研究目的
将基于信号指纹的Sybil检测方法扩展为无需预先信任任何观察者,从而使开放无线网络中的任何参与者都能确定其一跳邻居中哪些是非Sybil节点。
研究成果
梅森测试在办公环境中可消除99.6%至100%的Sybil身份,在拥挤且人员活动频繁的食堂中消除91%,在高活动量的户外开放环境中消除96%。该测试在办公环境中接受88%至97%的合规身份,在食堂中接受87%,在户外环境中接受61%。绝大多数被拒绝的合规身份是由于活动因素而被排除的。
研究不足
梅森测试需要多个符合要求的相邻节点,并对总身份数量设有限制,以检测符合性节点是否正遭受选择性干扰。该测试还存在计算耗时高、且在某些环境中误报率较高的问题。
1:实验设计与方法选择:
Mason测试协议旨在从一跳邻居节点收集RSSI观测数据,且无需信任任何其他节点或权威机构。该协议包含挑战-响应机制以检测移动攻击者。
2:样本选择与数据来源:
实验使用HTC Magic安卓智能手机在多种操作环境中进行,包括办公室、食堂和户外场景。
3:实验设备与材料清单:
实验设备采用HTC Magic安卓智能手机。
4:实验流程与操作步骤:
该协议包含三个阶段:身份收集、随机化广播请求RSSI观测数据、以及RSSI观测数据报告。每位参与者独立执行Sybil分类。
5:数据分析方法:
基于混淆矩阵得出的灵敏度和特异性指标评估Mason测试的性能。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容