Dergiler / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2008 / Cilt: 23 - Sayı: 2

Kablosuz algılayıcı ağlarında homomorfik şifreleme ile güvenli veri kümeleme

Secure data aggregation in wireless sensor networks via homomorphic encryption

Sayfa
365–373
DOI
—

Özet

Artık veri aktarımını önlemek ve istenilen bilgiyi özetleyebilmek için Kablosuz Algılayıcı Ağlarında (KAA) veri kümeleme vazgeçilmez bir ihtiyaçtır. Genelde saldırılara açık ortamlarda kullanılmaları sebebiyle KAA’lar için bir başka önemli gereklilikte ağ üzerinde taşınan verinin gizliliğinin sağlanmasıdır. Ancak geleneksel veri kümeleme protokollerinde veri kümeleme işlemi sırasında veri gizliliğini sağlamak mümkün değildir. Bu çalışmada literatürdeki veri kümeleme teknikleri incelenip bunların veri gizliliğini sağlayan güvenlik algoritmaları ile olan ilişkileri incelenmiştir. Buna ek olarak homomorfik şifrelemeye dayanan yeni ve orijinal bir güvenli veri kümeleme protokolü sunulmuştur. Geliştirilen protokolde homomorfik şifreleme tekniği kullanılarak şifrelenmiş veriler üzerinden veri kümeleme yapmak mümkündür ve bunun sonucu olarak da kümeleme işlemi sırasında veri gizliliği sağlanabilmektedir.

Abstract

Data aggregation is essential for wireless sensor networks to reduce data redundancy and to summarize relevant and necessary information without requiring all pieces of the data. Data confidentiality is another critical requirement for wireless sensor networks as these networks are usually deployed in hostile environments. In traditional data aggregation techniques, however, it is not possible to provide data confidentiality during data aggregation. In this study, we give an overview of the existing data aggregation techniques and examine how they interact with data confidentiality algorithms. In addition, we present a novel secure data aggregation protocol which is based on privacy homomorphic encryption. Due to privacy homomorphism, the proposed protocol allows data aggregation over encrypted data and therefore provides data confidentiality during data aggregation.