面向恶意程序传播的异质wsnss稳态可用度评估.docxVIP

面向恶意程序传播的异质wsnss稳态可用度评估 开展智能城市、智能交通、智能健康、智能安全等应用，是中国五大新兴战略产业之一。在具体构建时, 其底层网络通常使用传感网实现 HWSNs可用度表示HWSNs在感知数据、数据通信、数据汇聚时该网络处于可用或可操作状态的概率, 是反映HWSNs性能的重要指标之一。在实际计算时, 常用稳态可用度表示, 代表了网络在长期或较长期运行的情况下网络处于可用或可操作状态的概率。但是, 要评估HWSNs的稳态可用度并非易事。从传感节点的角度来看, HWSNs的异质性体现在能量、计算、通信、存储、安全和基础协议等方面;从外部环境看, 这种异质性体现在链路、空间地理位置和恶意程序攻击等方面。甚至有时需要人为引入异质, 如通过引入少量高性能节点, 可以显著提高整个传感网的数据处理和传输速率, 减少其他传感节点的能耗及节点对节点的传输延迟。面对HWSNs具有的节点异质性、链路异质性、拓扑结构异质性等特点, 如何评估HWSNs的可用度已成为HWSNs能否成功应用的关键问题。 恶意程序已成为威胁HWSNs安全的主要因素。它们一旦利用节点的软硬件漏洞在HWSNs中大范围传播后, 就能窃听、破坏节点感知的数据, 甚至阻塞通信信道、耗尽节点能量, 使整个HWSNs处于瘫痪状态, 从而严重影响整个HWSNs数据的机密性和整个网络的可用度。因此, 迫切需要研究恶意程序在HWSNs中的传播行为, 评估在恶意程序传播环境下HWSNs的可用度, 以便采取措施增强HWSNs的可用度和抑制恶意程序的传播。 国内外学者目前在传感网可用度评估相关领域已经提出了一些方法。Trivedi等人 因为网络恶意程序传播与传染病传播相似, 所以传染病模型常用于建立恶意程序传播的模型 本文扩展经典传染病模型, 基于Markov链提出一种面向恶意程序传播的HWSNs可用度评估方法。首先, 考虑在恶意程序传播环境下一个异质传感节点可能存在的状态, 通过增加状态D (Dead, 死亡) 来描述由于能量耗尽、物理损坏或恶意程序攻击使得节点功能丧失的情况, 从而扩展经典SIR传染病模型得到SIRD模型;其次, 通过Markov链描述各状态之间的动态转换过程, 给出一个异质传感节点各状态之间的状态转换概率, 得到各状态变化的动力学方程;最后, 给出一个异质传感节点的稳态可用度计算公式, 然后针对典型的星形和簇形HWSNs拓扑结构, 分别给出计算整个星形和簇形HWSNs稳态可用度计算公式。 1 异质传感节点关注自身状态的转换 借鉴传染病理论中经典SIR模型的思想, 在恶意程序传播环境下的一个异质传感节点在其整个生命周期内可划分为不同的状态。当一个节点被恶意程序发现具有安全漏洞但尚未被传染恶意程序时, 其归属于状态S;当一个节点被传染恶意程序且节点自身受恶意程序控制而传播恶意程序时, 其归属于状态I;当一个节点受基站控制通过安装安全补丁以弥补安全漏洞或移除节点上的恶意程序并能抵抗现有恶意程序的传染时, 其归属于状态R;当一个节点因能量耗尽、物理损坏或由于恶意程序攻击使得节点功能丧失时, 其归属于状态D。基于上述实际情况中异质传感节点各状态的分析, 本文引入状态D来扩展经典的传染病模型SIR, 从而得到一个更能确切反映异质传感节点面对恶意程序传播时状态动态转换的新模型SIRD, 如图1所示。 显然, 图1中各状态之间的转换只跟当前状态有关, 因此可将异质传感节点状态之间的动态转换过程看作是一个Markov过程。假设HWSNs中各个异质传感节点被均匀地洒播在感知区域, 其分布密度为λ。对于任意的一个异质传感节点i, 记r 式中:int (·) 表示取整函数。记p 对一个处于状态S的异质传感节点而言, 当其周围没有传染节点或者周围的传染节点传播恶意程序失败时, 该节点仍处于状态S。因此, 一个易感异质传感节点i仍处于状态S的概率q 式中:α表示恶意程序的传播成功率。要使一个异质传感节点从状态S转换为状态R需要成功安装安全补丁, 而HWSNs中的入侵检测系统 (IDS) 通常充当了检测恶意程序和扫描安全漏洞并安装安全补丁的任务。记β和γ分别为IDS的检测率和误报率, 则q 对一个处于状态R的异质传感节点而言, 当其被恶意程序发现具有新的安全漏洞时将使其状态转换为S, 记该概率为ζ, 则q 对一个处于状态D的异质传感节点而言, 由图1可知q 至此, 用于描述异质传感节点i在时刻t各状态之间动态转换的Markov过程的状态转换矩阵M 2 稳态可用度计算 记一个异质传感节点i在时刻t的瞬时可用度函数为ξ 即 在实际计算一个异质传感节点的稳态可用度时, 常通过计算描述异质传感节点状态之间动态转换的Markov过程的稳定点来得到具体值。 记 得到的等式中的任意3个等式联合 构成