基于两阶段信任评估机制的水声传感器网络数据收集方法技术

本发明专利技术涉及一种基于两阶段信任评估机制的水声传感器网络数据收集方法，其步骤包括：首先，针对水声传感器网络数据收集系统，将数据收集过程分为数据预传输和数据传输两个阶段；接着，在数据预传输阶段，节点基于

【技术实现步骤摘要】
基于两阶段信任评估机制的水声传感器网络数据收集方法


[0001]本专利技术涉及一种基于两阶段信任评估机制的水声传感器网络数据收集方法，属于水声传感器网络通信支持

。

技术介绍

[0002]作为最先进的海洋监测模型，水声传感器网络被广泛应用于海洋环境监测
、
能源勘探
、
国防安全等研究领域
。
水声传感器网络中部署了大量传感器节点，各节点相互协作并进行实时数据收集
。
水下传感器节点通过水声信号进行通信，而水声信道是一种极其复杂
、
带宽有限的通信信道，具有频率选择性衰落
、
多普勒效应等特性，不稳定的水声信道会导致数据包丢失，也使得节点传输数据需要消耗额外的能量
。
对比与陆地无线传感网，水声传感器网络中部署的节点能量资源受限，直接影响了水声传感器网络的使用寿命
。
[0003]由于水下环境的无人值守性，网络中潜在的恶意攻击大大降低了数据收集的可靠性
。
一方面，节点本身的物理安全很难保证，攻击者捕获节点后并对其进行控制，通过植入恶意程序从网络内部发起一系列攻击；另一方面，恶意节点容易冒充合法节点，通过监听信道
、
窃取信息，向网络中注入错误数据来破坏正常的数据传输
。
信任评估机制能够有效防御内部攻击，适用于水声传感器网络数据收集的安全保护
。
然而，现有的信任模型仅考虑节点间互评估，忽略了节点的自评估，而互评估本身也存在安全漏洞，例如无法防御合谋攻击
、
坏嘴攻击等
。
[0004]水声传感器网络中数据收集的过程主要分为三步：
1)
节点感知环境并采集信息；
2)
节点打包并暂存采集的信息；
3)
节点通过单跳或多跳的方式传输数据
。
在水下数据收集过程中，节点在处理信息和传输数据时都可能遭受恶意攻击
。
节点是数据收集的载体，节点的可靠性较大程度的影响了收集到的数据的可靠性，因此，在传输数据前对节点进行安全分析，可以及时检测入侵攻击，避免数据的无效收集
。
[0005]海洋数据收集的目标是通过构建水声传感器网络获得安全
、
可靠的数据，而数据传输过程中数据包可能丢失
、
被篡改，接收节点对数据的处理有待研究
。
因此，需要设计一种高可靠的数据收集方法，在保证节点安全性
、
数据可靠性的前提下，提高数据的可用性，实现水声传感器网络的寿命最大化
。

技术实现思路

[0006]本专利技术所要解决的技术问题是：针对构造水声传感器网络进行数据收集时，存在的网络无人值守
、
水声信道不稳定
、
攻击方式复杂多变等问题
。
结合强化学习和异常检测技术，提出一种基于两阶段信任评估机制的水声传感器网络数据收集方法
。
首先构建水下数据收集模型，将数据收集过程分为数据预传输阶段和数据传输阶段；接着，在预传输阶段提出节点自信任评估的概念，让节点本身作为智能体，基于
Q
‑
learning
算法根据自身状态进行自信任评估，较大程度的对妥协节点进行防御；其次，在传输阶段对可信节点进行数据可信度评估，并对可信度低于阈值的数据进行异常检测，使用自适应滑动窗口的数据异常检
测算法识别出被篡改
、
丢失的数据包，实现水下数据收集过程中节点安全性
、
数据可靠性的双重保障
。
[0007]为了达到上述目的，本专利技术是通过以下技术方案实现的：
[0008]一种基于两阶段信任评估机制的水声传感器网络数据收集方法：包括以下步骤：
[0009]步骤一：水下数据收集模型构建
[0010]水声传感器网络由水下部署的传感器节点和水面的汇聚节点组成；水声传感器网络分成若干个簇，各分簇网络中簇成员与簇头间进行单跳通信；数据收集过程分为数据预传输和数据传输两个阶段；在数据预传输阶段，簇成员节点感知
、
采集数据；在数据传输阶段，簇成员节点将采集的数据进一步传输给簇头节点；
[0011]步骤二：基于强化学习的节点自信任评估
[0012]在数据预传输阶段，传感器节点监测自身的能量消耗
、
活跃水平，定期进行自信任评估；在每个自信任评估时刻，各传感器节点计算自身的能耗率
、
活跃度；然后基于强化学习中的
Q
‑
learning
算法，节点进行自信任评估；最后根据自信任评估结果，节点选择是否参与数据传输阶段的数据传输；
[0013]步骤三：基于异常检测的数据可信度评估
[0014]在数据传输阶段，根据收集的环境信息
、
发送节点的能量信息
、
数据丢包情况，接收节点对传输数据进行可信度评估；接收节点将收集到的信息量化为信任证据，计算传输数据的信任值；对低于信任阈值的传输数据引入异常检测技术，识别被篡改
、
缺失的数据段
。
[0015]上述步骤一中，水下数据收集模型构建方法如下：
[0016]传感器节点稀疏部署在水下环境中，负责各自通信范围内的水下数据采集任务；汇聚节点接收并处理整个网络中传感器节点发送的数据；水下传感器节点被分成若干个簇；簇成员节点感知
、
采集数据，并以单跳的方式定期将数据传输至簇头；簇头节点暂存数据，根据接收到的数据收集信号将数据传输至汇聚节点；
[0017]根据簇成员与簇头的交互过程，将数据收集分为数据预传输阶段和数据传输阶段；在数据预传输阶段，考虑故障节点
、
妥协节点对数据收集可靠性的影响，节点进行自信任评估；在数据传输阶段，结合恶劣的水下环境和复杂的恶意攻击，簇头进一步对传输数据进行可信度评估；仅当节点自信任评估为可信时，数据才会被传输至簇头，不可信节点则停止参与本轮数据传输任务
。
[0018]上述步骤二中，基于强化学习的节点自信任评估方法如下：
[0019]首先，在网络初始化之后进行预实验，在安全可靠的水下环境中测试传感器节点传输数据时的能量消耗
、
活跃水平，得到节点可信时执行数据收集任务的能耗区间
s
E
、
活跃度区间
s
A
，设置为标准区间；
[0020]然后，当节点在数据传输开始前，采用强化学习中的
Q
‑
learning
算法进行节点自信任评估；在自信任评估过程中，节点本身作为智能体，基于当前自身的状态
s
t
执行动作
a
t
，并转移到新的状态
s
t本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于两阶段信任评估机制的水声传感器网络数据收集方法，其特征在于：包括以下步骤：步骤一：水下数据收集模型构建水声传感器网络由水下部署的传感器节点和水面的汇聚节点组成；水声传感器网络分成若干个簇，各分簇网络中簇成员与簇头间进行单跳通信；数据收集过程分为数据预传输和数据传输两个阶段；在数据预传输阶段，簇成员节点感知
、
采集数据；在数据传输阶段，簇成员节点将采集的数据进一步传输给簇头节点；步骤二：基于强化学习的节点自信任评估在数据预传输阶段，传感器节点监测自身的能量消耗
、
活跃水平，定期进行自信任评估；在每个自信任评估时刻，各传感器节点计算自身的能耗率
、
活跃度；然后基于强化学习中的
Q
‑
learning
算法，节点进行自信任评估；最后根据自信任评估结果，节点选择是否参与数据传输阶段的数据传输；步骤三：基于异常检测的数据可信度评估在数据传输阶段，根据收集的环境信息
、
发送节点的能量信息
、
数据丢包情况，接收节点对传输数据进行可信度评估；接收节点将收集到的信息量化为信任证据，计算传输数据的信任值；对低于信任阈值的传输数据引入异常检测技术，识别被篡改
、
缺失的数据段
。2.
根据权利要求1所述的基于两阶段信任评估机制的水声传感器网络数据收集方法，其特征在于：所述步骤一中，水下数据收集模型构建方法如下：传感器节点稀疏部署在水下环境中，负责各自通信范围内的水下数据采集任务；汇聚节点接收并处理整个网络中传感器节点发送的数据；水下传感器节点被分成若干个簇；簇成员节点感知
、
采集数据，并以单跳的方式定期将数据传输至簇头；簇头节点暂存数据，根据接收到的数据收集信号将数据传输至汇聚节点；根据簇成员与簇头的交互过程，将数据收集分为数据预传输阶段和数据传输阶段；在数据预传输阶段，考虑故障节点
、
妥协节点对数据收集可靠性的影响，节点进行自信任评估；在数据传输阶段，结合恶劣的水下环境和复杂的恶意攻击，簇头进一步对传输数据进行可信度评估；仅当节点自信任评估为可信时，数据才会被传输至簇头，不可信节点则停止参与本轮数据传输任务
。3.
根据权利要求1所述的基于两阶段信任评估机制的水声传感器网络数据收集方法，其特征在于：所述步骤二中，基于强化学习中的
Q
‑
learning
算法，节点自信任评估方法如下：首先，在网络初始化之后进行预实验，在安全可靠的水下环境中测试传感器节点传输数据时的能量消耗
、
活跃水平，得到节点可信时执行数据收集任务的能耗区间
s
E
、
活跃度区间
s
A
，设置为标准区间；然后，当节点在数据传输开始前，采用强化学习中的
Q
‑
learning
算法进行节点自信任评估；在自信任评估过程中，节点本身作为智能体，基于当前自身的状态
s
t
执行动作
a
t
，并转移到新的状态
s
t+1
，同时得到一个奖励值
r
；状态
s
t
是指当前时隙节点的能耗率活跃度用二元组用二元组表示，节点的可信程度
T
node
由节点的状态信息决定，表示为
动作
a
t
是指节点对自身进行可信度评估，包括节点可信
a
t
＝1和节点不可信
a
t
＝0两种；当自信任评估为可信时，节点将参与下一阶段的数据传输，因此节点执行动作
a
t
＝1且传输数据；当自信任评估为不可信时，节点则不会参与本轮的数据传输，因此节点执行动作
a
t
＝0且不传输数据；奖励值
r
是由节点的状态信息及执行的动作共同决定的；当节点状态同时满足时表示节点可信，若：
1)
执行
a
t
＝1，因此将该节点的奖励值设置为5；
2)
执行
a
t
＝0，因此将该节点的奖励值设置为0；当节点状态不满足时表示节点可疑或不可信，若：
1)
执行
a
t
＝1，将该节点...

【专利技术属性】
技术研发人员：韩光洁，黄颖，何宇，
申请(专利权)人：河海大学，
类型：发明
国别省市：