馮媛媛 易 欣 趙 麗

1(四川工程職業(yè)技術(shù)學(xué)院電氣信息工程系 四川 德陽 618000)2(山西大學(xué)軟件學(xué)院 山西 太原 030013)

0 引 言

機會路由OR(Opportunistic Routing)[1]算法是一組單播或組播的路由算法，它可以確保無線網(wǎng)絡(luò)中端到端之間分組路由的可靠性和有效性。與傳統(tǒng)的路由方案如DSV、AODV、OLSR等[2]不同，OR算法在路由過程的每一跳中，僅選擇一個節(jié)點作為下一跳的實際轉(zhuǎn)發(fā)器。同時向其傳輸數(shù)據(jù)包目的地和相鄰節(jié)點子集，作為潛在的下一跳轉(zhuǎn)發(fā)器。OR算法中的路由操作分為兩個階段：候選點選擇和候選點協(xié)調(diào)。其中，候選點選擇方法近年來受到研究者的高度重視。在候選選擇過程中使用不同的度量和參數(shù)，例如節(jié)點之間的通信鏈路的質(zhì)量、節(jié)點的地理位置以及潛在候選點的可信度等因素。

科研人員對OR中候選節(jié)點的選擇和協(xié)調(diào)方法進行了大量研究[3-4]。例如，極端機會路由(ECOR)[5]是一種基于OR算法的路由算法，這種路由使用預(yù)期傳輸計數(shù)(ETX)作為候選選擇的度量。簡單機會自適應(yīng)路由算法(SOAR)[6]同樣使用ETX指標(biāo)進行候選選擇，源節(jié)點和目標(biāo)節(jié)點之間的最短路徑使用ETX度量來計算，然后通過添加接近最短路徑的節(jié)點來選擇候選集合。最低成本機會路由(LCOR)[7]是另一種OR算法，這種路由使用預(yù)期任意路徑傳輸(EAX)度量來選擇候選節(jié)點，該算法能夠通過對網(wǎng)絡(luò)拓撲圖進行分析，進而發(fā)現(xiàn)最佳候選集合。與LCOR類似，文獻[8]提出一種代表最小傳輸選擇的MTS算法，同樣使用EAX度量來進行候選點的選擇。與這些只考慮候選節(jié)點之間鏈路質(zhì)量的算法不同，有一類算法考慮了節(jié)點的地理位置：文獻[9]提出的DPOR算法通過考慮每個候選點到目的地的距離來選擇候選集；在其改進版本DPOR[10]算法中，節(jié)點之間的鏈路傳遞概率和距離組合用于定義候選選擇的度量；文獻[11]和DPOR算法類似，也使用鏈路質(zhì)量和節(jié)點的地理位置來精確地選擇其下一跳轉(zhuǎn)發(fā)器。另外，還有一些考慮其他因素的算法。例如，文獻[12]提出了一種傳輸延遲有效的OR算法，提高了能量效率；文獻[13]在路由數(shù)據(jù)包傳達至目的地的過程中，考慮了服務(wù)質(zhì)量的計算。

目前，大多數(shù)研究主要關(guān)注可靠性方面，也就是說這些OR算法都遵循一個假設(shè)，即網(wǎng)絡(luò)中的所有節(jié)點都是良性的協(xié)作節(jié)點。然而，在實際情況下，網(wǎng)絡(luò)中可能會出現(xiàn)惡意節(jié)點，對無線網(wǎng)絡(luò)中的通信性能造成破壞性影響。例如，拒絕服務(wù)(DoS)攻擊[4]，其中當(dāng)惡意節(jié)點作為其他節(jié)點的下一跳轉(zhuǎn)發(fā)器時，這些節(jié)點傾向于丟棄所有收到的分組，并降低網(wǎng)絡(luò)性能。

目前，OR算法中惡意節(jié)點的影響尚未引起足夠的重視。因此，本文使用復(fù)權(quán)馬爾可夫鏈構(gòu)建一種基于OR的無線Mesh網(wǎng)絡(luò)的新模型，用于檢測系統(tǒng)中存在的惡意節(jié)點，防止其轉(zhuǎn)發(fā)數(shù)據(jù)包。其主要創(chuàng)新點在于：

(1) 采用了一種最新的馬爾科夫鏈技術(shù)，即復(fù)權(quán)馬爾可夫鏈來進行節(jié)點預(yù)測；

(2) 通過復(fù)權(quán)馬爾可夫鏈將機會路由中的惡意攻擊方式進行建模，通過狀態(tài)概率的計算來預(yù)測惡意節(jié)點。

1 路由中的安全問題

除可靠性要求之外，對于安全性的考慮也非常重要。在存在惡意節(jié)點的情況下，即使是最可靠的路由算法，在網(wǎng)絡(luò)中也不能有效的運行。研究表明，采用密碼方案是針對惡意節(jié)點的一種有效防御機制，它可以保證節(jié)點之間數(shù)據(jù)傳輸?shù)陌踩院屯暾?。但是，?dāng)涉及到逐跳路由中的節(jié)點協(xié)作時，就可能引入一系列不當(dāng)行為。例如，一些惡意節(jié)點可能會在網(wǎng)絡(luò)中注入虛假信息，或者阻止節(jié)點間的協(xié)作。

路由攻擊包括黑洞攻擊、灰洞攻擊和蠕蟲攻擊。在黑洞攻擊(即DoS攻擊)中，黑洞節(jié)點會傳輸錯誤的路由信息，試圖說服網(wǎng)絡(luò)中的其他節(jié)點選擇它們作為路由中的下一跳節(jié)點，從而試圖吸收盡可能多的數(shù)據(jù)包，并將它們丟棄?；叶垂羰呛诙垂舻囊粋€特殊變體。灰洞攻擊中，節(jié)點傾向于有選擇地丟棄一些接收的數(shù)據(jù)包并轉(zhuǎn)發(fā)其他數(shù)據(jù)包。在蠕蟲攻擊中，位于不同地區(qū)的兩個惡意節(jié)點相互串連，攻擊網(wǎng)絡(luò)。一旦惡意節(jié)點收到一個數(shù)據(jù)包，就通過一個私有信道把這個包發(fā)送到另一個區(qū)域，其他惡意節(jié)點將在其他區(qū)域重發(fā)數(shù)據(jù)包。

為了防御路由攻擊，科研人員提出了不同的方法。例如，為了識別網(wǎng)絡(luò)中不合作的節(jié)點，并相應(yīng)地將其隔離，提出信任和信譽管理協(xié)議。文獻[14]和文獻[15]提出了利用無線網(wǎng)絡(luò)中節(jié)點之間的直接、間接交互構(gòu)建一些信任和信譽模型。文獻[16]則引入機會網(wǎng)絡(luò)的信任計算方法，接收方節(jié)點通過發(fā)送正反饋消息(PFM)來確認機會網(wǎng)絡(luò)中另一個節(jié)點的合作性質(zhì)。

2 復(fù)權(quán)馬爾可夫鏈

馬爾可夫鏈[17]可以根據(jù)事件在以前某個時段的狀態(tài)轉(zhuǎn)移概率為基礎(chǔ)，預(yù)測該事件將來的狀態(tài)變化概率，它主要包括時間參數(shù)集T={0,1,2,…}和狀態(tài)參數(shù)集E={0,1,2,…}。而在實際應(yīng)用環(huán)境中，常用的是齊次馬爾可夫鏈[18]。假設(shè)參數(shù)u,k∈T，則：

Pij(u;k)∈E

(1)

式中：Pij(u;k)表示在u時刻，一個隨機事件的狀態(tài)i在通過k步狀態(tài)轉(zhuǎn)移計算后變成狀態(tài)j的概率，且該事件的狀態(tài)i發(fā)生在u時刻。

齊次馬爾可夫鏈在使用過程中將各種狀態(tài)轉(zhuǎn)移步長看作是同一個值，并不能得到準(zhǔn)確的狀態(tài)預(yù)測結(jié)果。而復(fù)權(quán)馬爾可夫鏈對各個步長區(qū)別對待，引入權(quán)重的概念，將各個狀態(tài)的預(yù)測概率當(dāng)作權(quán)重值，再根據(jù)對應(yīng)的狀態(tài)均值，實現(xiàn)數(shù)值預(yù)測。復(fù)權(quán)馬爾可夫鏈的具體步驟如下：

(1) 創(chuàng)建對象序列的狀態(tài)分級標(biāo)準(zhǔn)，根據(jù)聚類法、頻率曲線法等劃分不同的狀態(tài)，并確立對象序列的所屬狀態(tài)。

(2) 對于指標(biāo)值序列x1,x2,…,xn，當(dāng)其狀態(tài)由i變?yōu)闋顟B(tài)j時，經(jīng)歷的頻數(shù)用fij表示，且i,j∈E。然后計算出各個狀態(tài)的轉(zhuǎn)移規(guī)律，從而得出步長的狀態(tài)轉(zhuǎn)移頻數(shù)矩陣。

(3) 轉(zhuǎn)移概率Pij(i,j∈E)可以定義為第i行第j列的元素fij與各行總和的比值，如下式所示：

(2)

式中：m表示指標(biāo)值序列中可能呈現(xiàn)的狀態(tài)數(shù)量，m∈E。

(4) 邊際概率P.j可以定義為fij的第j列之和與各行各列的總和的比值，如下式所示：

(3)

統(tǒng)計量X2在序列長度足夠大時可表示為：

(4)

(5) 利用式(5)計算步長的自相關(guān)系數(shù)：

(5)

(6) 根據(jù)式(6)將各步長的自相關(guān)系數(shù)規(guī)范化：

(6)

式中：wk表示規(guī)范化后的自相關(guān)系數(shù)，c表示最大步長。

(8) 利用加權(quán)算法求和同一狀態(tài)的不同預(yù)測概率，可得該狀態(tài)的預(yù)測概率：

(7)

(8)

3 路由中惡意攻擊的馬爾可夫鏈模型

OR方法中的路由操作可以使用復(fù)權(quán)馬爾可夫鏈進行精確建模，復(fù)權(quán)馬爾可夫鏈中的每個狀態(tài)都使用一個元組來定義，該元組包含節(jié)點標(biāo)識符和特定節(jié)點中發(fā)生的重傳次數(shù)。文獻[19]提出的模型是評估網(wǎng)狀網(wǎng)絡(luò)OR性能的一般模型，但這種模型不適用于包含惡意節(jié)點的網(wǎng)絡(luò)。在很多情況下，由于硬件或軟件故障等原因，節(jié)點并不能像預(yù)期的那樣參與路由操作。本文提出了一種修改的OR算法模型，該模型在網(wǎng)絡(luò)中含有惡意節(jié)點的情況下使用復(fù)權(quán)馬爾可夫鏈。表1為本文所使用的符號和含義。

假設(shè)網(wǎng)絡(luò)中存在M個惡意節(jié)點，它們都可能執(zhí)行對應(yīng)的不合作行為。其中黑洞節(jié)點收到數(shù)據(jù)包后會將其惡意丟棄，但其卻宣稱轉(zhuǎn)發(fā)成功，并向所有其他候選點發(fā)送確認消息，指示它已經(jīng)轉(zhuǎn)發(fā)了分組數(shù)據(jù)。因此，前一跳和所有其他候選點需要阻止這樣的分組轉(zhuǎn)發(fā)，防止數(shù)據(jù)包永久丟失。

構(gòu)建一個N=5、K=3、M=1和C=2的線性拓撲結(jié)構(gòu)。在這個模型中，假設(shè)所有節(jié)點之間的距離相等，并且一個節(jié)點(ID=2)是唯一的惡意黑洞節(jié)點，即惡意節(jié)點可以收到所有數(shù)據(jù)包。為此，這樣的節(jié)點可以模擬為復(fù)權(quán)馬爾可夫鏈中的吸收狀態(tài)。更具體地說，一旦系統(tǒng)達到吸收狀態(tài)，它將保持在該狀態(tài)，并不再發(fā)生狀態(tài)之間的轉(zhuǎn)換。如圖1所示，由于ID=2的節(jié)點會丟棄對象，因此一旦系統(tǒng)達到狀態(tài)(2,0)，將不能把分組轉(zhuǎn)發(fā)到目的地，也不會重傳?？紤]到這一點，以及M個惡意節(jié)點的存在，可以計算系統(tǒng)中的狀態(tài)數(shù)量S：

S=(N-M-1)×(K+1)+M+2

(9)

吸收狀態(tài)的數(shù)量將等于M+2，對應(yīng)于M個惡意節(jié)點，以及一個失敗和一個成功狀態(tài)。此外，所提出的模型中瞬態(tài)的數(shù)量為(N-M-1)×(K+1)。一旦復(fù)權(quán)馬爾可夫鏈中的所有狀態(tài)都是已知的，就有可能創(chuàng)建一個包含狀態(tài)間轉(zhuǎn)移概率的隨機矩陣。使用該矩陣，可以提取所需的網(wǎng)絡(luò)參數(shù)，例如數(shù)據(jù)包傳輸率、丟包率等。

圖1 存在黑洞節(jié)點時的線性拓撲模型

圖2 轉(zhuǎn)移概率矩陣

當(dāng)網(wǎng)絡(luò)中惡意節(jié)點的數(shù)量較多，特定節(jié)點的所有候選都可能成為惡意節(jié)點。在這種情況下，由發(fā)送節(jié)點發(fā)送的所有數(shù)據(jù)包將被候選節(jié)點惡意丟棄，即在復(fù)權(quán)馬爾可夫鏈中數(shù)據(jù)包成功到達目標(biāo)節(jié)點的可能性為零，即源節(jié)點和目的節(jié)點之間不存在路徑。

4 基于馬爾可夫鏈模型的丟包率預(yù)測

4.1 計算轉(zhuǎn)移概率矩陣

(10)

(2)達到與其他候選對象相對應(yīng)的狀態(tài)(除了最高優(yōu)先級候選節(jié)點)：在這種情況下，從狀態(tài)(i,j)轉(zhuǎn)換到狀態(tài)(i′,j′)時，i′不是節(jié)點i的最高優(yōu)先級候選。此時狀態(tài)的轉(zhuǎn)換概率可以用下式表示：

(3) 達到重傳或失敗相對應(yīng)的狀態(tài)：如果在傳輸過程中沒有候選點接收到數(shù)據(jù)包，發(fā)送節(jié)點傾向于執(zhí)行重傳，最多發(fā)生K次重傳。在這之后，如果沒有候選點接收到數(shù)據(jù)包，則從網(wǎng)絡(luò)中永久丟棄該節(jié)點。計算重傳或包傳輸失敗的概率用下式表示：

(12)

4.2 丟包率的計算

通過計算每個與惡意節(jié)點相關(guān)的從初始狀態(tài)到達吸收狀態(tài)的概率，然后將它們組合起來得到丟包率。通過丟包率的預(yù)測來判別一個節(jié)點是否為惡意節(jié)點。

顯然，OR算法中的初始狀態(tài)與產(chǎn)生數(shù)據(jù)包的源節(jié)點有關(guān)。式(13)顯示了OR的初始狀態(tài)。從初始狀態(tài)V經(jīng)過h次轉(zhuǎn)換之后到達任意狀態(tài)的概率可以使用ph來表示，初始狀態(tài)表示為：

V=[1 0 … 0]

(13)

本文假設(shè)網(wǎng)絡(luò)中只有一個節(jié)點作為源節(jié)點，即ID=0節(jié)點。這個節(jié)點就有必要計算到達與惡意節(jié)點相關(guān)的每個吸收狀態(tài)的概率，矩陣V×Ph中的元素(0，BHi)表示惡意節(jié)點BHi接收且丟棄數(shù)據(jù)包的概率。那么，所有惡意節(jié)點丟棄的數(shù)據(jù)包的總體比率如式(14)所示,其中M是惡意節(jié)點的數(shù)量。由此可以確定達到成功或失敗狀態(tài)的概率，這些值分別代表到達目的地的概率或分組失敗的概率。

(14)

5 仿真分析

利用NS 2.35仿真軟件構(gòu)建仿真環(huán)境，分別將本文提出的模型與經(jīng)典的三種OR算法(MTS算法[8]、POR算法[9]和DPOR算法[10])進行比較。其中，MTS使用節(jié)點之間的鏈路傳遞概率來選擇候選，其證明了可以根據(jù)期望的傳輸次數(shù)(ETX)選擇最佳的候選集合。POR算法則考慮了候選節(jié)點的地理位置，為每個節(jié)點選擇候選集合。DPOR中候選點的選擇不僅考慮了它們的位置，還考慮了鏈接的質(zhì)量。

在仿真過程中引入了黑洞攻擊，一旦惡意節(jié)點接收到分組，就會通知所有其他候選點(以及前一跳節(jié)點)它已經(jīng)接收并轉(zhuǎn)發(fā)該分組。其他候選點和前一跳節(jié)點會假定該分組已經(jīng)發(fā)送，并且讓這些節(jié)點放棄發(fā)送或重發(fā)分組。

5.1 仿真設(shè)置

本文使用陰影衰落傳播模型進行節(jié)點之間的無線通信，參數(shù)如表2所示。對于單個傳輸?shù)姆纸M，使用下式計算信號接收到的功率：

(15)

式中：d表示傳播距離，Pr(d)表示距離d處的接收功率，用分貝表示，即單位為dBW，Pt表示發(fā)射功率，Gt表示發(fā)射天線的增益，Gr表示接收天線的增益，λ是信號波長，β是系統(tǒng)損耗，XdB代表均值為零、標(biāo)準(zhǔn)偏差為σdB的高斯隨機變量。當(dāng)發(fā)送一個數(shù)據(jù)包時，如果接收節(jié)點的接收功率大于或等于一個閾值，比如RXThresh，節(jié)點可以成功接收數(shù)據(jù)包。因此，可以使用文獻[10]中的方式計算在距離d處節(jié)點x和y之間的傳遞概率，如下式所示：

linkprob(x,y)=Probability(Pr(d)≥10log10(RXThresh))

(16)

表3列出了仿真研究中使用的所有參數(shù)。為深入研究各種參數(shù)的影響，選擇三個不同的參數(shù)進行實驗，包括惡意節(jié)點數(shù)量、節(jié)點密度和最大候選數(shù)量。所有參數(shù)都設(shè)置為默認值，然后每次更改一個參數(shù)，計算丟包率、數(shù)據(jù)包傳輸率和跳數(shù)。

表3 仿真參數(shù)

5.2 結(jié)果分析

5.2.1惡意節(jié)點數(shù)量對性能的影響

本節(jié)介紹惡意節(jié)點數(shù)量對網(wǎng)絡(luò)丟包率和傳輸率性能的影響，其中惡意節(jié)點的數(shù)量從0變?yōu)?5。由以下仿真結(jié)果可知，惡意節(jié)點會對網(wǎng)絡(luò)性能參數(shù)產(chǎn)生顯著的破壞性影響。

(1) 丟包率。圖3顯示了惡意節(jié)點數(shù)量對丟包率的影響。丟包率表示為惡意節(jié)點丟棄的數(shù)據(jù)包總數(shù)與生成的數(shù)據(jù)包總數(shù)的比例。顯然，隨著惡意節(jié)點數(shù)量的增加，丟包率也會隨之上升。這是因為當(dāng)網(wǎng)絡(luò)中存在更多的惡意節(jié)點時，算法中選擇這些節(jié)點作為候選點的概率增加，因此這些惡意節(jié)點有更多機會通過捕獲數(shù)據(jù)分組來攻擊網(wǎng)絡(luò)，并相應(yīng)地丟棄數(shù)據(jù)包。

在現(xiàn)有的三種算法中，POR算法有最低的丟包率。POR算法的重點是最小化每個數(shù)據(jù)包的跳數(shù)，這么做降低了惡意節(jié)點接收數(shù)據(jù)包的概率。而在MTS算法中，由于整體傳輸數(shù)據(jù)包較少，惡意節(jié)點捕獲數(shù)據(jù)包的可能性也較小，其丟包率相應(yīng)較低。而本文提出的算法中丟包率最低，這是因為本文通過復(fù)權(quán)馬爾可夫鏈來檢測惡意節(jié)點，能夠有效避開惡意節(jié)點轉(zhuǎn)發(fā)數(shù)據(jù)，但是當(dāng)惡意節(jié)點數(shù)量較多時，會出現(xiàn)不得不通過其轉(zhuǎn)發(fā)數(shù)據(jù)的情況。

圖3 惡意節(jié)點數(shù)量對丟包率的影響

(2) 傳輸率。圖4顯示了惡意節(jié)點數(shù)量對數(shù)據(jù)包傳輸率的影響。傳輸率是目標(biāo)節(jié)點接收數(shù)據(jù)包總數(shù)與生成的數(shù)據(jù)包總數(shù)的比例。由圖4可知，增加惡意節(jié)點的數(shù)量將導(dǎo)致所有算法的傳輸率下降，因為惡意節(jié)點數(shù)量的增加將導(dǎo)致捕獲和丟棄的數(shù)據(jù)包數(shù)量增加，這顯然會導(dǎo)致傳輸率較低。

在現(xiàn)有的三種算法中，POR算法的傳輸率受惡意節(jié)點的影響較大，這是因為該算法能夠減少在源和目的地之間接收分組的潛在跳數(shù)；MTS算法具有較好的傳輸率性能。本文算法在傳輸率方面同樣獲得了最佳的性能。

圖4 惡意節(jié)點數(shù)量對數(shù)據(jù)包傳輸率的影響

5.2.2節(jié)點密度對性能的影響

本小節(jié)研究節(jié)點密度變化對網(wǎng)絡(luò)性能的影響。對于這種評估，網(wǎng)絡(luò)尺寸將從300×300平方米變?yōu)? 000×1 000平方米，而惡意節(jié)點的數(shù)量都設(shè)置為6個節(jié)點。

(1) 丟包率。圖5顯示了網(wǎng)絡(luò)大小變化對丟包率的影響。通過擴大網(wǎng)絡(luò)規(guī)模，各種算法的丟包率都是上升到一定水平后開始下降。因為對于較小的網(wǎng)絡(luò)，例如300×300平方米，源與目的地之間的路徑更短，分組數(shù)據(jù)需要較少的跳數(shù)就能到達目的地。這降低了惡意節(jié)點接收數(shù)據(jù)包的可能性。相比之下，通過擴大網(wǎng)絡(luò)大小，在路由數(shù)據(jù)包傳遞到目的地的過程中涉及到更多的節(jié)點，這為惡意節(jié)點捕獲更多的數(shù)據(jù)包提供了更多的機會。但是，當(dāng)網(wǎng)絡(luò)規(guī)模過大時，比如1 000×1 000平方米，節(jié)點之間的平均距離也增大，因此，由于無線信道的阻塞，網(wǎng)絡(luò)中會有大量的數(shù)據(jù)包丟失。雖然惡意節(jié)點仍然可能被其他節(jié)點選為潛在的候選對象，但是只有較少的數(shù)據(jù)包能夠到達目的地。其中，POR算法性能較好，DPOR算法性能最差，本文算法同樣獲得了最佳性能。

圖5 網(wǎng)絡(luò)大小對丟包率的影響

(2) 傳輸率。圖6顯示了網(wǎng)絡(luò)大小變化對傳輸率的影響。增加網(wǎng)絡(luò)規(guī)模時，各種算法的傳輸率都逐漸下降。其原因是惡意節(jié)點會捕獲和丟棄一些接收到的數(shù)據(jù)包，并且隨著網(wǎng)絡(luò)規(guī)模的擴大，節(jié)點之間的距離也越來越大，數(shù)據(jù)包丟失的可能性也越來越大，因此，更少的數(shù)據(jù)包將有機會成功傳輸?shù)侥康牡?。其中，MTS算法的數(shù)據(jù)傳輸性能較佳，DPOR算法的數(shù)據(jù)傳輸性能最差，POR算法的數(shù)據(jù)傳輸性能整體優(yōu)于DPOR算法，這是由于POR算法將嘗試減少源和目的地之間的跳數(shù)，這就使得接收到惡意節(jié)點的數(shù)據(jù)包的可能性減小，傳輸比率提高。本文算法獲得了與MTS算法相似的性能。

圖6 網(wǎng)絡(luò)大小對數(shù)據(jù)包傳輸率的影響

5.2.3最大候選節(jié)點數(shù)量對性能的影響

在這種情況下，候選的最大數(shù)目從1個節(jié)點變?yōu)?個節(jié)點，其他參數(shù)則設(shè)置為其默認值。

(1) 丟包率。圖7顯示了最大候選節(jié)點數(shù)量對丟包率的影響。當(dāng)候選點數(shù)目超過2個時，DPOR算法的丟包率變化并不明顯，而POR算法的丟包率呈現(xiàn)明顯上升的趨勢，這是因為少數(shù)候選點由于傳播模型中的分組丟失和能量損失而導(dǎo)致丟失大量分組。事實上，增加候選集中節(jié)點的數(shù)量會減少數(shù)據(jù)包丟失的機會，同時增加選擇更多惡意候選的可能性。當(dāng)候選點數(shù)量從1變化到3時，MTS算法的丟包率呈現(xiàn)略微下降的趨勢，當(dāng)候選節(jié)點數(shù)量大于3時，丟包率幾乎不變。與DPOR算法相比，MTS算法中惡意節(jié)點可以捕獲更少的數(shù)據(jù)包。本文算法中，能夠有效識別惡意節(jié)點，所以在候選節(jié)點數(shù)量變化時，丟包率保持在較低的水平。

圖7 最大候選節(jié)點數(shù)量對丟包率的影響

(2) 傳輸率。圖8為最大候選節(jié)點數(shù)量對數(shù)據(jù)包傳輸率的影響。在POR算法中，隨著候選數(shù)目的增加，分組丟失的概率減小，而算法嘗試通過選擇離目的地最近的節(jié)點來減少跳數(shù)。因此，將數(shù)據(jù)包發(fā)送到目的地的可靠性增加，相應(yīng)的數(shù)據(jù)包傳輸率也增加。當(dāng)候選集的最大數(shù)目少于3個節(jié)點時，POR算法表現(xiàn)出較差的傳輸率。DPOR算法將地理信息與節(jié)點之間的鏈路傳遞概率結(jié)合起來，具有較好的傳輸率。當(dāng)候選點數(shù)量從1變化到3時，POR和DPOR算法的傳輸率逐漸增加，直到候選點的數(shù)量大于3個時，傳輸率趨于穩(wěn)定?？偟膩碚f，MTS算法在傳輸率方面的性能較好。由于本文算法受候選節(jié)點數(shù)量的影響較小，所以傳輸率也保持在一個較高的水平。

圖8 最大候選節(jié)點數(shù)量對數(shù)據(jù)包傳輸率的影響

6 結(jié) 語

本文研究了無線網(wǎng)絡(luò)中惡意節(jié)點對機會路由算法的影響，利用復(fù)權(quán)馬爾可夫鏈設(shè)計并實現(xiàn)了一個新的分析模型來演示惡意節(jié)點的存在。另外，為了檢測惡意節(jié)點，引入了一種計算丟包率的方法。在設(shè)計了機會路由算法后，將黑洞攻擊作為惡意行為的一個例子，設(shè)計并實施了一套綜合的性能評估方案，對本文算法和三種經(jīng)典的機會路由算法進行了仿真分析。結(jié)果表明，本文提出的模型能夠有效檢測惡意節(jié)點，提高網(wǎng)絡(luò)性能。