Oct, 2022
面向工业无线传感器网络的可信安全聚类生成对抗学习
Generative Adversarial Learning for Trusted and Secure Clustering in Industrial Wireless Sensor Networks
Liu Yang, Simon X. Yang, Yun Li, Yinzhi Lu, Tan Guo
TL;DR本文提出了一种基于生成对抗网络（GAN）的信任管理机制，用来解决对新型攻击的标记数据缺失以及传统机器学习算法训练数据集大小对系统安全性能的影响问题，在工业无线传感器网络中采用了二阶模糊逻辑来评估传感器节点的信誉，并建立了基于 GAN 的编解码结构来收集信任向量和检测恶意节点，同时构建了基于 GAN 的信任赎回模型来提高信任管理的鲁棒性。该机制可应用于可靠实时数据传输的安全聚类，实验结果表明具有高达 96% 的检测率和低于 8% 的误报率。