为了及时发现水下传感器网络（UWSN）定位系统中的恶意锚节点，提出了一种基于置信机制的安全节点定位算法。算法结合了聚类结构和审批机制，并使用beta分布基于锚节点提供的位置信息进行初步审批评估，并可以调整股权权重根据需要更新批准。了减少水下声波通道的不稳定性对置信度评估过程的影响，同时识别恶意锚节点信任的欺骗行为，一种机制提出了信任过滤（TFM）来量化直接信任值，并且簇头节点确定每个锚点指示该节点是否受信任。真结果表明，该算法适用于水下传感器网络，能够及时发现恶意锚节点，大大提高了定位系统的准确性和安全性。
下传感器网络（UWSN）节点定位技术研究是理论与实践的结合，由于水中无线电的迅速衰减，UWSN主要使用声音作为一种交流手段[1]。有的UWSN定位算法可以分为两类：无范围算法和基于范围的算法[2]，其中距离无关的算法只能提供节点定位“粗精度”，而对于大多数UWSN应用程序，则需要高精度定位（例如目标跟踪，潜艇检测等），因此主要使用距离相关算法。体而言，当前对水下传感器网络中定位算法的研究[3-7]总体上假设网络环境是安全且可靠的，而忽略了开放网络的结构以及物理通道对水下传感器的威胁。位安全。是，水下传感器网络的开放性和无人值守的性质使得节点定位过程极易受到恶意敌人的攻击，并且锚节点随时可能被捕获，并且被捕获后形成的恶意节点可以学习网络密钥，发起各种恶意攻击，提供不正确的位置信息等。[8]，严重威胁了定位系统的安全性。统的密码系统没有针对捕获攻击的良好对策，因此采用信任机制作为网络安全的障碍，并且通过评估节点的信任来识别恶意网络节点[9]。-10]。对在定位过程中易于检测到无线传感器网络（WSN）中的锚点的威胁，Srinivasan等人。[11]提出了一种基于分布式信誉的信标信任系统（DRBTS）锚节点信任模型，其优点是该算法简单高效，缺点是锚节点信誉更新算法过于简单，鲁棒性和准确性均较差。远景等。[12]提出了一种基于信誉的传感器网络安全定位算法。算法结合了聚类结构和信誉机制。票机制使用大多数原理，该算法简单易实现。而，由于海水的流动，水面不同高度的反射以及不同深度处水下声速的差异，水下声通信是与地面无线电通信非常不同，并且多普勒频移严重，延迟长，带宽低等。征[13]，这些因素将对定位海底节点的算法的准确性和通信的成功率产生很大的影响。此，上述算法很可能在置信度评估过程中引起判断错误，导致检测成功率降低。本文中，基于文献[13]，结合距离定义技术[8] 872和β分布，初步获得了锚节点的直接置信度值。了消除水下环境对置信度评估过程的影响，并同时检测由信任欺骗的恶意节点，信任过滤器机制（TFM）提出）来量化同一锚节点的所有直接置信度值的差。接信任值的差异用作进一步调查的基础。节点的信任的全局值由群集的主节点合成，其信任度的全局值大于置信度阈值的节点将放置在已批准的节点列表中。准节点列表仅在集群的主要节点之间保存和传播，具有良好的安全性。于射频信号在水中的衰减率非常高，因此无法使用卫星来实现类似于全球定位系统（GPS）的定位系统。无线电波相比，声波在水中具有良好的传播特性，因此它们已成为更适合水下通信的介质。道特征受复杂的海洋环境影响，难以估计。文中的群集头节点判断策略基于以下假设：1）由于特定的群集和群集头选择策略不在本文讨论范围之内，因此假设簇头节点已经存在于传感器网络中的某个范围内； 2）假定锚节点具有足够的能量和强大的计算能力，并且被认为是可信的。3显示了群集主节点的决策过程。锚节点执行相互信任评估时，评估结果以信任条目的形式发送到集群的主节点，信任条目的形式为，其中，Source_ID代表置信度评估者，Dest_ID代表评估度，并且假定节点。D在网络上是唯一的，T代表置信度阈值。头从较小范围内的锚节点收集信任条目，然后执行信任过滤以获取可信节点列表，并选择具有高信任值的锚节点进行广播普通传感器节点。准节点列表仅在主群集节点中保存和传播，并且具有良好的安全性。头节点总结了公共传感器节点在其传播范围内的位置，同时监督了传感器节点的位置，以获得更好的定位效果并在很大程度上衰减了对水面上基站的依赖。了评估本文方案的性能，在NS2的基础上分别使用Aquasim [16]和Matlab进行了仿真和性能测试。验场景定义为：在100 m×100 m的监视区域内随机分布100个节点，锚节点数为20。点的通信半径为25 m。信度更新周期为10 s，矛盾阈值Cth固定为0.07，恒温阀芯置信度阈值T为0.7。拟的持续时间为500 s。时，为了获得更多客观的仿真结果，将操作重复1000次并计算结果。验中，锚节点分为恶意节点和诚实节点，W是恶意锚节点在节点总数中所占的比例。意节点从t = 0开始执行1.3节中的两种类型的攻击，并且在同一恶意节点上仅执行一种类型的恶意攻击；诚实的结很少在所有互动周期中被篡改。过检测成功率和恶意锚节点的位置错误来衡量算法的安全性。
测成功率还反映了假阴性率和假检测率。功检测率越高，假阴性率和错误检测率越低，检测方法越可靠。位误差定义为要通过定位算法定位的节点的估计坐标与其实际坐标位置和节点通信半径之间的距离之比。4显示了该方案和文献中的方案在不同W值下检测锚点捕获攻击成功率的比较[12]。们可以看到，对于W的不同值，本文中的模式检测成功率最终可以达到90％左右，[12]中的模式检测成功率受恶意节点比例的影响很大。当W = 10％时从80％开始，在W = 20％时大约为55％，在W = 30％时小于40％。实，在[12]的图中，没有考虑到节点的低置信度值可能是由于恶意节点的恶意诽谤造成的，而高置信度值可能来自恶意推荐。时，由于水下环境的影响，可能会造成很大的影响，由于定位误差，基于来自于海洋的信息进行置信度评估不够精确。
节点发送的位置；随着恶意节点比例的增加，假阴性率和误检测率越高，检测成功率越低。文方案采用了置信过滤机制，大大消除了恶意诽谤和不良渠道的影响，因此检测成功率几乎不受比例的影响。意节点，检测效果更好。以前的定位算法通常假定所有锚点节点都是可信的不同，本文提出了一种基于水下传感器网络节点信任度的安全定位算法，其主要目的是检测水下传感器网络的节点。定恶意。于锚节点提供的位置信息，该算法使用beta分布来计算锚节点的置信度值。计算方法简单高效，置信度过滤机制减少了敌对水下环境对置信度评估准确性的影响。
御信任欺诈。
时，簇头节点总结了普通传感器节点在其传播范围内的定位，同时监督了传感器节点的定位以获得更好的定位结果，大大促进了依赖性。对于水面基站，提高了定位精度和系统的鲁棒性。系统中存在恶意锚节点的情况下，始终可以确保较低的定位误差。未来的工作中，我们将讨论定位安全算法和聚类结构的节能组合，并研究引入节点运动对定位安全算法的影响。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com