保护隐私性与完整性的低能耗数据融合算法

开篇：润墨网以专业的文秘视角，为您筛选了一篇保护隐私性与完整性的低能耗数据融合算法范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：

隐私性与完整性是无线传感器网络（WSN）数据融合中的两大难题。在低能耗隐私保护（ESPART）算法的基础上，提出了一种新的保护隐私性与完整性的数据融合（iESPART）算法。它通过加入同态消息验证码机制，在不改变隐私性的前提下，实现了完整性保护。同时，利用消息验证码在融合时密钥改变的特性， iESPART能够判断遭到攻击的具体节点位置。仿真实验结果表明，相比完整性保护（iPDA）算法，该算法具有相同的隐私保护性与更全面的完整性检测机制，花费的通信开销更少。

关键词：无线传感器网络；数据融合；隐私保护；完整性检测；低能耗

中图分类号：TP393.08；TP309.7

文献标志码：A

0引言

数据融合技术能够有效地减少无线传感器网络（Wireless Sensor Network， WSN）中的能耗，但是由于查询服务器（Query Server， QS）无法直接获取所有的数据，其安全性一直是该领域的一大挑战。在基础融合（Tiny AGgregation， TAG）算法 [1]中，数据会沿着融合树层层上传，信任父节点会获取子节点的数据，如果链路或者父节点被监听以至捕获，隐私数据便暴露了；因此，数据融合隐私保护算法得到了广泛的研究[2-6]。这些算法各有自己所针对的范围，如在簇状结构中使用的簇数据融合（Clusterbased Private Data Aggregation， CPDA）[2]；在树状结构中使用的切片混合数据融合（SlicingMixAggRegaTion， SMART） [2]、低能耗隐私保护（EnergySaving Privacypreserving AggRegaTion， ESPART）算法[6]；针对QS只获取最大最小值的模糊数据（KIndistinguishable Privacypreserving Data Aggregation， KIPDA）算法 [5]等。它们虽然都有隐私保护的效果，但是适用范围较小，并且大部分算法通信开销较高。同时，这些算法也没有考虑完整性检测的问题。

完整性检测是安全性问题的另一重要方面，它可以有效地识别所获取的数据是否跟节点收集到的原始数据一致，以防止数据在传输过程中被篡改或者注入虚假的数据。如果完整性被破坏，QS将无法获取正确的信息，用户在此基础上做出的分析判断会有很大的偏差。目前对完整性保护算法的研究也有很多[7-15]。例如，文献[9]提出一种基于延迟融合的（Secure and Efficient protocol for Data Aggregation， SEDA）算法，它只能解决单个节点被捕获的情况，无法解决父节点与子节点同时被捕获的问题；文献[10]中提出了基于Merklehash树的算法，它利用了hash树无法改变的特性，但无法运用到数据切片混合的隐私保护算法中；另外还有基于相互监督的算法[11]与基于统计学的算法[12]等，都有在准确度方面的缺陷。部分算法将已有的隐私保护算法加入了完整性检测机制，如对SMART与CPDA的改进算法完整性切片算法（Integrityprotecting Private Data Aggregation， iPDA） [7]以及完整性簇类（Clusterbased protocol to enforce Integrity and preserve Privacy in Data Aggregation， iCPDA）算法 [8]。iPDA利用了数据冗余的方法达到了完整性检测的目的，但是数据量跟串通通信量都比SMART高出许多，同时无法检测出现数据错误的具体节点；iCPDA同样具有通信量大的问题，而且只能针对簇状结构。

本文提出了一种保护隐私性与完整性的数据融合（IntegrityEnergySaving Privacypreserving Aggregation， iESPART）算法，它在SMART的改进算法ESPART的基础上添加了完整性检测机制，采用了同态消息验证码[14]技术，使每个节点在数据切片混合的过程中，真实密钥与相应生成的消息验证码（Message Authentication Code， MAC）， 都随着存储数据在改变，而节点本身存储的密钥并无变化。这样，即使节点的数据与密钥被同时捕获，攻击者也无法获取节点的原始数据与MAC对应的真实密钥，同时满足了数据融合的隐私性与完整性。而且，在QS检测出完整性有错的情况下，还可以回溯到相应节点进行检测，由QS计算出的真实密钥来判断遭到攻击的具体节点。由于iESPART通信只是在每次传输中加入一个MAC，而MAC所占的数据块极小，通常只有10位左右，其与 ESPART在数据串通过程中的通信量几乎相等。同时iESPART利用了分配时间片的方法，降低了完整性检测带来的计算时延对数据融合的影响。

1相关工作

在隐私保护方面，He等最早提出了切片混合的思路，并将其应用到TAG融合树上，得到了SMART算法。它采用分片的方式，将每个节点的数据固定分成J片，其中的J-1片随机发送到周围的邻居节点，并同时接收邻居发来的分片，然后将分片混合成一个新的数据。这样在不影响数据融合结果的前提下，确保了攻击者无法获取节点的有效数据。SMART算法在私密性与弹性方面都比传统的复杂密码算法要优秀。实验表明在J≥3时，节点的暴露概率小于0.5%[2]，但其数据通信量与J的增加成正比，每多一个切片，就需要增加相当于节点数量N的数据包个数，串通通信开销大约是TAG的（J+1）/2倍。

ESPART在SMART的基础上，改进了其通信量大的问题。它利用融合树的树形结构，不再采取固定分片的方式，改为计算每一个节点的出入度，通过设定最小出入度MinDeg值来保证分片数量满足私密性，从而降低了分片的数目，减少了通信量，串通通信开销只是SMART的50%左右；同时，分片的减少也减少了融合时延，提高了精确度。实验表明在MinDeg≥2时，节点的暴露概率小于0.5%[6]。

iPDA算法是在SMART算法上加入数据完整性保护机制。它通过构造两棵不相交的融合树，利用其冗余性来实现完整性保护，最后通过对比两棵树的融合结果来判定数据是否完整。该方法的缺陷在于无法检测出具体哪个节点被攻击导致完整性破坏，同时冗余会增加额外的通信开销。仿真实验表明， iPDA的通信数据包数量一般比SMART高出节点数量N左右。图1比较了TAG、SMART、ESPART、iPDA四种算法的通信量（取满足私密性的下限，即J=3，MinDeg=2）。

在基于融合树的数据融合网络中，节点被分成三类：QS、中间融合节点、叶节点。在本文的网络模型中，只考虑有唯一QS节点（即融合树的root节点）的情况。QS负责应答用户的查询请求，将网络中所有数据的融合结果反馈给用户。由于在一个网络中验证数据的完整性，必须要有至少一个信任节点[13]，本文将QS视为唯一信任节点，QS中的数据无法被监听和篡改，其他节点和链路都有被攻击的可能性。另一方面，本文所有类型的节点都具有探测采集信息的功能，包括中间融合节点。即在融合过程中，中间节点不仅要融合子节点的数据，还要融合本身采集的数据。叶节点只有采集数据上传的功能。

2.5同态消息验证码算法

在完整性保护机制方面，本文使用了文献[14]提出的一种同态消息验证码算法。消息验证码是一种常用的检测数据完整性的方法，但是传统的MD5、SHA1等消息验证码算法无法运用到无线传感器网络中，一方面由于这些算法较为复杂，产生的MAC数据块过大，会降低WSN的生存周期；另一方面，普通的MAC算法并不具有同态性，需要在每一个链路的数据发送中都使用一个新密钥对，并且MAC本身无法融合，导致了数据融合过程中大量的重复计算，会增加许多额外开销。本文使用的同态消息验证码算法，其产生的MAC数据块只有10位左右，并且由于其同态性，MAC码可以进行融合，同时会导致密钥的改变，在iESPART中充分利用了这一特性，完成了完整性检测机制。

1）重放数据攻击。

当攻击者进行此攻击时，对于iPDA，本轮数据融合的红蓝融合树分布与上一轮融合树分布会有不同，所以重放的数据会引起单独一棵树的融合结果改变，导致两棵树的融合结果不等，检测出完整性遭到破坏。对于iESPART，若攻击者是在切片阶段重放攻击，由于本身节点的数据未减去对应的seed，产生的MAC值也会有变化；若攻击者在融合阶段重放攻击，由于在切片混合阶段时，每个节点的MAC值对应真实密钥都是与上轮不同的，上一轮数据得到的MAC值显然是不正确的，非法的MAC将会在QS节点检测出来。

2）伪造数据包攻击。

在iPDA中，攻击者要伪造数据包，只有在红蓝两棵融合树中同时伪造等量的数据包，才可能不被QS节点检测出来，而每轮的红蓝融合树都是不同的，这种可能性极低。在iESPART中，攻击者要伪造出数据包就必须伪造出相应的MAC，否则会被QS节点所检测出来。同时，每个节点本身存储的MAC密钥值并不是真实的密钥值，即使所有QS之外的节点被捕获，攻击者也无法得知真实密钥，无法伪造出正确的MAC。

3）篡改数据攻击。

对于此类攻击， iPDA中防护较弱，只能检测出单棵树融合结果被篡改，并且无法检测节点采集数据在未发送之前被篡改的情况。而iESPART可以有效防护所有的篡改数据攻击，因为不论数据在何时被篡改，攻击者都需要同时篡改对应的MAC值来保证不被QS检测出来。

4）伪装节点攻击。

iPDA中没有详细考虑此种攻击，由于该文献中认为伪装的节点是没法获取安全通信链路的。而在本文中可知，通信链路是有小概率被破解的，并且只需要破解小区域内的通信链路，就可以进行节点的伪装。在iESPART中，针对此类攻击，QS拥有每个已知节点的k，而伪装节点中自己伪造的k值在QS中并没有保存记录，伪装节点的假数据不会被QS接收。

除了以上的完整性检测机制外， iESPART还多了回溯纠错的功能。第3章已经介绍了回溯纠错的算法，以下详细分析对节点出错可能性的判断：当只检测到某个单独节点A的MAC值与DATA不对应时，导致的原因可能有两种，一种是A的数据被篡改，将A节点视为坏节点；另一种是A节点在切片混合阶段收到了伪造或者重放的切片，即A节点为好节点，此时只需要进行多轮融合，若出错节点依旧是A节点，则为第一种情况，若有其他节点也出现错误，则为第二种情况。当检测到多节点出现MAC值与DATA值不对应时，可以通过检测这些节点是否都接收到某部分节点的切片，来判断是哪些节点出现了问题。将判断出问题的节点与出错节点同时屏蔽后，继续检测完整性，直到找出所有的错误节点。

4.3通信开销

通信开销一般从两个方面来检测：一是传送的数据包的个数，二是数据包中的数据量，即总通信数据量[6]。设N为节点数，C为节点采集数据量之和。

5结语

本文提出了一种新的具有隐私保护性与完整性检测的数据融合算法iESPART，它将ESPART中添入了完整性检测机制。相比另一种在SMART上添加完整性检测机制的算法iPDA，它在完整性检测方面更加完善，并且花费更少通信量。同时， iESPART的回溯纠错机制是iPDA所不具有的，这对提高网络的利用率有重要作用。

参考文献：

[1]MADDEN S， FRANKLIN M J， HELLERSTEIN J M. TAG： a tiny aggregation service for Ad Hoc sensor networks[C]// Proceedings of the 5th Symposium on Operating Systems Design and Implementation. New York： ACM Press， 2002： 131-146.

[2]HE W， LIU X， NGUYEN H， et al. PDA： privacypreserving data aggregation in wireless sensor networks[C]// Proceedings of IEEE INFOCOM 2007. Piscataway， NJ： IEEE Press， 2007： 2045-2053.

[3]BISTA R， KIM H D， CHANG J W. A new private data aggregation scheme for wireless sensor networks[C]// Proceedings of the 10th IEEE International Conference on Computer and Information Technology. Piscataway， NJ： IEEE Press， 2010： 273-280.

[4]BISTA R， YOO H K， CHANG J W. A new sensitive data aggregation scheme for protecting integrity in wireless sensor networks[C]// Proceedings of the 10th IEEE International Conference on Computer and Information Technology. Piscataway， NJ： IEEE Press， 2010： 2463-2470.

[5]GROAT M M， HE W， FORREST S. KIPDA： Kindistinguishable privacypreserving data aggregation in wireless sensor networks[C]// Proceedings of IEEE INFOCOM 2011. Piscataway， NJ： IEEE Press， 2011：2024-2032.