无线传感器网络定位异常检测算法研究

《无线传感器网络定位异常检测算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据锌苤昙／J犬’UDC密级学位论文无线传感器网络定位异常检测算法研究作者姓名：耿玲指导老师：马淑华副教授东北大学信息科学与工程学院申请学位级别：硕士学科类别：工学学科专业名称：控制理论与控制工程论文提交日期：2014年6月论文答辩日期：2014年6月学位授予日期：2014年7月答辩委员会主席：顾德英评阅人：刘志刚、王书涛东北大学2014年6月万方数据AThesisinControlTheoryandControlEngineeringLocalizationAnomalyDetectionAlgorithmsforWirelessSens

2、orNetworksByGengLingSupervisor：AssociateProfessorMaShuhuaNortheasternUniversityJune2014万方数据独创性声明本人声明，所呈交的学位论文是在导师的指导下完成的。论文中取得的研究成果除加以标注和致谢的地方外，不包含其他人己经发表或撰写过的研究成果，也不包括本人为获得其他学位而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢=也思0学位论文作者签名：币隧日期：砂／乍正z牛学位论文版权使用授权书本学位论文作者和指导教师完全了解东北

3、大学有关保留、使用学位论文的规定：即学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人同意东北大学可以将学位论文的全部或部分内容编入有关数据库进行检索、交流。作者和导师同意网上交流的时间为作者获得学位后：半年口一年口一年半口两年一学位论文作者签名：啾磋签字日期：驯步∥．2尹导师签名：匀瓣签字日期：冽*∥、力尹一I一万方数据塞i!盘鲎墅±茎焦逾童垫垩无线传感器网络定位异常检测算法研究摘要在无线传感器网络(W№lessSensorNetworks，WSN)中，传感器节点的位置信息至关重要。许多应用都是基于传感器节点

4、的位置信息，例如环境监测、地理路由、目标跟踪等。但是传感器节点的定位过程极易受到敌人攻击，从而产生错误的位置信息。这给基于传感器节点位置信息的应用带来严重的影响。因此，安全定位成为现在的研究热点。而定位异常检测技术作为一种积极主动的防御技术，将是传感器网络安全发展的重要研究方向。本文首先提出了基于部署模型的定位异常检测算法BMLAD。在该算法中，传感器节点首先收集实际的邻居节点数；然后根据部署模型知识和定位信息计算估计的邻居节点数。传感器节点实际的邻居节点数和估计的邻居节点数形成差异矩阵，通过比较差异矩阵和阈值来判断传感器节点是否定位异常。若是

5、差异矩阵大于阈值矩阵，则认为该节点是定位异常的节点。由于BMLAD算法需要已知传感器网络的部署模型知识，但不是所有的传感器网络都可以获取部署模型知识。因此，为了改进BMLAD算法，本文引入了分簇的网络拓扑结构，提出了一种无需已知部署模型的定位异常检测算法BCLAD。传感器网络部署完毕后，传感器节点依据LEACH协议进行分簇，每个簇的簇头节点根据传感器节点报告的位置信息和邻居表信息进行计算、过滤、更新权值，最后权值低于阈值的传感器节点被簇头节点检测出来并上报给基站。本文对基于部署模型的定位异常检测算法BMLAD和基于分簇的定位异常检测算法BCLA

6、D进行了理论研究和仿真实验。仿真结果表明BCLAD算法不需要已知的网络部署模型，适用于异常节点比例较小、破坏程度相对微小的传感器网络，而BMLAD算法适用于部署模型已知、异常节点比例较小、破坏程度相对严重的传感器网络。关键词：传感器网络；定位异常检测；分簇结构；部署模型万方数据LocalizationAnomalyDetectionAlgorithmsforWirelessSensorNetworksAbstractInwirelesssensornetworks(WSNs)，thelocationsofsensorsplayacritical

7、roleinmanyapplications，suchasenvironmentmonitoring，geographicalrouting，targettrackingandSOon．However，theerrorlocationsmaybegeneratedbecauseoftheadversaries’attacksandbringsevereinfluenceonmanyapplicationsbasedonthelocmionsofsensors．Therefore，securelocalizationhavebecomearese

8、archhotspotnow．Andlocalizationanomalydetectionasakindofactivedefensetechnol