[论文解读] Exponential Trust Based Mechanism to Detect Black Hole attack in Wireless Sensor Network

Deepali Virmani, Manas Hemrajani+1 more|arXiv (Cornell University)|Jan 11, 2014

Mobile Ad Hoc Networks参考文献 1被引用 12

一句话总结

本文提出一种基于指数信任的机制，通过使用连续丢包计数器跟踪连续丢包情况，动态调整节点信任值，以检测无线传感器网络中的黑洞攻击。信任因子随每次丢包呈指数下降，从而能够快速检测恶意节点，并在检测前显著减少数据包丢失。

ABSTRACT

Security is a key feature in Wireless Sensor Networks but they are prone to many kinds of attacks and one of them is Black Hole Attack. In a black hole attack all the packets are consecutively dropped which leads to the decrease in the efficiency of the network and unnecessary wastage of battery life. In this paper, we propose an exponential trust based mechanism to detect the malicious node. In the proposed method a Streak counter is deployed to store the consecutive number of packets dropped and a trust factor is maintained for each node. The trust factor drops exponentially with each consecutive packet dropped which helps in detecting the malicious node. The proposed method show a drastic decrease in the number of packets dropped before the node being detected as a malicious node.

研究动机与目标

• 为解决无线传感器网络（WSNs）中导致数据包丢失和能量耗尽的关键安全漏洞——黑洞攻击问题。
• 提高对丢弃所有传入数据包的恶意节点的检测速度，减少网络低效和电池浪费。
• 设计一种轻量级、可扩展的信任机制，适用于资源受限的WSN环境。
• 最小化在恶意节点被识别并从网络中隔离之前所丢弃的数据包数量。

提出的方法

• 为每个节点维护一个连续丢包计数器，以跟踪连续丢弃的数据包数量。
• 为每个节点初始化一个信任因子，并根据计数器的值进行更新。
• 信任因子随连续丢包次数按指数方式衰减，公式如下：trust = trust × e^(-α × streak)，其中α为衰减常数。
• 将信任值低于预设阈值的节点标记为恶意，并从转发决策中排除。
• 该机制以分布式方式运行，通信开销极低。
• 定期刷新信任值，以防止因临时网络拥塞导致的误报。

实验结果

研究问题

• RQ1 在能量受限的无线传感器网络中，如何减少黑洞攻击的检测时间？
• RQ2 何种信任更新机制能够基于连续丢包快速识别恶意节点？
• RQ3 与线性或固定阈值模型相比，指数信任衰减如何提升检测准确性？
• RQ4 该机制对网络寿命和数据包投递率有何影响？
• RQ5 该方案是否可在计算和通信开销较低的资源受限传感器节点上实现？

主要发现

• 所提机制显著减少了恶意节点被检测前的丢包数量，提升了网络可靠性。
• 指数信任衰减相比线性或静态阈值方法，实现了更快的检测速度。
• 使用连续丢包计数器能有效区分临时网络问题与持续恶意行为。
• 该机制保持了低开销，适用于能量受限的WSNs环境。
• 仿真结果表明，在检测阶段数据包丢失量大幅减少，显著提升了整体网络效率。
• 信任模型在正常网络条件下表现出对误报的强鲁棒性。