無線傳感器網絡中基于鄰域的惡意節點檢測

楊治秋　陳麗敏　張丹

摘要：由于故障或惡意節點，收集或報告的傳感器數據可能是錯誤的，基于此，提出了一種基于鄰域的無線傳感器網絡惡意節點檢測方案。計算機模擬結果表明，除非惡意節點的行為與正常節點相似，否則大多數惡意節點根據其自身讀數報告都會被正確檢測到。

關鍵詞：無線傳感器網絡;惡意節點;故障;基于鄰域的檢測

中圖分類號：TN83 ? ? ? ? 文獻標識碼：A

文章編號：0439-8114（2020）05-0142-03

Abstract： Due to faults or malicious nodes，the sensor data collected or reported might be wrong. In this paper， we present a neighbor-based malicious node detection scheme for wireless sensor networks. Computer simulation shows that most of the malicious nodes reporting against their own readings are correctly detected unless they behave similar to the normal nodes.

Key words： wireless sensor networks; malicious nodes; faults; neighbor-based detection

在無線傳感器網絡中，傳感器節點在惡劣和無人值守的環境運行時，可能會產生錯誤的傳感器讀數和錯誤的報告，從而導致錯誤的決策或能量消耗。錯誤讀數和報告的潛在來源包括噪聲、故障和網絡中的惡意節點。與噪聲和故障不同，惡意節點可以任意修改檢測數據，故意生成錯誤報告[1]。為確保存在此類錯誤數據和報告的情況下進行可靠的事件檢測，有必要對惡意節點進行檢測和隔離，從而大大降低其對決策的影響[2]。

基于此提出了一種鄰域的無線傳感器網絡惡意節點檢測方案。惡意節點被建模為有故障的節點，這些節點可能故意報告一些不容易檢測到的智能錯誤數據。在不犧牲正常節點和降低事件檢測精度的前提下，應利用置信度和加權來檢測和隔離惡意節點。

1 ?網絡模型和操作模式

在介紹基于鄰域的惡意節點檢測方案時，使用了一個平面網絡，其中傳感器節點隨機部署在傳感器字段中[3]。假設所有傳感器節點具有相同的傳輸范圍R。因此，如果兩個節點的距離小于或等于R，則它們是彼此的鄰域。每個傳感器節點，根據其自身的傳感器讀數和相鄰節點的讀數來檢測惡意節點以及故障節點。

在檢測惡意節點時，可以使用兩種不同的操作模式：事件驅動和周期性，其中Tc表示周期，ts是兩個連續傳感器之間的間隔讀數，且Tc≥ts。在事件驅動模式下，具有異常讀數的傳感器節點會向其鄰域發送警報。在周期模式下，每個傳感器節點定期向其鄰域發送報告，而不管事件是否發生。

2 ?惡意節點建模

為了處理惡意節點，將它們視為可以任意修改其讀數的錯誤節點。簡單地根據其讀數報告可能會很快中斷，除非采取了一些容錯措施，否則會導致網絡功能中斷[4]。然而，即使使用簡單的檢測方案，也可以檢測到這樣一個微不足道的惡意行為。

在對惡意節點建模之前，首先定義故障和事件的模型。假設網絡中的任何節點都可能發生故障，并且所有傳感器節點的故障概率相同。假設每個傳感器節點都知道正常讀數的范圍，從而可以確定傳感器讀數是否屬于正常范圍。在這里，將“正常”范圍定義為無事件情況下的正確傳感器讀數范圍。為了方便起見，所有超出正常范圍的其他讀數都被稱為“異常”[5]。因此，在一個事件區域中，一個好的傳感器節點上的正確讀數也被稱為“異常”。此外，假設每個傳感器讀數都是二進制的，因此它是0（正常）或1（異常）。本研究考慮了兩種類型的故障：瞬時故障和永久故障。假設瞬態和永久性故障分別發生在具有相同Pt和Pp概率的所有節點上，且是隨機和獨立的。具有瞬時故障的節點應被視為正常節點，即使它們有時顯示錯誤的讀數。具有永久性故障的傳感器節點可能會重復報告0或1。為方便起見，將這種故障命名為卡在0和卡在1故障。假設它們發生的概率相同（即Pp0=Pp1=PP/2）。

假設惡意節點以相同的概率Pm隨機獨立地發生。無論傳感器的實際讀數如何，它們都可以報告任何值，0或1。在對惡意節點建模時，假設它們根據讀數報告概率Pma建模。例如，如果Pma=0.7，惡意節點根據其讀數報告，概率為0.7。

在簡化假設Pt是對稱的情況下，即P（1|無事件）=P（0|事件），惡意節點報告不同于基本事實的概率Pinv，Pinv可以寫成Pinv=Pt（1-Pma）+（1-Pt）Pma。對于給定的Pt（<0.5），Pinv值隨著Pma值的增加而增加。如果Pt=0.20，Pma=0.20，Pinv=0.32，略高于Pt。如果Pma增加到0.80，Pinv=0.68，顯著高于Pt。如果Pma減小到0.10，Pinv=0.26，非常接近Pt。在這種情況下，很難區分惡意節點和普通節點。盡管惡意節點的行為類似于普通節點，但它們可能仍然未被檢測到，不會顯著影響系統性能。

方案主要是檢測惡意節點的行為與正常節點不同，同時即使面對惡意節點也能保持較高的事件檢測性能。由于惡意節點而添加的錯誤讀數可能會導致不良事件檢測準確性和增加錯誤警報，會使惡意節點的事件檢測變得更加復雜。

3 ?基于鄰域的惡意節點檢測

在檢測存在故障和事件的惡意節點時，采用平滑濾波和置信度評估來提高惡意節點的檢測率。濾波器用于糾正由于瞬時故障導致的一些錯誤讀數。因此，它有效地降低了瞬時故障概率Pt，從而可以在更大范圍的Pma中檢測惡意節點。置信水平用于估計傳感器節點的可信度，反映決策過程中的可信度。從邏輯上隔離惡意節點和存在永久性故障的節點。

3.1 ?數據平滑和變化測試

在周期性和事件驅動的檢測中，受瞬時故障影響的讀數可能導致錯誤決策，導致計算和通信資源的浪費。此外，瞬時故障影響的診斷結果可能會導致一些正常的傳感器節點與網絡隔離，從而導致傳感器覆蓋率損失。

為了避免不必要的事件驅動檢測周期和由瞬時故障引起的錯誤決策，試驗采用了一個濾波器，為了平滑傳感器讀數，可以消除大多數瞬時過沖，而不會引起不必要的警報。將t=k時節點Vi的傳感器讀

數X給范圍測試塊，生成一個二進制值y（例如，0或者1），然后應用于平滑濾波器，生成輸出b。范圍測試塊檢查輸入是否屬于正常范圍。同樣的輸入X也被提供給變化測試塊，以查看傳感器讀數{X|1≤k≤Nc}在Tc期間的變化，maxX（X）-minX（X），檢查循環中k的所有值是否小于δ。如果條件滿足，傳感器節點Vi處的標志Si設置為1。當正常傳感器的讀數在任何情況下都不發生變化時，變化試驗可應用于在給定周期Tc內變化大于或等于δ的應用。例如，溫度傳感器的讀數（其中Tc是1 d）可能會發生變化，使得變化可能大于或等于δ（即δ=3）。這種變異測試可能會檢測到一些節點存在卡在0（正常）故障，這些故障在事件區域中會產生負面影響。

濾波器執行以下平滑功能使用w最新讀數和閾值q，如下所示：

b=1for∑?y≥q ?（1）

在不修改方案其余部分的情況下，可以使用其他過濾器。平滑功能在傳感器節點內執行，不需要節點間通信。在Tc的每個測試周期（即周期性）或b =1（即事件驅動）時，需要進行一次代碼間通信。在事件驅動模式下，只有從相鄰節點接收到警報的節點執行事件檢測過程，以決定警報的正確性。

3.2 ?置信水平評價

為了解決惡意節點問題，試驗將傳感器網絡建模為加權有向圖，其中每個傳感器節點Vi都有Wij，范圍從0到1，從Vi的角度初始化為1，作為相鄰節點Vj的置信水平。根據Vj的報告和Vj對事件做出的決定，在節點Vi上更新Wij級別。如果Wij=1，節點Vi完全信任節點Vj。然而，如果Wij=0，Vi根本不信任Vj。同樣，每個節點Vi有自己的置信水平Wij，也在0到1之間。Wij達到0時，Vi、Fi的故障狀態設置為1，表示Vi有故障。

上面定義的置信水平代表了相應傳感器讀數的可信度，并反映在即將解決的基于鄰域的惡意節點檢測方案中。在每個事件驅動和周期性檢測結束時，每個傳感器節點更新自己的置信水平和相鄰節點的置信水平，以反映后續決策過程中的水平。

3.3 ?惡意節點檢測

在基于鄰域的檢測方案中，每個傳感器節點僅使用其相鄰節點的傳感器讀數在本地檢測惡意節點以及故障節點。使用置信水平作為權重的加權多數用于檢測惡意節點。提出的惡意節點檢測方案如下。

1）給定傳感器讀數X，獲取y并確定b，并對卡在0故障檢測進行變化測試。

2）從鄰域處接收b和Fj（定期）。向相鄰節點發送警報（事件驅動）。

3）計算并做出決定Di

4）更新相應的置信水平Wij。由于瞬時故障而導致的大多數錯誤數據都會在本地糾正，因此可以大大減少錯誤警報，不會引起任何代碼間通信。此外，還對循環Tc期間的傳感器讀數進行了變化測試。在步驟2）中，使用鄰域通信執行定期檢查（在定期模式下）。但是，在事件驅動模式下，只有bi=1的節點向相鄰節點報告警報，以啟動事件驅動檢測。步驟3）執行加權權重來決定事件，其中M1（M0）是bij= ? 1（0）的節點權重之和，di是Vi的節點度。置信水平反映在決策過程中。在步驟4）中，所有權重Wij都會更新。更新權重以有效地從網絡中刪除惡意節點是很重要的。

更新政策因事件的決定而有所不同。在沒有事件的情況下，權重Wij更新如表1所示，其中Fj表示Vj的故障狀態。只有當Vj為無故障（即Fj=0）且屬于多數組時，Vj節點Wij的置信水平才會增加β。否則，它會減少α。在這里，α和β必須正確選擇以優化性能。

在有事件的情況下，權重Wij更新如表2所示。惟一的區別是第三行的置信水平保持不變，因為事件區域的確切邊界未知。

在無事件的情況下，每個傳感器節點Vi更新自己的置信水平Wij，如下所示。

Wij=max（0，Wij-？琢），bi=1或Si=1max（1，Wij+？茁），bi=Si=1 ?（4）

在上述表達式中，Si=1表示節點Vi處的讀數不滿足最小變化要求，表明存在潛在的卡在0故障。當Wij達到0時，節點Vi、Fi[最初為0（無故障）]的故障狀態設置為1（故障）。一旦設置為1，如果不采取任何恢復措施，它將保持在那里。

4 ?模擬結果

通過計算機仿真，評價了惡意節點檢測方案的有效性和檢測結果的準確性。模擬在一個正方形區域隨機部署了1 024個傳感器節點。選擇傳輸范圍R將平均節點度數d設置為12。此外，假設事件區域是半徑為R的圓（即與傳輸范圍相同）。

永久性故障、瞬時故障和惡意節點是隨機獨立生成的。在永久性故障的情況下，它們在前10個運行周期內均勻生成。在沒有事件的情況下，假設惡意節點根據實際讀數報告概率Pma。另一方面，假設它們在事件區域中時報告0，以估計最壞情況下的事件檢測性能。

定義了惡意節點檢測率（MDR）和誤判率（MR）兩個指標來評價所提出的惡意節點檢測方案。MDR定義為檢測到的惡意節點數與惡意節點總數之間的比率。MR定義為故障的正常節點與正常節點總數之比。不針對惡意節點定義MR的原因是惡意節點的行為類似于普通節點（即大多數情況下正確報告），在它們改變行為之前，不會造成任何傷害。

另外兩個指標，事件檢測準確度（EDA）和誤報率（FAR）用于評估結果事件檢測性能。EDA定義為正確識別的事件數與生成的事件總數之間的比率。FAR是在沒有事件的情況下，報告1的節點數與節點總數的比率。

當Pp=0.1，Pt=0.1，Pma=0.4時，首先對4個不同的Pm（0.05、0.10、0.15和0.20）值進行模擬估算MDR和MR。50個操作循環后的結果如表3所示，其中選擇α=0.2和β=0.05。為了進行比較，還對α=β=0.1（表4）進行了模擬。表3中的MDR很高，而MR很小。另一方面，表4中的MDR非常低，因為失去的置信水平很快恢復。α/β值必須適當分配，以實現高MDR，同時保持低MR。如果α/β=4，在沒有事件的情況下，每5個周期發送1次警報的惡意節點將恢復其置信水平，因此不太可能被檢測到。由于模擬中Pma設置為0.4，因此獲得了高MDR。對于相同的α和β值，得出的EDA顯示為不同的Pm值。對于這兩種不同的情況，FAR幾乎相同，非常接近0。隨著Pm的增加，（0.2，0.05）保持了比（0.1，0.1）更持久、穩定的性能。

5 ?結論

研究提出了一種基于鄰域的無線傳感器網絡惡意節點檢測方案。在不犧牲正常節點的情況下，在存在故障和事件的情況下檢測惡意節點。它們被建模為故障節點，可以任意修改傳感器讀數，并且行為智能不容易被檢測到。置信水平用于評估傳感器節點在正常運行期間的可靠性。更新置信度的兩個參數用于區分惡意節點和正常模式，需要正確選擇它們之間的比率，以最終隔離惡意節點，即使它們的行為與普通節點略有不同。在面對故障和事件時，可以保持高檢測率和低錯誤檢測率的水平。

參考文獻：

[1] 劉 ?偉，胡安林.無線傳感器網絡覆蓋率與節能性研究[J].電子技術應用，2016，42（6）：98-100.

[2] 廖先莉.無線傳感器網絡多重覆蓋調度算法的研究[D].重慶：重慶大學，2013.

[3] SINGH M，KHILAR P M.A range free geometric technique for localization of wireless sensor network（WSN） based on controlled communication range[J].Wireless personal communications，2017，94（3）：1359-1385.

[4] 劉洲洲，王福豹，張克旺.基于改進螢火蟲優化算法的WSN覆蓋優化分析[J].傳感技術學報，2013，26（5）：675-681.

[5] 楊治秋，原福永.基于簇狀結構的時間同步算法[J].儀表技術與傳感器，2017（4）：100-104.