基于信譽(yù)度集對分析的無線傳感器網(wǎng)絡(luò)安全數(shù)據(jù)融合算法

傳感器技術(shù)、低能耗電子技術(shù)和低能耗富國技術(shù)的進(jìn)步可以使大量生產(chǎn)小型微小型設(shè)備，并具有互聯(lián)互通性和低價格。這類小型傳感器節(jié)點(diǎn)的無線傳感器網(wǎng)絡(luò)（wsw）已經(jīng)發(fā)展成為一個重要的計算平臺。大規(guī)模無線傳感器網(wǎng)絡(luò)通常由數(shù)千或數(shù)萬個微傳感器節(jié)點(diǎn)組成。為了獲得用戶感興趣的相關(guān)對象的信息，這些微傳感器節(jié)點(diǎn)是密集分布在監(jiān)測區(qū)域的。由于傳感器節(jié)點(diǎn)的大量冗余，數(shù)據(jù)采集的大部分?jǐn)?shù)據(jù)具有一定的冗余感。由于傳感器節(jié)點(diǎn)的數(shù)量和質(zhì)量特征的分布，數(shù)據(jù)采集的大部分?jǐn)?shù)據(jù)都是冗余的。數(shù)據(jù)采集行業(yè)的數(shù)據(jù)采集算法受無線傳感器網(wǎng)絡(luò)總能耗的70%，因此應(yīng)使用數(shù)據(jù)集成機(jī)制來縮短資源限制的有效生存期。到目前為止，研究人員已經(jīng)提出了大量的數(shù)據(jù)集成算法。根據(jù)研究的出發(fā)點(diǎn)，這些算法可以分為五種類型：以數(shù)據(jù)為中心、基于剩余能量的優(yōu)化和基于性能的融合。主要想法是通過減少網(wǎng)絡(luò)中的數(shù)據(jù)輸入，以減少無線傳感器網(wǎng)絡(luò)發(fā)生沖突的可能性，提高數(shù)據(jù)采集效率。相鄰傳感器節(jié)點(diǎn)采集的數(shù)據(jù)檢測錯誤，放棄異常數(shù)據(jù)，提高數(shù)據(jù)采集效率。通過對不同傳感器節(jié)點(diǎn)的全球數(shù)據(jù)進(jìn)行綜合分類，可以彌補(bǔ)高層用戶的需求與從地面?zhèn)鞲衅鞴?jié)點(diǎn)采集的原始數(shù)據(jù)之間的差異。作為源自軍事領(lǐng)域的一種新型網(wǎng)絡(luò)技術(shù),WSN的安全性一直備受關(guān)注.其中,安全數(shù)據(jù)融合是WSN安全的研究熱點(diǎn)之一.目前在WSN中實(shí)現(xiàn)安全數(shù)據(jù)融合主要通過以下途徑:1)提高原始數(shù)據(jù)的安全性.現(xiàn)有的手段主要是利用數(shù)據(jù)認(rèn)證,但是高強(qiáng)度的認(rèn)證機(jī)制不但引入了更多的系統(tǒng)開銷,還限制了網(wǎng)絡(luò)的數(shù)據(jù)融合能力.2)使用安全的融合算法.融合節(jié)點(diǎn)可以通過綜合處理多個原始數(shù)據(jù)以減輕個別惡意數(shù)據(jù)的危害,但是其無法保證始終能夠獲得有效的冗余數(shù)據(jù),而且對不同的應(yīng)用產(chǎn)生的效果也不盡相同.研究表明,網(wǎng)絡(luò)安全正向網(wǎng)絡(luò)可信的方向發(fā)展,未來的網(wǎng)絡(luò)安全是增加行為可信的可信網(wǎng)絡(luò).Damiani等人提出了P2P(peer-to-peer)網(wǎng)絡(luò)中較具影響的根據(jù)相關(guān)節(jié)點(diǎn)的評價建立節(jié)點(diǎn)的信譽(yù)度的思想,并以此衡量該節(jié)點(diǎn)在交互活動中留給其他相關(guān)節(jié)點(diǎn)的印象,對該節(jié)點(diǎn)的可信任程度進(jìn)行量化.在此思想的基礎(chǔ)上,本文利用集對分析(setpairanalysis,SPA)不確定性系統(tǒng)理論,提出了一種基于傳感器節(jié)點(diǎn)信譽(yù)度集對分析的WSN安全數(shù)據(jù)融合方法.1基于模式碼的wsn數(shù)據(jù)融合算法WSN的分簇拓?fù)涔芾頇C(jī)制是根據(jù)一定的算法選取出簇頭節(jié)點(diǎn)來管理或控制簇內(nèi)的傳感器節(jié)點(diǎn),并負(fù)責(zé)簇內(nèi)信息的收集、融合以及簇間轉(zhuǎn)發(fā).因此,簇頭節(jié)點(diǎn)必須要能夠理解簇內(nèi)節(jié)點(diǎn)采集的數(shù)據(jù)的含義,這就導(dǎo)致不宜在傳感器節(jié)點(diǎn)和基站之間采用加密的方法來實(shí)現(xiàn)端到端的安全控制,從而引發(fā)網(wǎng)絡(luò)的安全隱患.ESPDA是Cam等人提出的一種能量有效的安全數(shù)據(jù)融合協(xié)議.該協(xié)議中傳感器節(jié)點(diǎn)根據(jù)感知的原始數(shù)據(jù)生成模式碼(patterncodes)并發(fā)送給簇頭節(jié)點(diǎn),簇頭節(jié)點(diǎn)據(jù)此標(biāo)識和分類原始數(shù)據(jù),利用模式比較算法確定模式碼的被選集合,請求被選中的傳感器以加密形式發(fā)送數(shù)據(jù).Przydatek等人設(shè)計了一種大規(guī)模傳感器網(wǎng)絡(luò)的安全數(shù)據(jù)融合框架SIA.該框架中被稱為融合器(aggregators)的節(jié)點(diǎn)協(xié)助對查詢數(shù)據(jù)進(jìn)行融合以降低網(wǎng)絡(luò)的通信負(fù)擔(dān),有效的隨機(jī)采樣和交互驗(yàn)證機(jī)制確保了融合器提供的結(jié)果是真實(shí)值的最大近似值.SecureDAV是Mahimkar等人提出的一種WSN安全數(shù)據(jù)融合和驗(yàn)證協(xié)議.該協(xié)議使用基于橢圓曲線的秘密共享方案為簇內(nèi)的節(jié)點(diǎn)分配密鑰,節(jié)點(diǎn)對簇頭節(jié)點(diǎn)計算簇內(nèi)數(shù)據(jù)平均值進(jìn)行部分簽名.簇頭節(jié)點(diǎn)收集節(jié)點(diǎn)的簽名并計算對平均值的完整簽名發(fā)送給基站,基站用對應(yīng)的公鑰對其進(jìn)行驗(yàn)證.Sanli等人提出了一種基于參考數(shù)據(jù)的安全融合協(xié)議SRDA.該協(xié)議通過比較原始數(shù)據(jù)與參考數(shù)據(jù)來確定差異數(shù)據(jù),傳感器節(jié)點(diǎn)通過傳送差異數(shù)據(jù)而不是原始數(shù)據(jù)來減少數(shù)據(jù)傳送負(fù)擔(dān).此外,文獻(xiàn)針對數(shù)據(jù)融合帶來的信息泄露風(fēng)險,介紹了一種安全、節(jié)能的數(shù)據(jù)匯聚和認(rèn)證協(xié)議SEDAA.文獻(xiàn)利用網(wǎng)絡(luò)的可信研究提出了一種基于行為可信的安全數(shù)據(jù)融合與路由算法BTSR.文獻(xiàn)設(shè)計了一種基于模式碼的WSN高效的安全數(shù)據(jù)融合協(xié)議.這些安全數(shù)據(jù)融合算法雖然在某些方面具有一定的優(yōu)越性,但是有的忽略了傳感器節(jié)點(diǎn)的有限資源,算法過于復(fù)雜,導(dǎo)致融合節(jié)點(diǎn)的能耗過大;有的僅僅關(guān)注傳感器節(jié)點(diǎn)感知數(shù)據(jù)本身的安全性,增加了驗(yàn)證開銷.目前,很少有研究人員通過考察傳感器節(jié)點(diǎn)與其他節(jié)點(diǎn)之間的實(shí)際交互情況來建立節(jié)點(diǎn)的綜合評價體系,根據(jù)節(jié)點(diǎn)的信譽(yù)度設(shè)計適用于WSN的安全數(shù)據(jù)融合方法.2交換規(guī)則和相關(guān)規(guī)則我國學(xué)者趙克勤等人提出的SPA理論實(shí)質(zhì)上是一種處理系統(tǒng)不確定性問題的統(tǒng)計方法,其核心思想是把確定不確定問題視為一個確定不確定系統(tǒng),認(rèn)為事物的統(tǒng)一性、差異性和對立性互相聯(lián)系、互相影響、互相制約并在一定條件下互相轉(zhuǎn)化;可以用一個同異反聯(lián)系度表達(dá)式對此加以描述,從而把對不確定性的辯證認(rèn)識轉(zhuǎn)換為一個具體的數(shù)學(xué)工具.在一定的問題背景W下,對集對H中的兩個集合的關(guān)系展開分析,再對得出的同、異反關(guān)系進(jìn)行分類統(tǒng)計,建立兩個集合的同異反聯(lián)系數(shù):U(H)=A+Bi+Cj?U(Η)=A+Bi+Cj?其中,A,B,C為正實(shí)數(shù),分別表示兩個集合同一性、差異性和對立性的大小,稱為同關(guān)系數(shù)、異關(guān)系數(shù)和反關(guān)系數(shù);i為差異度的標(biāo)記,需要時在i∈[j,1]內(nèi)取值;j為對立型關(guān)系數(shù)的標(biāo)記,根據(jù)不同的對立類型取值.當(dāng)同異反關(guān)系是正負(fù)型對立型關(guān)系時,取j=-1,這時i∈[-1,1];當(dāng)同異反關(guān)系是倒數(shù)型對立關(guān)系時,j=1/R,R為同關(guān)系數(shù)中的最小數(shù),此時i∈[1/R,1].令N=A+B+C為聯(lián)系范數(shù),表示論域的大小.并令u=U/N,a=A/N,b=B/N,c=C/N,則:u=u(H)=a+bi+cj,其中,a+b+c=1.定義1.設(shè)有聯(lián)系數(shù)u1=a1+b1i+c1j,u2=a2+b2i+c2j,則u1與u2的和仍為聯(lián)系數(shù),記為u=u1+u2,且有:u=u1+u2=a+bi+cj,其中,a=a1+a2,b=b1+b2,c=c1+c2,易知聯(lián)系數(shù)的加法滿足交換律和結(jié)合律.定義2.設(shè)有聯(lián)系數(shù)u1=a1+b1i+c1j,u2=a2+b2i+c2j,則u1與u2的積記為u=u1·u2,且有:u=u1·u2=(a1+b1i+c1j)·(a2+b2i+c2j)=a1a2+(a1b2+a2b1)i+(a1c2+a2c1)j+b1b2i·i+(b1c2+b2c1)i·j+c1c2j·j=a1a2+(a1b2+a2b1+b1b2+b1c2+b2c1)i+(a1c2+a2c1+c1c2)j,其中,指標(biāo)運(yùn)算規(guī)則為i·i=i2=i,i·j=j,j·j=j2=j.定義3.設(shè)有聯(lián)系數(shù)u1=a1+b1i+c1j,u2=a2+b2i+c2j.1)若a1=a2,b1=b2,則稱同異反聯(lián)系數(shù)u1與u2等價或相等,記為u1=u2.2)若a1≤a2,b1≥b2,則稱同異反聯(lián)系數(shù)u2比u1優(yōu)先,并記為u1≤u2;若a1<a2,b1>b2,則稱同異反聯(lián)系數(shù)u2比u1嚴(yán)格優(yōu)先,并記為u1<u2.3基于信息集的安全數(shù)據(jù)整合3.1基于密度函數(shù)的點(diǎn)分簇分簇路由機(jī)制由于具有適合大規(guī)模的網(wǎng)絡(luò)環(huán)境、可擴(kuò)展性好、數(shù)據(jù)融合簡單及能量效率高等諸多優(yōu)點(diǎn),成為目前WSN路由協(xié)議研究的熱點(diǎn).其中,LEACH協(xié)議是WSN中最早提出的基于簇結(jié)構(gòu)的層次型路由協(xié)議,無論是后來據(jù)其思想衍變而來的分簇算法還是獨(dú)立開發(fā)的其他分簇算法,它們的執(zhí)行過程基本上都包括選舉簇頭節(jié)點(diǎn)、形成簇和簇的路由3個步驟.本文提出的安全數(shù)據(jù)融合方法也以分簇路由機(jī)制為基礎(chǔ),將每輪運(yùn)行過程分為形成分簇和穩(wěn)定地傳輸數(shù)據(jù)兩個階段.為了實(shí)現(xiàn)對物理世界的高密度感知,在監(jiān)測區(qū)域通常需要布設(shè)大量的傳感器節(jié)點(diǎn),節(jié)點(diǎn)的數(shù)量可能成千上萬甚至更多.在這些節(jié)點(diǎn)的隨機(jī)布設(shè)過程中,例如通常假設(shè)的采用飛機(jī)進(jìn)行節(jié)點(diǎn)布設(shè),節(jié)點(diǎn)的地理位置無法預(yù)先確定,不可避免地會出現(xiàn)一些區(qū)域中的節(jié)點(diǎn)分布相對密集、而另一些區(qū)域中的節(jié)點(diǎn)分布相對稀疏的情況.由于較少考慮節(jié)點(diǎn)的密度分布特征,大多數(shù)已有分簇算法生成的簇的邏輯結(jié)構(gòu)和實(shí)際的節(jié)點(diǎn)分布情況并不相符,這就導(dǎo)致在數(shù)據(jù)傳輸過程中網(wǎng)絡(luò)的傳輸能耗大量增加.如果將監(jiān)測區(qū)域中每個傳感器節(jié)點(diǎn)的坐標(biāo)看作一個數(shù)據(jù)樣本,就可以利用聚類技術(shù)來解決節(jié)點(diǎn)的分簇問題.傳統(tǒng)的聚類算法是一種對樣本進(jìn)行分類的方法,其目標(biāo)是求出樣本中較為相似的幾個聚類和各個聚類的代表點(diǎn)(稱為中心點(diǎn)或原型).其中,減法聚類是一種基于密度函數(shù)的聚類方法,可以實(shí)現(xiàn)快速估計聚類的數(shù)量和中心位置,其計算代價由樣本的個數(shù)決定且不會隨著樣本維數(shù)的增加呈指數(shù)增長.因此,本文利用減法聚類對監(jiān)測區(qū)域中傳感器節(jié)點(diǎn)進(jìn)行分簇,可以使簇頭節(jié)點(diǎn)總是在當(dāng)前節(jié)點(diǎn)分布的最密集處產(chǎn)生.假設(shè)傳感器節(jié)點(diǎn)能夠借助GPS定位系統(tǒng)或定位算法獲知本身的位置信息,并能夠?qū)⑦@些信息傳送到基站.設(shè)傳感器節(jié)點(diǎn)為n1,n2,…,nm,ci(x,y)表示節(jié)點(diǎn)ni的二維坐標(biāo)值,將這m個數(shù)據(jù)樣本作為聚類中心的候選者,利用減法聚類求得的聚類中心所對應(yīng)的傳感器節(jié)點(diǎn)即為所需的簇頭節(jié)點(diǎn).分簇的具體過程如下:Step1.fori=1:1:m利用式ci=ci?min(ci)max(ci)?min(ci)ci=ci-min(ci)max(ci)-min(ci)將節(jié)點(diǎn)ni的坐標(biāo)ci映射到一個超空間單位體中進(jìn)行歸一化;Step2.fori=1:1:m計算樣本ci處的密度指標(biāo)值:Den(i)=∑j=1mexp[?∥ci?cj∥2/(Ra/2)2]；Den(i)=∑j=1mexp[-∥ci-cj∥2/(Ra/2)2]；輸出求得的Den(i);Step3.選取滿足條件max{Den(i)|i=1,2,…,m}的樣本ck為求得的第1個聚類中心,其對應(yīng)的節(jié)點(diǎn)為選舉出的第1個簇頭節(jié)點(diǎn);Step4.fori=1:1:m-1修正剩余樣本的密度指標(biāo)值:Den(i)=Den(i)-Den(k)exp[-‖ci-ck‖2/(Rb/2)2];同Step3所述,根據(jù)樣本的密度指標(biāo)值選取最大者cl為下一個聚類中心,其對應(yīng)的節(jié)點(diǎn)為選舉出的下一個簇頭節(jié)點(diǎn);Step5.判斷是否滿足條件(Den(l)/Den(k))<α:如果滿足該條件,則退出執(zhí)行;否則,轉(zhuǎn)到Step4繼續(xù)執(zhí)行.在上述過程中,Ra>0,表示對該樣本的密度指標(biāo)貢獻(xiàn)最大的領(lǐng)域范圍;Rb>0,表示密度指標(biāo)顯著衰減的領(lǐng)域范圍,這兩個參數(shù)的選擇應(yīng)該考慮到已知樣本集合的分布特性.一般可以取Rb=λRa,其中λ為大于1的正常數(shù)(經(jīng)驗(yàn)值為1.25≤λ≤1.5),這樣可以避免出現(xiàn)距離很近的聚類中心.參數(shù)α決定了最終產(chǎn)生的初始化聚類中心的數(shù)目,α越大產(chǎn)生的聚類中心數(shù)越少,反之產(chǎn)生的聚類中心數(shù)則越多.一般情況取α≥0.5會得到比較合理的聚類中心數(shù).利用減法聚類方法對傳感器節(jié)點(diǎn)進(jìn)行分簇具有以下優(yōu)點(diǎn):1)減法聚類把每個傳感器節(jié)點(diǎn)的坐標(biāo)作為聚類中心的候選者,所求得的聚類中心落在原始的節(jié)點(diǎn),而不像山峰聚類方法選擇峰值最大的網(wǎng)格點(diǎn)作為聚類中心,不僅可以獲得很高的計算速度,而且聚類中心和簇頭的節(jié)點(diǎn)坐標(biāo)相對應(yīng);2)減法聚類不需要預(yù)先指定聚類的數(shù)目,而當(dāng)前WSN分簇算法中最佳簇頭節(jié)點(diǎn)數(shù)目的確定還是個尚未得到完全解決的問題;3)減法聚類根據(jù)傳感器節(jié)點(diǎn)密度確定聚類中心,這可以使得簇頭節(jié)點(diǎn)位置的分布更加合理,簇的規(guī)模更加符合節(jié)點(diǎn)的實(shí)際布設(shè)情況.盡管和具有較高計算復(fù)雜度的山峰聚類相比,減法聚類的計算量由樣本數(shù)目決定且不會隨樣本維數(shù)增加而呈指數(shù)增長,但是對于大樣本集(即大規(guī)模傳感器節(jié)點(diǎn))減法聚類同樣具有較大的計算量.如對m個樣本集選取l個聚類中心的計算量為N=m2+(l-1)m,這需要對減法聚類進(jìn)一步地優(yōu)化.3.2節(jié)點(diǎn)可信性在WSN的實(shí)際應(yīng)用中,隨機(jī)布設(shè)的傳感器節(jié)點(diǎn)的性能與多種因素密切相關(guān).在節(jié)點(diǎn)層面,不僅節(jié)點(diǎn)本身的資源受限,而且節(jié)點(diǎn)易受所處的復(fù)雜工作環(huán)境(如天氣變化、噪聲干擾)的影響導(dǎo)致工作性能不穩(wěn)定.在網(wǎng)絡(luò)層面,節(jié)點(diǎn)性能還受網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)、路由機(jī)制、安全性等影響.因此,監(jiān)測區(qū)域中傳感器節(jié)點(diǎn)的性能不可避免地具有一定的不確定性.在對節(jié)點(diǎn)的信譽(yù)進(jìn)行評估時必須要動態(tài)地綜合考慮這些因素.假設(shè)每個傳感器節(jié)點(diǎn)都以一定的數(shù)據(jù)結(jié)構(gòu)(如三元組集)存儲節(jié)點(diǎn)本身及與其他節(jié)點(diǎn)交互的歷史記錄信息,并隨著網(wǎng)絡(luò)的運(yùn)行不斷地進(jìn)行動態(tài)更新.傳感器節(jié)點(diǎn)根據(jù)存儲的記錄信息構(gòu)造適當(dāng)?shù)乃惴?映射出二進(jìn)制數(shù)值0或1,以此表示節(jié)點(diǎn)的信譽(yù)度為可信或不可信.在網(wǎng)絡(luò)初始階段,由于還未獲知?dú)v史紀(jì)錄信息,可以設(shè)定節(jié)點(diǎn)的初始信譽(yù)度為0.假設(shè)一個節(jié)點(diǎn)n可信(trustful)的概率為p(t),不可信(distrustful)的概率為p(d),可信性不確定(unsure)的概率為p(u),其中p(t),p(d),p(u)∈,且滿足歸一化條件p(t)+p(d)+p(u)=1,則節(jié)點(diǎn)n的信譽(yù)度可表示為p(n)=p(t)+p(u)i+p(d)j,其中,i為差異度的標(biāo)記,標(biāo)記節(jié)點(diǎn)可信性不確定,可以在[-1,1]內(nèi)取值;j為對立型關(guān)系數(shù)的標(biāo)記,標(biāo)記節(jié)點(diǎn)不可信,這里取j=-1.于是,節(jié)點(diǎn)n在數(shù)據(jù)融合中的表現(xiàn)被聚合為選票,各個投票者在歷史投票中的表現(xiàn)被聚合為可信任度.選舉的發(fā)起者將選票和投票者的可信任度聚合為該節(jié)點(diǎn)的信譽(yù)度,聚合算法根據(jù)集對分析的乘法運(yùn)算法則進(jìn)行,并根據(jù)其優(yōu)先關(guān)系形成信譽(yù)度的排名.通常聚合之后節(jié)點(diǎn)的可信概率會減小,根據(jù)Dempser-Shafer原理,這符合信任傳遞的衰減原則.3.3裝置屬性權(quán)重的確定WSN中簇的路由依賴于簇結(jié)構(gòu),不同的簇結(jié)構(gòu)在一定程度上決定了簇的數(shù)據(jù)傳輸方式.節(jié)點(diǎn)完成簇劃分以后,需要通過簇間路由將各個簇連接起來與Sink節(jié)點(diǎn)進(jìn)行數(shù)據(jù)通信.為了實(shí)現(xiàn)WSN安全數(shù)據(jù)融合,本文在傳感數(shù)據(jù)的采集和傳輸階段考慮到節(jié)點(diǎn)信譽(yù)度集對分析的結(jié)果.在WSN數(shù)據(jù)采集階段,根據(jù)實(shí)際應(yīng)用的需要預(yù)先設(shè)定一個信譽(yù)度閾值,如果某一傳感器節(jié)點(diǎn)信譽(yù)度小于該閾值,則認(rèn)為該節(jié)點(diǎn)發(fā)生了錯誤,其感知的數(shù)據(jù)被判為無效數(shù)據(jù).如果傳感器節(jié)點(diǎn)的信譽(yù)度大于該閾值,則根據(jù)信譽(yù)度的排序賦予該節(jié)點(diǎn)相應(yīng)的數(shù)據(jù)可信權(quán)重.在簇頭節(jié)點(diǎn)對簇內(nèi)節(jié)點(diǎn)采集的數(shù)據(jù)進(jìn)行融合后,融合數(shù)據(jù)向Sink節(jié)點(diǎn)傳輸?shù)倪^程可以建模為通過評價轉(zhuǎn)發(fā)簇頭節(jié)點(diǎn)的信息,從中選擇綜合評價最優(yōu)的簇頭節(jié)點(diǎn)轉(zhuǎn)發(fā)數(shù)據(jù)的多屬性決策過程.該過程主要包括簇頭節(jié)點(diǎn)屬性的構(gòu)建與篩選、屬性的預(yù)處理、確定屬性權(quán)重、評價信息集結(jié)等步驟.假設(shè)轉(zhuǎn)發(fā)簇頭節(jié)點(diǎn)R的有效轉(zhuǎn)發(fā)節(jié)點(diǎn)集合O=(o1,o2,…,op)為方案集,其中p為簇頭節(jié)點(diǎn)R的有效轉(zhuǎn)發(fā)節(jié)點(diǎn)總數(shù).轉(zhuǎn)發(fā)節(jié)點(diǎn)的屬性集U=(u1,u2,…,uq),包括轉(zhuǎn)發(fā)節(jié)點(diǎn)的能量、信譽(yù)度及到Sink節(jié)點(diǎn)的跳數(shù)等信息.轉(zhuǎn)發(fā)節(jié)點(diǎn)oi關(guān)于屬性uj的取值xij構(gòu)成方案集O關(guān)于屬性集U的決策矩陣A=(xij)p×q.在數(shù)據(jù)傳輸過程中,簇頭節(jié)點(diǎn)選擇下一跳節(jié)點(diǎn)傳輸數(shù)據(jù)實(shí)質(zhì)上可以看作是對以其鄰居節(jié)點(diǎn)構(gòu)成的方案集的排序,由規(guī)范化的決策矩陣和屬性權(quán)重向量可以得到某一方案的綜合評價值,比較這些評價值的大小,選擇評價最優(yōu)的簇頭節(jié)點(diǎn)為傳輸數(shù)據(jù)的下一跳節(jié)點(diǎn).其中,傳感器節(jié)點(diǎn)屬性權(quán)重向量的確定是多屬性決策中的重要問題,本文采用基于“差異驅(qū)動”原理的賦權(quán)法,其基本思想是權(quán)重系數(shù)應(yīng)該是各個屬性在屬性總體中的變異程度和對其他屬性影響程度的度量,可根據(jù)各屬性所提供的信息量的大小來決定相應(yīng)屬性的權(quán)重系數(shù).4不信任行為概率為了驗(yàn)證本文提出的安全數(shù)據(jù)融合算法的性能,與同類算法進(jìn)行了對比仿真實(shí)驗(yàn).仿真實(shí)驗(yàn)的基本參數(shù)設(shè)置如文獻(xiàn):將1024個傳感器節(jié)點(diǎn)隨機(jī)布設(shè)在100m×100m的監(jiān)測區(qū)域中,假設(shè)傳感器節(jié)點(diǎn)的無線通信半徑為2√m2m,每個傳感器節(jié)點(diǎn)的初始能量為2J,數(shù)據(jù)包的大小為525B,控制包的大小為256B.定義不信任行為指惡意偽裝攻擊和節(jié)點(diǎn)故障引起的不正確消息,即節(jié)點(diǎn)的身份認(rèn)證是正確的,而傳輸?shù)臄?shù)據(jù)是錯誤的,且與正常值有一定的偏差.安全概率則定義為簇頭節(jié)點(diǎn)進(jìn)行路由選擇時至少存在一條安全路徑的概率.圖1為不同算法的融合精度隨不信任行為概率增加而變化的對比圖.由于分簇算法LEACH沒有進(jìn)行數(shù)據(jù)融合的安全性分析,融合的精度受不良數(shù)據(jù)和傳感器錯誤的影響較大,當(dāng)不信任行為概率為20%時,其融合精度已經(jīng)下降到