مدیریت اطمینان در شبکه حسگر بی سیم مبتنی بر زنجیره مارکف

نوع مقاله: مروری

نویسندگان

1 پژوهشکده علوم و فناوری دریا

2 دانشیار دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر

چکیده

علیرغم کاربردهای بسیار زیاد شبکه های حسگر بی سیم، به علت محدودیت منابعی مانند انرژی و حافظه در حسگرها، این نوع شبکه در برابر حملات مخرب بسیار ضعیف و آسیب پذیر هستند. لذا به عنوان یک مکمل موثر برای روش های امنیتی سنتی، مدیریت اطمینان نقشی کلیدی را در کشف رفتارهای مشکوک در شبکه های حسگر بی سیم دارد. مسئله اصلی این است که چگونه می توانیم به نسبت ایده آلی از تشخیص گره های اشکال دار در این محیط های پیچیده دست یابیم؟ در این مقاله از مدل زنجیره مارکف برای محاسبه مقدار اطمینان کوتاه مدت گره ها استفاده شده و یک سیستم مدیریت اطمینان با انگیزه کاهش تاثیرات محیط های پیچیده برای محاسبه وضعیت گره ها پیشنهاد شده است. همچنین یک مدل محاسباتی جدید با فاکتورهای موثر مناسب جهت محاسبه میزان اطمینان بلند مدت پیشنهاد شده که در آن میزان تاثیر تغییر پارامترهای محیطی در محاسبات کاهش یافته است. نتایج شبیه سازی نشان می دهد که الگوریتم پیشنهادی « مدیریت اطمینان مبتنی بر زنجیره مارکف » می تواند به طور موثرتری رفتارهای مشکوک گره ها را در شبکه های حسگر بی سیم کشف نموده و به طور با معنایی نرخ مناسب تری از تحویل بسته ها را در مقایسه با همتایان خود فراهم نماید و در نهایت امنیت مناسب تری را در شبکه حسگر بی سیم تامین نماید.

کلیدواژه‌ها


عنوان مقاله [English]

Trust Management in wireless sensor networks based on Markov chain

نویسنده [English]

  • S Khorsandi 2
چکیده [English]

Despite the many applications of wireless sensor networks, due to limited resources such as energy and memory in the sensor, this type of network against malicious attacks are very weak and vulnerable. Therefore, as an effective complement to traditional security methods, management, ensuring a key role in the discovery of suspicious behavior in wireless sensor networks. The main issue is how we can recognize the ideal of nodes in this environment of complex shapes to achieve? In this paper, Markov chain model to calculate the amount of short-term confidence of nodes used and a management system to ensure the reduction of environmental impacts of complex motives have been proposed to compute node status. There's also a new computing model with factors for calculating the long-term reliability suggested that the impact of environmental change in the calculation parameters dropped. Simulation results show that the proposed algorithm can effectively suspicious behavior of wireless sensor network nodes to discover. Can be meaningfully compared to those of packet delivery to provide a more appropriate rate. Finally, better security in wireless sensor networks provide. For TEST!!

کلیدواژه‌ها [English]

  • Markov Chain
  • Trust management
  • wireless sensor networks
[1] Sung Yul Lim, and Yoon-Hwa Choi, “Malicious Node Detection Using a Dual Threshold in Wireless Sensor Networks”, Journal of Sensor and Actuator Networks, pp. 70-84, 2013.

[2] Mohammad Momani, and Subhash Challa , “Survey of  Trust Models in Different Network Domains”, International Journal of Ad Hoc, Sensor & Ubiquitous Computing; Vol. 1, Issue 3, p1, Sep2010.

[3] P. Raghu Vamsi and Krishna Kant, “Systematic Design of Trust Management Systems for Wireless Sensor Networks : A Review”, arXiv:1406.3204v1  [cs.NI]  12 Jun 2014.

[4]   M. Blaze, J. Feigenbaum, and J. Lacy, “Decentralized trust management”,  IEEE  Security  and  Privacy, Oakland, CA, May. 1996. 

[5]  Ganapathi rao.R,G. China Babu, “Implementation of TBID Algorithm Over Wireless Sensor networks by Using Mobile Agent”, IOSR Journal of Computer Engineering, Volume 9, Issue 4, PP 108-112, Mar. - Apr. 2013.

[6]  S.  Ganeriwal,  L.  K.  Balzano,  and  M.  B.  Srivastava, “Reputation-based framework for high integrity sensor networks”, ACM T Network, vol. 4, no. 3, pp. 1-37, 2008.

[7] R. A. Shaikh, H.  Jameel,  and B.  J. Auriol,  “Group-based  trust  management  scheme  for  clustered  wireless  sensor networks,” IEEE T Systems, vol. 20, no. 11, pp. 1698-1712, 2009.

[8]   J.  W.  Ho,  “Zone-based  trust  management  in  sensor networks”, IEEE PerCom, Galveston, TX, March. 2009. 

[9]   G.  X.  Zhao, W.  S.  Shi,  and  J.  L.  Deng,  “Sensor trust:  a resilient trust model for WSNs”,ACM , New York, USA, 2009. 

[10]  G. V. Crosby, N. Pissinou, and J. Gadze, “A framework for trust-based  cluster  head  election  in  wireless  sensor networks”, IEEE DSSNS, Columbia, April  2006. 

[11]  S. Tanachaiwiwat, P. Dave, R. Bhindwale, and A. Helmy, ”Secure  locations:  routing  on  trust  and  isolating compromised  sensors  in  location-aware  sensor networks”,  ACM SenSys, New York, USA, 2003. 

[12]  M. D. Krasniewski, P. Varadharajan, B. Rabeler, S. Bagchi, and Y. C. Hu, “TIBFIT: Trust  index based  fault  tolerance  for  ability  data  faults  in  sensor,”  IEEE  DSN,  Yokohama,  Japan, July. 2005.

[13]   F. Bao, R. Chen, and M. J. Chang, “Trust-based  intrusion detection  in wireless  sensor  networks”,  IEEE, Kyoto, Japan, June. 2011.

[14] Saeed Havedanloo and Hamid Reza Karimi, “Improving the Performance Metric of Wireless Sensor Networks with Clustering Markov Chain Model and Multilevel Fusion”, Hindawi Publishing Corporation, Mathematical Problems in Engineering, Volume 2013.

[15] Xiaolong Li, and Donglei Feng, “Markov Chain Based Trust Management Scheme for Wireless Sensor Networks”,  Journal of  Networks, vol 9,no.12, pp. 3263-3267, 2014.

[16]  Y.  L.  Sun,  Z.  Han, W.  Yu,  and  K.  J.  R.  Liu,  “A  trust evaluation  framework  in  distributed  networks: vulnerability  analysis  and  defense  against  attacks”,  IEEE  Infocom, vol. 6, pp. 1-13, 2006.