CN102571437A - 一种感知层监测节点的模糊可信度评价方法 - Google Patents

一种感知层监测节点的模糊可信度评价方法 Download PDF

Info

Publication number
CN102571437A
CN102571437A CN2012100117406A CN201210011740A CN102571437A CN 102571437 A CN102571437 A CN 102571437A CN 2012100117406 A CN2012100117406 A CN 2012100117406A CN 201210011740 A CN201210011740 A CN 201210011740A CN 102571437 A CN102571437 A CN 102571437A
Authority
CN
China
Prior art keywords
sensing layer
monitoring node
confidence level
evaluation
layer monitoring
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2012100117406A
Other languages
English (en)
Other versions
CN102571437B (zh
Inventor
刘桂雄
朱明武
袁明山
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ARESON Inc.
Original Assignee
GUANGDONG GLORYVIEW TECHNOLOGY Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by GUANGDONG GLORYVIEW TECHNOLOGY Co Ltd filed Critical GUANGDONG GLORYVIEW TECHNOLOGY Co Ltd
Priority to CN201210011740.6A priority Critical patent/CN102571437B/zh
Publication of CN102571437A publication Critical patent/CN102571437A/zh
Application granted granted Critical
Publication of CN102571437B publication Critical patent/CN102571437B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Alarm Systems (AREA)

Abstract

本发明公开了一种监测系统的模糊可信度评价方法，所述方法包括：分别对感知层监测节点的监测设备及集成终端进行完整性验证，获取评价输入参数值；定义可信度模糊集合，模糊化评价输入参数；对感知层监测节点整体可信度评价，根据评价规则推理监测节点整体可信度；反模糊化评价结果得到感知层监测节点整体可信度量化值大小。该方法具有一定灵活性和扩展性，评价者根据不同时期对推理结果的观点调整权重，同时可在输入端增加评价者观点集合增加评价流程灵活性。

Description

一种感知层监测节点的模糊可信度评价方法
技术领域
本发明涉及物联网监测系统领域，尤其涉及一种物联网监测系统模糊可信度评价方法。
技术背景
物联网(Internet of Things，IOT)是把传感器及RFID等感知技术、通信网与互联网技术、智能运算技术等融为一体，实现全面感知、可靠传送、智能处理为特征的，连接物理世界的网络。物联网作为一种网络模式，同样面对在安全隐私和优化技术方面的问题，在一些如军事，电网，环保的特殊行业中，解决这些问题的重要性尤为突出。监测系统的可信度(可靠性、完整性、安全保密性等)是面向特殊行业物联网监测系统发展及应用推广中必须解决的关键技术问题。
完整性保护是信息安全的重要内容，是信息技术的研究热点，计算机界从访问控制、信息流监控和加密签名等方面实现完整性保护进行了广泛的研究。“可信计算”从芯片、硬件结构和操作系统等方面综合采取措施，在计算和通信系统中广泛使用基于硬件安全模块支持下的可信计算平台，以提高整体的安全性。使用可信计算技术可从完整性上保护物联网监测系统感知层监测节点，
对可信计算信任模型进行可信性评估具有重要的理论意义和应用价值。有许多可信计算应用模型虽然是经过安全专家认真地分析、设计和实现的，但是仍然存在漏洞。因此，在可信计算应用模型设计过程中引入形式化分析、验证方法，从理论上分析可信计算应用模型的可信性，对于保证可信计算信任模型的安全性具有重要意义。
信任本身就是模糊的概念，用模糊理论来研究可信度，隶属度可以看成主题隶属于可信任集合的程度，模糊化评价数据后信任系统利用模糊规则根据这些模糊数据推测主体的可信任程度。
发明内容
为了评估物联网监测系统感知层监测节点完整性验证保护作用，本发明提供了一种感知层监测节点的模糊可信度评价方法。
所述评价方法如下：
本发明为一种模糊可信度评价方法，包括：
分别对感知层监测节点的监测设备及集成终端进行完整性验证，获取评价输入参数值；
定义可信度模糊集合，模糊化评价输入参数；
对感知层监测节点整体可信度评价，根据评价规则推理监测节点整体可信度；
反模糊化评价结果得到感知层监测节点整体可信度量化值大小。
本发明提供的技术方案的有益效果是：
分别计算感知层监测节点的监测设备及集成终端可信度结果，并结合基于模糊集合的评价方法评价监测系统感知层监测节点整体可信度，符合信任的不确定性特点。同时该方法具有一定灵活性和扩展性，评价者可在根据需求调整不同观点的评价结果集合权重，同时可通过扩展输入参数增加评价者观点集合提升可信度评价的灵活性。
附图说明
图1物联网监测系统结构图；
图2感知层监测节点的模糊可信度评价方法流程图
图3感知层监测节点结构图；
图4模糊可信度评价原理框架图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图，对本发明实施方式作进一步地详细描述：
所述一种感知层监测节点的模糊可信度评价方法评价对象为物联网监测系统感知层监测节点，该系统及节点结构参见图1、图3和图4。感知层监测节点由监测设备及集成终端组成，各种监测设备通过不同方式连接于集成终端，可信终端为监测节点进行完整性验证的验证设备。
该方法流程参见图2：
步骤10分别对感知层监测节点的监测设备及集成终端进行完整性验证，获取评价输入参数值。
所述步骤10具体包括：
分别对感知层监测节点的监测设备及集成终端进行完整性验证，得到对应完整性状态M(ui)。ui为验证对象，对于监测设备ui直接代表被验证设备，而对于集成终端代表集成终端硬件、客户端控制软件和终端配置数据。验证成功M(ui)为1，失败为0。由公式
Figure BSA00000658141400041
计算监测设备可信度及集成终端可信度mTV、tTV。P(ui)代表验证对象权重值，通过比对法得到验证对象的权重值。s(ui)代表设备ui验证结果累加器，每次验证成功加1；ωi代表ui进行完整性验证的累计次数。
步骤20定义可信度模糊集合，模糊化评价输入参数。
所述步骤20具体包括：
定义可信度模糊集合T1、T2、T3，分别描述可信度等级高、中、低，对应可信度大小分别为1，0.75，0.5。借助三角形隶属度函数对评价输入参数mTV、tTV进行综合评判，归类到可信度模糊集合中。
步骤30进行感知层监测节点整体可信度评价，根据评价规则推理感知层监测节点整体可信度。
所述步骤30具体包括：
根据评价规则推理感知层监测节点整体可信度隶属的模糊集合，评价规则如下：
(1)IF mTV is高AND tTV is高THEN TV is高；
(2)IF mTV is高AND tTV is中THEN TV is中；
(9)IF mTV is低AND tTV is低THEN TV is低。
2个评价输入参数及每项参数对应三个可信度模糊集合，因此有9(32)项推理规则。
定义模糊集合mTVm、tTVm，m＝{′-′，′0′，′+′}，其成员为评价输入参数对可信度模糊集合隶属度大小，′-，′0′，′+′分别代表低、中、高等级。评价规则中AND代表取规则中mTV与tTV的最小值，即min{mTV，tTV}。
根据评价规则推理得到感知层监测节点整体可信度评价结果。
步骤40反模糊化可信度评价结果得到感知层监测节点整体可信度量化值大小。反模糊化计算采用平方和方根法对可信度评价结果进行量化计算。
所述步骤40具体包括：
根据步骤30推理得到可信度结果进行归类集合，定义模糊集合FRm，其成员为可信度评价推理结果，m＝{′-′，′0′，′+′}分别代表评价结果中的高、中、低。例如根据规则(1)，FR+＝min{mTV+，tTV+}。
对模糊集合FRm所有成员求平方和方根，即求得
Figure BSA00000658141400052
Figure BSA00000658141400053
根据
Figure BSA00000658141400054
计算最终感知层监测节点整体可信度量化值TV。W-、W0、W+为可信度评价结果权重值，代表评价者对三种评价结果重视程度，可由评价者在评价初始阶段自行定义。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (4)

1.一种感知层监测节点的模糊可信度评价方法，其特征在于，所述方法包括：
分别对感知层监测节点的监测设备及集成终端进行完整性验证，获取评价输入参数值；
定义可信度模糊集合，模糊化评价输入参数；
对感知层监测节点整体可信度评价，根据评价规则推理监测节点整体可信度；
反模糊化评价结果得到感知层监测节点整体可信度量化值大小。
2.根据权利要求1所述的感知层监测节点的模糊可信度评价方法，其特征在于，所述评价输入参数为感知层监测节点的监测设备可信度参数及集成终端可信度参数，通过对感知层监测节点的监测设备及集成终端进行完整性验证，由公式根据完整性验证结果计算得到感知层监测节点的监测设备可信度及集成终端可信度；所述P(ui)代表验证对象权重值，s(ui)代表设备ui验证结果累加器，每次验证成功加1；ωi代表ui进行完整性验证的累计次数。
3.根据权利要求1所述的感知层监测节点的模糊可信度评价方法，其特征在于，模糊化评价输入参数采用三角形隶属度函数对评价输入参数进行综合评判，并将评判后的评价输入参数归类到可信度模糊集合中。
4.根据权利要求1所述的感知层监测节点的模糊可信度评价方法，其特征在于，定义可信度模糊集合FRm，该集合FRm其成员为可信度评价结果，对模糊集合FRm所有成员求平方和方根
Figure FSA00000658141300021
根据公式
Figure FSA00000658141300022
计算感知层监测节点整体可信度；所述W-代表可信度评价结果权重值，W0代表评价者对三种评价结果重视程度，W+代表可由评价者在评价初始阶段自行定义。
CN201210011740.6A 2012-01-16 2012-01-16 一种感知层监测节点的模糊可信度评价方法 Active CN102571437B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210011740.6A CN102571437B (zh) 2012-01-16 2012-01-16 一种感知层监测节点的模糊可信度评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210011740.6A CN102571437B (zh) 2012-01-16 2012-01-16 一种感知层监测节点的模糊可信度评价方法

Publications (2)

Publication Number Publication Date
CN102571437A true CN102571437A (zh) 2012-07-11
CN102571437B CN102571437B (zh) 2014-10-01

Family

ID=46415963

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210011740.6A Active CN102571437B (zh) 2012-01-16 2012-01-16 一种感知层监测节点的模糊可信度评价方法

Country Status (1)

Country Link
CN (1) CN102571437B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111278006A (zh) * 2020-01-21 2020-06-12 重庆长安汽车股份有限公司 一种基于v2x的感知信息的可靠性验证方法、装置、控制器及汽车
CN112257071A (zh) * 2020-10-23 2021-01-22 江西畅然科技发展有限公司 一种基于物联网感知层状态与行为的可信度量控制方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007093386A1 (en) * 2006-02-14 2007-08-23 Lycos Europe Gmbh Method and system for evaluating data in a data network
CN101593273A (zh) * 2009-08-13 2009-12-02 北京邮电大学 一种基于模糊综合评价的视频情感内容识别方法
CN102289928A (zh) * 2011-05-19 2011-12-21 上海市城市建设设计研究院 基于模糊层次分析法的枢纽综合交通运行态势评价方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007093386A1 (en) * 2006-02-14 2007-08-23 Lycos Europe Gmbh Method and system for evaluating data in a data network
CN101593273A (zh) * 2009-08-13 2009-12-02 北京邮电大学 一种基于模糊综合评价的视频情感内容识别方法
CN102289928A (zh) * 2011-05-19 2011-12-21 上海市城市建设设计研究院 基于模糊层次分析法的枢纽综合交通运行态势评价方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111278006A (zh) * 2020-01-21 2020-06-12 重庆长安汽车股份有限公司 一种基于v2x的感知信息的可靠性验证方法、装置、控制器及汽车
CN112257071A (zh) * 2020-10-23 2021-01-22 江西畅然科技发展有限公司 一种基于物联网感知层状态与行为的可信度量控制方法

Also Published As

Publication number Publication date
CN102571437B (zh) 2014-10-01

Similar Documents

Publication Publication Date Title
Esmalifalak et al. Detecting stealthy false data injection using machine learning in smart grid
CN110995761B (zh) 检测虚假数据注入攻击的方法、装置及可读存储介质
CN110401649A (zh) 基于态势感知学习的信息安全风险评估方法和系统
CN102819813B (zh) 一种智能变电站自动化系统的安全风险评估方法
Chernov et al. Security incident detection technique for multilevel intelligent control systems on railway transport in Russia
CN110458463A (zh) 一种基于区间直觉模糊决策的电力物联网安全评估方法
Jorjani et al. An optimization-based approach to recover the detected attacked grid variables after false data injection attack
Yang et al. A Pythagorean fuzzy Petri net based security assessment model for civil aviation airport security inspection information system
CN102571437B (zh) 一种感知层监测节点的模糊可信度评价方法
Sadi et al. Time sequence machine learning-based data intrusion detection for smart voltage source converter-enabled power grid
Gopinath et al. A PCA‐NPOGBDT strategy‐based protection scheme to differentiate between inverter and distribution line faults plus detection and identification of faulty section in microgrid
Xia et al. A trust-based reliable confident information coverage model of wireless sensor networks for intelligent transportation
Song et al. On credibility of adversarial examples against learning-based grid voltage stability assessment
Reddy Security and design challenges in cyber-physical systems
Han-fa et al. An mixed access control method based on trust and role
Wan et al. A Brief Survey of Recent Advances and Methodologies for the Security Control of Complex Cyber–Physical Networks
Xue et al. Wireless Network Safety Status Prediction Based on Fuzzy Logic
Liang et al. Anomaly detection based on edge computing framework for AMI
Zheng et al. An IoT security risk autonomic assessment algorithm
Shi et al. A privacy risk assessment model for medical big data based on adaptive neuro-fuzzy theory
Rahim et al. Cybersecurity Vulnerabilities in Smart Grids with Solar Photovoltaic: A Threat Modelling and Risk Assessment Approach
Yang et al. An assessment method of vulnerabilities in electric CPS cyber space
Zhao et al. A social computing method for energy safety
Wu et al. Feature Extraction Method Based on Sparse Autoencoder for Air Traffic Management System Security Situation Awareness
Wen et al. Quantitative assessment for network security situation based on weighted factors

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C56 Change in the name or address of the patentee
CP01 Change in the name or title of a patent holder

Address after: 510663, seven building, B2 building, creative road, 162 science Avenue, Science City, Guangdong, Guangzhou

Patentee after: Guangdong Grand View Polytron Technologies Inc

Address before: 510663, seven building, B2 building, creative road, 162 science Avenue, Science City, Guangdong, Guangzhou

Patentee before: Guangdong Gloryview Technology Co., Ltd.

PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Method for evaluating fuzzy credibility of monitoring node of sensing layer

Effective date of registration: 20180629

Granted publication date: 20141001

Pledgee: Guangzhou Caold financing Company limited by guarantee

Pledgor: Guangdong Grand View Polytron Technologies Inc

Registration number: 2018440000176

CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 510663 Units 701 and 702 on the Seventh Floor of Science City, 162 Science Avenue, Guangzhou High-tech Industrial Development Zone, Guangdong Province

Patentee after: ARESON Inc.

Address before: 510663 Creative Building, Building B2, 7th Floor, 162 Science Avenue, Guangzhou Science City, Guangdong Province

Patentee before: Guangdong Grand View Polytron Technologies Inc

PC01 Cancellation of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Date of cancellation: 20200416

Granted publication date: 20141001

Pledgee: Guangzhou Caold financing Company limited by guarantee

Pledgor: GUANGDONG GLORYVIEW TECHNOLOGY Co.,Ltd.

Registration number: 2018440000176