[发明专利]一种边缘计算恶意节点识别方法

说明书

本发明公开了一种边缘计算恶意节点识别方法，包括采集第K个节点的信道信息数据集，生成平均数据增强后的输入样本集，生成平均样本构造后的输出样本集，构建新的信道信息数据集进行识别训练等步骤。本发明利用已经采集到的连续多帧信道信息之间的相关性来构造新的信道响应信息向量，也就是对两个或多个时隙信道频率响应向量进行平均以获得新的信道响应向量，克服了信道信息提取信道特征进行恶意节点识别中，数据量不足导致的识别率低的缺点。

技术领域

本发明涉及边缘计算安全计算，特别是涉及一种边缘计算恶意节点识别方法。

背景技术

边缘计算以其近节点部署，物联接近物联网节点的特点，克服了云计算中心的长距离传输延迟、计算负载、减缓了网络拥塞，将原有的云计算模型的部分或者全部计算任务迁移到网络边缘设备上，使得物联网在匹配海量边缘数据、实时性、隐私保护、能耗等主要方面更能满足需求，因此，边缘计算有着丰富的应用场景，比如智能家居、视频监控、智能医疗、智能交通、无人工厂、智能电网等的应用。

但是边缘计算靠近众多节点，节点受部署在各种不同的应用场景下，是收集执行系统的数据或者执行命令的终端，其因分布广泛极易受到攻击，又因为能量和计算存储受到限制，节点安全防范比较薄弱，这使得边缘计算节点面临着一系列的安全挑战，比如克隆节点、Sybil节点攻击等。克隆节点攻击的原理是，攻击者俘获网络中的合法节点并获取其所有的合法信息，一个俘获的硬件节点复制出若干具有相同ID和密钥信息的硬件节点，并将这些克隆硬件节点投放到网络中的不同位置对边缘计算装置发动攻击，而导致网络瘫痪；Sybil节点攻击是采用一个硬件节点，在该硬件节点上搭载众多俘获的ID，从而实现多网络的攻击。如何快速、高效地识别这些恶意攻击并对节点进行隔离，成为防治恶意节点攻击，提高边缘计算安全性的关键。

由于这些攻击方法采取俘获硬件节点的方式，拥有与合法节点相同的ID和密钥信息等，传统的密码学安全机制无法识别这些攻击方法。物理层特征的识别方法利用无线信道信息的空时唯一性，通过比较连续帧之间的信道信息相似性来判断用户身份，无需复杂的上层加密运算，具有快速、高效的优势，十分适用于资源受限的微型终端。但是，实际应用中，信道信息数据获取的有限性，使得特征提取中对数据量有一定要求时，会比较费时，如果数据量不足也会导致识别准确性低，从而影响识别准确率。

发明内容

本发明的目的在于克服现有技术的不足，提供一种边缘计算恶意节点识别方法，该方法是对之前利用信息包传输中经过的信道所形成的独有信道信息判断边缘系统下各个终端的位置特征的恶意节点识别方法的改进，通过独有信道信息判断边缘系统下各个终端的位置特征的方法需要一定量的信道信息数据，以提取信道特征，目前采用的方法是从解调的同步头中通过信道估计提取信道信息，这样获得的信道特征数据不足，会导致识别准确性低，从而影响识别准确率。本方法利用连续多帧信道信息之间的相关性来构造新的信道响应信息向量。更为具体地，对两个或多个时隙信道频率响应向量进行平均以获得新的信道响应向量。具有计算复杂度低，识别准确率高的优势。

一种边缘计算恶意节点识别方法，包括如下步骤：

S1：采集第K个节点信道信息的输入样本集X_k和输出样本集Y_k，构成该节点信道信息数据集D_k:D_k＝{X_k,Y_k}，其中表示在t时隙上第k个节点的信道频率响应向量，N_k表示第k个节点的信道频率响应个数，即总时隙数；

S2：根据采集的信道信息数据集中的输入样本集X_k生成平均数据增强后的输入样本集X_k'；

S3：根据采集的信道信息数据集中的输出样本集Y_k生成平均样本构造后的输出样本集Y_k'；