[发明专利]基于反向传播神经网络的边缘侧克隆节点集成检测方法

说明书

本发明公开了一种基于反向传播神经网络的边缘侧克隆节点集成检测方法，包括以下步骤：S1.边缘侧计算节点采集数据集；S2.利用数据集对BPNN进行训练及测试；S3.等待新的信息包；S4.从信息包中提取信道信息，存储参考信道信息，计算信道差值；S5.累计各节点信誉度；S6.将各节点信誉度输入BPNN，判断是否存在克隆攻击；S7.若无克隆攻击，则更新参考信道信息，若存在克隆攻击，则发送克隆攻击警报。本发明利用BPNN在边缘侧节点，对数据源节点进行集成检测，同时判断多个节点中是否存在克隆攻击，提高了克隆节点检测效率，减少了网络传输负荷和中心网络负荷。本发明还通过累计信誉度和BPNN的分类，降低了信道随机噪声的影响，提高了克隆节点检测的准确性。

技术领域

本发明涉及终端或节点的安全保护，特别是涉及基于反向传播神经网络的边缘侧克隆节点集成检测方法。

背景技术

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发动攻击。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难以检测出克隆节点。如何快速、高效地检测到克隆节点并对其进行隔离，成为防治克隆节点攻击的关键。

基于信道信息的克隆检测方案的原理为，若相同的ID却对应不同物理的位置，则判断其为克隆节点。携带相同ID的信息，接收节点经过信道估计，与参考信道信息相对比，若差值大于门限值，则判断两次信息来自不同的物理位置，该ID为克隆节点。Jakes等人已经证明，在静态或准静态无线通信环境下，信道信息的空间识别度最小为1/2个波长。因此，只要克隆节点与被捕获的合法节点相距1/2个波长，接收节点就能成功识别。但由于信道的随机性，合法信道信息也会在一定范围内随机波动。因此，基于信道信息的克隆节点检测的准确性也会受到影响。

由于数据源节点或终端的计算能力和存储能力非常有限，都将信息传输给超级节点，例如，簇头节点或sink节点，经过多跳，到达中心网络。传统的克隆节点检测大多都是由中心网络进行，再将结果返回超级节点。因此，不仅增加了中心网络的计算负荷，还增加了网络传输负荷与克隆检测的时延。靠近数据源节点的超级节点，具备一定的计算能力和存储能力，适于实施边缘计算，即作为边缘侧计算节点。采用边缘侧计算节点进行数据处理，可以就近为网络提供数据安全处理服务，将需求在边缘侧解决。这无疑将大大提升处理效率，提升终端或节点的数据处理和安全防护能力，在边缘侧计算的基础上，基于反向传播神经网络(Back Propagation Neural Network,BPNN)进行克隆节点检测，对于减少克隆攻击对网络的危害具有重大意义。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于反向传播神经网络的边缘侧克隆节点集成检测方法，在边缘侧节点实现克隆检测，降低传感网络负荷和克隆检测时延；利用反向传播神经网络对数据源节点进行集成检测，同时判断多个节点中是否存在克隆攻击，提高了克隆节点检测效率；通过累计信誉度和BPNN的分类，降低了信道随机噪声的影响，提高了克隆节点检测的准确性。

本发明的目的是通过以下技术方案来实现的：基于反向传播神经网络的边缘侧克隆节点集成检测方法，包括以下步骤：

S1.边缘侧计算节点采集数据源节点与已知的克隆节点的信道信息，计算信誉值，并据此形成数据集，所述数据集包括训练集和测试集；

S2.构建反向传播神经网络模型并进行训练和测试，直至反向传播神经网络模型的检测率达标；

S3.边缘侧计算节点接收来自待测节点的信息包；

S4.边缘侧计算节点从待测节点的信息包中提取信道信息，据此确定待测节点的参考信道信息，并计算信道差值；

S5.累计待测节点的信誉值；