基于優化蟻群算法的無線傳感器網絡信任模型*

黃 干， 劉 濤， 蘇宇婷

(1.安徽工程大學 計算機應用技術重點實驗室，安徽 蕪湖 241000； 2.東北石油大學 計算機與信息技術學院，黑龍江 大慶 163000)

基于優化蟻群算法的無線傳感器網絡信任模型*

黃 干1， 劉 濤1， 蘇宇婷2

(1.安徽工程大學 計算機應用技術重點實驗室，安徽 蕪湖 241000； 2.東北石油大學 計算機與信息技術學院，黑龍江 大慶 163000)

無線傳感器網絡(WSNs)會受到很多因素的影響，包括無線鏈路干擾，缺乏物理保護等，使其對于惡意節點的攻擊顯得很脆弱，從而成為妥協節點。為了解決這些網絡安全問題，提出一種基于優化蟻群算法的信任模型。這個模型由信息素更新、路徑質量評估、信任度評估和懲罰與獎勵機制構成。此外，為了提高全局信息素計算的準確性，在計算全局信息素時引入了最優解保留策略。仿真結果表明：該信任模型具有更高的性能和可靠性，更加適合WSNs。

無線傳感器網絡; 優化蟻群算法； 信任模型

0 引 言

無線傳感器網絡(WSNs)廣泛應用于軍事、環境監控、醫療監護等領域中[1]。然而，隨著WSNs滲入的領域越來越多，安全問題就顯得越來越突出[2]。近年來，許多研究者提出在WSNs中建立關于節點的信任模型。信任模型可以通過監測網絡行為、最小化風險來提高整個網絡的性能。目前，圍繞著WSNs信任模型展開了一系列的研究。文獻[3]提出了WSNs基于代理的信任模型(agency trust model,ATRM)。在ATRM中，基于分散證書的信任模型通過代理模塊來監測網絡行為。這種模型解決了不確定問題，但是網絡中的節點仍有可能與惡意節點進行交互。文獻[4]提出了WSNs基于信譽的信任模型(reputation trust model,RTRM)。在這個模型中，每個節點為網絡中的其它節點維持一個信譽值。網絡中的節點通過看門狗機制來監測其它節點的行為，并基于時間為它們建立信譽值。然后，節點利用這些信譽值來評估其它節點的信任度，并預測這些節點的未來行為。文獻[5,6]提出基于節點行為和D-S證據理論的信任模型，它聯合了節點行為機制和更改的證據理論。文獻[7,8]提出WSNs基于任務分配的信任模型(task allocation trust model,TATRM)。該模型通過為每個節點分配一個任務或者標準來提高WSNs的吞吐量。文獻[9]提出WSNs基于生物學算法的信任模型(BTRM-WSNs)，而生物學算法使用的是蟻群算法。每個螞蟻通過在一些路徑上釋放信息素來幫助后續的螞蟻找到最優路徑。

然而文獻[9]所提出的信任模型存在著復雜度高、信任度計算不準確等問題，本文在文獻[9]的基礎上，提出一種基于優化蟻群算法的信任模型,它與文獻[9]的信任模型相比，做出了很大的改進。首先，它通過信息素更新、路徑質量評估、信任度評估來得到節點的信任度，再通過懲罰與獎勵機制來動態更新信任度，這使得信任模型的評估更加全面、準確。其次它通過最優解保留策略來更新全局信息素，這提高了全局信息素計算的準確性。

1 蟻群算法

蟻群算法(ant colony algorithm,ACA)是一種基于群體的模擬進化算法，它是受自然界中真實蟻群的集體覓食行為的啟發而發展起來的，它屬于隨機搜索算法的一種[10]。在這個算法里[11]，它把研究活動分配給稱為“螞蟻”的代理。事實上，對于真實螞蟻活動的研究給了動物行為學家很大的啟發。研究的問題之一就是如何尋找到一條從它們的蟻巢到食物源頭的最短路徑。據發現，它們是通過媒介來進行個體之間的信息交流，并決定往哪走。在媒介之中，就包括信息素。一個移動的螞蟻會在路徑上留下不同量的信息素，從而給路徑做上標記。當一個單獨的螞蟻隨機移動時，它就會偵測到之前螞蟻留下的信息素，并選擇向信息素量高的路徑移動。這種集體行為是自催化行為的一種形式。這個過程是一種正反饋過程，當一條路徑被螞蟻選擇次數的越多，它被后面的螞蟻選擇的概率就越高。ACA具有很多優點[12]，包括并行性、通用性、魯棒性。

2 基于優化ACA的WSNs信任模型

2.1 信息素的更新

定義1 信息素的值用來代表節點之間的信任程度，在t時刻節點i和節點j之間的連接邊上的信息素量用τij(t)來表示[13]。在初始時刻，將m只螞蟻放到n個初始節點上，同時，將每只螞蟻的禁忌表tabuk的第一個元素設為它們所在的初始節點上。此時各路徑上的信息素量相等，設τij(0)=C(C為一個較小的常數)。

(1)

其中，Jk(i)={1,2,…,n}-tabuk表示螞蟻k的能選擇的下一個節點的集合。螞蟻k經過一個節點，就會把節點加入到tabuk中。

對于ACA來說，信息素更新分為局部信息素更新和全局信息素更新。每只螞蟻每經過一條邊時就會進行一次局部信息素更新。當螞蟻從節點i轉到節點j，邊ij上信息素的更新為

τij(t+1)=(1-ρ)τij(t)+ρτ0,

(2)

式中ρ為路徑上信息素的蒸發因子，它能夠使路徑“忘記”不好的狀況，從而避免路徑陷入次優化的情況。τ0為路徑上的信息素的初始值。局部信息素更新的作用是當螞蟻發現已選的邊的信息素值減少時，它就會進而去選擇沒有選擇過的邊。

每次迭代完成后，會對所有螞蟻所發現的最優路徑進行全局信息素更新。這個更新需要發送額外的螞蟻來對最優路徑進行計算。最優路徑ij的全局信息素更新為

(3)

(4)

(5)

(6)

2.2 路徑質量評估

每次螞蟻進行一次迭代返回到源節點時，自己會記住自己所走過的路徑。之后，源節點會評估這個螞蟻走過的路徑的質量。特別是螞蟻會保持自己走過的路徑上的節列表和路徑上的信息素值。路徑質量的計算如下

(7)

2.3 信任度評估

在網絡中，每個節點會為其所有鄰居節點維持一個信息素值的集合，它決定了螞蟻選擇哪條路徑。然而，信息素值常常又會與信任度值混淆，為了區分兩者，用Ti表示節點i的信任度。信任度的計算如下

(8)

式中I(i)為與節點i有的關節點。每個節點都會維持一個鄰居節點的信任度表。

2.4 獎勵與懲罰機制

一旦源節點知道了最好的路徑，就會對這個路徑收到的服務進行評估[14]。源節點會對這些服務給出一個滿意度S,當滿意值S低于懲罰閾值PunTh∈[0,1]時，τij為

τij=(τij-ρ)S(1-dfij)，

(9)

(10)

式中dfij為連接節點i和節點j之間路徑的距離因子，Lk為螞蟻k發現的路徑長度，dij為i和j之間的距離。

當滿意值S不小于懲罰閾值PunTh時，τij為

τij=τij-ρ(1-S)dfij.

(11)

3 實驗結果與分析

為了對所提出的模型的性能和可靠性進行評估，本文通過三組仿真實驗來把它與BTRM-WSNs模型進行對比。第一組實驗是比較兩個模型搜索可信節點的準確性，第二組實驗是比較兩個模型找到可信節點所需的平均路徑長度，第三組實驗是比較兩個模型的總的能量消耗。

3.1 TRMSim-WSNs

TRMSim-WSNs是一個WSNs基于Java的信任模型仿真器，它提供一個很方便的方式來測試信任模型[15]。本文在仿真信任模型時，設置參數如下：客戶節點為15 %，中繼服務器節點為5 %，節點射頻通信距離為10 m，傳感器節點的最大、最小個數為100，網絡數目為400，執行數為100。然后，仿真器就會基于這些參數隨機生成一個WSNs。注意， 85 %的節點是提供服務的服務器節點。圖1為用TRMSim-WSNs仿真出的WSNs。

圖1 仿真出的WSNs

3.2 準確率

信任模型的準確率是用來評估信任模型的可靠性和安全性，它是用信任模型成功地選擇可信傳感器節點的次數比上總的處理次數。一個好的信任模型必須要能對惡意節點的攻擊有很好的控制。圖2 把BTRM-WSNs的準確性與本文所提出的信任模型的準確性進行了對比。從圖中可以看出：當惡意節點比例少于50 %時，兩個信任模型在找到可信節點的準確性上相差不大。但當惡意比例高于50%時，所提出的模型能夠比BTRM-WSNs提供更高的準確性和安全性。

圖2 準確率對比

3.3 平均路徑長度

平均路徑長度是源節點找到最可信的傳感器節點的平均跳數。對于一個信任模型，平均路徑長度越短，這個信任模型在找尋可信傳感器節點上具有很好的性能。首先，更少的中間節點意味著更高的安全性和更少的能量消耗。其次，更短的路徑意味源節點可以更容易地找到可信服務節點，服務節點可以很快地給源節點提供服務。圖3是兩個信任模型在平均路徑長度上的對比。如圖所示，本文所提出的模型可以更加容易地找到可信節點，表現出比BTRM-WSNs更好的性能。

3.4 能量消耗

WSNs是一個能量有限的網絡，所以,設計一個適合WSNs的信任模型必須減少能量消耗，這樣在保證網絡安全性的同時也能延長網絡的生命周期。WSNs的能量消耗包括源節點發送信息所消耗的能量、惡意節點提供惡意服務所消耗的能量和在網絡中搜索可信節點所消耗的能量。圖4是兩個信任模型在能量消耗上的比較。如圖所示，所提出的信任模型在能量消耗上比BTRM-WSNs更低，更加適合WSNs。

4 結束語

本文提出一種在WSNs環境下基于優化過的ACA的信任模型，這個信任模型可以準確、全面地計算出節點信任度并動態更新信任度，此外，該模型在計算全局信息素時更加準確。仿真結果表明:與 BTRM-WSNs相比，本文所提出的信任模型找到可信節點的準確率更高，找到可信節點所需的跳數更少。此外，該模型比BTRM-WSNs消耗更少的能量，更加適合WSNs。本文下一步的工作將繼續改進該信任模型，使得它具有更高的性能和可靠性。

圖3 平均路徑長度對比

圖4 能量消耗對比

[1] Yick J,Mukherjee B,Ghosal D.Wireless sensor networks sur-vey[J].Computer Networks,2008,52(12):2292-2330.

[2] Bojkovic Z S,Bakmaz B M,Bakmaz M R.Security issues in wireless sensor networks[J].International Journal of Communications,2008,2(1):106-115.

[3] Chen H,Wu H,Hu J,et al.Agent-based trust management model for wireless sensor networks[C]∥International Conference on Multimedia and Ubiquitous Engineering,MUE 2008,IEEE,2008:150-154.

[4] Alzaid H,Alfaraj M,Ries S,et al.Reputation-based trust systems for wireless sensor networks:A comprehensive review[M]∥Berlin Heidelberg:Springer,2013:66-82.

[5] Feng R,Xu X,Zhou X,et al.A trust evaluation algorithm for wireless sensor networks based on node behaviors and DS evidence theory[J].Sensors,2011,11(2):1345-1360.

[6] Feng R,Che S,Wang X,et al.Trust management scheme based on DS evidence theory for wireless sensor networks[J].International Journal of Distributed Sensor Networks,2013,13(2):25-34.

[7] Misra S,Vaish A.Reputation-based role assignment for role-based

access control in wireless sensor networks[J].Computer Communications,2011,34(3):281-294.

[8] Srinivasan A,Teitelbaum J,Wu J.DRBTS:Distributed reputation-based beacon trust system[C]∥2nd IEEE International Sympo-sium on Dependable,Autonomic and Secure Computing,IEEE,2006:277-283.

[9] Yu H,Shen Z,Miao C,et al.A survey of trust and reputation management systems in wireless communications[J].Proceedings of the IEEE,2010,98(10):1755-1772.

[10] Liao T,Stützle T,Montes de Oca M A,et al.A unified ant colony optimization algorithm for continuous optimization[J].European Journal of Operational Research,2014,234(3):597-609.

[11] Dorigo M,Gambardella L M.Ant colony system:A cooperative learning approach to the traveling salesman problem[J].IEEE Transactions on Evolutionary Computation,1997,1(1):53-66.

[12] Dorigo M,Blum C.Ant colony optimization theory:A survey[J].Theoretical Computer Science,2005,344(2):243-278.

[13] Han G,Jiang J,Shu L,et al.Management and applications of trust in wireless sensor networks:A survey[J].Journal of Computer and System Sciences,2014,80(3):602-617.

[14] Mármol F G,Pérez G M.Providing trust in wireless sensor networks using a bio-inspired technique[J].Telecommunication Systems,2011,46(2):163-180.

[15] Mármol F G,Pérez G M.Trust and reputation models compari-son[J].Internet Research,2011,21(2):138-153.

Trust model for WSNs based on optimized ant colony algorithm*

HUANG Gan1, LIU Tao1, SU Yu-ting2

(1.Key Laboratory of Computer Application Technology,Anhui Polytechnic University, Wuhu 241000,China; 2.School of Computer and Information Technology, Northeast Petroleum University,Daqing 163000,China)

Wireless sensor networks(WSNs)may be influenced by many factors,including interference of wireless links and lack of physical protection,which makes the sensor nodes vulnerable to a variety of attacks launched by malicious nodes and become compromised nodes.In order to address these network security problems,a trust model based on optimized ant colony algorithm is proposed.This model is composed of pheromone update,path quality assessment,trust evaluation and punishment and reward mechanism.In addition,in order to enhance the accuracy of the global pheromone calculation, when global pheromone is calculating,the optimal solution retention strategy is introduced into the trust model.The simulation result show that the trust model has higher performance and reliability and it is more suitable for WSNs.

wireless sensor networks(WSNs); optimized ant colony algorithm; trust model

10.13873/J.1000—9787(2015)03—0054—04

2014—12—30

國家自然科學基金資助項目(61300170)；安徽省教育廳重點資助項目( KJ2013A040)；安徽省自然科學基金資助項目(1308085MF88)；安徽工程大學青年基金資助項目(2013YQ28，2012YQ31)

TP 309.2

A

1000—9787(2015)03—0054—04

黃 干(1990-)，男，安徽滁州人，碩士研究生，主要研究方向為計算機網絡與信息安全。