基于多粒度拓扑图的无线传感器网络逐级精化溯源方法-康照玲.pdf
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_05.gif)
《基于多粒度拓扑图的无线传感器网络逐级精化溯源方法-康照玲.pdf》由会员分享,可在线阅读,更多相关《基于多粒度拓扑图的无线传感器网络逐级精化溯源方法-康照玲.pdf(7页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、Journal of Computer Applications计算机应用,2018,38(1):222227,276ISSN 1001908lCODEN JYIIDU20180110http:wwwjocacn文章编号:1001-9081(2018)01022206 DOI:1011772jissn100190812017061627基于多粒度拓扑图的无线传感器网络逐级精化溯源方法康照玲,徐芹宝,王昌达。(江苏大学计算机科学与通信工程学院,江苏镇江212013)(通信作者电子邮箱changdaujseducn)摘要:针对溯源数据分段传输方法要求所有分段准确到达基站(BS)后才能解码,鲁棒性较
2、弱的问题,提出一种无线传感器网络(WSN)溯源逐级精化方法。首先,在Bs端利用商空间划分理论将较大的WSN拓扑图划分为由少量抽象节点组成的较粗粒度的拓扑图;然后,利用字典编码溯源的方式分段传输溯源;最后,在Bs端根据依次到达的分段进行逐级精化解码,实现了在Bs端由粗到细逐级精化解码溯源的过程,且BS可以根据前期解码出的较粗粒度下的溯源信息判断是否放弃此数据还是须采用更细粒度的数据进行深入评估。理论分析、仿真与实验数据均表明,与传统分段方法相比,所提方法平均压缩比提高约518,平均能量消耗降低约505。关键词:无线传感器网络;多粒度拓扑图;溯源;分段传输中图分类号:TP393;TN919 文献标
3、志码:AMulti-granularity topology-based stepwise refinement provenance method forwireless sensor networksKANG Zhaoling,XU Qinbao,WANG Changda(College of Computer Science and Communication Engineering,Jiangsu University,Zhenjiang五angsu 212013,China)Abstract:Focusing on the problem that the session-based
4、 provenance scheme requires that all of the provenance sessionsmust be received by the Base Station(BS)correcdy before decoding,which decreases the robustness of the scheme,aprovenance scheme with stepwise refinement was proposedFirstly,a large Wireless Sensor Network(WSN)topology Wasdivided into di
5、fferent granularities which were composed of a seNes of abstract nodes through quotient space dividing theoryThen,the dictionary based provenance scheme was used to transmit provenance at different grmned layersTherefore,the BSreconstructed the provenance from the coarsegrmned layer to the fine-grmn
6、ed one as well as judged whether to discard the dataor not according to the results of the coarsegrained layers decodingThe theoretical analysis, simulations and experimentalresults show that in comparison of the traditional provenance schemes,the average compression ratio of the proposed method isi
7、mproved by 518and the energy consumption of that is reduced by 505Key words:Wireless Sensor Network(WSN);multigranularity topology;provenance;segmented transmission0 引言无线传感器网络(Wireless Sensor Network,WSN)使用范围非常广泛,如环境监测、智能电网等。在WSN中,节点间相互协作,实时监测、感知、采集物理世界的信息,并将这些信息处理为计算机所能识别的数据,通过一跳或多跳的方式传输到基站(Base St
8、ation,BS)2 3。由于传感器节点容易受外界环境的影响,数据在传输的过程中可能被损坏,这就需要对数据进行可信性分析。溯源(Provenance)是评估数据可信性的重要依据,因为它记录了传输途径的节点以及对数据的加工处理过程“J。在大规模传感器网络中,因为数据的平均传输链路较长,所以导致Provenance逐渐增大,进而导致数据包的过载问题,因此,研究人员提出了分段传输Provenance的方法。概率溯源流(Probabilistic Provenance Flow,PPF)p1是将较大的Provenance分割为一定数量的片段,每次以给定的概率传输溯源分段;伪随机噪声(Pseudo No
9、ise,PN)码方法旧1则是通过伪噪声码将大的Provenance编码为一系列较小的二进制码块,通过数据包延迟信道传送。以上两种方法在全部Provenance分段到达Bs之前无法解码,所以传输的鲁棒性弱、溯源数据的利用率低。针对传统分段传输方法中数据利用率低、耗能较高的问题,本文提出一种基于多粒度拓扑图的WSN逐级精化溯源(Multi-granularity Topology-based Stepwise RefinementProvenance,MTSRP)方法。多粒度拓扑图是指在WSN初始拓扑图的基础上,按一定的规则将节点进行合并,将同类节点用一个抽象节点表示,从而产生一个由抽象节点所组成
10、的粒度较粗的拓扑图;在此基础上对抽象节点继续合并,可以得到更粗粒度的拓扑图。逐级精化传输则是指按粒度从粗到细逐级传输Provenance。在BS端,可首先在较粗粒度上获取Provenance信息,然后根据后续到达的较细粒度数据逐级解收稿日期:2017-07-03;修回日期:2017-0825。 基金项目:国家自然科学基金资助项目(61672269);江苏省科技成果转化项目(BA2015161);江苏大学拔尖人才计划项目(1213000013)。作者简介:康照玲(1993一),女,江苏常州人,硕士研究生,主要研究方向:信息安全、无线传感器网络;徐芹宝(1987一),男,山东淄博人,硕士研究生,主
11、要研究方向:信息安全、无线传感器网络;王昌达(1971一),男。江苏南京人,教授,博士生导师。博士,主要研究方向:信息安全、网络通信、物联网。万方数据第1期 康照玲等:基于多粒度拓扑图的无线传感器网络逐级精化溯源方法码,直至获得准确的Provenance。因为可以根据粗粒度的信息Provenance初步断定其可信性,所以Bs可以由此判断是否对接收的Provenance继续精化解码,从而提高了数据可信度评估的效率。基于TinyOS-212软件仿真以及ZigBee硬件节点的实验均表明,本文所提出的方法与PPF1、PN哺1方法相比平均压缩比更高、节能效果和鲁棒性也更好。1 相关工作由于WSN是一个能
12、量受限的网络,所以为了解决问题时减少路由开销,研究人员提出了大量的Provenance压缩算法。文献7提出了轻量级压缩Provenance算法,解决了Provenance随数据包传输路径的增长而迅速膨胀的问题。Hussain等提出了采用算数编码压缩Provenance(ArithmeticCoding based Provenance compression,ACP)的方法,解决了Provenance的大小随路径的变化而变化的问题。但是在大规模WSN中,数据传输的链路长,采用轻量级或压缩的方法还是会出现严重的过载问题,分段传输Provenance的方法随之而出。此方法的主要思想是将Proven
13、ance分割成若干小块,每个小块携带一部分Provenance数据,由此解决了数据过载问题。Alam等瞪1提出的概率溯源流(PPF)法,将一个大的Provenance分割成若干小段,通过一定的概率计算决定当前应当传输的分段。Sultana等1提出了一种伪随机噪声(PN)码算法,即通过伪噪声码将较大的溯源编码为一系列较小的二进制码块,通过数据包间延迟信道传输。这些方法解决了由于传输链路的增加而导致数据过载的问题,但是在全部分段准确到达之前无法解码。Wang等哺1提出的基于动态贝叶斯网络的传感器网络溯源压缩方法,即一种使用动态贝叶斯网络对WSN进行建模的方案,节点或BS能周期性地更新网络的拓扑结构
14、,然后通过修改的算术编码压缩方法对Provenance进行编码。此方法解决了WSN拓扑会动态变化的问题。文献9提出的商空间法,即根据一定的等价关系,将论域进行商空间划分获得新的元素,而这些新元素会构成一个新的空间,即一个较粗粒度的世界。Wang等刨提出的使用路径字典的方法传输Provenance,即在传输过程中,首先根据传输的Provenance路径信息建立字典,在后续传输过程中只需传输路径的索引即可,此方法解决了路径熵值的限制,具有很高的压缩比。所以本文利用了此方法,在每一层拓扑图上均建立相应的字典,因此传输效率很高。本文所提出的基于多粒度拓扑图的WSN逐级精化溯源方法,以信息熵为等价条件,
15、通过计算节点间的互信息(Mutual Information,MI),将较大的WSN拓扑图划分为由少量抽象节点组成的较粗粒度的拓扑图,由此可将Provenance按层次分段传输,且无需全部分段完全到达,评估者依然能大致了解到该Provenance传输中的衍生过程,而且在传输过程中,在每一层拓扑图上均建立相应的路径字典信息,提高传输效率。2系统模型及相关工作本章主要介绍基于非均匀粒度拓扑图的WSN逐级精化溯源方法所涉及的系统模型。21 WSN拓扑图多粒度模型多粒度模型主要是利用商空间划分理论一。通过计算节点之间的互信息实现的,即在训练阶段收集每个节点在Provenance中出现的频率以及节点之间
16、的拓扑关系,然后计算节点间的互信息并利用抽象节点内部的信息熵作为临界条件逐级将WSN的拓扑图进行划分成不同的粒度,且在每个粒度下的抽象节点内部的信息熵是相同的。如图1所示,在传输时,Provenance首先记录一级粒度下的节点信息nI 3、,123、n,3,然后再记录二级粒度下的节点信息7,。2、凡:2,依此类推。在Bs端则根据粒度从粗到细逐级精化解码。一级 二级 三级BS 廿M 7:;j ,n2 太:。一l戳q 。1,81 j r7 一: 闲_-稿弋一; 卜 n: 卜j。: nj : 1月!一鱼塑壁塑卜一 图1 WSN拓扑图多粒度分层图Fig1 Multi-gnmularity hierar
17、chical topology graph for WSN22数据模型根据传感器节点在WSN中扮演不同角色,可以把传感器节点分为三类:1)数据源节点。感知、采集客观世界信息。2)转发节点。将数据沿BS方向转发到下一节点。3)汇聚节点。将来自不同节点的数据汇聚为一个较大的数据包并传往BS。每个数据包均具有数据值和Provenance数据。Provenance数据包括数据源节点id、当前节点id、路径序列号、汇聚集合等。其中,路径序列号的设置是为了使Bs能够识别出隶属于不同粒度上的相同路径的Provenance分段。23 Provenance模型在WSN中,Provenance分为两种结构模型:1
18、)简单Provenance模型,如图2(a),叶子节点,I。产生数据包,经过中间节点的转发直至BS,这种Provenance可以用(t1,n2,n3,4,15,BS)表示;2)汇聚Provenance模型,如图2(b),rtl,n2,n3,是数据源节点,n,是汇聚节点,n,汇聚从,l。,n2:几3,n4接收的数据,然后再传至Bs。这种汇聚Provenance可以用(n。,12,n1,It4,n,It6,n,BS)表示oBSl一。一。r?,月3n2一。l ”(a)简单Provenance模型 (b)图2两种Provenance模型Fig2 Two Provenance models万方数据计算机
19、应用 第38卷3基于非均匀粒度Provenance编码与解码本章主要从WSN粒度图的划分、在多级粒度图上压缩与解压缩Provenance三个方面进行讨论。31 非均匀粒度拓扑图的划分311 节点出现概率和节点间联合概率的计算为了获取网络中传感器节点参与数据包转发、聚合等操作的概率,需要一个训练阶段。在训练阶段发生前,BS端处没有节点的出现概率和节点间联合概率等信息,所以假定一开始所有节点的出现概率和节点间联合概率均采用平均分布;然后,在训练过程中Bs周期性地更新节点以及节点问概率数据。下面简要阐述在训练过程中概率的计算公式:Bs计算节点n;在数据包历史传输路径中出现的次数,记为颐。根据西的值,
20、Bs可以计算出传输过程中节点总的发生频率可,那么对于节点n。来说,它的出现概率为op。,其计算方式川如下:of=of, (1)op。=of,of (2)在训练阶段结束前后,Bs能检测出数据包路径中节点出现的先后次序,并计算出节点R出现在节点一后的总数,记为矾,那么,l,到7,i的联合概率川为:op4=叽够 (3)312互信息和信息熵计算在Bs端计算各个节点之间的互信息(MI),互信息越大的两个节点关联度越大,互信息的计算方式为:MI(gti_)2;0pF lb(嘲。2e嗡L) (4)通过计算节点内部信息熵2 3来确定粒度的划分条件,查找出互信息最大的两个点之后,计算出其内部的信息熵,计算公式如
21、下:以一磊i哦m(opI)其中ki表示第i个聚类。(5)313多粒度拓扑图划分算法本方法采用树的双亲节点存储法纠存储划分好的粒度拓扑图,存储的节点主要包含节点蚨节点所在层次月孵、节点合并的抽象节点所在位置parent以及节点的概率P。多粒度拓扑图划分过程为:1)计算出各节点之间的互信息MI;2)从M中找出互信息最大的两个点n;、nj判断它们隶属哪层粒度,若ni昭=njflagnjflag,则将,l,parent置为ni所在位置。算法1 WSN非均匀粒度拓扑图的划分算法。输入:层次标记flag,当前粒度阈值value,节点问互信息MI;输出:多粒度拓扑图ptree=id,flag,parent,
22、p。1) for each kni刀昭then22) computetheH of nf and nj23) if81 end if9) if毗is a forwarder node then10)path=path U俨11)dicindex=index0+班12) seq=hash(se研+Iti)13) agr=14)prlndexF=毗v,=hashsid。iddlagagrl(a)WSN拓扑图15)prlndexdicindex=H hash,1,2。3,西I(b)第3层上的Provenance输方式1,1,2。仍IH hash1,2,2。0ll-q hash,1,21,剜 吲 洳石
23、玎晡工疆了弧i孬巧hash,4,4,1,谚I4,0爿 (d)第l层上的PrOVenance传输方式图4 Provenance编码Fig4 Provenance encoding万方数据计算机应用 第38卷输出:拓扑图(,)。1) if the AMFM verification fails then2)drop the received packet3) ifvag=agthen4) ifn arg=then5) (,)=search path in PPD6) else7)pathset=number of;in dicindex8) for i=1 topathset do9)pathi=
24、search branchI of dicindex in PPDlO) endfor11) (,)=pathl;脚脚121 endif13) endif14) endif15)if(,)is not useful then16)drop the nextpacketwhen耽seq 2 n seq匝巫至酉匝旺囝最顶层数据包臣竺生蔓坚垒幽9匝巫互匝工圈 A暑 A(a)顶层拓扑图 (b)次级拓扑图 (c)底层拓扑图图5 Provenance解码Fig5 Provenance decoding4性能分析与仿真41性能分析本节主要对本文提出的MTSRP算法进行时间复杂度和空间复杂度分析,算法1中:1
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 粒度 拓扑 无线 传感器 网络 逐级 溯源 方法 康照玲
![提示](https://www.taowenge.com/images/bang_tan.gif)
限制150内