无线传感器网络安全数据融合研究

数据融合去除冗余信息,延长网络生命周期,有效地缓解了无线传感器网络资源瓶颈的问题。但是,无线传感器网络经常部署在开放的甚至敌对的环境中,使其安全问题非常突出,数据融合在具体实施过程中,极易受到安全攻击。因此,安全数据融合协议的设计成为无线传感器网络安全最为基本且重要的研究领域。文中分析了无线传感器网络数据融合面临的攻击种类和安全需求及挑战,着重比较了近年来该领域具有代表性的安全数据融合协议,指出了该领域今后的研究热点。     

基于同态MAC的无线传感器网络安全数据融合

数据融合因其去除冗余信息和延长网络生命周期的优势,成为缓解无线传感器网络资源瓶颈问题的有效技术.然而,不安全的数据融合结果对用户来说没有任何实用价值.无线传感器网络固有的特性使得安全数据融合研究面临许多挑战.为了实现安全的数据融合,提出一种高效的安全数据融合方法,通过构造满足同态性质的消息认证码,来检测融合结果的完整性...     

无线传感器网络中安全数据融合方法研究

随着无线传感器网络应用的不断增加,很多应用都需要保证信息或数据的隐私性和完整性,这就对数据融合提出了更高的要求和新的挑战,因此设计一种兼顾数据机密性和完整性的数据融合算法就显得尤为重要。文中提出了一种基于同态加密对数据的安全性进行保护和基于同态验证码对数据的完整性进行保护的算法。同态加密可以对加密数据直接进行操作,同态验证码抗攻击性强,具有良好的完整性保护特性。同时算法依据数据融合的树结构本身的特征,减少了数据通信开销,计算复杂度低。理论分析和仿真结果显示了该方法的有效性。     

无线传感器网络HEDSA数据聚合研究

现有普通安全方案不能满足无线传感器网络高安全性和高效率要求,为此,提出一种同态加密与数字签名算法。利用同态加密技术对加密的数据进行聚合,提高网络的数据传输效率,通过数字签名提供数据的完整性和不可否认性鉴别。理论证明和仿真实验表明,该算法具有较高的安全性和效率。     

无线传感器网络数据融合研究综述*

无线传感器网络中数据融合技术可以有效的减少数据通信量,降低能耗,延长网络的生存时间。数据融合研究涉及多个方面的技术,因此设计高效的数据融合算法是一项具有挑战性的工作。针对近几年数据融合算法的发展状况进行了综述,对现有的无线传感器网络数据融合算法进行分类研究,给出算法的基本功能和特征,对部分的算法的性能进行讨论和比较,给出数据融合研究领域内存在的问题和发展方向。     

无线传感器网络数据融合技术的研究进展

首先对无线传感器网络的特点进行了介绍,分析了数据融合技术对无线传感器网络发展的重要性,之后简要介绍分析了部分有代表性的研究成果．最后讨论了无线传感器网络中数据融合问题的未来研究方向。     

无线传感器网络网内数据融合技术研究

网内数据融合技术可以消除无线传感器网络中的冗余信息，提高数据的精确度，并延长网络的生命周期。本文通过分析现有网内数据融合技术的不足，提出一种新型网内数据融合技术，它通过利用一种新型的融合定时机制，对节点的融合定时时间进行合理配置，取得网络能量利用效率和数据精确性之间的良好平衡。     

传感器网络安全数据融合

安全数据融合的目标是在融合数据的同时,实现传感器节点感知数据end-to-end机密性与可认证性。End-to-end机密性一般由秘密同态加密技术来保障针对end-to-end可认证性与数据融合的矛盾,在同态认证技术不适用于多源多消息的背景下,为了实现end-to-end可认证性,采用对称加密技术构造了一个安全的数据融合认证方案。采用该数据融合认证方案与秘密同态加密方案,构造了安全的数据融合协议。安全性分析表明,该安全数据融合协议能在融合数据的同时保障感知数据end-to-end机密性与可认证性。     

无线传感器网络数据融合模型研究

无线传感器网络是一种全新的技术,能够广泛应用于恶劣环境和军事领域中。传感器网络在数据收集中,为减少冗余数据的传输耗能,降低延迟,需要采用数据融合技术。分析和介绍了传感器网络跟踪级与属性级两种融合模型结构,提出了一种基于多Agent的数据融合模型。     

基于公钥密码体制的动态无线传感器网络安全数据聚合研究

无线传感器网络通常由大量有限存储、计算和通信资源的传感设备组成,在军事和民用中得到广泛应用,因此其安全问题也受到关注。如今基于对称密钥密码体制的静态网络数据聚合已经得到丰硕的成果,随着新的安全要求和应用环境的出现,基于公钥密码体制的动态网络数据聚合成为热门研究领域。如何在不同公钥加密数据的传感器网络中实现端对端保密的数据聚合,文章给出一个直观的解决办法,并对3种公钥密码体制进行了性能与可行性分析,最后做出总结与展望。     

无线传感器网络的一种聚合时机控制算法

论文为无线传感器网络提出一种自适应的数据聚合时机控制算法,根据节点在数据聚合树中位置及孩子数的差异,自适应地使用以节点为根的数据聚合子树的最大加权深度值,为节点选择合适的等待时间,以有效进行数据聚合处理。理论分析和仿真实验表明该算法在提高数据回传率、节省能量的同时,能够避免数据的集中发送,提高对用户的响应速度。     

基于深度学习模型的无线传感器网络数据融合算法

为了在无线传感器网络中提高数据融合性能,基于深度学习模型,提出一种将层叠自动编码器(SAE)和分簇协议相结合的数据融合算法SAEMDA,该算法在各个簇内构建特征提取分类模型SAEM,通过SAEM对节点数据进行特征提取和分类,之后将同类特征融合并发送给汇聚节点。SAEM的训练既可以采用离线有监督学习也可以采用在线无监督学习。仿真实验表明:和BPFDA,SOFMDA算法相比,SAEMDA在网络能耗大致相当的情况下能将数据融合正确率提高最多7.5%。     

无线传感器网络中一种安全的数据汇聚与认证协议

无线传感器网络的能量资源有限,用数据汇聚来最小化传输量是减少能耗的最重要的技术之一,但数据汇聚也带来了信息泄露的风险。提出了一种名为SEDAA的安全节能的数据汇聚和认证协议。将采集的数据映射成无物理意义的模式码,根据模式码进行数据汇聚,再将被选中的采集数据以加密形式传输,保证了数据的机密性;利用会话密钥进行延迟汇聚和延迟认证,保证了传感器节点数据的完整性和真实性;采用!TESLA协议对基站消息进行认证;采用计数器生成会话密钥保证了数据的鲜活性。SEDAA可以抵御植入节点攻击和重放攻击,可部分解决妥协节点攻击。     

传感器网络中基于差异化加权数据压缩的汇聚算法

数据融合技术能有效地节省能量,提高信息的准确度.结合传感器网络自身的特点,本文提出了一种基于差异化加权数据压缩的汇聚算法(DADW),通过选择合适的融合点并对不同源节点的信息进行差异化加权处理,有效地提高了数据融合的精度,提供了可靠的服务质量保障.仿真结果表明,相对于已有的算法,该算法以一个很小数量级的能量损失获得了融合精度的显著提高.