论文部分内容阅读
随着WSN技术的发展,数据隐私性问题逐渐成为限制网络发展的首要问题。因此,如何防止数据泄露和非法操作问题,是WSN研究的重要内容。论文在研究了WSN和数据融合技术的基础上,对数据的安全性问题进行了深入讨论。针对监测区域采集的数据安全问题,从两方面设计了安全保护策略,并对其进行了理论和实验分析。主要研究内容如下:(1)针对隐私保护的问题,提出了数据融合隐私保护策略。该策略利用邻接矩阵和局部函数的梯度值,设计了分布式梯度优化公式方法,对目标函数求全局最优解,即需要隐私保护的目标。公式中相关参数的选取至关重要,如随机因子是由前一次采集的数据与当前的梯度作差为依据自适应调整动态变化的,攻击者无法知道最优解的相关过程,从而不能获得有效数据,实现隐私保护的目的。同时,为了降低网络内节点的能耗,减少无用信息的传输数量,对加密结果采用最优二叉树模型进行数据融合,从而增加了网络的监测周期。(2)针对WSN数据融合中面临的隐私泄露、信息不完整等方面的难点,论文设计了数据融合隐私保护完整性算法,该算法利用分布式梯度密钥管理策略得到的最优值作为节点的私有密钥,构造密码对,使用密码对采集的数据进行签名和加密运算,以确保数据的完整性和隐私性;为了降低通信开销,对签名结果采用Bayes有向无环图模型融合。将融合结果传送至基站,由基站运用明码和私有密码对数据完整性检测,若消息在传输过程中被篡改或者伪造,则基站能够及时检测并处理,确保了在数据融合中的安全完整性。(3)通过MATLAB仿真平台,将本文策略与已有的UGC、SMART和PDI等算法对比,从隐私保护性、收敛性、完整性、通信开销和大数据检测方面分析,从而得出,基于WSN的数据融合安全保护策略具有一定的优势。