魏　巍, 李先河

(1.西安邮电大学 物联网与两化融合研究院， 陕西 西安 710061；2.西安邮电大学 通信与信息工程学院， 陕西 西安 710121)



恶意攻击下改进的分布式扩散最小均方算法

魏巍1, 李先河2

(1.西安邮电大学 物联网与两化融合研究院， 陕西 西安 710061；2.西安邮电大学 通信与信息工程学院， 陕西 西安 710121)

给出一种改进的分布式扩散最小均方算法，以改善无线传感器网络中攻击节点对网络估计性能的影响。根据攻击节点及正常节点估计值与待估目标参量的差值，确定采集数据被篡改程度，将其归一化后，作为融合权重，代替原扩散最小均方(DLMS)算法中固定的融合权重。仿真结果显示，通过动态改变融合权重，改进算法的全局均方偏差值有所降低，且对网络所受攻击强度的改变不敏感。

无线传感网络；分布式；恶意攻击；最小均方算法；自适应权重

分布式估计被广泛应用于传感器网络、智能电网、机器学习和生物网络[1-4]，分布式估计策略有一致协作策略、增量协作策略和扩散协作策略[5-7]。

分布式算法是由不同的协作模式结合不同的自适应算法得到的，如增量最小均方算法[8]、扩散最小均方(Diffusion Least Mean Square, DLMS)算法[9]和基于一致协作的分布式最小均方算法[10]。在DLMS算法中，所有节点功能被视为相同，网络可以接受任一节点的加入或退出，且分布式模式可以实时迅速更新网络中所有节点的信息。DLMS算法架构包括融合和自适应两个步骤，根据两个步骤的顺序不同，又有融合-自适应(combine-then-adapt, CTA)和自适应-融合(adapt-then-combine, ATC)最小均方算法之分[11]。……