Designing security systems for wireless sensor networks presents a challenge due to their relatively low computational resources. This has rendered many traditional defense mechanisms based on cryptography infeasible for deployment on such networks. Reputation and anomaly detection systems have been implemented as viable alternatives, but existing implementations still struggle with providing efficient security without a significant impact on energy consumption. To address this trade-off between resource consumption and resiliency, we designed TrustSense, a reputation management protocol for clustered WSNs. It is a semi-centralized family of algorithms that combine periodic trust updates, spatial correlation, and packet sequence validation at the cluster-heads' hierarchy to relieve the sensor nodes of unnecessary opinion queries and trust evaluation computation. We compared the efficiency of TrustSense with legacy reputation systems such as EigenTrust and the results of simulations show a significant improvement in reliability and energy usage while maintaining an acceptable path length with varying numbers of malicious nodes. We believe the approach of combining different techniques from various classes of intrusion detection systems unlocks several possibilities of achieving better results by more complex and versatile composition of these techniques.


翻译:由于计算资源较少,设计无线传感器网络的安全系统是一项挑战。这使得许多基于加密的传统防御机制无法在这类网络上部署。光荣和异常探测系统已经作为可行的替代办法实施,但现有的实施仍然在努力提供高效安全,而不会对能源消耗产生重大影响。为了解决资源消耗和复原力之间的这种权衡,我们设计了TustSense,这是一组集成的WSNS网络的声誉管理协议。这是一个半集中的算法组合,它将定期更新信任、空间相关性和集成序列验证结合起来,在集束头头的层级上减少不必要的意见查询和信任评估计算等传感器节点。我们比较了信任系统与EigenTrust等传统名声系统的效率和模拟结果,显示可靠性和能源使用有显著改进,同时保持一个可接受的路径长度,同时有不同数量的恶意节点。我们认为,将不同类别的入侵探测系统的不同技术结合起来,通过这些技术的更复杂和多用途构成,可以取得更好的结果。

0
下载
关闭预览

相关内容

最新《Transformers模型》教程,64页ppt
专知会员服务
306+阅读 · 2020年11月26日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
专知会员服务
60+阅读 · 2020年3月19日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
BERT/Transformer/迁移学习NLP资源大列表
专知
19+阅读 · 2019年6月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
推荐|深度强化学习聊天机器人(附论文)!
全球人工智能
4+阅读 · 2018年1月30日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Arxiv
5+阅读 · 2017年11月30日
VIP会员
相关资讯
BERT/Transformer/迁移学习NLP资源大列表
专知
19+阅读 · 2019年6月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
推荐|深度强化学习聊天机器人(附论文)!
全球人工智能
4+阅读 · 2018年1月30日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员