基于序贯概率比检验的自私路径检测方法

doi:10.11959/j.issn.1000-0801.2016059

摘要/Abstract

摘要：

根据基于序贯概率比检验的无线传感器网络模型，对基于路由功能的自私路径的检测方法进行了研究。通过分析节点接收到的观测样本值，将计算得出的路径评判值与已知阈值进行比较，从而判定是否为自私路径。仿真结果表明，这种基于序贯概率比检验的序贯抽样方案所需观测值的数量大大减少，运行更快，且具有较高的检测精度。相比于其他固定抽样方案，这种方法无需事先确定检验统计假设所需的样本观测值数量，有利于对危害网络安全的行为做出快速响应，从而限制受损网络的范围。

关键词: 无线传感器网络, 序贯概率比检验, 网络模型, 自私行为检测, 评判, NS-2仿真

Abstract:

According to a network model based on the sequential probability ratio test（SPRT），one detection method of selfish routes with respect to the routing functionality in wireless sensor network was developed.Through the analysis of the observed sample values of the nodes，the calculated routes evaluation values were compared with the known threshold values so as to determine whether it was selfish route.Simulation results show that the sequential sampling scheme based on the sequential probability ratio test had high detection accuracy，and the number of the required observation was greatly reduced，so it could operate faster.A merit of SPRT is that the number of observations required to test statistical hypotheses need not be determined in advance when compared to other methods based on a fixed number of observations.This allows for making prompt decision on the behavior of damage to the network，thus it can limit the scope of the damaged networks.

Key words: wireless sensor network, sequential probability ratio test, network model, misbehavior detection, evaluation, NS-2 simulation

王骐,王青萍,王怀兴,肖正安. 基于序贯概率比检验的自私路径检测方法[J]. 电信科学, 2016, 32(3): 81-86.

Qi WANG,Qingping WANG,Huaixing WANG,Zheng’an XIAO. Detection method for selfish routes based on the sequential probability ratio test[J]. Telecommunications Science, 2016, 32(3): 81-86.

图/表 1

参考文献 9

[1]	DJENOURI D ， KHELLADI L ， BADACHE N . A survey of security issues in mobile ad hoc and sensor networks[J]. IEEE Communications Surveys ＆ Tutorials， 2005，7（4）：2-28.
[2]	MICHIARDI P ， MOLVA R . Core：a collaborative reputation mechanism to enforce node cooperation in mobile ad hoc networks[C]// The IFIP TC6/TC11 6th Joint Working Conference on Communications and Multimedia Security， September 26-27，2002， Portoroz，Slovenia. New York： Springer US， 2002：107-121.
[3]	张帅，张凤斌 . 无线传感器网络中基于规范的入侵检测算法研究[J]. 计算机应用与研究， 2012，29（9）：3464-3466. ZHANG S ， ZHANG F B . Research on intrusion detection algorithm based on specification for WSN[J]. Application Research of Computers， 2012，29（9）：3464-3466.
[4]	HO J W ， WRIGHT M ， DAS S K . Distributed detection of mobile malicious node attacks in wireless sensor networks[J]. Ad Hoc Networks， 2011，10（3）：512-523.
[5]	RONG Y ， LEE S K ， AND CHOI H A . Detecting stations cheating on backoff rules in 802.11 networks using sequential analysis[C]// IEEE INFOCOM ’06， April 23-29，2006， Barcelona，Catalunya，Spain. New Jersey： Springer US， 2006：1-13.
[6]	RADOSAVAC S ， BARAS J S ， KOUTSOPOULOS I . A framework for MAC protocol misbehavior detection in wireless networks[C]// The 4th ACM Workshop on Wireless Security， September 2，2005， Philadelphia，PA，USA. New York： ACM Press， 2005：33-42.
[7]	陈波，毛剑琳，郭宁，等. 基于K-means 算法的无线传感器网络节点自私行为检测方法[J]. 系统仿真学报， 2014，（3）：580-585. CHEN B ， MAO J L ， GUO N ， et al. Detection method for selfish behavior of wireless sensor networks nodes based on K-means algorithm[J]. Journal of System Simulation， 2014（3）：580-585.
[8]	王骐，蔡子元，范慧璞 . 一种检测被捕获节点的基于异常的算法研究[J]. 压电与声光， 2014，36（6）：1030-1034. WANG Q ， CAI Z Y ， FAN H P . Research on an anomaly-based intrusion detection algorithm for compromised nodes in wireless sensor networks[J]. Piezoelectrics ＆ Acoustooptics， 2014，36（6）：1030-1034.
[9]	王骐，王殊，孟中楼 . 无线传感器网络中一种基于能效的入侵检测算法-3N算法研究[J]. 微电子学与计算机， 2010，27（4）：153-157. WANG Q ， WANG S ， MENG Z L . Research on energy-efficiency intrusion detection algorithm （3Nalgorithm）in wireless sensor networks[J]. Microelectronics＆Computer， 2010，27（4）：153-157.

[1]	丁铖, 陈锦荣, 曹小冬, 王翊. 基于服务质量的层次化结构资源分配算法[J]. 电信科学, 2022, 38(1): 102-111.
[2]	庞涛,丘海华,潘碧莹. 手机终端人工智能关键技术研究[J]. 电信科学, 2020, 36(5): 145-151.
[3]	李勇燕,吴坚平. 基于IPSO-MC融合算法的无线传感器节点定位[J]. 电信科学, 2020, 36(3): 11-18.
[4]	刘道远,孙科达,周君良,范海东. 模糊综合评判法在电力企业网络信息安全评估中的应用[J]. 电信科学, 2020, 36(3): 34-41.
[5]	王金华,应娜,朱辰都,刘兆森,蔡哲栋. 基于语谱图提取深度空间注意特征的语音情感识别算法[J]. 电信科学, 2019, 35(7): 100-108.
[6]	张红,沈士根,吴小军,曹奇英. 基于元胞自动机和静态贝叶斯博弈的WSN恶意程序传染模型[J]. 电信科学, 2019, 35(6): 60-69.
[7]	陈瑞凤,倪明,徐春婕,胡昊. 面向铁路环境监测的无线传感器网络通信性能分析[J]. 电信科学, 2019, 35(5): 70-77.
[8]	周颖,杨丽花,杨龙祥,倪梦. 基于卡尔曼预测与压缩感知的WSN中高能效数据收集方法[J]. 电信科学, 2019, 35(1): 74-80.
[9]	曹世华,胡克用,王李冬,王琦晖. 基于分布式色调识别的无线传感器网络k连通性路径检测[J]. 电信科学, 2018, 34(2): 65-73.
[10]	周海平,沈士根,黄龙军,冯晟. 基于博弈论的无线传感器网络恶意程序传播模型[J]. 电信科学, 2018, 34(11): 67-76.
[11]	孟得月,裴二荣,黄佑林. 异质节点分离CRSN中MAC协议设计与性能分析[J]. 电信科学, 2017, 33(8): 107-119.
[12]	刘建华,李明禄,李大志,李鲁群. 工业无线传感云中面向移动机器人的自适应信任演化机制[J]. 电信科学, 2017, 33(6): 86-96.
[13]	戴国勇,施伟元,应可珍,陈庆章,毛科技. 基于移动节点二次部署的WSN栅栏新型强化方法[J]. 电信科学, 2017, 33(6): 97-104.
[14]	李斐,陈恳,李萌,郭春梅. 一种基于运动相似熵的人群异常行为检测[J]. 电信科学, 2017, 33(5): 90-98.
[15]	王骐,肖正安,王怀兴. 无线传感器网络中基于“k-覆盖问题”的多项式时间算法[J]. 电信科学, 2017, 33(12): 91-98.