基于信用度机制的移动延迟容忍传感网中继传输优化算法*

王金翔，王 恒，谢娅娅

(荆楚理工学院电子信息工程学院，湖北 荆门 448000)

随着“中国智造2025”计划不断推进，传统无线传感网技术也发生了日新月异的变化，特别是第五代移动通信技术在传感领域的推广，使得传感网络从仅有数据采集、汇聚等功能转型为兼具数据采集、自主裁决、延迟传输等新技术形态的移动延迟容忍传感网(Mobile Delay Tolerant Sensor Network，MD-TSN)，正在国民经济体系中发挥举足轻重的作用[1]。 传统组网技术关于数据传输均需要遵循端到端路径假设情形，由于当前传感节点往往具有移动特性，使得该假设出现失效[2]。 这是由于传感节点处于移动状态时网络拓扑结构更迭频繁，网络时延较为严重，需要依托中继节点并采取“存储-滞留-发送”模式进行数据传输[3]。 因此，传感节点在布撒过程中需要中继节点在共享自身资源的同时，进一步打通处于拓扑更迭及高时延状态的网络，以便能够更好地提供网络传输服务[4]。

然而，移动延迟容忍传感网在部署过程中，传感节点因能量受限、缓存不足、带宽制约等因素出现离线现象，导致当前网络服务出现中断并使网络传输出现抖动[5]。 因此，采取一定技术手段规避这种现象，进而提高移动延迟容忍传感网传输性能，正在日益成为研究热门领域之一[6]。 Salim 等[7]提出了一种基于自适应多权值传感网分簇传输算法，根据剩余能量、簇头之间的距离和最佳成员节点数来选择簇头，选取更接近密度中心的高剩余能量节点作为中继节点，从而形成CH 候选的初始集，具有网络传输带宽较高的特点。 然而，该算法未考虑节点移动状态下存在的离线现象，使得中继节点可用性不强，链路抖动严重，难以适应移动网络部署环境。Nilabar 等[8]提出了一种三角模糊谱聚类机制的传感网传输算法，首先根据能量水平对传感节点进行分组，选择剩余能量和信号强度较高的传感器节点作为簇头，采用直传模式将数据传输至目的节点，具有部署较为便捷的特性。 但是，该算法在中继节点出现拒绝服务现象时采用重传输机制进行数据传输，网络拥塞控制性能不高，降低了该算法的网络传输带宽。 Jyoth 等[9]提出了一种基于星型拓扑分割方案的传感网传输算法，利用星型定位概念来优化无线传感器网络的分簇性能，以最大限度地节省簇头资源消耗为目标，具有传输性能较高的特点。 然而，该算法未考虑中继节点可能存在的服务拒绝现象，易造成簇内区域拥塞现象，使得算法在移动条件下的网络传输性能较差。 Ullah 等[10]提出了一种基于多社交协同机制的移动延迟容忍网络传输优化算法，该算法按照能耗指标实现多区域节点协同传输，能够以较高的效率实现数据投递。 不过，该算法对网络环境稳定性要求较高，拓扑处于动态变化时较易出现数据传输抖动现象。 Priyankay 等[11]提出了一种基于旅行分区调度机制的移动延迟容忍网络传输优化算法，优选具有较优传输性能的节点作为中继节点，采用旅行机制实现区域遍历，能够迅速形成数据传输链路，网络收敛性较高。 不过，由于该算法在区域划分完毕后将不再进行链路更新，所筛选出的中继节点出现抖动时难以及时实现更换，因此该算法数据传输性能较低。

为了改善网络的传输能力，本文提出了一种基于信用度机制的移动延迟容忍传感网传输优化算法。 首先，引入副本机制设计了鉴权信息结构，采取成功投递鉴权(Successful Delivery Authentication，SDA)模式对中继节点行为进行评估，量化解析中继节点的转发性能，增强网络对中继节点的筛选能力。其次，采用双线性映射方案构建基于身份鉴权机制的中继节点可信度确认方法，拒绝服务能力较差的中继节点加入传输链路，提高所选中继节点的传输能力。 并采用信用分级模式构建了基于信用度机制的节点激励方法，筛选信用值较高的节点作为备用中继节点，惩罚拒绝提供服务的中继节点，从而优化了源节点与目的节点间的传输路径，提高网络传输质量。 最后，采用MATLAB 仿真实验平台证明了本文算法的性能。

1 移动延迟容忍传感网络模型概述

一般而言，移动延迟容忍传感网近年来多用于智能汽车、无人机组网等领域，具有节点分布较为稀疏的特点，如智能汽车等应用场景中，每百平方米节点一般仅有1～2 个。 因此，数据传输过程中需要对网络传输时延、丢包等具有较高的容忍特性。 此外，移动延迟容忍传感网节点部署具有多制式特性，其网络成型过程一般不采用分簇结构[12]，各传感节点均可作为数据传输过程中的中继节点，见图1。 由于传感节点分布区域较为宽广，分布密度较为稀疏，各节点间很难存在具有持续传输能力的中继节点。当各节点处于通信范围之内时方有一定概率建立传输链路并进行数据通信。 若各节点间均没有持续通信能力或出现能量受限，网络拓扑将处于中断状态。

图1 移动延迟容忍传感网节点部署

考虑到网络节点存在的稀疏特性，本文网络采取多重传输机制:源节点A发送数据过程中将同时生成多个数据副本，数据副本被传输至Sink 节点的过程将经过多个中继节点。 各中继节点转发数据副本时将添加鉴权信息Message(A):

式中:B(A)表示源节点A所发送的数据，IDsource表示源节点的ID 信息，Mid(A)表示中继节点信息，Ts(A)表示B(A)对应的时间戳，Auth(A)表示源节点A的鉴权报文。 式(1)所示数据报文中，数据段主要为中继节点位置相关信息及时间戳，鉴权失败时将自动丢弃该报文。 考虑到移动延迟容忍传感网节点分布具有的系数特性，源节点同时发送的副本数目一般不超过3 个，且鉴权失败时将自动丢弃相应副本，因此多重传输机制对网络负载贡献程度有限。

为进一步提高网络对节点中继传输能力的预测，采取成功投递鉴权(Successful Delivery Authentication，SDA)模式对中继节点行为进行评估。 SDA模式首先需要构建一个可由任意节点i维护的鉴权列表SDA(i)，SDA(i)涵盖与节点i有数据交互行为的节点信息。 节点i通过周期机制遍历SDA(i)并更新如下参数:

Serv(i，i＋1)表示节点i＋1 为节点i提供中继服务的总频次。

Suss(i，i＋1)表示节点i＋1 为节点i成功进行中继转发的总频次。

网络成型后，各节点均有自己的鉴权列表。 当节点i完成遍历后，将按如下规则更新鉴权列表SDA(i):

Step 1 节点i作为源节点，向下一跳节点i＋1发送式(1)所示的鉴权信息结构。

Step 2 节点i＋1 发现接收到的鉴权信息结构与自身鉴权列表SDA(i＋1)有差异时，将向节点i反馈信息并同时将信息发送至下一跳节点i＋2，见图2。

图2 鉴权成功投递规则

Step 3 节点i＋2 在收到信息后，向节点i＋1 反馈鉴权信息，此时节点i＋1 将自身鉴权列表SDA(i)中参数Serv(i，j)及Suss(i，i＋1)均增加1，说明节点i＋1 可以作为节点i 的中继节点。

但是，单纯依靠SDA 模式进行评估可能存在鉴权失败的问题，这主要由于MD-TSN 网络节点具有移动特性，使得网络拓扑更迭较快。 考虑到节点间传输延时较长，各节点在等待接收到鉴权列表信息时有较高概率处于离线状态。 因此需要进一步提高节点对离线状态的辨别能力，以便网络能够快捷进行拓扑维护并稳定数据传输质量。

2 本文移动延迟容忍传感网传输优化算法设计

针对节点存在的离线现象，本文提出了一种基于信用度机制的移动延迟容忍传感网传输优化算法。 该算法主要由基于身份鉴权机制的中继节点可信度确认方法和基于信用度机制的节点激励方法两部分构成。 当网络节点收到数据时，首先查询自身覆盖范围内的节点，按照身份鉴权机制确定可用节点，处于离线状态的节点将被筛出，下一跳节点将按照信用度机制得到激励，优选具有较高传输性能节点用以进行中继传输，从而达到稳定网络传输的目的。 详细设计如下:

2.1 基于身份鉴权机制的中继节点可信度确认

考虑到节点传输时延具有容忍特性，中继节点均需要通过基站实现身份或信息确认，确认过程需要依赖于密钥基站予以实现，以便能够在时延较长的前提下进一步确保中继节点的可信性。 不妨设MD-TSN 中Sink 节点作为基站，该基站负责对整个网络派发密钥，网络节点在执行中继任务前均需要领取密钥，该密钥按照双线性方式生成[13]。 为便于下文介绍密钥生成过程，首先介绍双线性映射定理[14]:

定理1不妨设D1和D2均为阶数的乘法循环域和加法循环域，其中D1的生成元为R，则双线性映射f:D1*D2⇒D2满足如下模型:

①双线性(Quadratic Linearity)性质。 对于D1中任意元素A和B，若存在线性系数x和y隶属于D1，则有如下模型成立:

②映射发散性(Divergence of Mapping)。 满足式(2)的双线性映射f:D1*D2⇒D2同将不会退化为D2:

③可测性(Testability)。 对于D1中任意元素A和B，双线性映射f均可将D1映射为非空域:

式中:Ω0表示非空域。

按式(2)～式(4)所示的方法生成密钥，具体步骤如下:

Step 1 Sink 节点选取中D1任意某个元素C作为私钥，其中D1的生成元为R1，则私钥RC按如下模型生成:

Step 2 采用哈希映射[15]生成Sink 节点公钥sinkR:

Step 3 Sink 节点对新加入节点均分配注册鉴权参数Auth(sink)，见图3。 具体生成方式如下:

图3 密钥生成与节点注册

式中:f代表双线性映射。

Step 4 新加入节点在注册身份信息后，将根据式(7)获取注册鉴权参数，并按式(5)获取公钥。 密钥生成过程结束。

节点w1加入网络并进行注册后即开始向最终节点E1传输数据，详细步骤如下:

Step 1 节点w1注册完毕后，通过查询Sink 节点信息获取可用中继节点集合Z(w1):

Step 2 按式(1)获取节点的的鉴权信息结构:

式中:B(w1) 表示源节点w1所发送的数据，IDsource[w1]表示源节点w1的ID 信息，Mid(w1)表示中继节点信息，Ts(w1)表示B(w1)对应的时间戳，Auth(w1)表示源节点w1的鉴权报文。

Step 3 按式(7)获取Sink 节点分配的注册鉴权参数Auth(sink)，联立式(6)、式(9)构建节点w1的身份签名(Identity Signature，IS)IS(w1)如下:

式(10)中参数同式(9)。

Step 4 将节点w1的身份签名IS(w1)及所发送的数据B(w1)传输至下一跳节点，并更新中继节点信息Mid(w1):

式中:Mid0(w1)表示源节点w1进行数据发送时的中继节点信息。

Step 5 循环进行Step 1 ～4，见图4，最终搜寻到的传输路径L(w1)为:

图4 传输路径初始化过程

式中:ui表示第i个中继节点，E1表示最终节点。

节点w1搜寻传输路径时，可能存在搜寻路径不唯一的情形。 因此，当第i个中继节点ui接收到数据报文时，将按如下步骤进行路径校验B(w1)和IS(w1):

Step 1 针对接收到的数据B(w1)，检验其时间戳Ts(w1)，当时间戳未过期时，继续校验身份签名IS(w1)。

Step 2 Sink 节点对身份签名IS(w1)进行验证，当身份签名为合法签名时，继续进行签名确认，见图5。

图5 中继节点的身份签名验证

Step 3 按式(2)、式(4)所示的双线性映射，对身份签名IS(w1)进行验证，通过验证的节点被选为中继节点。 验证方法如下:

式(13)中参数同式(10)。

当节点w1所提身份签名被中继节点ui证实后，将按如下流程继续发送至下一跳中继节点ui＋1，见图6:

图6 中继节点双向链路的稳定性鉴权过程

Step 1ui按照式(1) 生成鉴权信息结构Message(ui)，下一跳节点ui＋1可通过该鉴权信息结构获取源节点w1信息。

Step 2ui将Message(ui)发送至上一跳节点ui-1，说明节点w1所上传的源数据已经被成功转发。

Step 3 下一跳节点ui＋1收到鉴权信息结构Message(ui)后，将重新生成Message(ui＋1)并发送至中继节点ui。 当节点w1可解析到路径中全部中继节点所传送的Message(u1)、Message(u1)、…、Message(ui)，时，说明式(12)所确定的传输链路具有稳定特性，可用于数据传输。

可信度确认过程主要新增能量消耗为副本传输能耗，由于移动延迟容忍网络节点具有系数特性，副本传输数量有限，因而该过程将不会显著增加传输能耗。

2.2 基于信用度机制的中继节点激励

通过基于身份鉴权机制的中继节点可信度确认方法，可为节点w1提供一条或多条传输链路用以进行数据传输，周期性更新这些链路信息即可确保节点w1不处于离线状态。 不过，由于移动延迟容忍传感网节点均具有自私特性，即出现能量受限、带宽激增情况时将会拒绝对节点w1提供转发服务。 因此节点w1需要对中继节点相关行为建立信用度机制，数据传输将优先选取信用度较高的中继节点。 首先对信用度组成参数做出如下规定:

定义1一级信用值(First Class Credit Value，FCCV)。 一级信用值FCCV[ui，uj｜Tn]指中继节点uj通过计算后产生的分数，uj与当前中继节点ui存在直接数据传输关系，其中Tn表示第n个数据传输周期。

定义2次级信用值(Secondary Credit Value，SCV)。 次级信用值SCV[ui，uj｜Tn]指中继节点uj通过计算后产生的分数，但uj与当前中继节点ui不存在直接数据传输关系，不过uj亦在ui的传输链路上，其中Tn表示第n个数据传输周期。

定义3信用值(Credit Value，CV)。 信用值CV[ui｜Tn]指当前中继节点ui基于FCCV[ui，uj｜Tn]和SCV[ui，uj｜Tn]后所获取的最终分数，其中Tn表示第n个数据传输周期。 可由如下模型获取:

式中:μ表示积累系数，该数值越高说明中继节点ui的信用越好，该数值可设定为ui的周期成功转发频次。 根据定义2，FCCV[ui，uj｜Tn]可由与中继节点ui有直接数据传输关系的节点uj进行评估:

式中:ω表示一级信用参数，zij(Tn)表示第n个数据传输周期内节点ui成功转发数据次数，Fij(Tn)表示第n个数据传输周期内节点ui拒绝转发数据次数。显然，Fij(Tn)越高说明中继节点ui的一级信用值越低。

为确保网络可根据式(14)所确定的CV[ui｜Tn]对离线状态的中继节点节点进行惩罚，本文构建一级信用参数ω如下:

式中:P(ui，Tn)表示节点ui在第n个数据传输周期内的拒绝服务概率。

联立式(15) ～式(16)得到一级信用值FCCV[ui，uj｜Tn]后，继续通过下式获取次级信用值SCV[ui，uj｜Tn]:

式(17)中num 表示参与获取信用值的节点总数，Tn-1表示第n-1 个传输周期，net 表示整个网络中可用节点组成的集合。

联立式(15)～式(17)即可获取中继节点ui在任意传输周期内的信用值。 节点w1传输数据时，针对所遇到的多个中继节点u1、u2、…、ui，逐个获取CV 值，选取信用值最大的节点ui作为中继节点，若节点ui在当前周期内成功传输数据则CV 值将增加，从而得到激励，下一时刻将有更高几率被选取为中继节点。 若节点ui在当前周期内未能成功传输数据则CV 值将减少，从而受到惩罚，下一时刻将有较低几率被选取为中继节点，见图7。

图7 基于信用度机制的中继节点激励过程

综上所述，本文算法首先通过双线性方式生成加密密钥，以规避恶意节点混入网络的安全风险，链路形成过程中采用双向鉴权方式对传输链路予以进一步优化，解析出一条具有较高可用性的链路，以达到稳定数据传输的目的。 随后，考虑到传输链路存在的多态特性，通过计算信用度的方式对中继节点予以激励，将具有较高信用度的中继节点赋以较高的数据传输概率，从而进一步提升中继节点的数据传输效果。

3 本文算法时间复杂度分析

不妨设网络节点总数为n，算法主要由基于身份鉴权机制的中继节点可信度确认方法和基于信用度机制的节点激励方法两部分构成，在基于身份鉴权机制的中继节点可信度确认方法中，节点的注册过程需要对全网节点进行遍历，时间复杂度为o(n)，传输路径验证过程中需要采用双线性方式对节点予以确认，该过程也依赖于节点的首次全网遍历，因而基于身份鉴权机制的中继节点可信度确认方法的整体时间复杂度为o(n)。 基于信用度机制的节点激励方法为所提算法的第二个执行过程，该过程执行时将对网络中经过确认的节点(不妨设个数为m)进行递归排序计算，递归过程需要不断筛选出信用值最大的节点，因而时间复杂度为o(m2)。综合上述部分的时间复杂度，可知所提算法的时间复杂度为o(n)＋o(m2)。 若移动延迟容忍网中节点均能得到注册验证，则所提算法的整体时间复杂度近似满足o(m2)。

4 实验与分析

为便于对比所提算法的性能，设置MATLAB 作为仿真实验环境[16]。 节点分布为矩形，大小为10 240 m×10 240 m，布撒后移动速度可设，其余仿真参数见表1。 为突出所提算法的性能，特别是考虑到延迟容忍技术中因容忍特性所带来的路由多跳及多径传输特性，将业界常用的基于能量多跳路由机制的传感网传输算法[17](Energy-Efficient Multihop Routing in WSN Using the Hybrid Optimization Algorithm，EEMR 算法)和基于模糊-猫群优化机制的无线传感网多径传输算法[18](Multipath Data Transmission in WSN Using Exponential Cat Swarm and Fuzzy Optimisation，MD-CSFO 算法)设置为对照组。 测试指标为路径抖动频次、中继节点离线率、网络传输带宽三项。

表1 仿真参数

路径抖动频次:该项指标为累积值，当网络开始运行后，以第一次发生数据传输失败为起始点，网络所记录下的数据传输失败总次数。

中继节点离线率:该项指标为实时值，指无法提供服务的中继节点在整体中继节点中的占比，显然该指标越高说明中继节点使用情况不佳，需要采取措施稳定数据传输链路。

网络传输带宽:网络传输带宽指终端节点接受到的传输带宽总和，显然网络传输带宽越高说明数据传输链路稳健性也就越强，网络服务质量也越优越。

4.1 路径抖动频次测试

图8 所示为所提算法、EEMR 算法及MD-CSFO算法在不同节点运动速度下的路径抖动频次测试结果。 由图可知，各算法均具有路径抖动频次较高的特点，这是由于移动延迟容忍传感网具有节点移动性和传输抖动性，需要适应环境的多径传输、多跳传输及拓扑高抖动特点，因而为达到较高的传输质量需要对路径予以多次试探，因而路径抖动频次较高。不过，所提算法对路径抖动现象的抑制能力较强，路径抖动频次始终处于较低水平，显著低于对照组算法。 这是由于本文算法针对网络节点存在的稀疏特性，采取鉴权机制对链路进行固化处理，能够有效规避服务质量较差的节点被选为中继节点，因此链路稳定、性能较高。 特别是所提算法通过设计节点信用值，能够量化评估节点服务能力，所选节点均为信用值最高的节点，具有网络路径稳定性能较高的特点。 EEMR 算法主要按照最优跳数进行中继节点筛选，并使用低能量自适应分簇层次协议选择簇头，以最小化网络中的通信量。 但是，该算法未对中继节点可能存在的拒绝服务现象进行评估，所筛选中继节点的链路抖动抑制效果较差，使得算法整体网络路径稳定性能受到严重影响，路径抖动频次较高。MD-CSFO 算法主要采用猫群搜索机制筛选中继节点，筛选过程存在业务密度和链路寿命因素占比较高的特点，网络节点处于移动状态时将会导致业务密度急剧下降，使得中继节点拒绝服务现象出现频率要高于所提算法，因此路径抖动频次较高。

图8 路径抖动频次测试

4.2 中继节点离线率测试

图9 所示为所提算法、EEMR 算法及MD-CSFO算法在不同节点传输率下的中继节点离线率测试结果。 由图可知，所提算法具有中继节点服务能力较高的特性，离线率要显著低于对照组算法。 这是由于本文算法针对中继节点具有的移动特性，对可提供服务的中继节点进行双向鉴权，全链路上可用中继节点均能以周期形式被源节点所感知，被筛选的中继节点服务能力较强，因而具有离线率较低的特点。 EEMR 算法单纯采用最优跳数筛选中继节点，所选中继节点在能量受限时将处于离线状态，特别是该算法在出现中继节点拒绝服务现象时并未采取剔除措施，使得服务能力较低的中继节点将有较高概率被用于数据传输，链路抖动较为频繁，使得中继节点离线率亦要高于本文算法。 MD-CSFO 算法主要根据中继节点服务热度，采取猫群搜索机制对链路寿命较长的中继节点进行筛选。 不过，该算法路由于更新周期较长，移动节点适用性不足，网络拓扑出现频繁更迭时难以将中继节点信息通知源节点，离线状态的中继节点将有较高概率继续进行数据中继传输，因而存在中继节点服务质量较低的不足，导致该算法的中继节点离线率亦要高于所提算法。

图9 中继节点离线率测试

4.3 网络传输带宽

图10 所示为所提算法、EEMR 算法及MD-CSFO算法在不同节点密度下的网络传输带宽测试结果。由图可知，所提算法的网络传输带宽始终较高，具有网络传输能力较强的特性。 这是由于本文算法针对网络中继节点拒绝服务现象，设计了基于身份鉴权机制的中继节点可信度确认方法。 中继节点提供服务前均需要通过Sink 节点进行注册并进行鉴权，鉴权过程中将逐跳对中继节点进行筛选，优选具有较高信用值的中继节点，因而具有网络传输带宽较高的特点。 EEMR 算法主要按照跳数最小原则优选网络传输链路，未考虑中继节点拒绝服务情形，当中继节点出现拒绝服务时将会出现较为严重的网络数据重传输现象，使得网络拥塞严重，降低了网络传输带宽。MD-CSFO 算法虽然采取猫群搜索机制优选服务时长较长的链路作为传输链路，且考虑到能量受限现象选取具有较高能量值的节点作为中继节点，能够在一定程度上缓解网络拥塞现象。 不过，该算法仅采用单向路由模式进行链路筛选，中继节点出现抖动时将无法将其性能准确反馈至源节点。 特别是该算法未对中继节点服务能力进行鉴权，使得服务能力较差的节点有一定概率被选为中继节点，降低了该算法的传输性能，导致其网络传输带宽要显著低于本文算法。

图10 网络传输带宽测试

5 结束语

为提高移动延迟容忍传感网(MD-TSN)的链路稳定性能，增强网络传输质量，提出了一种基于信用度机制的移动延迟容忍传感网传输优化算法。 算法主要由基于身份鉴权机制的中继节点可信度确认方法和基于信用度机制的节点激励方法两部分构成，通过鉴权机制选取具有较高服务能力的节点作为中继节点，并采用信用度机制对节点进行激励或惩罚处理，提高了网络对中继节点的筛选能力，具有网络传输性能较高的特点。

下一步，将针对所提算法鉴权过程较为复杂的不足，拟引入锚节点机制提高算法鉴权性能，缩短中继节点周期，进一步提升算法对移动延迟容忍传感网的适应能力，促进所提算法在实际中的推广应用力度。