一种新的无线传感器网络安全路由协议

针对Gossiping协议中存在信息重叠、没有考虑到节点能量利用率和网络传输安全等问题,根据图论中Prims或者Kruskal算法来生成最小生成树的思想,在改进的最小生成树算法前提下,提出了一种传感器网络能量高效的安全路由(EESR)方案,引入了节点的可信度和能量值来作为图中边的权值,充分地考虑到能量的利用,同时防止了恶意节点篡改、丢弃数据包。实验结果表明:该方法提高了网络能量利用率,降低了网络丢包率,延长了无线传感器网络的生命周期。     

一种基于灰色马尔可夫模型的信誉评测模型及其安全路由协议

针对无线传感器网络信誉评测机制不全面, 可能造成误判节点信誉值的行为, 设计一种基于灰色马尔可夫模型的信誉评测模型, 并针对该模型设计一种查询路由协议, 解决路由协议中存在选择性转发攻击的问题。基于灰色马尔可夫信誉评测模型是通过改进BRSN模型, 综合考虑节点通信行为和评价行为的直接信誉、间接信誉、历史信誉以及能量信誉, 使用灰色马尔可夫模型对节点的当前信誉与历史信誉进行纵向分析, 提高信誉评测模型的精确度。此外, 将该模型的节点综合信誉应用于路由选择, 设计一种能量高效的查询路由协议, 从而提高查询路由协议的安全性。实验表明, 该信誉评测模型的节点信誉分布情况符合节点类型, 且误判率较低; 该查询路由协议的路由安全性较高, 能耗性较低, 因此无线传感器网络安全路由协议的整体性能都得到了提高。     

一种新的无线传感器网络恶意节点追踪方法

无线传感器网络中缺少单一可信的路由设备,存在中间节点篡改包标记的问题,为解决这一问题,提出一种改进的节点采样包标记算法.该算法通过对ID和数据包进行HASH运算来产生水印,并把水印概率性标记到相应的标记区中,Sink节点根据标记信息来实现对恶意节点的追踪.该算法能够有效地抵抗串通节点更改标记,把恶意节点定位在一跳范围之内.实验表明,改进后的算法可以有效地追踪到恶意节点,并将该方法与基于边标记的追踪方法进行对比,定位成功率得到提高.     

球结构支持向量机的主动自适应方法

为了解决大样本集标记工作问题和分类器对新样本分类适应能力差的问题,结合球结构支持向量机,提出了一种主动学习自适应性分类方法。该方法根据主动学习思想,以边界近邻策略迭代选取最有价值的样本,初始训练分类器,再依据增量学习方法选取包含新信息的样本,以阶段跟新方式重新训练分类器,并根据余弦相似度对内存中支持向量进行控制。实验结果表明,该方法既减少了标记开销,又保持了分类器分类性能的稳定性和延续性。