大型无线传感器网络恶意节点检测算法研究

Large-scale wireless sensor networks (WSNs) are applied in military and civilian areas and have received significant attention from both the academic and industrial fields. Due to their characteristics of huge amount and limited capability of sensor nodes, the performance of malicious node detection is seriously degraded. In order to find the malicious node rapidly in large-scale WSNs, this project first determines in a probabilistic manner whether a malicious node exists, and reduces its possible range, by utilizing ID and direction information. Then, local detection is performed within the reduced range through above method. In order to reduce complexity for sensor nodes, a normal model for legitimate nodes, on one hand, is formulated based on relating wireless channel parameters. The hidden Markov model is used to find the malicious node according to the normal model. In view of "false location" attacks, a lightweight location verification algorithm is, on the other hand, proposed to rapidly localize the malicious node from substantial sensor nodes by observing the variation of wireless channel information. Generally, the results obtained in this project will enrich the existing node detection theory, and provide a serial of new guidelines for protecting the WSN.

大型无线传感器网络在军事民事等各领域广泛应用，受到学术界与工业界越来越多关注。但由于其数目庞大以及节点能力受限等特点，恶意节点检测性能将受到严重影响。为了从众多传感器节点中快速发现恶意节点，本课题首先利用节点的身份以及方位信息，以概率的方式判断是否存在恶意节点，并缩小恶意节点可能存在的范围。其次，本课题在上述缩小的范围内进行局部检测。为了降低节点计算复杂度，本课题一方面将合法节点的相关无线参数特征建模为常态模型，并使用隐马尔科夫模型找寻恶意节点；另一方面，从”虚假位置”攻击中学习并发掘无线信道参数变化，设计轻量级位置验证算法，实现在大量传感器节点中快速定位恶意节点。本课题的研究成果不仅将成为现有恶意节点检测方法的必要补充，也将为大型无线传感器网络的安全保护提供一系列新的理论指导。

大型无线传感器网络在军事民事等各领域广泛应用，受到学术界与工业界越来越多关注。但由于其数目庞大以及节点能力受限等特点，恶意节点检测性能将受到严重影响。为了从众多传感器节点中快速发现恶意节点，提出了大规模传感节点环境下的多属性恶意节点检测算法。该算法基于ALOHA抗碰撞算法，采用多维动态布鲁姆过滤器，赋予传感节点身份信息标识（ID）和位置信息角度信息，不仅解决了与合法节点拥有相同身份信息ID的伪造恶意节点的检测问题，同时还能够检测出未知标签。相较于之前的大规模恶意节点检测算法，该算法能够在合理的时间内取得更高的检测率。在此基础上，一方面，本项目提出一种基于无线信道特征的恶意检测算法。该算法通过联合接收信道强度和信道状态信息以验证待测节点的合法性。该算法利用XGBoost方法离线训练鉴权模型，然后在在线验证过程中，采用基于接收信号强度的粗验证方法，该过程不会影响传感节点正常的通信。一旦发现可疑节点，则采用基于信道状态信息的细验证方法。通过仿真也验证了该算法的有效性，并可以对抗仿冒接入点等攻击；另一方面，本项目提出一种基于随机移动物体辅助的恶意节点检测算法。当移动物体遮挡住接入点和待测节点直接的传输路径的时候，待测节点接收到的信号强度将被减弱。基于接收信号强度的变化和移动物体的信息，接入点能判断该节点是否上报正确位置，从而判断节点的真伪。为了验证该算法的效果，本项目还从漏报率和误报率等角度分析该算法的性能，找出最合适的模型参数。仿真结果也显示该算法能够取得较高的检测率和较低的误报率，并能对抗多种攻击方式。. 通过本项目的支持，发表了学术论文8篇，申请了发明专利5项，搭建了基于matlab和python的大型无线传感器网络恶意节点检测的仿真平台。项目研究成果能够为大型无线传感器网络恶意节点检测提供有效的技术支撑和理论依据。