CN107889082B - 一种利用用户之间社交关系的d2d设备发现方法 - Google Patents

一种利用用户之间社交关系的d2d设备发现方法 Download PDF

Info

Publication number
CN107889082B
CN107889082B CN201711059829.9A CN201711059829A CN107889082B CN 107889082 B CN107889082 B CN 107889082B CN 201711059829 A CN201711059829 A CN 201711059829A CN 107889082 B CN107889082 B CN 107889082B
Authority
CN
China
Prior art keywords
user
users
target user
social
base station
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.)
Active
Application number
CN201711059829.9A
Other languages
English (en)
Other versions
CN107889082A (zh
Inventor
王玉峰
武慧
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.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
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 Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN201711059829.9A priority Critical patent/CN107889082B/zh
Publication of CN107889082A publication Critical patent/CN107889082A/zh
Application granted granted Critical
Publication of CN107889082B publication Critical patent/CN107889082B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W8/00—Network data management
    • H04W8/005—Discovery of network devices, e.g. terminals

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种利用用户之间社交关系的D2D设备发现方法。目标用户向基站发起D2D通信请求，基站在收到目标用户的请求后，根据其存储的用户的历史记录及其社交属性计算三个指标：即计算目标用户和其他用户之间的信任度、相似度、每个用户的中心度，用效用函数将上面三个准则统一起来，与提前设定好的阈值进行比较，若大于设定阈值，则可作为目标用户的邻居用户；最后基站将生成的邻居用户集反馈给目标用户。本发明利用用户之间的社交关系强度评估出用户之间的信任度，滤除了大部分不被信任的节点，保证了D2D通信链路的安全性；而且通过将与用户有着相似兴趣爱好且中心度较高的用户群推荐给用户，大大提高了通信的有效性。

Description

一种利用用户之间社交关系的D2D设备发现方法
技术领域
本发明属于社交网络与D2D通信领域的结合，涉及一种利用用户之间社交关系的D2D设备发现方法。
背景技术
随着智能手机的普及和移动数据流量的增长，D2D通信被认为是下一代移动通信网络的关键技术，在增强系统容量和频谱利用率方面有极其明显的增益。设备发现作为实现D2D通信的第一步，扮演着十分重要的角色。现有的设备发现技术主要有集中式和分布式发现方法。在集中式的发现方法下，基站需要掌握每个设备的位置，然后根据设备之间的距离集中调度，决定设备之间是否建立通信连接。分布式发现方法又分为自主发现和基站辅助发现。在自主发现机制下，设备一方发送已知的同步或参考信号，一般称为信标，只有当两个设备在时间和空间上完美的协调，设备发现过程才能成功，所以这种方式在一定程度上会造成时间和能源的浪费。在基站辅助发现机制下，网络可以通过协调发送和接收信号的时间和频率来参与到设备发现的过程当中，使得设备发现过程更有效率。本文提出的方案也是一种基站辅助的发现方法。
先前很多关于设备发现的相关工作没有考虑社交域的影响。通常情况下，移动设备是由用户携带，不同的用户之间有着稳定的社交关系，比如，同事，朋友，家人。这些社交关系会在某种程度上会影响用户之间的通信行为，因此，利用一些社交属性来协助设备发现成为现在很热门的研究方向。
发明内容
本发明的目的是针对目前为了降低设备连接到不信任节点的概率，需要计算用户之间的信任度以及为了提高用户获得所需服务的概率，需要计算用户之间的相似程度以及每个用户的中心度的问题。
为解决上述技术问题，本发明采用的技术方案是提出一种利用用户之间社交关系的D2D设备发现方法，具体包括如下步骤：
步骤1：目标用户向基站发起D2D通信请求；
步骤2：基站在收到目标用户的请求后，根据其存储的用户的历史记录及其社交属性计算三个指标：
步骤2-1：计算目标用户和其他用户之间的信任度；
步骤2-2：计算目标用户和其他用户之间的相似度；
步骤2-3：计算每个用户的中心度；
步骤3：用效用函数将上面三个准则统一起来，与提前设定好的阈值进行比较，若大于设定阈值，则可作为目标用户的邻居用户；
步骤4：基站将生成的邻居用户集反馈给目标用户，目标用户在邻居用户集中进行对等发现。
进一步，上述步骤1中，用含权无向图G＝(N,E)来分析和表示社交网络，N＝{u1,u2,…un}是图中所有的节点的集合，表示社交网络中的用户，E＝{(ui,uj),ui,uj∈N}是图中所有边的集合，表示社交网络中用户之间的连接关系，
Figure BDA00014545288600000212
表示与用户ui直接连接的用户的集合，一条边e＝(ui,uj)的权重为
Figure BDA0001454528860000021
表示社交网络中用户之间的社交关系强度，对其进行归一化处理，使得对于每个节点ui，
Figure BDA0001454528860000022
其中
Figure BDA0001454528860000023
令
Figure BDA0001454528860000024
表示用户ui到uj所有路径的集合，p为路径中的某一条，路径p的长度|p|为路径p中边的数目，则每条路径的权重可表示为该路径上所有边的权重的乘积，即W(p)＝Πe∈pWe′。
进一步，上述步骤2-1中，目标用户和其他用户之间的信任度可由用户之间的社交关系强度来衡量，即用户之间的社交关系越亲密，就越信任彼此，两个相邻节点的社交关系的强度由他们之间的通信频率和其通信时间来反映，即
Figure BDA0001454528860000025
Figure BDA0001454528860000026
其中
Figure BDA0001454528860000027
i≠j，CF(ui,uj)表示用户ui和uj的连接频率，CD(ui,uj)表示用户ui和uj的连接时间，也就是
Figure BDA0001454528860000028
用户ui对网络中其他用户uj的信任度可表示为
Figure BDA0001454528860000029
进一步，上述步骤2-2中，目标用户和其他用户之间的相似度为
Figure BDA00014545288600000210
Figure BDA00014545288600000211
其中ui,uj∈N,i≠j，M(ui)表示用户ui的兴趣集合，M(uj)表示用户uj的兴趣集合。
进一步，上述步骤2-3中，每个用户的中心度由运行在移动用户智能设备后台中的固定长度的随机游走来度量，其具体流程为：每隔ΔT分钟，每个用户的智能设备会以指定概率a生成一个探测消息，每个消息的存活时间为L，当用户ui与用户uj连接时，如果ui在本地序列中有探测消息，则将探测消息以概率
Figure BDA0001454528860000031
Figure BDA0001454528860000032
发送给uj，
Figure BDA0001454528860000033
为与用户ui有过连接的用户集合，如果ui与用户uj从未进行过连接，则Prob(uj)＝0.5，当用户uj接收到探测消息后，将L的值减1，并将探测消息保存在自己的本地序列中，等待下一次连接时再转发给其他用户，当探测消息的L值变为0则消失，每个用户的智能设备中有一个随机游走的计数器，初始值为0，记录该设备接收到探测消息的次数即随机游走拜访的次数RandW(ui)，则用户ui的中心度为
Figure BDA0001454528860000034
进一步，上述步骤3中，效用函数为Util(ui,uj)＝α·Tru(ui,uj)+β·Sim(ui,uj)+γ·Cen(uj)，其中α，β，γ是可调参数，可根据不同的场景进行调整，且α+β+γ＝1，设定阈值Utilth，将大于阈值的用户放入目标用户的邻居集中。
与现有技术相比，本发明具有以下有益效果：
1、本发明提出一种有效利用用户之间社交关系的D2D设备发现方法，该方法首先从基站的历史记录得到用户之间的通信历史，通过计算用户之间社交关系的强度来评估用户之间的信任度，滤除了大部分不被信任的节点，比如广告节点，病毒节点等，很大程度上保证了D2D通信链路的安全性。
2、传统的发现方案因为没有考虑用户的通信需求，导致发现的设备很多无法满足用户的实际所需的服务，而本方法通过计算用户之间的相似度及每个用户的中心度，将与用户有着相似兴趣爱好且中心度较高的用户群推荐给用户，大大提高了通信的有效性。
附图说明
图1为基于社交网络的设备发现过程示意图。
图2为计算节点之间信任度示意图。
具体实施方式
以下结合说明书附图对本发明创造作进一步的详细说明。
本发明的目的在于提供一种利用用户之间社交关系的D2D设备发现方法，本方法将社交网络应用于D2D通信，利用一些社交属性协助D2D设备发现。首先，需要进行D2D通信的设备(目标用户)向基站发送请求，基站存储着所有用户的状态信息及其历史记录，在收到设备发送的通信的请求后，基站根据历史记录和社交属性计算用户之间的信任度、相似度和每个用户的中心度，然后用效用函数将上面三个准则统一起来，设定合适的阈值，将效用函数值大于设定阈值的用户作为目标用户的邻居用户，最后目标用户在邻居用户中进行对等发现。与现有方案相比，本发明主要包括：首先，本发明考虑了社交属性对设备发现的影响，通过用户的社交历史记录，可以得到用户之间的社交关系强度，从而进一步评估用户之间的信任度，排除掉那些恶意节点，接着，通过计算用户之间的相似度，可以找到与目标用户兴趣相似的用户群，从而使目标用户更易得到想要的服务，最后计算每个用户的中心度，将中心度较高的用户推荐给目标用户，可以大大提高目标用户通信成功的概率。
如图1所示，目标用户ui向基站发送D2D通信请求，基站存储着所有用户的状态信息及其历史记录，在收到设备发送的通信的请求后，基站根据历史记录和社交属性计算目标用户ui与其他用户之间的信任度、相似度和每个用户的中心度，然后用效用函数将上面三个准则统一起来，设定合适的阈值，将效用函数值大于设定阈值的用户作为目标用户ui的邻居用户，最后目标用户ui在邻居用户中进行对等发现。具体的发现过程如下：
步骤1：目标用户向基站发起D2D通信请求；
步骤2：基站在收到目标用户的请求后，根据其存储的用户的历史记录及其社交属性计算三个指标：
步骤2-1：计算目标用户和其他用户之间的信任度；
步骤2-2：计算目标用户和其他用户之间的相似度；
步骤2-3：计算每个用户的中心度；
步骤3：用效用函数将上面三个准则统一起来，与提前设定好的阈值进行比较，若大于设定阈值，则可作为目标用户的邻居用户；
步骤4：基站将生成的邻居用户集反馈给目标用户，目标用户在邻居用户集中进行对等发现。
本发明步骤1中用含权无向图G＝(N,E)来分析和表示社交网络，N＝{u1,u2,…un}是图中所有的节点的集合，表示社交网络中的用户，E＝{(ui,uj),ui,uj∈N}是图中所有边的集合，表示社交网络中用户之间的连接关系，
Figure BDA0001454528860000051
表示与用户ui直接连接的用户的集合，一条边e＝(ui,uj)的权重为
Figure BDA0001454528860000052
表示社交网络中用户之间的社交关系强度，对其进行归一化处理，使得对于每个节点ui，
Figure BDA0001454528860000053
其中
Figure BDA0001454528860000054
令
Figure BDA0001454528860000055
表示用户ui到uj所有路径的集合，p为路径中的某一条，路径p的长度|p|为路径p中边的数目，则每条路径的权重可表示为该路径上所有边的权重的乘积，即W(p)＝Пe∈pWe′。
本发明步骤2是利用基站存储的用户的历史记录及其社交属性计算目标用户与其他用户之间的信任度、相似度以及每个用户的中心度。
步骤2的具体处理步骤为：
步骤2-1：目标用户和其他用户之间的信任度可由用户之间的社交关系强度来衡量，即用户之间的社交关系越亲密，就越信任彼此，两个相邻节点的社交关系的强度由他们之间的通信频率和其通信时间来反映，即
Figure BDA0001454528860000056
其中
Figure BDA0001454528860000057
i≠j，CF(ui,uj)表示用户ui和uj的连接频率，CD(ui,uj)表示用户ui和uj的连接时间，也就是
Figure BDA0001454528860000058
用户ui对网络中其他用户uj的信任度可表示为
Figure BDA0001454528860000059
步骤2-2：目标用户和其他用户之间的相似度为
Figure BDA00014545288600000510
其中ui,uj∈N,i≠j，M(ui)表示用户ui的兴趣集合，M(uj)表示用户uj的兴趣集合；
步骤2-3：每个用户的中心度由运行在移动用户智能设备后台中的固定长度的随机游走来度量，其具体流程为：每隔ΔT分钟，每个用户的智能设备会以指定概率a生成一个探测消息，每个消息的存活时间为L，当用户ui与用户uj连接时，如果ui在本地序列中有探测消息，则将探测消息以概率
Figure BDA00014545288600000511
发送给uj，
Figure BDA0001454528860000061
为与用户ui有过连接的用户集合，如果ui与用户uj从未进行过连接，则Prob(uj)＝0.5，当用户uj接收到探测消息后，将L的值减1，并将探测消息保存在自己的本地序列中，等待下一次连接时再转发给其他用户，当探测消息的L值变为0，则消失。每个用户的智能设备中有一个随机游走的计数器，初始值为0，记录该设备接收到探测消息的次数(即随机游走拜访的次数)RandW(ui)，则用户ui的中心度为
Figure BDA0001454528860000062
本发明步骤3中的效用函数为Util(ui,uj)＝α·Sim(ui,uj)+β·Tru(ui,uj)+γ·Cen(uj)，其中α，β，γ是可调参数，可根据不同的场景进行调整，且α+β+γ＝1。设定阈值Utilth，将大于阈值的用户放入目标用户的邻居集中。计算节点之间信任度的示意图如图2所示，从图中可以看到用户ui与uj的连接路径有3条，则用户ui对uj的信任度可由3条路径的权重之和求得，即
Figure BDA0001454528860000063
Figure BDA0001454528860000064

Claims (6)

1.一种利用用户之间社交关系的D2D设备发现方法，其特征在于，所述方法包括如下步骤：
步骤1：目标用户向基站发起D2D通信请求；
步骤2：基站在收到目标用户的请求后，根据其存储的用户的历史记录及其社交属性计算三个指标：
步骤2-1：利用目标用户和其他用户之间的通信频率和通信时间来计算目标用户和其他用户之间的信任度；
步骤2-2：利用用户的兴趣列表计算目标用户和其他用户之间的余弦相似度；
步骤2-3：采用随机游走的方式来分布式地计算每个用户的中心度；
步骤3：用效用函数将上面三个准则统一起来，与提前设定好的阈值进行比较，若大于设定阈值，则可作为目标用户的邻居用户；
步骤4：基站将生成的邻居用户集反馈给目标用户，目标用户在邻居用户集中进行对等发现。
2.根据权利要求1所述的一种利用用户之间社交关系的D2D设备发现方法，其特征在于，所述步骤1中用含权无向图G＝(N,E)来分析和表示社交网络，N＝{u1,u2,…un}是图中所有的节点的集合，表示社交网络中的用户，E＝{(ui,uj),ui,uj∈N}是图中所有边的集合，表示社交网络中用户之间的连接关系，
Figure FDA0002350056120000011
表示与用户ui直接连接的用户的集合，一条边e＝(ui,uj)的权重为
Figure FDA0002350056120000012
表示社交网络中用户之间的社交关系强度，对其进行归一化处理，使得对于每个节点ui，
Figure FDA0002350056120000013
其中
Figure FDA0002350056120000014
令
Figure FDA0002350056120000015
表示用户ui到uj所有路径的集合，p为路径中的某一条，路径p的长度|p|为路径p中边的数目，则每条路径的权重可表示为该路径上所有边的权重的乘积，即W(p)＝∏e∈pW’e。
3.根据权利要求1所述的一种利用用户之间社交关系的D2D设备发现方法，其特征在于，所述步骤2-1中目标用户和其他用户之间的信任度可由用户之间的社交关系强度来衡量，即用户之间的社交关系越亲密，就越信任彼此，两个相邻节点的社交关系的强度由他们之间的通信频率和其通信时间来反映，即
Figure FDA0002350056120000016
其中
Figure FDA0002350056120000017
CF(ui,uj)表示用户ui和uj的连接频率，CD(ui,uj)表示用户ui和uj的连接时间，也就是
Figure FDA0002350056120000018
用户ui对网络中其他用户uj的信任度可表示为
Figure FDA0002350056120000019
4.根据权利要求1所述的一种利用用户之间社交关系的D2D设备发现方法，其特征在于，所述步骤2-2中目标用户和其他用户之间的相似度为
Figure FDA00023500561200000110
其中ui,uj∈N,i≠j，M(ui)表示用户ui的兴趣集合，M(uj)表示用户uj的兴趣集合。
5.根据权利要求1所述的一种利用用户之间社交关系的D2D设备发现方法，其特征在于，所述步骤2-3中每个用户的中心度由运行在移动用户智能设备后台中的固定长度的随机游走来度量，其具体流程为：每隔ΔT分钟，每个用户的智能设备会以指定概率a生成一个探测消息，每个消息的存活时间为L，当用户ui与用户uj连接时，如果ui在本地序列中有探测消息，则将探测消息以概率
Figure FDA0002350056120000021
发送给uj，Nui为与用户ui有过连接的用户集合，如果ui与用户uj从未进行过连接，则Prob(uj)＝0.5，当用户uj接收到探测消息后，将L的值减1，并将探测消息保存在自己的本地序列中，等待下一次连接时再转发给其他用户，当探测消息的L值变为0则消失，每个用户的智能设备中有一个随机游走的计数器，初始值为0，记录该设备接收到探测消息的次数即随机游走拜访的次数RandW(ui)，则用户ui的中心度为
Figure FDA0002350056120000022
6.根据权利要求1所述的一种利用用户之间社交关系的D2D设备发现方法，其特征在于，所述步骤3中的效用函数为Util(ui,uj)＝α·Tru(ui,uj)+β·Sim(ui,uj)+γ·Cen(uj)，其中α，β，γ是可调参数，可根据不同的场景进行调整，且α+β+γ＝1，设定阈值Utilth，将大于阈值的用户放入目标用户的邻居集中。
CN201711059829.9A 2017-11-01 2017-11-01 一种利用用户之间社交关系的d2d设备发现方法 Active CN107889082B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711059829.9A CN107889082B (zh) 2017-11-01 2017-11-01 一种利用用户之间社交关系的d2d设备发现方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711059829.9A CN107889082B (zh) 2017-11-01 2017-11-01 一种利用用户之间社交关系的d2d设备发现方法

Publications (2)

Publication Number Publication Date
CN107889082A CN107889082A (zh) 2018-04-06
CN107889082B true CN107889082B (zh) 2020-04-14

Family

ID=61783443

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711059829.9A Active CN107889082B (zh) 2017-11-01 2017-11-01 一种利用用户之间社交关系的d2d设备发现方法

Country Status (1)

Country Link
CN (1) CN107889082B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108566635B (zh) * 2018-04-16 2021-02-19 北京信息科技大学 一种d2d路由选择方法
CN108876646B (zh) * 2018-06-21 2021-09-17 广东技术师范学院 一种基于节点社交特性的d2d缓存方法
CN109286631B (zh) * 2018-10-18 2019-07-30 长安大学 车载社交网络中融合社交属性的车辆节点信任评估方法
CN110225572B (zh) * 2019-05-30 2021-01-22 华南师范大学 一种基于社交社区的d2d通信用户配对方法
CN110418288B (zh) * 2019-07-24 2020-12-25 西安科技大学 基于用户社交属性的d2d多播通信分簇方法
CN110312212A (zh) * 2019-08-01 2019-10-08 郑州师范学院 一种d2d分组通信方法、系统及相关组件
CN112004265B (zh) * 2019-12-20 2023-02-14 南京邮电大学 一种基于srm算法的社交网络资源分配方法
CN111522891A (zh) * 2020-07-03 2020-08-11 支付宝(杭州)信息技术有限公司 确定两个实体间的关系紧密度的方法、装置及电子设备
CN113973286A (zh) * 2020-07-24 2022-01-25 中移(苏州)软件技术有限公司 一种数据传输方法、装置以及计算机存储介质和系统
CN112188467B (zh) * 2020-09-29 2022-05-03 重庆邮电大学 一种基于用户属性的终端发现方法
CN112435079B (zh) * 2020-12-16 2022-09-16 合肥工业大学 一种面向纯社交平台的广告推荐方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104778213A (zh) * 2015-03-19 2015-07-15 同济大学 一种基于随机游走的社交网络推荐方法
CN104778237A (zh) * 2015-04-03 2015-07-15 电子科技大学 一种基于关键用户的个性化推荐方法和系统
CN106484876A (zh) * 2016-10-13 2017-03-08 中山大学 一种基于典型度和信任网络的协同过滤推荐方法
WO2017107043A1 (en) * 2015-12-22 2017-06-29 Nokia Technologies Oy Flexible security channel establishment in d2d communications

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104778213A (zh) * 2015-03-19 2015-07-15 同济大学 一种基于随机游走的社交网络推荐方法
CN104778237A (zh) * 2015-04-03 2015-07-15 电子科技大学 一种基于关键用户的个性化推荐方法和系统
WO2017107043A1 (en) * 2015-12-22 2017-06-29 Nokia Technologies Oy Flexible security channel establishment in d2d communications
CN106484876A (zh) * 2016-10-13 2017-03-08 中山大学 一种基于典型度和信任网络的协同过滤推荐方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Multiscale saliency detection for 3D meshes using random walk;Se-Won Jeong，Jae-Young Sim;《Signal and Information Processing Association Annual Summit and Conference 》;20141231;全文 *

Also Published As

Publication number Publication date
CN107889082A (zh) 2018-04-06

Similar Documents

Publication Publication Date Title
CN107889082B (zh) 一种利用用户之间社交关系的d2d设备发现方法
Wang et al. Toward trustworthy crowdsourcing in the social internet of things
Lilhore et al. A depth-controlled and energy-efficient routing protocol for underwater wireless sensor networks
US11296937B2 (en) Decentralized data storage and processing for IoT devices
Sun et al. Edge caching in blockchain empowered 6G
CN104009998B (zh) 服务器和数据传输方法
CN106664219A (zh) 基于过去历史数据的网络节点可用性预测
CN107135149B (zh) 一种用于推荐社交用户的方法与设备
US20180152824A1 (en) Ad-hoc social network (ahsn) system, ahsn-enabled device, and methods of use
CN110337092B (zh) 一种基于社交信任模型的低功耗中继选择方法
Chang et al. Protecting mobile crowd sensing against sybil attacks using cloud based trust management system
CN110225572B (zh) 一种基于社交社区的d2d通信用户配对方法
Luong et al. Joint transaction transmission and channel selection in cognitive radio based blockchain networks: A deep reinforcement learning approach
Haq et al. E2-MACH: Energy efficient multi-attribute based clustering scheme for energy harvesting wireless sensor networks
CN104581733A (zh) 一种防位置欺骗的物联网安全路由方法
Ye et al. The flexible and privacy-preserving proximity detection in mobile social network
Manocha et al. Improved spider monkey optimization‐based multi‐objective software‐defined networking routing with block chain technology for Internet of Things security
Prasad et al. Energy Optimization‐Based Clustering Protocols in Wireless Sensor Networks and Internet of Things‐Survey
Salimibeni et al. TB-ICT: A trustworthy blockchain-enabled system for indoor COVID-19 contact tracing
Ye et al. A security fault-tolerant routing for multi-layer non-uniform clustered WSNs
Ahmed et al. Fusion Processing Techniques and Bio-inspired Algorithm for E-Communication and Knowledge Transfer
Ni et al. A mobile phone‐based physical‐social location proof system for mobile social network service
CN109962834B (zh) 信息处理方法、系统、终端和计算机存储介质
Narang et al. Utilizing social networks data for trust management in a social Internet of Things network
CN110417572A (zh) 一种基于目标节点相遇概率预测消息传递节点的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant