Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Cognitive Radio Interference Modeling and Application on Fading Channels Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

8. On the Security of Wireless Sensor Networks via Compressive Sensing

verfasst von : Ji Wu, Qilian Liang, Baoju Zhang, Xiaorong Wu

Erschienen in: The Proceedings of the Third International Conference on Communications, Signal Processing, and Systems

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Due to energy limitation of sensor nodes, the conventional security algorithms with high computation complexity are not suitable for wireless sensor networks (WSNs). We propose a compressive sensing-based encryption for WSNs, which provides both signal compression and encryption guarantees, without introducing additional computational cost of a separate encryption protocol. In this paper, we also discuss the information-theoretical and computational secrecy of compressive sensing algorithm. For proposed WSN, if only a fraction of randomizer bits is stored by an eavesdropper, then the probability that he/she cannot obtain any information about the plaintext approaches zero. Simulation results show a trade-off can be made between the sparsity of a random measurement matrix and the number of sensor nodes used to reconstruct the original signal at the fusion center.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Expected Frame Cancellation: A Simulation Study on Performance Influencing Factors
Nächstes Kapitel Home Area Network Security in Smart Grid: A Hybrid Model of Wireless and Power Line Communications
Literatur
1.
Carman DW, Krus PS Matt BJ (2000) Constraints and approaches for distributed sensor network security. Technical Report 00-010, NAI Labs, Network Associates Inc., Glenwood
2.
Chen J, Liang Q (2011) Rate distortion performance analysis of compressive sensing In: IEEE Globecom. IEEE, Houston
3.
Chen J, Liang Q, Paden J (2012) Compressive sensing analysis of synthetic aperture radar raw data. In: IEEE international conference on communications. IEEE, OttawaCrossRef
4.
Kirachaiwanich D, Liang Q (2011) Compressive sensing: to compress or not to compress. In: Asilomar conference on signals, systems, and computers. Pacific Grove
5.
Xu L, Liang Q (2012) Compressive sensing in radar sensor networks using pulse compression waveforms. In: IEEE International conference on communications. IEEE, OttawaCrossRef
6.
Xu L, Liang Q, Cheng X, Chen D (2013) Compressive sensing in distributed radar sensor networks using pulse compression waveforms. EURASIP J Wirel Commun Netw. doi:10.​1186/​1687-1499-2013-36
7.
Xu L, Liang Q, Zhang B, Wu X (2012) Compressive sensing in radar sensor networks for target RCS value estimation. In: IEEE Globecom, workshop on radar and sonar networks. IEEE, AnaheimCrossRef
8.
Wu, J, Wang W, Liang Q, Wu X, Zhang B (2012) Compressive sensing-based signal compression and recovery in UWB wireless communication system. Wiley Wirel Commun Mob Comput. doi:10.1002/wcm.2228
9.
Wu, J, Wang W, Liang Q, Zhang B, WU X (2013) Compressive sensing based data encryption system with application to sense-through-wall UWB noise radar. Wiley Secur Commun Netw. doi:10.1002/sec.670
10.
Wu J, Liang Q, Cheng X, Chen D, Narayanan R (2012) Amplitude based compressive sensing for UWB noise radar signal. In: IEEE Globecom, workshop on radar and sonar networks. IEEE, Anaheim
11.
Wu J, Liang Q, Kwan C (2012) A novel and comprehensive compressive sensing-based system for data compression. In: IEEE Globecom, workshop on radar and sonar networks. IEEE, AnaheimCrossRef
12.
Liang Q, Ji Wu, Cheng X, Chen D, Liang J (2012) Sparsity and compressive sensing of sense-through-foliage radar signals. In: IEEE International conference on communications. IEEE, Ottawa
13.
Liang Q (2011), Compressive sensing for synthetic aperture radar in fast-time and slow-time domains. In: Asilomar conference on signals, systems, and computers. Pacific GroveCrossRef
14.
Liang Q (2010) Compressive sensing for radar sensor networks. In: IEEE Globecom IEEE, MiamiCrossRef
15.
16.
Weiss Y (2007) Learning compressed sensing
17.
Rachlin Y, Baron D (2008) The secrecy of compressed sensing measurements. In: 46th annual Allerton conference on communication, control, and computing, pp 813–817
18.
Achilioptas D (2003) Database-friendly random projections: Johnson-Lindenstrauss with binary coins. J Comput Syst Sci 66(4):671–687CrossRef
19.
Griffin A, Panagiotis T (2007) Compressed sensing of audio signals using multiple sensors. Reconstruction 3(4):5
20.
Maurer UM (1992) Conditionally-perfect secrecy and a provably-secure randomized cipher J Cryptol 5(1):53–66MATHCrossRef
21.
Wu J, Liang Q, Zhang B, Wu X (2013) Security analysis of distributed compressive sensing-based wireless sensor networks. In: Second international conference on communications, signal processing and systems
Metadaten
Titel
On the Security of Wireless Sensor Networks via Compressive Sensing
verfasst von
Ji Wu
Qilian Liang
Baoju Zhang
Xiaorong Wu
Copyright-Jahr
2015
Buch
The Proceedings of the Third International Conference on Communications, Signal Processing, and Systems

Print ISBN: 978-3-319-08990-4

Electronic ISBN: 978-3-319-08991-1

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-08991-1_8

Neuer Inhalt

    Bildnachweise