论文部分内容阅读
无线传感器网络是含有大量传感器节点的自组织网络，而传感器节点具有计算资源不足、存储空间有限和能量受限的特点。在一些实际的应用中，往往只需要获取整个网络环境的统计信息，如求和、均值、最大值以及最小值等，而不需要知道每个传感器节点的详细信息。数据融合在获取统计信息的基础上，有效降低了传感器网络的通信量和能量消耗。然而传感器网络通常处于公共的、不受保护的环境中，在数据融合过程非常容易受到各种类型的攻击，因此在此过程中加入隐私保护显得尤为重要。 本文首先介绍了无线传感器网络的体系结构和传感器的特点，以及数据融合技术的相关内容，接着重点分析了数据融合在无线传感器网络中面临的各种安全问题和安全挑战，然后对目前的数据融合隐私保护算法所采用的技术、能抵御的攻击类型以及它们的优缺点做了对比与分析，最后提出了改进思路并完成仿真实验。 SMART算法采用分片重组技术来保证无线传感器网络中数据融合的机密性，吸引了众多的学者参与研究。SMART算法能够提供较高的隐私保护性能，但它具有通信负载高、融合精确度低、能量消耗高等缺点。EEHA算法在SMART算法的基础上，只对叶子节点进行分片操作，在保证了数据融合隐私性前提下，减少了通信量和能耗，并提高了融合的精确度。 针对EEHA算法的不足做出了改进，文中提出了一种提升融合精度的数据融合隐私保护算法H-EEHA，该算法具有以下改进点：1）在数据分片阶段采用分时间点发送数据分片，以此来减少数据包之间的冲突；2）在保证数据隐私的前提下只对部分叶子节点原始数据进行分片，减少网络中的通信量；3）在数据融合阶段，每个节点根据自身的网络参数分配一个特定的随机时间片，在应用层尽量避免可能产生的冲突碰撞，从而提高融合的精确度。 本文使用NS2仿真软件对SMART、EEHA以及H-EEHA算法做了仿真对比与分析，理论和实验表明，H-EEHA算法在保证数据融合的隐私保护性的前提下，减少了网络中的通信量和能量消耗，并提高了数据融合的精确度。