简介:本文针对LEACH算法中没有考虑簇头间能耗均衡和远离基站簇头过早失效的问题,提出一种基于能耗和距离的WSN分簇路由算法。仿真结果显示,该算法能有效克服LEACH存在的这两个缺陷,有效提高网络生命期。关键词无线传感器网络;分簇路由算法;能耗均衡中图分类号TP212.1文献标识码A文章编号1007-9599(2010)04-0000-02ClusteredRoutingofWSNagainstEnergy&DistanceYaoLijunLiKangman(HengyangNormalUniversity,Hengyang421008,China)AbstractLEACHalgorithmdoesn’tconsiderenergy-consumptionbalancebetweencluster-headsanditscluster-headawayfromthebasestationoftenprematurelyfail.Thispaperproposesaclusteredroutingalgorithmbasedonenergyanddistanceforwirelesssensornetwork.SimulationresultsshowthatthealgorithmcaneffectivelyovercomethesetwofalwsofLEACH,improvethenetworklifetime.KeywordsWirelesssensornetwork;Clusteredroutingalgorithm;Energybalance过去多年以来,传感器网络在数据收集和处理方面的协同工作和协作管理采集活动的潜在应用价值受到越来越多的关注。然而,由于现代无线传感器网络具有节点能源受限且通常无法补充、节点微型化等形态特征。因此,如何高效使用能量来最大化网络生命周期是无线传感器网络面临的首要挑战1。对wsn路由协议研究表明,分簇路由协议23可以对簇内成员感知的数据进行融合转发,能有效简化对传感网网络的查询,从而节省能量延长网络生命周期。低能耗自适应分簇协议LEACH4基本思想是通过等概率地随机循环选择簇头,将整个网络的能量负载平均到每个传感器网络节点,从而达到降低网络能量耗费、延长网络生命周期的目的。然而,该算法主要集中于均衡簇成员节点之间的能量消耗,没有考虑到簇头之间的能量消耗均衡问题。再者,其由于规定簇头直接与基站通信,造成了远离基站的簇头过早失效。本文针对这两点,提出一种新的分簇路由算法。本算法首先根据节点的剩余能量来合理选择簇头,剩余能量高的优先选择为簇头,最终有效平衡全网能量。簇头选好后,对于成员节点来说,根据与簇头的距离和自身的能量消耗决定加入哪个簇,从而有效延长网络生命周期。这样就可以让簇头节点的选举与节点剩余能量直接相关,避免同构成簇算法遇到的问题。对于远离基站的节点会较早失效的问题,算法规定每个簇头通过成员节点的位置估计感知到相同事件的邻居簇,然后进行局部的多跳数据融合,以达到节能的目的。一、网络模型本文采用的网络模型如下①所有节点随机静态分布在1个二维平面区域中,在该区域的外部存在1个基站;②节点具有数据融合功能;③所有节点的射频发射功率可以调节;④节点在最大的功率下可以直接与基站进行通信;⑤所有节点同构,并且对突发事件具有相同的感知半径;⑥节点知道自身的位置;⑦网络突发事件的出现概率较小,在同一时刻仅出现1次突发事件。传感器节点的能耗主要由计算能耗和无线射频模块收发报文的通信能耗构成。节点的通信能耗模型以及相关参数的选择与无线模型2相同,节点传输kbit数据至距离d处,以及接收kbit数据需要的能耗分别为,对于服从4次方衰减的无线电,本文仅考虑节点的通信能耗。二、成簇算法在网络建立阶段,基站需要用一个给定的发送功率向网络内广播一个信号。每个传感器节点在收到此信号后,根据接收信号的强度计算它到基站的近似距离。每轮循环的过程是在簇建立阶段,基站每个节点选取一个介于0和1之间的随机数,如果这个数小于某个阈值,该节点成为候选簇头。然后,通过竞争算法确定最终簇头,簇头向周围节点广播自己成为簇头的消息。每个节点根据提出的能量消耗函数来确定加入哪个簇,并回复该簇头。持续一段时间后,网络重新进入启动阶段,进行下一轮分簇。能量消耗函数f(i,j)为,其中1≤i≤CH,CH为加入第j个簇头的簇成员数量,1≤i≤CH,CH为簇头数量。节点i加入簇头CHj的条件就是使f(i,j)最小。其中Ei表示节点i的当前能量,ECHj表示簇头j的当前能量。f(i,j)既引入了距离因素,又引入了能量因素,更能有效平衡当前簇头区的能量消耗。只要能量消耗率函数最小,簇成员和簇头消耗能量均最低,进而全网络消耗能量低,因此能有效延长网络的生命周期。对于LEACH算法规定簇头直接与基站通信从而造成了远离基站的簇头过早失效的问题,通常通过固定多跳方式解决,但造成额外的能耗。本算法估计感知到相同事件的簇,从而确定下一跳的汇聚点。三、结论使用MATLAB对算法进行仿真测试,假设100个节点均匀分布在(0,0)和(100,100)的二维区域内,基站的位置在(175,50),设每一轮节点成为簇头的概率为0.05。消耗率函数参数是平衡簇头和成员之间的权值。图1消耗率权值与轮数关系图2本算法与LEACH生命期比较图1显示w值从0.1到1范围内的仿真,从图1可以看出w在0.5或0.6处效果最好。图2显示在不同传感半径下LEACH和本算法生命期的对比,从图可以看出,随着传感半径的增大,各个协议中网络的生命期均有所下降,在各传感半径下本算法的网络生命期要明显高于LEACH。参考文献1liuyue-yang,JiHong,YueGuang-xin.RoutingprotocolwithoptimallocationofaggregationinwirelesssensornetworksJ.TheUournalofChinaUniversitiesofPostsandTelecommnications,2006,13(1)125-1312HeinzelmanW,ChandrakasanA,BalakrishnanH.Anapplication-specificprotocolarchitectureforwirelessmicrosensornetworksJ.IEEETransactionsonWirelessCommunications,2002,1(4)660-6703YounisO,FahmyS.HEEDahybrid,energy-efficient,distributedclusteringapproachforAdHocsensornetworksJ.IEEETransactionsonMobileComputing,2004,3(4)366-3794HEINZELMANW,CHANDRAKASANA,BALAKRISHNANH.Energy-efficientroutingprotocolsforwirelessmicrosensornetworksA.Proceedingsofthe33rdHawaiiInternationalConferenceonSystemSciencesC.Hawaii,2000.1-10
简介:中国承接日本软件服务外包业务,随着国际信息产业融合的深入,信息类项目合作的范围逐渐深入。在国际外包行业中,举足轻重的职位之一是精通两国文化与业务,且统筹项目整体推进的BSE(BridgeSystemEngineer,即"桥梁系统工程师")的成长,明显跟不上业务高速发展的节奏。在校BSE人才快速培育,成为了行业迫切需求的重要任务。两国的商业行为习惯、产品质量管理、阶段交付业务等常规行为,相对容易理解与接受,但务必交流的IT日语,成了项目顺利推进的掣肘。本研究注重以信息专业日语零起点信息类专业高年级大学生和IT开发职场工程师为主要对象,在深入研究日语中IT术语与英文意思和发音关系,以及项目设计仕样书特点的基础上,制定了一套在短时间内基本掌握基础IT日语的教学新模式,并汇集为成果《情报技术日本语》,可以达到基本胜任BSE岗位,此日语教学新模式值得行业推广。
简介:在软件行业中,五年就像是一个地质时代。五年前,Microsoft宣布了自己的Micorsoft.NETFramework计划。从那以后,DataSet(数据集)才开始作为关键对象出现在基于.NET的应用程序中,执行多种数据相关的任务。也是五年前,DataSet被誉为ADO记录集(Recordset)的威力增强版。那么在.NETFramework出现之前,您是如何设计数据访问层(DAL,DataAccessLayer)的呢?我想您一定是以ADO和它全能的Recordset对象——断开的、且可进行XML序列化的——为中心构建数据访问层。
简介:入侵检测系统作为保护网络系统安全的关键技术和重要手段,已经成为当前网络安全研究方面的热点。粗糙集作为一种新兴的处理模糊和不确定性知识的数学工具,将其应用在入侵检测中具有重要的现实意义。关键词入侵检测;粗糙集;网络安全;属性约简中图分类号TN915.08文献标识码A文章编号1007-9599(2010)04-0000-01ResearchofIntrusionDetectionSystemModelBasedonRoughSetTheorySuHang,LiYanqing(DalianTransportationUniversity,EducationTechnicalCenterNetworkTechnologyDepartment,Dalian116028,China)AbstractTheIntrusionDetectionSystemasakeytechnologyandimportantmeanstoprotectnetworksecurityhasbecomeahotresearcharea.Roughsetsasanewmathematicaltooltodealwiththefuzzyanduncertainknowledge.Ithasimportantpracticalsignificancetouseitinintrusiondetection.KeywordsIntrusiondetection;Roughsets;Networksecurity;Attributereduction一、引言随着计算机网络和信息技术的发展,人们对互联网的使用越来越频繁,这也使得网络安全问题变得越发重要1。入侵检测系统作为保护网络系统安全的关键技术和重要手段,已经成为当前网络安全方面研究的热点和重要方向。二、粗糙集理论(一)粗糙集基本概念1.知识分类的概念知识是人类通过实践认识到的客观世界的规律性的东西,是人类实践经验的总结和提炼,具有抽象和普遍的特性。人工智能研究中的一个重要概念是智能需要知识。从认知科学的观点来看,可以认为知识来源于人类以及其他物种的分类能力,知识即是将对象进行分类的能力。设是我们感兴趣的对象组成的有限集合,称为论域。以分类为基础,可以将分类理解为等价关系,而这些等价关系对论域进行划分。2.粗糙集及其近似定义1设是对象集,是上的等价关系2。(1)称为近似空间,由产生的等价类为,其中。(2)对于任意,记,,称为的下近似,为的上近似。(3)若,称为可定义的集合,否则称为粗糙集(图1)。(4)的边界域定义为(5)集合称为的正域,称为的负域。(二)近似精度与粗糙度定义设集合是论域上的一个关于的粗糙集,定义关于的近似精度为,其中;表示集合中所包含元素的数目,称集合的基数或势。定义设集合是论域上的一个关于的粗糙集,定义的粗糙度为。如果,则集合关于是普遍集合;如果,则集合关于是粗糙集合。(三)核与约简属性约简包括两个概念约简(reduce)和核(core)。属性约简是指关系的最小不可省略子集,而属性的核则是指最重要的关系集。定义*对于一给定的决策系统,条件属性集合的约简是的一个非空子集。它满足1,都是不可省略的2则称是的一个约简,中所有约简的集合记作。三、入侵检测模型(一)入侵检测系统入侵检测系统全称为IntrusionDetectionSystem,简称IDS。它从计算机网络系统中的若干关键点收集信息,并分析这些信息,检查网络中是否有违反安全策略的行为和遭到袭击的迹象。进行入侵检测的软件与硬件的组合便是入侵检测系统。入侵检测作为一种积极主动的安全防护技术,提供了对内部攻击、外部攻击和误操作的实时保护,在网络系统受到危害之前拦截和响应入侵。入侵检测系统能很好的弥补防火墙的不足,从某种意义上说是入侵检测是防火墙之后的第二道安全闸门。(二)粗糙集理论在入侵检测中的应用本文主要探讨判断当前的网络连接是正常连接还是入侵,实现这个功能的系统模型分为四个部分。第一,数据预处理。主要包括删除重复记录,决策表缺失内容修正,数据离散化。第二,属性约简。采集到的大量数据里面包含了多种信息,但是所有的信息并不是同等重要的,有些时候是冗余的,通过属性约简可以有效去掉冗余信息以便得到更为简捷的决策规则。第三,根据约简结果得到逻辑规则。本文入侵检测系统体系结构如图2所示。(三)基于信息熵的属性约简改进算法属性约简部分是基于粗糙集理论的入侵系统模型中非常重要的部分,本文对一种基于信息熵的属性约简算法进行改进,使得算法更高效。文献3提出的cebarkcc算法是一种比较典型的基于信息熵的属性约简算法,该算法是建立在决策属性集相对于条件属性集额条件熵的基础上的,以作为启发式信息,以作为算法的终止条件。它以决策表核属性集为起点,逐次选择使最小的非核条件属性添加到核属性集中,直到满足终止条件。该算法步骤文献44中有详细说明,本文不在细述,现将改进算法步骤描述如下Cebarkcc的改进算法输入一个决策表,其中,为论域,和分别为条件属性集和决策属性集;输出决策表的一个相对约简;Step1计算决策表中决策属性集相对条件属性集的条件熵;Step2计算条件属性集中相对于决策属性集的核属性,并令,;Step3Step3.1计算条件信息熵,转Step3.4;Step3.2对,中的每个属性计算条件熵,求得到属性的重要度;Step3.3选择使最大的属性(若同时有多个属性达到最小值,则从中选取一个与的属性值组合数最少的属性),把从中删除,并把增加到的尾部;同时从中删除使的值为零的属性;Step3.4如果,则转Step4,否则转Step3.2;Step4从的尾部开始,从后向前判别每个属性的是否可约。如果,则从开始向前的属性都是核属性,不可约,算法终止;否则,如果,则是可约简的,把从中删除。四、结论一个完善的入侵检测系统是对系统防火墙有益的补充,能够在网络系统受到危害之前拦截和响应入侵。但是现今网络数据量非常大,环境复杂,这就需要入侵检测系统更加智能,能够适应复杂多变的环境。粗糙集能够不需要任何附加信息和先验知识的情况下,对数据进行分析从而得出人们想要的结果。所以将粗糙集理论应用于入侵检测系统是可行而且有效的,本文同时给出了改进的约简算法,该算法较先前算法效率更高,约简效果更好。参考文献1肖晓春.基于模型的网络安全风险评估的研究,复旦大学,20082张文修,仇国芳.基于粗糙集的不确定决策.清华大学出版社3王国胤,于洪,杨大春.基于条件信息熵得决策表约简J.计算机学报,2002