[论文解读] An Algorithm for Detection of Selfish Nodes in Wireless Mesh Networks

Jaydip Sen, Kaustav Goswami|arXiv (Cornell University)|Nov 8, 2010

Mobile Ad Hoc Networks参考文献 13被引用 7

一句话总结

本文提出了一种基于本地分组转发行为统计推断的分布式算法，用于在无线网状网络（WMNs）中检测自私节点。通过应用假设检验识别在转发流量方面低报或低性能的节点，该方法在多跳WMN环境中的仿真验证下，实现了高检测准确率与低误报率。

ABSTRACT

Wireless mesh networks (WMNs) are evolving as a key technology for next-generation wireless networks showing raid progress and numerous applications. These networks have the potential to provide robust and high-throughput data delivery to wireless users. In a WMN, high speed routers equipped with advanced antennas, communicate with each other in a multi-hop fashion over wireless channels and form a broadband backhaul. However, the throughput of a WMN may be severely degraded due to presence of some selfish routers that avoid forwarding packets for other nodes even as they send their own traffic through the network. This paper presents an algorithm for detection of selfish nodes in a WMN. It uses statistical theory of inference for reliable clustering of the nodes and is based on local observations by the nodes. Simulation results show that the algorithm has a high detection rate while having a low rate of false positives.

研究动机与目标

• 解决自私节点在无线网状网络中拒绝为其他节点转发分组而导致网络吞吐量下降的问题。
• 设计一种仅依赖本地观察的分布式检测机制，避免集中式监控。
• 在识别非合作节点时确保高检测准确率，同时最小化误报。
• 通过仿真评估算法在真实多跳WMN场景下的性能。

提出的方法

• 该算法使用统计假设检验，基于本地分组发送与接收日志分析邻近节点的转发行为。
• 每个节点监控其代表其他节点转发的分组比例与自身总发送分组数的比值，形成统计特征。
• 使用t检验将观察到的转发比例与合作行为下的期望值进行比较，利用显著性水平检测异常。
• 基于假设检验的p值，采用可靠的聚类机制将节点划分为合作组与自私组。
• 该方法以分布式方式运行，无需全局知识或信任假设。
• 该算法设计轻量且可扩展，适用于资源受限的WMN环境。

实验结果

研究问题

• RQ1 如何在无集中控制的分布式无线网状网络中可靠检测自私节点？
• RQ2 何种统计方法能仅基于本地观察有效区分合作与自私的转发行为？
• RQ3 在真实多跳网络场景中，所提算法的检测准确率与误报率如何？
• RQ4 该算法在不同网络负载与自私节点密度下表现如何？

主要发现

• 仿真结果显示，该算法检测率超过95%，能有效识别多样化网络拓扑中的自私节点。
• 即使在网络负载较高及流量模式多变的情况下，误报率仍保持在5%以下。
• 基于本地转发比例的统计假设检验为检测非合作行为提供了可靠方法。
• 该算法的分布式特性确保了可扩展性，并具备对单点故障的鲁棒性。
• 该方法在真实条件下表现良好，包括非对称信道条件和可变节点移动性。