科研之友
微信
新浪微博
Facebook
分享链接
摘要
在无线传感器网络复杂的环境中，为抵御恶意节点发动的选择性转发攻击和基于选择性转发攻击针对安全信誉模型发起的不诚实建议攻击，提高网络性能，本文在信誉模型的基础上，提出无线传感器网络中计及信誉度的人工蜂群恶意节点识别策略（malicious nodes identification strategy of artificial bee colony considering reputation，CR-ABC）。以贝叶斯理论为基础，搭建模糊信誉模型，计算节点的直接信任值，融合模糊综合评价机制，推导节点的间接信任值，综合通信特征、数据属性、物理属性三个方面影响因素获取节点的综合信任值，提高信誉模型的检测精度；ABC算法具有全局优化能力且易于实现，引入建议偏差值函数和交互指数偏差值函数作为ABC算法的适应度函数，利用ABC算法优化模糊信誉模型，提高不诚实建议攻击的识别率同时降低误判率。仿真结果表明，CR-ABC对选择性转发攻击识别率可达90%以上，对正常节点误判率降低到6%以下；对于不诚实建议攻击，即使不诚实节点的数量达到50%，CR-ABC仍保持较高的识别率和较低的误判率，可有效提高复杂环境下无线传感器网络的安全性和可靠性。
- 单位
