基于演化博弈的WSNs攻防策略选择动力学分析

针对无线传感器网络(WSNs)容易被恶意攻击的问题,引入奖励因子与惩罚因子,提出一种WSNs防御系统与恶意节点的博弈模型。通过对模型的量化分析,计算出博弈双方的收益函数,根据复制动态原理,进行演化动力学分析。给出博弈双方的演化稳定策略,揭示攻防双方策略选择的规律,为WSNs防御机制设计提供理论参考。数值实验验证了演化稳定策略命题的正确性和奖励因子、惩罚因子的有效性。     

基于激励机制的贝叶斯博弈防御模型

基于贝叶斯博弈理论并结合自私节点激励机制构建了一个入侵检测模型,并运用这一理论制定了一种改进的安全路由协议,证明了该模型中存在贝叶斯纳什均衡.仿真实验表明,该模型能够有效地抑制节点的自私行为并提高网络的服务质量.     

传感器网络安全投资的演化博弈分析

针对传感器网络中的安全投资问题,建立安全投资的对称演化博弈模型和安全攻防的不对称演化博弈模型。通过对2种模型中的复制动态及进化稳定策略分析,得出安全投资成本及攻击成本是影响传感器网络安全问题的关键因素。找出安全投资及攻防对抗的规律和长期稳定趋势,提出解决传感器网络安全性问题恶性循环的建议,为传感器网络安全性的演化博弈分析提供一种方法,该方法对解决传感器网络中的安全投资问题具有一定的参考价值。     

基于演化博弈的蜜罐有效性机理证明

借鉴自然界生物演变进化过程中复制动态的思想,基于演化博弈对蜜罐技术的有效性机理进行研究,分析网络中攻防双方如何根据自身行动策略及支付函数进行演变,从而使博弈收益最大化。演化博弈从一种全新角度诠释了博弈均衡概念,不再是完全理性也非完全信息,为纳什均衡和均衡战略的选择演绎出新方法。演化博弈过程中,防御方是包括普通服务和蜜罐的混合系统,其对手是访问混合系统的恶意攻击者,双方构成了博弈参与者。混合网络系统可看作一个生态系统,而来访者则只有攻击者一个种群;混合系统持续为来访者提供服务,攻击者可选择访问或不访问。论文基于复制动态方程推理计算满足演化稳定策略的均衡点,并利用Matlab平台仿真验证博弈双方的策略演变趋势,从而在理论上证明了蜜罐技术的有效性机理。     

基于演化博弈论的WSNs 信任决策模型与动力学分析

针对无线传感器网络（WSNs）节点间信任关系建立时的信任决策和动态演化问题,引入与节点信任度绑定的激励机制,建立WSNs节点信任博弈模型以反映信任建立过程中表现出的有限理性和每次博弈过程的收益.基于演化博弈论研究节点信任策略选择的演化过程,给出WSNs节点信任演化的复制动态方程,提出并证明在不同参数条件下达到演化稳定策略的定理,为WSNs信任机制设计提供了理论基础.实验表明了定理结论和激励机制的效果.     

基于博弈的无线传感器网络入侵检测模型

无线传感器网络的广泛应用扩展了人们获取信息的能力,但是其固有的网络特点使得其更容易遭受网络攻击。现有的入侵检测系统通常只针对特定的攻击方式,对其他的攻击则无能为力。另外增加的能量消耗降低了网络的使用寿命。由此,以博弈论为理论基础,对无线传感器网络中的攻防过程进行分析,通过分析模型均衡解来论证执行入侵检测系统的必要性。针对网络入侵者攻击手段的多样性问题,对博弈模型进行深化改进,建立非合作完全信息静态博弈模型,通过分析模型的混合纳什均衡解,得出入侵检测系统的最佳防守策略,平衡了系统的能量消耗和检测效率。仿真实验结果表明,基于博弈的无线传感器网络入侵检测系统不仅能够有效地抵御多种网络攻击,而且降低了入侵检测系统所引起的能量消耗,延长了网络的使用寿命。     

基于强化学习的无线传感器网络入侵检测攻防博弈研究

无线传感器网络易遭到各种内部攻击,入侵检测系统需要消耗大量能量进行攻击检测以保障网络安全。针对无线传感器网络入侵检测问题,建立恶意节点（malicious node,MN）与簇头节点（cluster head node,CHN）的攻防博弈模型,并提出一种基于强化学习的簇头入侵检测算法——带有近似策略预测的策略加权学习算法（weighted policy learner with approximate policy prediction,WPL-APP）。实验表明,簇头节点采用该算法对恶意节点进行动态检测防御,使得博弈双方快速达到演化均衡,避免了网络出现大量检测能量消耗和网络安全性能的波动。     

面向联邦学习激励优化的演化博弈模型

针对联邦学习中参与者虚报训练成本导致激励不匹配的现象,提出了面向联邦学习激励优化的演化博弈模型.首先在联邦学习系统中建立了联邦参与者-联邦组织者演化博弈模型,设计模型质量评估算法对参与者提交的模型进行质量评估,去除低质量模型的同时量化参与者训练成本.然后结合信誉度指标提出优化的激励分配方法,通过求解演化博弈的稳定策略得到不同初始状态下的最优收益策略.最后仿真实验表明参与者激励收益方面,与平均分配法和个体收益分享法相比诚实参与者的收益提升了70%和57.4%,虚报参与者收益降低了65%和69.5%,策略选择方面,所提模型能合理选择收益策略.     

基于演化博弈的NFV拟态防御架构动态调度策略

构建网络功能虚拟化（NFV）拟态防御架构能够打破防御滞后于攻击的攻防不对等格局,其中动态调度策略是关键实现技术。然而,现有拟态防御架构中的动态调度策略大多根据执行体自身固有的特点进行调度,没有进一步利用裁决机制对异常执行体的定位感知能力做优化调整。通过引入演化博弈理论,设计一种新的NFV拟态防御架构动态调度策略。在NFV拟态防御架构中增加一个分析器,用于对历史裁决信息进行分析研究。根据分析器中得到的反馈信息,从攻防双方的有限理性出发构建多状态动态调度演化博弈模型,并采用复制动态方程求解该博弈模型的演化均衡策略,利用李雅普诺夫间接法对均衡策略进行稳定性分析,提出基于演化博弈的动态调度策略选取算法。仿真结果表明,该策略能够利用裁决机制对异常执行体的定位感知能力,通过深入分析研究和不断调整优化选择具有适应性和针对性的调度策略,有效提升系统的安全收益和防御效能。     

基于演化博弈的拟态防御策略优化

网络空间拟态防御是近些年出现的一种主动防御理论,以异构冗余和动态反馈机制不断调整执行环境来抵抗攻击。然而,面对黑客的多样化攻击手段,仅凭借拟态防御抵抗攻击是不安全的。为了增强系统的安全防御能力,本文在目前已有的防御系统基础上提出更为合理的防御选取方法。将有限理性的演化博弈引入到拟态防御中,构建了由攻击者、防御者和合法用户组成的三方演化博弈模型,并提出了最优防御策略求解方法。该博弈模型利用复制动态方程得到了演化稳定策略。仿真实验结果表明,系统通过执行推理的演化稳定策略可以降低损失,遏制攻击方的攻击行为,对拟态防御系统中防御策略选取和安全性增强具有一定的借鉴意义。     

无线传感器网络入侵检测的重复博弈建模研究

通过分析无线传感器网络节点影响网络可用性及其整体性能的自私行为,提出了一种无线传感器网络入侵检测的重复博弈模型,集中于检测和响应传感器节点的自私行为以加强网络节点的协作性能,利用节点与其邻居节点进行的重复博弈过程,广播节点的效用变化,即时检测出网络节点的自私行为。通过对网络节点的自私行为引入惩戒机制,从而大大降低了节点背离协作的可能性。仿真结果表明,对节点的自私行为实施惩戒机制,可以大大增强节点间相互协作,从而保证网络的连通性。     

基于网络攻防博弈模型的最优防御策略选取方法

为了降低安全风险损失,并在有限的资源下做出最优网络防御决策,设计了一种网络攻防博弈最优策略选取方法。首先,建立网络攻防博弈模型,证明了该模型混合策略纳什均衡的存在性;然后,给出了基于该模型的网络攻防策略选取算法,包括基于网络攻防策略图的攻防策略搜索算法、攻防双方不同策略下基于通用漏洞评分系统的效用函数量化计算方法和混合策略纳什均衡求解方法等;最后,在一个典型的网络攻防实例场景下对模型的有效性进行了分析和验证。实验结果表明,该模型能够有效地生成最优防御决策方案。     

WSN/WSAN中的时间同步算法研究

无线传感器网络实现了人类对现实世界的观测,由于网络中节点可以单独监测,因此在这样的网络中节点间需要时间同步,以确定事件发生的顺序。阐述了WSN时间同步的相关问题,并从同步报文传递方式的角度详细介绍了几种时间同步算法;从定性和定量两个方面对算法进行了比较。在此基础上,针对WSAN的新特点提出算法融合的设计思想。     

基于时序马尔可夫链的分布式频谱检测

针对无线传感网络中的合作谱检测问题,提出一种基于时序马尔可夫链的分布式频谱检测算法。假定单节点对频谱的感知是一个马尔可夫过程,本地序列检测采用序列概率比测试进行频谱探测,得到本地序列检测值。各个感知节点将检测结果发送到数据融合中心,根据设定门限确定最终检测结果。通过Matlab仿真验证了该算法的时序检测性能。     

基于Z-Stack协议栈的WSN能量管理策略

在分析基于ZigBee协议的Z-Stack1.4.3协议栈基础上,实现无线传感器网络(WSN)数据的自动周期获取,通过设置协议栈中休眠条件,不仅能最大限度地降低功耗,而且可以保证网络的同步性。构建一个簇树结构的低功耗ZigBee网络,设计具有网络数据、拓扑显示等功能的监控管理系统。应用结果表明,该系统能在低功耗下稳定地工作,完成环境数据监测。     

基于移动代理的无线传感器网络多路径路由算法研究

无线传感器网络中路由算法最重要的设计目标是减少传感器节点的能量消耗,避免节点过早死亡,延长网络生存时间。在原有多路径路由算法的基础上,提出一种新的ABMR（Agent Baseon Multipath Router）路由算法,在这种算法中引入了移动Agent技术,避免了大量的感知数据在网络中传输,由移动Agent移动到感知节点进行本地处理。充分考虑节点的能量、线道的可靠性和跳数,建立从源节点到目标节点的多条可靠路径。仿真实验表明,ABMR算法比原有多路径路由算法在降低节点能耗、丢包率等方面上有显著提高。     

软件定义无线传感器网络研究综述

无线传感器网络（Wireless Sensor Network, WSN）经过长时间的发展,技术上已经有了很大进步,并广泛应用于很多领域,但其仍存在一些技术难点,影响应用效果。软件定义网络（Software-Defined Network, SDN）是一种新的网络架构,它采用了数据平面与控制平面解耦的思路,提供了网络架构发展的新方向。为了提升WSN的技术有效性,SDN架构被引入到WSN领域中,形成了新的软件定义无线传感器网络（Software-Defined Wireless Sensor Networks, SDWSN）。在分析软件定义无线传感器网络现有研究成果的基础上,阐述了WSN及SDN的发展现状;结合目前的研究进展,综述了SDWSN可行的技术方案;探讨了SDWSN未来的研究方向及发展趋势。     

基于模糊逻辑分类的WSN Sinkhole侦测

分析无线传感器网络Sinkhole攻击侦测的监测特征、方法和侦测流程,设计并实现基于模糊逻辑分类的攻击侦测方案。仿真实验表明,该方案能较好地解决多因素集合的模糊信息问题,克服以往方案侦测模型复杂、误报率较高的不足,具有运算量小,易于实现、适用性好的特点。     

基于ZigBee的AODVjr算法研究

ZigBee网络的AODVjr算法在路由发现过程中存在大量路由请求包(RREQ)分组洪泛的问题.为此,结合节点能最和Cluster-Tree 算法,提出一种改进的AODVjr算法.在路由选择时尽量避免能量较低的节点,并对RREQ分组的大致方向和传输距离进行控制.仿真结果表明,该算法能有效降低网络总体能耗,合理分担网络负...