集群攻击的传感网络稳定控制方法研究
姜明富
摘 要： 研究集群攻击下的控制传感网络稳定控制算法，可以提高控制系统的稳定性。外部集群攻击下的控制传感网络失稳PID控制难以满足高精度控制要求，无法达到理想的控制效果。提出一种更为精准的适用于集群攻击的传感网络稳定控制算法。依据大规模集群攻击伪装行为的特性，构建传感网络稳定控制模型，引入遗传算法与PID控制理论相结合，搜索模型最优解，实现对集群攻击下的控制传感网络稳定的有效控制。实验结果表明，改进的控制方法可以减小控制过程的信号扰动，提高传感网络稳定性与控制精度，具有较强的鲁棒性。
关键词： 集群攻击； 传感网络； 稳定控制； PID控制
中图分类号： TN711?34； TP231.11 文献标识码： A 文章编号： 1004?373X（2017）04?0024?04
Study on stability control method of sensor network under cluster attack
JIANG Mingfu
（College of Information Engineering， Xinyang College of Agriculture and Forestry， Xinyang 464000， China）
Abstract： The stability control algorithm of sensor network under the group attack is research， which can improve the stability of the control system. It′s difficult for PID control to control the sensor network stability for sensor network under the group attack to meet the requirement of high precision control， which can't achieve ideal control effect. Therefore， a more accurate stability control algorithm against cluster attack to sensor network is proposed. According to the disguised behaviour features of large?scale group aggression， the sensor network stability control model was constructed， in which the genetic algorithm was introduced to combine with PID control theory and search the optimal solution of the model， so as to realize the effective control of the sensor network stability under the group attack. The experimental results show that the improved control method can reduce the signal disturbance in control process， improve the sensing network stability and control accuracy， and has strong robustness.
Keywords： group attack； sensor network； stability control； PID control
集群攻擊即是未获得授权的非法集群通过一定的技术手段伪装为合法集群进行机密数据访问或者高于自身权限访问的行为。在复杂的传感网络环境中，集群攻击数据严重影响集群网络的稳定性，为网络用户带来了极大的安全隐患[1]。控制传感网络稳定控制问题作为无线传感网络中的核心问题之一，对于延长网络的生存时间、减小通信干扰、提高MAC协议和路由协议的效率以及促进数据融合、提高网络的可扩展性、可靠性、安全性等具有重要意义。对于传感网络稳定控制可以有效地延迟集群攻击的攻击时间，为集群攻击数据的识别检测提供时间上的保证，很大程度上避免了集群攻击行为的发生，因此，成为该领域热点研究的问题[2]。现阶段，集群攻击下的控制传感网络稳定控制算法方法主要包括基于最小二乘支持向量机算法的传感网络稳定控制方法[3]，基于隐马尔科夫模型的传感网络稳定控制方法[4]和基于模糊控制理论的传感网络稳定控制方法[5]。其中，最常用的是基于模糊控制理论的集群攻击伪装数据的传感网络稳定控制方法[6?7]。由于集群攻击伪装数据时间延迟控制能够为复杂集群网络的安全提供支持，因此，受到相关专家学者的重点关注，拥有广阔的发展潜力。
1 传感网络稳定控制
整个互联网网络是由多个“群”、“簇”或者“团”构成的，其中任意的 “群”、“簇”或 “团”即是一个集群网络，单个集群网络内部具有相同的性质，节点联系极为紧密，不同集群网络之间的联系则较为稀疏。集群网络揭示了网络系统功能与结构间的对应关系，在一定程度上降低了复杂网络的认识难度。其中伪装为合法数据的攻击数据，通过非法窃取用户信息，进行不法访问，给网络安全带来了极大隐患，进行有效的传感网络稳定控制可以为攻击伪装数据的识别赢得时间差，具体控制原理描述如下：
将集群攻击伪装数据传感网络稳定控制器设计为三输入的单神经元，输出为线性函数。其控制偏差可描述为：
推导集群攻击伪装数据输入分别为：
若设定分别为输入信号和输出层之间的连接权，那么，该传感网络稳定控制系统的输出为：
传感网络稳定控制稳定目标函数为：
通过对式（6）中的相关参数进行优化调整，可以优化传感网络稳定控制过程，的调整方法分别如下：
通过对的调整，传感网络稳定控制目标函数也随之变化：
依据相关导数定理，可得到结果：
由上述原理可以实现复杂社团网络攻击伪装数据时间延迟的有效控制。
采用传统的PID控制方法进行集群攻击下的控制传感网络稳定控制，运行过程较为复杂，需要的调试时间长，且控制精度较低，难以满足自动化控制要求，无法达到理想的控制效果。
2 传感网络稳定控制优化算法
依据攻击伪装行为的特性，构建传感网络稳定控制模型，为避免算法陷入局部最优的局限，提高拟合精度，将遗传算法与PID控制理论相结合，搜索模型最优解，实现对集群攻击下的传感网络稳定的有效控制。
2.1 构建集群攻击下过程的分析模型
设定集群攻击伪装的维不确定过程为，其中的取值在上，而用来描述集群攻击下的传感网络稳定控制系统中分布区域的节点总体数量集，用来描述网络系统内的常量。假设定义于上的取值为的连续的函数空间用表示，且，满足函数。
在建立集群攻击下的攻击模型的过程如：
式中：表示可变函数；为常数，则传感网络稳定控制公式为：
（16）
式中，，用来描述可行域。
通过控制进行求解，在的范围内，计算的最大期望值，以此构建集群攻击下的传感网络稳定控制模型：
2.2 遗传算法的引入对PID控制过程进行改进
基于遗传算法的PID传感网络稳定控制算法是一种全局优化算法，能够避免传统算法陷入局部最优的缺陷，且算法简单，但是对相关参数微调节能力较差，定位最优解的准确位置的精度较低，不能满足于实际应用，因此，采用改进遗传算法与PID神经网络结合的方法进行传感网络稳定控制，有效防止了传感网络训练陷入局部极值，提高了网络的拟合精度。
根据集群攻击下的传感网络稳定控制模型，设定传感网络稳定控制的目标函数：
将满足设定为函数的约束条件，则：
式中：用来描述自变量；为其定义域；用来描述传感网络稳定控制的目标函数解的优劣状况，表示到的相关映射。在式（19）的基础上，通过式（20）描述传感网络稳定的一阶惯性环节：
将传感网络稳定的一阶惯性环节转化为传感网络稳定控制的开环传递函数，最后转化为闭环传递函数：
通过式（22）描述传感网络稳定控制的闭环传递函数的特征方程：
在获得相关参数和目标函数后，描述基于改进遗传算法的PID神经网络算法的控制过程如下：
Step1：随机产生初始种群，依据PID神经网络的控制规律设定的初始值。其中，，分别用来描述传感网络覆盖范围子区域之间的连接权，为样本序号，；
Step2：计算传感网络中样本的适应度值，依据计算结果进行父母染色体交配；
Step3：依据染色体交配的交叉概率、变异概率进行遗传操作，得到新的个体，，的计算过程如下：
Step4：若样本中的染色体数超过设定的阈值（满足终止条件），则进行Step5，反之，转至Step2；
Step5：将Step4的结果输出，计算最优解，并结束算法，若不满足终止条件，用最大适应度值的染色体进行传感网络权重初始化；
Step6：通过式（25）计算改进算法过程中的误差分量：
Step7：根据改进算法对传感网络权值进行修正，直至满足终止条件，输出最终结果。根据上述方法，可以实现集群攻击下的传感网络稳定控制模型，为攻击伪装数据的检测提供支持，维护了传感网络的安全。
3 试验结果及分析
为了验证改进算法的有效性，需要進行一次实验。
3.1 两种算法下用于训练与网络泛化能力检验的期望输入与输出
实验过程采用非线性动态模型对改进算法的有效性进行检验：
（26）
分析式（26）可知，传感网络控制系统的先前输出和输入决定了当前的输出结果，输入给定10个单位的延迟。采用PID控制算法进行传感网络稳定控制，得到1 800组的输入/输出序列作为网络学习的期望信号。其中，900组用作训练网络，另外900组用作传感网络稳定控制系统的网络泛化能力的检验，具体如图1所示。
3.2 两种算法下不同控制输出与期望控制输出比对
采用传统算法和改进算法进行集群攻击下的传感网络稳定控制模型，将不同控制输出与期望控制输出进行比对，结果如图2、图3所示。
分析图2、图3可知，在相同的仿真条件下，对于相同的数据样本，改进算法的控制输出结果与期望输出结果较为接近，控制输出结果在误差允许的范围内，说明改进算法在集群攻击下的传感网络稳定控制模型控制中的有效性，在实际控制应用中具有更强的泛化能力。
3.3 不同算法的控制误差比对
将两种算法下的传感网络稳定控制误差进行比对，结果如图4所示。
分析图4可知，改进算法在进行集群攻击下的传感网络稳定控制仿真中，控制误差曲线低于传统算法的控制误差曲线，说明改进算法的控制精度更高，能够满足实际的应用需求。
3.4 不同算法迭代误差比对
将两种算法下感网络稳定控制过程中的迭代误差进行比对，结果如图5所示。
分析图5可知，传统算法在迭代600次时，控制误差最小，性能达到最佳，而改进算法在迭代200次时，即达到了控制误差最小的最佳性能，说明改进算法具有更强的收敛性。
4 结 语
集群攻击伪装数据具有极强的隐蔽性，因此对集群攻击下的传感网络稳定控制时，难度较大，无法达到理想的控制效果。为此，提出基于改进遗传算法的PID神经传感网络稳定控制方法。首先根据集群伪装攻击数据的特性建立传感网络稳定控制模型，采用遗传算法与PID控制理论相结合的方法进行计算集群攻击下的传感网络稳定控制模型的最优解，实现对集群攻击伪装数据下的传感网络稳定控制。实验结果表明，改进的传感网络稳定控制方法能够有效减小控制过程的信号扰动，提高控制精度与运行效率，效果令人满意。
参考文献
[1] 张伟岗.基于信息熵的复杂网络社团发现算法研究[J].微处理机，2015，36（2）：39?43.
[2] 孙亚红，肖淑苹.一个基于多维特征向量的复杂网络社团结构发现算法[J].计算机与数字工程，2015，43（4）：558?561.
[3] 田关伟，周德荣.网络入侵后攻击路径标志技术研究与仿真[J].计算机仿真，2014，31（12）：292?295.
[4] 吕健波，戴冠中，潘文平.Apache Web服务器中基于LTI模型的多服务类别比例延迟控制[J].计算机科学，2010，37（12）：26?29.
[5] 刘艳，王泰.基于网络社团结构的Web内容分级算法及其性能分析[J].计算机科学，2015，42（3）：206?209.
[6] 蒋华.服务器集群网络攻击中非确定攻击检测技术研究[J].科技通报，2015，31（6）：82?84.
[7] 于静雯，杨冰.基于MapReduce框架下的复杂网络社团发现算法[J].微型机与应用，2014，33（22）：74?76.
摘 要： 研究集群攻击下的控制传感网络稳定控制算法，可以提高控制系统的稳定性。外部集群攻击下的控制传感网络失稳PID控制难以满足高精度控制要求，无法达到理想的控制效果。提出一种更为精准的适用于集群攻击的传感网络稳定控制算法。依据大规模集群攻击伪装行为的特性，构建传感网络稳定控制模型，引入遗传算法与PID控制理论相结合，搜索模型最优解，实现对集群攻击下的控制传感网络稳定的有效控制。实验结果表明，改进的控制方法可以减小控制过程的信号扰动，提高传感网络稳定性与控制精度，具有较强的鲁棒性。
关键词： 集群攻击； 传感网络； 稳定控制； PID控制
中图分类号： TN711?34； TP231.11 文献标识码： A 文章编号： 1004?373X（2017）04?0024?04
Study on stability control method of sensor network under cluster attack
JIANG Mingfu
（College of Information Engineering， Xinyang College of Agriculture and Forestry， Xinyang 464000， China）
Abstract： The stability control algorithm of sensor network under the group attack is research， which can improve the stability of the control system. It′s difficult for PID control to control the sensor network stability for sensor network under the group attack to meet the requirement of high precision control， which can't achieve ideal control effect. Therefore， a more accurate stability control algorithm against cluster attack to sensor network is proposed. According to the disguised behaviour features of large?scale group aggression， the sensor network stability control model was constructed， in which the genetic algorithm was introduced to combine with PID control theory and search the optimal solution of the model， so as to realize the effective control of the sensor network stability under the group attack. The experimental results show that the improved control method can reduce the signal disturbance in control process， improve the sensing network stability and control accuracy， and has strong robustness.
Keywords： group attack； sensor network； stability control； PID control
集群攻擊即是未获得授权的非法集群通过一定的技术手段伪装为合法集群进行机密数据访问或者高于自身权限访问的行为。在复杂的传感网络环境中，集群攻击数据严重影响集群网络的稳定性，为网络用户带来了极大的安全隐患[1]。控制传感网络稳定控制问题作为无线传感网络中的核心问题之一，对于延长网络的生存时间、减小通信干扰、提高MAC协议和路由协议的效率以及促进数据融合、提高网络的可扩展性、可靠性、安全性等具有重要意义。对于传感网络稳定控制可以有效地延迟集群攻击的攻击时间，为集群攻击数据的识别检测提供时间上的保证，很大程度上避免了集群攻击行为的发生，因此，成为该领域热点研究的问题[2]。现阶段，集群攻击下的控制传感网络稳定控制算法方法主要包括基于最小二乘支持向量机算法的传感网络稳定控制方法[3]，基于隐马尔科夫模型的传感网络稳定控制方法[4]和基于模糊控制理论的传感网络稳定控制方法[5]。其中，最常用的是基于模糊控制理论的集群攻击伪装数据的传感网络稳定控制方法[6?7]。由于集群攻击伪装数据时间延迟控制能够为复杂集群网络的安全提供支持，因此，受到相关专家学者的重点关注，拥有广阔的发展潜力。
1 传感网络稳定控制
整个互联网网络是由多个“群”、“簇”或者“团”构成的，其中任意的 “群”、“簇”或 “团”即是一个集群网络，单个集群网络内部具有相同的性质，节点联系极为紧密，不同集群网络之间的联系则较为稀疏。集群网络揭示了网络系统功能与结构间的对应关系，在一定程度上降低了复杂网络的认识难度。其中伪装为合法数据的攻击数据，通过非法窃取用户信息，进行不法访问，给网络安全带来了极大隐患，进行有效的传感网络稳定控制可以为攻击伪装数据的识别赢得时间差，具体控制原理描述如下：
将集群攻击伪装数据传感网络稳定控制器设计为三输入的单神经元，输出为线性函数。其控制偏差可描述为：
推导集群攻击伪装数据输入分别为：
若设定分别为输入信号和输出层之间的连接权，那么，该传感网络稳定控制系统的输出为：
传感网络稳定控制稳定目标函数为：
通过对式（6）中的相关参数进行优化调整，可以优化传感网络稳定控制过程，的调整方法分别如下：
通过对的调整，传感网络稳定控制目标函数也随之变化：
依据相关导数定理，可得到结果：
由上述原理可以实现复杂社团网络攻击伪装数据时间延迟的有效控制。
采用传统的PID控制方法进行集群攻击下的控制传感网络稳定控制，运行过程较为复杂，需要的调试时间长，且控制精度较低，难以满足自动化控制要求，无法达到理想的控制效果。
2 传感网络稳定控制优化算法
依据攻击伪装行为的特性，构建传感网络稳定控制模型，为避免算法陷入局部最优的局限，提高拟合精度，将遗传算法与PID控制理论相结合，搜索模型最优解，实现对集群攻击下的传感网络稳定的有效控制。
2.1 构建集群攻击下过程的分析模型
设定集群攻击伪装的维不确定过程为，其中的取值在上，而用来描述集群攻击下的传感网络稳定控制系统中分布区域的节点总体数量集，用来描述网络系统内的常量。假设定义于上的取值为的连续的函数空间用表示，且，满足函数。
在建立集群攻击下的攻击模型的过程如：
式中：表示可变函数；为常数，则传感网络稳定控制公式为：
（16）
式中，，用来描述可行域。
通过控制进行求解，在的范围内，计算的最大期望值，以此构建集群攻击下的传感网络稳定控制模型：
2.2 遗传算法的引入对PID控制过程进行改进
基于遗传算法的PID传感网络稳定控制算法是一种全局优化算法，能够避免传统算法陷入局部最优的缺陷，且算法简单，但是对相关参数微调节能力较差，定位最优解的准确位置的精度较低，不能满足于实际应用，因此，采用改进遗传算法与PID神经网络结合的方法进行传感网络稳定控制，有效防止了传感网络训练陷入局部极值，提高了网络的拟合精度。
根据集群攻击下的传感网络稳定控制模型，设定传感网络稳定控制的目标函数：
将满足设定为函数的约束条件，则：
式中：用来描述自变量；为其定义域；用来描述传感网络稳定控制的目标函数解的优劣状况，表示到的相关映射。在式（19）的基础上，通过式（20）描述传感网络稳定的一阶惯性环节：
将传感网络稳定的一阶惯性环节转化为传感网络稳定控制的开环传递函数，最后转化为闭环传递函数：
通过式（22）描述传感网络稳定控制的闭环传递函数的特征方程：
在获得相关参数和目标函数后，描述基于改进遗传算法的PID神经网络算法的控制过程如下：
Step1：随机产生初始种群，依据PID神经网络的控制规律设定的初始值。其中，，分别用来描述传感网络覆盖范围子区域之间的连接权，为样本序号，；
Step2：计算传感网络中样本的适应度值，依据计算结果进行父母染色体交配；
Step3：依据染色体交配的交叉概率、变异概率进行遗传操作，得到新的个体，，的计算过程如下：
Step4：若样本中的染色体数超过设定的阈值（满足终止条件），则进行Step5，反之，转至Step2；
Step5：将Step4的结果输出，计算最优解，并结束算法，若不满足终止条件，用最大适应度值的染色体进行传感网络权重初始化；
Step6：通过式（25）计算改进算法过程中的误差分量：
Step7：根据改进算法对传感网络权值进行修正，直至满足终止条件，输出最终结果。根据上述方法，可以实现集群攻击下的传感网络稳定控制模型，为攻击伪装数据的检测提供支持，维护了传感网络的安全。
3 试验结果及分析
为了验证改进算法的有效性，需要進行一次实验。
3.1 两种算法下用于训练与网络泛化能力检验的期望输入与输出
实验过程采用非线性动态模型对改进算法的有效性进行检验：
（26）
分析式（26）可知，传感网络控制系统的先前输出和输入决定了当前的输出结果，输入给定10个单位的延迟。采用PID控制算法进行传感网络稳定控制，得到1 800组的输入/输出序列作为网络学习的期望信号。其中，900组用作训练网络，另外900组用作传感网络稳定控制系统的网络泛化能力的检验，具体如图1所示。
3.2 两种算法下不同控制输出与期望控制输出比对
采用传统算法和改进算法进行集群攻击下的传感网络稳定控制模型，将不同控制输出与期望控制输出进行比对，结果如图2、图3所示。
分析图2、图3可知，在相同的仿真条件下，对于相同的数据样本，改进算法的控制输出结果与期望输出结果较为接近，控制输出结果在误差允许的范围内，说明改进算法在集群攻击下的传感网络稳定控制模型控制中的有效性，在实际控制应用中具有更强的泛化能力。
3.3 不同算法的控制误差比对
将两种算法下的传感网络稳定控制误差进行比对，结果如图4所示。
分析图4可知，改进算法在进行集群攻击下的传感网络稳定控制仿真中，控制误差曲线低于传统算法的控制误差曲线，说明改进算法的控制精度更高，能够满足实际的应用需求。
3.4 不同算法迭代误差比对
将两种算法下感网络稳定控制过程中的迭代误差进行比对，结果如图5所示。
分析图5可知，传统算法在迭代600次时，控制误差最小，性能达到最佳，而改进算法在迭代200次时，即达到了控制误差最小的最佳性能，说明改进算法具有更强的收敛性。
4 结 语
集群攻击伪装数据具有极强的隐蔽性，因此对集群攻击下的传感网络稳定控制时，难度较大，无法达到理想的控制效果。为此，提出基于改进遗传算法的PID神经传感网络稳定控制方法。首先根据集群伪装攻击数据的特性建立传感网络稳定控制模型，采用遗传算法与PID控制理论相结合的方法进行计算集群攻击下的传感网络稳定控制模型的最优解，实现对集群攻击伪装数据下的传感网络稳定控制。实验结果表明，改进的传感网络稳定控制方法能够有效减小控制过程的信号扰动，提高控制精度与运行效率，效果令人满意。
参考文献
[1] 张伟岗.基于信息熵的复杂网络社团发现算法研究[J].微处理机，2015，36（2）：39?43.
[2] 孙亚红，肖淑苹.一个基于多维特征向量的复杂网络社团结构发现算法[J].计算机与数字工程，2015，43（4）：558?561.
[3] 田关伟，周德荣.网络入侵后攻击路径标志技术研究与仿真[J].计算机仿真，2014，31（12）：292?295.
[4] 吕健波，戴冠中，潘文平.Apache Web服务器中基于LTI模型的多服务类别比例延迟控制[J].计算机科学，2010，37（12）：26?29.
[5] 刘艳，王泰.基于网络社团结构的Web内容分级算法及其性能分析[J].计算机科学，2015，42（3）：206?209.
[6] 蒋华.服务器集群网络攻击中非确定攻击检测技术研究[J].科技通报，2015，31（6）：82?84.
[7] 于静雯，杨冰.基于MapReduce框架下的复杂网络社团发现算法[J].微型机与应用，2014，33（22）：74?76.
