一个基于灰色关联和距离分析的低功耗安全路由控制方法与流程

1.本发明设计了一个基于灰色关联和距离分析的低功耗安全路由控制方法，属于无线传感器网络路由协议的研究领域。该协议采用灰色关联分析法将网络划分为若干独立的簇区域，在每个簇区域内，簇头节点根据接收到的簇内节点的数据，结合距离向量法和多项式拟合，筛选恶意节点，最后根据邻居簇头节点的能量密度、位置等信息选取具有最优评价值的路由节点，确定路由路径。


背景技术：

2.安全是无线传感器网络路由协议设计中需要重点关注的性能之一，在无线传感器网络领域有很多学者对此展开了研究。基于信任机制的路由协议是目前提出比较多的协议算法，根据信任值计算方式的不同，这些协议可以分为两类：基于信誉的信任机制和基于本地信任的信任机制。
3.基于信誉的信任机制为了避免误差和保证评估的客观性，考虑了评估节点的主观因素，以及被评估节点面对不同的评估对象时表现不一的情况，将信任值计算流程划分为三步。第一步是评估节点对被评估节点的直接评估，第二步是被评估节点的邻节点对其进行评估，评估节点计算这些邻节点的信誉值，作为邻节点推荐信任值的可信度。第三步，评估节点结合自身的直接评估以及邻节点的推荐信任，采用权重分析法、模糊理论等数学模型和理论，求得被评估节点的真实信任值。基于信誉的信任评估机制因综合考虑了地理相关和时间相关的各种因素，在安全性方面表现良好，但是在能耗方面表现欠佳。因此在这类路由协议中，除了针对信任值计算方法的研究，如何有效地降低能耗也是一个亟待解决的问题。
4.为了减少基于信誉的信任机制中推荐信任计算过程中节点之间频繁的信息传送，基于本地信任的信任机制从根源避免能量的消耗，仅仅根据自身对被评估节点的历史通信行为和交互情况的观察，计算节点的信任值。因为减少了邻居节点的推荐，本地信任评估的客观和准确性需要得到保证。目前提出的协议研究了采用不同的数学模型如简单的公式法、贝叶斯网络模型、模糊理论等对节点交互行为和节点属性等的评估，取得了一定的成果。但是对于仅仅考虑节点自身收集到的数据进行评估的研究较少，主要应用在异常数据处理等场景中。


技术实现要素：

5.本发明提出一个基于灰色关联和距离分析的低功耗安全路由控制方法，所要解决的技术问题是现有的无线传感器网络路由协议信任评估机制中消息传递现象较多，能耗较大的问题。本发明采用的技术方案是：采用灰色关联分析方法，根据传感器节点的感知数据具有空间相关性的特点，在网络中动态分簇；簇头节点采用距离向量法和多项式拟合相结合的方式，对簇内节点发送的数据进行分析，判断节点的安全性。该协议避免了信任评估机制中评估节点与被评估节点之间大量的数据传递，在保证网络安全性的同时降低了网络能
耗，延长网络生存时间，在传感器网络安全状态未知的场景中也可以很好地应用。
6.本发明一个基于灰色关联和距离分析的低功耗安全路由控制方法由四部分构成，即系统模型、基于灰色关联分析法分簇、簇内安全感知以及路由选择。
7.所述系统模型中网络模型具有以下属性：(1)传感器网络监测为矩形区域，基站位于监测区域外面且基站和传感器节点在网络布设结束后位置不再改变；(2)网络区域中节点均为同构，节点初始能量一致，每个传感器节点有唯一标号；(3)传感器节点在网络区域中随机分布，基站存储网络区域节点初始化分布信息；(4)传感器节点之间的通信链路对称；(5)节点具有一定的计算处理能力和适度的存储空间，可以进行基本有限的运算，存储少量信息。
8.所述能量模型采用无线传感器网络中典型的一阶无线电模式。模型中假设阈值d0，设发送节点与接收节点之间的距离为d，当d《d0时节点使用自由空间能量消耗模型，此时发送数据的能耗与d的平方成正比，而当d》d0时节点使用多路径衰减能量消耗模型，此时发送数据的能耗与d的四次方成正比。
9.所述网络拓扑结构为无线传感器网络典型层次结构，在稳定阶段普通节点将感知信息发送给对应簇头，各个簇头负责收集融合簇内节点传达的信息以及接收其他簇头发送过来的数据包，最后沿着构建好的多跳路由路径将数据发送到基站。
10.所述基于灰色关联分析法分簇的思想，利用了传感器节点由于分布密集而导致在空间上相近的节点的感知数据具有一定关联性的特点，对簇内节点的感知数据标准化处理后，建立灰色关联矩阵，将灰色关联矩阵中关联度较大的节点划分为一个簇区域。这种分簇方法利用了网络实际数据的关联度，更具有客观性。
11.所述簇内安全感知包括以下步骤：
12.(1)每一个簇区域中，根据节点的剩余能量、节点密度和距离基站的距离等因素选择候选簇头。
13.(2)簇内普通节点实时感知周围环境的数据，并将数据发送到簇头节点。
14.(3)簇头节点首先根据自身的感知数据以及接收到的簇内各节点的感知数据，建立灰色关联模型，判断属性指标之间的联系，并对具有联系的指标进行多项式拟合。
15.(4)接着以自身的感知数据为标准，采用距离向量法计算簇内节点的感知数据与自身数据的距离。
16.(5)簇头将距离较远的节点视为嫌疑节点，对嫌疑节点的数据进行二次分析。基于已经得到的拟合函数，计算嫌疑节点发送数据与预期数据的拟合程度，与预期数据相差较远的节点视为恶意节点，隔离在网络之外。
17.所述路由选择规则为：
①
若簇头chi与基站距离小于阈值d0，则该簇头不需要中转节点，直接采用单跳方式将数据传输至基站。
②
若簇头chi与基站距离超过d0，则簇头chi在其路由候选节点集合中选择中转节点用于数据转发。当簇头chi的候选路由集合为空，基站就是chi的下一跳节点；当候选路由集合只有一个节点，该节点直接当选为下一跳路由；当候选路由集合存在多个候选节点，基于节点的能量、信任值和距离等因素建立选择函数，计算每个候选路由节点的函数值，选择函数值最高的节点作为下一跳路由。
附图说明
18.图1是本发明的算法原理图；
19.图2是灰色关联分析原理图；
20.图3是路由示例图。
具体实施方式
21.以下将结合附图，对本发明进行详细说明。
22.本发明一个基于灰色关联和距离分析的低功耗安全路由控制方法由四部分构成，即系统模型、基于灰色关联分析法分簇、簇内安全感知以及路由选择。系统模型为协议实现提供模型，其中包括网络模型、能量模型和网络拓扑结构；基于灰色关联分析法分簇利用了空间上相邻的传感器节点感知的数据具有一定关联性的特性，将关联度较高的节点划分为一个簇区域；簇内信任评估是簇头对自己接收到的数据包与自身感知的数据包进行对比分析，结合距离向量法和多项式拟合方法，筛选接收到的异常数据，进行过滤恶意节点；路由选择时簇头节点根据相邻簇头节点的剩余能量、距离和信任值等信息，采用公式法选择最合适的下一跳中转路由节点。
23.所述系统模型中网络模型具有以下属性：(1)传感器网络监测为矩形区域，基站位于监测区域外面且基站和传感器节点在网络布设结束后位置不再改变；(2)网络区域中节点均为同构，节点初始能量一致，每个传感器节点有唯一标号；(3)传感器节点在网络区域中随机分布，基站存储网络区域节点初始化分布信息；(4)传感器节点之间的通信链路对称；(5)节点具有一定的计算处理能力和适度的存储空间，可以进行基本有限的运算，存储少量信息。
24.所述能量模型采用无线传感器网络中典型的一阶无线电模式。模型中假设阈值d0，设发送节点与接收节点之间的距离为d，当d《d0时节点使用自由空间能量消耗模型，此时发送数据的能耗与d的平方成正比，而当d》d0时节点使用多路径衰减能量消耗模型，此时发送数据的能耗与d的四次方成正比。当传感器节点发送x比特数据时消耗的能量为：
[0025][0026]
节点接收x比特数据消耗的能量为：
[0027]erx
(x)＝e
rx-elec
(x)＝e
elec×
x#(4)
[0028]
其中e
elec
表示通信中发射电路、接收电路在发送或接收1比特数据时的能量消耗，ε
fs
，ε
mp
表示信号放大器在自由空间和多路径衰减模型下将1比特数据传送单位距离的能量消耗。
[0029]
所述网络拓扑结构为无线传感器网络典型层次结构，在稳定阶段普通节点将感知信息发送给对应簇头，各个簇头负责收集融合簇内节点传达的信息以及接收其他簇头发送过来的数据包，最后沿着构建好的多跳路由路径将数据发送到基站。
[0030]
所述基于灰色关联分析法分簇的思想，利用了传感器节点由于分布密集而导致在空间上相近的节点的感知数据具有一定关联性的特点，对簇内节点的感知数据标准化处理
后，建立灰色关联矩阵，将灰色关联矩阵中关联度较大的节点划分为一个簇区域。这种分簇方法利用了网络实际数据的关联度，更具有客观性。
[0031]
所述簇内安全感知包括以下步骤：
[0032]
(1)每一个簇区域中，根据节点的剩余能量、节点位置和距离基站的距离等因素选择候选簇头。簇头选择函数为：
[0033][0034]
其中e
res
表示节点的剩余能量，ds表示节点距离基站的距离，dc表示节点距离簇中心的距离，表示簇内节点剩余能量的均值、距离基站的距离的均值以及距离簇中心的距离均值。α，β，γ为系数。
[0035]
(2)簇内普通节点实时感知周围环境的数据，并将数据发送到簇头节点。
[0036]
(3)簇头节点首先根据自身的感知数据以及接收到的簇内各节点的感知数据，建立灰色关联模型，判断属性指标之间的联系，并对具有联系的指标进行多项式拟合。如图2所示，具体步骤为：
[0037]
(301)首先对数据进行标准化处理，灰色关联模型中常用的方式是均值化处理，即对各属性指标在不同节点处的数据，除以该属性下所有数据的均值；
[0038]
(302)选择一个标准属性，计算其他属性在不同节点处与标准属性的绝对差值ε
0i
，得到一个差值矩阵，取其中的最大值差值max与最小差值min；
[0039]
(303)计算灰色关联系数，计算方式如下：
[0040]
λ
0i
＝(min θ*max)/(ε
0i
θ*max)#(6)
[0041]
其中θ为系数。
[0042]
(304)根据灰色关联系数求出灰色关联度，计算方式为：
[0043][0044]
(4)接着以自身的感知数据为标准，采用距离向量法计算簇内节点的感知数据与自身数据的距离。距离向量的计算方法为：
[0045][0046]
其中表示向量的模。
[0047]
(5)簇头将距离较远的节点视为嫌疑节点，对嫌疑节点的数据进行二次分析。基于已经得到的拟合函数，计算嫌疑节点发送数据与预期数据的拟合程度，与预期数据相差较远的节点视为恶意节点，隔离在网络之外。
[0048]
所述路由选择如图3所示，具体规则为：
①
若簇头chi与基站距离小于阈值d0，则该簇头不需要中转节点，直接采用单跳方式将数据传输至基站。
②
若簇头chi与基站距离超过d0，则簇头chi在其路由候选节点集合中选择中转节点用于数据转发。当簇头chi的候选路由集合为空，基站就是chi的下一跳节点；当候选路由集合只有一个节点，该节点直接当选为下一跳路由；当候选路由集合存在多个候选节点，基于节点的能量、信任值和距离等因素
建立选择函数，计算每个候选路由节点的函数值，选择函数值最高的节点作为下一跳路由。选择函数的计算方式为：
[0049][0050]
其中e
res
表示候选节点的剩余能量，cosθ表示节点与候选节点的连线和节点与基站的连线之间的夹角余弦，表征候选节点的方向信息，d_s表示候选节点距离基站的距离，t表示候选节点的信任值。
[0051]
本发明在保证恶意节点识别率保持较好水准的基础上可以大大降低网络能耗，延长网络生命周期，且可以应用在网络环境安全性未知的场景中，具有良好的可用性和扩展性。