法律状态公告日
法律状态信息
法律状态
2022-08-23
实质审查的生效 IPC(主分类):H04W12/128 专利申请号:2022104280504 申请日:20220422
实质审查的生效
2022-08-05
公开
发明专利申请公布
技术领域
本发明涉及信息安全传输技术领域，具体涉及一种海洋智慧渔业复杂监控网络信息安全传输的控制方法。
背景技术
海洋目前已经成为各国研究的焦点，它拥有非常丰富的资源，甚至于有很多我们人类从未接触的领域，但是目前的开发利用程度却很低，对于海洋资源的开发，我们需要提前获得该区域大范围、高精度的海洋数据，此前，就有国家提出了智慧渔业的概念，将新兴的科学技术引入传统的海洋渔业中，极大提高渔业产值，但在初期由于技术的不完善，导致效率低下，因此，结合无线传感网(Wireless Sensor Networks,WSNs)技术的水下无线传感网(Underwater Wireless Sensor Networks,UWSNs)便成为目前研究的热门技术领域，它是由大量的水下传感器节点(Underwater Sensor Node,USN)构成，不仅仅只应用在海洋渔业，还被广泛应用在海底勘测，灾害预测，水下生态监测等方面，并且随着智能交通的发展，也可以为来往船舶提供航道监测等主要航行数据以保障航道通行安全。
UWSNs是由WSNs发展而来，所以也面临能源制约问题。传统WSNs可以依靠换电池来提高可使用率，但水下环境复杂，更换电池困难，所以，需要采用相应技术来减少传感器节点的能源消耗。对于节点耗能较高通信模块，避免远距离从水底至水面的传输数据。所以利用边缘移动设备来解决远距离通信的问题，自主式水下航行器(Autonomous UnderwaterVehicle,AUV)是目前该领域采用较多的设备，通过AUV与USN进行数据交互，避免了USN因为通信问题导致耗能过快而失去工作能力，极大的增加了UWSNs的利用率。
然而，AUV和UWSNs也面临着被恶意程序攻击的风险，同时，也因为有了AUV与USN的通信交互，使得恶意程序在UWSNs中的传播情况变得更加复杂，这样不仅会降低信息的准确性，还会导致节点被破坏，同时加剧节点能源的损耗，严重的影响了整个网络的安全。
目前抑制恶意程序传播的方法主要是通过更新补丁程序包，覆盖恶意代码。
发明内容
本发明的目的在于提供一种海洋智慧渔业复杂监控网络信息安全传输的控制方法，由AUV和UWSNs组成复杂信息传输系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种海洋智慧渔业复杂监控网络信息安全传输的控制方法，包括以下步骤：
1)首先基于传染病动力学，对AUV和UWSNs进行建模；
2)AUV网络和UWSNs网络在建模中上下设置，AUV网络和UWSNs网络之间设置有信息交互，由AUV和UWSNs组成复杂信息传输系统；
3)根据AUV的状态，将其划分为五种节点：易感移动节点(Susceptible,S
4)当S
5)经过一定的潜伏期，暴露的移动节点又会以θ
6)由于海底的不可控因素，将移动节点的损坏率设置为μ
7)对UWSNs网络划分为四种节点：易感静止节点(Susceptible,S
8)在受到恶意程序入侵后，由于缺少AUV中的完整的计算处理模块，所以会以β
9)由于AUV在UWSNs网络中的移动通信，导致感染恶意程序的AUV会对在通信半径的USN以λS
10)接着对已被恶意程序入侵的AUV感染UWSNs中USN节点的系数λ设定；
11)首先，假定USN节点被均匀的设置在一处海域下，根据实际情况并方便参数的讨论，可以看成是一个长为a(m)，宽为b(m)，高为c(m)的立体三维海域；
12)设定USN的总节点数为N，AUV的通信半径是r(m),移动速度为v(m/s)；
13)USN节点均匀分布在海域内，所以节点密度为N/(abc)，设置总时间T(默认AUV的工作时间按周期)，周期分为两个部分：移动时间(T
14)综上，得到了该复杂网络的分数阶微分方程表达式：
15)为了研究恶意程序的传播规律，因此需要找到系统的平衡解：
a.AUV和UWSNs网络中均没有恶意程序传播时(I
b.AUV和UWSNs网络中均存在恶意程序传播时的平衡解:(假设
16)AUV网络中存在恶意程序传播，但UWSNs网络中没有恶意程序传播时(I
可以借助传染病动力学来分析系统的基本再生数(R
17)求解R
X＝(E
则系统可以表示成
其中，
上述矩阵在E
下一代矩阵为F
令det|λK-FV
得到结果如下：
因此，R
接下来，对E
在E
令det|λk-J(E
其中，特征值为：
因为Im(λ
因此，为了使系统趋向稳定，有λ
得
故根据传染病动力学求得的R
18)对AUV的易感移动节点进行隔离治疗，切断与其他功能节点之间的联系，隔离结束后又会以η的速率转换为易感节点，对USN中的易感节点采用定向治疗措施，进行补丁程序包升级，对AUV中的感染节点也采用该控制措施；
19)引入控制变量后的网络状态转换如下：设定u
20)网络模型如下：
控制集为：
对智慧渔业监控网络采用控制的成本函数：
在这里可表示为(k＝1，2，3)
其中，a代表AUV易感节点隔离的成本，b代表对已感染的AUV的定向治疗成本，c代表对已感染的USN的定向治疗成本，c
需要找到最优控制的u
满足初始条件：
S
Q
则修改后重新定义的成本函数为:
得到Hamiltonian函数为：
其中λ
即
优选的，所述步骤3中易感移动节点代表未感染恶意程序的状态。
优选的，所述步骤7中易感静止节点为未感染恶意程序的状态。
优选的，所述步骤15中
优选的，所述步骤17)中在E
令det|λk-J(E
P
其中，
a
得到Hurwitz行列式：
根据Hurwitz稳定性判据可知，因为a
优选的，所述步骤17中在E
令det|λk-J(E
P
其中，
a
得到Hurwitz行列式：
根据Hurwitz稳定性判据可知，因为a
优选的，所述假设
还需要满足横截条件：
再由庞特里亚金极大值原理，得到最优性条件：
即：
解得：
优选的，所述最终得到使得网络监控成本函数J(u
与现有技术相比，本发明的有益效果是：
1、本发明提供的海洋智慧渔业复杂监控网络信息安全传输的控制方法，采用由AUV和UWSNs组成的海洋智慧渔业复杂监控网络，在针对恶意程序入侵研究时，通过从疾病传播动力学的角度进行，借助传染病中的基本再生数R
2、本发明海洋智慧渔业复杂监控网络信息安全传输的控制方法，该由AUV和UWSNs组成的海洋智慧渔业复杂监控网络，利用不同的杀毒策略，结合庞特里亚金极大值原理得到AUV和UWSNs组成的复杂监控网络的最优控制。
3、本发明海洋智慧渔业复杂监控网络信息安全传输的控制方法，该由AUV和UWSNs组成的海洋智慧渔业复杂监控网络，通过复杂的网络控制方式进而抑制恶意程序的传播，大幅提升网络生命周期。
附图说明
图1为本发明实施例网络状态转换图；
图2为本发明实施例引入控制后的网络状态转换图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-2，本发明提供的海洋智慧渔业复杂监控网络信息安全传输的控制方法，基于传染病动力学，对AUV和UWSNs的建模如下：
上层为AUV网络，可以移动至下层UWSNs网络，虚线均表示AUV与USN的接触，由AUV和UWSNs组成海洋智慧渔业复杂监控网络；
AUV的工作便是下潜至工作区域，与在通信范围内的USN进行信息交互，然后通过自身的计算处理模块对信息进行汇总处理，传输至网络终端，供用户调用；
根据AUV的状态，将其划分为五种节点：易感移动节点(Susceptible,S
对UWSNs网络划分为四种节点：易感静止节点(Susceptible,S
对已被恶意程序入侵的AUV感染UWSNs中USN节点的系数λ设定:
首先，假定USN节点被均匀的设置在一处海域下，根据实际情况并方便参数的讨论，可以看成是一个长为a(m)，宽为b(m)，高为c(m)的立体三维海域。USN的总节点数为N，AUV的通信半径是r(m),移动速度为v(m/s)。USN节点均匀分布在海域内，所以节点密度为N/(abc)，设置总时间T(默认AUV的工作时间按周期)，周期分为两个部分：移动时间(T
已经被恶意程序感染的AUV即使与USN接触，也并不意味着恶意程序就可以在UWSNs中传播，因为感染节点可能无法感知网络的结构，导致恶意程序包无法发送，所以假设感染节点以概率α向USN通信范围内的节点发送恶意程序代码，但由于海底环境复杂，有许多不可控因素，比如信道拥挤，带宽不足，节点能量耗尽，这些情况都会导致恶意代码发送失败，所以，可以假设其节点成功接受恶意代码的概率为ξ，因此，被AUV感染的USN节点可以成功感染易感USN节点的概率为：ρ＝αξ。
所以，得到在T时间内，被AUV感染的USN成功感染其他易感USN节点数为
综上，得到该复杂网络的分数阶微分方程表达式：
分数阶系统较整数阶系统具有全局性、记忆性和遗传性的特点，所以可以更好地描述网络。
因为AUV的D
为了研究恶意程序的传播规律，需要找到系统的平衡解：
a.AUV和UWSNs网络中均没有恶意程序传播时(I
b.AUV和UWSNs网络中均存在恶意程序传播时的平衡解:(假设
其中，
c.AUV网络中存在恶意程序传播，但UWSNs网络中没有恶意程序传播时(I
可以借助传染病动力学来分析系统的基本再生数(R
X＝(E
则系统可以表示成
其中，
上述矩阵在E
下一代矩阵为FV
令det|λK-FV
得到结果如下：
因此，R
接下来，对E
在E
令det|λk-J(E
其中，特征值为：
因为Im(λ
因此，为了使系统趋向稳定，有λ
得
故根据传染病动力学求得的R
在E
令det|λk-J(E
P
其中，
a
得到Hurwitz行列式：
根据Hurwitz稳定性判据可知，因为a
在E
令det|λk-J(E
P
其中，
a
得到Hurwitz行列式：
根据Hurwitz稳定性判据可知，因为a
在传染病模型中，隔离和定向治疗是广泛采用的控制措施。一般来说，对易感S节点采用隔离措施，建立单独的隔离仓室。在这里对AUV的易感移动节点进行隔离治疗，切断与其他功能节点之间的联系，隔离结束后又会以η的速率转换为易感节点。但对于数量庞多的USN采用隔离措施不切实际，所以对USN中的易感节点采用定向治疗措施，进行补丁程序包升级，类似的，对AUV中的感染节点也采用该控制措施，因为USN中感染节点由于通信范围的原因，感染成功率并不会很高，所以为了节省成本，便不进行单独控制。通过控制，可以大大减少感染节点的数量，使系统趋于稳定。
基于传染病动力学和庞特里亚金极大值原理，提出一种基于AUV和UWSNs的最优控制策略，旨在对恶意程序在复杂网络中的传播提供算法研究。
基于上述设计控制变量后的状态转换图如下：
其中，u
此时，网络模型如下：
控制集为：
对海洋智慧渔业监控网络采用控制的成本函数：
在这里可表示为(k＝1，2，3)
其中，a代表AUV易感节点隔离的成本，b代表对已感染的AUV的定向治疗成本，c代表对已感染的USN的定向治疗成本，c
找到最优控制的u
满足初始条件：
S
Q
则修改后重新定义的海洋智慧渔业监控成本函数为:
得到Hamiltonian函数为：
其中λ
即
以控制量作为系统的约束条件，利用Hamiltonian函数求解得到最优控制对，使得网络中的感染节点数量最少，并且控制成本最低。
假设
还需要满足横截条件：
再由庞特里亚金极大值原理，得到最优性条件：
即：
解得：
最终得到使得监控网络成本函数J(u
本发明实施例在工作时，由AUV和UWSNs组成的海洋智慧渔业复杂监控网络，在针对恶意程序入侵研究时，通过从疾病传播动力学的角度进行，借助传染病中的基本再生数R
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
机译： 用于最佳地控制计算机网络上的计算机程序的兑现和转移的计算机系统和相关方法（57）专利：“用于最佳地控制计算机网络上的计算机程序的兑现和转移的计算机系统和相关方法”。一种计算机系统和相关方法，用于最佳地控制网络上计算机之间的计算机程序的存储和传输，并促进交互式程序的使用。根据该方法，应用程序作为多个单独且独立的机器可执行代码模块存储在第一计算机的非易失性存储器中。响应于通过网络连接传输的第二计算机的请求，第一计算机从所述机器可执行代码模块中检索选择的模块，并且仅从存储器中检索该选择的代码模块，并将通过网络连接选择的代码模块传输到第二计算机。
机译： 监控和管理数据传输网络节点信息安全的方法
机译： 基于域名系统的网络信息安全远程监控与控制方法
