无线传感器网络流量冗余抑制与数据存储安全策略

### 无线传感器网络流量冗余抑制与数据存储安全策略 #### 无线传感器网络流量冗余抑制 在无线传感器网络中，数据冗余是一个常见的问题，它会导致网络带宽的浪费和能量的消耗。为了解决这个问题，人们提出了多种方法。 现有的一些方法存在一定的局限性。例如，网络内处理技术在多跳传输路径的中间节点聚合信息，但不能消除数据源和聚合节点之间的冗余传输；基于预测的方法仅传输与预测传感器读数的差值，但为了区分节点故障，仍需要进行周期性且常为冗余的传输。传统的批量压缩方法虽在资源消耗上进行了优化以适用于无线传感器网络，但没有反映连续时间点通过链路传输的数据重叠情况；分布式源编码利用空间上接近的传感器读数之间的相关性对多传感器数据进行编码，同样存在类似问题；IP 数据包元数据的头部压缩方法基于静态规则利用头部字段的可预测模式，不适用于任意数据冗余。而且，现有的各种无线传感器网络协议的优化通常是特定于应用、协议或数据类型的，不能充分解决网络链路层的数据冗余问题。 为了更有效地抑制冗余，采用了一些新的技术。 - **指纹识别用于重复检测**：Rabin 指纹已被应用于多种算法中，用于识别任意数据中的相似性或具体重叠部分。还可用于将数据分块成与内容相关的、具有移位不变性的分区。通过一种新颖的方式利用这种分块方法，构建不同大小分区的代表性集合，以查找匹配的数据内容。 - **冗余抑制协议**：最初的网络链路冗余抑制协议基于匹配整个数据包有效负载，后来通过引入基于分块的指纹识别方法得到改进，用于检测任意数据集之间的重复数据段。为了配置协议以获得最佳效果，人们对典型互联网流量中的冗余进行了大量分析，例如确定分块算法的分区大小、指纹的采样率、缓存分配的内存量以及缓存端点的放置节点等。此外，传输数据中的冗余还被用于其他目的，如寻找常见数据内容的多个下载源，或与负载均衡和路由相结合，但这些工作尚未满足无线传感器网络的特定需求。 - **频繁项计数**：识别数据集中频繁项的问题是一个常见问题。对现有的 hCount 数据结构进行了扩展，以应对动态变化的频率分布。使用基于草图的概率数据结构来测量、分析和分类网络流量并非新颖的想法，但以往的研究主要集中在高带宽网络的快速过滤方法或高效处理大型跟踪数据的离线处理。我们的解决方案旨在在不知道项目标识的情况下清除最不频繁的元素，并且 hCount 实现集成了基于分区的动态计数器分配技术，还应用了加权计数的概念以反映数据块的大小。 对提出的冗余分析方法进行了评估。 - **计算开销**：该方法的计算开销比基于预设分区大小和指纹采样的现有解决方案更高，但与简单比较所有数据子集的二次开销不同。假设数据被分割成均匀大小的块，该方法需要比较的项目数量为 \(f(n) = \sum_{w = 1}^{n} \frac{n}{w} = nH_n\)，其中 \(w\) 是块大小，\(n\) 是数据包大小，且 \(\lim_{x \to \infty} H_n - \ln(n) = \gamma\)（\(\gamma\) 是欧拉 - 马斯刻若尼常数），所以 \(f(n) = O(n \log n)\)。然而，分块算法不会绝对均匀地分割数据，为确保移位不变性，会与目标块长度有一定偏差。在实验中，大多数情况下，足够大以值得缓存的块数量实际上低于 \(n\)。考虑到无线传感器网络的特点，如无高速网络需求、数据包小、带宽低和占空比低，这种额外的计算负载和计算时间开销是可以接受的。 - **实证评估**：测量无线传感器网络中冗余抑制的实际收益是一项困难的任务，因为数据传输中的冗余取决于特定应用和可能不可预测的流量，以及其他流量减少机制的存在。因此，没有重点关注这方面，而是研究了与无内存限制的完整协议相比，该协议能够识别的冗余量。通过将二进制数据文件分割成 64 到 128 字节的典型数据包尺寸进行模拟基本网络流量，并传输原始数据。使用具有高相关性的真实传感器数据日志和用于基准测试压缩算法的标准化数据集进行模拟。 - **基于分块的冗余分析**：通过仅比较分块来匹配相同数据片段时，测量了性能损失。以离