第２５卷第９期 ２００８年９月 计算机应用研究 Ａｐｐｌｉｃａｔｉｏｎ Ｒｅｓｅａｒｃｈ ｏｆ Ｃｏｍｐｕｔｅｒｓ Ｖｏ１．２５ Ｎｏ．９ Ｓｅｐ．２００８ 无线传感网络中一种安全的ＬＥＡＣＨ协议术 刘志远 。 （１．黄石理工学院计算机学院，湖北黄石４３５００３；２．华中科技大学计算机科学与技术学院，武汉４３００７４） 摘要：针对无线网络中路由协议的安全问题进行研究，分析了ＬＥＡＣＨ协议可能受到的攻击，并提出了一种安 全的ＬＥＡＣＨ协议（ＳＬＥＡＣＨ），引入了节点间的安全认证方案，对该方案通过ＢＡＮ逻辑语言进行了证明。通过信 誉机制遏制内部异常节点的自私行为：仿真结果显示，ＳＬＥＡＣＨ在性能上的影响是可以接受的。 关键词：传感器网络；路由协议；路由安全 中图分类号：ＴＰ３９３．０８ 文献标志码：Ａ 文章编号：１００１—３６９５（２００８）０９—２８１３一ｏ３ Ｓｅｃｕｒｅ ＬＥＡＣＨ ｒｏｕｔｉｎｇ ｐｒｏｔｏｃｏｌ ｉｎ ｗｉｒｅｌｅｓｓ ｓｅｎｓｏｒ ｎｅｔｗｏｒｋ Ｌ１Ｕ Ｚｈｉ－ｙｕａｎ ， （１．Ｄｅｐｔ．ｏｆＣｏｍｐｕｔｅｒ，Ｈｕａｎｇｓｈｉ Ｉｎｓｔｉｔｕｔｅ ｏｆＴｅｃｈｎｏｌｏｇ），Ｈｕａｎｇｓｈｉ Ｈｕｂｅｉ４３５００３，Ｃｈｉｎａ；２．Ｃｏｌｌｅｇｅ ｏｆＣｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇ），Ｈｕａ— ｚｈｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇ），Ｗｕｈａｎ ４３００７４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｉｓ ｐａｐｅｒ ａｎａｌｙｚｅｄ ｔｈｅ ｗｉｒｅｌｅｓｓ ｎｅｔｗｏｒｋ ｓｅｃｕｒｅ ｐｒｏｂｌｅｍ ａｎｄ ｐｒｏｐｏｓｅｄ ａ ｓｅｃｕｒｅ ＬＥＡＣＨ ｒｏｕｔｉｎｇ ｐｒｏｔｏｃｏ１．Ｉｔ ｉｎ— ｄｕｃｅｄ ｔｈｅ ｓｅｃｕｒｅ ａｕｔｈｅｎｔｉｃａｔｉｏｎ ａｎｄ ｕｓｅｄ ｔｈｅ ＢＡＮ ｐｒｏｖｉｎｇ ｉｔ．Ｔｈｅ ｒｅｐｕｔａｔｉｏｎ ｍｅｃｈａｎｉｓｍ ｅｎｓｕｒｅｄ ｔｈａｔ ｔｈｅ ｓｅｌｆｉｓｈ ｎｏｄｅ ｗｏｕｌｄ ａｂｉｄｅ ｔｈｅ ｐｒｏｔｏｃｏ１．Ｔｈｅ ｒｅｓｕｌｔ ｏｆ ｓｉｍｕｌａｔｉｏｎ ｓｈｏｗｓ ｔｈａｔ ＳＬＥＡＣＨ ｈａｓ ｔｈｅ ａｃｃｅｐｔａｂｌｅ ａｆｆｅｃｔ． Ｋｅｙ ｗｏｒｄｓ：ｓｅｎｓｏｒ ｎｅｔｗｏｒｋ；ｒｏｕｔｉｎｇ ｐｒｏｔｏｃｏｌ；ｓｅｃｕｒｅ ｒｏｕｔｉｎｇ 近年来，微电子技术和无线通信技术的进步推动了低功 耗、低价格、多功能传感器的快速发展。传感器技术正向着集 成化、微型化、智能化、网络化的方向发展。具有自组织和分布 智能化的传感器技术应用于工业控制、军事侦察、环境科学、医 议。它采用随机选择簇头节点的方式，避免簇头节点因为能耗 过大成为网络性能瓶颈。ＬＥＡＣＨ定义了“轮”（ｒｏｕｎｄ）的概念， 将一轮分为初始化和稳定工作两个阶段。路由协议在产生簇 头后，向周围节点广播信息，其他节点根据接收广播信息信号 强度决定所在簇，并通知簇头节点。攻击者可以利用此特点伪 疗健康、空间探索、智能建筑等各种复杂环境进行检测、诊断、 目标定位和跟踪。无线传感器网络（ｗｉｒｅｌｅｓｓ ｓｅｎｓｏｒ ｎｅｔｗｏｒｋｓ， ＷＳＮ）正是基于这种形式下发展起来的新技术，已成为当今世 界工业界和学术界的研究热点 。 造簇头节点广播信息，使部分传感器节点为自己服务，形成陷 洞，并在此基础上进行选择性转发信息。另外，路由协议簇头 节点产生机制使每个节点判断是否成为簇头。那么攻击 由于工作环境和工作方式的，与传统无线网络相比， 无线传感器网络有着不同的特点，在研究应用于无线传感器网 络的各种技术时，考虑的关键问题是低能耗和低成本。路由和 者可以每次都在网络内散布信息，选为簇头，控制覆盖区域内 的所有传感器节点。 数据转发是无线传感器网络通信的重要部分。然而，已有的适 用于传感器网络的路由协议大多是对有限的节点资源和特定 应用的网络特性进行的最优化设计，并没有考虑安全路由的问 １ 前提假设与攻击类型分析 １．１ 前提假设 题。这使得网络在实际通信中会受到针对路由协议漏洞的各 种攻击 。随着无线传感器网络的， 泛应用，其安全性已受 假设网络是对称的，也就是说，如果节点Ａ可以传输报文 到日，那么节点曰也可以传输报文到Ａ。 假设各个节点在初始化阶段，由服务器ＣＡ（ｃｅｒｔｉｉｆｃａｔｅ ａｕ— 到了研究人员的普遍重视。在设计了满足低能耗、低成本、低 开销需求的路由协议后，对路由协议安全性的研究将成为新的 热点。 按路由协议的网络构成方式，可以将无线传感网络分为平 面型路由协ｃ义和层次型路由协议。平面型路由协议中，无线传 ｔｈｏｒｉｔｙ）颁发ＩＤ、证书和ＣＡ的公钥。也就是说，只有内部节点 才可以获得合法的证书和ＣＡ公钥。 在系统初始化时，节点两两之间协商共享密钥，即在ｎ个 节点的系统中，共有ｎ（ｎ一１）／２对密钥。 １．２攻击类型分析 感网络中的每个节点都是对等的，没有功能上的区分。而层次 型的路由协议中，将传感器节点分成多个簇，每个簇都有簇头 节点，控制簇内的节点间通信，并可对簇区域内数据进行聚集 融合处理，各簇头节点将融合过的数据传向网关节点。这样可 以减少通信量，维持节点能耗，延长生命期。 低能量自适应分簇（ＬＥＡＣＨ）是一种典型的层次式路由协 收稿日期：２００７一ｌ１．１１；修回日期：２００８—０２—１７ （Ｑ２００６２９００１） １）陷洞攻击（ｓｉｎｋｈｏｌｅｓ） 恶意节点吸弓１某一特定区域的 通信流量，形成以该节点为中心的陷洞 ，作为陷洞的攻击者 就能相对容易地对数据进行窜改。ＬＥＡＣＨ的实现思想使得陷 洞攻击十分容易。因为ＬＥＡＣＨ是层次型路由协议，所有的簇 成员节点都要将信息传递给簇头节点。这样，攻击者就可以使 基金项目：国家自然科学基金资助项目（６０４０３０２７）；湖北省教育厅优秀中青年资助项目 作者简介：刘志远（１９７２－），男，博士研究生，主要研究方向为网络安全（１ｑｗｚｗｗ＠１２６．ｃｏｒｎ） ・２８１４・ 计算机应用研究 假设： （ ）ＡＩ ｝ｆ（ ） （ｂ）引 第２５卷 用大功率设备声明自己为簇头节点，令较远处的节点也认为该 簇头离本节点较近，从而成为该恶意簇头节点的成员节点。附 近的节点都将信息分组转发至恶意节点。 ２）选择性转发信息（ｓｅｌｅｃｔｉｖｅ ｆｏｒｗａｒｄｉｎｇ） 在ＬＥＡＣＨ中， 如果恶意节点对于部分报文进行转发，而另一部分报文不进行 （ｃ）ＡＩ； （ｄ） Ｉ ｆ ＿三 （理想化协议： ａ）Ｂ ：［｛ （ ）曰｛ ｃ ｆ — 转发。那么其他节点较难发现其异常行为，并且会作出其他节 点死亡的错误判断。 ３）ｓｙｂｉｌ攻击同一恶意节点在网络中呈现多个ＩＤ号，那 Ｂ｝Ｋ ，｛Ⅳｄ｝ ｌ］ ｂ）Ａ Ｂ［｛Ａ－－－￣Ｂ： ［｛ ｝Ｋ｝ ，｛，｛ ＋ ＋１１ ｔ ，｛ Ａ ｝ －］］ 些实际上并不存在的节点称为Ｓｙｂｉｌ 节点 。ＬＥＡＣＨ路由协 议中，如果一个节点出现多个ＩＤ号，可能在簇头的选举和数据 安全性证明： 由假设（ｃ）和信息流ａ），应用信息意义推理规则，得知 融合上产生混乱，导致路由协议无法正常运作。 ４）虫洞攻击 ’ 两个或者多个攻击者通过协作将信息 从网络的一个区域转移到另一个区域，并在另一个区域进行重 送。ＬＥＡＣＨ协议中，簇头是直接与基站节点进行通信，所以虫 洞攻击主要是恶意节点模仿簇成员节点进行的。例如恶意节 点。所在簇Ａ，恶意节点ｂ所在簇Ｂ，恶意节点。将自身的信息 不发送给簇Ａ的簇头节点，而发送给簇Ｂ的恶意节点ｂ，节点ｂ 再将信息发送给簇Ｂ的簇头节点。那么，最终将导致簇Ｂ的 簇头节点得到错误的信息，影响数据融合的正确性，也影响到 基站的最终判断。 ２符号定义（表１） 表１符号定义表 符号 含义 符号 含义 ＩＤｓ Ａ节点的ＩＤ号 Ａ节点的私钥 Ａ与Ｂ节点之间的共享密钥 Ａ节点的公钥 节点 对节点 的信誉评估等级 ＣｅｒｔＡ Ａ节点的证书 凰 节点对 节点直接信誉等级 ｎ 节点生命超时门限值 ＦＲ ｉ节点对 节点的问接信誉等级 ３安全ＬＥＡＣＨ协议 由第１章的攻击分析可以看出，要抵御这些攻击首先需要 对进入网络的节点进行安全认证，这样可以防止恶意节点随意 发布虚假信息，从而发起各种各样的攻击。但是单单这样是不 够的。可能有些恶意节点通过物理上的捕获，获得了合法认 证，如此一来，该节点依旧可以进行其恶意行为。此时就需要 利用信誉机制来遏制这些节点的恶意行为。 ３．１节点安全认证 ＥＬＡＣＨ协议中，所有节点是按轮进行簇选举的。每轮中 的簇头节点可能都不相同，但是由于无线传感网络中，节点基 本上不移动，除了能量耗尽的死亡节点以外，节点一旦加入网 络，并不会随意退出。ＳＬＥＡＣＨ中，对于新加入网络中的节点 将进行安全认证，不论是该节点声明为簇头，还是该节点声明 为簇成员时。每个节点会保留一个可信节点列表，并会在每轮 选举簇头时进行交换。 为了方便描述，称相互认证的节点为节点Ａ和Ｂ。节点在 初始化时会获得认证中心的公钥 和由认证中心颁发的证 书ＣｅｒｔＡ＝｛ＩＤ＾， ｝ 和Ｃｅｒｔ ＝｛ＩＤ日，ＫＢ｝ 。下面对协议 的安全认证进行描述并用ＢＡＮ逻辑证明其安全性 。 协议描述如下： ａ）曰— ：［ＩＤａ，ＣｅｒｔＢ＝｛ＩＤ ，ＫＢ｝ ，｛Ⅳ ｝ ］ ｂ）Ａ＿＋Ｂ：［ＩＤＡ，ＣｅｒｔＡ＝｛ＩＤ＾，ＫＡ ｆ Ｋ ，｛ｘｏ＋ｌ｝Ｋ。，｛ＫＡＢ｝ ］ ＡＩ ＣＡＩ～旦 （１） 由证书的性质得出： ＡＩ ＣＡＩ Ｂ （２） 由假设（ｃ），应用仲裁推理规则，得知 』４ｌ Ｂ （３） ＡＩ ｍＢＩ一＃（Ｎ ） （４） 由信息流ｂ），结合式（３），得知 Ａｌ Ａ （５） Ｋ。 Ｂ＜３Ａ ，Ｂ＜３｛Ｎ。＋１｝ ｆｌ （６） 对式（６）和假设（ｂ），应用信息的意义推理规则，得出 Ｂｆ ＣＡＩ—Ａ （７） 根据证书的性质得出Ｂｌ；ＣＡＩ；Ａ，ＢＩ＝－Ａ，即主体相信Ａ 的证书的合理性。同时，Ｂ Ｉ Ａ ｌ ＃（ ＋１）。所以， ＢＩ＝－ＡＩ ｛Ａ ｝，得证。 ３．２信誉机制 通过节点之间的安全认证，可以有效地防御没有获得认证 中心授权的恶意节点的异常行为。但是有些节点可能是网络 中获得了认证中心授权的自私节点，这些节点可能是做一些自 私行为，如选择性转发，也可能做出一些恶意行为，如窜改报文 数据。对于这些节点，由于有授权，不可能完全将其排除到网 络之外，只能对异常行为进行遏制 。］。 定义１信任评估等级。当节点ｉ有对节点 的可信度评 价时，则ｉ与 之间存在信任关系。在本文中用 ．，代表节点ｉ 对 的信任评估等级。经验是信任评估的主要依据，包括所有 直接或间接的经验。根据经验的来源，信任关系可分为两类， 即直接信任和间接信任。信任评估等级是综合了直接信任值 和间接信任值的结果。 定义２直接信任值。它是实体根据直接观察，在特定环 境中和特定时间内，对评估客体行为的评价。节点ｉ对节点 的直接信任值用Ｄ 表示。 在网络中，直接信任值主要来源于节点ｉ对 的信息收集， 如节点 链路帧的接收、数据包和路由包的接收以及数据包和 路由包的转发。 定义３间接信任值。这是因为在无线传感网复杂的环 境中，当对一个客体评估信任时，有可能主体对其一无所知，需 要借助中间者来进行信任关系建立；间接信任值表示其他节点 对节点 的信任评估，如节点ｋ对节点 的间接信任值为 。 节点ｉ对 的信任评估等级应满足 ＝，（Ｄ ， ）。 对于直接信任值Ｄ ，如果观察到的行为正常， ＋ｏ ；如 果观察到的行为属于异常行为，那么Ｔｑ—ｎ：（为了保证系统能 第９期 刘志远：无线传感器中一种安全的ＬＥＡＣＨ协议 ・２８１５・ 快速检测出内部异常节点，要求。，＜ｎ ）；如果在规定时问周 本上没有死亡。在８Ｏ～１６０ Ｓ，由于有些节点作为簇头消耗较 大，开始死亡。节点数量的减少也呈加速度趋势。由ＬＥＡＣＨ 与ＳＬＥＡＣＨ的对比也可以发现，虽然对于网络总能量消耗上 ＳＬＥＡＣＨ较大，但是在网络的生存周期上，两种协议是比较接 近的。这是因为，ＬＥＡＣＨ协议２０ Ｓ一轮选举新簇头，所以即使 有安全认证过程，也要隔２０ Ｓ才进行，相对来说，对于每个节 点的额外负载并不是很大。 图３和４显示了当网络监测区域面积到达１００ ｉｎ×１００ Ｉｌｌ 时，网络中总能量消耗和存活节点数量随时间的变化。相对于 期中未观察到 节点的任何行为，那么 ，一ｎ，（因为有可能是 某些故障导致这种情况，所以要求ｎ ＜ａ，＜ｎ：）。在一定的时 间内，节点ｉ除了记录直接信任值外，还要记录其他节点传来 的间接信任值， 节点ｉ只会考虑通过其认证的节点提供的 间接信任值。那么，最后节点ｉ对 的信任评估等级为 丁ｖ Ｏ ５Ｄ Ｏ・５ Ｉ ｘＤｉｋ ｓ（８） 在初始化时，有三个规定值ｒ…、ｒｎ、ｒ 分别表示信誉评 估等级最大值、初始值和最低门限值。当 ，≥ｒ 。 时，节点ｉ 认为 为友节点；否则，认为节点 不可信。表２给出仿真时 ５０ ｍ ｘ５０ １１１的区域而言，其无论是能量变化还是存活节点数 的参数设置。 当然，在无线信道中，很难区分恶意节点和传输失败或其 他错误。如果令叩＝ｒ…一 随着叼的增大，那么误判率将 会降低，但是同时对于检查恶意节点的灵敏度也会随之下降。 在误判率与灵敏度之间只能寻求一个平衡。此外，信誉系统仅 仅是提供一定的概率来发现内部异常节点。虽然信誉系统中 积极的反馈可以在一定的门限范围内迫使节点行为正常化。 但是却不可能完全避免攻击。例如，开始时，节点正常参与路 由形成与数据转发，从而增加该节点信任评估等级，使得其远 远高于信任评估等级门限；然后再发送虚假的或者是窜改过的 信誉信息到整个网络。这种情况只有适当地增大ｎ，来内 部背叛节点。 ４仿真实验 ４．１仿真环境 实验平台为Ｐｅｎｔｉｕｍ４ ２．０ ＧＨｚ，５１２ ＭＢ ＲＡＭ，使用的操 作系统是Ｗｉｎｄｏｗｓ ２０００下Ｃｙｇｗｉｎ平台，网络仿真平台是Ｎｓ ２．２７（ｎｅｔｗｏｒｋ ｓｉｎｍｌａｔｏｒ ｖｅｒｓｉｏｎ ２．２７）。仿真中，节点总数设置 为１００个，第一个仿真场景，１００个节点随机分布在面积大小 为５０ ｍ支５０ ｍ的区域，其中基站位置（５０ ｎｌ，５０ ｍ）；第二个仿 真场景，１００个节点随机分布在面积大小为１００ ｎｌ ｘ １００ １１１的 区域，其中基站位置（５０ Ｉｎ，１００ ｍ）。每个节点初始能量为２ Ｊ；一旦节点死亡，将退出网络。ＭＡＣ层使用的８０２．１１协议， 模拟时间为２００ Ｓ，２０ Ｓ一轮。节点传输半径为１５ ｍ。 ４．２仿真结果 图１显示了５０ ｍ ｘ ５０ ｎｌ的区域中，传感器网络总的能量 消耗随时间的变化。由图中可以看出，网络中的总能量开始 时，消耗增长率明显较大，随着时问的推移，网络中总能量的消 耗增长率越来越小，最后趋近于零。这是因为开始时，网络中 所有的节点都是存活的，每个节点都在消耗能量。随着轮数的 增加，死亡节点的数量也越来越多，所以能量消耗的增长率越 来越低。与ＬＥＡＣＨ相比较，ＳＬＥＡＣＨ对网络总能量的消耗虽 然略有增加（平均大约１１％），但是在可接受范围内。 表２仿真参数定义表 。。ｆ ，／ 一一 ， ＝＝＝：＝＝ １５ＯＬ ／／ 参数仿真值 参数仿真值 ● １００｝ ． 。１ １ ｒ０ ６０ ５０＿－ 二 ｉ ０１一一一一 ｎ２ ２．５ ＬＩ ７０ ５Ｏ １ｏｏ １５０ ２ｏｏ ｔｎｎｅ ａ３ １．８ ｒ～ ８５ 图ｌ ５０ ｒｅｘ５０ ｍ区域中 总能量消耗随时间的变化 从图２中可以看出，节点在开始时，由于能量比较充裕，基 量的变化，整体趋势是很接近的，但是由于在１００ ｍ ｘ １００ ｍ的 区域中，节点分布相对比较散， 点间距离较远，节点在通信时 会消耗更多的能量，由安全认证带来的额外负载影响更小。图 ３中，ＬＥＡＣＨ和ＳＬＥＡＣＨ的总能量消耗是十分接近的。图４ 中，无论是ＬＥＡＣＨ还是ＳＬＥＡＣＨ，都比图２中相应协议的生存 周期要短。 ２吾 ｌ１９０｝７０ ，， ——一。。０｝ １５０ ８０ ｌ３０【 ； ６０。｝ ￡７１！１０［ｏ ／ ２０， Ｉｒ－＝二Ｓ …ＬＥＡ…ＣＨ；＿ ＿ ｓ０Ｌ— 一——一二一 。｝ ５Ｏ １００ １５０ ２００ ０ ５０ １００ １５Ｏ ２００ ｔｉｍｅ ｔｉｍｅ 、、图２ ５０ｒ、、、、 ｅｘ５０ｍ区域中 图３ １００ ｍＸ１００ ｍ区域中 存活节点数量随时间的变化 总能量消耗随时间的变化 ＬＥＡＣＨ协议节点的能量主要分为两个部分：初始阶段簇 头选举的能量消耗；选举完成后的传感器数据采集以及上传。 其中第二部分，对本文的安全机制基本上不会带来什么影响。 所以图５主要分析的是初始阶段带来的影响。由图５可知，在 ５０ ＩＩ１ Ｘ ５０ ＩＩ１的区域中大约多出了０．３３ Ｊ，而１００ Ｉｌｌ Ｘ １００ ｍ区 域中大约多出了０．２３ Ｊ。同时这也反映了安全机制给性能造 成的影响远远不如距离对协议造成的影响。 ＿兰１２０『 ￣ＬＥＡＣＨ １ｏ８Ｏ｝ｏ｝ ：、 、＼ Ｈｌ Ｏ ５ ６０｝ ＼＼ 喜４０｝ ｌ、＼ｌ＼ 爨 Ｏ ２ ｉ ２０【 ０．１ ｊ ０ ． ：＝ 三 ５０ ｌＵ０ １５０ ２００ ２５０ ｔｉｍｅ 图４ １Ｏ０ｍｘｌ００ｍ区域中 存活节点数量随时间的变化 ５结束语 本文针对无线网络中路由 议的安全问题进行研究，分析 了ＬＥＡＣＨ协议可能受到的攻击，提出了一种安全的ＬＥＡＣＨ 协议，对节点之间的安全性认证进行了形式化证明，并利用信 誉机制来监督节点的自私行为。仿真结果对５０ ｍ×５０ ｍ和 １００ ｍ ｘ １００ ＩＩｌ两个区域进行了能量以及存活节点数量的分 析，最后对轮初始阶段的能量消耗进行了比较。由实验可知， ＳＬＥＡＣｔｔ引人的安全机制给性能所带来的影响是可以接受的。 参考文献： 【１］ ＡＫＹＩＬＤＩＺ Ｌ，ＳＵ Ｗ，ｓＡ ＫＡＲＡｓｕＢＲＡＭＡＮＩＡＭ Ｙ，ｅｔ ａ１．Ａ ｓｕｒｖｅｙ ｏｎ ｓｅｎｓｏｒ ｎｅｔｗｏｒｋｓ［Ｊ］．ＩＥＥＥ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｍａｇａｚｉｎｅ，２００２， ４０（８）：１０２．１１４． （下转第２８７ｌ页） 第９期 林劫，等：基于Ｇａｂｏｒ小波和模型自适应的鲁棒人脸识别方法 ・２８７１・ 像组成。其中用于模型自适应的图像集由１０×１０（每个人１０ 幅图像）或２０×１０（每个人２０幅图像）组成。真实测试集由每 个人剩下的１４０幅图像中的８Ｏ幅组成，共８０ ｘ １０幅。图２分 别为其中两个人在训练、自适应和测试集中的人脸图像。 型自适应阶段获得的人脸图像数据对模型进行重新训练，来实 现模型自适应更新。但是该方法具有较高的时问和空间复杂 度。本文提出了一种加性的自适应模型更新算法。该算法的 优点在于有很低的时问和空间复杂度，并且其效果近似于重训 模型方法。在ＡＴ＆Ｔ和ＭＩＴ—ＣＢＣＬ人脸数据库上的测试结果 表明本文所提出的算法是有效的。在此基础上，下一步工作是 研究更具鲁棒性的人脸特征和识别模型。 ｆａ１两个人在训练集中的人脸图像 一 （ｈ）两个人在自适应与测试集中的 人脸图像 参考文献： 【１］ＴＵＲＫ Ｍ，ＰＥＮＴＬＡＮＤ Ａ．Ｅｉｇｅｎｆａｃｅｓ ｆｏｒ ｒｅｃｏｇｎｉｔｉｏｎ［Ｊ］Ｊｏｕｒｎａｌ ｏｆ Ｃｏｎｇｎｉｔｉｖｅ Ｎｅｕｒｏｓｃｉｅｎｃｅ，１９９１，１３（１）：７１・８６． 『２］ＸＩＥ Ｘｕ ｄｏｎｇ，ＬＡＲＮ Ｋ Ｍ．Ｇａｂｏｒ．ｂａｓｅｄ ｋｅｒｎｅＩ ＰＣＡ ｗｉｔｈ ｄｏｕｂｌｙ 图２两个人在训练、自适应和测试集中的人脸图像 表２为新方法和重训法ＡＭ模型方法分别用１Ｏ或２０幅 图像进行模型自适Ｊ立更新后所获得的识别率。表３为新方法、＿ 基本ＡＭ模型方法、重训法ＡＭ模型方法和ＰＣＡ方法在ＭＩＴ— ＣＢＬＣ人脸数据库上的识别率。从表２和３可以看出，在自适 应阶段，小数目的人脸图像数据已经可以有效地对模型进行调 整，从而减小模型与识别数据间的失配，提高识别率。相比没 有进行模型更新的传统ＡＭ方法和ＰＣＡ方法，新方法和用重 训练方法作为自适应更新法的ＡＭ模型方法所获得的识别率 要高出近２５％。同样从表２可以看出，新算法和用重训练方 法作为自适应更新法的ＡＭ模型方法有相近的识别效果。但 ｎｏｎｌｉｎｅａｒ ｍａｐｐｉｎｇ ｆｏｒ ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ ｗｉｔｈ ａ ｓｉｎｇｌｅ ｆａｃｅ ｉｍａｇｅ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓ ｏｎ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ，２００６，１５（２）：２４８１—２４９２ ［３］ＣＨＥＮ Ｗｅｎ—ｓｈｅｎｇ，ＹＵＥＮ Ｐｏｎｇ—ｃｈｉ，ＨＵＡＮＧ Ｊｉａｎ，ｅｔ ａ１．Ｆａｃｅ ｃｌａｓ ｓｉｉｆｃａｔｉｏｎ ｂａｓｅｄ ｏｎ Ｓｈａｎｎｏｎ ｗａｖｅｌｅｔ ｋｅｒｎｅ】ａｎｄ ｍｏｄｉｉｆｅｄ ｆｉｓｈｅｒ ｃｒｉｔｅ ｒｉｏｎ［Ｃ］／／Ｐｒｏｃ ｏｆ ｔｈｅ ７ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｕｔｏｍａｔｉｃ Ｆａｃｅ ａｎｄ Ｇｅｓｔｕｒｅ Ｒｅｃｏｇｎｉｔｉｏｎ．Ｓｏｕｔｈａｍｐｔｏｎ：ｆ ｓ．ｎ．１．２００６：４６７－４７４ ［４］ＤＡＩ Ｇｕａｎｇ，ＺＨＯＵ Ｃｈａｎｇ—ｌｅ．Ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ ｕｓｉｎｇ ｓｕｐｐｏｆｌ ｖｅｃｔｏｒ ｍａｃｈｉｎｅｓ ｗｉｔｈ ｔｈｅ ｒｏｂｕｓｔ ｆｅａｔｕｒｅ［Ｃ］／／Ｐｒｏｃ ｏｆｔｈｅ ｌ２ｔｈ ＩＥＥＥ Ｉｎｔｅｒｎａ— ｔｉｏｎａｌ Ｗｏｒｋｓｈｏｐ ｏｎ Ｒｏｂｏｔ ａｎｄ Ｈｕｍａｎ Ｉｎｔｅｒａｃｔｉｖｅ Ｃｏｍｍｕｎｉｃａｔｉｏｎ． Ｒｏｍａｎ：『ｓ．ｎ．Ｉ，２ｏ０３：４９—５３． ［５］ＧＵＯ Ｇｕｏ・ｄｏｎｇ，ＬＩ Ｓ Ｚ，ＣＨＡＮ Ｋ．Ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ ｂｙ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅｓｆ Ｃ１／／Ｐｒｏｅ ｏｆ ｔｈｅ ４ｔｈ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｕｔｏ－ 是与实验一相同，在ＭＩＴ—ＣＢＣＬ数据库上的实验表明，用新算 法对模型进行更新的速度相比重新训练模型更新算法平均要 快近２．５倍 表２分别用１０或２０幅图像进行 模型自适应更新后所获得的识别率 疗法 ｍａｔｉｃ Ｆａｃｅ ａｎｄ Ｇｅｓｔｕｒｅ Ｒｅｃｏｇｎｉｔｉｏｎ．Ｇｒｅｎｏｂｌｅ：ｆ ｓ．ｎ．］，２ＯＯ０：１９６—２ｏ１． １ ６｝ Ｋ０ＨＯＮＥＮ Ｔ，Ａｓｓｏｃｉａｔｉｖｅ ｍｅｕｌｏｒｖ：ａ ｓｙｓｔｅｍ ｔｈｅｏｒｅｔｉｃ ａｐｐｒｏａｃｈ ［Ｍ］．Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ—Ｖｅｒｔａｇ，１９７７． ［７］ＴＥＵＶＯ Ｋ Ｓｅｌｆ－ｏｒｇａｎｉｚａｔｉｏｎ ａｎｄ ａｓｓｏｃｉａｔｉｖｅ ｍｅｍｏｒｙ［Ｍ］．Ｂｅｒｌｉｎ： Ｓｐｒｉｎｇｅｒ—Ｖｅｒｌａｇ，１９８９． 表３ 四种方法在ＭＩＴ—ＣＢＬＣ 人脸数据库上的识别率 方法 ［８］ＺＨＡＮＧ Ｂａｉ—ｌｉｎｇ，ＺＨＡＮＧ Ｈａｉ—ｈｏｎｇ，ＧＥ Ｓ Ｓ Ｚ．Ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ ｂｙ ａｐｐｌｙｉｎｇ ｗａｖｅｌｅｔ ｓｕｂｂａｎｄ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ａｎｄ ｋｅｒｎｅｌ ａｓｓｏｃｉａｔｉｖｅ ｍｅｍｏ一 每人的自适应图像数 ０ ２Ｏ 平均 ．每人的测试图像数 ——— —一新方法 ９５．１Ｏ％ ９５ ０８％９５ １２％９５１０％ 传统ＡＭ方法 ７１ ｌ５％ 重训法ＡＭ模型方法 ９５．１３％ 重训法ＡＭ 模型方法 ９５ ０８％９５．１８％９５．１３％ ＰＣＡ ６２ ７５％ 吖［Ｊ］．ＩＥＥＥ Ｔｒａｎｓ ｏｎ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ，２００４，１５（３）：１６６—１７７． ［９］ＺＨＡＮＧ Ｂａｉ—ｌｉｎｇ，ＬＥＵＮＧ Ｃ Ｒｏｂｕｓｔ ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ ｂｙ ｍｕｈｉｓｃａｌｅ ｋｅｒｎｅ１ ａｓｓｏｃｉａｔｉｖｅ ｍｅｍｏｒｙ ｍｏｄｅｌｓ ｂａｓｅｄ ｏｎ ｈｉｅｒａｒｃｈｉｃａ１ ｓｐａｔｉａ１．ｄｏ— 新方法 ｍａｉｎ Ｇａｂｏｒ ｔｒａｎｓｆ（）ＩＴｎＳ『Ｃ］／／Ｐｒｏｃ ｏｆ ｔｈｅ ７ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｅｅ ｏｎ Ａｕｔｏｍａｔｉｃ Ｆａｃｅ ａｎｄ Ｇｅｓｔｕｒｅ Ｒｅｃｏｇｎｉｔｉｏｎ．Ｓｏｕｔｈａｍｐｔｏｎ：［ｓ．ｎ．］， ２０ｏ６． ６结束语 在实际情况中，由于光照、发型、背景、表情等因素的变化 造成了模型与识别数据问的失配，极大地影响了人脸识别系统 的性能。本文提出了一种新的鲁棒人脸识别方法。该方法采 【１Ｏ］ｗＡＮＧ Ｇｕｏ—ｑｉａｎｇ，ＯＵ Ｚｏｎｇ—ｙｉｎｇ．Ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ ｂａｓｅｄ ｏｎ ｉｍａｇｅ ｅｎ— ｈａｎｃｅｍｅｎｔ ａｎｄ Ｇａｂｏｒ ｆｅａｔｕｒｅｓ ｊ Ｃ】／／Ｐｒｏｅ ｏｆ ｔｈｅ ６ｔｈ Ｗｏｄｄ Ｃｏｎｇｒｅｓｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｃｏｎｔｒｏｌ ａｎｄ Ａｕｔｏｍａｔｉｏｎ．Ｄａｌｉｎ：［ｓ．ｎ．］，２ＯＯ６：ａ９７６１．９７６４． ［１】］ＬＩＵ Ｃｈｅｎｇ－ｊｕｎ，ＷＥＣＨＳＬＥＲ Ｈ．Ｉｎｄｅｐｅｎｄｅｎｔ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ ｏｆ Ｇａｂｏｒ ｆｅａｔｕｒｅｓ ｆｏｒ ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎｆ Ｊ］．ＩＥＥＥ Ｔｒａｎｓ ｏｎ ＮｅｕｒａＩ Ｎｅｔ－ ｗｏｒｋｓ，２００３，１４（４）：９ｌ９．９２８． 用对亮度和表情变化不敏感的Ｇａｂｏｒ小波人脸特征作为人脸 特征，同时结合模型自适应更新方法在真实识别前用模型自适 应阶段获得的人脸图像数据对模型进行自适应补偿，从而减 ［１２］张贤达．矩阵分析与应用［Ｍ］北京：清华大学出版社，２０００． ［１ ３］ＡＴ＆Ｔ．Ｌａｂｏｒａｔｏｒｉｅｓ Ｃａｍｂｒｉｄｇｅ ｆａｃｉａｌ ｄａｔａｂａｓｅ（ＥＢ／ＯＬ］．（２００２） ｈｔｔｐｔ，， ．ｕｋ ｒｅｓｅａｒｃｈ ａｔｔ ｅｏｍ／ｆａｃｅｄａｔａｂａｓｅ ｈｔｍｌ ｊ１４ ｆ ＭＩＴ—ＣＢＣＬ．Ｍａｓｓａｃｈｕｓｅｔｔｓ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ．ｔｈｅ Ｃｅｎｔｅｒ ｆｏｒ Ｂｉｏ— 小了模型与识别数据间的失配，提高了识别率。一种简单的 模型更新方法是重训练法。其通过用最初的训练数据集和模 ｌｏｇｉｃａｌ ａｎｄ Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｌｅａｒｎｉｎｇ ｆａｃｉａｌ ｄａｔａｂａｓｅ［ＥＢ／ＯＬ］ （２００４）．ｈｔｔｐ：／／ｃｂｃ１．Ｍｉｔ．ｅｄｕ／ｓｏｆｌｗａｒｅ—ｄａｔａｓｅｔｓ／ｈｅｉｓｅｌｅ／ｆａｃｅｒｅｃｏｇ— ｎｉｔｉ０ｎ—ｄａｔａｂａｓｅ．ｈｔｍ】 （上接第２８１５页） Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ｏｆ ｔｈｅ ＡＣＭ．２０００．４３（５）：５１．５８． Ｉ２ ｌ ＲＥＮＴＡ Ｐ，ＭＵＳＵＮＵＲＩ Ｒ．ＧＡＮＤＨＡＭ Ｓ，ｅｔ ａ１．Ｓｕｒｖｅｙ ｏｎ ｓｅｎｓｏｒ ｎｅｔ— ｗｏｒｋｓ，ＬｒｒＤｃｓ２３３２０２［Ｒ］．Ｄａｌｌｓ：Ｕｎｉａｖｅｒｓｉｔｙ ｏｆ Ｔｅｘａｓ ａｔ Ｄａｌｌａｓ，２ＯＯ２ Ｉ３ ｌ ＰＥＲＲ Ｉ Ｇ Ａ， ＡＮＫＯＶ Ｉ Ｃ Ｊ，ｗＡＧＮＥ Ｄ．Ｓｅｃｕｒｉｔｙ ｉｎ ｗｉｒｅｌｅｓｓ ｓｅｎｓｏｒ ｎｅｔｗｏｒｋｓ［Ｊ］．Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ｏｆ ｔｈｅ ＡＣＭ，２ＯＯ４，４７（６）：５３—５７． Ｉ４ Ｉ ＫＡＲＬＯＦ Ｃ，ＷＡＧＮＥＲ Ｄ．Ｓｅｃｕｒｅ ｒｏｕｔｉｎｇ ｉｎ ｗｉｒｅｌｅｓｓ ｓｅｎｓｏｒ ｎｅｔ． ｗｏｒｋｓ：ａｔｔａｃｋｓ ａｎｄ ｃｏｕｎｔｅｒｍｅａｓｕｒｅｓｆ Ｃ］／／Ｐｒｏｃ ｏｆ ｔｈｅ １ ｓｔ ＩＥＥＥ Ｉｎｔｅｒ． ｎａｔｉｏｎａｌ Ｗｏｒｋｓｈｏｐ ０ｎ Ｓｅｎｓｏｒ Ｎｅｔｗｏｒｋ Ｐｒｏｔｏｃｏｌｓ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ． ２ｏ０３．１ｌ３．１２７． ［７］ＨＥＩＮＺＥＬＭＡＮ Ｗ Ｒ．Ａｐｐｌｉｃａｔｉｏｎ—ｓｐｅｃｉｉｆｃ ｐｒｏｔｏｃｏｌ ａｒｃｈｉｔｅｃｔｕｒｅｓ ｆｏｒ ｗｉｒｅｌｅｓｓ ｎｅｔｗｏｒｋｓ Ｉ Ｄ １．Ｍａｓｓａｃｈｕｓｅｔｔｓ：Ｍａｓｓａｃｈｕｓｅｔｔｓ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ．２Ｏｏｏ． ［８］ＤＵＡＲＴＥ－ＭＥＬＯ Ｅ Ｊ，ＬＩＵ Ｍ．Ａｎａｌｙｓｉｓ ｏｆ ｅｎｅｒｇｙ ｃｏｎｓｕｍｐｔｉｏｎ ａｎｄ ｌｉ— ｆｅｔｉｍｅ ｏｆ ｈｅｔｅｒｏｇｅｎｅｏｕｓ ｗｉｒｅｌｅｓｓ ｓｅｎｓｏｒ ｎｅｔｗｏｒｋｓ『Ｃ］／／Ｐｒｏｃ ｏｆ Ｇｌｏｂａｌ ，ｒｅｌｅｃｏｍｍｕｎｉｃａｔｉ０ｎｓ Ｃｏｎｆｅｒｅｎｃｅ（ＧＬ０ＢＥＣ０Ｍ２００２）．２ｏｏ２：２１．２５． ［９ Ｊ ＭＨＡＴＲＥ Ｖ，ＲＯＳＥＮＢＥＲＧ Ｃ．Ｈｏｍｏｇｅｎｅｏｕｓ ｖｓ．ｈｅｔｅｒｏｇｅｎｅｏｕｓ ｃｌｕｓｔｅｒｅｄ ｓｅｎｓｏｒ ｎｅｔｗｏｒｋｓ：ａ ｃｏｍｐａｒａｔｉｖｅ ｓｔｕｄｙ『Ｃ］／／Ｐｍｃ ｏｆ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ２ｏｏ４． ｛５｝ＮＥｗｓ０ＭＥ Ｊ，ｓＨ Ｉ Ｅ，ＳＯＮＧ Ｄ，ｅｔ ａ１．Ｔｈｅ ｓｙｂｉｌ ａｔｔａｃｋ ｉｎ ｓｅｎｓｏｒ ｎｅｔｗｏｒｋｓ：ａｎａｌｙｓｉｓ＆ｄｅｆｅｎｓｅｓ［ＥＢ／ＯＬ］．（２００２）ｈｔｔｐ：／／ｗｗｗ ｃｓ． ｒｉｃｅ．ｅｄｕ／Ｃｏｎｆｅｒｅｎｃｅｓ／ＩＰＴＰＳ０２ １ １Ｏ Ｉ ＭＨＡＴＲＥ Ｖ，ＲＯＳＥＮＢＥＲＧ Ｃ。Ｋ０ＦＭＡＮ Ｄ，ｅｔ ａ１．Ａ ｍｉｎｉｍｕｍ ｃｏｓｔ ｈｅｔｅｒｏｇｅｎｅｏｕｓ ｓｅｎｓｏｒ ｎｅｔｗｏｒｋ ｗｉｔｈ ａ ｌｉｆｅｔｉｍｅ ｃｏｎｓｔｒａｉｎｔ『Ｊ １．ＩＥＥＥ Ｔｒａｎｓ ｏｎ Ｍｏｂｉｌｅ Ｃｏｍｐｕｔｉｎｇ，２００４，３（３）：４．１５ ［６］ＰＯ丌ＩＥ Ｇ Ｊ，ＫＡＩＳＥＲ Ｗ Ｊ，Ｗｉｒｅｌｅｓｓ ｉｎｔｅｇｒａｔｅｄ ｎｅｔｗｏｒｋ ｓｅｎｓｏｒｓ［Ｊ］．
