[发明专利]一种无线传感器网络多时段数据融合方法和系统在审

专利信息
申请号: 202210360801.3 申请日: 2022-04-07
公开(公告)号: CN114745689A 公开(公告)日: 2022-07-12
发明(设计)人: 章志明;黄舒琳;吴福英;杨伟 申请(专利权)人: 江西师范大学
主分类号: H04W4/38 分类号: H04W4/38;H04W12/00;H04W12/033;H04W12/106;H04W84/18;H04L9/00;H04L9/32;H04L9/40
代理公司: 西安铭泽知识产权代理事务所(普通合伙) 61223 代理人: 韩晓娟
地址: 330027 *** 国省代码: 江西;36
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 无线 传感器 网络 多时 数据 融合 方法 系统
【权利要求书】:

1.一种无线传感器网络多时段数据融合方法,其特征在于,包括:

将传感器网络分簇,每个簇中包含簇头节点和普通节点;

获取普通节点在多个时间段分别接收的数据,采用改进的Paillier同态加密体制对接收的数据进行加密隐藏,采用基于身份的签名方法对不同时间段接收的数据进行签名得到签名数据,发送隐藏数据和签名数据给簇头节点;

每个簇头节点分别聚合簇内普通节点的隐藏数据和签名数据、并发送给基站,基站恢复所有传感器多个时间段隐藏的聚合数据、并根据聚合后的签名数据验证恢复数据是否被篡改;

其中采用改进的Paillier同态加密体制对接收的数据进行加密得到隐私数据具体包括:

采用公式对接收的数据进行加密,其中,表示超递增序列,表示传感器节点接收的数据,Si,j表示每个网络节点基于身份的私钥,g表示生成元,q表示大素数,mod表示取模运算符;

基于身份的签名方法对不同时间段接收的数据进行签名具体包括:

计算Pi,j=H1(IDi,j),计算Pβ=H2(β)∈G1,其中Pi,j表示每个传感器网络节点分配的唯一的身份标识IDi,j的Hash函数H1对应值,Pβ表示共同的状态参数β的Hash函数H2对应值;

对时间段t1,t1,...,tw传感器节点接收的数据签名得到签名数据,

其中,w表示时间段的下标值。

2.如权利要求1所述的一种无线传感器网络多时段数据融合方法,其特征在于,在将传感器网络分簇之前还要进行传感器网络参数选择,其包括:

选择一个网络安全参数k∈Zq,选择一个大素数q>2k,生成两个以q为阶的一个加法群G1和一个乘法群G2,一个双线性对映射e:G1×G1→G2,选择两个安全的Hash函数H1,H2:{0,1}*→G1,从群G1中选择一个生成元P,选择一个随机数s∈Zq为系统主秘钥,Q=sP为系统公钥,为每个传感器网络节点分配一个唯一的身份标识IDi,j∈{0,1}*,IDi,j表示第i簇的第j个网络节点的唯一身份标识,计算每个网络节点基于身份的私钥Si,j=sPi,j,选择一个共同的状态参数β∈{0,1}*,计算Pβ=H2(β)∈G1,计算T=PβP,选择一个生成元选择一个超递增序列其中,是大素数,每个的长度且满足其中,N表示传感器网络中节点的总数,d表示传感数据的最大值。

3.如权利要求2所述的一种无线传感器网络多时段数据融合方法,其特征在于,在所述感器网络参数选择之后和普通节点接收数据之前,存储网络传感器节点参数:IDi,j,Si,j,H1,H2,β,g,q;存储基站所有节点的私钥以及参数:k,q,e,G1,G2,H1,H2,P,s,Q,T,g。

4.如权利要求2所述的一种无线传感器网络多时段数据融合方法,其特征在于,所述分别聚合簇内普通节点的隐藏数据和签名数据,包括利用公式进行普通节点的隐藏数据聚合,其中,Ci,j表示簇i中的普通节点j的多个时间的加密数据,m表示簇i中的普通节点数,Ci表示聚合隐私数据,采用公式聚合签名数据。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江西师范大学,未经江西师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210360801.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top