[发明专利]一种物联网网络恶意节点实时检测方法

说明书

本发明公开了一种物联网网络恶意节点实时检测方法，首先从接收器向网络中注入探测数据包，数据包经传输后由节点返回至基站来收集网络和数据包信息；并考虑到现实网络数据实时性，利用收集到网络信息和在线机器学习算法学习节点信任值，再用聚类分析算法进行区分恶意节点，并且设计了增强检测方案来提高检测性能，从而能够有效准确地进行实时检测网络中恶意节点，解决了高效实时轻量检测IoT内部恶意攻击和节点的关键问题。

技术领域

本发明属于物联网领域，特别涉及了一种网络恶意节点检测方法。

背景技术

进入网络与大数据时代，物联网已经成为重要的研究领域之一，物联网设备已经在日常生活和生产中被普遍使用，在智能家居、智能医疗、公共安全、工业监控和环境保护等领域有着广泛的应用前景。远程的物联网设备和功率受限的物联网设备通常通过多跳交换信息以到达高级控制器，构成多跳网状网络。网状拓扑是灵活的拓扑结构，允许设备与其通信范围内的任何其他设备通信，与远程接收器的通信是多跳传输。物联网设备感知的数据通常在多跳自组织网络通过多个路由节点转发至接收器，为用户决策提供原始数据支撑。许多物联网协议都采用了网状拓扑，如Insteon智能家居，Z-Wave，Thread和ZigBee/IEEE 802.15.4。

通常，物联网系统中的设备可能通过以下方式受到损害：(i)通过互联网进行恶意远程访问(例如Mirai恶意软件)；(ii)恶意访问本地网络；(iii)恶意物理访问。攻击者经常会通过捕获网络内部节点或利用物联网设备的漏洞，恶意篡改物联网设备的行为，使用这些设备来窃取敏感信息，篡改数据，进行掉线攻击和Dos攻击等，最终破坏物联网的可用性。这种内部恶意攻击难以检测，并且造成了危害性更大。

近年来，有刘鑫等人提出了一种分级网络架构，他们利用具有不同特性的多链路通信技术(双链路技术和单链路技术)来推断用于识别多跳物联网网络中的恶意节点的可靠性。但是，他们工作是基于双链路的节点是可靠的假设。后来，他们拓展了工作，为每条路由和节点建立了信任度量，提出了基于路由多样性和无监督学习的检测方法，通过计算节点的信任值来识别多跳物联网网络中的恶意节点。但是，他们的工作一是数据包必须从可靠源节点注入，源节点和接收器有额外通信链路和消耗，二是假设了在同一个路径上不同节点的信任值彼此相等的假设，这样导致了节点信任值计算结果是不准确的。

发明内容

为了解决上述背景技术提到的技术问题，本发明提出了一种物联网网络恶意节点实时检测方法。

为了实现上述技术目的，本发明的技术方案为：

一种物联网网络恶意节点实时检测方法，包括以下步骤：

(1)从接收器向物联网网络中注入探测数据包，经传输后到达网络中随机选择的源节点，源节点再将探测数据包返回至接收器，传输过程中探测数据包会利用数据来源技术记录其传输路径，当探测数据包最终到达接收器时，接收器验证探测数据包的完整性；

(2)接收器每接收到一个探测数据包，通过分析此探测数据包来更新物联网网络中的传输路径信息和路径信任值，定义节点信任值，形式化传输路径信息、路径信任值和节点信任值三者关系，将求解节点信任值作为一个多元线性回归问题，利用在线机器学习算法来训练学习模型，进而得到最优的节点信任值；

(3)对于步骤(2)得到的结果，通过聚类分析区分出恶意节点。

进一步地，在步骤(1)中，接收器通过密钥和哈希算法验证探测数据包的完整性。

进一步地，在步骤(2)中，所述路径信任值等于该路径上所有节点的节点信任值的乘积；设物联网网络有n个节点和m条路径，其中n和m均为正整数，则所有传输路径信息构成一个m×n的路径信息矩阵PM，所有节点的节点信任值构成一个n×1的节点信任值矩阵NTM，所有路径的路径信任值构成一个m×1的路径信任值矩阵PTM，则有：

PM·lnNTM＝lnPTM。