基于联盟区块链的恶意节点的检测
Song Luo1, Lianghai Lai1, Tan Hu1
1College of Computer Science and Engineering, Chongqing University of Technology, Chongqing, China.
PeerJ. Computer science
|July 10, 2024
概括
本研究介绍了一种新的算法,用于检测使用联盟区块链的物联网 (SIoT) 系统中的恶意节点. 通过DBSCAN集群增强的区块间延迟方法,有效地识别威胁,同时保持隐私.
科学领域:
- 计算机科学 计算机科学
- 网络安全 网络安全
- 网络工程 网络工程
背景情况:
- 物联网 (IoT) 设备的扩散导致了大规模的互联系统.
- 物联网的社会互联网 (SIoT) 扩展了物联网,面临着由于异质性和资源限制的重大安全挑战.
- 在SIoT数据交互中的信任和安全性至关重要,恶意节点检测是关键重点.
研究的目的:
- 通过改进恶意节点检测来解决SIoT数据交互中的安全问题.
- 探索联盟区块链与SIoT的集成,以提高安全性和信任.
- 提出一种用于检测恶意节点的新算法,满足隐私和及时性等SIoT要求.
主要方法:
- 专注于联盟区块链网络,用于SIoT恶意节点检测.
- 开发了一个基于区块间延迟的算法,考虑节点信息特征.
- 使用无监督的集群算法 (K-means 和 DBSCAN) 进行数据分析和比较.
主要成果:
- 与K-means相比,DBSCAN在联盟链数据上表现出优越的集群性能.
- 拟议的区块间延迟算法有效地检测SIoT环境中的恶意节点.
- 获取的数据已成功传输到链上,验证了检测过程.
结论:
- 拟议的算法在联合SIoT和联盟区块链网络中检测恶意节点方面非常有效.
- 区块间延迟分析与DBSCAN相结合,为SIoT安全挑战提供了强大的解决方案.
- 该方法确保了恶意节点检测中的隐私,主观性,不确定性,轻量级和动态及时性.


