孫海信 ,何崇林 * ,王俊峰 ,陳镕杰 ,鄧訓(xùn)彬

(1.廈門大學(xué) 信息學(xué)院,福建 廈門,361005;2.天津理工大學(xué) 集成電路科學(xué)與工程學(xué)院,天津,300384)

0 引言

隨著人工智能、水聲通信和集群控制技術(shù)的發(fā)展,水下無線傳感器網(wǎng)絡(luò)(underwater wireless sensor networks,UWSNs)在海洋開發(fā)和軍事方面的應(yīng)用越來越廣泛。然而,UWSNs 水聲通信網(wǎng)絡(luò)信道具有共享性和開放性,這導(dǎo)致UWSNs 的通信網(wǎng)絡(luò)面臨著嚴(yán)重的干擾問題[1]。UWSNs 密集部署時,其水聲通信網(wǎng)絡(luò)不僅面臨著系統(tǒng)外部在頻域、時域、空域和功率域的惡意干擾,還將面臨系統(tǒng)內(nèi)部合法用戶間的互擾,如UWSNs 中其他合法用戶在主動探測時產(chǎn)生的聲吶信號和路徑規(guī)劃時需要的制導(dǎo)授時定位信號、集群控制產(chǎn)生的控制信號以及水下傳感數(shù)據(jù)的傳輸信號等水聲通信信號,都會對UWSNs 的通信產(chǎn)生一定程度上的干擾,顯著降低UWSNs 通信網(wǎng)絡(luò)信息傳輸?shù)目煽啃院陀行?。因?對于各種資源有限的UWSNs,研究有效的抗干擾方法來對抗水下各種復(fù)雜干擾尤為重要。

抗干擾方法總體可分為5 類: 對抗、消除、回避、誘騙和隱藏[2]。常見的抗干擾技術(shù),如跳頻擴頻技術(shù)[3]、直接序列擴頻技術(shù)[4]、跳時技術(shù)[5]、自適應(yīng)干擾抑制技術(shù)[6]和糾錯編碼技術(shù)[7]對傳統(tǒng)的干擾具有不錯的抗干擾性能。然而,隨著無線網(wǎng)絡(luò)面臨的頻譜環(huán)境日趨復(fù)雜惡劣,以及干擾技術(shù)的智能化,給無線網(wǎng)絡(luò)帶來了更大的干擾威脅,尤其是面對現(xiàn)在UWSNs 趨于密集部署以及其水聲通信網(wǎng)絡(luò)的窄帶寬、高時延的特點。因此,常規(guī)無線通信抗干擾技術(shù)已難以有效確保水聲通信傳輸?shù)目煽啃浴?/p>

當(dāng)前,博弈論和機器學(xué)習(xí)在抗干擾領(lǐng)域中的應(yīng)用已得到了初步研究,取得了一些有意義的成果?；诓┺恼摰目垢蓴_模型通過構(gòu)建干擾機和合法用戶間的攻防博弈模型,揭示雙方的行為關(guān)系,可更深入地了解干擾者的行為方式,從而有助于合法用戶采取更有效的抗干擾策略和方法[8]。但在復(fù)雜多變的干擾環(huán)境中,合法用戶難以獲得非法用戶的完整干擾策略。在這種不完全信息博弈中,強化學(xué)習(xí)可通過與環(huán)境的不斷交互試錯,預(yù)測出有效的抗干擾策略[9]。因此,在干擾機和無線合法用戶的對抗博弈中,以 Q 學(xué)習(xí)為代表的強化學(xué)習(xí)算法被應(yīng)用于動態(tài)干擾環(huán)境中的無線通信抗干擾策略選取。因此,博弈論和機器學(xué)習(xí)有望有效解決UWSNs 的通信抗干擾問題。

文中重點介紹了基于博弈論和機器學(xué)習(xí)的抗干擾技術(shù)研究現(xiàn)狀,并介紹了UWSNs 及其抗干擾應(yīng)用的研究現(xiàn)狀,同時對UWSNs 的發(fā)展趨勢及其抗干擾技術(shù)的未來研究方向進(jìn)行了探討。

1 抗干擾技術(shù)概述

1.1 常規(guī)無線通信抗干擾技術(shù)

總的來說,各類無線通信抗干擾技術(shù)都是通過解決通信信號與干擾信號在三維或更高維空間內(nèi)的重疊問題,增強信號的抗干擾能力,保證通信的有效性[10]?，F(xiàn)有的常規(guī)無線通信抗干擾技術(shù)主要在時域、頻域及信號處理域等進(jìn)行抗干擾信號處理,消除干擾信號的影響。常規(guī)無線通信抗干擾技術(shù)主要包括以下幾種。

1) 直接序列擴頻技術(shù): 直接序列擴頻(簡稱為直擴)技術(shù)利用偽隨機擴頻編碼將信源信號擴展成寬帶信號。直擴技術(shù)產(chǎn)生的信號具有寬度大、頻段密度低的特點,具有較強的抗干擾性能[4]。朱行濤等[11]提出了一種基于循環(huán)平穩(wěn)差分的直擴信號盲提取抗干擾方法,針對直擴信號與干擾信號間的近似獨立性,建立了基于盲源分離的抗干擾模型。為解決傳統(tǒng)直擴通信中干擾消除方法的采樣和處理困難的問題,Zhang 等[12]采用壓縮感知來降低直擴系統(tǒng)的采樣率,并進(jìn)一步提出了一種壓縮域的窄帶干擾消除方法。

2) 跳頻技術(shù)和跳時技術(shù): 跳頻和跳時技術(shù)通過選擇通信信道和時隙的方法減少在三維空間中通信信號與干擾信號的重疊,從而保證通信信號傳輸?shù)挠行訹3]。針對跳頻通信系統(tǒng)的抗跟蹤干擾和部分頻帶干擾的問題,Quan 等[13]提出了一種多模式跳頻方案來獲得抗跟蹤干擾和頻帶干擾抑制能力。Hanawal 等[5]聯(lián)合優(yōu)化跳頻技術(shù)和傳輸速率自適應(yīng)技術(shù),通過改變信道或調(diào)整傳輸速率來對抗反應(yīng)式掃頻干擾。

3) 混合擴頻和自適應(yīng)干擾抑制技術(shù): 混合擴頻技術(shù)能夠明顯增強無線通信抗干擾能力和提升信號的隱蔽性,可以有效解決遠(yuǎn)近效應(yīng)以及同臺干擾的現(xiàn)象[6];而自適應(yīng)干擾抑制技術(shù)通過對干擾信號進(jìn)行估計,進(jìn)而對干擾信號進(jìn)行抵消,具有較強的抗窄帶干擾能力[14]。Luo 等[15]提出了一種遵循最大信干噪比規(guī)律的混合擴頻方法,該方法利用頻譜感知信息自適應(yīng)地計算權(quán)重。

4) 糾錯編碼技術(shù): 糾錯編碼技術(shù)通過對通信數(shù)據(jù)進(jìn)行特定的冗余編碼,以擴大碼字之間的差別,使每個碼字的碼之間有一定的關(guān)系,從而對數(shù)據(jù)傳輸過程中因信道衰落或干擾導(dǎo)致的錯誤進(jìn)行糾正[7]。在數(shù)據(jù)傳輸中,常見的糾錯方式有自動請求重發(fā)、前向糾錯和混合糾錯等方式。Abdulkawi等[16]在差分跳頻系統(tǒng)中引入噴泉碼作為糾錯碼,提高了差分跳頻系統(tǒng)的抗干擾性能。

5) 空域濾波技術(shù): 空間濾波技術(shù)主要是利用濾波模型來區(qū)分有用信號和干擾信號,在保證有用信號增益不變的情況下抑制干擾信號。根據(jù)陣列結(jié)構(gòu)的不同,可以分為單空域自適應(yīng)、空域頻域結(jié)合自適應(yīng)和空域時域聯(lián)合自適應(yīng)陣列等[17]?？沼驗V波應(yīng)用于相控陣?yán)走_(dá)的譜估計,可以有效提高波達(dá)方向(direction of arrival,DOA)估計的精度和抗干擾能力[18]。

6) 干擾抵消抑制技術(shù): 干擾抵消抑制技術(shù)主要是對發(fā)射端的自干擾信號進(jìn)行估計,并在接收端進(jìn)行合理的干擾消除。對于窄帶干擾,通過重建自干擾的參考信號[19],利用調(diào)整參考信號的幅度、相位和時延等參數(shù),對自干擾信號進(jìn)行恢復(fù)。對于寬帶干擾,采用多抽頭射頻域自干擾抵消結(jié)構(gòu)[20],模擬出寬帶自干擾信號,達(dá)到抵消干擾信號的效果。Lee[21]提出了一種基于基帶單抽頭自干擾抑制方法來優(yōu)化正交頻分復(fù)用的寬帶全雙工系統(tǒng)[21]。

7) 信道估計技術(shù): 信道估計技術(shù)是通過相應(yīng)的信道估計算法,模擬或計算出實際信道中的一些參數(shù),以便接收端可以獲得信道的沖擊響應(yīng)[22]。信道估計算法可以分為兩類: 一類是基于訓(xùn)練序列的估計算法[23],該方法主要是從接收機已經(jīng)接收的信號信息中訓(xùn)練序列來進(jìn)行信道估計,該方法應(yīng)用范圍比較廣,但會帶來寬帶的浪費和時延的產(chǎn)生;另一類是盲估計算法,這種方法不需要訓(xùn)練序列,而是利用傳輸數(shù)據(jù)的內(nèi)在數(shù)學(xué)信息,該方法雖節(jié)約了帶寬,但計算復(fù)雜性高,靈活性較差,因此其應(yīng)用場景較少。

8) 時間反轉(zhuǎn)鏡技術(shù): 時間反轉(zhuǎn)鏡技術(shù)是一種近似“光路可逆”的陣列信號處理技術(shù),其原理是將信號源處發(fā)射出的信號重新聚焦回信號源處。在采用時間反轉(zhuǎn)鏡技術(shù)的通信系統(tǒng)中[24],非期望用戶信號無法匹配期望用戶傳輸?shù)穆曅诺?因此可很好地抑制非期望用戶產(chǎn)生的干擾,進(jìn)而實現(xiàn)高質(zhì)量的多用戶通信。

隨著無線網(wǎng)絡(luò)面臨的信道環(huán)境日趨復(fù)雜,其受到的干擾威脅越來越大,常規(guī)無線通信抗干擾技術(shù)已難以有效確保通信傳輸?shù)目煽啃浴．?dāng)前,博弈論和機器學(xué)習(xí)的研究如火如荼,其同樣在解決抗干擾問題中具有顯著優(yōu)勢。

1.2 基于博弈論的抗干擾技術(shù)

作為現(xiàn)代數(shù)學(xué)的重要分支,博弈論為無線通信抗干擾過程中對抗雙方相互識別、干擾和規(guī)避的動態(tài)行為提供了有效的數(shù)學(xué)分析框架[25]。宏觀上看,無線通信抗干擾過程是無線通信系統(tǒng)與干擾機博弈的過程。近年來,基于博弈論的無線通信抗干擾方法得到了一定的研究[16],這些研究基于Stackelberg 博弈、隨機學(xué)習(xí)和前景理論等博弈方法,通過構(gòu)建通信信號與干擾信號間的博弈模型,計算出最優(yōu)的抗干擾策略。目前,無線通信抗干擾中博弈論研究主要包括功率分配博弈、信道選擇博弈、混合策略博弈和多用戶協(xié)作博弈等。

Jia 等[26]研究了一種具有不完全信息貝葉斯Stackelberg 博弈的抗干擾模型,為合法用戶與智能干擾機之間就傳輸功率和干擾功率的對抗行為進(jìn)行了分析和建模。在該博弈中,設(shè)置合法用戶為博弈模型中的領(lǐng)導(dǎo)者,智能干擾機為博弈模型中的跟隨者。Lmater 等[27]將無線通信中的抗干擾功率控制問題建模為納什博弈模型,其中合法用戶和干擾機同時采取行動。

Jia 等[28]研究了動態(tài)環(huán)境下基于干擾抑制的無線通信信道選擇問題,并將干擾環(huán)境中的信道選擇問題建模為一個動態(tài)抗干擾博弈,然后提出了一種基于隨機學(xué)習(xí)理論的分布式信道選擇算法來尋找博弈均衡解。Zhang 等[29]將抗干擾問題中的多用戶和多信道問題建模為一個多領(lǐng)導(dǎo)者單跟隨者的 Stackelberg 博弈,并證明了納什均衡的存在性,以保證用戶和干擾機的 Stackelberg 均衡;最后提出了改進(jìn)的聯(lián)合信道選擇和功率分配算法,使其接近最終的均衡,具有較高的吞吐量和良好的抗干擾性能。

為解決網(wǎng)絡(luò)層和 MAC 層抗干擾的跨層優(yōu)化問題,Han 等[30]將路由選擇、信道分配和功率控制的聯(lián)合優(yōu)化問題描述為 Stackelberg 博弈。Hanawal等[5]通過聯(lián)合優(yōu)化跳頻技術(shù)和傳輸速率自適應(yīng)技術(shù)來提高無線通信系統(tǒng)的抗干擾能力,將合法用戶和干擾機之間的相互作用建模為一個約束的零和馬爾可夫博弈,該博弈方案提高了系統(tǒng)的平均吞吐量和抗干擾性能。

針對對抗環(huán)境中的多用戶信道選擇問題,Yao等[31]同時考慮了用戶之間的惡意干擾和同信道的相互干擾,并將該抗干擾問題建模為一個領(lǐng)導(dǎo)者和多個追隨者的 Stackelberg 博弈模型,然后建立分層學(xué)習(xí)框架求解 Stackelberg 均衡,并對所提出的分層學(xué)習(xí)算法的收斂性能進(jìn)行了分析。Yao 等[9]研究了多用戶場景中的抗干擾問題,并考慮了用戶間的協(xié)調(diào);采用馬爾可夫博弈框架對抗干擾問題進(jìn)行建模和分析,提出了一種協(xié)同多智能體的抗干擾算法,獲得最優(yōu)的抗干擾策略。

雖然博弈論解決決策問題具有優(yōu)勢,但此類方法的特點在于通信方需要獲取干擾先驗信息,通過數(shù)學(xué)推導(dǎo)得出結(jié)果。當(dāng)干擾先驗信息未知時,此類方法實現(xiàn)較為困難,難以應(yīng)對干擾樣式或干擾行為不斷變化的情況。

1.3 基于機器學(xué)習(xí)的抗干擾技術(shù)

近年來,隨著人工智能理論與方法研究的不斷深入,有學(xué)者提出基于機器學(xué)習(xí)的無線通信抗干擾方法。機器學(xué)習(xí)通過構(gòu)建一種從數(shù)據(jù)中進(jìn)行學(xué)習(xí)的算法,發(fā)現(xiàn)數(shù)據(jù)的規(guī)律,然后把這些規(guī)律用于新數(shù)據(jù)的預(yù)測和決策過程[32]。強化學(xué)習(xí)和遷移學(xué)習(xí)是機器學(xué)習(xí)的重要分支。其中強化學(xué)習(xí)能夠從觀察結(jié)果中自主學(xué)習(xí)較優(yōu)的策略,有效解決抗干擾動態(tài)環(huán)境中信息不完全的問題;遷移學(xué)習(xí)可將智能體從一個干擾環(huán)境中學(xué)習(xí)的知識遷移到另一個類似干擾環(huán)境中用于抗干擾問題的快速解決。

現(xiàn)有基于強化學(xué)習(xí)的無線通信抗干擾方法從功率分配、頻率選擇等角度入手[33],綜合運用模式識別[34]、多智能體決策[35]等領(lǐng)域知識,實現(xiàn)優(yōu)化的抗干擾策略選擇。無線通信抗干擾中的強化學(xué)習(xí)主要采用 Q 學(xué)習(xí)和深度 Q 網(wǎng)絡(luò)(deep Q-network,DQN)2 種人工智能技術(shù)。Yang 等[36]提出了結(jié)合快速爬山策略的 Q 學(xué)習(xí)方法,以聯(lián)合優(yōu)化干擾環(huán)境下的功率分配和波束形成策略。針對動態(tài)智能干擾環(huán)境中的抗干擾通信問題,Liu 等[37]提出了一種抗干擾強化學(xué)習(xí)算法,以獲得最優(yōu)的抗干擾策略。該算法具有探索未知環(huán)境的能力,無需對干擾樣式進(jìn)行建模,可用于對抗動態(tài)的、智能的隨機脈沖干擾。

深度強化學(xué)習(xí)既有深度學(xué)習(xí)算法對數(shù)據(jù)的強大理解力,又具備強化學(xué)習(xí)算法的決策能力。針對認(rèn)知雷達(dá)無法獲取精確干擾模型的情況,Li 等[38]提出了一種基于 Q 學(xué)習(xí)和 DQN 的跳頻策略設(shè)計方法,用于對抗智能干擾機。當(dāng)可用通信信道數(shù)量較多時,DQN 的學(xué)習(xí)性能明顯優(yōu)于 Q 學(xué)習(xí)。Xu等[39]將認(rèn)知無線電的抗干擾過程建模為馬爾可夫決策過程,提出了一種基于深度強化學(xué)習(xí)的智能抗干擾方案。該方案中設(shè)計了雙深度 Q 網(wǎng)絡(luò)來模擬認(rèn)知無線電網(wǎng)絡(luò)和干擾機之間的對抗。為解決智能無線通信抗干擾的決策問題,宋佰霖等[40]提出了一種基于深度強化學(xué)習(xí)的無線通信抗干擾決策方法。該方法在深度強化學(xué)習(xí)算法架構(gòu)下引入經(jīng)驗回放和基于爬山策略機制,以提高收斂速度和決策成功率。Bi 等[41]提出了雙DQN 模型,通過使用深度神經(jīng)網(wǎng)絡(luò)逼近Q 值表的 Q 函數(shù),將雙 DQN 算法和跳頻策略應(yīng)用于多用戶環(huán)境中的無線通信抗干擾。

傳統(tǒng)的機器學(xué)習(xí)方法在實際應(yīng)用中面臨著許多挑戰(zhàn),如缺少標(biāo)記數(shù)據(jù)、無線環(huán)境迅速變化、訓(xùn)練過程長以及無線設(shè)備的計算能力、傳輸能力和能源均十分有限等,而遷移學(xué)習(xí)可減少對標(biāo)記數(shù)據(jù)的依賴,提高機器學(xué)習(xí)收斂速度,增強機器學(xué)習(xí)方法對不同無線環(huán)境的魯棒性[42]。在無線通信抗干擾領(lǐng)域的研究中,遷移學(xué)習(xí)可把強化學(xué)習(xí)模型在類似任務(wù)間進(jìn)行遷移,進(jìn)而加快相似干擾場景下強化學(xué)習(xí)的收斂速度[43]。針對在不同通信信道采用不同干擾概率的智能概率干擾,Han 等[44]提出了一種抗智能干擾 Q 學(xué)習(xí)算法,并結(jié)合遷移學(xué)習(xí)研究了一種多區(qū)域智能抗干擾學(xué)習(xí)算法,該算法能夠?qū)W習(xí)干擾規(guī)則,有效加快整個通信區(qū)域的學(xué)習(xí)速度。Lu 等[45]提出了一種無人機輔助蜂窩抗干擾框架,采用強化學(xué)習(xí)為受到干擾機干擾的移動用戶選擇中繼策略,其中,無人機應(yīng)用DQN和遷移學(xué)習(xí),幫助蜂窩系統(tǒng)對抗智能干擾。

綜上所述,基于博弈論和機器學(xué)習(xí)的無線通信抗干擾方法可有效提高無線通信系統(tǒng)在干擾環(huán)境下的可靠性和有效性,并取得了一定的理論研究成果。從國內(nèi)外的研究現(xiàn)狀可分析出通信抗干擾技術(shù)的如下發(fā)展規(guī)律。

1) 應(yīng)用更加智能。干擾技術(shù)和抗干擾技術(shù)是矛和盾的關(guān)系。近年來,抗干擾技術(shù)也開始結(jié)合人工智能和博弈論等理論技術(shù),從傳統(tǒng)的常規(guī)抗干擾逐漸演變?yōu)楝F(xiàn)今的智能抗干擾技術(shù)。然而,上述文獻(xiàn)雖然采用了人工智能方法,但研究對象還基本限于常規(guī)干擾,對干擾行為的學(xué)習(xí)相對容易;在抗智能干擾領(lǐng)域的研究成果還較少。采用了機器學(xué)習(xí)的智能干擾機可通過對合法用戶行為的在線學(xué)習(xí),實時調(diào)整干擾策略,顯著增加合法用戶對抗干擾的難度。因此,如何采用機器學(xué)習(xí)方法,以“智能對抗智能”,提高無線通信在智能干擾環(huán)境下的可靠通信,是未來無線通信抗干擾技術(shù)的研究重點。

2) 領(lǐng)域更加廣泛?，F(xiàn)有的大多數(shù)抗干擾技術(shù)利用頻域、時隙、空間位置或功率等單個維度中的自由度,在存在惡意干擾信號的情況下對信號分組進(jìn)行解碼。但隨著干擾技術(shù)的不斷發(fā)展,頻時空功等多維度干擾的干擾策略靈活,給通信網(wǎng)絡(luò)的可靠性和有效性帶來了更大挑戰(zhàn)。同時,現(xiàn)有的抗干擾技術(shù)依賴于在物理層避免干擾信號或減輕干擾。為了阻止針對特定網(wǎng)絡(luò)協(xié)議的干擾攻擊,跨層抗干擾技術(shù)聯(lián)合物理層信號處理、數(shù)據(jù)鏈路層協(xié)議設(shè)計、網(wǎng)絡(luò)資源分配以及跨層參數(shù)優(yōu)化等技術(shù),在存在各種干擾攻擊的情況下實現(xiàn)高效的無線通信。因此,如何獲得多域和跨層上的最優(yōu)抗干擾策略、降低合法用戶多維度和跨層抗干擾技術(shù)的決策難度是未來抗干擾技術(shù)的研究重點和難點。

2 UWSNs 概述

2.1 UWSNs 概念

UWSNs 主要由普通的水下傳感器節(jié)點、無人水下航行器(unmanned undersea vehicle,UUV)、水面浮標(biāo)和船上基站等設(shè)備組成[1]。其中,水下傳感器節(jié)點根據(jù)其在水下的移動性可分為動態(tài)節(jié)點與靜態(tài)節(jié)點,UUV 可分為遙控水下航行器 (remotely operated vehicle,ROV) 和自主水下航行器 (autonomous undersea vehicle,AUV) 兩類。ROV 需要作業(yè)人員進(jìn)行遠(yuǎn)程控制,而AUV 可實現(xiàn)自動化獨立運行。隨著對海洋開發(fā)的不斷深入,可自主進(jìn)行路徑規(guī)劃、集群控制和數(shù)據(jù)傳輸?shù)腁UV 的投入使用是大趨勢。

UWSNs 具有自組網(wǎng)、易部署、成本低、隱蔽性和容錯能力強等特點[46],憑借著其越來越完善的功能,逐步取代了人工進(jìn)行危險的水下工作。UWSNs 可完成對水下或者海底環(huán)境的信息收集、監(jiān)視、監(jiān)聽、目標(biāo)探測與跟蹤等任務(wù)。其優(yōu)越的海洋數(shù)字化性能不僅為開發(fā)豐富的海洋資源和科學(xué)調(diào)研提供了便捷的手段,同時也為國防安全和海洋作戰(zhàn)提供了重要保障。水下傳感器節(jié)點主要由1 個主控制器或CPU 組成。水下傳感器節(jié)點由1 個CPU 進(jìn)行控制,控制著接口電路與外部的傳感器相連,外部環(huán)境信息由傳感器進(jìn)行感知,通過接口電路將原始環(huán)境數(shù)據(jù)傳到CPU 里存儲并進(jìn)行數(shù)據(jù)處理,最后通過聲調(diào)制發(fā)送給其他的網(wǎng)絡(luò)節(jié)點。其內(nèi)部結(jié)構(gòu)如圖1 所示。

圖1 水下傳感器節(jié)點內(nèi)部結(jié)構(gòu)Fig.1 Inner structure of an underwater sensor node

2.2 UWSNs 拓?fù)浣Y(jié)構(gòu)和通信信道

2.2.1 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

根據(jù)UWSNs 的組網(wǎng)形態(tài)和方式,其網(wǎng)絡(luò)拓?fù)淇煞譃榧惺?、分布式和簇? 種結(jié)構(gòu)。

UWSNs 根據(jù)任務(wù)需求來選擇不同的網(wǎng)絡(luò)拓?fù)?也可根據(jù)其投放空間結(jié)構(gòu)區(qū)域的不同,大致可分為二維、三維和海洋立體監(jiān)測網(wǎng)絡(luò)3 種[47]。

1) 二維監(jiān)測網(wǎng)絡(luò): 傳感器節(jié)點被錨定在海底,收集海底信息并通過AUV 或者直接發(fā)往水面基站,再通過衛(wèi)星通信等其他方式發(fā)送給用戶。

2) 三維監(jiān)測網(wǎng)絡(luò): 通過多AUV 或是水下滑翔機與固定傳感器節(jié)點形成混合監(jiān)測網(wǎng)絡(luò)。

3) 海洋立體監(jiān)測網(wǎng)絡(luò): 由水面的無線傳感器網(wǎng)絡(luò)與水下的無線傳感器網(wǎng)絡(luò)共同組成。水面的傳感器網(wǎng)絡(luò)通過無線電通信,可以進(jìn)行精準(zhǔn)的全球定位系統(tǒng)(global positioning system,GPS)定位,直接與衛(wèi)星通信;而水面下的網(wǎng)絡(luò)可以是二維或者三維,在UWSNs 中,AUV 在水下的通信對象主要是水面?zhèn)鞲衅鞴?jié)點、水下傳感器節(jié)點、船艦與其他AUV。AUV 之間的通信是通過定位后獲取精確位置,在近距離通過高數(shù)據(jù)速率傳輸協(xié)作控制信息。AUV 與船艦間的通信分成2 種: 一種是船艦在遠(yuǎn)距離以低速率發(fā)送信息給AUV;另一種是AUV 在近距離以高速率將水下收集到的圖像等傳感信息傳輸給船艦。而在與水下、水上傳感器節(jié)點的通信也是在近距離用高數(shù)據(jù)速率進(jìn)行數(shù)據(jù)交互式傳輸,此時AUV 充當(dāng)中繼節(jié)點的角色。

2.2.2 通信信道

由于水下環(huán)境復(fù)雜多變,簡單地將陸地通信方法復(fù)制到水下是難以為繼的。有線通信在廣闊的水下環(huán)境進(jìn)行部署是不現(xiàn)實的,而無線電磁波在水下衰減過于嚴(yán)重,無法滿足水下數(shù)據(jù)傳輸?shù)男枨?。水聲相比于電磁波在水下傳輸時具有傳輸衰減少、傳輸距離長的特點,因此目前UWSNs 的通信主要采用水聲通信。但是,水聲信道相比于陸地上的電磁波信道和空中的衛(wèi)星信道,依然存在傳播速度、傳輸距離和信道帶寬低好幾個數(shù)量級的劣勢,加上海水成分的復(fù)雜和易變對水聲信道的影響,導(dǎo)致水聲信道具有獨特的時頻特性和多徑效應(yīng),使得水聲信道受到的干擾和傳輸損耗極其嚴(yán)重。

傳統(tǒng)的水聲信道難以承載網(wǎng)絡(luò)規(guī)模越來越大的UWSNs 的通信需求,近年來,基于神經(jīng)網(wǎng)絡(luò)優(yōu)化算法的水聲通信模型有效提高水聲通信的有效性和可靠性[48]。同理,UWSNs 中的傳感器節(jié)點可采用基于小樣本的神經(jīng)網(wǎng)絡(luò)和遷移學(xué)習(xí)方法,使得UWSNs 在復(fù)雜多變的海洋環(huán)境中可以對水聲信道進(jìn)行快速準(zhǔn)確的估計,以降低誤碼率。而在AUV 與AUV 之間以及AUV 與船艦之間的通信,由于AUV 的實時移動性導(dǎo)致其所對應(yīng)的水聲信道具有高動態(tài)的多徑和多普勒雙重擴展特征,嚴(yán)重影響通信質(zhì)量。針對這個問題,李斌等[49]設(shè)計并實現(xiàn)了一種面向AUV、易于工程實現(xiàn)的低負(fù)載移動正交頻分復(fù)用水聲通信系統(tǒng),該系統(tǒng)采用時頻差分編碼方案,互相關(guān)函數(shù)方法進(jìn)行多普勒估計,并利用變采樣率重采樣進(jìn)行多普勒補償。Chen等[50]在利用壓縮感知的脈沖噪聲估計與抑制方法基礎(chǔ)上,利用經(jīng)過訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)代替迭代壓縮感知恢復(fù)過程的深度學(xué)習(xí)方法,可以作為合適的替代方法。

2.3 UWSNs 發(fā)展現(xiàn)狀

隨著各國“智慧海洋”工程的茁壯發(fā)展,水下環(huán)境信息的獲取、整合及傳輸愈來愈趨向智能化和無人化。各國的UWSNs 旨在建立收集精確的水下水面信息,完善可靠的傳輸體系,構(gòu)建一個安全可控的海洋物理信息系統(tǒng)工程。

1) 美國。美國對于UWSNs 的研究一直處于世界領(lǐng)先水平,早在上世紀(jì)就制定了發(fā)展UWSNs的計劃,開始對水下作戰(zhàn)以及UWSNs 的發(fā)展進(jìn)行了戰(zhàn)略部署和長期規(guī)劃[51]。在2017 年,美國國防高級研究計劃局(Defense Advanced Research Projects Agency,DARPA)提 出Ocean of Things 計 劃,以滿足其未來軍事需求和應(yīng)對其他國家UWSNs發(fā)展帶來的威脅。

2) 歐洲。歐盟于2003 年成功在沿海岸建立了一個用于水下環(huán)境監(jiān)測的水聲通信網(wǎng)絡(luò)(acoustic communication network for monitoring of underwater environment in coastal areas,ACME)。歐盟科學(xué)家在2005 年實施了歐洲滑翔機觀測網(wǎng)絡(luò)(European gliding observatories network,EGO)計劃,該計劃的主要目標(biāo)是協(xié)調(diào)正在進(jìn)行的使用滑翔機的研究和未來研究的構(gòu)想,以操作自主水下滑翔機隊,以便為全球、區(qū)域的海洋發(fā)現(xiàn)和監(jiān)測提供具有成本效益的方法。

3) 日本。日本在2003 年建立了水下觀測網(wǎng)絡(luò),即先進(jìn)區(qū)域?qū)崟r地球監(jiān)測網(wǎng)絡(luò)(advanced realtime earth monitoring network in the area,AREMNA)。2011 年,日本部署了海底實時監(jiān)測系統(tǒng)(dense ocean floor network system for earthquakes and tsunamis,DONET),旨在對海底地動-水壓信號進(jìn)行高效采集,從而監(jiān)測日本海地震情況[52]。日本的AREMNA 與之后的DONET 一起成為了全球?qū)Ｓ^測網(wǎng)的一部分。

4) 中國。我國提出“海洋興國”戰(zhàn)略方針,通過多年的技術(shù)儲備,于2016 年9 月成功建成并運行了自主可控的“中國南海深海海底觀測網(wǎng)試驗系統(tǒng)”,如圖2[53]所示,以及東海淺海海底觀測網(wǎng),對我國獲取水下信息、保護(hù)水下安全具有重大意義。其他關(guān)于UWSNs 的研究成果還包括: 中國科學(xué)院自動化研究所基于機器人的移動傳感器網(wǎng)絡(luò)實時環(huán)境監(jiān)測方案[54];中國科學(xué)院聲學(xué)研究所、中國科學(xué)院沈陽自動化研究所和西安光學(xué)精密機械研究所共同研制成功的水下反恐傳感器網(wǎng)絡(luò)監(jiān)控系統(tǒng)[55-56]等,此外,中國海洋大學(xué)在水下傳感器網(wǎng)絡(luò)和海洋立體監(jiān)測網(wǎng)絡(luò)領(lǐng)域開展了研究[57]。國內(nèi)外對于水下無線傳感器網(wǎng)絡(luò)的發(fā)展歷程如圖3所示。

圖2 南海深海海底觀測網(wǎng)試驗系統(tǒng)示意圖Fig.2 Schematic diagram of test system for deep-sea seabed observation network in south China sea

圖3 國內(nèi)外水下無線傳感器網(wǎng)絡(luò)發(fā)展歷程Fig.3 Development history of underwater wireless sensor networks at home and abroad

AUV 作為UWSNs 組成的一部分,是海洋勘探、監(jiān)測和水下數(shù)據(jù)傳輸?shù)热蝿?wù)能否順利完成的關(guān)鍵之一。目前商業(yè)上比較成功的AUV 主要有5 個產(chǎn)品系列: Bluefin、Remus、Hugin、ISE Explorer和Gavia[51]。1989 年,美國工學(xué)院自主水下航行器實驗室成功研制出Bluefin 水下航行器,而后成立了“金槍魚”機器人公司,該公司從Bluefin-9 起步,相繼研發(fā)了Bluefin-12、Bluefin-21 等型號。美國伍茲霍爾海洋研究所設(shè)計的Remus 100 是美國最成功的便攜式水下航行器,為Remus 系列航行器中最小的一款。該航行器采用鋰電池供電,以3 kn的巡航速度可連續(xù)航行22 h,最大航程達(dá)123 km。2015 年,美國加大了對這方面的投資。美國科學(xué)應(yīng)用國際公司為DARPA 研制的反潛戰(zhàn)持續(xù)追蹤無人艇項目,艇體采用復(fù)合材料,暴露在水面上的部分以及雷達(dá)反射截面較小,具有很好的隱蔽性和淺海航行能力,航速達(dá)到27 kn,作戰(zhàn)半徑達(dá)到3 000 km,續(xù)航時間為3 個月,具有極佳的前沿部署能力及大范圍反潛能力。各國大型AUV 系統(tǒng)型號及參數(shù)如表1 所示。

表1 各國大型AUV 系統(tǒng)型號及參數(shù)Table 1 Models and parameters of large-scale AUV in various countries

無論在軍事,商用以及民用等領(lǐng)域,高質(zhì)量通信成為一種越來越普遍的要求。在海洋通信中,由于水下信道自身存在著可用帶寬有限以及嚴(yán)重的多徑延遲效應(yīng)和多普勒效應(yīng)等諸多問題,如何克服海洋信道中的通信干擾是進(jìn)行高質(zhì)量水下通信的難點。因此,面對水下惡劣的通信環(huán)境和針對UWSN 各層的惡意干擾攻擊,研究有效的抗干擾技術(shù)是保障UWSN 高質(zhì)量通信的重要前提。

3 抗干擾技術(shù)在UWSNs 中的應(yīng)用

UWSNs 中的水下傳感器節(jié)點和AUV 等設(shè)備在海洋中執(zhí)行探測、監(jiān)視和攔截非法設(shè)備等任務(wù)都需要可靠的通信,但UWSNs 采用的水聲通信信道的開放性和水下高傳播延遲的特性使得UWSNs極易受到非法設(shè)備的惡意干擾。為了保護(hù)水聲信道,避免UWSNs 受到過多惡意攻擊導(dǎo)致通信癱瘓,研究有效躲避水下惡意干擾的UWSNs 抗干擾技術(shù)是急需解決的問題。UWSNs 常用的抗干擾技術(shù)主要可以分成物理層抗干擾、MAC 層抗干擾、網(wǎng)絡(luò)層抗干擾、傳輸層抗干擾和跨層抗干擾技術(shù)。

3.1 物理層干擾種類與抗干擾技術(shù)

UWSNs 物理層主要遭受竊聽攻擊和擁塞干擾攻擊,其中阻塞干擾攻擊通過發(fā)送噪聲等無用信號干擾物理層信道的數(shù)據(jù)流,以阻塞通信信道,對通信的可靠性造成極大的威脅。下面對不同的擁塞干擾類型進(jìn)行簡要概述。

1) 頻率范圍

根據(jù)干擾器的干擾頻率范圍不同,可將其分為單信道干擾和多信道干擾[58]。

單信道干擾[59]: 對于干擾器而言,其干擾頻率是固定的,只在某一頻率上進(jìn)行干擾作業(yè)。由此,倘若干擾目標(biāo)的頻率已知,那么該干擾方式的效率將非常高,同時干擾器所消耗的功率也相對較低。

多信道干擾[59]: 與單信道干擾模式相比,多信道干擾有著更大的干擾頻帶范圍,但是為了達(dá)到更好的干擾效果,該模式也需要耗費更大的功率,工作效率相對較低。

2) 頻率類型

根據(jù)干擾器的干擾頻率是否發(fā)生變化以及變化方式的不同,分為以下幾種模式。

靜態(tài)干擾[59]: 干擾器的工作頻率不發(fā)生改變,只在一個或者固定一段頻率內(nèi)進(jìn)行工作,這是一種相對簡單的干擾模式,因而抗干擾方式也比較簡單,跳出干擾的頻率即可。

掃頻干擾[60]: 掃頻干擾可以根據(jù)掃頻方式在周期和順序上呈現(xiàn)的一定規(guī)律進(jìn)行劃分,如周期性掃頻、非周期性掃頻、順序掃頻以及無序掃頻等。

隨機干擾: 干擾器從目標(biāo)頻段中隨機抽取一個頻帶進(jìn)行干擾,也根據(jù)隨機方式的不同繼續(xù)往下細(xì)分。相較于掃頻干擾,隨機干擾模式頻率選擇的不確定性更強,干擾目標(biāo)難以進(jìn)行有效的干擾偵察。

3) 活躍時間

根據(jù)干擾器的活躍時間不同,對干擾模式進(jìn)行不同的劃分。

持續(xù)干擾[61]: 即干擾器持續(xù)地進(jìn)行干擾工作,輸出干擾信號。這種模式的缺點十分明顯,那就是需要消耗大量的功率。

不定時干擾[61]: 干擾器在隨機的時間段內(nèi)進(jìn)行信號干擾,在其他時間保持靜默。這種模式相對于持續(xù)干擾模式節(jié)約了大量的能量。

固定時間干擾: 干擾器以一定的規(guī)律進(jìn)行干擾,比如脈沖干擾模型,干擾與靜默交替進(jìn)行,持續(xù)時間相同。

在物理層抗干擾應(yīng)用中,水聲信道的特性使得常規(guī)的抗干擾技術(shù)如跳頻擴頻和直接序列擴頻無法直接移用到UWSNs 上[62]。在無線電通信中,利用博弈論與強化學(xué)習(xí)等手段可以有效躲避干擾器的干擾。強化學(xué)習(xí)可以在沒有先驗知識的情況下,通過不斷試錯,獲取獎勵來得到當(dāng)前最佳動作,并通過未來獎勵的最大和來獲得每個階段的動作。博弈論已經(jīng)應(yīng)用于人工智能領(lǐng)域進(jìn)行輔助決策,如生成對抗網(wǎng)絡(luò)。因此,物理層抗干擾技術(shù)結(jié)合博弈論、強化學(xué)習(xí)和深度強化學(xué)習(xí)等方法使得UWSNs 獲得了有效的水聲通信抗干擾方法。

Xiao 等[63]將抗干擾博弈論的研究擴展到了水下網(wǎng)絡(luò),推導(dǎo)出了UWSNs 在靜態(tài)干擾博弈中納什均衡的閉式解,并采用強化學(xué)習(xí)來解決在干擾器信道參數(shù)未知情況下的水下傳感器節(jié)點學(xué)習(xí)功率控制問題。隨后,Xiao 等[64]采用了深度Q 網(wǎng)絡(luò)進(jìn)行學(xué)習(xí),有效解決傳統(tǒng)的 Q 學(xué)習(xí)在處理大規(guī)模問題(如信道數(shù)量過多)時面臨的維度災(zāi)難問題,并加快了算法的收斂速度。之后,Xiao 等[65]提出了一種基于強化學(xué)習(xí)的中繼節(jié)點空間位置和功率控制算法,在無需掌握干擾模型和信道參數(shù)的情況下,使得UWSNs 可進(jìn)行可靠的信息傳輸。該算法在引入卷積神經(jīng)網(wǎng)絡(luò)后可加快學(xué)習(xí)速度,使得UWSNs 可以獲得最優(yōu)中繼策略,以提高中繼節(jié)點抗干擾能力。此外,Su 等[66]提出了一種具有協(xié)作干擾信號的自輔助節(jié)點的物理層安全傳輸方案ST-CJ,利用水聲傳播中的長傳播延時特性,使數(shù)據(jù)包在干擾器處產(chǎn)生碰撞,但不影響正常傳感器節(jié)點的有效傳輸。

3.2 MAC 層干擾種類與抗干擾技術(shù)

MAC 層的干擾種類可以分為干擾攻擊、碰撞攻擊、力竭攻擊、拒絕睡眠攻擊和不公平攻擊[67-68]。其中,干擾攻擊是指干擾器通過重復(fù)發(fā)送RTS(request to send)數(shù)據(jù)包,占據(jù)信道的使用權(quán)限,使得其他傳感器節(jié)點無法正常使用信道。其干擾方法利用了MAC 層協(xié)議的漏洞,搶占信道使用優(yōu)先級。碰撞攻擊一般是指干擾器通過一些手段,如: 通過相同的頻率與正常傳感器節(jié)點通信,或是在RTS/CTS(clear to send)的握手機制中,在干擾器節(jié)點收到CTS 后,立刻發(fā)送數(shù)據(jù)包,其目的是讓正常傳感器節(jié)點傳輸數(shù)據(jù)包與干擾器節(jié)點發(fā)送的數(shù)據(jù)包產(chǎn)生沖突。力竭攻擊是指通過引入惡意干擾器節(jié)點,使正常傳感器節(jié)點一直處于繁忙狀態(tài),導(dǎo)致電池能量加速消耗直至耗盡。發(fā)送完信息后,節(jié)點會主動進(jìn)入睡眠模式節(jié)能。拒絕睡眠攻擊是指不讓節(jié)點進(jìn)入睡眠模式[69],通過重復(fù)握手或是不斷處理RTS/CTS 信息,從而消耗傳感器節(jié)點的能量。不公平攻擊并不像前幾種方法一樣針對某個節(jié)點,而是以犧牲效率為代價,由攻擊者執(zhí)行攻擊,從而降低整個網(wǎng)絡(luò)的效能。

針對以上的干擾攻擊種類,現(xiàn)有的MAC 層抗干擾方法可以通過更安全的MAC 層協(xié)議來實現(xiàn)更可靠的傳輸。Hu 等[70]提出了一種安全時間同步機制,對調(diào)整傳感器節(jié)點的睡眠-喚醒模式起著重要作用。Xu 等[71]針對水下傳感器節(jié)點成簇后的水聲傳播提出了基于集群的安全同步協(xié)議,通過身份驗證、簇內(nèi)同步以及簇間同步等3 個階段,將時間同步所需的能耗大大降低,但由于需要3 個階段才能達(dá)到時間同步,實時效率方面略有缺陷。針對碰撞攻擊的抗干擾策略可以是糾錯碼的有效應(yīng)用,Pu 等[72]提出了利用串通沖突技術(shù)來解決串通沖突攻擊問題。可以用速率限制器來限制每個節(jié)點的發(fā)送及接受速率,有效緩解力竭攻擊帶來的問題,但同時整個網(wǎng)絡(luò)的性能會受到一定的影響。Kamales 等[73]基于模糊的安全入侵檢測系統(tǒng),提供身份驗證及傳輸數(shù)據(jù)完整性,同時利用時鐘的入侵檢測方案,識別并隔離水聲網(wǎng)絡(luò)中的干擾器節(jié)點。Fotohi 等[74]通過RSA(Rivest Shamir Adleman)加密算法和互鎖協(xié)議來抵御拒絕睡眠攻擊,基于leach 和Hopfield 神經(jīng)網(wǎng)絡(luò)的螢火蟲算法,保護(hù)無線傳感器節(jié)點免受拒絕睡眠攻擊。目前,拒絕睡眠攻擊主要是以加密算法進(jìn)行抵御。

3.3 網(wǎng)絡(luò)層干擾種類與抗干擾技術(shù)

針對網(wǎng)絡(luò)層的攻擊主要有以下幾類: 重放攻擊、選擇轉(zhuǎn)發(fā)攻擊、誤導(dǎo)攻擊、天坑攻擊、女巫攻擊、蟲洞攻擊、灰洞/黑洞攻擊和歸巢攻擊。

重放攻擊是指干擾器攔截發(fā)送節(jié)點與接收節(jié)點的數(shù)據(jù)包,但是經(jīng)過一段時間后又將此數(shù)據(jù)包發(fā)送給接收節(jié)點,導(dǎo)致接收節(jié)點對發(fā)送節(jié)點的位置判斷失誤。選擇轉(zhuǎn)發(fā)攻擊是指干擾器偽裝成正常的傳感器節(jié)點收發(fā)數(shù)據(jù)包,但是有選擇性地丟棄一些數(shù)據(jù)包或是轉(zhuǎn)發(fā)一些數(shù)據(jù)包,這種興趣抑制可以減少對其錯誤行為的懷疑[75]。誤導(dǎo)攻擊是指干擾器通過將數(shù)據(jù)包重新定向到其他路由,導(dǎo)致數(shù)據(jù)包的路由路徑更改,無法抵達(dá)接收器節(jié)點。黑洞攻擊是指干擾器節(jié)點向正常傳感器節(jié)點廣播修改后的路由信息,即到干擾器節(jié)點有最低的路由成本,以此來捕獲一個區(qū)域內(nèi)所有的數(shù)據(jù)包;灰洞攻擊是指當(dāng)成為黑洞節(jié)點的干擾器刪除了一些關(guān)鍵的數(shù)據(jù)包信息后,此黑洞攻擊變成了灰洞攻擊,但此攻擊會對部署在離干擾器節(jié)點較遠(yuǎn)位置的傳感器節(jié)點有破壞性,因此可以用丟棄一些必要的數(shù)據(jù)包的方法來逃避懷疑。天坑攻擊是灰洞/黑洞攻擊的升級版,具體是干擾器節(jié)點盡可能靠近簇頭節(jié)點,接著傳播虛假的路由信息,以此盡可能多地捕獲簇頭節(jié)點發(fā)給基站或水面節(jié)點的信息。蟲洞攻擊指的是由2 個或者多個干擾器組成的路由路徑代價小于原本的路由代價,以此形成了由干擾器節(jié)點參與的路由路徑,后果是源節(jié)點發(fā)送的數(shù)據(jù)包被捕獲,并且源節(jié)點不能選擇或發(fā)送給其他路由。歸巢攻擊是指干擾器通過分析數(shù)據(jù)包或流量,找到一些具有特殊職責(zé)的傳感器節(jié)點進(jìn)行攻擊(比如簇頭節(jié)點),這種對特殊節(jié)點的攻擊更具有破壞性。女巫攻擊的目的是拒絕信息傳遞,干擾器可以偽造多個身份并且出現(xiàn)在不同地方,這些身份可以是通過偽造新標(biāo)識或是制造故障來竊取合法身份,這對正常傳感器節(jié)點的位置判斷容易造成影響,對基于位置信息的路由協(xié)議影響較大。

現(xiàn)有的網(wǎng)絡(luò)層防御策略包括了干擾器檢測與檢測干擾器之后的重新感知路由2 個階段。針對上述網(wǎng)絡(luò)層的干擾技術(shù),已經(jīng)有一些抗干擾技術(shù)應(yīng)用。Ibragimov 等[76]提出了一種基于安全算法的RTS/CTS 發(fā)送機制水下媒體控制訪問協(xié)議,適用于水聲傳感器網(wǎng)絡(luò),實驗驗證了該協(xié)議既節(jié)能又節(jié)約時間,能很好地應(yīng)對重放攻擊和選擇轉(zhuǎn)發(fā)攻擊。Ahmed 等[77]提出了用于檢測惡意攻擊的算法,利用Dempster-Shafer 理論結(jié)合上流量、數(shù)據(jù)等方面進(jìn)行證據(jù)評鑒,用來檢測UWSNs 中的惡意攻擊。Lim 等[78]提出了逐跳檢測方案,該方案可快速降低干擾器節(jié)點的丟棄概率以提高交付率。Jiang 等[79]通過對節(jié)點的行為進(jìn)行信譽評估與信任管理,可以將不信任的節(jié)點隔離。應(yīng)對誤導(dǎo)攻擊,Saini 等[80]的防御機制可以通過計算每跳延遲檢測出干擾器身份,但該方法需要精確的節(jié)點定位信息,因此很難適用于水下多變的環(huán)境。應(yīng)對灰洞/黑洞攻擊,Rathiga 等[81]利用初始化信息,計算信息距離指標(biāo)確定閾值,以此來檢測想成為黑洞/灰洞的干擾器節(jié)點。Rani 等[82]利用人工神經(jīng)網(wǎng)絡(luò)結(jié)合基于群體的人工蜂群優(yōu)化技術(shù),通過為數(shù)據(jù)包選擇好的傳輸節(jié)點來提高系統(tǒng)性能。Taylor 等[83]在每個節(jié)點上都安裝了看門狗機制與輕量級的專家系統(tǒng)來檢測黑洞行為,但同時這也會加重節(jié)點負(fù)擔(dān)。應(yīng)對天坑攻擊,可以采用一種入侵檢測系統(tǒng),用基于簽名的技術(shù)來區(qū)分真假宿節(jié)點[84]。應(yīng)對蟲洞攻擊,Zhang 等[85]提出了利用現(xiàn)成基本功能聲學(xué)信號到達(dá)方向來估計蟲洞,實現(xiàn)蟲洞彈性安全鄰居發(fā)現(xiàn)。Dargahi 等[86]利用一種分布式方法檢測蟲洞攻擊,并提出一個分析模型用來捕獲各個參數(shù)之間的相互作用。女巫攻擊可以用節(jié)點成對認(rèn)證或位置認(rèn)證的方法來緩解,但是由于水下傳感器節(jié)點位置信息的不確定性,位置認(rèn)證的方法比較難以實現(xiàn)。Yavuz 等[87]借鑒了身份認(rèn)證的思想,采用隨機成對密鑰預(yù)分配的方法抵御女巫攻擊,該方法基于密碼學(xué)原理。Islam等[88]提出了一種新型認(rèn)證機制,通過節(jié)點 ID 和存儲在簇頭中的數(shù)據(jù)對相鄰節(jié)點進(jìn)行身份驗證,且該方法易于實現(xiàn)。Arifeen 等[89]將以前的模型結(jié)合區(qū)塊鏈技術(shù),用來檢測水下網(wǎng)絡(luò)中的女巫攻擊。Li 等[90]基于節(jié)點狀態(tài)來判斷發(fā)起女巫攻擊的干擾器節(jié)點,通過信標(biāo)節(jié)點記錄的通信頻率及剩余能量之間的關(guān)系判斷女巫節(jié)點。應(yīng)對歸巢攻擊的策略可以是標(biāo)頭加密,但仍然不能完全阻止干擾器節(jié)點進(jìn)行流量分析從而找出特殊的傳感器節(jié)點。Chen 等[91]提出了一種反流量分析的策略,通過傳輸一些沒用的數(shù)據(jù)包進(jìn)行偽裝,隱藏起簇頭的位置,但是該方案的缺點是要傳輸更多的數(shù)據(jù)包,導(dǎo)致網(wǎng)絡(luò)性能降低。

3.4 傳輸層干擾種類及抗干擾技術(shù)

針對傳輸層的干擾攻擊主要有去同步攻擊和同步洪泛攻擊2 種。去同步攻擊針對的是在傳輸數(shù)據(jù)包的2 個節(jié)點同步信號,干擾器通過偽造序列號的數(shù)據(jù)包使接收節(jié)點的去同步控制信號失效,以此破壞2 個節(jié)點之間的合法連接。同步洪泛攻擊是指干擾器節(jié)點通過發(fā)送源源不斷的連接請求,直到每個連接所需要的資源耗盡。

針對傳輸層的干擾技術(shù)種類,Shah 等[92]提出利用同步序列號 cookies 對來自客戶端的TCP SYN進(jìn)行編碼并回復(fù)給客戶端,不用再經(jīng)過服務(wù)器。利用TCP 可靠傳輸?shù)奶匦赃M(jìn)行安全保障似乎是很好的選擇,但由于TCP 建立連接及拆除連接所需要的過程過于繁瑣,該方案并不適合UWSNs。

3.5 跨層抗干擾技術(shù)

傳統(tǒng)開放式系統(tǒng)互聯(lián)(open system interconnection,OSI)分層設(shè)計有效地保護(hù)了分層信息不被誤用,但如果低層被攻擊,高層獲取不到低層的信息,便無法恢復(fù)受干擾的數(shù)據(jù)。因此,在整個網(wǎng)絡(luò)結(jié)構(gòu)堆棧中共享所有的相關(guān)信息可以使節(jié)點工作更加協(xié)調(diào),每層都設(shè)計成單一和協(xié)調(diào)的單元進(jìn)行工作?？鐚釉O(shè)計可以運用于許多方面,如進(jìn)行協(xié)作通信中的中繼節(jié)點選擇[93],或?qū)崿F(xiàn)通過合作的最佳資源分配,平衡整個UWSNs 的能量[94]等。這些模型有效利用了跨層設(shè)計的優(yōu)點,但是他們在頻譜方面的利用率不高,也沒有適當(dāng)?shù)貙?shù)據(jù)進(jìn)行調(diào)度與傳輸,導(dǎo)致許多數(shù)據(jù)包會發(fā)生沖突。Bagali 等[95]的研究實現(xiàn)了高效信道分配,檢測干擾節(jié)點并有效利用頻譜。該方法提高了網(wǎng)絡(luò)吞吐量,但同時丟包率也在上升,并且該方法僅適用于反應(yīng)式干擾器,適用范圍太窄,無法投入過于復(fù)雜的網(wǎng)絡(luò)環(huán)境中。Xu 等[96]提出了面向基于集群的UWSN 安全介質(zhì)訪問控制協(xié)議,利用MAC 層協(xié)議(SC-MAC)解決網(wǎng)絡(luò)層的重放攻擊,同時考慮了鏈路質(zhì)量以及調(diào)制解調(diào)器電池的剩余能量,在相互認(rèn)證成功后,來自不同集群的所有傳感器節(jié)點都可以在連續(xù)通信中保護(hù)數(shù)據(jù)傳輸。

4 總結(jié)與展望

隨著博弈論和機器學(xué)習(xí)的應(yīng)用,抗干擾技術(shù)在過去10 年獲得了飛速發(fā)展。但對于UWSNs 抗干擾技術(shù)的相關(guān)研究還較少,尚處于起步階段。文中介紹了UWSNs 的特性,并對抗干擾技術(shù)及其在UWSNs 中的應(yīng)用和研究進(jìn)展進(jìn)行了歸納。

未來的UWSNs 逐漸顯示出部署密集化、范圍廣闊化以及水下干擾器逐漸智能化的趨勢。相應(yīng)的,UWSNs 的抗干擾技術(shù)應(yīng)圍繞未來的UWSNs特性和干擾器特性進(jìn)行發(fā)展。

1) 部署密集化: UWSNs 密集部署時不僅面臨著系統(tǒng)外部的惡意智能干擾,還將面臨系統(tǒng)內(nèi)部合法用戶間的互擾問題。因此,如何同時解決最小化UWSNs 合法用戶間的資源沖突和最大化抗干擾性能這2 個耦合問題,是未來解決UWSNs 密集部署時有效抗干擾的重點研究方向。

2) 范圍廣闊化: 為節(jié)約UWSNs 大范圍的部署成本,AUV 的大量使用是大勢所趨。隨著能源動力技術(shù)發(fā)展和對海洋更遠(yuǎn)、更深區(qū)域進(jìn)行作業(yè)的需求進(jìn)一步擴大,AUV 跨越的范圍和移動速度進(jìn)一步提升。因此,AUV 面臨著大幅度的海洋環(huán)境變化問題。針對此,應(yīng)著重研究遷移學(xué)習(xí),將AUV先前學(xué)習(xí)的抗干擾知識遷移到當(dāng)下的抗干擾問題中,以提高常規(guī)的強化學(xué)習(xí)算法的學(xué)習(xí)速度。且AUV 可利用其高移動性,在頻域、時域和功率域抵抗干擾器的同時,在空間域(水下)躲避干擾器的干擾。

3) 干擾器智能化: 隨著水下干擾設(shè)備智能化發(fā)展,如何采用博弈論和機器學(xué)習(xí)方法,以“博弈權(quán)衡收益”、以“智能對抗智能”,提高UWSNs 在水下復(fù)雜干擾環(huán)境中,即存在水下智能干擾情況下的通信可靠性,是未來UWSNs 抗干擾技術(shù)的研究重點。