法律状态公告日
法律状态信息
法律状态
2020-08-18
授权
授权
2019-07-26
实质审查的生效 IPC(主分类):H04L29/06 申请日:20171223
实质审查的生效
2019-07-02
公开
公开
技术领域
本发明涉及属于物联网(IoT)中无线传感器网络(WSN)的物理层安全领域,涉及一种面向能量受限的WSN中基于星座图旋转的安全分布式检测方法。
背景技术
物联网(IoT)是将射频识别、红外感应器、全球定位系统、激光扫描器等信息传感设备与互联网连接起来,进行信息交换和通信,以实现智能化识别、定位、跟踪、监控和管理。IoT系统中将融合如识别和跟踪技术,有线和无线传感器网络(WSN)等各种通信技术和系统。WSN作为一种分布式传感器网络,其应用范围涉及商业、工业、政府、军事等领域。无线传感器网络包含大量的传感器和数据融合中心(FC),每个节点通过无线网络与其他节点进行通信。由于无线传感器网络本身存在有限的计算能力、有限的存储容量、有限的通信带宽、严格的能量约束等局限性。因此分布式检测和数据融合在无线传感器网络感知环境并做出了决策的过程中发挥着重要作用。
分布式检测中,一组传感器可以独立感知特定的环境信息,对信息进行简单处理。然后通过无线信道将判决结果发送给FC,最后对大量数据融合进行FC判决,以获得关于环境的准确信息。在分布式检测中,每个FC都具有数据融合的能力,同时可以按照预先设定的融合准则对传感器反馈信息进行融合并做出判决,最终得到目标状态的准确判断。
由于分布式检测中各节点有限的计算能力和开放的通信方式。分布式检测存在很多安全问题,其中一个是被动窃听。窃听的场景是,合法融合中心(AFC)的附近存在若干窃听融合中心(EFC),因为传感器到AFC是通过无线广播的方式进行通信,所以EFC可以窃听接收到传感器对AFC发送的信息。EFC对窃听得到的数据信息拥有与AFC相似的数据分析、计算及独立做出决策的能力。
分布式检测中二进制分布式检测是主流研究方向:多传感器共同检测一个二元状态量、二进制分布式检测具有相对开放的系统环境、即使一个或多个传感器受到攻击或自然损坏也不影响系统的正常检测,决策,具有很强的应用扩展性。现阶段研究多是集中在将分布式检测信号感知、感知状态量化、量化信号加密,加密信号无线传输等不同阶段的安全技术加以协调利用,同时为满足系统能量的约束,分布式检测量化值多为1比特信息。
现有文献对WSN中分布式检测安全研究主要集中在以下几个方向:第一,在分布式检测的本地量化阶段,将传感器对目标状态的检测值,随机映射到一组确切的量化值,量化过程产生一个随机概率矩阵,利用这个概率矩阵起到信息加密的作用。第二,同样是在分布式检测的本地量化阶段,选择性地将本地检测性能不好的部分传感器保持沉默,不进行发送,因为本地检测性能差的传感器检测出错的可能性较大,因此会将错误直接传递给AFC,从而影响AFC的融合判决。第三,是在传感器信号向AFC发送阶段,利用传感器到AFC的无线信道状态进行随机反转发送,信道状态差的传感器,信道传输出错的概率就大,所以将其反转发送,即使EFC窃听得到该信号,也不能正确判断原始发送状态。第四,在传感器信号发送阶段,在正常发送信号的同时发送人工噪声,这样做既降低了EFC的性能,又降低了AFC的性能。总之,大部分学者在第一至第三方向的研究中主要集中在传感器检测量化阶段和信道传输阶段,主要进行1比特量化,其中第二和第三方向的研究使EFC的性能达到了最差,得到了绝对安全,但同时也降低了AFC的性能,毕竟在较多场景中,我们不一定需要对EFC的性能进行绝对约束,可以适当放宽,从而提高AFC性能。
随着对传感网络物理层安全技术研究的发展,基于分布式本地检测的物理层安全技术有较好的研究前景。
发明内容
本发明的目的在于克服上述现有技术的缺点,提供了一种面向能量受限的WSN中基于星座图旋转的安全分布式检测方法,该方法的安全性较好,并且AFC的性能较好。
为达到上述目的,本发明所述的面向能量受限的WSN中基于星座图旋转的安全分布式检测方法包括以下步骤:
1)将若干传感器分布于本地物理系统附近对本地状态进行分布式检测,设本地状态为θ0和θ1,得各传感器的本地检测值;
2)对各传感器的本地检测值使用贝叶斯检测方法,得各传感器的贝叶斯检测结果LD,设各传感器的四个本地检测门限[λL2,λL1,λU1,λU2],其中,0<λL2<λL1<λU1<λU2<∞,将各传感器的贝叶斯检测结果LD与四个本地检测门限进行对比,量化得2比特量化值{bk0bk1},其中,{bk0bk1}∈{00,01,10,11},同时将贝叶斯检测结果LD大于λL1且小于λU1的传感器保持休眠状态;
3)各传感器将得到的2比特量化值{bk0bk1}采用QPSK调制方式送至AFC中,AFC接收各传感器发送过来的2比特量化值{bk0bk1},然后向各传感器广播发送已知的导频信号,各传感器接收AFC广播发送过来的导频信号,然后根据接收到的导频信号估计主信道的幅度
4)AFC接收各传感器发送过来的信号,完成能量受限的WSN中基于星座图旋转的安全分布式检测。
第k个传感器的检测模型为:
其中,x′k为第k个传感器对本地状态的检测值,wk为本地检测过程中存在的独立同分布零均值高斯噪声,wk~N(0,σ2),N(μ,σ2)表示期望为μ、方差为σ2的高斯分布,将第k个传感器的本地检测信噪比snrL=θ2/σ2。
第k个传感器的贝叶斯检测结果为:
其中f(θi|xk′)是θi(i=0,1)状态基于xk′的条件概率分布函数。
绝对安全条件为:
AFC接收到的第k个传感器发送的信号
本发明具有以下有益效果:
本发明所述的面向能量受限的WSN中基于星座图旋转的安全分布式检测方法在具体操作时,采用四个本地检测门限对进行量化,得到2比特量化值,本发明得到的2比特量化值相对于传统的1比特量化值,使得本地性能量化更加精细,同时,本发明将贝叶斯检测结果LD大于等于λL1且小于λU1的传感器保持休眠状态,即不向AFC上行发送信号,以避免引入本地检测误差,同时节能系统能量,使系统性能更优。另外,本发明中,各传感器采用QPSK调制方式对待发送信号进行调制后再进行发送,并将待发送信号进行相位
附图说明
图1为WSN系统场景示意图;
图2为本发明中本地检测四阶量化示意图;
图3为本发明中基于主信道状态加密示意图;
图4为本发明中调制星座图旋转示意图;
图5为绝对安全条件
图6为能量约束β(β=0.4~1)对FC性能影响图;
图7为不同星座图旋转角度φ(φ∈0~2π)对本发明性能影响的示意图。
具体实施方式
下面结合附图对本发明做进一步详细描述:
如图1所示,建立能量受限的WSN系统模型,将若干传感器分布于本地物理系统附近对本地状态进行分布式检测,假设本地状态为θ0及θ1。各传感器独立工作,各传感器分别对本地状态进行独立检测,设传感器的数量为K,第k个传感器对本地状态的检测值为x′k,第k个传感器对AFC的发送值表示为xk,主信道及窃听信道分别表示为
1)对本地传感器的检测结果进行多台阶量化
第k个传感器的检测模型为:
其中,θ为本地检测的目标状态,xk′为第k个传感器对本地状态的检测值,wk为本地检测过程中存在的独立同分布零均值高斯噪声,设该噪声的方差为σ2,则该噪声wk~N(0,σ2),其中,N(μ,σ2)表示期望为μ、方差为σ2的高斯分布。因此传感器的本地检测信噪比snrL=θ2/σ2,得各传感器的贝叶斯检测结果LD,其中,第k个传感器的贝叶斯检测结果为:
其中,f(θi|xk′)为θi(i=0,1)基于x′k的条件概率分布函数。
设各传感器的四个本地检测门限[λL2,λL1,λU1,λU2],其中,0<λL2<λL1<λU1<λU2<∞,将各传感器的本地检测结果LD与[λL2,λL1,λU1,λU2]进行对比,量化得到2比特量化值{bk0bk1},其中,{bk0bk1}∈{00,01,10,11},同时将贝叶斯检测结果LD大于λL1且小于λU1的传感器保持休眠状态,即不向AFC上行发送信号,具体如图2所示。
由于进行了四阶量化,根据检测原理知识可知,传感器本地检测在两种先验状态θ0及θ1下会出现八种检测结果,分别为θ1状态及θ0状态下检测概率Pd1、Pd2和P0d1、P0d2,错误概率Pf1和Pf2,漏检概率Pm1和Pm2,其中,
根据公式(2),得xk′基于θi(i=0,1)的条件概率分布函数f(θi|xk′),其中,θi(i=0,1),
基于本地检测结果计算对数似然比
联合公式(4)及公式(5),得
基于公式(3)及公式(6),计算得本地性能的八个概率为:
其中,Q函数的表达式为
由公式(7),得本地检测的总体性能为:
2)基于主信道状态对发送信号的星座图进行旋转
各传感器将量化得到的2比特量化值{bk0bk1}采用QPSK调制方式调制后发送给AFC;
AFC将已知的导频信号广播给各传感器,各传感器根据接收到的导频信号估计各自的主信道状态,同时各本地传感器预先设定信道比较阈值t0,其中,传感器根据接收到的导频信号估计各自主信道的幅度
具体的,设主信道及窃听信道均为瑞利信道,信道的幅度服从瑞利分布,即f(|h|)=2|h|exp(-|h|2)和|h|∈[0,∞),根据能量受限的安全传输策略,如图3所示,则有
当第k个传感器到AFC的主信道幅度
当第k个传感器到AFC的主信道幅度
得绝对安全条件为:
调制星座图旋转如图4,具体发送信号如表1。
表1
由于本发明中的传感器与AFC之间的主信道为无线并行信道,所以不同传感器到融合中心的传输通道是正交的,同时EFC也可以通过接收传感器向AFC上行发送的信息来检测估计目标的状态。在这种情况下,基于主信道的随机性对传感器发送的信息加密是实现从传感器到AFC安全传输的关键。由于从传感器到AFC及EFC的信道是相互独立的,即使EFC完全已知星座图旋转的概率,EFC也不可能确切地已知基于主信道增益的星座图旋转角度,因此EFC可窃听的信息减少。
3)AFC(联合融合中心)和EFC(窃听融合中心)对传感器发送信息的接收与融合
AFC和EFC接收到第k个传感器发送的信号
其中,
AFC处的接收信号矢量
AFC的最终错误概率为:
其中,q0及q1表示二元假设状态θ0和θ1的先验概率。
EFC对窃听得到传感器信息的接收和融合方式与AFC过程相同。
实施例
考虑一个包含AFC、EFC及20个传感器的WSN系统场景。在该场景中,本地检测的信噪比和传输信道的信噪比对于AFC和EFC完全相同。此外,EFC进行LLR计算的过程与AFC的计算也相同。详细的仿真参数见表2。
表2
对比方案一为:基于传感器本地检测性能的节能发送方案,该方案中本地传感器进行1比特量化,然后基于传感器的本地检测结果筛选不发送信息的传感器,即选择本地检测性能差的传感器保持静默不发送量化信息,以达到节能目的,同时传感器将各自主信道状态与设定好的反转阈值进行对比,信道幅度大于等于阈值时,正常发送量化信息,信道幅度小于阈值时,反转后再发送量化信息。
对比方案二为:基于主信道状态的节能发送方案,该方案中传感器在本地进行2比特量化,然后基于传感器的主信道状态筛选不发送信息的传感器,即使主信道状态位于两个预先设定好的信道阈值内的一部分传感器不发送信息,以达到节能目的,同时基于主信道状态反转发送量化信息。
图5为在绝对安全条件
图6为能量约束β(β=0.4~1)对AFC性能影响,能量约束β表示处于工作状态下的传感器概率,从图7中可以看出,能量约束越小,处于工作状态下的传感器数量越多,AFC的最终检测性能越好;能量约束越大,处于工作状态下的传感器数量越少,此时少数传感器不能更加真实的检测出本地状态,AFC的检测性能开始下降。可以看出在分布式检测中,传感器数量过低会影响检测性能。同时可以看出,由于本发明基于传感器的本地检测性能选择发送,因此对本地性能的选择更加敏感,导致在较小能量约束时,一部分本地检测性能差的传感器被允许发送其较为不真实的检测信息,从而导致性能反而下降。
图7为不同
机译: 基于抽象安全默认值在面向分组的网络中建立分布式过滤器的方法
机译: 一种基于抽象安全标准的面向分组的网络中的分布式过滤器的设备的处理-
机译: 一种基于抽象安全标准的面向分组的网络中的分布式过滤器的设备的处理-