本技术提出了一种无人机(UAV)与无线传感器网络(WSN)协同的恶意软件混合控制方法及装置。该方法首先对无人机进行状态划分,并构建相应的传染病模型。同时,对无线传感器网络中的传感器节点进行状态划分,形成异构无线传感器网络的传染病模型。通过引入控制变量,分别求得无人机和无线传感器网络的最优控制变量,进而得到基于无人机和无线传感器网络的最优控制策略。本申请考虑了相关成本,旨在为抑制恶意软件传播提供理论指导。
背景技术
无线传感器网络(Wireless Sensor Network,WSN)是由大量传感器节点构成的无线网络,在环境保护、国防军事、医疗卫生、智能电网及智能物联网等领域具有巨大价值,是21世纪提高人类生活质量的技术之一,无线传感器网络有着微型化、成本低、鲁棒性良好和部署灵活等优点,常与无人机(Unmanned Aerial Vehicle,UAV)配合,对一些复杂多变的场景进行监管。传感器节点被无人机播撒到指定的场景,之后多以自组织的方式形成检测网络。对于以通信连接性或能量级划分的异构无线传感器网络,有通过聚类算法对传感器节点进行分类相关研究,传感器节点具有数据采集与数据融合转发的功能,通过网络链路与无人机进行信息交互,对于可充电无线传感器网络,无人机还能对无线传感器网络进行能量补充,然而,对于部署于森林、水下、废墟荒野等复杂场景的无线传感器网络,往往会面临通信链路质量差和耗电量过大等问题。此外由于场景的限制,无人机并不能每时每刻都对无线传感器网络进行能量补充,能量问题大大降低了无线传感器网络的自主性和应用性,除了能量问题,无人机和无线传感器网络也面临着恶意软件攻击的潜在风险。随着无人机技术的发展,无人机与无线传感器网络之间的网络关系也复杂起来,复杂的网络关系提高了信息的准确性,增强了信号的空间分辨率,同时也使得恶意软件在无人机和无线传感器网络中的传播情况更为复杂。恶意软件会降低信息的准确性并对无人机和无线传感器网络进行破坏,例如恶意软件会加剧传感器节点的能量损耗,使节点能量更容易耗尽。
目前,用于复杂场景的无线传感器网络往往具有异构性,异构无线传感器网络以其良好的网络稳定性、可靠性和生存性得到了广泛的应用。然而,传感器节点的计算能力和存储容量的限制容易导致恶意软件的传播,且复杂的异构网络会大大增加恶意软件传播规律的复杂性。目前抑制恶意软件传播的方式大多是往无人机或无线传感器网络中注射补丁,注射补丁的时期与部分参数往往由算法得出。针对恶意软件的传播规律的技术研究,部分是从传染病动力学的角度去研究的,而且对象大都是简单的无线传感器网络,对于由无人机和无线传感器网络组成的复杂异构系统,现有技术暂时不能解决恶意软件的传播问题。
实现思路