CN104836801A - 一种基于Binomial的无线传感器网络信任管理方法 - Google Patents

Abstract

本发明涉及一种基于Binomial的无线传感器网络信任管理方法，包括以下部分：信任值初始化：将所有节点定义为相同的初始信任值；信誉更新：当节点i已建立了关于节点j的一些信誉指标R_ij后，节点i和节点j还要再交互r+s次，获得交互的次数，其中，r代表合作的次数，s代表不合作的次数；然后对节点j的信誉R_ij进行更新；时效：新获得信息的权重通过加入时效权重指数得到，以保证历史信誉信息权重逐渐降低，节点需要一直合作来维持好信誉；间接信息：节点i有m个邻节点持有对节点j的信任评估，节点i从这些邻节点接收关于节点j的信任评估间接信息，最后进行信誉传递。本发明能够防御妥协节点的内部攻击中的共谋攻击与诽谤攻击。

Description

一种基于Binomial的无线传感器网络信任管理方法

技术领域

本发明涉及物联网技术领域，特别是涉及一种基于Binomial的无线传感器网络信任管理方法。

背景技术

由于无线传感器网络不同于传统网络的特点，导致无线传感器网络很容易受到来自妥协节点的内部攻击，而信任管理系统是防御来自妥协节点内部攻击的最有效方法。

(1)信任和信誉的定义

安全与信任是两个紧密相互依赖的概念，由于这种相互依赖，有时在定义安全系统时这些术语可以互换。但是，安全与信任是不同的，关键区别在于安全更复杂且开销更高。

信任一直被研究人员关注，从社会科学开始，就已经研究了人类之间的信任是如何影响经济事务的。尽管信任在人类社会中是一个很容易理解的概念，但在网络中，由于不同领域的研究研究背景和需求不同，信任还没有统一的定义。不同与其他概念，例如可靠性，最初是衡量一个机器值得信任的时间长度，可以严格定义为一个概率，而信任还没有一个正式的定义。

随着信任概念发展，涉及到了信誉，这偶尔被一些作者认为是信任。信誉并不能与信任混淆：前者只是对后者的部分影响。信誉是一个人对他人的意见，是一个网络买家对网上卖家，相应的，一个传感器节点对另一个节点。信任是一种信誉衍生的实体。基于信誉，信任等级被赋予一个实体。信任本身建立在时间的基础上，基于实体的历史行为，并可能反映了正面或负面的评估。根据这些数据，研究人员试图模拟并应用于无线传感器网络的网络安全问题。

(2)信任与信誉的关系

首先，信誉是根据发生的事件和他人的评价为基础，对某个人或实体的看法或意见，信誉是信任的前提，而信任是基于信誉，对信誉的量化，是一个具体的数值，代表对人或实体的信任程度；其次，由于信誉是根据发生的事件和他人的评价为基础，因此会随机变化，但信任更多是根据人或实体的历史行为决定的，因此不会轻易改变，信誉的改变通常会对信任有少量影响；最后，由于信任的基础是信誉，所以信任和信誉是密不可分的。

(3)信任的性质

信任管理系统中的信任和人类社会中的信任相似，可以很容易理解信任的性质。首先，信任是有动态性的，信任会根据信誉的变化(即随着时间的发展，由于各种事件的发生导致的信誉变化)而变化；其次，信任是主观的，每个实体对同一个实体的评价标准不同，得到的信任也会不同；再次，信任是不能传递的，A不会因为B信任C而信任C；最后，信任没有对称性，即A信任B，但B不一定会信任A。

(4)信任管理系统

信任管理系统是一个广义概念，包含了和信任有关的所有内容。在无线传感器网络中，信任管理系统通常包括信任要素的收集和存储、信誉的建模、信誉的传递、信任的推导、信誉和信任的存储、应用决策等方面。根据信任管理系统的研究内容可以将信任管理系统分为：收集、存储、建模、传递和决策几个部分。

1)收集：收集是指信任要素的收集，如节点交互情况、传感数据和位置信息等。信任管理系统会根据收集到的信任要素来评估节点的信誉，进而得到信任值，因此信任要素收集的越广泛，得到的信任值也就越准确。

2)存储：存储包括信任要素的存储、信誉值的存储以及信任值的存储。由于无线传感器网络中的节点内存较小，因此要考虑信息的存储问题。首先，信息的形式会对存储空间产生影响，比如浮点型比整形需求的空间更多，有符号数比无符号数需求的空间更多，因此要考虑信息的存储形式问题；其次，要考虑信息的存储时间，过时的信息要及时清空以节约空间；最后，要考虑信息存储的位置，如在分簇网络中，只将信任值存储在簇首中，在簇成员有需要时再传递给簇成员，这样可以节省簇成员的存储空间。

3)建模：要描述无线传感器网络中的信誉和信任，就需要信誉和信任建模，这也是信任管理系统的核心。建模要考虑很多方面，如信任值的时效、是否利用二手信息、二手信息的权重、各种信任要素的权重以及应对攻击时的策略等等。基于这些考虑，再选择合适的模型。通常信誉模型是概率统计模型，最常见的为贝塔分布，其次有高斯分布和Binomial分布等；还有部分信誉模型较为复杂，如使用博弈论的模型、基于D-S证据理论、基于仿生算法以及增强学习的模型等；信任模型通常利用信誉模型再做一些简单的计算得到，如数学期望等。

4)传递：传递包括信誉传递和信任传递。信誉传递通常是指在评估节点的信誉时所传递的二手信息；而信任传递指当有节点请求得到被评价节点的信任值时，向请求节点传送被评价节点的信任值，这通常因为节点没有存储信任值的功能。在传递信誉和信任时，要考虑传输的方式和安全问题。

5)决策：当节点完成信任评估得到信任值后，需要根据信任值做出决策。决策有两个方面。第一，节点要根据信任值选择与之合作的节点，最常见的方法是设置一个阈值，当节点信任值超过阈值则认为是可信节点，能参与节点合作；第二，要决定如何惩罚信任值低的节点，是直接加入黑名单永远排除网络，还是基于能耗和自私节点的考虑，让节点能重新获取信任。

信任管理系统已经发展了很多年，根据不同的应用，信任和信誉的定义也有所差别。在无线传感器网络中，信誉一般是指一个节点对另一个节点未来行为可靠性的预测，信任一般是一个定值，两个节点是否交互一般由信任决定。

WSNs常见的内部攻击有诽谤攻击和共谋攻击。妥协节点可以故意传递关于好节点的非公平的否定评估，从而降低它们的信誉，这种攻击称为诽谤攻击。此外，妥协节点可以如同正常节点一样运行，累积足够高的信誉，从而为其他妥协节点提供错误的信任评估，这种攻击称为共谋攻击。

发明内容

本发明所要解决的技术问题是提供一种基于Binomial的无线传感器网络信任管理方法，能够防御妥协节点的内部攻击。

本发明解决其技术问题所采用的技术方案是：提供一种基于Binomial的无线传感器网络信任管理方法，包括以下部分：

信任值初始化：将所有节点定义为相同的初始信任值；

信誉更新：当节点i已建立了关于节点j的一些信誉指标R_ij后，节点i和节点j还要再交互r+s次，获得交互的次数，其中，r代表合作的次数，s代表不合作的次数；然后对节点j的信誉R_ij进行更新；

时效：新获得信息的权重通过加入时效权重指数得到，以保证历史信誉信息权重逐渐降低，节点需要一直合作来维持好信誉；

间接信息：节点i有m个邻节点持有对节点j的信任评估，节点i从这些邻节点接收关于节点j的信任评估间接信息，最后进行信誉传递。

所述信誉更新中将所有节点的初始信任值设为中间值。

所述时效中时效权重指数取值范围为0～1。

所述间接信息中将邻节点x对节点j的间接观察表示为节点i已经持有节点j和其他邻节点的信誉信息表示为(a_j,b_j)和(a_k,b_k)；结合这部分信息为节点j的新信誉新的信誉为 $\left\{\begin{array}{c}{a}_j^{\mathrm{new}}=a_j+\frac{a_k}{b_k+a_k}\·a_j^k\\ b_j^{\mathrm{new}}=b_j+\frac{a_k}{b_k+a_k}\·b_j^k\end{array}\right..$

有益效果

由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明为了防御诽谤攻击，在传递间接信誉信息时只传递正面的信誉信息；为了防御共谋攻击，在结合间接信誉时，如果邻节点传递的信誉信息与直接观察不符，则降低邻节点信誉，由此逐渐降低共谋节点的间接信誉信息权重，从而减轻共谋攻击危害。

附图说明

图1是本发明的流程图；

图2是信誉传递示意图。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本发明的实施方式涉及一种基于Binomial的无线传感器网络信任管理方法，包括以下部分：信任值初始化，设定初始的信任值，通常是将所有节点定义为相同的初始信任值，假设所有节点都是好节点(即让节点信任值为最高)；信誉更新，当节点i已建立了关于节点j的一些信誉指标R_ij后，节点i和节点j还要再交互r+s次(r代表合作的次数，s代表不合作的次数)，获得交互的次数，然后对节点j的信誉R_ij进行更新；时效，新获得信息的权重，通过加入时效权重指数得到，以保证历史信誉信息权重逐渐降低，节点需要一直合作来维持好信誉；间接信息，节点i有m个邻节点持有对节点j的信任评估，节点i从这些邻节点接收关于节点j的信任评估间接信息，最后进行信誉传递。具体如下：

(1)Binomial分布

Binomial分布B(n,k)表示n次实验有k次成功的概率，可以表示为：

B(n,k)＝C(n,k)p^k(1-p)^n-k   (1)

其中p是成功的概率，C(n,k)为：

$C(n,k)=\frac{n!}{k!(n-k)!}---\left(2\right)$

当节点间互动时，只有两种情况，即合作和不合作。因此，可以使用Binomial分布模拟节点之间互动的情况。在此假设节点间互动了a+b次，a代表合作的次数，b代表不合作的次数，并假设合作的概率为p。则利用Binomial分布得到节点信誉p的概率分布，即：

$f\left(p\right)=\mathrm{Bin}(a+b,a)=\frac{(a+b)!}{a!b!}{p}^a{(1-p)}^b---\left(3\right)$

(2)模拟信誉和信任

节点i持有节点j的信誉为：

R_ij＝Bin(a+b,a)   (4)

因为f(p)是信誉p的概率分布函数，因此函数的最大值点代表了p的可能性最大，所以取分布的最大值点作为节点的信任值，即让：

$f^{\′}\left(p\right)={\left[\frac{(a+b)!}{a!b!}{p}^a{(1-p)}^b\right]}^{\′}=0---\left(\text{5}\right)$

解得(其中p＝0和p＝1是最小值点)。因此节点的信任值为：

$T_{\mathrm{ij}}=\frac{a}{a+b}---\left(6\right)$

(3)信任值初始化

在信任值初始化时，通常是将所有节点定义为相同的初始信任值，假设所有节点都是好节点(即让节点信任值为最高)。这样假定的优点是系统不需要初始化时间，但缺点是它不仅允许，而且鼓励信誉恶意节点仅仅伪造一个新ID，再以新的信誉重新进入系统。相反，假设所有节点都是恶意节点，即节点信任值都为最低。这种方法可以解决伪造ID的问题，但缺点是系统的初始信任值都为0，节点之间都相互不信任，系统需要时间建立信任才能正常运行。折中这两种方法，假设节点的信任值为中间值0.5，即让a＝b(因为当a＝b＝0时分母为零，因此假设当a＝b＝0时信任值为0.5)。但通过式(6)可以看出，当a＝b＝1和a＝b＝100时，信任值都是0.5，但这两种情况有明显的区别。在初始化时，如果a和b的值很小，则表示交互次数不多，得到的信任值还不够准确，如当存在干扰等非恶意节点造成的节点交互失败时，对信任值的评估影响较大；而如果a和b的值很大，则会使历史信任信息权重增大，对后续的信任评估影响较大，信任值收敛所需要的时间增加，可能会影响网络正常运行。因此要选择适当的初始a、b值。

(4)信誉更新

假设节点i已建立了关于节点j的一些信誉指标R_ij。节点i和节点j还要再交互r+s次；r代表合作的次数，s代表不合作的次数，因此目前交互的次数一共为a+b+r+s次。于是节点j的最新信誉R_ij为：

R_ij＝Bin(a+b+r+s,a+r)   (7)

由此可以看出，信誉更新仅仅只是更新两个参数：

a^new＝a+r,b^new＝b+s   (8)

(5)时效

新获得的信息应该得到更多的权重，这可以通过加入时效权重指数达到：

a^new＝(w_age*a)+r,b^new＝(w_age*b)+s   (9)

其中w_age是时效权重，取值范围为(0,1)。时效权重也负责确保所有节点一直合作。一个恶意节点可以选择在开始合作的策略，然后再利用开始得到的信誉破坏网络。合适的选择时效权重以保证历史信誉信息权重逐渐降低；节点需要一直合作来维持好信誉。

(6)间接信息

假如节点i有m个邻节点持有对节点j的信任评估，节点i从这些邻节点接收关于节点j的信任评估间接信息。将邻节点x对节点j的间接观察表示为节点i已经持有节点j和其他邻节点的信誉信息，表示为(a_j,b_j)和(a_k,b_k)。结合这部分信息为节点j的新信誉在结合其他节点的信誉信息时，为了防止诽谤攻击，不能完全相信其他节点传递的信誉信息，要权衡其他节点的信誉来进行信誉合成，因此，新的信誉为：

$\left\{\begin{array}{c}{a}_j^{\mathrm{new}}=a_j+\frac{a_k}{b_k+a_k}\·a_j^k\\ b_j^{\mathrm{new}}=b_j+\frac{a_k}{b_k+a_k}\·b_j^k\end{array}\right.---\left(10\right).$

为了防御诽谤攻击，在传递间接信誉信息时只传递正面的信誉信息；为了防御共谋攻击，在结合间接信誉时，如果邻节点传递的信誉信息与直接观察不符，则降低邻节点信誉，由此逐渐降低共谋节点的间接信誉信息权重，从而减轻共谋攻击危害。

由于节点要相互传递信誉信息，所以为了避免信息自环现象的发生，节点之间只传递它们直接观察的信誉信息。信誉传递如图2所示，每个节点的信誉包括直接、间接信息与合作、不合作信息，节点之间传递的间接信息为直接观察到的合作信息，间接信息再被用于评估其他节点的信誉。

Claims (4)

1.一种基于Binomial的无线传感器网络信任管理方法，其特征在于，包括以下部分：

信任值初始化：将所有节点定义为相同的初始信任值；

信誉更新：当节点i已建立了关于节点j的一些信誉指标R_ij后，节点i和节点j还要再交互r+s次，获得交互的次数，其中，r代表合作的次数，s代表不合作的次数；然后对节点j的信誉R_ij进行更新；

时效：新获得信息的权重通过加入时效权重指数得到，以保证历史信誉信息权重逐渐降低，节点需要一直合作来维持好信誉；

间接信息：节点i有m个邻节点持有对节点j的信任评估，节点i从这些邻节点接收关于节点j的信任评估间接信息，最后进行信誉传递。

2.根据权利要求1所述的基于Binomial的无线传感器网络信任管理方法，其特征在于，所述信誉更新中将所有节点的初始信任值设为中间值。

3.根据权利要求1所述的基于Binomial的无线传感器网络信任管理方法，其特征在于，所述时效中时效权重指数取值范围为0～1。

4.根据权利要求1所述的基于Binomial的无线传感器网络信任管理方法，其特征在于，所述间接信息中将邻节点x对节点j的间接观察表示为节点i已经持有节点j和其他邻节点的信誉信息表示为(a_j,b_j)和(a_k,b_k)；结合这部分信息为节点j的新信誉新的信誉为 $\left\{\begin{array}{c}{a}_j^{\mathrm{new}}=a_j+\frac{a_k}{b_k+a_k}\·a_j^k\\ b_j^{\mathrm{new}}=b_j+\frac{a_k}{b_k+a_k}\·b_j^k\end{array}\right..$