集群攻擊的傳感網(wǎng)絡(luò)穩(wěn)定控制方法研究

姜明富

摘 要： 研究集群攻擊下的控制傳感網(wǎng)絡(luò)穩(wěn)定控制算法，可以提高控制系統(tǒng)的穩(wěn)定性。外部集群攻擊下的控制傳感網(wǎng)絡(luò)失穩(wěn)PID控制難以滿足高精度控制要求，無法達(dá)到理想的控制效果。提出一種更為精準(zhǔn)的適用于集群攻擊的傳感網(wǎng)絡(luò)穩(wěn)定控制算法。依據(jù)大規(guī)模集群攻擊偽裝行為的特性，構(gòu)建傳感網(wǎng)絡(luò)穩(wěn)定控制模型，引入遺傳算法與PID控制理論相結(jié)合，搜索模型最優(yōu)解，實(shí)現(xiàn)對集群攻擊下的控制傳感網(wǎng)絡(luò)穩(wěn)定的有效控制。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的控制方法可以減小控制過程的信號擾動，提高傳感網(wǎng)絡(luò)穩(wěn)定性與控制精度，具有較強(qiáng)的魯棒性。

關(guān)鍵詞： 集群攻擊； 傳感網(wǎng)絡(luò)； 穩(wěn)定控制； PID控制

中圖分類號： TN711?34； TP231.11 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2017）04?0024?04

Study on stability control method of sensor network under cluster attack

JIANG Mingfu

（College of Information Engineering， Xinyang College of Agriculture and Forestry， Xinyang 464000， China）

Abstract： The stability control algorithm of sensor network under the group attack is research， which can improve the stability of the control system. It′s difficult for PID control to control the sensor network stability for sensor network under the group attack to meet the requirement of high precision control， which can't achieve ideal control effect. Therefore， a more accurate stability control algorithm against cluster attack to sensor network is proposed. According to the disguised behaviour features of large?scale group aggression， the sensor network stability control model was constructed， in which the genetic algorithm was introduced to combine with PID control theory and search the optimal solution of the model， so as to realize the effective control of the sensor network stability under the group attack. The experimental results show that the improved control method can reduce the signal disturbance in control process， improve the sensing network stability and control accuracy， and has strong robustness.

Keywords： group attack； sensor network； stability control； PID control

集群攻擊即是未獲得授權(quán)的非法集群通過一定的技術(shù)手段偽裝為合法集群進(jìn)行機(jī)密數(shù)據(jù)訪問或者高于自身權(quán)限訪問的行為。在復(fù)雜的傳感網(wǎng)絡(luò)環(huán)境中，集群攻擊數(shù)據(jù)嚴(yán)重影響集群網(wǎng)絡(luò)的穩(wěn)定性，為網(wǎng)絡(luò)用戶帶來了極大的安全隱患[1]?？刂苽鞲芯W(wǎng)絡(luò)穩(wěn)定控制問題作為無線傳感網(wǎng)絡(luò)中的核心問題之一，對于延長網(wǎng)絡(luò)的生存時間、減小通信干擾、提高M(jìn)AC協(xié)議和路由協(xié)議的效率以及促進(jìn)數(shù)據(jù)融合、提高網(wǎng)絡(luò)的可擴(kuò)展性、可靠性、安全性等具有重要意義。對于傳感網(wǎng)絡(luò)穩(wěn)定控制可以有效地延遲集群攻擊的攻擊時間，為集群攻擊數(shù)據(jù)的識別檢測提供時間上的保證，很大程度上避免了集群攻擊行為的發(fā)生，因此，成為該領(lǐng)域熱點(diǎn)研究的問題[2]?，F(xiàn)階段，集群攻擊下的控制傳感網(wǎng)絡(luò)穩(wěn)定控制算法方法主要包括基于最小二乘支持向量機(jī)算法的傳感網(wǎng)絡(luò)穩(wěn)定控制方法[3]，基于隱馬爾科夫模型的傳感網(wǎng)絡(luò)穩(wěn)定控制方法[4]和基于模糊控制理論的傳感網(wǎng)絡(luò)穩(wěn)定控制方法[5]。其中，最常用的是基于模糊控制理論的集群攻擊偽裝數(shù)據(jù)的傳感網(wǎng)絡(luò)穩(wěn)定控制方法[6?7]。由于集群攻擊偽裝數(shù)據(jù)時間延遲控制能夠?yàn)閺?fù)雜集群網(wǎng)絡(luò)的安全提供支持，因此，受到相關(guān)專家學(xué)者的重點(diǎn)關(guān)注，擁有廣闊的發(fā)展?jié)摿Α?/p>

1 傳感網(wǎng)絡(luò)穩(wěn)定控制

整個互聯(lián)網(wǎng)網(wǎng)絡(luò)是由多個“群”、“簇”或者“團(tuán)”構(gòu)成的，其中任意的 “群”、“簇”或 “團(tuán)”即是一個集群網(wǎng)絡(luò)，單個集群網(wǎng)絡(luò)內(nèi)部具有相同的性質(zhì)，節(jié)點(diǎn)聯(lián)系極為緊密，不同集群網(wǎng)絡(luò)之間的聯(lián)系則較為稀疏。集群網(wǎng)絡(luò)揭示了網(wǎng)絡(luò)系統(tǒng)功能與結(jié)構(gòu)間的對應(yīng)關(guān)系，在一定程度上降低了復(fù)雜網(wǎng)絡(luò)的認(rèn)識難度。其中偽裝為合法數(shù)據(jù)的攻擊數(shù)據(jù)，通過非法竊取用戶信息，進(jìn)行不法訪問，給網(wǎng)絡(luò)安全帶來了極大隱患，進(jìn)行有效的傳感網(wǎng)絡(luò)穩(wěn)定控制可以為攻擊偽裝數(shù)據(jù)的識別贏得時間差，具體控制原理描述如下：

將集群攻擊偽裝數(shù)據(jù)傳感網(wǎng)絡(luò)穩(wěn)定控制器設(shè)計(jì)為三輸入的單神經(jīng)元，輸出為線性函數(shù)。其控制偏差可描述為：

推導(dǎo)集群攻擊偽裝數(shù)據(jù)輸入分別為：

若設(shè)定分別為輸入信號和輸出層之間的連接權(quán)，那么，該傳感網(wǎng)絡(luò)穩(wěn)定控制系統(tǒng)的輸出為：

傳感網(wǎng)絡(luò)穩(wěn)定控制穩(wěn)定目標(biāo)函數(shù)為：

通過對式（6）中的相關(guān)參數(shù)進(jìn)行優(yōu)化調(diào)整，可以優(yōu)化傳感網(wǎng)絡(luò)穩(wěn)定控制過程，的調(diào)整方法分別如下：

通過對的調(diào)整，傳感網(wǎng)絡(luò)穩(wěn)定控制目標(biāo)函數(shù)也隨之變化：

依據(jù)相關(guān)導(dǎo)數(shù)定理，可得到結(jié)果：

由上述原理可以實(shí)現(xiàn)復(fù)雜社團(tuán)網(wǎng)絡(luò)攻擊偽裝數(shù)據(jù)時間延遲的有效控制。

采用傳統(tǒng)的PID控制方法進(jìn)行集群攻擊下的控制傳感網(wǎng)絡(luò)穩(wěn)定控制，運(yùn)行過程較為復(fù)雜，需要的調(diào)試時間長，且控制精度較低，難以滿足自動化控制要求，無法達(dá)到理想的控制效果。

2 傳感網(wǎng)絡(luò)穩(wěn)定控制優(yōu)化算法

依據(jù)攻擊偽裝行為的特性，構(gòu)建傳感網(wǎng)絡(luò)穩(wěn)定控制模型，為避免算法陷入局部最優(yōu)的局限，提高擬合精度，將遺傳算法與PID控制理論相結(jié)合，搜索模型最優(yōu)解，實(shí)現(xiàn)對集群攻擊下的傳感網(wǎng)絡(luò)穩(wěn)定的有效控制。

2.1 構(gòu)建集群攻擊下過程的分析模型

設(shè)定集群攻擊偽裝的維不確定過程為，其中的取值在上，而用來描述集群攻擊下的傳感網(wǎng)絡(luò)穩(wěn)定控制系統(tǒng)中分布區(qū)域的節(jié)點(diǎn)總體數(shù)量集，用來描述網(wǎng)絡(luò)系統(tǒng)內(nèi)的常量。假設(shè)定義于上的取值為的連續(xù)的函數(shù)空間用表示，且，滿足函數(shù)。

在建立集群攻擊下的攻擊模型的過程如：

式中：表示可變函數(shù)；為常數(shù)，則傳感網(wǎng)絡(luò)穩(wěn)定控制公式為：

（16）

式中，，用來描述可行域。

通過控制進(jìn)行求解，在的范圍內(nèi)，計(jì)算的最大期望值，以此構(gòu)建集群攻擊下的傳感網(wǎng)絡(luò)穩(wěn)定控制模型：

2.2 遺傳算法的引入對PID控制過程進(jìn)行改進(jìn)

基于遺傳算法的PID傳感網(wǎng)絡(luò)穩(wěn)定控制算法是一種全局優(yōu)化算法，能夠避免傳統(tǒng)算法陷入局部最優(yōu)的缺陷，且算法簡單，但是對相關(guān)參數(shù)微調(diào)節(jié)能力較差，定位最優(yōu)解的準(zhǔn)確位置的精度較低，不能滿足于實(shí)際應(yīng)用，因此，采用改進(jìn)遺傳算法與PID神經(jīng)網(wǎng)絡(luò)結(jié)合的方法進(jìn)行傳感網(wǎng)絡(luò)穩(wěn)定控制，有效防止了傳感網(wǎng)絡(luò)訓(xùn)練陷入局部極值，提高了網(wǎng)絡(luò)的擬合精度。

根據(jù)集群攻擊下的傳感網(wǎng)絡(luò)穩(wěn)定控制模型，設(shè)定傳感網(wǎng)絡(luò)穩(wěn)定控制的目標(biāo)函數(shù)：

將滿足設(shè)定為函數(shù)的約束條件，則：

式中：用來描述自變量；為其定義域；用來描述傳感網(wǎng)絡(luò)穩(wěn)定控制的目標(biāo)函數(shù)解的優(yōu)劣狀況，表示到的相關(guān)映射。在式（19）的基礎(chǔ)上，通過式（20）描述傳感網(wǎng)絡(luò)穩(wěn)定的一階慣性環(huán)節(jié)：

將傳感網(wǎng)絡(luò)穩(wěn)定的一階慣性環(huán)節(jié)轉(zhuǎn)化為傳感網(wǎng)絡(luò)穩(wěn)定控制的開環(huán)傳遞函數(shù)，最后轉(zhuǎn)化為閉環(huán)傳遞函數(shù)：

通過式（22）描述傳感網(wǎng)絡(luò)穩(wěn)定控制的閉環(huán)傳遞函數(shù)的特征方程：

在獲得相關(guān)參數(shù)和目標(biāo)函數(shù)后，描述基于改進(jìn)遺傳算法的PID神經(jīng)網(wǎng)絡(luò)算法的控制過程如下：

Step1：隨機(jī)產(chǎn)生初始種群，依據(jù)PID神經(jīng)網(wǎng)絡(luò)的控制規(guī)律設(shè)定的初始值。其中，，分別用來描述傳感網(wǎng)絡(luò)覆蓋范圍子區(qū)域之間的連接權(quán)，為樣本序號，；

Step2：計(jì)算傳感網(wǎng)絡(luò)中樣本的適應(yīng)度值，依據(jù)計(jì)算結(jié)果進(jìn)行父母染色體交配；

Step3：依據(jù)染色體交配的交叉概率、變異概率進(jìn)行遺傳操作，得到新的個體，，的計(jì)算過程如下：

Step4：若樣本中的染色體數(shù)超過設(shè)定的閾值（滿足終止條件），則進(jìn)行Step5，反之，轉(zhuǎn)至Step2；

Step5：將Step4的結(jié)果輸出，計(jì)算最優(yōu)解，并結(jié)束算法，若不滿足終止條件，用最大適應(yīng)度值的染色體進(jìn)行傳感網(wǎng)絡(luò)權(quán)重初始化；

Step6：通過式（25）計(jì)算改進(jìn)算法過程中的誤差分量：

Step7：根據(jù)改進(jìn)算法對傳感網(wǎng)絡(luò)權(quán)值進(jìn)行修正，直至滿足終止條件，輸出最終結(jié)果。根據(jù)上述方法，可以實(shí)現(xiàn)集群攻擊下的傳感網(wǎng)絡(luò)穩(wěn)定控制模型，為攻擊偽裝數(shù)據(jù)的檢測提供支持，維護(hù)了傳感網(wǎng)絡(luò)的安全。

3 試驗(yàn)結(jié)果及分析

為了驗(yàn)證改進(jìn)算法的有效性，需要進(jìn)行一次實(shí)驗(yàn)。

3.1 兩種算法下用于訓(xùn)練與網(wǎng)絡(luò)泛化能力檢驗(yàn)的期望輸入與輸出

實(shí)驗(yàn)過程采用非線性動態(tài)模型對改進(jìn)算法的有效性進(jìn)行檢驗(yàn)：

（26）

分析式（26）可知，傳感網(wǎng)絡(luò)控制系統(tǒng)的先前輸出和輸入決定了當(dāng)前的輸出結(jié)果，輸入給定10個單位的延遲。采用PID控制算法進(jìn)行傳感網(wǎng)絡(luò)穩(wěn)定控制，得到1 800組的輸入/輸出序列作為網(wǎng)絡(luò)學(xué)習(xí)的期望信號。其中，900組用作訓(xùn)練網(wǎng)絡(luò)，另外900組用作傳感網(wǎng)絡(luò)穩(wěn)定控制系統(tǒng)的網(wǎng)絡(luò)泛化能力的檢驗(yàn)，具體如圖1所示。

3.2 兩種算法下不同控制輸出與期望控制輸出比對

采用傳統(tǒng)算法和改進(jìn)算法進(jìn)行集群攻擊下的傳感網(wǎng)絡(luò)穩(wěn)定控制模型，將不同控制輸出與期望控制輸出進(jìn)行比對，結(jié)果如圖2、圖3所示。

分析圖2、圖3可知，在相同的仿真條件下，對于相同的數(shù)據(jù)樣本，改進(jìn)算法的控制輸出結(jié)果與期望輸出結(jié)果較為接近，控制輸出結(jié)果在誤差允許的范圍內(nèi)，說明改進(jìn)算法在集群攻擊下的傳感網(wǎng)絡(luò)穩(wěn)定控制模型控制中的有效性，在實(shí)際控制應(yīng)用中具有更強(qiáng)的泛化能力。

3.3 不同算法的控制誤差比對

將兩種算法下的傳感網(wǎng)絡(luò)穩(wěn)定控制誤差進(jìn)行比對，結(jié)果如圖4所示。

分析圖4可知，改進(jìn)算法在進(jìn)行集群攻擊下的傳感網(wǎng)絡(luò)穩(wěn)定控制仿真中，控制誤差曲線低于傳統(tǒng)算法的控制誤差曲線，說明改進(jìn)算法的控制精度更高，能夠滿足實(shí)際的應(yīng)用需求。

3.4 不同算法迭代誤差比對

將兩種算法下感網(wǎng)絡(luò)穩(wěn)定控制過程中的迭代誤差進(jìn)行比對，結(jié)果如圖5所示。

分析圖5可知，傳統(tǒng)算法在迭代600次時，控制誤差最小，性能達(dá)到最佳，而改進(jìn)算法在迭代200次時，即達(dá)到了控制誤差最小的最佳性能，說明改進(jìn)算法具有更強(qiáng)的收斂性。

4 結(jié) 語

集群攻擊偽裝數(shù)據(jù)具有極強(qiáng)的隱蔽性，因此對集群攻擊下的傳感網(wǎng)絡(luò)穩(wěn)定控制時，難度較大，無法達(dá)到理想的控制效果。為此，提出基于改進(jìn)遺傳算法的PID神經(jīng)傳感網(wǎng)絡(luò)穩(wěn)定控制方法。首先根據(jù)集群偽裝攻擊數(shù)據(jù)的特性建立傳感網(wǎng)絡(luò)穩(wěn)定控制模型，采用遺傳算法與PID控制理論相結(jié)合的方法進(jìn)行計(jì)算集群攻擊下的傳感網(wǎng)絡(luò)穩(wěn)定控制模型的最優(yōu)解，實(shí)現(xiàn)對集群攻擊偽裝數(shù)據(jù)下的傳感網(wǎng)絡(luò)穩(wěn)定控制。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的傳感網(wǎng)絡(luò)穩(wěn)定控制方法能夠有效減小控制過程的信號擾動，提高控制精度與運(yùn)行效率，效果令人滿意。

參考文獻(xiàn)

[1] 張偉崗.基于信息熵的復(fù)雜網(wǎng)絡(luò)社團(tuán)發(fā)現(xiàn)算法研究[J].微處理機(jī)，2015，36（2）：39?43.

[2] 孫亞紅，肖淑蘋.一個基于多維特征向量的復(fù)雜網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)發(fā)現(xiàn)算法[J].計(jì)算機(jī)與數(shù)字工程，2015，43（4）：558?561.

[3] 田關(guān)偉，周德榮.網(wǎng)絡(luò)入侵后攻擊路徑標(biāo)志技術(shù)研究與仿真[J].計(jì)算機(jī)仿真，2014，31（12）：292?295.

[4] 呂健波，戴冠中，潘文平.Apache Web服務(wù)器中基于LTI模型的多服務(wù)類別比例延遲控制[J].計(jì)算機(jī)科學(xué)，2010，37（12）：26?29.

[5] 劉艷，王泰.基于網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)的Web內(nèi)容分級算法及其性能分析[J].計(jì)算機(jī)科學(xué)，2015，42（3）：206?209.

[6] 蔣華.服務(wù)器集群網(wǎng)絡(luò)攻擊中非確定攻擊檢測技術(shù)研究[J].科技通報(bào)，2015，31（6）：82?84.

[7] 于靜雯，楊冰.基于MapReduce框架下的復(fù)雜網(wǎng)絡(luò)社團(tuán)發(fā)現(xiàn)算法[J].微型機(jī)與應(yīng)用，2014，33（22）：74?76.