Int ern at i onal  Journ al of Ele ctrical  an d  Co mput er  En gin eeri ng   (IJ E C E)   Vo l.   9 , No .   5 ,  Octo ber   201 9 , pp.  4176 ~ 41 83   IS S N:  20 88 - 8708 ,  DOI: 10 .11 591/ ijece . v 9 i 5 . pp 41 76 - 41 83           4176       Journ al h om e page :  http: // ia es core .c om/ journa ls /i ndex. ph p/IJECE   Random  routin g schem e with m is leading  d ea d  ends       Ch itr a Raj arama 1 ,  Jagadee s ha   N ara sim hamurth y Su gat oo r 2 ,  Yerri Sw am y  T 3   1 Dep ar t m ent   of  I nform at ion  Sci e nce   and   Engi ne e ring,   NIE   Insti tu te   of   T ec hno log y ,   Indi a   2 Dep art m ent   of  El e ct roni cs  an d   Com m unic at ion ,   PES   Instit u te   o f   Technol og y     M ana gem ent,  Ind i a   3 Dep art m ent   of  Com pute r  Scie n ce   and   Engi ne ering ,   KLE     Inst it ut e  of Te chnol og y ,   India       Art ic le  In f o     ABSTR A CT    Art ic le  history:   Re cei ved   N ov   28 , 201 8   Re vised  A pr   7 ,  201 9   Accepte d  Apr   1 9 , 201 9       A   new  m et hod  of  sink  loc ation   sec urity   in  a  W ire le ss   Sensor  Network   is   proposed .   In  the  proposed  sche m e,   al l  t he  node   addr esses  are   e ncr y p te d  an d   an  a tt a cke r   ca nn ot  determ ine   the  real  sink  addr e ss   b y   c apt ur ing  the   p ac ke ts   and  an aly z ing  i t s  cont en ts  for  th e  fin al   d esti na ti o n.   Th e  m ai n  con tri buti on   of   our  proposed  me thod  is  to  use  ran dom   routi ng  sche m e  with  m isle adi ng  de ad   ends.   Th is pr ovi des  sec uri t y   aga i nst t raf f ic a n a l y s is a t ta ck .   Ke yw or d s :   M isl eading   dea d  e nds    R andom  r ou ti ng    S ink l ocati on s ecur it y   T raffic  ana ly sis at ta cks   Copyright   ©   201 9   Instit ut e  o f Ad vanc ed   Engi n ee r ing  and  S cienc e .    Al l   rights re serv ed .   Corres pond in g  Aut h or :   Chit ra Raj a ram a ,    Dep a rtm ent   of   Inform at ion  Sc ie nce and En gi neer i ng,   NI E  Insti tute o f  Tec hnology,    My su ru 57 0018, Ka rn at a ka,   I nd ia .   Em a il :  chitra m anu el @yah oo. co. in       1.   INTROD U CTION     A  sin k  is a crit i cal  n od e i n  a W i reless Se nsor Netw ork,  as  it  co ll ect s  all   t he  data f ro m  the sen sors and   act s  as  a  gate  way  to  the  I nter net  an d  ot her   netw orks.  Thus  we  s ho uld   prov i de  th e  highest  de gree  of   anonym i ty   and   secur it y  to  the   sink   [1 ]   f ro m   t he  ad v e rsar ie s.     The  m ai n  te c hn i qu e s  ad opte d  by  the  a dver sari e s   are  traff ic   an al ysi s  attack   and   packet   tracing   attack .    In   this  work   we  pro po se  a  com pr e he ns ive  pr ot ect ion  against  these  two  at ta cks.   Traffic   analy sis   and   pac ket  traci ng   at ta cks   are  basical ly  passiv e  at ta cks  by   adv e rsa ries  w he re  they   li ste n  to  the   tra ff ic   flo w  a nd  the n  de du ce   the   di recti on  to ward s  the  si nk.  He re  the   adv e rsa ry  us es   pack et   traci ng  te chn i qu e  to   reach  the  sin k.   To  c ounter  this  at ta ck  we  pro po se  the  R ando m   Rou ti ng  Sc he m e  with  Mi sle adin g  D ea d  E nds  (RRSM DE).Sev e ral  w orks   hav e  bee n  pr e sented   t o  pro vi de  sin k  locat ion   sec ur i ty   us ing   ra ndom   ro utin g  an d  oth e r  m e tho d s   [2 - 5].  I n  [ 1],  th e  authors  use   f ake  sin ks   away   fr om  the  real   sin k  t o  m isgu ide  t he   pac ket  traci ng  at ta cker .   But   the  nu m ber   of  fa ke  s i nk s   a nd  th ei r  l ocati ons  a re  fixe d  pr i or i  an d  the  at ta cker   can  identify   th ese  fak e  sin ks   after  certai n  tr ia ls.  In   Zo ne  ba sed  Sin k  Lo c at ion  Pr ivacy   Ro utin g  Protoc ol  [ 2],  the  auth or s  ha ve  us e d  zo ne  pa rtit ion in g  of  the  W S N  a nd   f ake  sin ks   an d  a  real   sink   a re  l ocated  in  each  z one .  A  sou rce  node   of   a  zo ne  tra ns m it s  pack et s  to  it s  ow n  fake  sink s  as  well   as  it s  real  sin k.   I n  this  case  al so,  the  nu m ber  of   fa ke  sin ks  per  zo ne  is   lim i te d  and   their  locat io ns  are     pre - dete rm ined.  Once the z ones are id e ntifie d  by the att ack er,  f ur t her   dete ct ion  of f al se s ink s a nd  t he  re al  sin k  are easy  for  the  adversa ry.    In   [1 ]   a nd   [ 2],  the  fa ke  pac ket  in j ect ion s   do   not  occ ur  at   ever y  ho p,  bu t  occ ur s  at   sp eci fie d  intersect io n  no des.   On   t he  c on t rar y,  in  our   propose d  m eth od,  t her e  is  no   li m i t  on   th e  fak e  destina ti on s.    Fo r  eac h  trans m issi on ,  the  f ake  destinat io ns   will   be  dif fer e nt.  W e  al s o  pro vid e  fa ke   br an chi ng   at   ever y  su ccessi ve  m ain   path  node s  s o  that   the  rand om   disp ersi on  is  ver y  high.   I n  our  pro posed   schem e,  pac ke t  data   secur it y  is  ac hieve d  by  en crypti ng  the  e ntire  co ntent  of   t he  data  pa c ket  us i ng  pa irwise  sec ret  keys .   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N:  20 88 - 8708       Ra ndom r ou ti ng sc he me  wi th  misle adin g dead e nds (C hitra  Raja r ama)   4177   In  [ 3],  backb one  flo od i ng  is  adopted   a par t  f ro m   virtu al   (f a ke)  sin ks .   I n  our   schem e,  sin k  lo cat ion  sec uri ty   is  achieve d  without  bac kbone  flooding  res ulti ng   in   le sser  ove rh ea d.   Ra ndom iz ed  Ro utin g  with  Hidden   A ddres s   is  us e d  by  N ga i  in  [ 5].  He  use s  ra ndom   ro ut ing   paths   al l  of  w hich   sta rt  f r om   the  so urce.   This  will   endang e r   the  so urce  loca ti on   secu rity   wh en  tra ff ic   ana ly sis  and   packet   traci ng   at ta cks  are  m ou nte d.   A nother  dr a wb ac k  of   Ng ai ’ s  m e t hod  is  the  us e   of   enc rypte d  data  pac kets  instea d  of   fa ke   pack et s.  In   our  m et ho d,   ra ndom   br a nc hing  occ ur s  at   e ver y  node  al ong  t he  m ai n  path  w hich   pro vid es  bette r  secu rity   for  the  s ource  w hic h  is  a   seco nd a ry  ad va ntage.   Also,  the  us e  of   fa k e  pack et s  for  the   fak e  r oute s  wi ll   increase  the  secur it y  of   real  data.  In   [ 6],  Shu,  e t  al .,  hav e  de scribe d  Ra ndom iz ed  Mult ipath  Deli ver y  to  achieve  si nk  locat ion   sec ur it y.     The  basic  pri nc iple  of  S hu’s  m et ho d  is  t he  secret  sh a rin g  of   i nfor m at ion   base d  on  t he  well   know n  S ham ir’s  al gorithm   [ 7 ]   with  m ulti path  routing.  T his  inform at ion   sp li tt ing   an d  it s  su bse que nt  r ecov e ry  neces sit at e  add it io nal  ov e r head.  In   our  s chem e,  info rm at ion   sp li tt ing   is  avo ide d  to  r edu ce  the  c ompu ta ti onal   ov e r head.  Locati on  Pr i va cy   Rou t ing   (L PR)  in  [ 8 ]   us es   cl os e  an d  far t her   neig hbor  li sts  to  m anag e  r eal   and   fa ke  pa ckets.   This  i nvolv es   detai le d  locat i on  in form at ion   of  al l  the   neig hbors  as   a  pr e - requisi te .  Hen c e,  the   LPR   sch e m e  is  com pu ta ti on al ly  ex pe ns i ve.   In our schem e, th e exact l ocati on in f or m at ion   of n ei ghbors  is not re quired .    Our  pr opos e d  sink   l ocati on  pr i vacy  sche m e  ov erc om es  sever al   disad van ta ges  of   t he  existi ng   m et ho ds.  O ur  schem e  us es  non - re petit ive  ra ndom   path  transm issio ns   with  m is le ading   dea d  end s .     The  descr i ptio n  of  the  schem e  is  giv e n  in  t he   nex t  sect io n.  A  rea dy  to  use   al gorithm ,  R RSM DE  is  pre sented   in  Sect ion   2.  T he  sim ulate d  c om par at ive  stud y  sh ows  that  our  m et ho d  pe rfor m s  bette r  t han   oth e r  m e tho ds   as   dem on strat ed  in  Sect io n 3.       2.   BASI C   S CHE ME  AND  W O RKING   RR SMDE  is  ba s ic al ly   a  ran dom iz ed  m ulti c ast   routing.  Fa ke  co pies  of  t he  ori gi nal  dat a  pack et   a re   transm itted  to  reach  diff e re nt  rand om   du m m y  destinat ion s  w hile  on e   true  co py  rea ches  the  act ua l  final   destinat io n  w hi ch  is  norm ally  the  sink .  T o  m ake  m at te r  clear ,  an  in sta n c e  of   the  m ulti - paths  of   RR S MDE  is   sh ow n  in  Fig ure   1.   The  s horte st  path  from   th e  so urce  to  the  sink   is  cal le d  the  m ai n  path.   I n  Fig ure   1,   the   path   li st  [V 1,   V 2,   V3,  V 4,   V5 ]   gi ves  the  m ai n  path  wh ic h  is  sh ow n  in  the  bl ack  bold  font.   Her e  V 1   is  the   so urce  an d  V 5   is  the  sink   no de.   I n  th is  pap e r,   sym b ol  V j   re pr ese nt s  bo t h  the  no de   nam e  (iden ti t y)  and   the  e ncry pte d  node  a ddres s  of  node j  w her e  j   ∈   {1  to N}.             Figure  1.   RR MSDE m ulti ca st paths       The  no des  al on g  the m ai n  path  are call ed  the   ma i n  path  node s . In  our  sc he m e, b ranchi ng   towa rd s t he   rand om   fak e  destinat ion s  ta ke s  place  at   suc cessi ve  m ai n   path  no des  in cl ud in g  the  final  destinat io n  node .     In   Fig ure   1,   m ulti cast   br anc hi ng   occ urs  al on g  the  m ai n  path  at   no des  V 1 ,  V 2 ,  V 3 ,  V 4 ,  and   V 5 .  Sub  br anch e s  are  s how n  in   blu e.  I n  our   schem e,  a t  pr esent,  on ly   one  sub  br a nc h  or iginate s  at   each  br a nch  po int.    The  num ber   of  br a nc h  po i nt s  is  equ al   to  t he  num ber   of   nodes  al ong  t he  m a in  path.  Th e  nu m ber   of   s ub  br a nc hes  in  Fi g ure   1  is  5.  In   Fig ure   1,  the  le ng t hs   of  the  s ub   br a nc hes  ar e  al l  cho sen  ra ndom ly .  The  or iginal   pack et   is  se nt  al ong  the  m a in  path  a nd  th is  pack et   is  c al le d  the  m ai n   pack et .  The  m ai n  pack et   he ade r   inf or m at ion   is  updated   at   eac h  m ai n  path  node   as  it   tra ve ls  al ong  t he  m ai n  pat h  a nd  ul tim at el y  reaches  the   final  de sti natio n.     At  each  bra nch   point,  a n  a lt ered   co py  of   the  m ai n  pack e t,  cal le d  the  fa ke  pa cket,  is  c r eat ed  and   it   is  se nt  al ong  the  sub  br a nc h  f or   it s  travel  f ur t her.  The  update  operati on   of  the  m ai n  pack et   a nd   t he   creati on   of   fake  pack et s  are  de scri be d  la te r.     In   RR SMDE ,   the  sink   (the  f inal  real  destin at ion )  is  not  one  of   the  dea d  en ds.  A  bran ch  path  sta rts  f r om   the  sink   and   c on ti nu es   fu rt her.  This   i s  to  con f use   the   at ta cker   furthe r .         U 24   U 23   U 22   U 21   V 1   sr c   V 4   V 3   V 2   V 5   sin k   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  9 , N o.   5 ,  Oct ober   201 9   :   4 1 7 6   -   4 1 8 3   4178   2.1.   Packe t  he ad er  inf ormatio n for  th e m ain  p at h   The  ad dr es s  inform ation   store d  in  the  encr y pted  f or m   in  th e  m ai n  pack et   head e r  is  sh ow n  in  Table 1 .   In  ge ner al ,   the  Mai n  Pac ket  at   sta rt  is  cal le d  MP 1   an d  that  a t  k th   m ai n  node   is  cal le d  MP k ,  f or k   = 1   t o  L  w he re   L is the t otal n um ber  of  node s in  t he  Ma in  P at h.  T he k t h   node  tra ns m it s M P k   to t he  ( k+ 1) t h node.          Table  1.    H ea de r  fiel ds i n t he m ai n  packet  MP 1   at  sou rce  V 1   Presen t Sou rce Ad d ress   Nex t Destin atio n    Ad d ress   No d e cou n t k   Main Path   List   Oth ers   Initially  V 1   V 2   1   [  V 1 , V 2 ,  … ,  V L ]   -- - -- - --       The  sec ond  row  gi ves  the  c orres pondin g  te r m s   fr om   the  Exam ple  of   Fig ur e   1.   T he  hea der   c onte nt  of   the  m a in  packet ,  travell ing   from   the  or igina l  so urce  to  the  final  destinat io n,   c hanges  as  t he  pac ket  goes   from   the  present  no de  to  t he  ne xt  node.   I n  ge ne r al ,  the  Ma in  Pa cket  at   sta rt  is  cal le d  MP 1   an d  that  at   k th   m a in  node   is  cal le d  MP k ,  for  k  =  1  to  L  wh e re  L  is  the   total   nu m ber   of   nodes  i n  the   Ma in  Path.  T he  k th   node  tra ns m it s  MP k   to  the   ( k+ 1) th   node .  Wh e n  the   m ai n  pac ket  reac hes  V 2 ,   The   prese nt  a ddress  is   up dated  to   V 2   an d  t he   ne xt  destinat io n  ad dress  is  updated   fr om   the  Ma in  Path  List   and   k  is  increm ented  by  1.   In   general,  w hen   the  m ai n   pack et   ar rive s  at   the  k th   node   of   the  m ai n  path  the  val ues  of   the  a ddress  fiel ds   an d  k  va lue  befo re  an d  after   updatin g woul d be as  sho wn  in   Ta ble 2.        Table  2.    H ea de r  fiel ds  of  t he packet at  k th   m ai n  pat h node   Presen t Sou rce Ad d ress   Nex t Destin atio n   Ad d ress   No d e cou n t k   Main Path   List   Oth ers   Bef o re  u p d ate   V k −1   V k   k −1   [V 1 ,V 2 , , , …,  V L ]   -- - -- -   Af ter  u p d ate   V k   V k +1   k   [V 1 ,V 2 , , , …,  V L ]   -- - -- -       The  val ues  of   Table  2  ho l d  true  for    k  =  2,  3,…,  L− 1.   N ote  that  the  L th   node  is  the  s ink   a nd   no   furthe r  update   an d  forw a r din g  at   the   sin k,  beca us e  t he  m ai n  path   r outi ng   is  over .  Wh e n  t he  m ain   pack e t   arr ive s  at  the si nk, it chec ks  th at  k = L and als o  the  pr e sent s ource a ddress f ie ld v al ue V k = L. In our sc he m e, the  m ai n  pack et   con ta in s  the  address  of  th e  nex t  destin at ion .  Th us   we  us e  sou rc e  ro utin g  to   send     the m ai n  data.     2.2.   Sub   branch  p at h s  an d  p acke ts   A  s ub  br a nc h  or i gin at es  fro m   ever y  m a in  path   no de.   The   sub  branc h  pa th  sta rtin g  fro m   V k   is  cal le d  SB k  for  k= 1  to   L .    I n  Fi g ure   1,  SB 2  =  [U 21 ,   U 22 ,  U 23 ,   U 24 ] .  T he  nodes   al ong  the  s ub  br a nc h  paths   are   ra ndom .   The  pr e sent  source   no de,   i n  a   sub  br a nc h  pat h,   sel ect s  the  ne xt  ho p  destina ti on   rand om l y  a m on g  it s  nei gh bo rs  exclu ding  the  m ai n  path  node s  an d  the  node s  w hich  hav e   been  al read y  t rav e rse d  so  fa r .  Wh en   there   a re  no   neig hbors  f or  a  sub  br a nc h  node,  the  tra nsm issi on   aut om at ic ally  gets  te rm inate d  eve n  if  TTL  has  no t  ye t   reache d  ze ro.   The  s ub  branc h  pac ket  wh ic h  is  a  fa ke  pa cket  co ntains   the  Tim e  To  Live  (T TL)  wh ic h  determ ines  the  le ng th  of   the  s ub   br a nc h  pat h.  Af te r  each  s ub  branc h  hop,   TTL  gets  dec r e m ented  by  1.   Wh e n  the TTL  r eac he s zer o,  t he pr opagati on is  ter m inate d.     2.3.   Algori th m  for  t he  ma in  p ath pr opogat i on   Th e  wor king  of  the  m ai n  pat h  prop a gatio n  of   RR SM DE  i s  re pr ese nted   by   the  te rm   RRSMDE - M PP   and the al gorithm  RR SMDE - MPP is  descr i be d  as  foll ows.     Algori th m  RR SMDE -   MPP .   I nputs: T he  s hortest   path  [V 1 ,  V 2 ,… ,V k, …, V L ] .          -   Set  k  = 1.         // Start at  V 1 .    -   C reate t he  m a in p at h pack et   MP k ,    -   Creat e t he fa ke pack et   an d choose  it s TTL   -   Start  sub  br a nc h pro pag at io n st arti ng fro m  this m ai n  path n od e  V k .   -   Se nd the  m ain   pack et  t o  t he next m ai n  pat h n od e  V k+1   -   Re cei ve  t he  pack et   at   V k+1 .   U pd at e  t he  P r esent  S ource   Address  a nd  the  Nex t  Desti nation  A ddres s  fiel ds           of the m ai n  pa cket   -   I nc rem ent k  a s,  k =  k+ 1.    // Ma in p ac ket is  fu ll y u pdat ed   -   I f k =  L   g o  t o 9.  //  Fi nal de sti nation  is  rea ched        Else   go to 3.   -   Start t he  s ub  br a nc h prop a ga ti on  starti ng fro m  this   m ai n  path n od e  V L .    -   O ve r.   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N:  20 88 - 8708       Ra ndom r ou ti ng sc he me  wi th  misle adin g dead e nds (C hitra  Raja r ama)   4179   2.4.   Sub bra nch  p ropaga tion   Sub  Bra nc h  P r op a gatio n  (S B P)   is  a  ra ndom   path  travel  with  fa ke  data   pac kets.  T he  pur po se   is  to  conf us e  the  at ta cker   who  m a y  fo ll ow   the  pa ckets  to  disco ve r  the  destinat i on   (sink  or  BS).  I n  our  sc hem e,  on e   su b  br a nch  pr opagati on  sta rts   from   each  m a in  pat h  i nclu din g  the  final  de sti nation.  T here  are  L  se par at e  sub   br a nc h  paths w her e L is the num ber  o f  no de s alon g  the m ain  p at h. The  no des  al ong  a sub b ra nc h  ra ndom  p at h   are  so   sel ect ed   that  the  nodes   do   no t  re pe at   (which  m eans  no   lo ops)  a nd  the  path  e xclu des  the  no des  of   th e   m ai n  path  wh i ch  pro vid es  be tt er  secur it y  by  dr awi ng   the  at te ntion   away   fr om   the  m a i n  path .  Wh en  t he  sub   br a nc h path e nds,  t he fake  p a cket is  discar de d.     2.5.   RRSM DE  e xampl e    The  WSN   la yo ut  is  sh ow n  in  Figure  2.  A  gr i d  base d  de plo y m ent  is  us ed  w it h  a  few   m issin g  nodes  at   rand om   gr id  po i nts.  Her e  82  no des  are   distrib uted   in  a  10x10  gr id.  Eac h  gr i d  cel l  is  100mx10 0m .    The  com m un ic at ion   ra ng e  of   each  node  is  s et   to  15 0  m et e rs.   A  node  can   hav e  a  m axi m u m   of   8  nei ghbor s   al ong  nort h,   s ou t h,   east ,  we st,  north - east ,  so ut h - ea st,  nor th - west,  south - west.  I n  this  e xam ple,  so urc e  node     is 1 1  a nd the  final m ai n  destin at ion   (sink)  is  node 5 6.           Fig ure   2. Ma in  p at h an d su b  branc h paths  for exam ple 1 . Sr c =11 an d  sin k= 56       The  sho rtest   (m ai n)   path  is:   [11,   12,  21,  29,  37,  38,  39,  48,  56] .  The  le ngth  of  the  shortes t     path  SPL= 8.   T he  total   n um ber   of  nodes   of   the  m ai n  path =L= 9.   The re  a re  9  sub  branc hes.   The   sub  branc h  paths   f or  on e  t rial   are  s how n  in  Fi gure  2.  The  s ub   br a nc h  path   SB3 ,  st arti ng  f ro m   node  21  do es   no t  exist   because   it   has  no   valid  nei ghbo rs.   F or   the   sa m e  W SN   la yout  of   of   Fig ur e  2,  the  for m at ion   of   path s  wh e n    src=9 an d si nk = 59 is s how n  i n  Fi gure  3. Fro m  Figu re s   2  a nd  3,   we  ca n see  the  possible  pa tt ern s  of   RR S ND E .       Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  9 , N o.   5 ,  Oct ober   201 9   :   4 1 7 6   -   4 1 8 3   4180       Fig ure   3. Ma in  p at h an d su b b ran c h paths  for  e xam ple 1 . Sr c =9  a nd sin k  = 59       3.   SIMULATI O N,   RES ULTS  AND REL AT IVE PE RFO R MAN CE   3.1.   Av er age  p ath  le ng t h  ( APL )   AP L  is  m easur ed  in  te rm s  of   the  aver a ge  num ber   of   hops   r equ i red   to  reac h  the  de sti nation  from   the  so urce.  T he  pa cket  delivery  tim e  m ai nly   dep en ds   on  the  AP L.  Sm al le r  the  AP L ,  bette r  is  the  per f orm ance .   In   RR SM DE,   t he  tr ue  pac ket s  fo ll ow  the  s hortest   (m ai n)   pa th  from   the  so urce  to  t he  de sti nation.   T he refor e   the  AP L  is  sa m e  as  the  Sh ort est   Path  Len gth   (SPL ).   Bot h  are  ex pr e sse d  in  te rm s  of   the  nu m ber   of   hops .   T her e f or e,     AP L (RRSM D E)= SP L                                                                        ( 1)          In   P ur el y  Ra ndom   Pr op a ga ti on   (P R P)   [ 6]  and   L ocati on   P rivacy  R ou ti ng  ( LPR)   [8 ] ,  the  r oute s  ar e   rand om iz ed.  I n PRP, t he APL   is give n by,     AP L (P RP )  = a ver a ge(TTL )+ SPL                                                             (2)     Her e , TTL  is t he  le ngth  of t he  r a ndom  p art  of the   path  in  e ach trial . I n  LP R, the a ver a ge   le ng th  of   t he ro uting  path  is  g i ven by  [ 8 ],     AP L (LPR )  = { 1/( 1−2*P f) } *SPL                                                          (3)          Her e , Pf is t he pr obabili ty  o f  s el ect ing  the  n e xt no de fu rthe r  aw ay   from  the d est inati on.   Takin g  the  WSN  as  giv e n  in  t he  E xam ple  of  Sect ion   2.4,    t he  A PLs  a re  c al culat ed  f or   di ff e ren t  S PL  values   an d  f or  dif fer e nt  m eth ods.   I n  cal cul at ing   AP L (P R P) ,   ave rage(T TL)  is   obta ine d  by  ta ki ng  10 0  tria ls   with  TTL (m ax)   set   to  8.   In  ca lc ulati ng   AP L ( LPR),  Pf   is  ta ke n  as  0.2.  T he  var ia ti on  of  A PL  w hich   re presents  the p ac ket  delivery ti m e is sho w n  i n  Fi g ure   4 .     Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N:  20 88 - 8708       Ra ndom r ou ti ng sc he me  wi th  misle adin g dead e nds (C hitra  Raja r ama)   4181         Figure  4. A verage  path  le ngth  v s  shortest   pat h  le ngth       3.2.   Ov er all Ener gy  Consum pt io n (OE C)     The  Ov e rall   E nergy  Co nsum ption  ( OEC)  f or   a   gi ven  tria l  (to  se nd  a  da ta   pack et   from   src  to   ds t )   dep e nds  on  the   total   le ng t h  of  the  paths  ge ne rated  (  bo t h  m ai n  an d  s ub  branch  pat hs )   or  the  T otal  N umber  of   Hops (T NH).   The  T N H valu es for  alg or it hm s RRSM DE,  PRP and  LPR  are  giv e n by,     TNH(RR SMD E)  =  SPL   + s um  o f  the s ub  br anch pat h  le ng t hs                                  ( 4)     TNH(PRP )  =  S PL+ a ver a ge(T TL)                                                                    (5)     TNH(LPR )  =  {1/( 1−2*P f) } *SPL                                                                        ( 6)     In PRP a nd L P R m e tho ds, in   each,  t her e  is  only  one  path pe r  tria l.     Var ia ti on  of  T NH   with  SPL  is  sh own  i n  Fig ure   5.  I n  the  case  of   RR SM DE,   the  T N H  value  is  ve ry   la rg e  beca us e  of   m ulti ple  fak e  path s.  The r efore  the  ene r gy  consum ption   is  m or e,  co m par ed  to  th e  oth er     two  m et ho ds.             Figure  5. Total   num ber  of  paths  (TNH ) vs  s hortest   path       3.3.   St ren gth  of re cei ver anony mi ty   protecti on    I n  e va l ua t i ng   t he   s t r e ng t h   o f   t he   r e c e i ve r   a no ny m it y ,   w e   us e   t he   a dv e r s a r y   m od e l   a s   i n  [ 8 ] .   O ne   of   t he   m e a s ur e s   t o  re pr e s e nt   t he   st r e ng t h  of   r e c e i ve r   a no ny m it y   i s   A dv e r s a r y ’ s   A t t a c k  Tim e   ( A A T )   w hi c h  i s   “m e a s ur e d  a s   th e   nu m be r   of   m ov i ng   s t e ps   (fr om   on e   s e ns or   l oc a t i on   t o  a   ne i gh b or )   t he   a dv e r s a r y   ha s   t o   m a ke  be f o r e   he   r e a c he s   t he   r e c e i ve r ” .   I n   R R S M D E ,   t he   a d ve r s a r y   ha s   t o  t r a ve r s e   e a c h  s ub   b r a nc h  t w i c e ,   o nc e   t o  g o   f or w a r d ( m i s s   th e   r e a l   r e c e i ve r )   a nd   t he n  t o r e t r e a t .   T he r e f or e   t he   nu m be r   o f   s t e ps   t he   a dv e r s a r y   ha s   t o  t r a ve r s e   be f o r e   r e a c hi n g  t he   f i na l   de s t i na t i on   i s   gi ve n  by ,   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  9 , N o.   5 ,  Oct ober   201 9   :   4 1 7 6   -   4 1 8 3   4182   AA T (RRSM D E)  =  SPL  +  2*su m  o f  the  s ub  br a nc h path le ng t hs                                      ( 7)      I n  P R P   a nd   L P R ,   A A T   i s   s a m e   a s   t he   A ve r a ge   P a t h  L e n gt h ,   A P L ,   a s   gi ve n  by   ( 2)   a nd   ( 3 ) .   V a r i a t i on   of   A A T   w i t h  S P L   i s   s ho w n  i n  F i gu r e   6.   T he   r e s ul t s   a r e   ob t a i ne d  by   a n a l yt i c al   c al c ul at i on s .   I n  t he   c a s e   of   R R S M D E ,   t he   A A T   va l ue   i s   v e r y   l a r ge   be c a u s e   of   m ul ti pl e   f a ke   pa t hs .   T he r e f or e   t he   s t r e n gt h  o f   a n on y m it y   is  ve r y   hi gh ,   c om pa r e d  t o  t he   ot he r   t w o   m et ho ds .           F i g ure   6.   A dv e r s a r y ’ s   a t t a c k  t im e   ( A A T )   vs   s ho r t e s t   pa t h  l e n gt h       4.   CONCL US I O N     A  ne w  m et hod  of  r an dom   r ou ti ng  sc hem e   with   m isl eadi ng   dea d  e nd s  is  pr ese nted .  The  pack e t   traci ng   at ta ck e r  will   be  utterl y  confu se d  be cause  of   m ultip le   ra ndom   paths  w hich  le a d  to  w ron g  dea d  en ds.   Fr om  the r el at i ve per form ance p lots , it can  be seen  that RR SMDE is m uc h bett er th a n ot her m et ho ds .       RE FERE NCE S     [1]   L .   Yao ,   e t  al . ,   “ Protecting  the   sin k  loc at io n  priva c y   in  wire l ess sensor ne tworks,”   Springer - Verl ag  L ondon,   Li m it ed ,   2012.   [2]   A.  R.   Ma lviy a   a nd  B.   N.  J agda l e,   “ Locat ion  pri vacy   of  m ultipl e   sink  using  zon e   par titioni ng   app roa ch  in  W SN , ”   2015  Inte rnation al  Confe renc e  on  Appl ie d  and  Theoretical  Computing  and  Communi cat ion  Te chn ology   ( iCA TccT),   Davange re ,   pp.   449 - 454 ,  2015 .   [3]   Pavit ha  N .   and  S.  N.  Shelke ,  “ Techni ques  for  Protecting  Locat ion  Privacy   of  Sourc e  and  Sink  Node  Against  Global   Adversari es  in   S ensor, ”   Inte rnat i onal  Journal   of   Re search  ( IJR ) ,   v ol .  1,   Sep   2014.     [4]   C .   George   and   D .   Natha nie l ,   “ Protec ti ng  Loc ation  Privacy  in  W ire le ss   S ensor  Networks   aga inst  a  Local   Ea vesdroppe r – A   Surve y , ”   Int ernati onal Journal of  Computer  Ap pli cations ,   Oc t  2 012.   [5]   E .   Ngai ,   “ On  providi ng  sink  ano n y m ity   for  sens or  net works , ”  in   Proce ed ings  of  the   5th  In te rnati onal  Confe ren c e   on  Wireless   Comm unic ati ons  a nd  Mobile  Com puti ng:  Conn ec t ing  th e  World  Wirel essly –   IW CMC’09.   ACM ,   pp.   269 - 273 ,  2009 .   [6]   T.   Shu,   e t  a l. ,   “ Secur e  d ata  c o llection  in   wire les s  sensor  net works   using  ran do m iz ed  dispersiv e  rout es, ”   IEEE   Tr ans.  Mobil e  C omput . ,   vol / issue:   9 ( 7 ) ,   pp.   941 - 9 54,   2010 .   [7]   D.  R.   Stinson ,   “ Cr y ptogr aph y ,   T heor y   and   Prac tice ,”   CRC   Press ,   2006.   [8]   Y .   Jian,   et   al. ,   “ Protec ti ng  Recei ver - Locat ion  Privacy   in  W ire le ss   Sensor  N et works , ”  IEEE   Comm unic ati ons  Soci e ty ,   IE EE IN FOCOM 2007  p roce edi ngs ,   pp  1 955 - 1963 ,   2007 .                          Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N:  20 88 - 8708       Ra ndom r ou ti ng sc he me  wi th  misle adin g dead e nds (C hitra  Raja r ama)   4183   BIOGR AP H I ES   OF  A UTH ORS        Ch itr a  Rajarama   rec e ive d  he r  B. E.,  in  Com pute r  Scie n ce   &   Engi ne eri ng . ,   and  M.T ec h . ,     in  Com pute r  Sc ie nc e  &   Engi n e eri ng,   from   Visvesvara y a   T ec h nologi c al   Univ e r sit y ,   B el gaum,  Karna ta k a,  India .   She  is  cur r ent l y   pursuing   PhD   under   Visvesvar a y a  Technol ogi c al   Univ ersity ,   Bel gaum,  Karna ta ka ,   India.  Her   are a  of  intere s t   is  in  the   fie ld  of  wire le ss   netw orks.  She  has   guide d  m an y   un der gra dua te  proj ec ts.   She  h as  att ende d  m an y   n at i onal /i n te rn at ion a l  conf ere n ce s  and  publi shed  seve ra l  pape rs  in   int ern a ti ona l  jo urna ls.  At  pre se nt  she  is  Associ at e  Profess or  in   the   depa r tment  of  Inform at ion  Scie nc e  &  Engi ne e ring,   NIE  Instit u te   of  Te chno log y ,   ( aff iliated  to  Visvesvara y a   Technol ogi ca l   Uni ver sit y )  M y suru,   Karna t aka,  Ind i a,         S.N.  Jagadeesha   recei ved   his  B. E.,   in   Elec tro nic s  and  Com m unic at ion  Eng ine er ing,   from  Univer sit y   B.   D.  T.   Coll ege   of  Engi nee r ing.,   Dava nger e  aff il iated  to  M y so re  Univer sit y ,   Karna ta k a,   Ind i a  in  1979,   M. E.   from   India n   Instit ute   of  Sc ie nc e  (IISC),  B anga lor e,   Indi a  spec ializing  in  El e ct ri ca l  Com m unic at ion  Enginee ring . ,   in  198 7  and  Ph.D.  in  El e ct roni cs  and  Com pute r  Engi n ee ring . ,   from   Univer sit y   of   Roo rke e,  Roorke e,   I ndia   in   1996.   He  is  an   IE EE  m ember.   His  res ea rch   in te r est  inc lude s  Arra y   Si gnal   Proce ss ing,  W ire le ss   Senso r  Networks  and  Mobile   Com m unic a ti ons.  He   h as  publi shed  an d  pre sent ed  m a n y   p ape rs  on  Adapti ve  Arr a y   Signal   Proce ss i ng  and  Dire c tion - of - Arriva l  e stim at ion.   Curr ent l y   he  is  profe ss or  in  the  depa rtment   of  E le c troni cs  and  Com m unic at ions  Engi neering,  PES   Instit ute  of   Technol og y   &  Mana geme nt .   (A ffil i at ed   to   Visve svara y a Technol ogic a l  Univer si t y ) ,   Shim oga, K a rna ta k a, I ndia.         Yer ri   S w am y   T   rec ei v ed  his  B. E.,   in  Elec tro nic s  and  Com m - unic a ti on  Enginee ring ,   from  Gulbar ga  Unive risity ,   Gulb arg a ,   Karna ta k a ,   Ind ia   in  2000 .   MT ec h  in  N et work   and  Internet   Engi ne eri ng,   fro m   Visve - svara y a  Te chno logi c al  Univer sit y ,   Belgaum ,   Karna ta k a.   at   J.  N.  N.  Coll ege   of  Enginee ring ,   Shim oga,   Karna t aka   in  2005.   and  PhD   i n  the   Facul t y   of  Com pute r  and  Inform at ion  Sci enc es  from   Visvesvara y a  Tech nologi c al   niv ersity ,   B el gaum,  K arn ataka   in  the   y e ar  2013.   He  is  an  ISTE  m ember.   His  rese ar ch  intere st  in cl udes  Antenn a   Arra y   Signa l  Proce ss ing,   Sta t isti cal  Sign al   P roc essing,   D et e ct ion   and  Esti m at ion ,   Cogni ti ve   rad io   comm - unic a ti on ,   LTE/MIMO .   He   has  publ ished  and   pre se nte d  num ber   of  pap ers  in  nat ion al /i n te rn ational   conf ere nc es  and  journa ls.   Cur ren tly   h e  i s  Profess or   and  Hea d,   in  the   depa rtment   of  C om pute r  Scie n c e  &   Engi n ee r in g,   KLE   Insti tut e   of  T ec hno log y ,   (Affil i at ed   to   Visvesvara y a   Technol ogi ca l   Uni ver sit y ), Hubli ,   Karna ta k a, I ndi a .     Evaluation Warning : The document was created with Spire.PDF for Python.