[论文解读] A Pair-wise Key Distribution Mechanism and Distributed Trust Evaluation Model for Secure Data Aggregation in Mobile Sensor Networks

Natarajan Meghanathan|arXiv (Cornell University)|Nov 23, 2014

Security in Wireless Sensor Networks参考文献 14被引用 4

一句话总结

本文提出了一种用于移动传感器网络的安全数据聚合框架，结合了成对密钥分发机制与分布式信任评估模型。该框架利用来自汇聚节点的种子密钥实现节点间动态密钥更新，并采用双侧Grubbs检验检测并隔离受损或故障节点，从而在模拟中以高检测精度减少聚合树中的错误数据传播。

ABSTRACT

We propose a secure data aggregation (SDA) framework for mobile sensor networks whose topology changes dynamically with time. The SDA framework (designed to be resilient to both insider and outsider attacks) comprises of a pair-wise key establishment mechanism run along the edges of a data gathering tree and a distributed trust evaluation model that is tightly integrated with the data aggregation process itself. If an aggregator node already shares a secret key with its child node, the two nodes locally coordinate to refresh and establish a new pair-wise secret key; otherwise, the aggregator node requests the sink to send a seed-secret key message that is used as the basis to establish a new pair-wise secret key. The trust evaluation model uses the two-sided Grubbs test to identify outlier data in the periodic beacons collected from the child nodes (neighbor) nodes. Once the estimated trust score for a neighbor node falls below a threshold, the sensor node locally classifies its neighbor node as a Compromised or Faulty (CF) node, and discards the data or aggregated data received from the CF node. This way, the erroneous data generated by the CF nodes could be filtered at various levels of the data gathering tree and are prevented from reaching the root node (sink node). Finally, we assess the effectiveness of our trust evaluation model through a comprehensive simulation study.

研究动机与目标

• 解决在动态拓扑的移动传感器网络中实现数据聚合安全性的挑战。
• 通过确保节点间安全密钥建立，减轻数据聚合中的内部和外部攻击。
• 在数据到达汇聚节点前检测并过滤来自受损或故障节点的错误数据。
• 设计一种在数据聚合过程中实时运行的分布式信任评估机制。
• 确保在移动且资源受限环境中数据的完整性和机密性。

提出的方法

• 采用成对密钥分发机制，汇聚节点与子节点协作，利用从汇聚节点获取的种子密钥刷新或建立新密钥。
• 若无共享密钥存在，汇聚节点向汇聚节点请求种子密钥以启动密钥建立过程。
• 对邻居节点的周期性信标数据应用双侧Grubbs检验，以检测表明潜在受损或故障的统计异常值。
• 若信任评分低于预设阈值，节点将本地将邻居分类为受损或故障（CF）。
• 在数据收集树的每一层，丢弃来自CF节点的数据，以防止恶意或故障数据的传播。
• 将信任评估模型紧密集成到数据聚合过程中，以实现实时、本地化的决策。

实验结果

研究问题

• RQ1 在具有动态拓扑的移动传感器网络中，如何维持安全密钥建立？
• RQ2 何种机制可确保在数据聚合中抵御内部和外部攻击？
• RQ3 如何以分布式、可扩展的方式检测并隔离故障或受损节点？
• RQ4 何种统计方法能有效识别传感器节点信标中的异常行为？
• RQ5 所提出的信任模型在多大程度上减少了错误数据在聚合树中的传播？

主要发现

• 所提出的信任评估模型成功利用信标数据上的双侧Grubbs检验识别并隔离了受损或故障节点。
• 通过在数据收集树的每一层丢弃被分类为受损或故障的节点输入，系统减少了错误数据的传播。
• 仿真结果表明，异常行为检测具有高精度，信任评估过程中的误报率极低。
• 成对密钥分发机制确保了即使在网络拓扑动态变化时，也能持续实现安全通信。
• 将信任评估与数据聚合集成，实现了无需依赖集中监控的实时、本地化决策。
• 该框架在内部和外部威胁模型下，显著提升了移动传感器网络的整体数据完整性和安全性。