在当今全球对海洋资源的依赖日益增强的背景下，部署大量感知设备并构建水声传感器网络（UASNs），已成为有效监测和管理海洋资源、提升海洋经济开发效率的重要手段。然而，随着水声传感网的快速发展，海洋数据的安全性正面临着前所未有的挑战。恶劣的水下环境和潜在的网络攻击不仅威胁数据的可用性和准确性，还可能对海洋经济和国家安全构成严重风险。由于网络设备的异构性、网络拓扑的动态变化、节点部署的稀疏性以及水声通信的不稳定性等多重因素，保障数据安全已成为水声传感网发展的关键瓶颈。
近日，我校信息科学与工程学院的韩光洁教授团队在应对这些挑战方面取得了重要突破。他们提出了一种基于强化学习辅助的两阶段信任评估的安全可靠数据传输方案，旨在解决水声传感器网络中数据采集的安全问题。该方案将数据收集过程划分为预传输和传输两个阶段。首先，发送节点通过Q学习算法进行自我信任评估；然后，接收节点根据接收到的数据计算其可信度，并对低于信任阈值的数据路径进行信任回溯，逐跳验证以确定并隔离恶意节点。
图1基于强化学习辅助的两阶段信任评估的安全数据传输方案
传统的UASNs结构中，信任数据的收集和计算往往存在较高的延迟，难以迅速识别异常节点，并且不同信任度量的权重也无法自适应调整。为应对这些问题，韩光洁团队创新性地将边缘计算技术融入AUV（自主水下航行器）网络中，视AUV为提供低延迟信任建模服务的边缘设备，从而减少计算延迟并提高信任计算的精度。
图2 AUV辅助与UASN融合的移动边缘信任感知架构
此外，该团队还将信任模型与联邦学习相结合，基于现有的证据获取机制（如通信、能量和数据证据），提出了一种新的基于联邦深度强化学习的信任模型。该模型更好地适应了UASNs的动态拓扑结构，提高了网络的信任预测精度和能量效率，进一步提升了数据传输的安全性。
图3 基于联邦深度强化学习的多证据信任管理模型架构
在源位置隐私保护方面，韩光洁团队开发了基于层次结构的保护算法，利用Ekman漂移模型将UASNs划分为动态层和静态层，确保源位置的隐私性和数据传输的安全性。同时，他们还提出了一种基于区域划分的多AUV源位置隐私保护方案，通过诱导攻击者远离源节点，从而增强了隐私保护效果。
图4 基于Ekman漂移模型的多层次水下源位置隐私保护模型
基于上述研究，该团队进一步提出了多项技术创新，如多面体幻影路由算法，通过引入幻影节点增加路径多样性，确保源节点的隐私；以及AUV辅助的路径规划方法，以避免路由空洞，规划出最短的数据传输路径，降低网络时延并提高传输效率。最后，团队还开发了一种基于纠错编码的安全数据传输方法，能够有效抵御主动攻击，显著提升网络安全性。
通过这些研究成果，韩光洁教授团队在海洋数据安全领域取得了显著进展。这些创新技术不仅为保护水声传感器网络中的节点位置隐私提供了新的思路，也为未来海洋经济的可持续发展和国家安全的保障打下了坚实基础。
以上研究工作得到了中国国家自然科学基金联合资助（资助号：U22A2011）、中国国家自然科学基金（资助号：62072072 和 62102132）以及声学国家重点实验室开放基金（资助号：SKLA202302）的资助，相关成果发表在《IEEE Transactions on Mobile Computing》,《IEEE Transactions on Intelligent Transportation Systems》,《IEEE Transactions on Vehicular Technology》,《IEEE Internet of Things Journal》等国际顶级期刊。
代表成果：
1. Yu He, Guangjie Han*, Aohan Li, Tarik Taleb, Chenyang Wang and Hao Yu, A Federated Deep Reinforcement Learning-Based Trust Model in Underwater Acoustic Sensor Networks, IEEE Transactions on Mobile Computing, vol. 23, no. 5, pp. 5150-5161, May 2024.
2. Hao Wang, Guangjie Han*, Weizhe Lai, Yun Hou and Chuan Lin, A Multi-Round Game-Based Source Location Privacy Protection Scheme With AUV Enabled in Underwater Acoustic Sensor Networks, IEEE Transactions on Vehicular Technology, vol. 72, no. 6, pp. 7728-7742, June 2023.
3. Guangjie Han*, Yusi Chen, Hao Wang, Yu He and Jinlin Peng, A Scheme for Protecting Source Location Privacy Based on Hierarchical Structure in Smart Ocean, IEEE Transactions on Intelligent Transportation Systems, vol. 25, no. 8, pp. 10161-10175, Aug. 2024.
4. Feiyan Li, Guangjie Han*, Chuan Lin, Fan Zhang and Chen Sun, SDN-QLTR: Q-Learning-Assisted Trust Routing Scheme for SDN-Based Underwater Acoustic Sensor Networks, IEEE Internet of Things Journal, vol. 11, no. 6, pp. 10682-10694, 15 March15, 2024.
