[论文解读] Secure Tracking in Sensor Networks using Adaptive Extended Kalman Filter

Ali Fard, Mahdy Nabaee|arXiv (Cornell University)|Apr 14, 2012

Indoor and Outdoor Localization Technologies参考文献 9被引用 3

一句话总结

本文提出了一种基于自适应扩展卡尔曼滤波（EKF）的无线传感器网络（WSNs）安全跟踪算法，可检测并缓解被攻破或串通的节点所发送的恶意信标数据。通过动态调整过程噪声和测量噪声的估计值，该方法在敌对环境中显著提升了跟踪精度和鲁棒性，其检测率和均方误差（MSE）均显著优于现有方法。

ABSTRACT

Location information of sensor nodes has become an essential part of many applications in Wireless Sensor Networks (WSN). The importance of location estimation and object tracking has made them the target of many security attacks. Various methods have tried to provide location information with high accuracy, while lots of them have neglected the fact that WSNs may be deployed in hostile environments. In this paper, we address the problem of securely tracking a Mobile Node (MN) which has been noticed very little previously. A novel secure tracking algorithm is proposed based on Extended Kalman Filter (EKF) that is capable of tracking a Mobile Node (MN) with high resolution in the presence of compromised or colluding malicious beacon nodes. It filters out and identifies the malicious beacon data in the process of tracking. The proposed method considerably outperforms the previously proposed secure algorithms in terms of either detection rate or MSE. The experimental data based on different settings for the network has shown promising results.

研究动机与目标

• 解决在敌对环境中部署的无线传感器网络中缺乏安全定位与跟踪机制的问题。
• 应对现有跟踪系统在面对注入虚假位置数据的恶意或串通信标节点时的脆弱性。
• 开发一种鲁棒且实时的跟踪算法，即使在部分节点被攻破的情况下仍能保持高精度。
• 提高对恶意信标节点的检测能力，同时最小化误报率并降低跟踪误差（MSE）。

提出的方法

• 通过引入过程噪声和测量噪声协方差矩阵的自适应估计，对标准扩展卡尔曼滤波（EKF）进行改进。
• 利用创新序列和残差序列检测信标数据中的异常，识别潜在的恶意输入。
• 根据残差的统计特性动态更新噪声协方差矩阵，以增强滤波器的鲁棒性。
• 集成基于阈值的机制，在状态估计过程中标记并排除可疑的信标报告。
• 将自适应EKF应用于利用锚节点的测距或接收信号强度指示（RSSI）测量值来估计移动节点（MN）的位置。
• 实时维护状态和误差协方差更新，实现在动态和敌对条件下的持续跟踪。

实验结果

研究问题

• RQ1 在WSNs中，如何有效检测并拒绝来自被攻破或串通节点的恶意信标数据？
• RQ2 在存在恶意干扰的情况下，EKF中的自适应噪声估计在多大程度上能提升跟踪精度和系统鲁棒性？
• RQ3 与现有安全跟踪算法相比，所提方法在检测率和均方误差（MSE）方面表现如何？
• RQ4 在不同网络条件和恶意攻击场景下，自适应EKF能否保持高跟踪分辨率？
• RQ5 动态噪声自适应对误报检测率和整体系统稳定性有何影响？

主要发现

• 所提出的自适应EKF方法在恶意信标节点检测率方面显著优于现有安全跟踪算法。
• 该算法显著降低了位置估计的均方误差（MSE），表现出更高的跟踪精度。
• 实验结果表明，该方法在各种网络配置和攻击模型下均表现出一致的性能。
• 自适应噪声估计机制能有效基于残差统计特性区分正常与恶意信标数据。
• 即使多达30%的信标节点被攻破，该方法仍能保持稳定的跟踪性能。
• 系统对不同水平的测量噪声和动态环境变化表现出良好的鲁棒性。