基于信誉度集对分析的WSN安全数据融合

由于无线传感器网络存在资源约束问题,为了有效地减少无线传感器网络中的数据传输量以降低网络的总能耗,同时确保对感知数据进行融合操作的安全性,提出了一种基于传感器节点信誉度集对分析的安全数据融合方法.在节点分簇阶段,利用基于密度函数的减法聚类方法进行分簇,既获得了较快的分簇速度,又保证了簇头节点地理位置的合理分布,使得分簇规模更加符合节点的实际布设情况.在数据传输阶段,将簇头节点选择下一跳数据转发节点建模为多属性决策过程,综合考虑备选转发节点的信誉度、能量等属性信息,从中选择综合评价最优的簇头节点转发融合数据,不仅使网络中的数据流量分布更加均衡而且保证了数据的安全性.仿真结果表明,提出的数据融合算法在融合精度、安全性及簇头节点能耗方面与同类的LEACH算法和BTSR算法相比具有明显的优势.     

面向分簇的WSN数据融合在瓦斯监控中的应用

为了更好地对矿井瓦斯进行监控, 在迅速提取异常瓦斯数据的同时消除非异常数据带来的冗余, 本文提出了一种基于分簇的WSN(无线传感器网络)数据融合方法. 它利用总能耗最小的方法将所有节点最佳分簇, 每个簇的节点通过竞选簇头概率的大小来确定簇头,非簇头节点通过两次阈值判断采集的数据是否异常并将异常数据发送到监控基站供工作人员决策. 实验仿真表明: 该方法延长了整个传感器网络的生存周期, 对矿井瓦斯起到有效监控.     

ＩＷＳＮ中基于属性变化率的全局信任入侵检测

为提高工业无线传感器网络的入侵检测的精度和降低检测能耗,本文设计了基于属性变化率的全局信任入侵检测算法。通过属性变化率获取节点的全局信任值以检测攻击;通过人工蜂群算法选择最优簇头集以确保簇头的高可信度和降低网络整体的能耗;通过信任恢复机制恢复临时故障节点的信任,以降低虚警率。实验证明本方案具有较高的检测率和较低的虚警率,并能延长网络的生命周期。     

考虑节点信誉度的传感器网络数据并行聚集

为降低传感器网络的数据积聚量、提高数据并行聚集精度等问题,本文提出了一种考虑节点信誉度的传感器网络数据并行聚集方法。将传感器网络数据并行聚集过程分为两个阶段,采用减法聚类的方法来获取节点簇头。通过保障簇头地理位置合理分布的基础上,完成提升节点分簇效率。然后利用以云理论为基础的节点信誉度量模型获取信誉云的数值特征值,量化局部窗口内传感器节点的信誉度。在数据传输阶段,以多属性决策过程描述簇头节点确定下一跳数据转发节点的建模过程,结合节点信誉度分析结果,确定整体评价最佳的簇头节点转发聚集数据。仿真结果表明：本文方法的精度最高可达到98.1%,由此可知,利用该方法可实现高精度的传感器网络数据并行聚集。     

无线传感网络通信节点优化选择算法仿真

研究无线传感器节点优化选择问题.传统LEACH分簇算法中,节点选择的随机性很大,没有很好的参考节点中的多个属性,通信的簇头分布也无规律,造成能量消耗分摊到所有的节点上,一旦选择边沿节点作为簇头,一些节点必须经过长距离的路由转发才能到达簇头,造成通信效率较低.为解决上述问题,提出了一种无线传感网络通信节点优化选择算法.在传统的LEACH算法中,加入朴素贝叶斯决策因素,通过贝叶斯统计,对节点的约束能量进行有效的分类决策,保证在最优节点中选择簇头节点,避免边缘节点参与簇头的选择,仿真结果表明,提出的优化算法使网络的能耗达到了均衡,有利于最优节点的选择,从而延长网络的寿命.     

基于多属性决策TOPSIS的簇头选择

针对LEACH协议中因簇头数目和分布位置不合理导致网络能耗不均衡的问题,利用多属性决策逼近理想解排序法(TOPSIS)进行簇头选择。综合考虑节点的剩余能量、邻居节点数量、到基站的距离和传输范围,使用Pareto最优解选择一组簇头,进而通过TOPSIS算法进行排序选出最佳簇头。仿真结果表明,TOPSIS在剩余节点数和网络能耗上优于LEACH和AHP算法,能够有效延长网络生命周期,使网络能耗更均衡。     

一种基于相关性的分布式异常检测算法

提出了一种传感器网络异常检测算法,与传统的基于相邻节点数据对比的检测算法不同,该算法首先在节点内分析数据的时间相关性,仅在发生异常时,上传至簇头节点,分析空间相关性;对于不确定的异常数据,在相邻分簇内,计算数据的相关性.还给出了采用直方图计算均值和分析相关性的方法.实验表明,该算法减少了通信量,提高了异常检测的准确率.     

基于节点相似性的WSNs故障检测方法研究

针对目前多数无线传感器网络分布式故障检测的算法都以假设故障节点数据为离群值为基础,存在局限性的问题。提出一种基于节点相似度比较的无线传感器网络故障检测方法,簇头节点根据簇内节点数据的时空相关性,进行节点相似性度量,实时调整节点可信水平,并采用最优函数计算出当前实验的最优阈值(0.8)进行故障节点的判断。通过仿真实验证明:针对不同的故障模型,算法保持了良好的故障检测能力,一定程度上解决通用性问题。     

非均匀分布的无线传感器网络分簇路由算法

针对无线传感器网络(WSN)现有分簇路由协议中选举的簇头节点在监测区域内分布不均的问题,提出一种基于局部区域传感器网络节点分布数量控制簇头节点选举概率的算法HNDCRA。该算法通过对传感器网络检测区域的网格划分,计算出网格局部区域的传感器节点分布,并以此为依据确定传感器节点当选簇头的概率,来保证选举后每个网格都有簇头节点,且节点数量多的区域节点当选簇头概率较大,使得簇头随节点分布密度“均匀”,达到能耗均衡的目的。性能分析和仿真实验表明,与经典的LEACH协议相比,HNDCRA能够更好地将簇头“均匀”分布到网络区域,均衡全网能耗分布,提高能量利用率,从而延长网络生存时间。     

面向配电网故障检测的WSN可信路由算法

为了提高配电网故障检测数据传输的可信性,提出一种面向配电网故障检测的WSN可信路由算法。算法提出一种防范针对信任模型攻击的轻量级信任值计算方法,并在簇头选举与簇间多跳路由中引入信任值,避免恶意节点降低网络安全;簇间多跳阶段中,对邻居节点的位置因子、距离因子、信任值及剩余能量等参数进行融合判决,构建最优数据传输路径。仿真结果表明,提出的算法能够自适应剔除网络恶意节点,防范恶意攻击,最大化网络生存时间。