论文部分内容阅读
无线传感器网络(Wireless Sensors Network,WSN)是由一组传感器节点构成的,具有自组织、多跳、能量和存储资源受限等特点的网络。随着WSN的应用越发广泛,针对其网络安全的研究也越发受到重视。WSN通常容易受到内部和外部两大类攻击。传统的加密技术只能抵御外部攻击。内部攻击是攻击者通过俘获和破解正常节点,并将其变为恶意节点后发动的攻击,此类攻击的检测难度较大。本文将对WSN中的各种网络攻击进行分析,并着重研究其中最难检测的选择性转发攻击。全文工作如下:第一、分析现有的研究成果,得出WSN的内部攻击检测方案应具备以下特点:1.能够检测出恶意节点;2.避免将正常节点误判为恶意节点;3.减少在普通传感器节点中进行复杂度较高的运算;4.避免因为攻击检测过多的耗能导致网络寿命大幅度缩减。在此基础上,本文展开了选择性转发攻击检测方案的设计工作。第二、本文结合看门狗、监控节点监督等检测机制提出一种基于机器学习中数据聚类算法的选择性转发攻击检测方案DCA-SF(Data Clustering AlgorithmSelective Forwarding)。通过研究各种聚类算法的特点与复杂度,最终确定了基于密度聚类算法DBSCAN的选择性转发攻击检测方案。并对DBSCAN算法进行改进,使其适用于WSN的选择性转发攻击检测。第三、针对于分簇式WSN的特点,设计出适用于分簇式WSN的DCA-SF检测方案。事件驱动型WSN是应用更广泛的WSN,但针对于事件驱动型WSN的选择性转发攻击检测的研究却很少。所以在分簇式WSN的DCA-SF检测方案基础上,通过改进DCA-SF检测方案,可以使该方案适用于事件驱动型WSN。第四、在MATLAB上进行网络运行仿真,统计漏检率、误检率、网络寿命。根据仿真结果,针对用户不同的需求提出了检测方案参数的设置方法。并取一个折中的参数与其他方案进行对比或分析检测性能。第五、仿真结果表明:1.该方案可以降低WSN选择性转发攻击检测中的漏检率与误检率;2.通过数学分析或仿真实验可知该方案没有使网络寿命大幅度减少。