誤差變化的情況，整體隨運動時間的推移定位誤差在減小，最后趨于平穩，在初始階段由于算法是利用較少的歷史信息定位，誤差比較大。仿真圖顯示MCB定位算法在受到蟲洞攻擊后定位誤差從10 m提高到18 m，DWMCB算法的定位誤差和受到蟲洞攻擊相比則從18 m降低到13 m。圖6表明了本文所提出的算法對蟲洞攻擊確實有一定的防御能力的。

圖5 定位誤差對比圖

圖6顯示了最大速度對DWMCB算法定位性能的影響。仿真表明，隨速度增加，定位精度先不斷提高后不斷減小。這是因為當節點從零開始運動逐漸增大速度的時候，節點能監測到更多錨節點，把可能性為零的位置過濾掉。但在速度增大到一定程度后，節點在下一時刻的采樣區域過大，這樣采集的樣本會不準確，過濾失效的可能性也加大，因此定位精度會降低。由圖中可看出將速度選在20 m/s左右為最佳。

圖6 最大運動速度對定位誤差的影響

圖7說明了錨節點密度對定位誤差的影響。錨節點密度增大，節點在定位時周圍的一跳和二跳錨節點個數會增多，可利用的定位信息增加，必然會使定位精度提高。錨節點密度較小時，定位沒有足夠的信息而對定位效果沒有太大改善。而當錨節點密度增大到1.1之后，受蟲洞攻擊的節點可能收到了不一致的錨節點信息從而不能定位，這種情況并不會影響定位誤差，因此三種情況的定位誤差曲線基本重合。

圖7 錨節點密度Sd對定位誤差的影響

4 結論

MCB作為移動傳感器網絡的一種經典定位算法，其安全問題亟待解決。本文提出了能抵抗蟲洞攻擊的MCB定位算法，通過剔除偽錨節點信息達到減小誤差的目的。該算法是在傳感器網絡中僅存在少量的惡意錨節點的前提下提出來的，且假設攻擊者實施的是某種獨立的、特定的網絡攻擊。今后應該注重對選擇性或合謀攻擊的研究以及對存在更多惡意節點情況的研究。

[1] 梅舉, 陳滌, 辛玲. 基于蒙特卡洛方法的移動傳感網節點定位優化算法[J]. 傳感技術學報, 2013, 26(5): 689-694.

[2] 黃海輝, 李龍連. WSN 中一種基于 RSSI 的移動節點改進定位算法[J]. 電子技術應用, 2015, 41(1): 86-89.

[3] Shen Xianjun, Yi Yang, Dong Wenyong, et al. Mobile nodes localization based on adaptive particle swarm optimization and modified Monte Carlo localization boxed in wireless sensor networks[J]. Sensor Letters, 2014, 12(2): 313-318.

[4] 彭保. 無線傳感器網絡移動節點定位及安全定位技術研究[D]. 哈爾濱: 哈爾濱工業大學, 2009.

[5] GARG R, VARNA A L, Wu Min. A gradient descent based approach to secure localization in mobile sensor networks[C].2012 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). IEEE, 2012:1869-1872.

[6] 池玉辰, 鄧平. 一種移動無線傳感器網絡抵御蟲洞攻擊 MCL 算法[J]. 傳感技術學報, 2015, 28(6): 876-882.

[7] Hu Lingxuan, EVANS D. Localization for mobile sensor networks[C]. Proceedings of the 10th Annual International Conference on Mobile Computing and Networking, Philadelphia, 2004: 45-47.

[8] BAGGIO A, LANGENDOEN K. Monte Carlo localization for mobile wireless sensor networks[J]. Ad Hoc Networks, 2008, 6(5): 718-733.

[9] 曲強, 夏勇, 申培峰. 基于改進 MCB的無線傳感器網絡移動節點定位[J]. 計算機應用與軟件, 2015, 32(3): 101-104.

[10] MUNIR S A, Ren Biao, Jiao Weiwei, et al. Mobile wireless sensor network: Architecture and enabling echnologies for ubiquitous computing[C]. 21st International Conference on Advanced Information Networking and Applications Workshops, 2007, AINAW′07. IEEE, 2007: 113-120.

[11] 丁革媛, 李振江, 李詩涵. 無線傳感器網絡的體系結構和應用安全[J]. 微型機與應用, 2016,35(11): 60-61.

[12] 陳鴻龍,王志波,王智,等.針對蟲洞攻擊的無線傳感器網絡安全定位方法[J]. 通信學報,2015,36(3):106-113.

Secure localization algorithm for mobile nodes based on MCB

Cao Lu, Xiong Shenwen, Li Jiajun

(School of Information Engineering, Guangdong University of Technology, Guangzhou 510006, China)

To solve the problem of secure localization in mobile wireless sensor networks, this paper analyzes the effect of wormhole attack on MCB method, and then proposes a secure localization algorithm DWMCB. In case that anchor nodes are under worm attack, this algorithm identifies and eliminates the false anchor node information by calculating the centroid of the polygon of the anchor nodes which are currently detected and the geometric relationship. The simulation results show that the secure localization algorithm can improve the accuracy of localization in wireless sensor networks which are under wormhole attack.

mobile wireless sensor networks; secure localization; wormhole attack; anchor node

TP393

A

10.19358/j.issn.1674- 7720.2017.16.001

曹璐，熊深文，李嘉俊.基于MCB的移動節點安全定位算法[J].微型機與應用，2017,36(16)：1-4.

2017-02-27)

曹璐(1991-)，女，碩士研究生，主要研究方向：移動傳感器網絡的安全定位。

熊深文(1989-)，男，碩士研究生，主要研究方向：無線傳感器網絡的安全定位。

李嘉俊(1992-)，男，碩士研究生，主要研究方向：移動無線傳感器網絡的安全定位。