[发明专利]一种基于机器学习的边缘计算克隆节点识别方法

说明书

本发明公开了一种基于机器学习的边缘计算克隆节点识别方法，包括以下步骤：S1.合法节点与边缘计算节点进行上层认证；S2.提取合法节点i和未知节点j的身份声明信息；S3.比较i,j节点的ID是否一致，若一致则进入步骤S4.若不一致，返回步骤S2；S4.提取i,j节点的信道信息，利用检验统计量计算相关程度，并判断是否是克隆节点，若是，进入步骤S5，若否，返回步骤S2；S5.生成数据集T；S6.采用机器学习算法中的分类算法，根据二分类的数据集进行训练，直到生成满足识别率达标的模型；S7.边缘计算节点利用达到要求的模型对新未知节点u，识别节点身份。本发明提供了一种基于机器学习的边缘计算克隆节点识别方法，适用于边缘计算场景，具有识别率高的优势。

技术领域

本发明涉及克隆节点识别技术，特别是涉及一种基于机器学习的边缘计算克隆节点识别方法。

背景技术

物联网时代迈入了万物互联时代，以云计算模型为核心的大数据处理时代，其关键技术在匹配海量边缘数据、实时性、隐私保护、能耗等主要方面已经不能满足需求，因此，在网络边缘执行计算的一种新型计算模型——边缘计算应运而生，边缘计算将原有的云计算模型的部分或者全部计算任务迁移到网络边缘设备上，降低了云计算中心的计算负载，减缓了网络拥塞。边缘计算有着丰富的应用场景，比如云计算任务迁移，视频监控，智能交通，智能电网等。

但是边缘计算靠近节点，节点受到的攻击，使得边缘计算节点也面临着一系列的安全挑战，比如克隆节点攻击。克隆节点攻击的原理是，攻击者俘获网络中的合法节点并获取其所有的合法信息，复制出若干具有相同ID和密钥信息的节点，并将这些克隆节点投放到网络中的不同位置对边缘计算装置发动攻击，而导致网络瘫痪。如何快速、高效地识别到克隆节点并对其进行隔离，成为防治克隆节点攻击，提高边缘计算安全性的关键。

由于克隆节点拥有与合法节点相同的ID和密钥信息等，所以传统的基于密码学的认证机制无法识别出克隆节点。物理层信道认证利用无线信道信息的空时唯一性，通过比较连续帧之间的信道信息相似性来判断用户身份，无需复杂的上层加密运算，具有快速、高效的优势，十分适用于资源受限的微型终端。但是，实际无线环境中物理层认证的门限难以获取和确定，从而影响了识别准确率。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于机器学习的边缘计算克隆节点识别方法，具有计算复杂度低，识别准确率高的优势。

本发明的目的是通过以下技术方案来实现的：一种基于机器学习的边缘计算克隆节点识别方法，包括以下步骤：

S1.边缘计算节点存储来自合法节点发送的身份声明信息，实现合法节点与边缘计算节点的上层认证：

R_i＝{ID_i,H_i}；

其中，ID_i是该合法节点i的身份号，H_i表示用于从合法节点i提取出的信道信息，表示合法节点i信道信息中的第k个数据，k＝1,2,3,...,n，n表示信道长度，该信道信息具有空时唯一的特点，不会被克隆；

S2.边缘计算节点提取合法节点i的身份声明信息R_i＝{ID_i,H_i}和未知节点j的身份声明信息R_j＝{ID_j,H_j}；

其中，ID_j是该未知节点j的身份号，H_j表示从未知节点j提取出的信道信息，表示未知节点j信道信息中的第k个数据，k＝1,2,3,...,n，n表示信道长度；

S3.边缘计算节点比较合法节点i和未知节点j的ID是否一致：

若ID_i≠ID_j，表示j节点不是克隆节点，选择另一未知节点并重复执行步骤S2～S3；