CC BY
10
МНОГОМАСШТАБНОЕ МОДЕЛИРОВАНИЕ ДЛЯ УПРАВЛЕНИЯ И ОБРАБОТКИ ИНФОРМАЦИИ
MULTISCALE MODELING FOR INFORMATION CONTROL AND PROCESSING
05.13.15 ВЫЧИСЛИТЕЛЬНЫЕ МАШИНЫ, КОМПЛЕКСЫ
И КОМПЬЮТЕРНЫЕ СЕТИ
COMPUTERS, COMPLEXES AND COMPUTER NETWORKS
DOI: 10.33693/2313-223X-2020-7-4-31-38
Модель на основе выбора центральных узлов кластера для сбора данных в мобильной сети интернета вещей
Н.А. Жукова1, a ©, Аунг Мьо То2, b ©, Тин Тун Аунг2, b ©, Е.Л. Евневич1, c ©
1 Санкт-Петербургский федеральный исследовательский центр Российской академии наук, г. Санкт-Петербург, Российская Федерация
2 Университет ИТМО,
г. Санкт-Петербург, Российская Федерация
a E-mail: nazhukova@mail.ru b E-mail: aungmyothaw52660@gmail.com c E-mail: eleneva57@gmail.com
Аннотация. Сеть интернета вещей, внедряемая сейчас в различные отрасли и сферы деятельности, представляет собой большое количество сенсорных узлов, объединенных мобильной сетью, поддерживающей связь между всеми узлами и базовой станцией. Данные, собираемые мобильными устройствами, становятся все более динамичными и сложными. При сборе данных в динамической сети возникает необходимость поиска оптимального соотношения безопасности, задержки передачи данных и потребления энергии. С учетом этих требований была разработана модель сбора данных на основе выбора центральных узлов кластера, в которой применяется модифицированный протокол маршрутизации LEACH-M. Применение предложенной модели обеспечивает безопасный выбор центральных узлов кластера при сборе данных, а также энергоэффективную маршрутизацию. Модель оценивалась с использованием различных показателей, таких как безопасность, энергопотребление, количество активных узлов и общая задержка передачи данных в сети. Результаты моделирования продемонстрировали преимущества предложенной модели по нескольким параметрам по отношению к другим моделям на основе кластеризации.
Ключевые слова: интернет вещей, LEACH-протокол, центральный узел кластера, мобильные устройства, динамическая сеть
f -\
ССЫЛКА НА СТАТЬЮ: Жукова Н.А., Аунг Мьо То, Тин Тун Аунг, Евневич Е.Л. Модель на основе выбора центральных узлов кластера для сбора данных в мобильной сети интернета вещей // Computational nanotechnology. 2020. Т. 7. № 4. С. 31-38. DOI: 10.33693/2313-223X-2020-7-4-31-38
V J
DOI: 10.33693/2313-223X-2020-7-4-31-38
Model based on the selection of cluster heads for data collection in the mobile Internet of Things
N.A. Zhukova1, a ©, Aung Myo Thaw2, b ©, Tin Tun Aung2, b ©, E.L. Evnevich1, c ©
1 St. Petersburg Institute of Informatics and Automation of the Russian Academy of Sciences, St. Petersburg, Russian Federation
2 ITMO University,
St. Petersburg, Russian Federation
a E-mail: nazhukova@mail.ru b E-mail: aungmyothaw52660@gmail.com c E-mail: eleneva57@gmail.com
Abstract. Internet of Things network being recently implemented in a wide variety of domains of human activities consists of multiple sensor nodes and mobile network supporting communications between the nodes and base station. Data collected by mobile devices is becoming more dynamic and complex. While solving the task of data collection in a dynamic network it becomes necessary to find the optimal balance of security, data transmission network latency and energy consumption. Taking these requirements into account a method for cluster heads selection and data collection model based on a modified LEACH-M routing protocol were developed and presented in this paper. Proposed approach ensures both secure selection of the cluster heads when collecting data and energy efficient routing. The model was evaluated by using various performance metrics such as security of data collection by cluster heads, power consumption, number of active nodes and network latency. According to the simulation results the performance of the proposed clustering model is better than that of the existing clustering models in several aspects.
Key words: internet of things, LEACH protocol, cluster head, mobile devices, dynamic network
FOR CITATION: Zhukova N.A., Aung Myo Thaw, Tin Tun Aung, Evnevich E.L. Model based on the selection of cluster heads for data collection in the mobile Internet of Things. Computational Nanotechnology. 2020. Vol. 7. No. 4. Pp. 31-38. (In Russ.) DOI: 10.33693/2313-223X-2020-7-4-31-38
Интернет вещей (Internet of Things, loT) - сеть связанных объектов, которые передают полученные ими данные на базовую станцию, в туманные или облачные среды для дальнейшей обработки. Большинство из этих связанных объектов представляют собой сенсорные узлы, которые используются в различных приложениях, таких как интеллектуальные системы здравоохранения, умный город, умный дом, интеллектуальные транспортные системы. Беспроводные сенсорные сети (Wireless Sensor Networks, WSNs) становятся ключевым средством функционирования интернета вещей. С развитием интеллектуальных устройств наряду со статическими сенсорными узлами появились мобильные, такие как автомобиль, мобильный телефон, умные часы, камера и ГПС (глобальная система позиционирования). Кроме того, в сети умного города были разработаны интеллектуальные транспортные средства, в состав которых входит множество мобильных IoT-устройств.
Современное состояние сети loT характеризуется рядом проблем, вызванных мобильностью устройств. К ним относятся проблемы обеспечения энергоэффективной маршрутизации, безопасности собираемых данных, сокращения времени передачи данных, возникающие в условиях динамических изменений топологии сети. Маршрутизация дан-
ных на основе выбора центрального узла кластера представляет собой перспективный метод для решения проблем использования энергетически ограниченных сенсорных сетей. Выбор центральных узлов разных групп (кластеров) сенсорных сетей осуществляется базовой станцией (узлом, расположенным в туманной среде, далее - узел Fog). Центральные узлы кластеров отвечают за сбор данных от узлов кластеров и их передачу на базовую станцию. Вследствие мобильности и изменения топологии сети центральные узлы выбираются на каждой итерации сбора данных. Выбор центрального узла становится регулярно повторяющейся важной задачей, требующей оптимального решения. При выборе следует учитывать, что центральные узлы должны иметь достаточную энергию для выполнения дополнительной работы (обработки полученных данных и подготовки их для пересылки базовой станции), обеспечения безопасности данных, за счет их выбора должно уменьшаться время ожидания отклика от узлов.
Существует ряд вариантов реализации метода маршрутизации на основе алгоритме кластеризации LEACH (Low Energy Adaptive Cluster Hierarchy - низкоэнергетическая адаптивная кластеризация), направленных на снижение энергопотребления и продления срока службы сети. Некоторые
Жукова Н.А., Аунг Мьо То, Тин Тун Аунг, Евневич Е.Л.
модифицированные протоколы LEACH представлены в работе [1]. В указанных протоколах центральные узлы кластера выбираются в зависимости от расположения всех узлов в кластере. Расположение центрального узла должно удовлетворять условию максимальной близости к нему остальных узлов кластера. В работе [2] предложен алгоритм централизованной кластеризации (LEACH-C), в котором базовая станция имеет информацию о каждом узле в сети. На основании этой информации производится выбор центрального узла. В работе [3] выбор центрального узла кластера базируется на информации о местоположении сенсорных узлов и имеющейся у них энергии. Центральный узел должен иметь уровень энергии выше, чем среднее значение энергии остальных узлов, его положение должно быть центральным в кластере. Следует отметить, что все вышеперечисленные методы кластеризации были разработаны для статических WSN и недостаточно эффективны в мобильных сенсорных сетях. В сетях мобильных устройств используются такие технологии, как MGAHP (Mobility Based Genetic Algorithm Hierarchical Routing Protocol - протокол иерархической маршрутизации на основе генетического алгоритма) [4], модифицированные методы LEACH-М [5], LEACH-ME [6], которые основаны на распределенной кластеризации и автономном выборе центрального узла кластера. Эти методы могут обеспечить управление мобильными узлами и снизить энергопотребление, но не обеспечивают оптимального энергопотребления, уменьшения задержки передачи данных и требуемого уровня безопасности данных.
В данной статье предлагается усовершенствование распределенного алгоритма кластеризации с целью сокращения энергопотребления, обеспечения безопасности выбора центрального узла кластера и снижения задержки передачи данных.
СИСТЕМНАЯ МОДЕЛЬ
ПРЕДЛАГАЕМЫЙ LEACH-M-ПРОТОКОЛ
Протокол LEACH-M относится к расширенным протоколам LEACH, которые применимы в мобильных сетях. Этап кластеризации в предлагаемом протоколе соответствует протоколу LEACH. С целью обеспечения безопасности выбора центрального узла кластера, сокращения энергопотребления и задержки передачи данных модифицированный протокол учитывает такие факторы, как уровень энергии, местоположение и степень доверия к узлам. На этом этапе также происходит формирование кластеров для управления маршрутом передачи данных от узлов. Принцип работы модифицированного протокола можно сформулировать следующим образом:
1) сенсорные устройства случайно перемещаются в области покрытия сети;
2) все устройства отправляют на базовую станцию информацию о своем местоположении и остаточной энергии, а также идентификационные данные (ИД);
3) базовая станция запускает механизм кластеризации, который формирует кластеры на основе местоположения устройств, остаточной энергии и показателей доверия;
4) базовая станция отправляет информацию о сформированных кластерах всем узлам;
5) сенсорные устройства собирают данные об окружающей среде и производят необходимые вычисления;
6) затем сенсорные устройства передают свои данные соответствующим центральным элементам кластеров;
7) центральные элементы кластеров собирают данные от узлов-участников и отправляют их на базовую станцию;
8) по причине мобильности узлов формирование кластеров и выбор их центральных элементов производится на каждой итерации;
9) сенсорные устройства должны отправлять информацию о своем местоположении, остаточной энергии и свои ИД узлу Fog на каждой итерации сбора данных.
МОДЕЛЬ ЭНЕРГОПОТРЕБЛЕНИЯ
В предлагаемом протоколе применяется радиочастотная энергетическая модель первого порядка (first-order radio energy model). В ряде исследований мобильных сенсорных сетей эта модель активно применялись [7; 8]. В соответствии с ней в зависимости от расстояния между передающими и принимающими данные узлами используется один из двух алгоритмов: модель свободного пространства (free-space model) с потерями мощности d2, если расстояние между узлами меньше некоторого порогового значения d0, или модель затухания сигналов при многолучевом распространении (multipath fading model) с потерями мощности d4, если расстояние больше d0. Согласно радиочастотной энергетической модели первого порядка, когда сенсорный узел отправляет k бит данных на расстояние d, энергопотребление определяется следующим образом:
ETX (k, d ) = E
Tx elec k + ampkd '
(1)
где ЕТх е|ес к - энергия, потребляемая отправителем для отправки к бит данных; ЕТх(к, d) - энергия, потребляемая отправителем для усиления сигнала; п - это потери при передаче данных.
Когда сенсорный узел принимает к бит данных на расстоянии d, потребление энергии рассчитывается по формуле:
EJk, d) :
, k. Rx elec
(2)
В формулах (1) и (2) Ee|ec - потребление энергии на один бит передачи или приема данных по цепи TX или RX (отсюда БТх - потребление энергии при передаче данных; ERx - потребление энергии при получении данных); samP - это параметры амплификации передачи, соответствующие модели многолучевого затухания сигналов при многолучевом распространении или модели свободного пространства. Для модели свободного пространства (freespace model) n = 2 и eamp = efs. Для коэффициента многолучевых потерь в модели затухания сигналов при многолучевом распространении (multipath fading model) n = 4
Ejx (k ,d) =
I ETxelec k + Sfs kd' d < d0' lETxelec k + Smpkrf4' d ^ d0.
(3)
Порог расстояния d0 определяется следующим образом:
do =
(4)
U E
E
MULTISCALE MODELING FOR INFORMATION CONTROL AND PROCESSING
Задержка данных и энергопотребление при передаче пакетов данных зависят от схемы кодирования и методов шифрования. Большие размеры пакетов могут повышать энергопотребление в WSN. В мобильной сети, когда узел выходит за пределы диапазона связи со своим центральным узлом кластера, возникает неэффективная связь и происходит потеря энергии. В этом случае узел должен присоединиться к другому кластеру. Каждая итерация сбора данных включает в себя три этапа: построение кластера, перестройку кластера и передачу данных.
ПОСТРОЕНИЕ КЛАСТЕРА
Схема включает два шага: шаг инициализации и шаг выбора центральных узлов:
1. Инициализация. Первоначально каждый узел должен отправить сообщение о своем местоположении со своим идентификатором на базовую станцию. Формат сообщения показан на рис. 1. Поле идентификатора ИД (И) содержит идентификатор узла - отправителя сообщения; поле местоположения содержит координаты X и Y (абсциссу и ординату) местоположения узла. Уровень энергии характеризует энергетический статус узла в текущем состоянии.
ИД
узла-отправителя [ID of sender node]
Уровень энергии [Energy level]
Местоположение (X, Y ) [Location (X, Y)]
Рис. 1. Формат сообщения Fig. 1. Message format
поступления запросов на присоединение от узлов сети. Сбор данных от всех участников кластера центральным элементом осуществляется при помощи метода множественного доступа с разделением по времени TDMA (Time Division Multiple Access). После получения сообщения Req-Data от узла Fog центральный узел начинает передачу данных от узлов своего кластера. На следующей итерации эти узлы включаются в формирование нового кластера, в котором они будут работать в соответствии с новым расписанием TDMA. После периода передачи данных на каждой итерации центральный узел проверяет список принятых данных, чтобы подтвердить передачу от своих узлов-участников. Кроме того, алгоритм временного разделения доступа позволяет узлам поддерживать свои интерфейсы связи для экономии энергии. Если есть узел, который не отправляет данные, центральный узел кластера отметит его и отправит список таких узлов узлу Fog.
БЕЗОПАСНОСТЬ ВЫБОРА ЦЕНТРАЛЬНОГО УЗЛА КЛАСТЕРА
Прежде чем выбирать центральный узел, узел Fog проверяет достоверность узла, т.е. определяет, является узел доверенным или вредоносным в соответствии со списком контроля доступа и параметрами регистрации. В случае если узел является вредоносным, узел Fog рассчитывает коэффициент проникновения (Intrusion Ratio, IR) на основе полученных и переданных данных. Коэффициент проникновения IR может быть описан следующим выражением:
IR, =-
PR
PT
(7)
2. Выбор центрального узла кластера. Во время каждой итерации г процесс выбора центрального узла выглядит следующим образом: предлагаемый LEACH-M-протокол собирает информацию об узлах (такую как остаточная энергия, местоположение и уровень доверия к ним); далее эта информация учитывается при выборе центральных узлов. Выбор узла п в качестве центрального осуществляется в зависимости от порогового значения Г(п):
T ( п)-
P
1 - P\ rmod
En (п )ReCH ( r ) P,
(5)
En ( n)--
E
r (n) ( Nbr dtoBS,
- +
Nb'max dteteavg
(6)
где PR.: - полученные данные; PT - переданные данные на итерации р. Коэффициент проникновения IR может принимать значения IR.t = ~ или некоторое конечное значение. Конечное численное значение этого коэффициента означает нормальную активность узла, бесконечное значение указывает на наличие какой-либо вредоносной активности.
Когда узел Fog завершает выбор центральных элементов, он отправляет сообщение всем узлам кластера. Формат сообщения показан на рис. 2.
где г - номер текущей итерации; Р - процент центральных узлов по отношению к общему числу узлов; ЯеСИ(г) - процент узлов, которые еще не были выбраны в качестве центральных в течение последних 1/р итераций; Еп(п) - параметр, отвечающий за определение узлов, подходящих (по уровню энергии и положению) на роль центральных узлов кластера:
Максимальный
диапазон [Maximum range]
ИД центрального
узла кластера [ID of cluster head]
Статус энергии [Energy status]
В формуле (6) Есиг(п) - это текущий уровень энергии узла п; £п№ - начальный уровень энергии; Nbrn - количество соседей узла п; Nbrmal¡ - максимальное количество соседних узлов; dtoBSn - расстояние между узлом п и базовой станцией; dtoB-5 - среднее расстояние от узлов сети до базовой станции.
ПЕРЕСТРОЙКА КЛАСТЕРА
На следующей итерации г + 1 происходит выбор новых центральных узлов. Когда узел выбран в качестве центрального, он транслирует уведомление об этом и ожидает
Рис. 2. Формат сообщения от узла Fog Fig. 2. Format of the message from the Fog node
Во время каждой итерации сеть подразделяется на кластеры с использованием алгоритма кластеризации Fuzzy C-Means (FCM) - метод нечеткой кластеризации C-средних. FCM - централизованный алгоритм кластеризации, который может гарантировать деление на определенное количество кластеров; он объединяет узлы с похожими свойствами в один кластер. Целевая функция маршрутизации данных на итерации p определяется по формуле:
ijdij ,
(8)
i=i j=i
где С - общее количество кластеров на итерации р; п - общее количество узлов на итерации р; т - заданный параметр алгоритма кластеризации, характеризующий степень
1
P
Жукова Н.А., Аунг Мьо То, Тин Тун Аунг, Евневич Е.Л.
нечеткости создаваемых кластеров; d.. - расстояние между узлом у и центром кластера /; и - показатель степени доверия у'-го узла, принадлежащего кластеру /:
u = -
1
1
V dc1
2/(m-1) '
(9)
1) прямое получение данных от соседнего узла в кластере, установленного согласно таблице, содержащей информацию о соседях;
2) расчет расстояния между центральным элементом кластера и ретрансляционным узлом;
3) повторение первого шага до тех пор, пока следующий узел ретрансляции не будет в пределах связи.
С учетом требования минимизации целевой функции (8) сеть разделяется на кластеры в зависимости от местоположения узлов и расстояний между ними. Алгоритм кластеризации FCM может минимизировать потребление энергии внутри кластера и выбирать центральные узлы кластеров на основе распределения узлов в зависимости от их положения в кластере. Алгоритм FCM применяется для создания кластеров на каждой последующей итерации.
АЛГОРИТМ ОПТИМИЗАЦИИ ПЕРЕДАЧИ ДАННЫХ
Данный алгоритм позволяет оптимизировать процесс передачи данных на основе использования таблицы информации о соседних узлах для выбора центрального узла в качестве узла ретрансляции при передаче данных. Таким образом, предложенный способ позволяет достичь выравнивания энергопотребления сети.
Пусть некоторый центральный элемент кластера СН2 отправляет данные на базовую станцию, находящуюся на расстоянии d от него (рис. 3, а). Тогда энергопотребление для передачи данных будет равно:
: E, k + s kd4.
elec amp
(10)
Пусть другой центральный элемент кластера СН1 будет использовать другой узел в качестве ретранслятора для передачи данных (рис. 3, б). Тогда энергия, требуемая для передачи данных, может быть рассчитана следующим образом:
E k + s
elec amp
k(d 1 + d а2), а = 2, 4.
(11)
CH2
Узел ретрансляции [Relay node]
CH
Рис. 3. Маршрут передачи данных:
а - прямая передача; b - оптимизированная передача
Fig. 3. Data transmission route:
a - direct transmission; b - optimized transmission
Оптимизация считается достигнутой, если ETx < ETx. Как показано на рис. 4, процесс передачи данных состоит из следующих этапов:
3001250 200 150 -100 -50 0
Рис. 4. Выбор оптимального пути Fig. 4. Selecting the optimal path
МОДЕЛИРОВАНИЕ И АНАЛИЗ
МОДЕЛЬ МОБИЛЬНОСТИ
В мобильных сетях модели мобильности подразделяются на модели групповой мобильности и модели индивидуальной мобильности [9]. Модель случайного блуждания (random waypoint model) является самой популярной и широко используемой моделью и задействована в предлагаемом алгоритме маршрутизации. В этой модели есть период паузы и период движения. Период паузы (пребывание в текущей позиции) может длиться 0-20 с; скорость перемещения узлов находится в диапазоне 0,01-20 м/с.
ПАРАМЕТРЫ МОДЕЛИРОВАНИЯ
В эксперименте базовая станция расположена в центре сети из 300 мобильных устройств с начальной энергией 2 Дж. Мобильные устройства распределены случайным образом и перемещаются по сети размером 300 х 300 м2. Средняя скорость движения узла составляет 1 м/с, полоса пропускания равна 1 Мбит/с. Прочие параметры перечислены в табл. 1.
ПОКАЗАТЕЛИ РЕЗУЛЬТАТИВНОСТИ
Данные показатели включают различные оценки, используемые при сравнении протоколов маршрутизации беспроводной сети на основе кластеров.
Энергопотребление - количество энергии, потребляемой узлами при сборе данных. Если узлы потребляют меньше энергии, можно получить большую производительность в течение срока службы сети.
Задержка - задержка сбора данных в системах; зависит от времени, необходимого для передачи данных.
Количество «живых» узлов - оценивание количества итераций до появления «мертвого» узла.
Безопасность - определение коэффициента проникновения на основе полученных и переданных данных, идентификация вредоносного узла.
d
а
б
Таблица 1
Параметры моделирования [Simulation parameters]
Параметр [Parameter] Значение [Value]
Количество мобильных узлов, шт. [Number of mobile nodes] 300
Зона моделирования, м2 [Simulation domain size, m2] 300 X 300
Начальная энергия, Дж [Initial energy, J] 2
Энергия усиления для модели свободного пространства, пДж/бит/м2 [Energy of the power amplifier (Free space model), pJ/bit/m2] 10
Энергия усиления для модели многолучевых потерь, пДж/бит/м4 [Energy of the power amplifier (Multipath model), pJ/bit/m4] 0,0013
Пороговое расстояние, м [Threshold distance, m] 87,7
Потребление энергии для агрегации данных, пДж/бит/сигнал [Energy consumption for data aggregation, pJ/bit/signal] 5
Размер данных, бит [Data amount, bits] 500
Количество вредоносных узлов, шт. [Number of malicious nodes] 15
РЕЗУЛЬТАТЫ И АНАЛИЗ
Результаты моделирования показаны на рис. 5 и 6. Использование предложенного протокола демонстрирует лучшие результаты в отношении количества «живых» узлов и потребления энергии на каждой итерации по сравнению с другими протоколами. Как показано на рис. 5, количество «живых» узлов в предлагаемой модели больше, чем в LEACH-M [10]. Таким образом, предлагаемая модель может продлить срок службы сети. Рис. 6 представляет текущую энергию сети по итерациям. Уровень энергии при использовании предложенной модели снижается медленнее, чем при использовании протоколов LEACH-M.
На рис. 7 показана общая задержка сбора данных. Предлагаемая модель дает наименьшую задержку по сравнению с другими [11], поскольку алгоритм осуществляет выбор оптимального пути передачи данных. Оптимальный путь выбирается при помощи отправки сообщения Ягеч от базовой станции. После этого таблица маршрутизации обновляется для каждого узла. Таким образом достигается уменьшение задержки сбора и передачи данных (рис. 7). Этот алгоритм подходит для применения в приложениях, работающих в режиме реального времени.
На рис. 8 представлен средний показатель избегания выбора вредоносных узлов в качестве центральных узлов кластеров. Данный показатель характеризует уровень безопасности, поскольку центральный узел собирает данные от всех узлов - участников кластера, а выбор вредоносного узла в качестве центрального приведет к потере данных. Как показано на рис. 8, предложенная модель дает лучший показатель избегания выбора вредоносных узлов, чем другие известные модели [12]. Это достигается за счет анализа поведения центральных узлов и при помощи управления получением и передачей данных, а также за счет предотвращения несанкционированного доступа к данным узлов, которые не зарегистрированы в сети и не имеют идентификатора.
100 Э1 90 % 80 I 70
5 40 >
I 30
.о со
I 20 10 0
Г -O— LEACH-M-протокол -[LEACH-M] :
Предлагаемая модель -
[Proposed]
,100
0 90
p 80
1
i 70
? 60
I
: 50 : 40
L
; 30 ; 20 6 10
: 0.
50 45 40
slo 35
of «=
I&30
-1Г-25
20 15 10
500 1000 1500 2000 Итерации [Rounds]
2500
3000
Рис. 5. Общее количество «живых» узлов Fig. 5. The total number of alive nodes
— 4
■4J— LEACH-IVI-ПрОТОКОЛ [LEACH-M]
[Proposed]
500 1000 1500 2000 Итерации [Rounds]
2500
3000
Рис. 6. Общее потребление энергии Fig. 6. Total energy consumption
Модель I-Drand [I-Drand]
Предлагаемая модель [Proposed]
10
15
20
25
30
35
40
45
50
Плотность распределения узлов [Nodes density]
Рис. 7. Общая задержка сбора и передачи данных Fig. 7. Total latency of data collection and transmission
0
0
20
30 40 50 60 70 80 90 Количество узлов [Number of Nodes]
100
Жукова Н.А., Аунг Мьо То, Тин Тун Аунг, Евневич Е.Л.
Литература / References
1. Heinzelman W.B., Chandrakasan A.P., Balakrishnan H. An application-specific protocol architecture for wireless microsensor networks. IEEE Transactions on Wireless Communications. 2002. Vol. 1. Iss. 4. Pp. 660-670. DOI: 10.1109/TWC.2002.804190.
2. Juwaied A. Jackowska-Strumitto L. Analysis of cluster heads positions in stable election protocol for Wireless Sensor Network. IEEE International Interdisciplinary PhD Workshop (IIPhDW) (Swinoujscie, Poland, May 9-12, 2018). 2018. Pp. 367-370. DOI: 10.1109/ IIPHDW. 2018.8388392.
3. Suwandhada K., Panyim K. ALEACH-Plus: An energy efficient cluster head based routing protocol for wireless sensor network. IEEE 7th International Electrical Engineering Congress (iEECON) (Hua Hin, Thailand, Mar 6-8, 2019). 2019. Pp. 1-4. DOI: 10.1109/ iEEC0N45304.2019.8938948.
4. Rady A, Sabor N., Shokair M., El-Rabaie E.-S.M. Mobility based genetic algorithm hierarchical routing protocol in mobile wireless sensor networks. IEEE International Japan—Africa Conference on Electronics, Communications and Computations (JAC-ECC) (Alexandria, Egypt, Dec. 17-19, 2018). 2018. Pp. 83-86. DOI: 10.1109/JEC-ECC.2018.8679548.
5. Tan L., Wang M., Wang H., Liu L. Improved LEACH-M protocol for aerial sensor networks. IEEE International Conference on Computer, Information and Telecommunication Systems (CITS) (Beijing, China, Aug. 28-31, 2019). 2019. Pp. 1-4. DOI: 10.1109/CITS.2019.8862092.
6. Nayebi A., Sarbazi-Azad H. Performance modeling of the LEACH protocol for mobile wireless sensor networks. Journal of Parallel and Distributed Computing. 2011. Vol. 71. Iss. 6. Pp. 812-821. DOI: 10.1016/j.jpdc.2011.02.004.
7. Zhang D., Qiu J.-N., Zhang T., Wu H. New energy-efficient hierarchical clustering approach based on neighbor rotation for edge computing of IoT. IEEE 28th International Conference on Computer Communication and Networks (ICCCN) (Valencia, Spain, July 29 -Aug. 1, 2019). 2019. Pp. 1-2. DOI: 10.1109/ICCCN.2019.8847073.
8. Xu Ch., Xiong Z., Zhao G., Yu S. An energy-efficient region source routing protocol for lifetime maximization in WSN. IEEE Access. 2019. Vol. 7. Pp. 135277-135289. DOI: 10.1109/ACCESS.2019.2942321.
9. Camp T., Boleng J., Davies V. A survey of mobility models for ad hoc network research. Wireless Communications and Mobile Computing. 2002. Vol. 2. Iss. 5. Pp. 483-502. DOI: 10.1002/wcm.72.
10. Sharma S., Mittal N. An improved LEACH-MF protocol to prolong lifetime of wireless sensor networks. IEEE 8th International Advance Computing Conference (IACC) (Greater Noida, India, Dec. 14-15, 2018). 2018. Pp. 174-179. DOI: 10.1109/IADCC.2018.8692096.
11. Batta M.S., Harous S., Louail L., Aliouat Z.A. Distributed TDMA scheduling algorithm for latency minimization in internet of things. IEEE International Conference on Electro Information Technology (FIT) (Brookings, SD, USA, May 20-22, 2019). 2019. Pp. 108-113. DOI: 10.1109/EIT. 2019.8833679.
12. Rehman E., Sher M., Naqvi S.H.A. et al. Energy efficient secure trust based clustering algorithm for mobile wireless sensor network. Journal of Computer Networks and Communications. 2017. Pp. 1630673:1-1630673:8. DOI: 10.1155/2017/1630673.
Рис. 8. Средний показатель избегания выбора вредоносных узлов в качестве центральных узлов кластеров Fig. 8. Average rate of avoiding selection of the malicious nodes as cluster heads
ЗАКЛЮЧЕНИЕ
В статье рассмотрена модель сбора данных в мобильной сети интернета вещей, основанная на выборе центральных узлов кластера. Предложен протокол маршрутизации, который может применяться в беспроводных сенсорных сетях интернета вещей, образованных мобильными узлами. Главное внимание уделяется выбору центральных узлов кластеров с учетом потребления энергии и обеспечения безопасности. Кроме того, разработанная модель позволяет уменьшать задержку передачи данных. Выбор центральных узлов реализуется на основе прогноза поведения каждого узла. Работоспособность предлагаемой модели была проверена с применением имитационного моделирования на платформе Ма^аЬ. Результаты эксперимента подтверждают возможности предложенной модели по снижению энергопотребления и задержки передачи данных, по повышению безопасности данных в мобильных беспроводных сенсорных сетях.
Статья проверена программой Антиплагиат. Оригинальность - 94,29%
Рецензент: Пшеничный К.А., кандидат геолого-минералогических наук, доцент; Университет ИТМО
Статья поступила в редакцию 22.10.2020, принята к публикации 09.12.2020 The article was received on 22.10.2020, accepted for publication 09.12.2020
СВЕДЕНИЯ ОБ АВТОРАХ
Жукова Наталия Александровна, кандидат технических наук, доцент; ведущий научный сотрудник Санкт-Петербургского института информатики и автоматизации Российской академии наук. Санкт-Петербург, Российская Федерация. РИНЦ Author ID: 222968; ORCID: 0000-0001-5877-4461; Researcher ID: K-9143-2018; Scopus ID: 56406142300; E-mail: nazhukova@mail.ru Аунг Мьо То, аспирант факультета программной инженерии и компьютерной техники Университета ИТМО. Санкт-Петербург, Российская Федерация. E-mail: aungmyothaw52660@gmail.com
Тин Тун Аунг, аспирант факультета программной инженерии и компьютерной техники Университета ИТМО. Санкт-Петербург, Российская Федерация. E-mail: aungmyothaw52660@gmail.com
Евневич Елена Людвиговна, кандидат физико-математических наук; старший научный сотрудник Санкт-Петербургского института информатики и автоматизации Российской академии наук. Санкт-Петербург, Российская Федерация. РИНЦ Author ID: 11428; ORCID: 00000002-8203-0814; Researcher ID: L-9982-2013; Scopus ID: 16434369100; E-mail: eleneva57@gmail.com
ABOUT THE AUTHORS
Natalia A. Zhukova, Cand. Sci. (Eng.), Assoc. Prof.; leading researcher at the St. Petersburg Institute of Informatics and Automation of the Russian Academy of Sciences. St. Petersburg, Russian Federation. Author ID: 222968; ORCID: 0000-0001-5877-4461; Researcher ID: K-9143-2018; Scopus ID: 56406142300; E-mail: nazhukova@mail.ru
Aung Myo Thaw, PhD student at the Faculty of Software
Engineering and Computer Engineering of the ITMO
University. St. Petersburg, Russian Federation. E-mail:
aungmyothaw52660@gmail.com
Tin Tun Aung, PhD student at the Faculty of Software
Engineering and Computer Engineering of the ITMO
University. St. Petersburg, Russian Federation. E-mail:
aungmyothaw52660@gmail.com
Elena L. Evnevich, Cand. Sci. (Phys.-Math.); senior
researcher at the St. Petersburg Institute of Informatics
and Automation of the Russian Academy of Sciences.
St. Petersburg, Russian Federation. Author ID: 11428;
ORCID: 0000-0002-8203-0814; Researcher ID: L-9982-
2013; Scopus ID: 16434369100; E-mail: eleneva57@
gmail.com
