[发明专利]基于贝塞尔曲线更新的节点行为监测时长自适应调整方法

说明书

本发明属于物联网安全领域，具体涉及一种基于贝塞尔曲线更新的节点行为监测时长自适应调整方法，该方法包括：节点通过主动学习构建标准事件模板B‑Spline曲线；根据节点的具体行为构建节点事件模板B‑Spline曲线；对通信环境变化引起的节点事件B‑Spline曲线漂移进行监测及补偿；将节点事件模板与标准事件模板进行匹配，判别节点行为性质并调整监测时长；本发明建立了节点的标准行为事件模板，使节点的具体行为可以识别，根据节点行为性质调整监测时长，从而提高了节点的生命周期和传感网的安全性。

技术领域

本发明属于物联网安全领域，具体涉及一种基于贝塞尔曲线更新的节点行为监测时长自适应调整方法。

背景技术

无线传感器网络(Wireless Sensor Network，WSN)是一种分布式传感网络，它的末梢是可以感知和检查外部世界的传感器。WSN中的传感器节点之间通过无线方式通信，因此网络设置灵活，设备位置可以随时更改，还可以通过有线或无线方式接入互联网。

无线传感网所处的开放通信环境导致其数据传输极易受到外部无线信号的干扰，监测到的节点数据传输行为通常具有不确定性，这将会影响对节点信任的评估以及可靠等级的确定。同时传感器节点有限的能量资源也限制其监测能力，为了尽可能延长节点生命周期，监测时长需尽可能地缩短。因此，如何判别节点的数据传输行为，以及根据其行为性质确定行为监测的时长是无线传感网安全领域急需解决的问题。

发明内容

为解决以上现有技术存在的问题，本发明提出了一种基于贝塞尔曲线更新的节点行为监测时长自适应调整方法，该方法包括：

S1：获取传感网中各个节点的数据传输行为特征，根据各个节点的数据传输行为特征构建标准事件模板B-Spline曲线；所述标准事件模板B-Spline曲线包括标准传输事件模板B-Spline曲线和标准恶意传输事件模板B-Spline曲线；

S2：实时监听各个传感器节点传输数据的行为特征，根据行为特征构建节点传输事件模板B-Spline曲线；

S3：对实时监听的行为特征进行动态漂移检测，根据漂移检测结果对标准事件模板B-Spline曲线进行补偿更新；采用更新后的标准事件模板B-Spline曲线和节点传输事件模板B-Spline曲线对节点进行恶意检测，确定恶意等级；

S4：根据恶意检测结果调整对该节点的监测时长。

优选的，构建标准传输事件模板B-Spline曲线的过程包括：

S11：将传感网中任意节点与该节点的邻域节点交互，并对交互的节点进行合作标记处理；标记节点主动向被标记节点发起数据传输请求，学习被标记点的数据传输行为；

S12：将数据传输行为的平均时延和数据丢包率分别转化为对应的模糊集合；

S13：根据模糊规则库将对应的模糊集合转换为二维特征输出数据模糊集；

S14：采用TSK系统对二维特征输出数据模糊集进行降维处理，得到一维特征输出模糊集；

S15：根据一维特征输出模糊集构建一维特征曲线；

S16：提取一维特征曲线的特征点，根据特征点构建标准事件模板B-Spline曲线。

进一步的，构建一维特征曲线的公式为：

y(x′)＝1/2[y_l(x′)+y_r(x′)]

进一步的，构建标准事件模板B-Spline曲线的过程包括：

S161：采用固定时间间隔τ对一维特征曲线取样；通过节点矢量公式对取样数据进行计算，得到节点矢量；