[发明专利]一种基于生成对抗网络的传感网恶意节点检测方法

权利要求书

1.一种基于生成对抗网络的传感网恶意节点检测方法，其特征在于，包括以下步骤：

监听节点间的数据传输过程，并将该过程的数据进行模糊处理后作为信任数据；

计算获取的信任数据的信任任值，并根据信任值将信任数据打上标签；

构建生成对抗网络，生成对抗网络根据输入的数据获取数据特征的分布根据带标签的信任数据训练生成对抗网络；

其中训练两个生成对抗网络为编码器和解码器，构成自编码器，编码器从输入的信任数据中提取提取数据的特征，解码器根据特征获取信任数据的分布；

节点将监听数据进行模糊处理后输入生成对抗网络，生成对抗网络监测当前节点是否为恶意节点。

2.根据权利要求1所述的一种基于生成对抗网络的传感网恶意节点检测方法，其特征在于，节点信任度的计算包括以下步骤：

计算节点进行数据传输中数据延时率以及数据丢包率，并根据隶属等级分别计算数据延时率以及数据丢包率的隶属度值，隶属等级分别高、中、低三个等级；

根据数据延时率以及数据丢包率高、中、低三个等级的隶属度等级进行组合，获取等级依次为极高、高、中、低、极低五个等级的模糊规则；

从模糊规则中选取三条模糊规则，选择的规则包括：一条从等级为极高和高中选择、一条从等级为中中选择、一条从等级为低和极低中选择；

从选择的三组模糊规则集中，计算选择的模糊规则集中数据延时率以及数据丢包率的隶属度函数，从中选择最大值为右区间、最小值为左区间，将获取区间作为纵坐标区间获取隶属度函数在此区间内横坐标对应的区间，即得到二型模糊集合；

采用重心降型，获得二型模糊集合的并集的重心，将该重心作为节点的信任度。

3.根据权利要求1或2所述的一种基于生成对抗网络的传感网恶意节点检测方法，其特征在于，根据信任值将信任数据打上标签的过程包括：

设定第一阈值、第二阈值和第三阈值三个阈值，当节点信任度大于第一阈值则该节点的标签为正常标签；

当节点信任度大于第二阈值且不大于第一阈值，则该节点的标签为第一类恶意标签；

当节点信任值大于第三阈值且不大于第二阈值时，则该节点的标签为第二类恶意标签；

否则节点的标签为第三类恶意标签。

4.根据权利要求2所述的一种基于生成对抗网络的传感网恶意节点检测方法，其特征在于，在对数据延时率以及数据丢包率计算隶属度前，对获取的数据进行预处理，处理过程包括：

设置长度为N、步长为t的取值窗口；

计算窗口内的数据延时率或者数据丢包率的平均值，并将每个窗口数据的平均值的形成的集合作为计算数据延时率或者数据丢包率隶属度的数据。

5.根据权利要求2或4所述的一种基于生成对抗网络的传感网恶意节点检测方法，其特征在于，数据延时率隶属度的计算包括：

以节点数据延时率为横坐标，以数据延时率的隶属度为纵坐标，且节点数据延时率及其隶属度的最小值为0、最大值为1；

在横坐标上设置十二个节点，分别为a、b、c、d、e、f、m、g、h、i、j、k、l，且0＜a＜b＜c＜d＜e＜fm＜g＜h＜i＜j＜k＜l＜1；

数据延时率的隶属度等级为低时，隶属度函数表示为：

数据延时率的隶属度等级为中时，隶属度函数表示为：

数据延时率的隶属度等级为低时，隶属度函数表示为：

其中，参数a、b、c、d、e、f、g、h、i、j、k、l、m的值根据实际应用确定，但必须确保三个隶属度函数曲线与X轴交叉区域面积和值为1；DR_L1(x)为节点数据延时率隶属度等级为低时隶属度函数的上界，DR_L2(x)为节点数据延时率隶属度等级为低时隶属度函数的下界；DR_M1(x)为节点数据延时率隶属度等级为中时隶属度函数的上界，DR_M2(x)为节点数据延时率隶属度等级为中时隶属度函数的下界；DR_H1(x)为节点数据延时率隶属度等级为高时隶属度函数的上界，DR_H2(x)为节点数据延时率隶属度等级为高时隶属度函数的下界。