30911

بهبود مسيريابي در شبكه‌هاي حسگر بي‌سيم با استفاده از خوشه بندي بر مبناي اعتماد و يادگيري تقويتي

كارشناسي ارشد

مهندسي برق

1399

1402/10/29

دكتر محمد سليماني

دكتر حسين سليماني

برق

با توجه به ويژگي‌هاي منابع محدود و توپولوژي پويا، شبكه‌هاي حسگر بي‌سيم با دو مشكل اساسي مواجه هستند: امنيت و مصرف انرژي. در حال حاضر، راهكارهاي مبتني بر اعتماد به منظور مقابله با رفتارهاي مخرب قابل اجرا هستند، اما همچنان مشكلاتي از قبيل انواع حملات، مصرف انرژي بالا و اتمام منابع وجود دارد. در اين پژوهش، با توجه به چالش‌ها و مشكلات مسيريابي در شبكه‌هاي حسگر بي‌سيم، يك روش نوين براي بهبود مسيريابي ايمن و كاهش مصرف انرژي با در نظر گرفتن مقدار اعتماد و انرژي در يادگيري تقويتي ارائه شده است. در اين پژوهش براي حفظ امنيت بسته‌ها به جاي رمزنگاري، از مدل اعتماد استفاده شده است تا سهولت بيشتري فراهم شود و هزينه‌ها و زمان مرتبط با رمزنگاري را كاهش دهد. مدل اعتماد مبتني بر مقدار اعتماد، اطلاعات را بر اساس سطح اعتماد گره‌ها ارسال مي‌كند، كه اين امر باعث بهبود امنيت و كيفيت ارتباطات مي‌شود. همچنين بهينه‌سازي مصرف انرژي از طريق خوشه‌بندي شبكه با استفاده از مقدار اعتماد صورت مي‌گيرد. بعد از خوشه بندي و انتخاب سرخوشه بر اساس مقدار اعتماد، انرژي و فاصله، مسيريابي چند پرشي با استفاده از يادگيري تقويتي مبتني بر سه عامل مقدار اعتماد، انرژي و فاصله در درون خوشه ها و بين سرخوشه‌ها انجام مي‌شود. نتايج شبيه سازي در متلب نشان مي‌دهد كه روش به كار رفته در اين پژوهش باعث بهبود مسيريابي از نظر امنيت، مصرف انرژي، بالا رفتن نسبت تحويل بسته‌ها و افزايش طول عمر شبكه شده است.

1403/03/05

Improving Wireless Sensor Network Routing with Trust Value Clustering and Reinforcement Learning

1/18/2025 12:00:00 AM

Wireless sensor networks face two fundamental challenges due to the characteristics of limited resources and dynamic topology: security and energy consumption. Currently, trust-based solutions are executable to counteract malicious behaviors, yet challenges persist, including various types of attacks, high energy consumption, and resource depletion. In this research, considering the challenges and routing problems in wireless sensor networks, a novel method is proposed to enhance secure routing and reduce energy consumption. Instead of encryption, a trust model is utilized to provide greater ease, reducing the costs and time associated with encryption. The trust-based model sends information based on the nodes' trust levels, leading to improved security and communication quality. Additionally, energy consumption optimization is achieved through network clustering based on trust values. After clustering and selecting cluster heads based on trust, energy, and distance, multi-hop routing is performed using reinforcement learning within and between clusters. Simulation results in MATLAB demonstrate that the proposed method in this research enhances routing in terms of security, energy consumption, and packet delivery ratio.

مقدار اعتماد , يادگيري تقويتي , خوشه بندي , مسيريابي چند پرشي

Trust Value , Reinforcement Learning , Clustering , Multi-Hop Routing

Fatemeh Soheili

Mohammad Soleimani