[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

摘要

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。

主权项

1.一种基于机器学习的边缘计算克隆节点识别方法，其特征在于：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；若ID_i＝ID_j，进入步骤S4；S4.边缘计算节点利用检验统计量计算合法节点i和未知节点j的信道相关程度,并判断未知节点j是否为克隆节点：若未知节点j是克隆节点，进入步骤S5；若未知节点j不是克隆节点，选择另一未知节点并重复执行步骤S2～S4；S5.边缘计算节点将合法节点i和克隆节点j的信道信息组合成为二分类的数据集T＝{(x₁,y₁),(x₂,y₂),...,(x_n,y_n)},在数据集T中：即y_k＝+1时，表示该数据来自合法节点i；则y_k＝‑1时，表示该数据来自克隆节点j；S6.边缘计算节点采用机器学习算法中的分类算法，根据二分类的数据集T进行训练，直到生成满足识别率达标的分类模型；S7.当新的未知节点u请求接入时，边缘计算节点将节点u作为待测节点，并利用识别率达标的分类模型对节点u进行身份识别，判断节点u是否为克隆节点。