The development of medical sensor networks (MSNs) is imperative for e-healthcare, but security remains a formidable challenge yet to be resolved. Traditional cryptographic mechanisms do not suffice given the unique characteristics of MSNs, and the fact that MSNs are susceptible to a variety of node misbehaviors. In such situations, the security and performance of MSNs depend on the cooperative and trust nature of the distributed nodes, and it is important for each node to evaluate the trustworthiness of other nodes. In this paper, we identify the unique features of MSNs and introduce relevant node behaviors, such as transmission rate and leaving time, into trust evaluation to detect malicious nodes. We then propose an application-independent and distributed trust evaluation model for MSNs. The trust management is carried out through the use of simple cryptographic techniques. Simulation results demonstrate that the proposed model can be used to effectively identify malicious behaviors and thereby exclude malicious nodes. This paper also reports the experimental results of the Collection Tree Protocol with the addition of our proposed model in a network of TelosB motes, which show that the network performance can be significantly improved in practice. Further, some suggestions are given on how to employ such a trust evaluation model in some application scenarios

چکیده

توسعه ی شبکه های حسگر پزشکی (MSNs) برای بهداشت و درمان الکترونیک ضروری است، اما امنیت هنوز بصورت یک چالش دشوار باقی مانده است که باید حل شود. مکانیسم های رمزنگاری سنتی با توجه به ویژگی های منحصر به فرد MSNs، و این واقعیت کهMSNs  مستعد ابتلا به انواع سوء رفتار گره می باشد، کفایت نمی کند. در این مواقع، امنیت و کاراییMSNs  به ذات همکاری و اعتماد گره های توزیع شده بستگی دارد، و برای هر گره ارزیابی قابلیت اعتماد گره های دیگر مهم است. در این مقاله، ما ویژگی های منحصر به فرد MSNs را شناسایی و رفتارهای گره مربوطه، مانند سرعت انتقال و زمان ترک گره را، برای ارزیابی اعتماد به منظور تشخیص گره های مخرب معرفی می کنیم. پس از آن ما یک مدل ارزیابی اعتماد مستقل از نرم افزار و توزیع شده را برای MSNs پیشنهاد می کنیم. مدیریت اعتماد از طریق استفاده از تکنیک های ساده ی رمزنگاری اجرا می شود. شبیه سازی نتایج نشان می دهد که مدل پیشنهاد شده را می توان برای تشخیص موثر رفتارهای مخرب مورد استفاده قرار داد و که بدین وسیله مانع گره های مخرب می شود. این مقاله همچنین نتایجی تجربی از پروتکل درخت مجموعه به همراه مدل پیشنهادی ما روی شبکه ای از نقاط TelosB را گزارش می دهد، که نشان می دهد کارایی شبکه می تواند به طور قابل توجهی در عمل بهبود یابد. علاوه بر این، تعدادی پیشنهاد روی نحوه به کارگیری چنین مدل ارزیابی اعتمادی در برخی از حالات (سناریوهای) کاربردی داده شده است.

1-مقدمه
به تازگی، با توسعه ی سریع حسگرهای پزشکی پوشیدنی و ارتباطات بی سیم، شبکه های حسگر پزشکی بی سیم(MSNs) به عنوان یک تکنیک امیدوار کننده ظاهر شد که در روش جستجوی سلامتی انقلابی ایجاد نمود، که اغلب بصورت بهداشت و درمان الکترونیک یا e-healthcare نامیده می شود. به جای اندازه گیری چهره به چهره، وضعیت سلامتی بیمار می تواند از راه دور، به طور مداوم، و در زمان واقعی دریافت شود، و سپس پردازش شده و برای نظارت به یک بیمارستان یا مرکز مراقبت های بهداشتی انتقال داده شود...