基于分簇的无线传感器网络簇内数据融合算法

根据节点剩余能量、通信消耗量和节点IP,设计无线传感器节点分簇算法,减少了无线传感器网络的数据传输总量。分析对以分簇为基础的簇内数据的融合算法误差成因,提出先进行簇内传感器测量修正、再进行簇内传感器数据融合的改进算法。通过TOSSIM仿真平台的实验,改进后的簇内数据融合算法测量误差明显减少。     

无线传感器网络安全数据融合的研究

数据融合因其去除冗余信息和延长网络生命周期的优势,成为有效缓解无线传感器网络资源瓶颈问题的重要途径之一,在无线传感器网络上得到广泛的应用。但是,无线传感器网络与生俱来的开放性环境甚至敌对环境部署的特性,给其埋下了安全隐患。因此,数据融合在具体实施过程中,往往易于受到安全攻击。本文从无线传感器网络安全的数据融合展开。重点介绍基于同态加密机制的安全数据融合,并分别介绍当前典型的私钥同态加密算法和公钥同态加密算法,最后介绍一种基于公钥同态加密算法的安全数据融合应用。     

基于分簇的低能耗数据融合隐私保护协议

提出了一种基于分簇的低能耗隐私保护协议(LCCPDA), 其采用动态的方式选举簇头和简单加法簇内融合方式。LCCPDA可以在实现数据融合的同时保护数据安全, 防止数据被窃听和窜改, 保障了数据的隐私性。通过实验分析, 相比于分簇隐私数据融合协议CPDA, LCCPDA有更高的隐私保护性和更低的数据通信量。     

传感器网络中基于簇的融合树构建算法

针对无线传感器网络中节点能量有限的特点,提出一种基于簇的数据融合树构建算法。该算法利用基于簇的层次结构减少路由维护代价并提高系统可扩展性;利用数据融合树处理网中冗余信息,降低数据传输量,实现了节点能量高效地使用。仿真结果表明,该算法能有效降低节点能量消耗,并延长网络生存期,性能优于典型算法。     

基于异常数据驱动的WSN簇内数据融合方法

引入数据驱动的思想,提出了一种基于异常数据驱动的簇内数据融合方法.在节点数据采集过程中,仅当异常数据发生时才发送给簇头,减少了监测网络的数据传输量.在簇头数据融合过程中,建立了各传感器之间的相互支持度矩阵,支持度值较低的监测数据将被剔除,支持度值较高的监测数据进行最优加权融合,从而保证了融合结果的准确性和有效性.仿真实验结果表明,与算术平均值法及自适应加权融合法相比,本文方法能有效去除冗余信息,在融合精度、能量消耗方面具有明显的优势.     

基于小波变换的传感网簇内数据融合方案

无线传感器网络中同一簇内采集到的数据具有空间相关性,由此文章提出了一种基于小波变换的簇内数据融合方案。在信源编码中,利用空频变换方法,在簇头节点对簇内数据去除空间上的相关性,从而实现数据融合,并使得SINK节点重构恢复的数据与原始数据质量基本相同。经过Matlab仿真分析,该数据融合方案在压缩比和失真度上均表现出良好的特性。     

无线传感器网络簇内自适应融合算法研究*

无线传感器网络中采集的数据存在着较大的冗余与误差,且影响数据的可靠性。针对这个问题,分析了簇内数据误差成因,提出了一种改进后的自适应数据融合算法。该算法从节点测量数据自身着手,通过迭代得到各个节点测量数据的无偏估计值,以各个节点与估计值的欧氏距离作为各节点可信度的描述。实验证明,该融合算法提高了数据的精度和可信度。同时,通过与分批估计融合方法和传统的自适应加权融合方法的比较分析,表明该方法融合效果更好。     

无线传感器网络的数据压缩算法综述

介绍无线传感器网络的特点,分析数据压缩技术对无线传感器网络发展的重要性;综述了无线传感网络中数据压缩技术的研究现状并介绍了无线传感器网络中部分有代表性算法的研究成果:根据监测数据在时间和空间上存在某种相关性,分类出基于时空相关性的数据压缩算法;根据采用某种变换去除数据时空相关的冗余信息算法,分类出基于小波变换的数据压缩算法;在集中和分散这两种信息服务都能实现的原则基础上,分类出分布式数据压缩算法;通过对传统的压缩算法进行裁剪和优化,分类出改进的传统数据压缩算法;同时总结了各算法的适用环境及其算法中心思想;最后讨论了无线传感器网络中各种数据压缩算法在现阶段存在的不足及各种压缩方法的未来研究方向.     

WSN中基于分簇的模糊加权数据融合算法

为在数据收集和传输中保证数据的准确性和实时性,提出一种基于分簇的模糊加权数据融合算法(FWADF)。在簇内利用模糊逻辑控制器分析节点数据的可信度,确保数据的可信性,同时加入对数据优先级的考虑,减少网络时延。在簇间采用模糊加权矩阵方法提高数据的准确性。在NS-2仿真工具上的实验结果表明,在同等数据流量的前提下,采用FWADF算法时数据到达基站的时间延迟最短,在节点收集相同数据量的情况下,与Proposed DF、VWFFA、FIM等算法相比,基站获得数据的平均准确率分别提高5.0%、16.1%、9.5%。     

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...     

一种低通信量的数据融合隐私保护算法

无线传感网中的数据融合技术是降低节点通信量的最为有效的方式之一,而隐私保护是用户数据安全性的要求,有效的数据融合隐私保护算法是无线传感应用的重要研究方向。近年来,出现的一些基于数据分片混合的数据融合隐私保护算法,如SMART(Slicing-Mix-AggRegaTion),在分片数不小于3时可以有效保护数据的安全,但在分片交换阶段网络中数据包过多,数据包容易产生碰撞而丢失。文中提出了一种新的数据融合隐私保护算法LTPART,它在采用一种安全有效的密钥分配策略的基础上,利用新的数据分片算法,降低了安全通信时数据的通信量。在数据融合阶段,LTPART为每一层分配固定时间片和浮动时间片,来保证节点数据充分融合及融合的精确性。仿真实验表明,在有效保护数据隐私的前提下,LTPART要比SMART(J=3)少N(N为网络中节点的数目)次节点间的通信。     

传感器网络中精确融合的隐私保护算法研究

无线传感器网络作为物联网的重要组成部分,当其在融合私密数据时,出于安全性与保密性的要求,隐私保护机制不可或缺,在数据融合的同时加入隐私保护机制现已成为人们研究的焦点。文中针对SMART( Slice-Mix-AggRegaTe)算法中融合精确度与隐私保护性方面的性能缺陷进行分析,加入“局部分片”策略,形成PSMART ( Partial Slice-Mix-Ag鄄gRegaTe)算法,该算法在融合精确度、通信量以及隐私保护性方面表现良好。仿真结果表明,PSMART算法提高了融合精确度,增强了隐私保护性,一定程度地降低了通信量,从而减少节点能量支出,间接地延长了网络存活时间。     

无线传感器网络能量平衡融合算法

针对目前已有网络层数据融合算法的不足,在LEACH分簇协议的基础上,基于线性规划方法,提出了一种能量平衡融合算法BECA.BECA算法从降低传感器网络整体能耗的角度出发,兼顾了算法复杂度和融合算法对网络时延的影响.实验证明,BECA算法是一种快速、可靠、有效的方法,具有广泛的现实意义.     

基于多级模糊评判的高效数据聚集算法

基于多级模糊综合评判,提出一种既可节省传感节点能量又能提高数据聚集度和减少数据传输延迟的高效的数据聚集算法.先由一级模糊综合评判获得路由信息,然后根据路由表中相邻传感节点转发的数据包个数,利用二级模糊综合评判重新选择下一跳传感节点,通过增加原有路径间交叠的方式来高效的提高数据聚集度;然后为了均衡能耗和减少传输延迟提出一种新的聚集定时机制.仿真结果表明,该算法能延长网络生命周期,提高数据包交付率,降低平均传输延迟及提升数据聚集度.     

无线传感网络中基于数据混淆的保护隐私数据聚集协议

在无线传感网络的研究中,保护隐私数据聚集算法是一个关键问题.设计高效的具有隐私保护功能的数据聚集算法,降低通信带宽,提高网络的寿命和安全性是保护私隐数据聚集研究中的热点问题.国内外现有的保护隐私数据聚集算法,除PEQ(Privacy-preserving Scheme for Exact Query Evaluation)算法外,其它算法大多是根据不同的统计数据类型来设计相应的保护隐私的数据聚集算法,这些算法只能聚集某一种数据,功能单一,应用起来具有一定的局限性.同时,PEQ算法的通信带宽和计算量都比较大.针对上述问题,设计了一种基于数据混淆的数据汇集算法.该算法通过在数据聚集前加入混淆数据,聚集结束后删除混淆数据,来达到保护隐私的目的.与现有的其它方案相比,该方案计算和通信开销较少,并且一次可以聚集多种统计数据.     

联邦学习下高效的隐私保护安全聚合方案

联邦学习能使用户不共享原始数据的情况下, 允许多个用户协同训练模型. 为了确保用户本地数据集不被泄露, 现有的工作提出安全聚合协议. 但现有的多数方案存在未考虑全局模型隐私、系统计算资源与通信资源耗费较大等问题. 针对上述问题, 提出了联邦学习下高效的强安全的隐私保护安全聚合方案. 该方案利用对称同态加密技术实现了用户模型与全局模型的隐私保护, 利用秘密共享技术解决了用户掉线问题. 同时, 该方案利用Pedersen承诺来验证云服务器返回聚合结果的正确性, 利用BLS签名保护了用户与云服务器交互过程中的数据完整性. 此外, 安全性分析表明该方案是可证明安全的; 性能分析表明该方案是高效且实用的, 适用于大规模用户的联邦学习系统.     

一种带完整性验证的数据聚集隐私保护算法

为使无线传感器网络可以真正满足大规模应用的需求,提出了一种既能保护数据隐私又能验证数据完整性的聚集算法。算法首先构造不相交聚集树,然后让节点在各自对应的时间片内,按不同度数将自身数据分解为数个切片,并将切片分别加密传输至各聚集树中,达到保护节点数据隐私和获取冗余数据的目的,最后采用基于路由树的网内聚集将各聚集树的聚集结果传送至基站,由基站验证最终结果的完整性。仿真实验表明,在资源受限特征突出的无线传感器网络中,算法能够以较低的通信开销获得较高准确度的聚集结果,并具备较好的隐私保护性能和鉴别聚集结果完整性的能力。     

传感器网络中基于多级选举的非均匀簇头选择算法

为了节省和平衡网络中簇头的能耗,提出了一种基于多级选举的非均匀簇头选择算法MSEBNECHSA。该算法首先通过空间虚拟网格、簇头和Sink构成的三级选举机制构造网络候选簇头的能量分布图,然后采用基于候选簇头能量和距离的模拟退火算法,使网络中簇头的竞争范围随着到Sink的距离远近而相应从小到大非均匀分布。仿真实验表明,该算法能够以较低的能量成本将网络中的节点有效分簇,并且平衡网络中的能量消耗。     

一种高效节能的无线传感器网络数据聚合协议

在无线传感器网络的应用中,常常利用大量传感器监视若干个离散目标。针对这类目标监视网络,本文提出了一种分布式高效节能的数据聚合协议EETO。EETO将覆盖目标相关 的节点组成一个簇,簇成员都是簇头的K跳覆盖邻居,相关数据在簇头能得到及时、完全的聚合,大大减少了数据传送量。详细的模拟实验结果表明,EETO有效地减少了能量消耗,显著增强了网络的覆盖寿命。