CN109474461A - 基于信誉泊松分布的无线传感器网络信任管理方法及系统 - Google Patents

基于信誉泊松分布的无线传感器网络信任管理方法及系统 Download PDF

Info

Publication number
CN109474461A
CN109474461A CN201811286893.5A CN201811286893A CN109474461A CN 109474461 A CN109474461 A CN 109474461A CN 201811286893 A CN201811286893 A CN 201811286893A CN 109474461 A CN109474461 A CN 109474461A
Authority
CN
China
Prior art keywords
node
trust
assessed
prestige
assessment
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
CN201811286893.5A
Other languages
English (en)
Other versions
CN109474461B (zh
Inventor
房卫东
张武雄
刘洋
赵玉峰
郜伟伟
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.)
Fuzhou Internet Of Things Open Laboratory Co Ltd
Shanghai Research Center for Wireless Communications
Original Assignee
Fuzhou Internet Of Things Open Laboratory Co Ltd
Shanghai Research Center for Wireless Communications
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 Fuzhou Internet Of Things Open Laboratory Co Ltd, Shanghai Research Center for Wireless Communications filed Critical Fuzhou Internet Of Things Open Laboratory Co Ltd
Priority to CN201811286893.5A priority Critical patent/CN109474461B/zh
Publication of CN109474461A publication Critical patent/CN109474461A/zh
Application granted granted Critical
Publication of CN109474461B publication Critical patent/CN109474461B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/142—Network analysis or design using statistical or mathematical methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/28—Restricting access to network management systems or functions, e.g. using authorisation function to access network configuration
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Algebra (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于信誉泊松分布的无线传感器网络信任管理方法及系统，其中，该无线传感器网络信任管理方法包括如下步骤：计算用泊松分布表达节点间信誉的概率分布函数；根据实时交互信息以及节点间信誉的概率分布函数计算节点间的直接信任值；对直接信任值进行评估，根据评估结果计算节点间的总信任值。该方法有效地解决WSN对共谋攻击和诽谤攻击的防御问题。

Description

基于信誉泊松分布的无线传感器网络信任管理方法及系统
技术领域
本发明涉及一种基于信誉泊松分布的无线传感器网络信任管理方法，同时涉及相应的无线传感器网络信任管理系统，属于物联网技术领域。
背景技术
由于无线传感器节点在能量供给、计算以及存储等多个方面受限，导致无线传感器网络易受到内部攻击，有研究表明，信任管理技术是监测与防御来自妥协节点内部攻击的有效方法之一。
在信任管理系统中，首先，信任具有动态性，会依据信誉的变化而变化；其次，信任具有主观性，即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，信任是无法传递的，也就是说X不会因为Y信任Z而信任Z；最后，信任没有对称性，即X信任Y，但Y不一定会信任X。信任管理系统是一个广义概念，在无线传感器网络中，通常包括信任要素的收集与存储、信誉与信任的建模、信誉与信任的传递、信任值的推导、信誉和信任等相关信息的存储、信任的决策等方面。
通常情况下，无线传感器网络中的信任管理系统分为五个部分，依次为信任收集、信任与信誉存储、信誉建模、信誉传递和信任决策。
1)信任收集：指信任要素的收集，如节点间信息交互情况、传感数据和位置信息的交互等。系统会依据收集到的信任要素评估节点的信誉，故信任收集的广泛性决定了信任值的准确性。
2)信任与信誉存储：包括信任要素的存储、信誉值的存储以及信任值的存储。由于传感器节点内存较小，需要系统考虑信息的存储问题。这是因为信息的形式会对存储空间产生影响；其次，需要考虑信息存储周期，失效信息要及时删除以节约空间；最后，需要考虑信息存储位置。
3)信誉与信任建模：建模要多方面考虑，如信任值的时效问题、是否利用间接信息、以及间接信息的权重、各种信任要素的权重，应对安全攻击时的策略等。然后，再选择合适的模型。通常情况下，信誉模型是概率统计模型，如，贝塔分布，高斯分布，以及Binomial分布等；信任模型，通常利用信誉模型再进行某些运算得到，如数学期望等。
4)信誉与信任传递：信誉传递，是指在评估节点的信誉时所传递的间接信息；信任传递，是指当有节点请求得到待评价节点的信任值时，向请求节点传送待评价节点的信任值。信誉与信任传递通常因为节点没有存储功能。但在传递信誉和信任时，要考虑具体传输的方式和信息安全问题。
5)信任决策：当节点完成信任评估，计算得到信任值后，需要依据信任值做出决策。或者根据信任值选择与之合作的节点，或者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。
而现有的信任管理系统大多是基于二项分布、贝塔分布，对于防御妥协节点的内部攻击方面均存在自己的弊端。
发明内容
针对现有技术的不足，本发明所要解决的首要技术问题在于提供一种基于信誉泊松分布的无线传感器网络信任管理方法。
本发明所要解决的另一技术问题在于提供一种基于信誉泊松分布的无线传感器网络信任管理系统。
为实现上述发明目的，本发明采用下述的技术方案：
根据本发明实施例的第一方面，提供一种基于信誉泊松分布的无线传感器网络信任管理方法，包括如下步骤：
计算用泊松分布表达节点间信誉的概率分布函数；
根据实时交互信息以及节点间信誉的概率分布函数计算节点间的直接信任值；
对直接信任值进行评估，根据评估结果计算节点间的总信任值。
其中较优地，用泊松分布表达节点间信誉的概率分布函数为：
其中，f(p)是信誉p的概率分布函数，a是评估节点i与待评估节点j之间历史成功交互的次数，b是节点i与节点j之间历史不成功交互的次数。
其中较优地，根据实时交互信息以及节点间信誉的概率分布函数计算节点间的直接信任值，包括如下步骤：
根据节点间信誉的概率分布函数计算节点间初步的直接信任值；
根据实时交互信息更新信誉；
根据更新的信誉更新节点间初步的直接信任值，得到节点间的直接信任值。
其中较优地，更新后的信誉为：
其中，DTij表示评估节点i与待评估节点j之间的直接信任值；waging表示权重；a是评估节点i与待评估节点j之间历史成功交互的次数；b是节点i与节点j之间历史不成功交互的次数；m是节点i与节点j之间实时成功交互的次数；n是评估节点i与待评估节点j之间实时不成功交互的次数。
其中较优地，对直接信任值进行评估，根据评估结果计算节点间的总信任值，包括如下步骤：
计算评估节点与待评估节点之间直接观测的熵；
设定不确定性阈值，当直接观测的熵小于不确定性阈值，且大于0时，总信任值为直接信任值；
当直接观测的熵大于于不确定性阈值，且小于1时，计算节点间的间接信任值，根据直接信任值与间接信任值综合计算总信任值。
其中较优地，计算评估节点与待评估节点之间直接观测的熵采用如下公式：
其中，H(Dij)是直接观测的熵；k是评估节点i与待评估节点j之间交互的次数；pk是评估节点i与待评估节点j之间交互成功的概率。
其中较优地，计算节点间的间接信任值，包括如下步骤：
确定评估节点与待评估节点的共有邻居节点；
评估节点向共有邻居节点发送查询消息，并接收共有邻居与待评估节点的交互记录；
整合评估节点与待评估节点的交互记录以及共有邻居与待评估节点的交互记录，得到推荐的交互记录；
根据推荐的交互记录计算推荐节点的推荐信任值，并根据推荐信任值计算共有邻居节点间接信任值的权重；
根据共有邻居节点间接信任值的权重以及共有邻居节点间接信任值计算评估节点与待评估节点的间接信任值。
其中较优地，所述推荐的交互记录为
其中，(aj,bj)是评估节点i与待评估节点j的交互记录；aj是评估节点i与待评估节点j的成功交互的次数；bj是评估节点i与待评估节点j的成功交互的次数；(aik,bik)是评估节点i与共有邻居节点k的交互记录；(akj,bkj)是接收共有邻居k与待评估节点j的交互记录。
其中较优地，所述计算共有邻居节点间接信任值的权重采用如下公式：
其中，sk是间接信任值的权重；q表示推荐节点的数目；Tik表示评估节点i与共有邻居节点k之间的信任值。
根据本发明实施例的第二方面，提供一种基于信誉泊松分布的无线传感器网络信任管理系统，包括处理器和存储器；所述存储器上存储有可用在所述处理器上运行的计算机程序，当所述计算机程序被所述处理器执行时实现如下步骤：
计算用泊松分布表达节点间信誉的概率分布函数；
根据实时交互信息以及节点间信誉的概率分布函数计算节点间的直接信任值；
对直接信任值进行评估，根据评估结果计算节点间的总信任值。
本发明所提供的基于信誉泊松分布的无线传感器网络信任管理方法，通过计算用泊松分布表达节点间信誉的概率分布函数；根据实时交互信息以及节点间信誉的概率分布函数计算节点间的直接信任值；对直接信任值进行评估，根据评估结果计算节点间的总信任值，可以有效地解决WSN对共谋攻击和诽谤攻击的防御问题。结合无线传感器网络中节点间的交互特点，根据直接信任值的不确定性程度适当引入间接信任值计算总信任值，进而形成一个基于泊松分布的信任管理系统。可以防御来自妥协节点的内部攻击。
附图说明
图1为本发明所提供的基于信誉泊松分布的无线传感器网络信任管理方法的流程图；
图2为本发明所提供的一个实施例中，评估节点、待评估节点和共有邻居节进行节点信息交互的示意图；
图3为本发明所提供的基于信誉泊松分布的无线传感器网络信任管理系统的结构示意图。
具体实施方式
下面结合附图和具体实施例对本发明的技术内容进行详细具体的说明。
本发明所提供的一种基于信誉泊松分布的无线传感器网络(Wireless SensorNetwork,WSN)信任管理方法，主要是在已有的信任管理系统基础上，基于时效权重(Aging-Weight)机制，利用泊松分布描述节点的信誉分布，指导节点间的交互，从而防御妥协节点的内部攻击。其中，该方法包括以下六个部分：信任及信誉、节点间直接信任值计算、信誉更新、评估直接信任值、节点间间接信任值计算、总信任值聚合。通过以上六个部分，推导出可由泊松分布表示的声誉与信任值。结合无线传感器网络中节点间的交互特点，根据直接信任值的不确定性程度适当引入间接信任值计算总信任值，进而形成一个基于泊松分布的信任管理系统。
如图1所示，本发明所提供的基于信誉泊松分布的无线传感器网络信任管理方法，包括如下步骤：首先，计算用泊松分布表达节点间信誉的概率分布函数；其次，根据实时交互信息以及节点间信誉的概率分布函数计算节点间的直接信任值；然后，对直接信任值进行评估，根据评估结果计算节点间的总信任值。下面对这一过程做详细具体的说明。
S1，计算用泊松分布表达节点间信誉的概率分布函数。
在无线传感器网络的信任管理系统中，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，信任值一般是一个定值，两个节点未来是否交互一般由信任值决定。
计算用泊松分布表达节点间信誉的概率分布函数，是一个信任及信誉的推导过程。泊松分布表示单位时间内有k次合作的概率，可由下式表示：
λ表示单位时间内节点间合作的平均发生率，表示为λ＝np。P为信誉；可得到：
上式中，n表示节点间交互的总次数，假设节点间交互总次数中有a次成功交互，b次不成功交互，即n＝a+b，得：
由于k表示某事件发生的次数，我们需要得到节点间的信誉。因此，k＝a表示某段时间内节点间成功的交互次数。得：
由于λ＝np，上式(4)可以表示为：
在无线传感器网络中，假设a表示节点i与节点j之间历史成功交互的次数，b表示节点i与节点j之间历史不成功交互的次数。则节点i对节点j信任程度可以通过它们之间成功交互次数与不成功交互次数来决定，即当a不等于0，b＝0时表示都是在正常节点间进行合作的交互，此时信任值最高；当a等于0，b不等于0时，表示正常节点与恶意节点发生交互，即节点间互不合作，此时信任值最低。上述的两种方式都是在最极端的情况下发生。在实际场景中，节点间既有合作也存在不合作的形为，那么通过能够很清晰的表达节点间的信任程度。故取节点的信任值：
综上，推导出可用泊松分布表达的信誉为：
其中，f(p)是信誉p的概率分布函数，a是节点i与节点j之间历史成功交互的次数，b是节点i与节点j之间历史不成功交互的次数。在本发明所提供的实施例中，节点i为评估节点，节点j为待评估节点。
S2，根据实时交互信息以及节点间信誉的概率分布函数计算节点间的直接信任值，具体包括如下步骤：
S21，根据节点间信誉的概率分布函数计算节点间初步的直接信任值。
通常情况下，两节点进行交互时都会留下交互信息。根据交互信息可以判断对方是否可信并选择性交互。直接信任源于节点间的直接观察，因此，我们采用DTij表示节点i与节点j之间的直接信任值。评估节点i用Ni表示，待评估节点j用Nj表示。
根据理论推导，由于f(p)是信誉p的概率分布函数，所以函数的最大值点代表了p的可能性最大，取分布的最大值点作为节点的信任值，令：
解得：
我们采用泊松分布作为节点间交互的先验分布，假设未来的交互方式与以前的相同，则节点间的直接信任可由泊松分布表示为(6)式，其中a表示历史节点间成功交互的次数，b表示历史节点间不成功交互的次数。
S22，根据实时交互信息更新信誉。
经过多次交互之后，节点i拥有了节点j的历史信任信息。假设节点i与节点j之间还需交互m+n次，在本发明所提供的实施例中，将节点i与节点j之间还需交互的m+n次称为实时交互。其中m次表示成功交互的次数，n次表示不成功交互的次数。则当前两节点间一共交互了a+b+m+n次，Ni对Nj的最新信誉为：
从上式可以看出信誉的更新只与成功交互次数和不成功交互次数有关，即：
anew＝a+m (11)
bnew＝b+n (12)
即：
在信任管理系统中，针对信任的考虑，通常更倾向于考虑最近的一次交互信息。这是因为，在大多数情况下，最近的一次交互记录具有很高的参考价值，因此，我们应当赋予最新的交互信息更高的权重，即：
anew＝(waging×a)+m (13)
bnew＝(waging×b)+n (14)
上式中，waging(0＜waging＜1)表示权重，权重保证了所有节点的相互交互，合理的权重值使得历史声誉权重逐渐降低，而且节点需要成功的交互才能保持良好的声誉。
更新后的信誉用下式表示：
其中，waging表示权重；a是节点i与节点j之间历史成功交互的次数；b是节点i与节点j之间历史不成功交互的次数；m是节点i与节点j之间实时成功交互的次数；n是节点i与节点j之间实时不成功交互的次数。
S23，根据更新的信誉更新节点间初步的直接信任值，得到节点间的直接信任值：
其中，DTij表示节点i与节点j之间的直接信任值；waging表示权重；a是节点i与节点j之间历史成功交互的次数；b是节点i与节点j之间历史不成功交互的次数；m是节点i与节点j之间实时成功交互的次数；n是节点i与节点j之间实时不成功交互的次数。
S3，对直接信任值进行评估，根据评估结果计算节点间的总信任值。
通常，无线传感器网络中信任管理系统的构建，既需要考虑直接信任，又需要考虑间接信任，这样必然要消耗更多的额外能量，不利于资源受限的无线传感器节点的应用。
考虑到若由于某种不确定性下降到一定程度，就没有必要参考间接信任了。即直接观察能够执行信任评估。在本发明所提供的实施例中，对直接信任值进行评估是采用直接观测的熵进行评估。熵是对随机信号或事件中不确定度或信息量的测量。对直接信任值进行评估，根据评估结果计算节点间的总信任值，具体包括如下步骤：
S31，计算评估节点i与待评估节点j之间直接观测的熵。采用如下公式：
其中，H(Dij)是直接观测的熵；k是节点i与节点j之间交互的次数；pk是节点i与节点j之间交互成功的概率。
S32，设定不确定性阈值，当直接观测的熵小于不确定性阈值，且大于0时，总信任值为直接信任值；当直接观测的熵大于于不确定性阈值，且小于1时，转向步骤S33；
设定thr是不确定性阈值。如果0≤H(Dij)≤thr表明直接信任的不确定性很低，不需要更多的相关信息，此时就可以直接认为直接信任值等于总信任值，即OTij＝Dij。如果thr≤H(Dij)≤1表明直接信任的不确定性很高，需要更多的相关信息，此时需要引入间接信任计算总信任值。
S33，计算节点间的间接信任值，根据直接信任值与间接信任值综合计算总信任值。
当节点的直接信任被视为“不确定”时，就需要更多来自第三方的信息使信任的不确定性降低，即评估节点要获取与待评估节点共有邻居节点的推荐信息来确定待评估节点的信任。计算节点间的间接信任值，具体包括如下步骤：
S331，确定评估节点与待评估节点的共有邻居节点。
将评估节点与待评估节点的共有邻居节点表示为Nk(k＝1,...,q)。评估节点i与共有邻居节点的交互记录为(aik,bik)。
S332，评估节点i向共有邻居节点发送查询消息，并接收共有邻居与待评估节点的交互记录(akj,bkj)。
评估节点i向共有邻居节点发送查询消息，共有邻居将它们与待评估节点的交互记录(akj,bkj)返回给评估节点i。评估节点i与待评估节点j的交互记录为(aj,bj)。推荐传输路径如图2所示。圆分别表示节点i和节点j的通信范围。
S333，整合评估节点i与待评估节点j的交互记录以及共有邻居与待评估节点的交互记录，得到推荐的交互记录
其中，(aj,bj)是评估节点i与待评估节点j的交互记录；aj是评估节点i与待评估节点j的成功交互的次数；bj是评估节点i与待评估节点j的成功交互的次数；(aik,bik)是评估节点i与共有邻居节点k的交互记录；aik是评估节点i与待评估节点j的成功交互的次数；bik是评估节点i与待评估节点j的成功交互的次数；(akj,bkj)是接收共有邻居k与待评估节点j的交互记录。akj是评估节点i与待评估节点j的成功交互的次数；bkj是评估节点i与待评估节点j的成功交互的次数；
S334，根据推荐的交互记录计算推荐节点的推荐信任值，并根据推荐信任值计算共有邻居节点间接信任值的权重。
根据推荐的交互记录我们可以获得推荐信任值
在无线传感器网络中存在一些恶意节点，因此并不是所有节点的推荐都是可靠的，不信任的反馈会导致错误结果。显然，对推荐节点的可信度进行评估，能够确保间接信任计算的准确性。只有来自可靠节点的建议才被接受，因此需要确定推荐节点的信任级别，可由下式计算：
其中，Tik为评估节点i与共有邻居节点k的推荐信任值。aik表示评估节点i与节点k成功交互的次数，bik表示评估节点i与节点k不成功交互的次数。
假设评估节点i拥有r个临界点的信任值，分别表示为Ti1,…,Ti(r-1),Tir。Tik表示节点i与节点k之间的信任值，当Tik≥χ节点k的推荐被采用，反之，它的建议将被完全忽略。其中，χ(0≤χ≤1)是自定义阈值，可根据实际使用需求进行设定；k＝1,2,…,r。根据推荐节点的信任程度来分配权重，以减轻个别节点偏好的影响。间接信任值的权重计算如下：
上式中sk(0≤sk≤1),是间接信任值的权重。q表示推荐节点的数目。Tik表示节点i与节点k之间的信任值。
S335，根据共有邻居节点间接信任值的权重以及共有邻居节点间接信任值计算评估节点与待评估节点的间接信任值。
然后，根据直接信任值与间接信任值综合计算总信任值，即：
OTij＝αDij+(1-α)IDijthr≤H(Dij)≤1；
其中，OTij为节点i与节点j之间的总信任值；α表示信任因子，引入置信因子是抵御恶意节点虚假推荐的有效策略，而且符合信任交互习惯。
评估节点直接观察待评估节点得到直接信任值，当直接信任值不能充分代替总信任值时，需要引入间接信任值。因此，总信任值可由一下数学表达式表示：
综上所述，本发明所提供的基于信誉泊松分布的无线传感器网络信任管理方法，将通过如下方法解决WSN对共谋攻击和诽谤攻击的防御问题。
共谋攻击和诽谤攻击是无线传感器网络常见的内部攻击。前者是指妥协节点如同正常节点一样运行，当累积到足够高的信任值时，为其他妥协节点提供错误的信任评估，使之被网络评估为正常节点；相反地，后者是妥协节点可以故意大量地传递关于正常节点的负面评估，从而降低它们的信任值，使得网络将正常节点错误地判断为妥协节点。
为了防御共谋攻击，在传递间接信誉信息时，通过合理地设置置信因子，就可以有效地抵御恶意节点虚假推荐；为了防御诽谤攻击，在获取待评估节点熵的时候，结合间接信誉时，若两者不符，则说明推荐节点为妥协节点。
本发明还提供了一种基于信誉泊松分布的无线传感器网络信任管理系统。基于信誉Poission分布的无线传感器网络信任管理系统(PTMS)，防御来自妥协节点的内部攻击。PTMS基于节点之间的交互信息，进一步利用Poission分布模拟节点的信誉，再进一步计算节点的信任值。如图3所示，该系统包括处理器32以及存储有处理器32可执行指令的存储器31；
其中，处理器32可以是通用处理器，例如中央处理器(CPU)，还可以是数字信号处理器(DSP)、专用集成电路(ASIC)，或者是被配置成实施本发明实施例的一个或多个集成电路。
其中，存储器31，用于存储程序代码，并将该程序代码传输给CPU。存储器31可以包括易失性存储器，例如随机存取存储器(RAM)；存储器31也可以包括非易失性存储器，例如只读存储器、快闪存储器、硬盘或固态硬盘；存储器31还可以包括上述种类的存储器的组合。
具体地，本发明实施例所提供的一种基于信誉泊松分布的无线传感器网络信任管理系统，包括处理器32和存储器31；存储器31上存储有可用在处理器32上运行的计算机程序，当计算机程序被处理器32执行时实现如下步骤：
计算用泊松分布表达节点间信誉的概率分布函数；
根据实时交互信息以及节点间信誉的概率分布函数计算节点间的直接信任值；
对直接信任值进行评估，根据评估结果计算节点间的总信任值。
其中，当计算机程序被处理器32执行时实现如下步骤；
用泊松分布表达节点间信誉的概率分布函数为：
其中，f(p)是信誉p的概率分布函数，a是评估节点i与待评估节点j之间历史成功交互的次数，b是节点i与节点j之间历史不成功交互的次数。
其中，当根据实时交互信息以及节点间信誉的概率分布函数计算节点间的直接信任值时，计算机程序被处理器32执行还实现如下步骤；
根据节点间信誉的概率分布函数计算节点间初步的直接信任值；
根据实时交互信息更新信誉；
根据更新的信誉更新节点间初步的直接信任值，得到节点间的直接信任值。
其中，当计算机程序被处理器32执行时实现如下步骤；
更新后的信誉为：
其中，DTij表示评估节点i与待评估节点j之间的直接信任值；waging表示权重；a是评估节点i与待评估节点j之间历史成功交互的次数；b是节点i与节点j之间历史不成功交互的次数；m是节点i与节点j之间实时成功交互的次数；n是评估节点i与待评估节点j之间实时不成功交互的次数。
其中，当根对直接信任值进行评估，根据评估结果计算节点间的总信任值时，计算机程序被处理器32执行还实现如下步骤；
计算评估节点与待评估节点之间直接观测的熵；
设定不确定性阈值，当直接观测的熵小于不确定性阈值，且大于0时，总信任值为直接信任值；
当直接观测的熵大于于不确定性阈值，且小于1时，计算节点间的间接信任值，根据直接信任值与间接信任值综合计算总信任值。
其中，当计算机程序被处理器32执行时实现如下步骤；
计算评估节点与待评估节点之间直接观测的熵采用如下公式：
其中，H(Dij)是直接观测的熵；k是评估节点i与待评估节点j之间交互的次数；pk是评估节点i与待评估节点j之间交互成功的概率。
其中，当计算节点间的间接信任值时，计算机程序被处理器32执行实现如下步骤；
确定评估节点与待评估节点的共有邻居节点；
评估节点向共有邻居节点发送查询消息，并接收共有邻居与待评估节点的交互记录；
整合评估节点与待评估节点的交互记录以及共有邻居与待评估节点的交互记录，得到推荐的交互记录；
根据推荐的交互记录计算推荐节点的推荐信任值，并根据推荐信任值计算共有邻居节点间接信任值的权重；
根据共有邻居节点间接信任值的权重以及共有邻居节点间接信任值计算评估节点与待评估节点的间接信任值。
其中，当计算机程序被处理器32执行时实现如下步骤；
所述推荐的交互记录为
其中，(aj,bj)是评估节点i与待评估节点j的交互记录；aj是评估节点i与待评估节点j的成功交互的次数；bj是评估节点i与待评估节点j的成功交互的次数；(aik,bik)是评估节点i与共有邻居节点k的交互记录；(akj,bkj)是接收共有邻居k与待评估节点j的交互记录。
其中，当计算机程序被处理器32执行时实现如下步骤；
所述计算共有邻居节点间接信任值的权重采用如下公式：
其中，sk是间接信任值的权重；q表示推荐节点的数目；Tik表示评估节点i与共有邻居节点k之间的信任值。
本发明实施例还提供了一种计算机可读存储介质。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。另外，该ASIC可以位于用户设备中。当然，处理器和存储介质也可以作为分立组件存在于通信设备中。
上面对本发明所提供的基于信誉泊松分布的无线传感器网络信任管理方法及系统进行了详细的说明。对本领域的一般技术人员而言，在不背离本发明实质精神的前提下对它所做的任何显而易见的改动，都将构成对本发明专利权的侵犯，将承担相应的法律责任。

Claims (10)

1.一种基于信誉泊松分布的无线传感器网络信任管理方法，其特征在于包括如下步骤：
计算用泊松分布表达节点间信誉的概率分布函数；
根据实时交互信息以及节点间信誉的概率分布函数计算节点间的直接信任值；
对直接信任值进行评估，根据评估结果计算节点间的总信任值。
2.如权利要求1所述的无线传感器网络信任管理，其特征在于用泊松分布表达节点间信誉的概率分布函数为：
其中，f(p)是信誉p的概率分布函数，a是评估节点i与待评估节点j之间历史成功交互的次数，b是节点i与节点j之间历史不成功交互的次数。
3.如权利要求2所述的无线传感器网络信任管理方法，其特征在于根据实时交互信息以及节点间信誉的概率分布函数计算节点间的直接信任值，包括如下步骤：
根据节点间信誉的概率分布函数计算节点间初步的直接信任值；
根据实时交互信息更新信誉；
根据更新的信誉更新节点间初步的直接信任值，得到节点间的直接信任值。
4.如权利要求3所述的无线传感器网络信任管理方法，其特征在于更新后的信誉为：
其中，DTij表示评估节点i与待评估节点j之间的直接信任值；waging表示权重；a是评估节点i与待评估节点j之间历史成功交互的次数；b是节点i与节点j之间历史不成功交互的次数；m是节点i与节点j之间实时成功交互的次数；n是评估节点i与待评估节点j之间实时不成功交互的次数。
5.如权利要求1所述的无线传感器网络信任管理方法，其特征在于对直接信任值进行评估，根据评估结果计算节点间的总信任值，包括如下步骤：
计算评估节点与待评估节点之间直接观测的熵；
设定不确定性阈值，当直接观测的熵小于不确定性阈值，且大于0时，总信任值为直接信任值；
当直接观测的熵大于于不确定性阈值，且小于1时，计算节点间的间接信任值，根据直接信任值与间接信任值综合计算总信任值。
6.如权利要求5所述的无线传感器网络信任管理方法，其特征在于计算评估节点与待评估节点之间直接观测的熵采用如下公式：
其中，H(Dij)是直接观测的熵；k是评估节点i与待评估节点j之间交互的次数；pk是评估节点i与待评估节点j之间交互成功的概率。
7.如权利要求5所述的无线传感器网络信任管理方法，其特征在于计算节点间的间接信任值，包括如下步骤：
确定评估节点与待评估节点的共有邻居节点；
评估节点向共有邻居节点发送查询消息，并接收共有邻居与待评估节点的交互记录；
整合评估节点与待评估节点的交互记录以及共有邻居与待评估节点的交互记录，得到推荐的交互记录；
根据推荐的交互记录计算推荐节点的推荐信任值，并根据推荐信任值计算共有邻居节点间接信任值的权重；
根据共有邻居节点间接信任值的权重以及共有邻居节点间接信任值计算评估节点与待评估节点的间接信任值。
8.如权利要求7所述的无线传感器网络信任管理方法，其特征在于所述推荐的交互记录为
其中，(aj,bj)是评估节点i与待评估节点j的交互记录；aj是评估节点i与待评估节点j的成功交互的次数；bj是评估节点i与待评估节点j的成功交互的次数；(aik,bik)是评估节点i与共有邻居节点k的交互记录；(akj,bkj)是接收共有邻居k与待评估节点j的交互记录。
9.如权利要求7所述的无线传感器网络信任管理方法，其特征在于所述计算共有邻居节点间接信任值的权重采用如下公式：
其中，sk是间接信任值的权重；q表示推荐节点的数目；Tik表示评估节点i与共有邻居节点k之间的信任值。
10.一种基于信誉泊松分布的无线传感器网络信任管理系统，其特征在于包括处理器和存储器；所述存储器上存储有可用在所述处理器上运行的计算机程序，当所述计算机程序被所述处理器执行时实现如下步骤：
计算用泊松分布表达节点间信誉的概率分布函数；
根据实时交互信息以及节点间信誉的概率分布函数计算节点间的直接信任值；
对直接信任值进行评估，根据评估结果计算节点间的总信任值。
CN201811286893.5A 2018-10-31 2018-10-31 基于信誉泊松分布的无线传感器网络信任管理方法及系统 Active CN109474461B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811286893.5A CN109474461B (zh) 2018-10-31 2018-10-31 基于信誉泊松分布的无线传感器网络信任管理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811286893.5A CN109474461B (zh) 2018-10-31 2018-10-31 基于信誉泊松分布的无线传感器网络信任管理方法及系统

Publications (2)

Publication Number Publication Date
CN109474461A true CN109474461A (zh) 2019-03-15
CN109474461B CN109474461B (zh) 2022-02-22

Family

ID=65666239

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811286893.5A Active CN109474461B (zh) 2018-10-31 2018-10-31 基于信誉泊松分布的无线传感器网络信任管理方法及系统

Country Status (1)

Country Link
CN (1) CN109474461B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110662220A (zh) * 2019-11-15 2020-01-07 江南大学 基于时空相关性和信息熵的无线传感器网络异常检测方法
CN112637854A (zh) * 2020-11-24 2021-04-09 电子科技大学 一种抗共谋攻击的鲁棒数据聚合方法
CN114302400A (zh) * 2021-10-25 2022-04-08 国网天津市电力公司 基于信息熵的电力5g无线专网通信终端信任评价方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101442824A (zh) * 2008-12-23 2009-05-27 西安交通大学 一种基于不可靠信道的无线传感器网络信誉值计算方法
CN103200616A (zh) * 2013-03-06 2013-07-10 重庆邮电大学 一种建立物联网网络模型的节能部署方法
CN103209453A (zh) * 2013-04-25 2013-07-17 山东大学 基于拓扑结构的无线传感网络的信任路由算法
CN104735765A (zh) * 2015-03-06 2015-06-24 上海无线通信研究中心 基于连接概率的车联网基站功率控制方法及车联网基站
CN104836801A (zh) * 2015-04-22 2015-08-12 上海物联网有限公司 一种基于Binomial的无线传感器网络信任管理方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101442824A (zh) * 2008-12-23 2009-05-27 西安交通大学 一种基于不可靠信道的无线传感器网络信誉值计算方法
CN103200616A (zh) * 2013-03-06 2013-07-10 重庆邮电大学 一种建立物联网网络模型的节能部署方法
CN103209453A (zh) * 2013-04-25 2013-07-17 山东大学 基于拓扑结构的无线传感网络的信任路由算法
CN104735765A (zh) * 2015-03-06 2015-06-24 上海无线通信研究中心 基于连接概率的车联网基站功率控制方法及车联网基站
CN104836801A (zh) * 2015-04-22 2015-08-12 上海物联网有限公司 一种基于Binomial的无线传感器网络信任管理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
房卫东等: "基于二项分布的无线传感器网络信任管理系统", 《传感技术学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110662220A (zh) * 2019-11-15 2020-01-07 江南大学 基于时空相关性和信息熵的无线传感器网络异常检测方法
CN112637854A (zh) * 2020-11-24 2021-04-09 电子科技大学 一种抗共谋攻击的鲁棒数据聚合方法
CN114302400A (zh) * 2021-10-25 2022-04-08 国网天津市电力公司 基于信息熵的电力5g无线专网通信终端信任评价方法

Also Published As

Publication number Publication date
CN109474461B (zh) 2022-02-22

Similar Documents

Publication Publication Date Title
Kang et al. Reliable federated learning for mobile networks
Qureshi et al. A distributed reputation and trust management scheme for mobile peer-to-peer networks
CN109474461A (zh) 基于信誉泊松分布的无线传感器网络信任管理方法及系统
Jin et al. Data-driven pricing for sensing effort elicitation in mobile crowd sensing systems
Jiang et al. A new evidential trust model for open distributed systems
CN104221344B (zh) 用于分布式计算系统中的信任管理的方法和系统
Li et al. Method of resource estimation based on QoS in edge computing
CN104836801A (zh) 一种基于Binomial的无线传感器网络信任管理方法
Wang et al. Permissioned blockchain for efficient and secure resource sharing in vehicular edge computing
Wang et al. Bayesian cognitive trust model based self-clustering algorithm for MANETs
Aziz et al. Efficient routing approach using a collaborative strategy
Dalal et al. Survey of trust schemes on ad-hoc network
Wang et al. A dynamic trust model in internet of things
Yang et al. A novel trust recommendation model for mobile social network based on user motivation
Jabeen et al. Adaptive and survivable trust management for Internet of Things systems
Qi et al. LightPoW: A trust based time-constrained PoW for blockchain in internet of things
CN113380024B (zh) 一种基于车联网的声誉更新方法及信任度计算方法
Liu et al. Communitychain: Toward a Scalable Blockchain in Smart Home
CN102006305A (zh) P2p网络中基于分布式可推荐的声誉遏制恶意行为的方法
Sirisala et al. Fuzzy complex proportional assessment of alternatives‐based node cooperation enforcing trust estimation scheme for enhancing quality of service during reliable data dissemination in mobile ad hoc networks
Wang et al. Cascading Failure Model for Command and Control Networks Based on an m‐Order Adjacency Matrix
Li et al. A hybrid trust management framework for wireless sensor and actuator networks in cyber-physical systems
Das et al. Multi agent dynamic weight based cluster trust estimation for hierarchical wireless sensor networks
Wang Reliability analysis of social network data transmission in wireless sensor network topology
Yin et al. Auto‐Adaptive Trust Measurement Model Based on Multidimensional Decision‐Making Attributes for Internet of Vehicles

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