基于随机森林的水声传感器网络动态信任评估模型

摘要

水声传感器网络（UASNs）广泛应用于水下场景.近年来，信任模型已成为应对网络内部攻击者的重要工具.然而由于水下环境的独特性，应用于陆地无线传感器网络的信任模型并不适合直接用于UASNs.本文提出一种基于随机森林算法的水声传感器网络动态信任评估模型（RFTM）.首先，获取包括基于通信、数据、能量的信任证据；然后，提出了一种改进的基于随机森林的训练预测模型，用于判定传感器节点的信任状态；最后，通过滑动时间窗口算法动态地计算并更新信任值.仿真结果表明，RFTM在恶意节点信任判定和延长网络生命周期等方面取得了较好的效果，其中恶意节点检测准确率达到98%以上.

关键词

随机森林 / 动态更新 / 信任评估模型 / 水声传感器网络

基金资助

教育部春晖计划项目（HZKY20220590）