بخشی از مقاله
شبکههای حسگر بیسیم از تعدادی زیادی سنسور کوچک تشکیل شده است که در یک محیط پخش شده است و وظیفهی مانیتور کردن یا پایش شرایط محیطی و فیزیکی مثل دما، رطوبت، فشار، صدا را برعهده دارند. این سنسورها از لحاظ انرژی و منابع محدودیت دارند. معمولا شبکههای حسگر بیسیم در محیط های خطرناک و برای ماموریتهای حساس، پیکربندی میشوند و این محدودیتها باعث شکستن ارتباطات و مختل شدن انتقالهای اطلاعات در شبکه میشود که با توجه به وظیفه این نوع شبکهها میتواند اثرات مخرب زیادی
چکیده
در شبکههای حسگر بیسیم - Wireless Sensor Network - به دلیل وجود محدودیتهای سخت افزاری مهم، نرخ و احتمال شکستن ارتباطات بین سنسورها زیاد است. یک روش کلاسیک برای حل این مشکل افزایش چگالی تعداد سنسورها در محیط است که این روش به دلیل هزینه بر بودن و برخی مشکلات دیگر، زیاد نمی تواند مفید واقع شود. از طرف دیگر به دلیل محدودیتهای شبکههای حسگر بیسیم، مثل محدودیت انرژی، محدودیت منابع - مثل حافظه، پردازنده، پهنای باند - انتقال دادن اطلاعات اضافی در شبکه و بین سنسورها نیز یک مشکل جدی خواهد بود که برای حل این مشکل از تکنولوژی Data Fusion استفاده میشود، تا اطلاعات، دادههای اضافی وتکراری را قبل ارسال حذف کنیم، که در سال های اخیر مطالعه و تحقیق در مورد این تکنولوژی به صورت جدی انجام میشود. ولی در تحقیقهای انجام شده توجه زیادی به موضوع اعتمادگرههای شبکه نشده است.
در این مقاله ما میخواهیم علاوه بر مرورکردن و مقایسه اجمالی روشهایی که برای حل مشکلات مطرح شده، ارایه شده است. در مورد مسائل امنیتی و اعتماد - Trust - در این متدها، جهت افزایش کارایی روش جدیدی را ارایه نماییم. شبکههای حسگر بیسیم - WSN - ، Data Fusion، عامل موبایل - Mobile Agent - ، اعتماد - Trust - داشته باشد که بیشتر محققان بر این باور هستند که روش کلاسیک برای کاهش این اثرات مخرب، افزایش تعداد سنسورها در محیط است که خود این روش هم دو مشکل عمده خواهد داشت: اولین مشکل این است که با افزایش تعداد سنسورها در محیط برای انجام وظیفه، باعث افزایش هزینه نیز خواهد شد که خود این مسئله در طراحی و پیکربندی شبکهها مسئلهی مناسبی نخواهد بود مگر اینکه این افزایش هزینه در قبال تضمین انجام درست وظیفههای حساس، مثل مانیتور کردن مکان امنیتی به صرفه باشد.
مشکل دوم این روش این است که، افزایش تعداد سنسورها در محیط باعث ایجاد اطلاعات بیشر در شبکه خواهد شد چون بالاخره سنسورهای اضافی نیز داده از محیط حس کرده و تولید خواهند کرد که شاید نیاز هم نباشد و مقداری از این دادهها اضافی و یا حتی تکراری باشند که انتقال و ذخیره و پردازش این اطلاعات اضافی در مصرف انرژی و منابع شبکه مثل حافظه، پردازنده، پهنای باند اثرات منفی خواهد گذاشت که این نیز مناسب نخواهد بود.
با توجه به این مشکلات میتوان چنین نتیجه گرفت که افزایش تعداد سنسورها در محیط بجز موارد اندکی نمی تواند راه حلی برای مشکلات شبکههای حسگر بیسیم و جلوگیری از شکستن اطلاعات باشد ولی به عنوان یک روش ابتدایی و کلاسیک قابل قبول است. طبق آنالیز Gregory [2] اگر فاصله دو سنسور در شبکه حسگر بی سیم 100 متر باشد، آنگاه انرژی که برای انتقال دادن یک بیت داده بین این دو سنسور با مدل رادیویی مصرف میشود برابر انرژی است که برا انجام 3000 دستورالعمل در پردازنده مصرف خواهد شد.
از این آنالیز میتوان یک نتیجه بسیار مهم گرفت مبنی بر اینکه اگر بتوانیم قبل از ارسال دادههای اضافی و تکراری در شبکه آنها را تشخیص داده و حذف کنیم به شدت می توانیم در مصرف انرژی که یکی از جدی-ترین محدودیتهای شبکههای حسگر بیسیم است، صرفهجویی کنیم. از طرف دیگر اگر بتوانیم دادههای مختلف سنسورها را در یک نمایندگی مناسب و سازگار و دقیق که از جنس خود سنسورها است ترکیب، تجمیع، فشردهسازی کنیم، میتوانیم به صورت چشمگیری در مصرف منابع صرفهجویی کنیم. به این ترتیب با راه کارهای بالا، که به صورت کلی همان تکنولوژی Data Fusion است میتوانیم تا حدودی اثرات مخرب حاصل از محدودیتهای شبکههای حسگر بیسیم را کاهش دهیم.
Data Fusion، فرآیند ادغام، ترکیب و فشردهسازی دادههای مختلف در یک نمایندگی سازگار، مناسب و دقیق که از جنس خود صاحب دادهها باشد - سنسورها - ، است .[1] در این مقاله ما ابتدا به معرفی، مرور و مقایسه چندین روش در راستای تکنولوژی Data Fusion در قسمت کارهای گذشته میپردازیم که هدف این روشها حذف دادههای تکراری، کاهش سربار شبکه، بهبود بهرهوری شبکه، جمعآوری دادهها، افزایش طول عمر شبکههای حسگر بیسیم با صرفهجویی در مصرف انرژی شبکه - طولانی کردن عمر سنسورها و به تعویق انداختن مرگ اولین سنسور - است. در نهایت در روش ارایه شده در این مقاله پیرامون امنیت و اعتماد در این روش ها و اینکه چگونه بتوانیم در مورد نحوه اعتماد کردن به سنسورهایی که داده تولید می-کنند، تصمیم بگیریم بحث خواهیم کرد.
-2 کارهای گذشته
در سالهای اخیر متدهای زیادی در رابطه با تکنولوژی Data Fusion مطرح شده است [3]، که میتوان در دو دسته کلی در نظر گرفت: اولی Mobile Agent - MA - است. در روش C/S همه سنسورها که عضو یک خوشه هستند، دادهها و اطلاعات را از محیط حس و جمعآوری کرده و به صورت مرکزی - Central - ، این داده ها را به سرخوشه خود - Cluster Head - یا ایستگاه مرکزی - BS/Sink - تحویل میدهند.
این روش میتواند مشکلات زیادی را به همراه داشته باشد، مثلا تصادم - Collision - که حاصل رقابت ایجاد شده برای ارسال همزمان داده به سرخوشه است. در هربار رقابت سنسورهای شکست خورده مجبور خواهند بود که در دوره دیگر دوباره به رقابت بپردازندکه خود این سناریو سربار زیادی را به شبکه تحمیل خواهدکرد ولی این روش با وجود تمام این مشکلات به عنوان یک روش سنتی و کلی قابل قبول خواهد بود.
در روش MA نیز یک عامل موبایل - MA - توسط سرخوشه - CH - یا ایستگاه مرکزی - BS/Sink - ایجاد میشود و به گرههای همسایه اعزام میشود تا دادههایی که سنسورها از محیط حس و تولید کردند را جمعآوری کنند و بعد همین طور به گرههای دیگر شبکه هم اعزام شود و دادههای موجود در شبکه یا خوشه را جمعآوری - Fuse - شود و در نهایت MA دادههای جمع شده را به گره تولید کننده خود تحویل دهد. شکل - 1 - تفاوتهای این دو دستهبندی کلی را نشان میدهد: شکل سمت چپ نشان دهندهی روش C/S و شکل سمت راست نشان دهندهی MA است. اگر بخواهیم مقایسهای بین این دو دسته انجام دهیم میتوانیم از برتریهای ارایه شده روش MA توسط [4] Qi,Xu,Wang که به شرح زیر است استفاده کنیم:
:Scaliability وقتی سنسور یا گرهای به شبکه اضافه یا کم می-شود در عملکرد و بازده شبکه تاثیری نخواهد داشت.
:Reliability عامل موبایل - MA - ، وقتی اتصالات برقرار است عملکرد عادی را انجام میدهد و بعد از اینکه به هر دلیلی این اتصالات شکسته شود بعد از اتصال دوباره ارتباطلات، عامل میتواند نتایج گذشته که قبل از شکستن ارتباطات بوده است را برگرداند و هیچ مشکلی در عملکرد عامل ایجاد نمیشود.
:Extensibility and task-adaptability عاملها به گونهای برنامهریزی شدهاند که این قابلیت را دارند که با توجه به عملکرد و قابلیت شبکه، وظایف مختلفی را در زمینه جمعآوری - Fuse - دادهها در شبکه انجام دهند و به نوعی قابل گسترش هستند.
:Energy-awareness برنامهنویسی عاملها به گونهای است که می توانند با توجه به تغییرات حجم اطلاعات و محدودیتهایی مثل مقدار انرژی به صورت پویا عمل کنند و به نوعی با شرایط جدید شبکه عملکردشان را وفق بدهند.
:Progressive accuracy میتوانیم در این دسته از روشها تا حد قابل قبولی صحت و دقت در یکپارچهسازی و جمعآوری دادهها را محیا کنیم. علاوه بر موارد ذکر شده در روش Mobile Agent، میتوانیم با حذف مهاجرتهای غیر ضروری عامل موبایل و به نوعی بهینهسازی مسیریابی و ترتیب مهاجرتها، در مصرف انرژی و سایر منابع - حافظه، پهنای باند، پردازنده - صرفهجویی شایانی را انجام دهیم که در بهبود عملکرد شبکههای حسگر بیسیم و همچنین افزایش طول عمر شبکه که بر اساس مدت زمان سپری شده از شروع کارکرد شبکه تا مرگ و از بین رفتن اولین گره و سنسور - FND - در نظر گرفته میشود، موثر خواهد بود. علاوه بر روشهای ذکر شده یک روش جدید در راستای تکنولوژی Data Fusion که از تکنیک چند لایه فرض کردن شبکه استفاده میکند، روشMulti-Agent Data Multilayer and Fusion[1] است.
در ابن روش شبکه حسگر بیسیم به صورت سه لایه در نظر گرفته شده است که در اولین لایه که با عنوان لایه سنسورهای معمولی مطرح است، سنسورهای معمولی در شبکه قرار دارند که در کلاسترها یا خوشههای مختلف کلاسبندی شدهاند و کار مانیتور کردن محیط را برعهده دارند و برای هر خوشه یک گره با توجه به معیار انرژی و فاصله از همسایهها به عنوان سرخوشه - CH - انتخاب میشود که میتواند عملکردی مثل سنسورهای معمولی داشته باشد.
دادههای تولید شده توسط سنسورهای معمولی با استفاده از روش MA در سرخوشه - CH - تجمیع میشود با این تفاوت که در هر سنسور معمولی نیز یک عامل ایستا - Static Mobile Agent - قرار داده شده است تا دادههای اضافی و تکراری را قبل از تحویل به عامل موبایل ایجاد شده توسط سرخوشه، حذف کند. در دومین لایه که لایه سرخوشهها نامگذاری شده است دقیقا عملکرد لایه اول انجام میشود.
با این تفاوت که در این لایه گرههای سرخوشه به عنوان گرههای معمولی هستند و گره Sink به عنوان سنسوری است که باید دادههای موجود در سرخوشهها که همان دادههای کلاسترها است که در لایه اول در سرخوشه تجمیع شده است، در این سنسور تجمیع و جمعآوری شود. و بالاخره در لایه سوم که با عنوان لایه Sink شناخته میشود نیز تمام گره های Sink که احتمالا به صورت محلی - Local - دادهها را از سرخوشهها تحویل گرفتند به ایستگاه اصلی تحویل دهند و نحوهی Fuse شدن داده در این لایه هم دقیقا مثل لایه اول است.
-3 روش پیشنهادی - E-MMADF -
در این روش قصد داریم تا عملکرد روش سوم ارایه شده در کارهای گذشته، که از لایهای فرض کردن شبکه حسگر بیسیم استفاده میکرد، تا حدودی بهبود ببخشیم.
