基于改进变分自动编码器的水下传感器节点信任识别方法

本发明属于水下传感器网络安全领域。具体说是一种基于改进变分自动编码器的水下传感器节点信任识别方法。

背景技术：

1、在水下传感器网络的发展和应用中，网络安全一直是备受关注的重点之一。如图1所示，水下环境的开放性使传感器网络容易受到各种攻击。并且由于水下传感器的计算存储能力有限，传统的安全防护机制可能不适用于uwsn。

2、传统的信任识别方法多分布于网络结构的不同层级，它们根据每层设备实现的功能设计网络安全策略的目标和手段，以此识别可以的节点。但是这种方法往往容易忽视数据在传输过程中的安全性。另外一些特殊的攻击方式有机会绕过层级之间的识别。因此全局的信任识别模式近几年备受关注。

3、现有的信任机制模型方法多为基于经验或基于推荐的信任机制，如artmm，它们依赖于过去的交互信息和节点间的信任关系评估和更新信任值。这意味着这些方法对于突发行为会有较为迟缓的反应，并且容易受到虚假推荐的影响。另外也有基于机器学习算法(如基于隔离林的itrust方法和基于聚类的ks方法)的信任机制模型，但它们对高维度数据的预测能力有限，或因结构复杂可能无法满足水下复杂环境的需求。同时上述方法通常是在传感器网络的汇聚端实现的，不能及时有效的反馈恶意攻击。

技术实现思路

1、本发明为解决上述现有方法中存在的不足之处，提供一种基于改进变分自动编码器的水下传感器节点信任识别方法，以期能准确识别水下传感器网络节点的异常行为，从而能有效提高检测恶意节点身份的准确度和效率。

2、为了达到上述目的，本发明所采用的技术和方案为：

3、本发明一种基于改进变分自动编码器的水下传感器节点信任识别方法的特点是按照如下步骤进行：

4、步骤1、收集水下传感器网络中的节点行为数据作为训练数据集，记为x＝{x1，x2，…，xi，…，xm}，其中，xi表示第i个传感器节点的行为数据，且xi＝(xi1，xi2，…，xij，…，xin)，其中，xij表示第i个传感器节点的第j个行为，m为节点总数，n为行为特征的总数；

5、步骤2、构造分析节点行为数据特征的编码器网络e，并用于构建第i个传感器节点的行为数据xi的隐藏空间zi，从而构建特征空间z；

6、步骤3、构造解码器网络d，从而获得生成的重构节点行为数据集用于预测所有传感器节点为异常节点的概率

7、步骤4、定义损失函数，包括重建误差、kl散度和对抗性损失：

8、步骤4.1、构建重建误差：

9、步骤4.2、根据式(7)计算二进制交叉熵l(xi)：

10、

11、式(7)中，是第i个传感器节点的重构行为数据中的第j个重构行为；

12、步骤4.3、根据式(8)构建总重建误差lre：

13、

14、步骤4.4、根据式(9)构建kl散度dkl：

15、

16、步骤4.5、根据式(10)构建对抗性损失lg：

17、

18、式(10)中，表示解码器的生成节点数据的概率分布，表示所在先验分布下生成节点数据的期望值；

19、步骤4.6、根据式(11)构建损失函数ltotal：

20、ltotal＝lre+λ1dkl+λ2lg    (11)

21、式(11)中，λ1表示kl散度的权重系数；λ2表示对抗性损失的权重系数；

22、步骤5、训练vae，最优损失函数：

23、步骤5.1、设定当前时间步为t，并根据式(12)-式(16)设定更新规则：

24、

25、

26、

27、

28、

29、式(12)-式(16)中，mt和vt分别表示第t时间步的第一矩估计和第二矩估计；和分别表示第t时间步的2个超参数；mt-1和vt-1分别表示第t-1时间步的第一矩估计和第二矩估计；θt表示第t时间步的参数；θt-1表示第t-1时间步的参数，表示损失函数ltotal关于参数θt的梯度；m′t，v′t分别表示第t时间步的第一矩估计的偏置修正和第二矩估计的偏置修正；α是学习率；ξ是一个参数；

30、步骤5.2、按照步骤5.1的更新规则，采用adam优化算法对编码器网络e和解码器网络d进行迭代训练，并计算损失函数ltotal，直至损失函数ltotal达到最优为止，从而得到训练后的改进变分自动编码器vae，用于检测水下传感器节点的行为数据，并预测传感器节点为异常节点的概率。

31、本发明所述的基于改进变分自动编码器的水下传感器节点信任识别方法的特点也在于，所述步骤2包括：

32、步骤2.1、设定所述编码器网络e的隐藏层总数为he，令当前隐藏层为第he层；

33、步骤2.2、初始化he＝1；

34、步骤2.3、根据式(1)计算第i个传感器节点的行为数据xi在第he层隐藏层的输出从而得到训练数据集x在第he层隐藏层的输出：

35、

36、式(1)中，bn是批归一化层，表示编码器网络e的第he层隐藏层的权重转换矩阵；表示编码器网络e的第he层隐藏层的偏置矩阵；当he＝1时，令所述编码器网络e的第he-1层隐含层的输出

37、步骤2.4、将he+1赋值给he，然后判断he＜he是否成立，若成立，则返回执行步骤2.3；否则，根据式(2)和式(3)输出第i个传感器节点的行为数据xi在第he层隐藏层的概率分布的均值μi和对数方差log(σi2)：

38、

39、

40、式(2)和(3)中，分别表示编码器网络e的第he层隐含层关于均值μi和对数方差log(σi2)输出的转换矩阵；分别表示编码器网络e的第he层隐含层关于均值μi和对数方差log(σi2)输出的偏置矩阵；σi是行为数据xi的标准差；

41、步骤2.5、根据式(4)构建第i个传感器节点的行为数据xi的隐藏空间zi，从而构建特征空间z；

42、zi＝μi+σi×∈   (4)

43、式(4)中，∈是标准正太分布的随机向量。

44、所述步骤3包括：

45、步骤3.1、设定所述解码器网络d的隐藏层总数为hd，令当前隐藏层为第hd层；

46、步骤3.2、初始化hd＝1；

47、步骤3.3、根据式(5)计算第i个传感器节点的隐藏空间zi在第hd层隐藏层的输出从而得到特征空间z在解码网络d上第hd层隐藏层的输出：

48、

49、式(5)中，表示所述解码器网络d的第hd层隐藏层的转换矩阵；表示所述解码器网络d的第hd层隐藏层的偏置矩阵；当hd＝1时，令所述解码器网络d的第hd-1层隐藏层的输出

50、步骤3.4、将hd+1赋值给hd，并判断hd≤hd是否成立，若成立，则返回执行步骤3.3；否则，令所述解码器网络d输出并记为第i个传感器节点的重构行为数据从而得到重构节点行为数据集

51、步骤3.5、根据式(6)计算所述解码器网络d预测第i个传感器节点为异常节点的概率从而得到所述解码器网络d预测所有传感器节点为异常节点的概率

52、

53、式(6)中，f是sigmoid激活函数；表示所述解码器网络d中第hd层隐藏层的转换矩阵；表示所述解码器网络d中第hd层隐藏层的偏置矩阵；表示所述解码器网络d的第hd-1层隐藏层的输出。

54、本发明一种电子设备，包括存储器以及处理器的特点在于，所述存储器用于存储支持处理器执行所述水下传感器节点信任识别方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。

55、本发明一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序的特点在于，所述计算机程序被处理器运行时执行所述水下传感器节点信任识别方法的步骤。

56、与已有技术相比，本发明的有益效果为：

57、1、本发明引入变分自动编码器网络，借助其在高维数据压缩和生成表示方面的强大能力，为水下传感器网络提供有效的安全信任表示，进而提高了网络安全检测性能。

58、2、本发明利用隐变量理解和表示网络的模式，同时引入了对抗损失描述生成节点数据与原始节点差异，使得该信任识别方法对水下复杂的环境变化更为敏感，确保了网络的稳定和可靠性。

59、3、本发明提供一种动态的信任更新策略，使得在不同的网络和环境和攻击模式下，信任机制都具有自适应性，能够在复杂的水下环境中有效检测异常，提供了实时安全保障。