一种基于灰色聚类和动态切片的WSN拓扑控制方法

摘要

本发明公开了一种基于灰色聚类和动态切片的WSN拓扑控制方法，用于提高数据在传输过程中的安全性，其中方法包括：利用簇间安全感知的方式评估相邻簇头节点的信任值，簇头节点采取动态切片技术，将数据包切片发送给候选簇头节点。本发明在数据切片方面做出一定的改进，采用聚类算法划分各候选簇头的安全状态，依据候选簇头的安全状态、位置信息，定义簇头节点的数据切片数量和比例，降低网络通信过程中恶意节点对数据的威胁，也将能耗控制在一个较低的水平。

说明书

技术领域

本发明属于无线传感器网络路由安全领域，特别涉及一种基于灰色聚类和动态切片的WSN拓扑控制方法。

背景技术

无线传感器网络是一种传感器节点之间以无线方式进行通信的分布式传感器网络。网络中通常部署了大量的传感器节点，用于接收环境数据，形成自组织无线网络，并以单跳或多跳的方式将感知数据路由到汇聚节点，最终由汇聚节点传递给用户。无线传感器网络起源于军事领域，随着研究的深入，其应用领域逐渐扩展到生态、医疗、智慧城市等多个领域。

针对无线传感器网络拓扑控制中的安全问题和能耗问题，国内外研究者提出了较多改进方法。EECS协议改进了LEACH协议中随机选择簇头的算法，基于加权参数选择簇头，分簇结果更为合理，提高了网络的能量利用效率。PEGASIS 协议建立了一种链状拓扑，规定所有传感器节点均需要与汇聚节点进行数据交换，平衡了网络能耗，避免了网络中热点节点的出现。W.Wang等人设计了一种基于信任的安全拓扑模型LEACH-TM，通过分析节点的信任状态和剩余能量建立了一个可靠的分簇结构，通过计算LEACH-TM的平均信任值来选择最佳拓扑。这种方法一定程度上降低了收集和处理信任信息的难度，但作者没有考虑恶意节点相互共通的情况，容易造成此类攻击。R.Roman等人提出传感器节点利用态势感知机制确定其周围是否存在异常事件的方法，将网络态势感知的概念应用于传感器节点中。该方法将态势感知机制作为一个基础服务，内嵌于入侵检测系统中，实现对网络的安全监控。He等人提出传感器节点使用多元时间序列关联规则分析接收到的数据的方法，达到节点对周围环境的安全感知。A.Mehmood等人则将网络态势感知的任务置于汇聚节点处，基于上下文感知方法检测节点的入侵，通过将知识库存储于汇聚节点的方法降低了簇头节点的存储压力，延长网络的生命周期。

综上所述，设计安全高效的拓扑控制方法已成为近年来无线传感器网络的研究热点，如何均衡能量消耗，延长网络生存周期，兼顾节点的安全，己经成为本领域亟待解决的问题。

发明内容

为了解决上述背景技术提到的技术问题，本发明提出了一种基于灰色聚类和动态切片的WSN拓扑控制方法。

为了实现上述技术目的，本发明的技术方案为：

一种基于灰色聚类和动态切片的WSN拓扑控制方法，包括以下步骤：

(1)采用灰色关联分析法，根据传感器节点的感知数据具有空间相关性的特点，在网络中动态分簇，簇头节点选取采用距离向量法和多项式拟合法相结合。

(2)协议将网络划分为若干个独立的簇区域，记录每个簇区域的相关属性，包括簇区域内节点数量、簇区域面积、各节点能量等，通过灰色聚类分析法判断簇区域的安全状态。

(3)簇内节点将数据发送到各自的簇头节点，考虑簇头节点在数据转发中的关键作用，对簇头节点的数据切片处理，再将数据发送到候选簇头。

进一步地，在步骤(1)中，动态分簇及选择簇头的方法如下：

(101)根据节点的分布和坐标，确定每个节点的邻居节点情况，计算每个节点的密度ρ，再基于接收到的感知数据，计算每个节点与周围节点的关联度λ

(102)结合节点的能量和距离因素，计算节点的决策值，所有节点依决策值降序排列，选择其中最大的M个节点作为峰值节点。

(103)未当选峰值节点的其他节点，计算与所有峰值节点的欧式距离，选择距离最近的峰值节点加入成簇，所有节点重复执行，确保所有节点加入成簇。

进一步地，在步骤(2)中，簇区域安全状态判断如下：

(201)根据候选簇内各节点的能量值，计算候选簇头节点的能量值与候选簇内节点的能量均值之间的比例r；

(202)根据候选簇内节点的感知数据，计算候选簇头节点的感知数据与候选簇内节点的数据均值之间的差距d；

(203)汇聚节点根据网络中的节点的分布状态，可以计算网络的平均簇内节点数目和平均簇区域面积。簇头节点获取该信息，然后对候选各簇的簇内节点数目num和区域面积area做均值化处理；

(204)设计候选簇的灰类为三个安全类，即“足够安全、适合作为下一跳转发区域”、“一般安全、一般适合作为下一跳转发区域”和“不安全、不适合作为下一跳转发区域”；

(205)对(201)到(203)得到r，d，num和area，将其作为灰色聚类分析法的评价指标，设计依据各评价指标隶属于各灰类的可能度函数；

(206)根据(205)中的可能度函数，计算候选簇区域属于各灰类的聚类系数，系数最大的灰类是其最终所属灰类；

(207)根据候选簇头的剩余能量E

(208)簇头节点排除不适合作为下一跳转发区域的簇，基于自身的能耗考虑，在剩余候选簇中选择与自身距离小于等于与理想下一跳节点距离的簇头，组成下一跳节点集合，进入数据切片阶段。

进一步地，在步骤(3)中，对簇头节点的数据切片处理方法如下：

(301)借鉴D-SMART协议的思想，选择对簇头节点的数据进行切片，簇内节点直接将数据发送到各自的簇头节点；

(302)将下一跳节点集合CH＝{x

其中c

(303)簇头节点依据它的下一跳节点集合中各节点的接收切片比例，传输经过数据融合的数据切片。

采用上述技术方案带来的有益效果：

(1)本发明提出对传感器节点发送的数据进行切片处理，在遭遇恶意节点发动选择转发攻击时，发送数据如果不经过切片，恶意节点就会将所有接收数据丢弃，造成数据丢失，节点发送的数据经过切片处理后，恶意节点只有切片后的部分数据，即使节点将其全部丢失，造成的损失也会较小，因此提高了包传输率及网络的安全性。

(2)本发明在簇间单跳的基础上，采用灰色聚类分析法，根据各簇区域的节点个数、节点能量、区域面积、节点数据等属性信息，分析各个簇区域的安全性，划分安全类别，在选择数据转发的下一跳时，考虑能耗和安全类别，得出最优的方案，在降低网络能耗的同时，提高网络数据的包传输率。

附图说明：

图1是本发明中簇头下一跳的选择示意图；

图2是本发明的数据切片传输示意图；

具体实施方式：

以下将结合附图，对本发明的技术方案进行详细说明。

一种基于灰色聚类和动态切片的WSN拓扑控制方法，包括以下步骤：

(1)采用灰色关联分析法，根据传感器节点的感知数据具有空间相关性的特点，在网络中动态分簇，簇头节点选取采用距离向量法和多项式拟合法相结合。

(2)协议将网络划分为若干个独立的簇区域，记录每个簇区域的相关属性，包括簇区域内节点数量、簇区域面积、各节点能量等，通过灰色聚类分析法判断簇区域的安全状态。

(3)簇内节点将数据发送到各自的簇头节点，考虑簇头节点在数据转发中的关键作用，对簇头节点的数据切片处理，再将数据发送到候选簇头。

在本实施例中，可以采用如下优选方案实现上述(1)：

(101)根据节点的分布和坐标，确定每个节点的邻居节点情况，计算每个节点的密度ρ，再基于接收到的感知数据，计算每个节点与周围节点的关联度λ

(102)结合节点的能量和距离因素，计算节点的决策值，所有节点依决策值降序排列，选择其中最大的M个节点作为峰值节点。

(103)未当选峰值节点的其他节点，计算与所有峰值节点的欧式距离，选择距离最近的峰值节点加入成簇，所有节点重复执行，确保所有节点加入成簇。

在本实施例中，可以采用如下优选方案实现上述(2)：

(201)根据候选簇内各节点的能量值，计算候选簇头节点的能量值与候选簇内节点的能量均值之间的比例r；

(202)根据候选簇内节点的感知数据，计算候选簇头节点的感知数据与候选簇内节点的数据均值之间的差距d；

由于每个节点发送的数据包包含若干时间段的数据，所以针对每个属性，计算节点所有时间段感知到的数据的均值，将每个节点的数据融合为一组数值。

簇头节点根据距离向量法用式(2-1)计算自身数据与簇内节点数据的差值d

其中，

簇头节点建立基于簇内节点感知数据的原始数据表。计算各属性之间的关联度，得到关联度较大的一组或多组属性，针对得到的属性组合，采用多项式拟合的方法计算属性之间的相互依赖性，得到拟合函数。

计算各节点的预测因子pd

结合距离因子d

其中，mid(d

(203)汇聚节点根据网络中的节点的分布状态，可以计算网络的平均簇内节点数目和平均簇区域面积。簇头节点获取该信息，然后对候选各簇的簇内节点数目num和区域面积area做均值化处理；

(204)设计候选簇的灰类为三个安全类，即“足够安全、适合作为下一跳转发区域”、“一般安全、一般适合作为下一跳转发区域”和“不安全、不适合作为下一跳转发区域”；

(205)通过(201)到(203)得到r，d，num和area，将其作为灰色聚类分析法的评价指标，设计依据各评价指标隶属于各灰类的可能度函数；

(206)根据(205)中的可能度函数，计算候选簇区域属于各灰类的聚类系数，系数最大的灰类是其最终所属灰类；

(207)根据候选簇头的剩余能量E

簇头节点排除不适合作为下一跳转发区域的簇，基于自身的能耗考虑，在剩余候选簇中选择与自身距离小于等于与理想下一跳节点距离的簇头，组成下一跳节点集合，进入数据切片阶段，如图1所示，对于节点CH0，理想节点为CH2，CH1 为距离更近的候选簇头。

在本实施例中，可以采用如下优选方案实现上述(3)：

(301)借鉴D-SMART协议的思想，选择对簇头节点的数据进行切片，簇内节点直接将数据发送到各自的簇头节点，簇头切片方案如图2所示：

节点CH0为当前的簇头节点，节点CH1-CH4处于CH0的通信范围内，因此节点CH1到CH4为节点CH0的邻居节点；

节点CH0基于聚类分析法对节点CH1-CH4进行归类，假设节点CH1- CH4所属的类别分别是“足够安全、适合作为下一跳转发区域”、“足够安全、适合作为下一跳转发区域”和“一般安全、一般适合作为下一跳转发区域”，以及“不安全、不适合作为下一跳转发区域”。节点CH4退出候选节点的选择过程；

假设节点CH2为理想节点，CH1和CH3与CH0的距离均小于CH2与 CH0的距离，因此，下一跳候选集为由CH1、CH2、CH3组成的集合；

根据聚类结果，节点CH1、CH2和CH3所属的灰类为c1＝2，c2＝2，c3＝1；

下一跳候选集中节点CH1、CH2和CH3的切片比例为p1＝0.4，p2＝0.4，p3＝0.2。

(302)将下一跳节点集合CH＝{x

其中c

(303)簇头节点依据它的下一跳节点集合中各节点的接收切片比例，传输经过数据融合的数据切片。