在无线传感器网络中使用蝙蝠优化的恶意结预测算法进行增强本地化
Balachandran Nair Premakumari Sreeja1, Gopikrishnan Sundaram2, Marco Rivera3
1Department of Information Technology, Karpagam College of Engineering, Myleripalayam Village, Coimbatore 641032, Tamil Nadu, India.
Sensors (Basel, Switzerland)
|January 8, 2025
概括
新的蝙蝠优化的恶意预测 (BO-MAP) 算法增强了无线传感器网络 (WSN) 的安全性和定位准确性. 它有效地识别恶意节点,在模拟中表现优于现有方法.
科学领域:
- 计算机科学 计算机科学
- 网络安全 网络安全
- 无线传感器网络 无线传感器网络
背景情况:
- 节点本地化准确性对于用于安全和环境监控的无线传感器网络 (WSN) 来说至关重要.
- 恶意节点损害了WSN的完整性,导致不准确的定位和功能减少.
研究的目的:
- 提出一种新的算法,BO-MAP,用于WSN中的安全感知本地化.
- 通过有效识别和隔离恶意节点,提高本地化精度和网络安全.
主要方法:
- 开发了蝙蝠优化的恶意预测 (BO-MAP) 算法.
- 集成蝙蝠优化与基于密度的聚类和概率分析用于恶意节点检测.
- 对六个最先进的本地化算法进行了性能评估.
主要成果:
- 在真正阳性率,虚假阳性率,定位精度,能源效率和计算效率方面,BO-MAP显著优于现有方法.
- 达到95%的真阳性率和5%的假阳性率,AUC为0.98.
- 在不同的攻击严重程度和网络条件下表现出一致的可靠性.
结论:
- 在WSNs中,BO-MAP提供了一个强大的解决方案,用于安全和准确的本地化.
- 该算法的有效性和可靠性使其适合于实际的WSN部署.
- 在保护WSN免受恶意节点攻击方面,BO-MAP是显著的进步.
