CN103957547B - 无线传感器网络的节点信誉评测方法及系统 - Google Patents

Abstract

本发明公开了一种无线传感器网络的节点信誉评测方法及系统，属于无线传感器网络技术领域。该无线传感器网络的节点信誉评测方法包括：获取节点的历史互动观测结果，得到狄利克雷先验概率分布；获取节点的本次互动观测结果，得到多项概率分布；根据所述先验概率分布和所述多项概率分布，得到所述节点的狄利克雷后验概率分布；根据所述狄利克雷后验概率分布计算所述节点的本地信誉值；根据所述本地信誉值对所述节点进行信誉评测。该无线传感器网络的节点信誉评测方法和系统，能够对节点的行为进行精确、详细的评测，以便于选择可靠的节点进行信息传输，保证网络的安全性和可靠性。

Description

无线传感器网络的节点信誉评测方法及系统

技术领域

本发明涉及无线传感器网络技术领域，特别涉及一种无线传感器网络的节点信誉评测方法及系统。

背景技术

无线传感器网络(Wireless Sensor Network,简称WSN)是由部署在监测区域内大量的廉价微型传感器节点组成，通过无线通信方式形成的一个多跳的自组织的网络系统，其目的是协作地感知、采集和处理网络覆盖区域中被感知对象的信息，并发送给观察者。

随着无线传感器网络的快速发展，为了适应不同的应用需求，对网络的可靠性和安全性也提出了越来越高的要求。尤其是当无线传感器网络工作在恶劣环境下，例如，环境检测、资源勘探、水下作业等场合，网络的可靠性与安全性将面临巨大挑战。为了对无线传感器网络的安全性和可靠性进行评测，引入了信誉系统。

信誉系统是指源节点与目标节点互动时，根据互动历史信息对目标节点进行基于先验分布的评价，并预测目标节点的行为。与目标节点互动之后，源节点监视目标节点是否执行了所要求的行为，并将观测结果与先验分布进行整合，得出基于后验分布的信誉值。信誉值在无线传感器网络中，被广泛应用于同步、定位、数据汇聚加权、入侵检测等，能够对无线传感器网络的可靠性和安全性进行评价。

现有技术中，信誉系统通常基于Beta(贝塔)分布对节点的信誉进行评估，通常粗略地将节点的信誉级别分为合作和不合作两种。由于实际网络的状况十分复杂，节点很容易遭受信道衰落、干扰和攻击等异常事件的影响，而导致节点的可靠性和安全性出现差异，该差异将会影响网络的传输、能耗和安全性能。因此，粗略将节点信誉分为两个信誉级别，无法满足实际需求。

发明内容

本发明实施例提供了一种无线传感器网络的节点信誉评测方法及系统，可以实现对节点行为精确、详细的评估，进而保证无线传感器网络的安全性和可靠性。

本发明实施例提供的技术方案如下：

一方面，提供了一种无线传感器网络的节点信誉评测方法，包括：

获取节点的历史互动观测结果，得到狄利克雷先验概率分布；

获取节点的本次互动观测结果，得到多项概率分布；

根据所述先验概率分布和所述多项概率分布，得到所述节点的狄利克雷后验概率分布；

根据所述狄利克雷后验概率分布计算所述节点的本地信誉值；所述计算所述节点的本地信誉值包括：计算所述狄利克雷后验概率分布的数学期望值，并将所述数学期望值作为所述本地信誉值；

根据所述本地信誉值对所述节点进行信誉评测。

优选地，所述方法还包括：根据所述本地信誉值和预设的互斥分类规则，对所述节点进行信誉分类。

优选地，所述互斥分类规则包括：多个大小不等的预设信誉值，以及与所述预设信誉值对应的多个预设信誉等级。

优选地，所述根据所述本地信誉值和预设的互斥分类规则，对所述节点进行信誉分类，包括：

将所述本地信誉值分别与所述多个预设信誉值进行比较；

将与所述本地信誉值相差最小，且小于或等于所述本地信誉值的预设信誉值所对应的预设信誉等级，作为所述本地信誉值的信誉等级。

另一方面，提供了一种无线传感器网络的节点信誉评测系统，包括：

第一获取模块，用于获取节点的历史互动观测结果，得到狄利克雷先验概率分布；

第二获取模块，用于获取节点的本次互动观测结果，得到多项概率分布；

第一计算模块，用于根据所述先验概率分布和所述多项概率分布，得到所述节点的狄利克雷后验概率分布；

第二计算模块，用于根据所述狄利克雷后验概率分布计算所述节点的本地信誉值；包括：计算所述狄利克雷后验概率分布的数学期望值，并将所述数学期望值作为所述本地信誉值；

信誉评测模块，用于根据所述本地信誉值对所述节点进行信誉评测。

优选地，分类模块，用于根据所述本地信誉值和预设的互斥分类规则，对所述节点进行信誉分类。

优选地，所述互斥分类规则包括：多个大小不等的预设信誉值，以及与所述预设信誉值对应的多个预设信誉等级。

优选地，所述分类模块，包括：

比较单元，用于将所述本地信誉值分别与所述多个预设信誉值进行比较；

选择单元，用于将与所述本地信誉值相差最小，且小于或等于所述本地信誉值的预设信誉值所对应的预设信誉等级，作为所述本地信誉值的信誉等级。

本发明实施例提供的无线传感器网络的节点信誉评测方法及系统，通过节点的历史互动观测结果和本次互动观测结果，分别得到狄利克雷先验概率分布和多项概率分布，通过计算得到节点的狄利克雷后验概率分布，进而计算出节点的本地信誉值，通过本地信誉值对节点的信誉进行评测，能够得到精确、详细的评测结果，以便于选择可靠的节点进行信息传输，以保证网络的安全性和可靠性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种无线传感器网络的节点信誉评测方法的流程图；

图2为本发明实施例提供的另外一种无线传感器网络的节点信誉评测方法的流程图；

图3为本发明实施例提供的一种无线传感器网络的节点信誉分类方法的流程图；

图4为本发明实施例提供的一种节点信誉评测与现有技术的节点信誉评测的仿真结果对比图；

图5为本发明实施例提供的另外一种节点信誉评测与现有技术的节点信誉评测的仿真结果对比图；

图6为本发明实施例提供的一种无线传感器网络的节点信誉评测系统的结构示意图；

图7为本发明实施例提供的另外一种无线传感器网络的节点信誉评测系统的结构示意图；

图8为本发明实施例提供的一种分类模块的结构示意图。

具体实施方式

为了使本领域技术人员更好地理解本发明实施例的方案，下面结合附图和实施方式对本发明实施例作进一步的详细说明。

如图1所示，为本发明实施例提供的一种无线传感器网络的节点信誉评测方法的流程图，可以包括以下步骤：

步骤101：获取节点的历史互动观测结果，得到狄利克雷先验概率分布；

步骤102：获取节点的本次互动观测结果，得到多项概率分布；

步骤103：根据步骤101得到的先验概率分布和步骤102得到的多项概率分布，得到节点的狄利克雷后验概率分布；

步骤104：根据步骤103得到的狄利克雷后验概率分布计算所述节点的本地信誉值；

步骤105：根据步骤104得到的本地信誉值对节点进行信誉评测。

在本发明实施例中，可以通过贝叶斯过程对节点的行为进行预测：

其中，是狄利克雷(dirichlet)分布，是基于节点的历史互动数据得到的先验概率分布；是多项概率分布，表示节点的本次互动观测结果；是狄利克雷分布，是根据先验概率分布和本次观测结果，计算得出的后验概率分布。在完成一次节点互动后，可以将后验概率分布作为下次节点互动的先验概率分布。

在得到节点互动的狄利克雷后验概率分布后，可以通过计算得到节点的本地信誉值，每个节点都具备信誉评测功能，可以根据所得到的节点的本地信誉值对节点的安全性和可靠性进行评测。其中，本地信誉值可以通过计算狄利克雷后验概率分布的数学期望值得到，将该数学期望值作为节点的本地信誉值。

对于具有K维概率矢量的目标节点，其本地信誉矢量为狄利克雷分布的数学期望，即：

其中，指本地信誉矢量，也是K维的，其中每一个维度代表目标节点进行满足特定条件行为的概率，其所有维度之和等于1；指数学期望；μ为历史因子；α_k是目标节点第k种行为所出现的次数；b_k为初始基矢；C为先验常数；k为节点数，取值范围为1到K。

以下对公式中所涉及的参数设定进行详细说明，可以通过相关参数的配置，使信誉系统能够适应不同的网络需求。

参数C被称为先验常数，其反映了组网初期(或节点加入网络初期)若干次观测结果是否能够显著影响信誉值。如果C被设置的较小，则初始n次观测对信誉影响较大，如果C被设置的较大，则初始n次观测对信誉影响较小。

参数b_k为初始基矢，其反映了在网络初始化过程中(或新节点入网过程中)每个节点的初始先验概率分布。网络刚刚建立时，α_k＝0，则初始信誉为对于对等网络，通常采取b₁＝b₂＝…＝b_k＝1/k。这样，初始化时，节点对每个满足特定条件的行为的可能性均相同。而对于非对等网络，例如，网络中存在高权值节点，初始基矢可以根据不同权值进行调整，但是必须满足条件

参数μ为历史因子，其反映了历史值对信誉值的影响。当μ值较大时，历史值对信誉值影响较大，而本次观测值则对信誉值响应较小；当μ值较小时，历史值对信誉值的影响较小，而本次观测值对信誉值影响较大。因此，可以根据系统的稳定性进行μ值的设定。在系统相对稳定时，通常采用较大的μ值以保证网络的稳定性，例如，可以设定为μ≥0.9；当系统处于波动状态时，通常采用较小的μ值，例如，可以设定μ≤0.5，以使信誉系统能够适应网络的变化。

在实际应用过程中，可以根据网络状态和数据应用的不同，每次传输的要求也不同。为了便于在信息传输过程中，根据实际需要选择符合要求的节点，引入了基于需求的信誉值的概念。基于需求的信誉值，指所有观测结果中满足需求的结果所出现的概率之和，其数值表示目标节点执行所要求行为的可能性。根据不同的数据和应用，其需求不尽相同，因而基于需求的信誉值为不同应用需求提供了稳定而可靠的参考因子。具体地，可以将基于需求的信誉值定义为：

其中，R_required表示基于需求的信誉值；E表示数学期望值；T表示需求的分类阈值，α_k是目标节点第k种行为所出现的次数，α_T表示需求分类的阈值，α<α_T表示节点行为优于阈值的分类标准；k表示节点数，取值范围为1到K；μ为历史因子。

基于需求的信誉值可以根据当前传输数据的需求筛选互动节点，选出所有高于所需求级别的节点作为可信节点，再根据路由算法进行具体节点的选择，可以保证网络传输的可靠性与安全性。

如图2所示，为本发明实施例提供的另外一种无线传感器网络的节点信誉评测方法的流程图。

该节点信誉评测方法，进一步可以包括步骤105：根据节点的本地信誉值和预设的互斥分类规则，对节点进行信誉分类。其中，互斥分类规则可以包括：多个大小不等的预设信誉值，以及与预设信誉值对应的多个预设信誉等级。可以预先设置信誉值与信誉等级的对应关系，使每个预设信誉值对应一个预设信誉等级，从而可以保证对于每个特定的本地信誉值，能够分类为一个特定的信誉等级，而不会出现一个本地信誉值对应多个信誉等级的情况。

在得到节点的本地信誉值后，可以根据本地信誉值的大小，以及预设的互斥分类规则，对节点进行信誉分类，从而能够将不同信誉值的节点分类为不同的信誉等级。如图3所示，对节点进行信誉分类，可以包括以下步骤：

步骤201：将本地信誉值分别与多个预设信誉值进行比较；

步骤202：将与本地信誉值相差最小，且小于或等于本地信誉值的预设信誉值所对应的预设信誉等级，作为本地信誉值的信誉等级。

具体地，可以将上述计算得到的本地信誉值，分别与多个预设信誉值进行比较，如果本地信誉值恰好与其中某个预设信誉值相等，则将该预设信誉值对应的预设信誉等级作为该节点的信誉等级；如果没有与本地信誉值相等的预设信誉值，则在本地信誉值临近的预设信誉值中查找，将与本地信誉值大小相差最小，且小于本地信誉值的预设信誉值所对应的预设信誉等级，作为本地信誉值的信誉等级，也即该节点所对应的信誉等级。

例如，对于具有K维概率矢量的节点，首先判断其基于需求的信誉值R_required1是否符合预设信誉值T1，如果符合则属于1级别节点；如果不符合，则降低需求标准，判断其R_required2是否符合预设信誉值T2，如果符合则属于2级别节点，如果不符合则再次降低需求标准；判断R_required3是否符合预设信誉值T3等等，依此类推。

在本发明实施例中，可以认为每个节点自身都具备信誉代理功能，并且节点的信息接收功能可以被开启为混沌模式，从而使得每个节点都可以接收任何其他节点的相关信息。分类规则可以是互斥的，但是节点的信誉级别可以不是互斥的，高级别节点可以是低级别节点的子集，例如，级别1的节点是级别2节点的子集。

本发明实施例打破了传统的非对即错的分类方式，对观测结果存在的差异进行进一步分类，将观测结果空间拓展至多维，使源节点对目标节点行为的预测更为清晰和准确。

如图4所示，在Matlab仿真中，我们部署了100个节点，采用本发明实施例提供的节点信誉评测方法，将观测结果状态空间设置为四维，设置历史因子μ＝0.9，信道衰减概率为10％。节点表现优秀行为的概率为50％，表现较好行为的概率为20％，表现一般的概率为20％，这样，多项概率分布矢量为可以看出节点平均信誉值分布与多项分布概率矢量基本一致，因此，本发明实施例准确预测了目标节点的可能行为。相应地，采用现有技术的节点信誉评测方法，将节点的行为分为合作和不合作两种，节点出现合作的概率为90％，不合作的概率为10％，其不能够提供更为详细的预测信息。

如图5所示，在另一个试验中，我们将节点概率矢量分布调整为40个节点概率矢量为30个节点概率矢量为20个节点概率矢量为剩余10个节点概率矢量为也即本发明实施例将具有不同行为的节点进行了有效的信誉等级划分，为不同应用需求提供了可靠的筛选依据。相应地，采用现有技术的节点信誉评测方法，将节点的行为分为合作和不合作两种，节点出现合作的概率为90％，不合作的概率为10％，也即传统信誉系统不能提供精确的信誉等级划分，只能进行最基本的筛选。

本发明实施例所提供的方法，可以根据QoS(Quality of Service，服务质量)要求，采用分级结合应用需求选取符合要求的互动节点，最优化地选取节点进行互动。例如，对于高安全、高可靠性的应用需求，只选取表现“优秀”级别的节点进行互动，而对于一般性的服务，随机选取表现“一般”级别以上的节点进行互动，以分担高性能节点的通信压力。

本发明实施例提供的无线传感器网络的节点信誉评测方法，通过节点的历史互动观测结果和本次互动观测结果，分别得到狄利克雷先验概率分布和多项概率分布，通过计算得到节点的狄利克雷后验概率分布，进而计算出节点的本地信誉值，通过本地信誉值对节点的信誉进行评测，能够得到精确、详细的评测结果，以便于选择可靠的节点进行信息传输，以保证网络的安全性和可靠性。

相应地，本发明实施例还提供一种无线传感器网络的节点信誉评测系统，如图6所示，节点信誉评测系统，可以包括：

第一获取模块301，用于获取节点的历史互动观测结果，得到狄利克雷先验概率分布；

第二获取模块302，用于获取节点的本次互动观测结果，得到多项概率分布；

第一计算模块303，用于根据先验概率分布和多项概率分布，得到节点的狄利克雷后验概率分布；

第二计算模块304，用于根据狄利克雷后验概率分布计算节点的本地信誉值；

信誉评测模块305，用于根据本地信誉值对节点进行信誉评测。

其中，上述本地信誉值可以为狄利克雷后验概率分布的数学期望值。具体地，可以通过第二计算模块304计算狄利克雷后验概率分布的数学期望值，并将该数学期望值作为节点的本地信誉值。

由于无线传感器网络是典型的自组织网络系统，节点的信息接收功能能够被调整为混沌模式，从而使得节点可以接收任何其他节点所发出的信息。由于节点本身具备监视功能，在源节点与目标节点互动过程中，源节点能够对目标节点的行为进行监视，并获取互动观测结果。例如，本发明实施例中的历史互动观测结果和本次互动观测结果，都可以借助节点的监视功能得以实现。

此外，节点本身还可以具备信誉代理功能，从而可以将节点的互动观测结果通过狄利克雷概率分布以信誉值的方式加以表现，在得到信誉值后，通过节点自带的信誉评测模块305可以对节点的安全性和可靠性进行评测。由于采用狄利克雷概率分布所得到的观测结果是多维的，从而能够将节点的行为表现评测为多个级别，从而提供更加精确、详细的信息。

如图7所示，上述节点信誉评测系统进一步还可以包括：分类模块306，用于根据本地信誉值和预设的互斥分类规则，对节点进行信誉分类。其中，互斥分类规则可以包括：多个大小不等的预设信誉值，以及与预设信誉值对应的多个预设信誉等级。

如图8所示，上述分类模块306，具体可以包括：

比较单元401，用于将本地信誉值分别与多个预设信誉值进行比较；

选择单元402，用于将与本地信誉值相差最小，且小于或等于本地信誉值的预设信誉值所对应的预设信誉等级，作为本地信誉值的信誉等级。

本发明实施例提供的无线传感器网络的节点信誉评测系统，通过节点的历史互动观测结果和本次互动观测结果，分别得到狄利克雷先验概率分布和多项概率分布，通过计算得到节点的狄利克雷后验概率分布，进而计算出节点的本地信誉值，通过本地信誉值对节点的信誉进行评测，能够得到精确、详细的评测结果，以便于选择可靠的节点进行信息传输，以保证网络的安全性和可靠性。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种无线传感器网络的节点信誉评测方法，其特征在于，包括：

获取节点的历史互动观测结果，得到狄利克雷先验概率分布；

获取节点的本次互动观测结果，得到多项概率分布；

根据所述先验概率分布和所述多项概率分布，得到所述节点的狄利克雷后验概率分布；

根据所述狄利克雷后验概率分布计算所述节点的本地信誉值；所述计算所述节点的本地信誉值包括：计算所述狄利克雷后验概率分布的数学期望值，并将所述数学期望值作为所述本地信誉值；

根据所述本地信誉值对所述节点进行信誉评测。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据所述本地信誉值和预设的互斥分类规则，对所述节点进行信誉分类。

3.根据权利要求2所述的方法，其特征在于，所述互斥分类规则包括：多个大小不等的预设信誉值，以及与所述预设信誉值对应的多个预设信誉等级。

4.根据权利要求3所述的方法，其特征在于，所述根据所述本地信誉值和预设的互斥分类规则，对所述节点进行信誉分类，包括：

将所述本地信誉值分别与所述多个预设信誉值进行比较；

将与所述本地信誉值相差最小，且小于或等于所述本地信誉值的预设信誉值所对应的预设信誉等级，作为所述本地信誉值的信誉等级。

5.一种无线传感器网络的节点信誉评测系统，其特征在于，包括：

第一获取模块，用于获取节点的历史互动观测结果，得到狄利克雷先验概率分布；

第二获取模块，用于获取节点的本次互动观测结果，得到多项概率分布；

第一计算模块，用于根据所述先验概率分布和所述多项概率分布，得到所述节点的狄利克雷后验概率分布；

第二计算模块，用于根据所述狄利克雷后验概率分布计算所述节点的本地信誉值；包括：计算所述狄利克雷后验概率分布的数学期望值，并将所述数学期望值作为所述本地信誉值；

信誉评测模块，用于根据所述本地信誉值对所述节点进行信誉评测。

6.根据权利要求5所述的系统，其特征在于，所述系统还包括：分类模块，用于根据所述本地信誉值和预设的互斥分类规则，对所述节点进行信誉分类。

7.根据权利要求6所述的系统，其特征在于，所述互斥分类规则包括：多个大小不等的预设信誉值，以及与所述预设信誉值对应的多个预设信誉等级。

8.根据权利要求7所述的系统，其特征在于，所述分类模块，包括：

比较单元，用于将所述本地信誉值分别与所述多个预设信誉值进行比较；

选择单元，用于将与所述本地信誉值相差最小，且小于或等于所述本地信誉值的预设信誉值所对应的预设信誉等级，作为所述本地信誉值的信誉等级。