💻 computer science

Multi-sensor Privacy Data Tampering Prevention Method under Flood Attacks

本文提出了一种结合分布式认证、改进型 AES 加密 T-box 以及基于差分方差的洪水攻击检测的多传感器隐私数据篡改防护方法，旨在确保数据在传输和存储过程中的安全性、完整性和机密性。

原作者： Aiping Liu, Zongbo Wu, Junjie Wu, Tianjun Ma

发布于 2026-06-29

📖 1 分钟阅读☕ 轻松阅读

原作者： Aiping Liu, Zongbo Wu, Junjie Wu, Tianjun Ma

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一座充满微小、有用信使（传感器）的城市，它们不断向中央邮局发送关于天气、交通或你健康的各种重要笔记。这些笔记通常包含私密秘密。然而，“洪水攻击”（Flood Attack）就像是一个恶棍同时向邮局发送数百万封虚假的垃圾信件。这会堵塞道路，耗尽邮递员的精力，并制造混乱，让坏人得以趁机潜入，窃取真实的信件，或者在无人察觉的情况下将私密笔记替换成伪造的笔记。

本文作者 Aiping Liu 及其团队提出了一种“超级安全系统”来阻止这种情况发生。以下是他们的方法是如何运作的，通过简单的解释来进行说明：

1. “秘密隧道”与“双重检查”（分布式身份验证与隐蔽信道）

首先，系统建立了分布式身份验证架构（Distributed Authentication Architecture）。你可以把它想象成在每一户人家（传感器）都配备了一名保安，而不是只在主大门设一名保安。在信件离开家门之前，保安会检查其身份证明，确保它确实来自该住户且未被篡改。

但如果主干道被垃圾邮件堵塞了怎么办？作者构建了一个隐蔽传输信道（Covert Transmission Channel）。想象一下，在城市的墙壁内隐藏着一条秘密隧道。

运作方式： 系统不是将私密信件放在显眼的信封里在街上运送，而是将私密数据隐藏在交付的“时机”之中。这就像是通过在门上敲击特定的节奏来传递秘密信息，而实际的运送卡车看起来只是在运送普通的垃圾。对于外部人员（攻击者）来说，这看起来只是正常的交通流量，但接收者知道如何解码这个秘密节奏以获取真实信息。这使得攻击者极难发现或篡改数据。

2. “不可破解的乱序”（改进型 AES 加密）

即使攻击者设法窥视到了秘密隧道，他们也无法读取信息。为了防止这种情况，团队使用了一种带有特殊“T 盒”（T-box）的改进型 AES 算法。

类比： 把你的私密数据想象成一杯透明的水。攻击者可以轻易看到里面是什么。加密算法会将这杯水放入一个高速搅拌机（T 盒）中，将其搅碎成复杂的、无法辨认的薄雾。
过程： 数据被切分成微小的 64 位碎片，使用一个独特的密钥（就像一个秘密配方）进行乱序处理，然后重新组装。只有拥有完全匹配密钥的人才能将薄雾还原回原始的水。这确保了即使数据被盗，在窃贼眼中也看起来像是随机的噪声。

3. “智能交警”（差分方差变化率）

最后，系统需要阻止垃圾邮件的洪水淹没整个城市。作者创建了一个动态流量监控系统，它充当一名超级智能的交警。

运作方式： 这个交警不仅统计车辆数量，还会观察交通流的变化速度。如果车流量突然以一种奇怪、不自然的方式激增（比如在一秒钟内突然涌入 10,000 辆车），交警就会意识到这是洪水攻击，而非普通的繁忙时段。
行动： 利用名为“差分方差变化率”（Differential Variance Change Rate）的数学公式，系统会计算交通模式是否可疑。如果判定为可疑，交通交警会立即通过控制器 API 翻转开关，关闭垃圾邮件涌入的特定闸口，在阻断攻击的同时让真实的秘密信息通过。

结果：奏效了吗？

研究人员针对四种类型的“洪水攻击”（例如发送数百万个虚假请求）对他们的系统进行了测试。

旧方法： 当使用普通道路时，系统丢失了大量数据，并且在重度攻击下极易被篡改。
新方法： 凭借他们的秘密隧道、乱序信息和智能交警，系统保持了数据的安全。其“安全评分”保持在非常高的水平（接近 100%），且极少丢失信息。被乱序处理后的数据看起来极其混乱，攻击者几乎不可能猜出其中的内容。

简而言之： 本文提出了一种保护私密传感器数据的方法，即通过将数据隐藏在秘密隧道中、将其乱序处理使其无法阅读，并使用一套智能系统来即时拦截试图破坏系统的海量垃圾流量。

技术摘要：洪水攻击下多传感器隐私数据防篡改方法

1. 问题陈述

随着智能交通、环境监测和医疗保健等领域中多传感器系统的快速扩张，产生了海量的各类数据，其中包括敏感的个人隐私和关键基础设施状态。然而，传感器节点资源受限且依赖分布式无线通信，这使得它们极易受到网络攻击。具体而言，洪水攻击（拒绝服务攻击）通过过量的报文数据使目标节点过载，导致资源枯竭和通信瘫痪。在这种环境下，传输和存储过程中的数据篡改风险极高，因为实时检测恶意行为变得十分困难。现有的解决方案，如局部差分隐私、基于区块链的交易优化以及隐私计算，面临着包括不合理的隐私预算分配、密钥共享带来的新安全风险、元数据泄露以及过高的计算开销等局限性。

2. 方法论

所提出的方法通过一个三阶段框架来应对这些挑战，旨在确保洪水攻击条件下多传感器隐私数据的安全性、完整性和机密性。

A. 分布式认证与隐蔽传输

为了防止源端及传输过程中的篡改，作者采用了分布式认证架构：

流认证：利用特定的认证参数（ $Q_i$ ）对多传感器数据流进行初步认证，以验证来源和完整性。
安全评估：通过对数据流特征进行微分计算来评估安全等级。如果特征方差显示安全性较低，则应用增强型数据函数来提升数据的抗篡改能力。
隐蔽传输通道：为了避免将隐私数据嵌入标准协议字段（这种方式不安全），构建了一个基于时间的隐藏传输通道。隐私数据经过预处理、编码后，利用时间特征嵌入算法将其嵌入到普通的节点源数据中。这创建了一个隐蔽通道，使数据以特征包的形式进行传输，显著降低了攻击者对隐私数据的可见性。

B. 通过改进的 AES 算法进行加密

为了进一步加强隐蔽通道内的机密性，利用一种改进的 AES 算法设计了一个加密的 T-box：

流程：该算法分为两个轮次运行：数据行混淆和列混淆。
实现：将隐私数据分割成 64 位块。生成并扩展初始密钥。明文状态矩阵经过混淆（行和列）处理，随后使用扩展密钥集进行加密。
解密：在接收端，使用原始密钥和扩展密钥进行身份认证。认证成功后，T-box 将密文解密回明文。

C. 洪水攻击检测与防御

为了防止可能导致上述保护措施失效的资源枯竭问题，在 SDN（软件定义网络）架构内实现了一种基于微分变化率的动态流量监控机制：

流量监控：控制器收集来自多传感器设备的实时流量数据（ $V(t)$ ）。
异常检测：系统计算当前与前一流量周期之间的微分方差（ $D_{var}(t)$ ），以捕捉指示洪水攻击的细微且快速的变化。
决策逻辑：通过隶属度函数 $I(t)$ 判断流量是否异常。为避免误报，系统会追踪异常持续的时间（ $s$ ）是否超过容忍极限（ $d$ ）。
防御：如果确认发生攻击（即 $I(t)$ 连续超过 $d$ 个周期保持大于零），控制器将通过其 API 发布流表项，以阻断特定的攻击流量，从而确保合法数据传输的连续性。

3. 核心贡献

集成防御架构：本文提出了一种综合方法，结合了分布式认证、隐蔽通道构建和改进型加密，专门针对洪水攻击下多传感器网络的约束条件进行了定制。
基于时间的隐蔽通道：构建的基于时间特征的隐藏传输通道能够将隐私数据隐藏在普通流量中，增强了抗拦截和抗篡改的能力。
改进的 AES T-box：通过改进的 AES 算法设计的加密 T-box 提供了一个两轮混淆过程（行和列），以确保高混淆度的密文。
动态流量防御：引入的微分变化率算法实现了对洪水攻击的细粒度实时检测，使 SDN 控制器能够在耗尽系统资源之前动态阻断恶意流。

4. 实验结果

该方法在包含温度、湿度、压力和光照传感器的测试平台中，在各种洪水攻击场景（TCP SYN、UDP、ICMP 和混合洪水）下进行了评估。

抗攻击能力：与传统传输通道相比，所提出的隐蔽传输通道在所有攻击类型下均表现出显著更高的抗攻击指数（始终接近 100%），而传统通道波动较大，在混合洪水场景下甚至降至 40%。
安全指数与丢包率：所提方法的网络安全指数接近 1（表示高完整性），并将丢包率维持在 5% 左右。其性能优于仅基于隐私保护的方法、区块链/隐私计算融合方法以及改进后的区块链方法，后者表现出较低的安全指数和较高的波动。
信息熵：在密文混淆方面，所提方法的信息熵值与“最理想”的信息熵曲线高度吻合。相比之下，基于区块链的方法表现出明显的偏差和较低的熵值，表明在复杂场景下的加密状态较弱。

5. 意义与主张

本文声称，所提出的方法即使在存在洪水攻击的情况下，也能有效确保传输和存储过程中多传感器隐私数据的安全性、完整性和机密性。通过整合分布式认证、隐蔽传输和动态流量防御，该方法克服了现有单层防御方案的局限性。作者断言，这种方法为在复杂网络环境中运行的多传感器系统提供了一种稳定可靠的解决方案，能够防止数据篡改并确保关键基础设施的持续运行。该工作被呈现为一种全面的解决方案，解决了资源受限的传感器节点在面对拒绝服务和篡改威胁时的特定脆弱性。