13、抵御黑洞攻击的有效方案及边缘设备事件处理框架

抵御黑洞攻击的有效方案及边缘设备事件处理框架

在移动自组网(MANET)中,黑洞攻击是一个严重威胁网络安全和性能的问题。同时,在智能城市的物联网应用中,如何高效处理数据以实现实时预测也是一个关键挑战。本文将介绍一种抵御黑洞攻击的有效方案以及一个基于边缘设备的自适应事件处理框架。

抵御黑洞攻击的方案
  1. 黑洞节点检测
    • 若不朽节点在更新和转发任务中失败,且节点 j 的转发计数出现异常,则该节点会被检测为黑洞节点;反之,传输被认为是安全的。
  2. 能量审计
    • 数据传输到相邻节点时会消耗能量。自私节点通常会最大程度地节约能量,因为它们只接收数据而不传输。可信节点需要获取和转发数据包,因此消耗更多能量。
    • 每个节点的能量计算(Ev)根据初始节点配置而定,计算公式为:$Ev = \frac{(Packet_{received} + Packet_{forwarded} + Battery_{power})}{Node}$
    • 能量监控器会在每次传输时监控 MANET 中的能量消耗,并调节节点传输的数据包。
  3. 信任管理
    • 邻居关系验证 :通过验证邻居关系,可以检测出包含黑洞节点的路由。若节点 Ni 从非邻居节点 Nj 收到 RREQ 或 RREP 数据包,则路由发现中可能存在隐藏的黑洞节点。
先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值