一种基于灰色决策的低能耗无线传感器网络路由控制方法

1.本发明属于无线传感器网络路由安全领域，特别是一种基于灰色决策的低功耗无线传感器网络路由控制方法。


背景技术：

2.无线传感网络如今已经在各个领域应用，在无线传感网络的研究中，由于网络规模的扩大和复杂度的增加，网络安全与能耗等问题限制了无线传感网络的发展。
3.针对无线传感网络路由协议安全性方面的研究，大多是基于信任评估机制。通过设计信任评估机制对节点安全性进行分析判断，以挑选出符合网络要求的安全高效节点参与网络正常运作。吴银锋等人提出了一种创新的计算节点信任值的wsn安全路由协议srbnt，该协议定义了多种参考方法，并通过加权平均的方式对给定数据进行计算。在簇头选举阶段，协议首先由簇内的普通节点对候选节点进行了信任评级测试，从所有候选节点中选择一个信任度较高的节点当选为簇头，同时再由普通传感器节点中选择一个信任值高的节点作为影子簇头，并评定了簇内节点的信任值，若节点信任值未达到阈值标准，则将其标为恶意节点，不让其参与网络运行过程。这种方式可以确保拥有最高信任值的节点才可以被选为簇头，防止在恶意节点成为簇头后对网络产生较大的影响。不过该协议每产生一个簇头就必须进行一次信任评估机制，在能源受限的wsn中，这种能量消耗巨大的机制并不适用，所以在提高可靠性的同时应适度减少能量消耗。
4.tsrf协议把节点的当前行为和历史行为列入了考虑范畴，并按照前两者的规范定义了直接信任值，还根据邻居节点的推荐信任值，给出了具体的信任计算和信任推导方法，并针对网络的丢包率和延迟时间构建安全路由。tssrm协议在tsrf的基础上，将节点的能量属性和位置坐标属性引入信任计算过程中，使得网络可以有效应对隐藏性较高的开关攻击。trpm协议在信任计算流程中增加针对数据的信任评价，并提供了基于多种属性的评价机制，但是协议规定节点在分析数据包内容时会处于信息混杂模式，如果监听主体节点的数据，会增加评估节点的能量消耗。
5.综上所述，无线传感网络的安全路由协议已经成为研究的热点。本发明根据上述路由协议在能耗和安全性上的缺陷，提出基于灰色决策的低功耗安全路由协议gderp，灰色理论是邓聚龙教授于1982提出的概念，它是由灰色集产生的新数学理论之一，目的是用来解决离散数据和不完整信息的不确定性问题。


技术实现要素：

6.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决策的低功耗无线传感器网络路由控制方法。
7.为了实现上述技术目的，本发明的技术方案为：
8.一种基于灰色决策的低功耗无线传感器网络路由控制方法，包括以下步骤：
9.(1)将监测区域均等划分若干个子区域，由基站负责从各个子区域中选取出一个
信任评估节点用于监测各区域的安全状况，实现信任评估节点的部署；
10.(2)启用信任评估机制，首先信任评估节点需要对分区内节点进行信任评估，然后信任评估节点对邻近信任评估节点进行评估，随后将每个信任评估节点的数据转发至汇聚节点处理，从而决定是否更换评估节点，提高网络的抗攻击性；
11.(3)基于灰色决策方法，结合信任评估机制，将候选节点对的信任值，剩余能量与基站间跳数传入灰色决策模型，综合选举出安全性、能量都较优的候选节点作为下一跳。
12.进一步地，在步骤(1)中，信任评估节点的部署方法如下：
13.(101)统一将边长确定为d0，并把监测区域均等划分成m*m个子区域，
14.由基站负责从各个子区域中选取出一个信任评估节点用于监测各区域的安全状况，其中m＝[600/d0]；
[0015]
(102)在每一个d0*d0的区域内，获取区域范围内每一个节点的横纵坐标，
[0016]
形成x坐标列表和y坐标列表。设区域内节点个数为n，计算区域中心点的坐标。计算公式如下：
[0017][0018][0019]
(103)依据节点与中心点的之间的距离，确定各个节点的位置关系，计
[0020]
算公式为：
[0021][0022]
其中公式(1-3)的计算结果表示为节点的位置属性；
[0023]
节点的信任值是考量节点是否安全的标准，信任值较高的节点被选为路由中继的可能性也就越高。它由当前行为与过去行为一同决定，在评估处理过程中，评估节点以被评估节点为目标节点，向其传递n1个数据包，并按照节点接收到的数据包数目n2，基于经典贝塔分布估计被评估节点，计算出当前信任值，计算方法如下：
[0024][0025]
其中，公式(1-4)的计算结果为节点的信任值，e
res
表示节点的剩余能量值、表示簇内节点剩余能量的均值；
[0026]
(104)将位置属性、信任值和剩余能量视为观测属性，并设计“优”、“中”[0027]“差”三种类型作为灰类，以表明节点是否有能力来作为信任评估节点，设置各个属性的可能度函数；
[0028]
(105)根据(104)计算各个观测属性的权重代价，根据根据每个节点的位置属性、信任值和剩余能量，基于灰色聚类评估算法来得出节点隶属于灰类“优”的聚类系数；
[0029]
(106)对区域内的聚类系数进行排序，选出系数最高的节点作为评估节点。
[0030]
进一步地，在步骤(2)中，汇聚节点评估的方法如下：
[0031]
(201)计算统计分区内节点的平均被信任值，构建信任均值列表；
[0032]
(202)根据构建的信任均值列表对比选出中位数，将列表中的各项数据与中位数进行减法操作，求绝对差值，构建中位数差值列表；
[0033]
(203)求得中位数差值列表中的中位数，并与系数1.4826做乘法运算，生成绝对中位数；
[0034]
(204)依照以下公式计算信任阈值low和high：
[0035]
low＝mid-3*mad
ꢀꢀꢀꢀ
(2-1)
[0036]
high＝mid+3*mad
ꢀꢀꢀꢀ
(2-2)
[0037]
其中mid为信任均值列表的中位数，mad为绝对中位数；
[0038]
(205)选取信任均值列表中值小于阈值low或大于阈值high的节点，将其视作嫌疑节点，嫌疑节点所标记的分区执行(206)，剩余节点跳至(207)；
[0039]
(206)汇聚节点根据步骤(1)中信任评估节点选取算法，替换当前分区的信任评估节点，然后进行(208)；
[0040]
(207)汇聚节点的当前信任值由平均信任值决定，根据所保存的节点历史信任值，求得综合信任值；
[0041]
(208)执行完上述步骤后，汇聚节点记录所有节点的信任值。
[0042]
进一步地，在步骤(3)中，灰色决策的具体方法如下：
[0043]
基于灰色决策方法，结合信任评估机制，对输入参数进行设置。考虑将候选节点信任值，剩余能量，与基站间跳数传入决策模型，由于灰色决策的输入是语言变量，因此通过将实际的数值转化为灰色数来使用灰色决策模型进行决策。
[0044]
假设s＝{s1,s2,...,sn}是m个相互独立的候选节点，q＝{q1,q2,...,qn}是候选节点的n个属性集合，这些属性是加操作独立的。ω＝{ω1,ω2,...,ωn}为属性权重向量。将候选节点的属性权重和属性评级视作语言变量。用0到1之间的小数来表示属性权重，属性评级数值范围在0到10之间。
[0045]
(301)明确候选节点的属性权重。假定有k个决策者，则qj的属性权重可描述为：
[0046][0047]wjk
(j＝1,2,3,...,n)是第k个决策者的属性权重，并不妨用灰色数字来形容
[0048]
(302)利用语言变量生成属性评级值。属性评级值gj计算流程为：
[0049][0050]gijk
(i＝1,2,...,m,j＝1,2,...,n)是第k个决策者的属性评级值，并且可以由灰色数表示；
[0051]
(303)建立灰色决策矩阵
[0052][0053]
(304)归一化灰色决策矩阵
[0054][0055]
其中利益属性可以表示为：
[0056][0057][0058]
其中代价属性可以表示为：
[0059][0060][0061]
对数据进行归一化操作，使得归一化灰数在[0,1]的范围内；
[0062]
(305)创建灰色加权归一化决策矩阵，由于各种属性都有不同的重要程度，因此加权归一化决策矩阵可以用下列矩阵描述：
[0063][0064]
其中
[0065]
(306)将理想方案作为备选，针对m个候选节点s＝{s1,s2,...,sm}，理想的候选节点
[0066][0067]
(307)计算理想参考节点s
max
与比较候选节点s之间的灰色可能度(grey possibility degree)：
[0068]
[0069]
(308)对候选节点进行排序，当p{si≤s
max
}越小，候选节点排名越高，反之，排名靠后。
[0070]
根据上述步骤，可以确定所有候选节点的排名顺序，并从中选出排名最高的候选节点作为下一跳。
[0071]
信任值表示汇聚节点对当前节点安全性的客观判断，数值越高代表安全性、可信度越高，因此它在模型的输入参数中充当利益属性的角色，信任区间依据信任值大小t以及方差v1来确定，可以表示为[t-v1,t+v1]。剩余能量同样作为利益属性传入决策模型中，能量区间依照网络能量均值e和方差v2来确定，可以表示为[e-v2,e+v2]。与基站间的跳数客观反映了网络拓扑结构的动态变化，对于节点与基站间的跳数值a，作为模型的代价属性，区间可以表示为[a-1,a+1]。模型参数确定后，再根据以下规则挑选出候选节点。首先以基站为中心，建立极坐标系，所有节点分布在两个象限内，同时将每个象限分为三个扇区。其次对于候选节点的选择，应从极半径和极角两个方面考虑，极半径控制了下一跳的延伸方向，确保是向离基站更近的节点传输，极角控制下一跳的迂回程度，尽可能减少路线的曲折。在节点的传输功率半径内，由以下公式筛选出符合条件的候选节点：
[0072][0073]
其中r
cur
表示当前节点的极半径，θ
cur
表示当前节点极角，ri和θi分别表示候选节点的极半径和极角，需要同时满足上述两个条件才可以作为候选节点。
[0074]
采用上述技术方案带来的有益效果：
[0075]
(1)本发明加入信任评估机制，汇聚节点对不同区域的信任评估节点进行评估，信任评估节点对区域内的节点以及相邻分区的信任评估节点进行评估，充分利用信任管理机制实现对整个网络的安全监督，提高网络的抗攻击性。
[0076]
(2)本发明在路由选择方面通过建立极坐标初步筛选出符合条件的候选节点，然后结合灰色决策综合信任值、能量、基站间跳数选出节点的下一跳。在保证安全性的同时，降低了能耗。
附图说明
[0077]
图1是本发明的信任评估节点部署分布示意图；
[0078]
图2是本发明的汇聚节点的信任评估表格示意图；
[0079]
图3是本发明的候选簇头选取示意图；
[0080]
图4是本发明的节点位置属性的隶属度函数折线图；
[0081]
图5是本发明的节点能量的隶属度函数折线图；
[0082]
图6是本发明的节点信任值的隶属度函数折线图。
具体实施方式
[0083]
以下将结合附图，对本发明的技术方案进行详细说明。
[0084]
一种基于灰色决策的低功耗无线传感器网络路由控制方法，包括以下步骤：
[0085]
步骤1：将监测区域均等划分若干个子区域，由基站负责从各个子区域中选取出一个信任评估节点用于监测各区域的安全状况，实现信任评估节点的部署，如图1所示；
[0086]
步骤2：启用信任评估机制，首先信任评估节点需要对分区内节点进行信任评估，然后信任评估节点对邻近信任评估节点进行评估，随后将每个信任评估节点的数据转发至汇聚节点处理，汇聚节点的信任评估表格如图2所示；
[0087]
步骤3：基于灰色决策方法，结合信任评估机制，将候选节点对的信任值，剩余能量与基站间跳数传入灰色决策模型，综合选举出安全性、能量都较优的候选节点作为下一跳，其中候选簇头选取示意图如图3所示。
[0088]
在本实施例中，可以采用如下优选方案实现上述步骤1：
[0089]
101、统一将边长确定为d0，并把监测区域均等划分成m*m个子区域，由基站负责从各个子区域中选取出一个信任评估节点用于监测各区域的安全状况，其中m＝[600/d0]；
[0090]
102、在每一个d0*d0的是区域内，获取区域范围内每一个节点的横纵坐标，
[0091]
形成x坐标列表和y坐标列表。设区域内节点个数为n，计算区域中心点的坐标。计算公式如下：
[0092][0093][0094]
103、依据节点与中心点的之间的距离，确定各个节点的位置关系，计
[0095]
算公式为：
[0096][0097]
其中公式(1-3)的计算结果表示为节点的位置属性；
[0098]
计算节点的信任值，计算公式如下：
[0099][0100]
其中，公式(1-4)的计算结果为节点的信任值，e
res
表示节点的剩余能量值、e表示簇内节点剩余能量的均值；n1表示基站向节点传送的数据包数目，n2表示节点接收到的数据包数目；
[0101]
104、将位置属性、信任值和剩余能量视为观测属性，并设计“优”、“中”[0102]“差”三种类型作为灰类，以表明节点是否有能力来作为信任评估节点，设置各个属性的可能度函数，可能度函数如图4、图5、图6所示；
[0103]
105、根据103计算各个观测属性的权重代价，根据根据每个节点的
[0104]
位置属性、信任值和剩余能量，与各个属性的可能度函数进行对比。基于灰色聚类评估算法来得出节点隶属于灰类“优”的聚类系数；
[0105]
106、对区域内的聚类系数进行排序，选出系数最高的节点作为评估节点。
[0106]
在本实施例中，可以采用如下优选方案实现上述步骤2：
[0107]
201、计算统计分区内节点的平均被信任值，构建信任均值列表；
[0108]
202、根据构建的信任均值列表对比选出中位数，将列表中的各项数据与中位数进行减法操作，求绝对差值，构建中位数差值列表；
[0109]
203、求得中位数差值列表中的中位数，并与系数1.4826做乘法运算，生成绝对中位数；
[0110]
204、依照以下公式计算信任阈值low和high：
[0111]
low＝mid-3*mad
[0112]
high＝mid+3*mad
[0113]
其中mid为信任均值列表的中位数，mad为绝对中位数；
[0114]
205、选取信任均值列表中值小于阈值low或大于阈值high的节点，将其视作嫌疑节点，嫌疑节点所标记的分区执行206，剩余节点跳至207；
[0115]
206、汇聚节点根据步骤(1)中信任评估节点选取算法，替换当前分区的信任评估节点，然后进行208；
[0116]
207、汇聚节点的当前信任值由平均信任值决定，根据所保存的节点历史信任值，求得综合信任值；
[0117]
208、执行完上述步骤后，汇聚节点记录所有节点的信任值。
[0118]
在本实施例中，可以采用如下优选方案实现上述步骤3：
[0119]
301、根据已知的信任评估分析算法，获取当前节点的剩余能量、信任值，同时根据路由状态统计到达基站的跳数；
[0120]
302、根据邻节点的极角和极半径挑选出候选节点s1,s2,...,sm，排除极半径比自身更大的节点，且根据极角排除与自身不在同一扇区的节点；
[0121]
303、根据302挑选出的节点，进行灰度决策计算，其中节点的属性q1,q2,...,qm分别为信任值、剩余能量和跳数，获得灰度值排序结果s1,s2,...,sm，选择排序最高的节点作为下一跳节点，候选节点选取示意图如图3所示，灰色决策的步骤如下：
[0122]
明确候选节点的属性权重。假定有k个决策者，则qj的属性权重可描述为：
[0123][0124]wjk
(j＝1,2,3,...,n)是第k个决策者的属性权重，并不妨用灰色数字来形容
[0125]
利用语言变量生成属性评级值。属性评级值gj计算流程为：
[0126][0127]gijk
(i＝1,2,...,m,j＝1,2,...,n)是第k个决策者的属性评级值，并且可以由灰色数表示；
[0128]
建立灰色决策矩阵
[0129][0130]
归一化灰色决策矩阵
[0131][0132]
其中利益属性可以表示为：
[0133][0134][0135]
其中代价属性可以表示为：
[0136][0137][0138]
对数据进行归一化操作，使得归一化灰数在[0,1]的范围内；
[0139]
创建灰色加权归一化决策矩阵，由于各种属性都有不同的重要程度，因此加权归一化决策矩阵可以用下列矩阵描述：
[0140][0141]
其中
[0142]
将理想方案作为备选，针对m个候选节点s＝{s1,s2,...,sm}，理想的候选节点
[0143][0144]
计算理想参考节点s
max
与比较候选节点s之间的灰色可能度(grey possibility degree)：
[0145][0146]
对候选节点进行排序，当p{si≤s
max
}越小，候选节点排名越高，反之，排名靠后；
[0147]
304、数据传输到下一跳节点。

技术特征：
1.一种基于灰色决策的低功耗无线传感器网络路由控制方法，其特征在于，包括以下步骤：(1)将监测区域均等划分若干个子区域，由基站负责从各个子区域中选取出一个信任评估节点用于监测各区域的安全状况，实现信任评估节点的部署；(2)启用信任评估机制，首先信任评估节点需要对分区内节点进行信任评估，然后信任评估节点对邻近信任评估节点进行评估，随后将每个信任评估节点的数据转发至汇聚节点处理，从而决定是否更换评估节点，提高网络的抗攻击性；(3)基于灰色决策方法，结合信任评估机制，将候选节点对的信任值，剩余能量与基站间跳数传入灰色决策模型，综合选举出安全性、能量都较优的候选节点作为下一跳。2.根据权利要求1所述一种基于灰色决策的低功耗无线传感器网络路由控制方法，其特征在于，步骤(1)的具体过程如下：(101)统一将边长确定为d0，并把监测区域均等划分成m*m个子区域，由基站负责从各个子区域中选取出一个信任评估节点用于监测各区域的安全状况，其中m＝[600/d0]；(102)在每一个d0*d0的区域内，获取区域范围内每一个节点的横纵坐标，形成x坐标列表和y坐标列表。设区域内节点个数为n，计算区域中心点的坐标。计算公式如下：表和y坐标列表。设区域内节点个数为n，计算区域中心点的坐标。计算公式如下：(103)依据节点与中心点的之间的距离，确定各个节点的位置关系，计算公式为：其中公式(2-3)的计算结果表示为节点的位置属性；(104)将位置属性、信任值和剩余能量视为观测属性，并设计“优”、“中”“差”三种类型作为灰类，以表明节点是否有能力来作为信任评估节点，设置各个属性的可能度函数；(105)根据(104)计算各个观测属性的权重代价，根据根据每个节点的位置属性、信任值和剩余能量，基于灰色聚类评估算法来得出节点隶属于灰类“优”的聚类系数；(106)对区域内的聚类系数进行排序，选出系数最高的节点作为评估节点。3.根据权利要求1所述一种基于灰色决策的低功耗无线传感器网络路由控制方法，其特征在于，在步骤(2)中汇聚节点评估的具体步骤如下：(201)计算统计分区内节点的平均被信任值，构建信任均值列表；(202)根据构建的信任均值列表对比选出中位数，将列表中的各项数据与中位数进行减法操作，求绝对差值，构建中位数差值列表；(203)求得中位数差值列表中的中位数，并与系数1.4826做乘法运算，生成绝对中位数；(204)依照以下公式计算信任阈值low和high：low＝mid-3*mad (3-1)high＝mid+3*mad (3-2)
其中mid为信任均值列表的中位数，mad为绝对中位数；(205)选取信任均值列表中值小于阈值low或大于阈值high的节点，将其视作嫌疑节点，嫌疑节点所标记的分区执行(206)，剩余节点跳至(207)；(206)汇聚节点根据步骤(1)中信任评估节点选取算法，替换当前分区的信任评估节点，然后进行(208)；(207)汇聚节点的当前信任值由平均信任值决定，根据所保存的节点历史信任值，求得综合信任值；(208)执行完上述步骤后，汇聚节点记录所有节点的信任值。4.根据权利要求1所述一种基于灰色决策的低功耗无线传感器网络路由控制方法，其特征在于，步骤(3)中灰色决策的具体步骤如下：s＝{s1,s2,...,s
n
}是m个相互独立的候选节点，q＝{q1,q2,...,q
n
}是候选节点的n个属性集合。(301)明确候选节点的属性权重。假定有k个决策者，则q
j
的属性权重可描述为：w
jk
(j＝1,2,3,...,n)是第k个决策者的属性权重，并不妨用灰色数字来形容(302)利用语言变量生成属性评级值。属性评级值g
j
计算流程为：g
ijk
(i＝1,2,...,m,j＝1,2,...,n)是第k个决策者的属性评级值，并且可以由灰色数表示；(303)建立灰色决策矩阵(304)归一化灰色决策矩阵其中利益属性可以表示为：
其中代价属性可以表示为：可以表示为：对数据进行归一化操作，使得归一化灰数在[0,1]的范围内；(305)创建灰色加权归一化决策矩阵，由于各种属性都有不同的重要程度，因此加权归一化决策矩阵可以用下列矩阵描述：其中(306)将理想方案作为备选，针对m个候选节点s＝{s1,s2,...,s
m
}，理想的候选节点}，理想的候选节点(307)计算理想参考节点s
max
与比较候选节点s之间的灰色可能度(grey possibility degree)：(308)对候选节点进行排序，当p{s
i
≤s
max
}越小，候选节点排名越高，反之，排名靠后。

技术总结
本发明公开了一种基于灰色决策的低能耗无线传感器网络路由控制方法，该方法加入信任评估机制，汇聚节点对不同区域的信任评估节点进行评估，信任评估节点对区域内的节点以及相邻分区的信任评估节点进行评估，充分利用信任管理机制实现对整个网络的安全监督；该方法在路由选择方面通过建立极坐标初步筛选出符合条件的候选节点，然后结合灰色决策综合信任值、能量、基站间跳数选出节点的下一跳，实验表明本发明提出的方法在安全性、能耗方面均有较好的表现。好的表现。好的表现。


技术研发人员：许峰 刘京 宿凯铭 沈赛杰 李泽林
受保护的技术使用者：南京航空航天大学
技术研发日：2023.04.07
技术公布日：2023/7/25