【摘要】：隨著無線通信技術的飛速發(fā)展,無線傳感網絡(Wireless Sensor Network,WSN)越來越受到人們的關注,分布式檢測是WSN的重要應用之一。在分布式檢測系統(tǒng)中包含一個待檢測目標,多個傳感器節(jié)點(SensorNode,SN)和一個融合中心(Fusion Center,FC)。每個傳感器節(jié)點將感知的目標測量數據發(fā)送給FC,FC進行數據處理后獲取待檢測目標的相關信息。分布式檢測系統(tǒng)中存在數據篡改(Spectrum Sensing Data Falsification,SSDF)攻擊,攻擊者會捕獲一些傳感器節(jié)點使其成為惡意節(jié)點,惡意節(jié)點可能會將篡改的目標測量數據發(fā)送給FC,進而干擾FC做出正確的判決,達到惡化分布式檢測系統(tǒng)性能的目標。論文研究分布式檢測中的SSDF攻擊與防御方法,選題具有重要研究意義與應用價值。由于現有的研究主要集中在從防御角度消除惡意節(jié)點的攻擊行為對分布式檢測系統(tǒng)造成的影響,論文從攻擊者的角度,分析概率型SSDF攻擊模型對分布式檢測性能的影響,并且從兩種攻擊目標出發(fā)研究惡意節(jié)點的最優(yōu)攻擊策略。論文研究翻轉攻擊模型和偏移攻擊模型,基于KL散度分析得到了使FC“盲化”的最小惡意節(jié)點比例。論文考慮了兩種攻擊目標,第一個目標是給分布式檢測系統(tǒng)造成最大破壞的最優(yōu)攻擊策略,第二個目標是使分布式檢測系統(tǒng)無法正常工作的最優(yōu)攻擊策略。研究結果表明,目標一中得到了使系統(tǒng)性能降到最低的攻擊策略;目標二中得到了四種最優(yōu)攻擊策略,既破壞了分布式檢測系統(tǒng)平衡,使系統(tǒng)無法正常工作,又使惡意節(jié)點不被FC識別出來。針對現有的惡意節(jié)點識別方法在惡意節(jié)點的攻擊概率和攻擊強度較小時識別概率會明顯降低的問題,論文提出了基于自適應門限的惡意節(jié)點識別方法。論文采用傳感器節(jié)點的局部判決結果與系統(tǒng)全局判決結果的不匹配度作為用于傳感器類型判斷的特征變量,并設計了一種基于攻擊概率和攻擊強度的自適應門限調整方法。研究結果表明,該方法不僅在惡意節(jié)點的攻擊概率和攻擊強度較高時能夠有效識別惡意節(jié)點,而且在惡意節(jié)點的攻擊概率和攻擊強度較低時也能達到較好的識別效果。針對現有的SSDF攻擊策略大部分在時間上是維持不變的,智慧型攻擊方法較少的問題,論文研究智慧型SSDF攻擊及其防御方法。從攻擊者的角度,給出了智慧型SSDF攻擊策略。惡意節(jié)點在增大虛警概率和漏檢概率的同時,考慮到攻擊行為產生的攻擊代價,得到了最優(yōu)攻擊問題,進而求解得到最優(yōu)攻擊策略。從防御者的角度,論文在第三章防御方法的基礎上進行了改進,提出了一種能夠識別出智慧型SSDF攻擊者的防御方法。研究結果表明,智慧型SSDF攻擊策略能兼顧破壞性和隱匿性,惡意節(jié)點在保證不被FC識別出來的基礎上,對分布式檢測系統(tǒng)造成最大破壞。論文所提出的防御方法也能有效地識別出智慧型SSDF攻擊者,減輕其對分布式檢測系統(tǒng)性能的惡意影響。利用論文研究的SSDF攻擊策略及其防御方法,從攻擊者的角度,惡意節(jié)點能實現最有效的攻擊;從防御者的角度,FC能識別出惡意節(jié)點,提升分布式檢測系統(tǒng)性能,具有重要的意義。
【學位授予單位】：浙江大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP212.9;TN929.5;TP309
【圖文】：

攻擊模型：翻轉攻擊模型和偏移攻擊模型。逡逑２．１．１分布式檢測模型逡逑論文考慮的分布式檢測系統(tǒng)模型如圖２．１所示，是一種帶ＦＣ的系統(tǒng)結構。分布逡逑式檢測系統(tǒng)由一個待檢測目標、若干個感知目標的傳感器節(jié)點與一個ＦＣ構成。假設逡逑分布式檢測系統(tǒng)中有＃個傳感器節(jié)點，其中尺個傳感器節(jié)點已經被攻擊者捕獲，成逡逑為惡意節(jié)點，其余尺個傳感器節(jié)點為正常節(jié)點。在目標檢測過程中，ＦＣ沒有關于逡逑惡意節(jié)點數目的相關信息。逡逑從圖２．１中可以看出，完成一次目標檢測，需要傳感器節(jié)點的本地檢測，目標測逡逑量數據匯報和ＦＣ數據融合／判決三個步驟。具體地，首先，每個傳感器節(jié)點各自進逡逑行本地檢測，本地檢測可以采用能量檢測、匹配濾波檢測、循環(huán)平穩(wěn)特征檢測等方逡逑法；然后，通過匯報信道，每個傳感器節(jié)點將目標測量數據發(fā)送給ＦＣ；最后，ＦＣ逡逑將收到的目標測量數據進行融合以得到全局檢驗統(tǒng)計量，并對目標存在與否做出全逡逑局判決。逡逑１１逡逑

Ａｔｔａｃｋ邋Ｐｒｏｂａｂｉｌｉｔｙ，邋ｐ逡逑圖２．３邋“盲化”比例《ｂｌｍｄ與攻擊概率Ａ的關系逡逑從圖２．３中可以看出，無論惡意節(jié)點采用攻擊模型Ｉ還是攻擊模型２，隨著攻擊逡逑概率夕的增大，使ＦＣ邋“盲化”的最小惡意節(jié)點比例逐漸減小。當惡意節(jié)點采用攻擊逡逑模型Ｉ時，若攻擊概率為Ｉ，惡意節(jié)點比例需要達到７丨．９６％才能使ＦＣ邋“盲化”。當逡逑惡意節(jié)點采用攻擊模型２時，根據式（２．４３）可知，“盲化”比例與攻擊概率；０和攻擊逡逑強度Ａ相關，因此通過選取不同的攻擊強度可以得到不同的《ｂｌｉ，，ｄ－Ｐ曲線。當Ａ較大逡逑時，例如圖中Ａ＝１６，若攻擊概率為１，惡意節(jié)點比例需要達到６４．１３％能使ＦＣ邋“盲逡逑化”；當Ａ減小，例如圖中Ａ＝１２，若攻擊概率為１，惡意節(jié)點比例需要達到８５．１６％逡逑才能使ＦＣ邋“盲化”。同時，當惡意節(jié)點采用攻擊模型１時，若攻擊概率較小，惡逡逑意節(jié)點將無法使ＦＣ邋“盲化”；當惡意節(jié)點采用攻擊模型２時

＝，給出了惡意節(jié)點分別采用攻擊模型１和攻擊模型２時，最優(yōu)攻擊目的關系圖。當惡意節(jié)點采用攻擊模型１時，若惡意節(jié)點數目小略為／？＝１，對照圖２．３可以看到此時ＦＣ不能被“盲化”；若惡則最優(yōu)攻擊概率小于Ｉ，但是此時ＦＣ可以被“盲化”。因此若ＦＣ當惡意節(jié)點采用攻擊模型１時，最優(yōu)攻擊策略為Ｋ＝ｌ。當惡意節(jié)，隨著攻擊強度Ａ的增大，使最優(yōu)攻擊概率小于１所需的惡意節(jié)Ａ＝１０時，最優(yōu)攻擊概率在惡意節(jié)點數目大于１１時才小于Ｉ；當Ａ率在惡意節(jié)點數目大于７時就小于１，這也與圖２．３的仿真結果不能被“盲化”，且惡意節(jié)點采用攻擊模型２時，最優(yōu)攻擊策略為１．０５邐｜邐｜邐ｉ邋？邋ｉ邋１邋ｒ邋＇逡逑

【相似文獻】

相關期刊論文 前10條

1 張素妍,聶偉;基于粗糙集理論的分布式檢測系統(tǒng)數據融合[J];北京化工大學學報(自然科學版);2004年01期

2 莊嚴;利用數據融合提高分布式檢測參數的數據處理精度[J];測控技術;2002年12期

3 謝紅衛(wèi);大規(guī)模串行分布式檢測的性能[J];國防科技大學學報;1996年01期

4 曹才開;基于模糊狀態(tài)的分布式檢測融合的研究[J];計算機測量與控制;2004年03期

5 廖東平,魏璽章,黎湘;一種權值在線學習的分布式檢測系統(tǒng)的融合算法[J];系統(tǒng)工程與電子技術;2003年03期

6 關鍵,何友,彭應寧;多傳感器分布式檢測綜述[J];系統(tǒng)工程與電子技術;2000年12期

7 謝紅衛(wèi)，蘇建志;串行分布式檢測最優(yōu)化研究[J];系統(tǒng)工程與電子技術;1995年01期

8 梁小果,相明;基于分布式檢測融合技術的水聲信號檢測方法[J];探測與控制學報;2001年02期

9 彭會萍;曹曉軍;;分布式檢測融合系統(tǒng)的空間優(yōu)化問題[J];重慶理工大學學報(自然科學);2014年04期

10 聶偉,張素妍;分布式檢測系統(tǒng)數據不相容情況下的融合方法[J];北京化工大學學報(自然科學版);2004年03期

相關會議論文 前3條

1 姜德生;孫東亞;汪小剛;;錨索變形光纖傳感器的研制開發(fā)[A];'98水利水電地基與基礎工程學術交流會論文集[C];1998年

2 汪立新;陳宇科;盧聰敏;吳劍峰;;基于約束SNTO的分布式譜傳感融合方法[A];2009年中國高校通信類院系學術研討會論文集[C];2009年

3 施斌;余小奎;張巍;索文斌;劉杰;隋海波;;基于光纖傳感技術的樁基分布式檢測技術研究[A];第二屆全國巖土與工程學術大會論文集（上冊）[C];2006年

相關博士學位論文 前3條

1 劉源;基于模糊信息處理的數據融合方法研究[D];西安電子科技大學;1999年

2 劉義海;基于信息融合的水中目標屬性識別關鍵技術研究[D];西北工業(yè)大學;2015年

3 梁繼民;多傳感器決策融合方法研究[D];西安電子科技大學;1999年

相關碩士學位論文 前10條

1 朱曉穎;分布式檢測中智慧的數據篡改攻擊與防御方法研究[D];浙江大學;2018年

2 鄭曉雁;一致性分布式檢測中的數據錯誤化攻擊及其防御方法研究[D];浙江大學;2019年

3 陳璐;協(xié)同探測系統(tǒng)分布式檢測算法研究[D];電子科技大學;2018年

4 錢少明;制造過程中的分布式檢測系統(tǒng)模型及其應用系統(tǒng)分析[D];浙江大學;2004年

5 莊芳儀;基于信息熵的異常流量分布式檢測方法的研究[D];大連海事大學;2011年

6 孫小靜;無線傳感器網絡中分布式檢測的相關問題研究[D];東南大學;2017年

7 侯宇飛;基于IPv6的分片攻擊的分布式檢測[D];汕頭大學;2007年

8 陳瑞祥;工業(yè)無線網絡異常節(jié)點分布式檢測機制的研究與實現[D];重慶郵電大學;2017年

9 游雪峰;分布式檢測系統(tǒng)的網絡通信研究[D];重慶大學;2006年

10 李曉穎;基于降維與量化的高效分布式檢測算法研究[D];電子科技大學;2013年

本文編號：2762724