CN109951333A - 边缘计算网络视频处理中基于主观逻辑的信任评估装置 - Google Patents

Abstract

本发明公开了一种边缘计算网络视频处理中基于主观逻辑的信任评估装置，其特征在于，包括：信任建模模块，所述信任建模模块包括身份建模子模块、能力建模子模块以及行为建模子模块；评价模块，根据信任建模模块建立的模型，在交互完成后任务请求节点根据交互结果向边缘服务器提交评价；更新模块，边缘服务器根据评价结果计算更新存储服务提供节点声誉值，并将更新后的结果通知服务提供节点。通过身份信任、能力信任、行为信任三重信任机制的边缘节点筛选，确保身份合格、有能力、行为可靠的边缘节点加入网络系统进行服务交互，以及信任信息的共享，实现局部声誉值和全局声誉值的评估，提高整个边缘计算系统的安全、稳定性。

Description

边缘计算网络视频处理中基于主观逻辑的信任评估装置

技术领域

本发明涉及计算机技术领域，尤其涉及一种边缘计算网络视频处理中基于主观逻辑的信任评估装置。

背景技术

近年来随着信息技术的发展，移动智能设备呈爆炸式增长的趋势，同时也刺激了许多新型应用的出现，如虚拟现实、增强现实、移动交互式游戏等等。这些新型应用的出现对移动计算领域的用户体验提出了极大的挑战，边缘计算是一种新型的分布式计算架构，旨在将计算的应用、数据和服务的控制从互联网的某些中心节点(“核心”)到转移到另一逻辑极端(“边缘”)，邻近移动智能设备以及终端用户。在边缘计算网路中，各种身份不一、性能各异、行为不同的基础设施，通过虚拟化被建模成系统独立的边缘节点，通过有线或无线不同带宽与可靠性网络连接起来，最终形成了一个综合互联的大系统。

在边缘计算中，涉及到边缘服务器、大量终端参与到资源访问、提供资源完成计算与数据传输等，这些资源具有动态性、异构性的特点，而边缘计算往往缺乏像云计算集中控制的安全机制，也使得参与者的安全风险加大。因此，边缘计算中的信任管理也成为了边缘计算任务能否有身份可信、行为可信、QoS满足要求的能力可信的用户来协同完成的问题，实现一个安全可信的资源共享的计算环境的关键要素之一，关系到边缘计算环境是否真正走向应用，也是负载卸载、资源调度与共享得以实施的根本条件。信任管理在其它包括云计算、对等计算中得到了广泛关注和研究，但目前在边缘计算领域研究不多，且大多数研究只集中在移动云计算的领域，分析用户之间的信任关系。

本发明考虑在边缘计算网络视频处理中基于主观逻辑的信任评估机制。在视频处理应用背景中，有些边缘节点需要发出视频处理任务请求，将任务卸载到资源提供边缘节点中，以便借助其他设备来高效地完成任务。当有计算任务发起，或一个服务请求发起时，系统面临一个需要解决的问题，如何评判这个任务或服务请求的发起者是否可信，同时，又如何保证声称提供资源的节点能够真正提供对应的资源。可信任问题涉及到资源共享与协同的安全、信任、服务质量及其保障机制成为边缘计算需要深入研究的关键技术问题之一。本发明对资源和用户的信任度进行综合性的评估。在这种情况下，需要研究用户、资源的身份信任、行为信任以及能力信任，建立基于声誉的信任评估机制，为资源共享和调度提供支持。

发明内容

本发明旨在至少解决现有技术中存在的技术问题。为此，本发明公开了一种边缘计算网络视频处理中基于主观逻辑的信任评估装置，包括：信任建模模块，所述信任建模模块包括身份建模子模块、能力建模子模块以及行为建模子模块；评价模块，根据信任建模模块建立的模型，在交互完成后任务请求节点根据交互结果向边缘服务器提交评价；更新模块，边缘服务器根据评价结果计算更新存储服务提供节点声誉值，并将更新后的结果通知服务提供节点。

更进一步地，身份建模子模块对身份信任建模，具体建模步骤如下：

只有在通过受信任的中央机构(边缘服务器)身份认证后，每个边缘节点才成为合法的节点，it表示边缘节点(en)的身份信任度，it取值具有二值性，it_en＝(0,1)；在边缘计算网络中，设定当边缘节点加入边缘计算网络系统时，重定向至距离最近的边缘服务器，若终端节点为首次加入，则需要实名认证注册；认证信息发至边缘服务器审核保存，确保身份认证信息能够维护边缘节点身份的真实性和唯一性；设置一个时间阈值t，在这个时间段t内若边缘终端节点没有加入系统进行交互，边缘服务器会把其身份认证信息以及交互历史信任值信息上传至云服务器，当该终端节点加入系统，可通过云服务器将历史信息加载至距离最近的所述边缘服务器。

更进一步地，能力建模子模块对能力信任建模，具体建模步骤如下：

能力属性选取单元，在边缘计算定义为对服务请求的响应能力的总称，包括可用服务时长(onlineTime)、CPU处理能力(cpu)、存储空间大小(memory)、硬盘大小(disk)；根据问题研究应用背景视频处理(视频下载、视频分析特点)，选取节点设备可用服务时长(onlineTime)，CPU处理能力(cpu)，存储空间大小(memory)，硬盘大小(disk)四个较具代表性的节点能力属性；

能力属性匹配和服务提供节点单元；边缘服务器利用属性一一匹配方法筛选出符合任务要求的节点作为服务提供候选节点，其中，P_c为服务提供节点所能提供能力属性大小，T_r为任务所要求能力属性大小，即需满足分别表示四种属性。

更进一步地，行为建模子模块对行为信任建模，具体建模步骤如下：

边缘计算网络中通信范围内进行服务交互的边缘节点，在服务交互完成之后，服务请求节点评估服务提供节点的信任值；通过多权重主观逻辑来计算由节点之间交互产生的信任评价；

服务提供节点选取单元，节点p对所在区域边缘服务器发起任务请求，边缘服务器根据在上述能力属性匹配和服务提供节点单元所筛选出的服务提供候选节点中随机挑选节点q，与节点q交互完成后节点p根据任务交互结果提交相关的信任参数；

主观逻辑观点评估单元，边缘节点通过主观逻辑形成观点来评估目标设备的声誉值，节点p对边缘设备q的声誉观点表示为其定义如下所示：

其中，分别表示服务请求节点p对边缘设备q的信任度，不信任度以及不确定度；代表基率，基率是由现有印象形成的预定义常数，没有可靠的证据，表示相信的意愿；

声誉观点计算单元，任务交互结束后，服务请求节点根据任务交互结果向LA提交相关的参数，表示为 表示任务交互完成的时间，分别为成功/失败完成任务中的目标数。将信任关系转换为服务请求节点p对目标设备q的声誉观点

其中，每个声誉观点被LA收集后都会被加权，以便进行准确的声值誉更新，声誉观点的权重基于多个因素来计算；

权重选择计算单元，从几个不同的角度加权声誉观点，注重品质更高的声誉观点，同时在一定程度上避免被存在一些缺陷的声誉观点所误导，在声誉观点中，当服务请求节点与目标节点有更多的交互经历时，声誉观点具有更高可靠性。

更进一步地，所述权重选择计算单元进一步包括：如果服务请求节点与目标设备都具有较高的声誉值，则声誉观点具有较高的准确性，在当前声誉更新的情况下，考虑更多新的声誉权重。

更进一步地，所述声誉观点的权重基于三个方面制定：熟悉度，评价可信度和时间有效性；详细描述如下：

熟悉度：在声誉观点中，熟悉度值是衡量服务请求节点对目标设备的熟悉程度，较高的熟悉度意味着服务请求节点与目标设备具有更多交互经历，利用熟悉度对声誉观点加权；服务请求节点p对目标设备q的熟悉度值等于信任度和不信任度之和，即：

评价可信度：引入评价可信度来对每个声誉观点进行加权，服务请求节点p对目标设备q交互行为所给出声誉观点的可信度表示如下：

其中，ρ为权重衡量因子且0<ρ<1，表示在边缘节点p对目标设备q声誉观点的可信度中，边缘节点p与目标设备q声誉值分别所占的比重；

时间有效性：定义时效性是为了衡量声誉观点的参考价值，历史记录中，最新的

声誉观点将被赋予更高的权重，通过幂律分布设定时间有效性：

其中，中χ和τ是两个预定义的参数，以调整时间有效性的影响；

通过考虑熟悉度，评价可信度和时间有效性，声誉观念的总权重计算如下所示：

s.t.α+β+γ＝1

其中，α，β和γ是三个预定义的加权因子，由此将目标设备q在时隙t的所有有效声誉观点加权获得该时隙内综合声誉观点在时隙t中LA收集到N个对边缘设备q的有效声誉观点，各个声誉观点充分加权计算得到在时隙t内边缘设备q的综合声誉观点：

更进一步地，所述行为建模子模块进一步包括本地声誉观点与声誉值更新单元，LA利用此次得到的t时隙内的综合声誉观点，结合历史声誉观点来更新目标设备q的本地总声誉观点通过主题逻辑中定义的共识操作结合所述声誉观点以进行本地信誉更新：

其中，在历史声誉观点和综合声誉观点确定情况下若分母 利用求平均值的方法更新本地声誉观点，即：

结合声誉观点，声誉值r计算方法如下：

在主观逻辑中基率a设为0.5。

更进一步地，所述更新模块，针对边缘节点本地信誉更新操作包括如下几个步骤：

步骤1，服务请求节点与目标节点进行任务交互；

步骤2，在完成任务交互之后，服务请求节点根据任务交互结果向LA提交关于目标节点声誉观点；

步骤3，LA收集该目标节点一个时隙内所有有效的声誉观点，根据熟悉度，可信度和时间有效性，将声誉观点加权，通过各个加权的声誉观点得到综合声誉观；

步骤4，如果该边缘节点是新用户，则LA向全局声誉数据库请求该设备相关信息，否则LA在本地声誉数据库中搜索，然后使用历史声誉观店和综合声誉观点联合在本地更新最新声誉观点和声誉值；

步骤5，通过互联网最新的声誉观点和声誉值以及相应的信息被更新到全局声誉数据库，并通知边缘节点相关更新信息。

因此，本发明的目的在于克服现有技术中存在的缺陷，提供一种边缘计算网络视频处理中基于主观逻辑的信任机制，形成基于用户体验质量QoE信任评估机制达到最大限度优化用户体验的目的，为边缘计算广泛应用提供有力支持。

本发明的目的在于提供一种基于主观逻辑的信任评估机制，通过身份信任、能力信任、行为信任三重信任机制的边缘节点筛选，确保身份合格、有能力、行为可靠的边缘节点加入网络系统进行服务交互，以及信任信息的共享，实现局部声誉值和全局声誉值的评估，确保安全、可靠、高效率的资源共享与管理，满足用户的高质量体验以及可信安全的需求。本发明需要解决的问题如下：

当有视频处理任务发起，或一个服务请求发起时，系统面临一个需要解决的问题:如何评判这个任务或服务请求的发起者是否可信，如何筛选符合任务请求能力要求的服务提供节点，同时，又如何保证声称提供资源的节点能够真正提供对应的资源。图1为设备节点初次加入边缘计算网络流程图。

考虑图2中的这种场景，一些用户由于自身移动设备性能不足或者能量不足等原因，需要发出任务请求，将他们的应用任务卸载到附近移动设备中。用户关心的是任务资源提供者的信任问题，包括身份信任，能力信任和行为信任这三个因素。在这种场景下，本发明需要做出一个信任机制，以便确保任务资源提供者的身份信任，具备处理任务请求的能力，以及具有良好的行为信任。

本发明将上述过程建模为一个信任问题，并且利用身份信任、能力信任和行为信任将信任问题具体量化。接下来将结合附图来详细描述本发明的建模以及求解过程。

附图说明

从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制，而是将重点放在示出实施例的原理上。在图中，在不同的视图中，相同的附图标记指定对应的部分。

图1为本发明实施例中的边缘节点加入网络流程图；

图2为本发明实施例中的视频处理边缘计算网络功能情景图；

图3为本发明实施例中的信任的分类图；

图4为本发明实施例中的本地信誉更新流程图；

图5为本发明实施例中的信任机制流程图。

具体实施方式

实施例一

对于一个请求加入边缘计算网络的用户，首先要对用户进行身份验证，符合者才能以合法用户加入，新加入的节点分配有初始声誉值。一个视频处理任务请求发起时，边缘服务器首先根据任务对设备的能力要求筛选出能力符合的服务提供用户列表(设定每个任务请求均有合适的服务提供节点)，在服务提供用户列表中随机选择一个终端用户进行交互。交互完成根据交互结果依据行为信任机制更新服务提供用户声誉值，每个区域均部署有一台性能足够强大且可信的边缘服务器，用于节点身份信息验证、存储，节点能力匹配，声誉值计算、存储、更新、查询以及黑名单管理。如图3所示信任的分类图：

1、身份信任

it表示边缘节点(en)的身份信任度，只有在通过受信任的中央机构(边缘服务器)身份认证后，每个边缘节点才成为合法的节点，it取值具有二值性，it_en＝(0,1)。

在边缘计算网络中，我们设定当边缘节点加入边缘计算网络系统时，重定向至距离最近的边缘服务器，若终端节点为首次加入，则需要实名认证注册。认证信息发至边缘服务器审核保存，确保身份认证信息能够维护边缘节点身份的真实性和唯一性。设置一个时间阈值t，在这个时间段t内若边缘终端节点没有加入系统进行交互，边缘服务器会把其身份认证信息以及交互历史信任值信息上传至云服务器，当该终端节点加入系统，可通过云服务器将历史信息加载至距离最近的边缘服务器。

2、能力信任

(1)能力属性选取

在边缘计算定义为对服务请求的响应能力的总称，包括可用服务时长(onlineTime)、CPU处理能力(cpu)、存储空间大小(memory)、硬盘大小(disk)等。根据问题研究应用背景视频处理，如视频下载，视频分析等特点，选取节点设备可用服务时长(onlineTime)，CPU处理能力(cpu)，存储空间大小(memory)，硬盘大小(disk)四个较具代表性的节点能力属性。

(2)能力属性匹配和服务提供节点

边缘服务器利用属性一一匹配方法筛选出符合任务要求的节点作为服务提供候选节点。P_c为服务提供节点所能提供能力属性大小，T_r为任务所要求能力属性大小，即需满足分别表示四种属性。

3、行为信任

(1)基于边缘节点行为信任机制

边缘计算网络中通信范围内进行服务交互的边缘节点，在服务交互完成之后，服务请求节点评估服务提供节点的信任值。在发明中，我们利用多权重主观逻辑来计算由节点之间交互产生的信任评价。主观逻辑是概率信息融合的框架，它运用于关于世界的主观信念。它使用术语“观点”来表示主观信念，并模拟积极，消极和不确定性的评价。主观逻辑提供了产生可量化信任评估作为概率预期的方法，可以对具有显着不确定性的情况进行分析，且能够模拟和评估人类在现实世界场景中所做的信任。

(2)服务节点的选取

节点p对所在区域边缘服务器发起任务请求，边缘服务器根据在步骤2(2)筛选出的服务提供候选节点中随机挑选节点q，与节点q交互完成后节点p根据任务交互结果提交相关的信任参数。

(3)主观逻辑观点表示

边缘节点通过主观逻辑形成观点来评估目标设备的声誉值，节点p对边缘设备q的声誉观点表示为其定义如下所示：

其中分别表示服务请求节点p对边缘设备q的信任度，不信任度以及不确定度；代表基率，基率是由现有印象形成的预定义常数，没有可靠的证据，表示相信的意愿。

(4)声誉观点计算

任务交互结束后，服务请求节点根据任务交互结果向LA提交相关的参数，表示为 表示任务交互完成的时间，分别为成功/失败完成任务中的目标数。将信任关系转换为服务请求节点p对目标设备q的声誉观点

每个声誉观点被LA收集后都会被加权，以便进行准确的声值誉更新，声誉观点的权重基于多个因素来计算，因此传统的主观逻辑通过多权重加权操作演变为多权重主观逻辑。

(5)权重选择与计算

从几个不同的角度加权声誉观点，本发明更加重视品质更高的声誉观点，同时在一定程度上避免被存在一些缺陷的声誉观点所误导。在声誉观点中，当服务请求节点与目标节点有更多的交互经历时，声誉观点具有更高可靠性。此外，如果服务请求节点与目标设备都具有较高的声誉值，则声誉观点具有较高的准确性。在当前声誉更新的情况下，我们还会考虑更多新的声誉权重。因此声誉观点的权重基于三个方面制定：熟悉度，评价可信度和时间有效性。三权重详细描述如下：

①熟悉度：在声誉观点中，熟悉度值是衡量服务请求节点对目标设备的熟悉程度，较高的熟悉度意味着服务请求节点与目标设备具有更多交互经历。为确保可靠的声誉计算，本发明利用熟悉度对声誉观点加权。服务请求节点p对目标设备q的熟悉度值等于信任度和不信任度之和，即：

②评价可信度：在动态异构的边缘计算网络中，边缘恶意节点通过不诚实的评价来拉低正常边缘节点的信任值或者抬高其它边缘恶意合作节点的信任值，尤其是对边缘计算网络系统的危害更大的合作作弊行为，合作作弊的边缘设备彼此之间互相提交虚假的高评价，对团伙外的边缘节点成员信任值进行恶意拉低。为在一定程度上降低该类恶意行为所产生的不良影响，本发明引入评价可信度来对每个声誉观点进行加权，服务请求节点p对目标设备q交互行为所给出声誉观点的可信度表示如下：

其中0<ρ<1，在这里作为一个权重衡量因子而存在。表示在边缘节点p对目标设备q声誉观点的可信度中，边缘节点p与目标设备q声誉值分别所占的比重。

③时间有效性：定义时效性是为了衡量声誉观点的参考价值。它们之间的在历史记录中，最新的声誉观点将被赋予更高的权重。我们用幂律分布设定时间有效性：

上式中χ和τ是两个预定义的参数，以调整时间有效性的影响。

综上所述，通过考虑熟悉度，评价可信度和时间有效性，声誉观念的总权重计算如下所示：

s.t.α+β+γ＝1

这里α，β和γ是三个预定义的加权因子，由此将目标设备q在时隙t的所有有效声誉观点加权获得该时隙内综合声誉观点在时隙t中LA收集到N个对边缘设备q的有效声誉观点，各个声誉观点充分加权计算得到在时隙t内边缘设备q的综合声誉观点：

(6)本地声誉观点与声誉值更新

LA利用此次得到的t时隙内的综合声誉观点，结合历史声誉观点来更新目标设备q的本地总声誉观点本发明使用主题逻辑中定义的共识操作结合它们以进行本地信誉更新：

上式中在历史声誉观点和综合声誉观点确定情况下若分母 在这种情况下，本发明利用求平均值的方法更新本地声誉观点，即：

结合声誉观点，声誉值r计算方法如下：

在主观逻辑中基率a一般都设为0.5。

综上所述，如图4所示，针对边缘节点本地信誉更新操作包括如下几个步骤：

①服务请求节点与目标节点进行任务交互。

②在完成任务交互之后，服务请求节点根据任务交互结果向LA提交关于目标节点声誉观点。

③LA收集该目标节点一个时隙内所有有效的声誉观点。根据熟悉度，可信度和时间有效性，将声誉观点加权，通过各个加权的声誉观点得到综合声誉观。

④如果该边缘节点是新用户，则LA向全局声誉数据库请求该设备相关信息，否则LA在本地声誉数据库中搜索，然后使用历史声誉观店和综合声誉观点联合在本地更新最新声誉观点和声誉值。

⑤通过互联网最新的声誉观点和声誉值以及相应的信息被更新到全局声誉数据库，并通知边缘节点相关更新信息。

实施例二

如图5所示，本实施例公开了一种边缘计算网络视频处理中基于主观逻辑的信任评估装置，包括：信任建模模块，所述信任建模模块包括身份建模子模块、能力建模子模块以及行为建模子模块；评价模块，根据信任建模模块建立的模型，在交互完成后任务请求节点根据交互结果向边缘服务器提交评价；更新模块，边缘服务器根据评价结果计算更新存储服务提供节点声誉值，并将更新后的结果通知服务提供节点。

更进一步地，身份建模子模块对身份信任建模，具体建模步骤如下：

只有在通过受信任的中央机构(边缘服务器)身份认证后，每个边缘节点才成为合法的节点，it表示边缘节点(en)的身份信任度，it取值具有二值性，it_en＝(0,1)；在边缘计算网络中，设定当边缘节点加入边缘计算网络系统时，重定向至距离最近的边缘服务器，若终端节点为首次加入，则需要实名认证注册；认证信息发至边缘服务器审核保存，确保身份认证信息能够维护边缘节点身份的真实性和唯一性；设置一个时间阈值t，在这个时间段t内若边缘终端节点没有加入系统进行交互，边缘服务器会把其身份认证信息以及交互历史信任值信息上传至云服务器，当该终端节点加入系统，可通过云服务器将历史信息加载至距离最近的所述边缘服务器。

更进一步地，能力建模子模块对能力信任建模，具体建模步骤如下：

能力属性选取单元，在边缘计算定义为对服务请求的响应能力的总称，包括可用服务时长(onlineTime)、CPU处理能力(cpu)、存储空间大小(memory)、硬盘大小(disk)；根据问题研究应用背景视频处理(视频下载、视频分析特点)，选取节点设备可用服务时长(onlineTime)，CPU处理能力(cpu)，存储空间大小(memory)，硬盘大小(disk)四个较具代表性的节点能力属性；

能力属性匹配和服务提供节点单元；边缘服务器利用属性一一匹配方法筛选出符合任务要求的节点作为服务提供候选节点，其中，P_c为服务提供节点所能提供能力属性大小，T_r为任务所要求能力属性大小，即需满足分别表示四种属性。

更进一步地，行为建模子模块对行为信任建模，具体建模步骤如下：

边缘计算网络中通信范围内进行服务交互的边缘节点，在服务交互完成之后，服务请求节点评估服务提供节点的信任值；通过多权重主观逻辑来计算由节点之间交互产生的信任评价；

服务提供节点选取单元，节点p对所在区域边缘服务器发起任务请求，边缘服务器根据在上述能力属性匹配和服务提供节点单元所筛选出的服务提供候选节点中随机挑选节点q，与节点q交互完成后节点p根据任务交互结果提交相关的信任参数；

主观逻辑观点评估单元，边缘节点通过主观逻辑形成观点来评估目标设备的声誉值，节点p对边缘设备q的声誉观点表示为其定义如下所示：

其中，分别表示服务请求节点p对边缘设备q的信任度，不信任度以及不确定度；代表基率，基率是由现有印象形成的预定义常数，没有可靠的证据，表示相信的意愿；

声誉观点计算单元，任务交互结束后，服务请求节点根据任务交互结果向LA提交相关的参数，表示为 表示任务交互完成的时间，分别为成功/失败完成任务中的目标数。将信任关系转换为服务请求节点p对目标设备q的声誉观点

其中，每个声誉观点被LA收集后都会被加权，以便进行准确的声值誉更新，声誉观点的权重基于多个因素来计算；

权重选择计算单元，从几个不同的角度加权声誉观点，注重品质更高的声誉观点，同时在一定程度上避免被存在一些缺陷的声誉观点所误导，在声誉观点中，当服务请求节点与目标节点有更多的交互经历时，声誉观点具有更高可靠性。

更进一步地，所述权重选择计算单元进一步包括：如果服务请求节点与目标设备都具有较高的声誉值，则声誉观点具有较高的准确性，在当前声誉更新的情况下，考虑更多新的声誉权重。

更进一步地，所述声誉观点的权重基于三个方面制定：熟悉度，评价可信度和时间有效性；详细描述如下：

熟悉度：在声誉观点中，熟悉度值是衡量服务请求节点对目标设备的熟悉程度，较高的熟悉度意味着服务请求节点与目标设备具有更多交互经历，利用熟悉度对声誉观点加权；服务请求节点p对目标设备q的熟悉度值等于信任度和不信任度之和，即：

评价可信度：引入评价可信度来对每个声誉观点进行加权，服务请求节点p对目标设备q交互行为所给出声誉观点的可信度表示如下：

其中，ρ为权重衡量因子且0<ρ<1，表示在边缘节点p对目标设备q声誉观点的可信度中，边缘节点p与目标设备q声誉值分别所占的比重；

时间有效性：定义时效性是为了衡量声誉观点的参考价值，历史记录中，最新的

声誉观点将被赋予更高的权重，通过幂律分布设定时间有效性：

其中，中χ和τ是两个预定义的参数，以调整时间有效性的影响；

通过考虑熟悉度，评价可信度和时间有效性，声誉观念的总权重计算如下所示：

s.t.α+β+γ＝1

其中，α，β和γ是三个预定义的加权因子，由此将目标设备q在时隙t的所有有效声誉观点加权获得该时隙内综合声誉观点在时隙t中LA收集到N个对边缘设备q的有效声誉观点，各个声誉观点充分加权计算得到在时隙t内边缘设备q的综合声誉观点：

更进一步地，所述行为建模子模块进一步包括本地声誉观点与声誉值更新单元，LA利用此次得到的t时隙内的综合声誉观点，结合历史声誉观点来更新目标设备q的本地总声誉观点通过主题逻辑中定义的共识操作结合所述声誉观点以进行本地信誉更新：

其中，在历史声誉观点和综合声誉观点确定情况下若分母 利用求平均值的方法更新本地声誉观点，即：

结合声誉观点，声誉值r计算方法如下：

在主观逻辑中基率a设为0.5。

更进一步地，所述更新模块，针对边缘节点本地信誉更新操作包括如下几个步骤：

步骤1，服务请求节点与目标节点进行任务交互；

步骤2，在完成任务交互之后，服务请求节点根据任务交互结果向LA提交关于目标节点声誉观点；

步骤3，LA收集该目标节点一个时隙内所有有效的声誉观点，根据熟悉度，可信度和时间有效性，将声誉观点加权，通过各个加权的声誉观点得到综合声誉观；

步骤4，如果该边缘节点是新用户，则LA向全局声誉数据库请求该设备相关信息，否则LA在本地声誉数据库中搜索，然后使用历史声誉观店和综合声誉观点联合在本地更新最新声誉观点和声誉值；

步骤5，通过互联网最新的声誉观点和声誉值以及相应的信息被更新到全局声誉数据库，并通知边缘节点相关更新信息。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

虽然上面已经参考各种实施例描述了本发明，但是应当理解，在不脱离本发明的范围的情况下，可以进行许多改变和修改。因此，其旨在上述详细描述被认为是例示性的而非限制性的，并且应当理解，以下权利要求(包括所有等同物)旨在限定本发明的精神和范围。以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (8)

1.一种边缘计算网络视频处理中基于主观逻辑的信任评估装置，其特征在于，包括：信任建模模块，所述信任建模模块包括身份建模子模块、能力建模子模块以及行为建模子模块；评价模块，根据信任建模模块建立的模型，在交互完成后任务请求节点根据交互结果向边缘服务器提交评价；更新模块，边缘服务器根据评价结果计算更新存储服务提供节点声誉值，并将更新后的结果通知服务提供节点。

2.一种如权利要求1所述的装置，其特征在于，身份建模子模块对身份信任建模，具体建模步骤如下：

只有在通过受信任的中央机构(边缘服务器)身份认证后，每个边缘节点才成为合法的节点，it表示边缘节点(en)的身份信任度，it取值具有二值性，it_en＝(0,1)；在边缘计算网络中，设定当边缘节点加入边缘计算网络系统时，重定向至距离最近的边缘服务器，若终端节点为首次加入，则需要实名认证注册；认证信息发至边缘服务器审核保存，确保身份认证信息能够维护边缘节点身份的真实性和唯一性；设置一个时间阈值t，在这个时间段t内若边缘终端节点没有加入系统进行交互，边缘服务器会把其身份认证信息以及交互历史信任值信息上传至云服务器，当该终端节点加入系统，可通过云服务器将历史信息加载至距离最近的所述边缘服务器。

3.一种如权利要求2所述的装置，其特征在于，能力建模子模块对能力信任建模，具体建模步骤如下：

能力属性选取单元，在边缘计算定义为对服务请求的响应能力的总称，包括可用服务时长(onlineTime)、CPU处理能力(cpu)、存储空间大小(memory)、硬盘大小(disk)；根据问题研究应用背景视频处理(视频下载、视频分析特点)，选取节点设备可用服务时长(onlineTime)，CPU处理能力(cpu)，存储空间大小(memory)，硬盘大小(disk)四个较具代表性的节点能力属性；

能力属性匹配和服务提供节点单元；边缘服务器利用属性一一匹配方法筛选出符合任务要求的节点作为服务提供候选节点，其中，P_c为服务提供节点所能提供能力属性大小，T_r为任务所要求能力属性大小，即需满足分别表示四种属性。

4.一种如权利要求3所述的装置，其特征在于，行为建模子模块对行为信任建模，具体建模步骤如下：

边缘计算网络中通信范围内进行服务交互的边缘节点，在服务交互完成之后，服务请求节点评估服务提供节点的信任值；通过多权重主观逻辑来计算由节点之间交互产生的信任评价；

服务提供节点选取单元，节点p对所在区域边缘服务器发起任务请求，边缘服务器根据在上述能力属性匹配和服务提供节点单元所筛选出的服务提供候选节点中随机挑选节点q，与节点q交互完成后节点p根据任务交互结果提交相关的信任参数；

主观逻辑观点评估单元，边缘节点通过主观逻辑形成观点来评估目标设备的声誉值，节点p对边缘设备q的声誉观点表示为其定义如下所示：

其中，分别表示服务请求节点p对边缘设备q的信任度，不信任度以及不确定度；代表基率，基率是由现有印象形成的预定义常数，没有可靠的证据，表示相信的意愿；

声誉观点计算单元，任务交互结束后，服务请求节点根据任务交互结果向LA提交相关的参数，表示为 表示任务交互完成的时间，分别为成功/失败完成任务中的目标数，将信任关系转换为服务请求节点p对目标设备q的声誉观点

其中，每个声誉观点被LA收集后都会被加权，以便进行准确的声值誉更新，声誉观点的权重基于多个因素来计算；

权重选择计算单元，从几个不同的角度加权声誉观点，注重品质更高的声誉观点，同时在一定程度上避免被存在一些缺陷的声誉观点所误导，在声誉观点中，当服务请求节点与目标节点有更多的交互经历时，声誉观点具有更高可靠性。

5.如权利要求4所述的装置，其特征在于，所述权重选择计算单元进一步包括：如果服务请求节点与目标设备都具有较高的声誉值，则声誉观点具有较高的准确性，在当前声誉更新的情况下，考虑更多新的声誉权重。

6.如权利要求5所述的装置，其特征在于，所述声誉观点的权重基于三个方面制定：熟悉度，评价可信度和时间有效性；详细描述如下：

熟悉度：在声誉观点中，熟悉度值是衡量服务请求节点对目标设备的熟悉程度，较高的熟悉度意味着服务请求节点与目标设备具有更多交互经历，利用熟悉度对声誉观点加权；服务请求节点p对目标设备q的熟悉度值等于信任度和不信任度之和，即：

评价可信度：引入评价可信度来对每个声誉观点进行加权，服务请求节点p对目标设备q交互行为所给出声誉观点的可信度表示如下：

其中，ρ为权重衡量因子且0<ρ<1，表示在边缘节点p对目标设备q声誉观点的可信度中，边缘节点p与目标设备q声誉值分别所占的比重；

时间有效性：定义时效性是为了衡量声誉观点的参考价值，历史记录中，最新的声誉观点将被赋予更高的权重，通过幂律分布设定时间有效性：

其中，中χ和τ是两个预定义的参数，以调整时间有效性的影响；

通过考虑熟悉度，评价可信度和时间有效性，声誉观念的总权重计算如下所示：

s.t.α+β+γ＝1

其中，α，β和γ是三个预定义的加权因子，由此将目标设备q在时隙t的所有有效声誉观点加权获得该时隙内综合声誉观点在时隙t中LA收集到N个对边缘设备q的有效声誉观点，各个声誉观点充分加权计算得到在时隙t内边缘设备q的综合声誉观点：

7.如权利要求6所述的装置，其特征在于，所述行为建模子模块进一步包括本地声誉观点与声誉值更新单元，LA利用此次得到的t时隙内的综合声誉观点，结合历史声誉观点来更新目标设备q的本地总声誉观点通过主题逻辑中定义的共识操作结合所述声誉观点以进行本地信誉更新：

其中，在历史声誉观点和综合声誉观点确定情况下若分母 利用求平均值的方法更新本地声誉观点，即：

结合声誉观点，声誉值r计算方法如下：

在主观逻辑中基率a设为0.5。

8.一种如权利要求7所述的装置，其特征在于，所述更新模块，针对边缘节点本地信誉更新操作包括如下几个步骤：

步骤1，服务请求节点与目标节点进行任务交互；

步骤2，在完成任务交互之后，服务请求节点根据任务交互结果向LA提交关于目标节点声誉观点；

步骤3，LA收集该目标节点一个时隙内所有有效的声誉观点，根据熟悉度，可信度和时间有效性，将声誉观点加权，通过各个加权的声誉观点得到综合声誉观；

步骤4，如果该边缘节点是新用户，则LA向全局声誉数据库请求该设备相关信息，否则LA在本地声誉数据库中搜索，然后使用历史声誉观店和综合声誉观点联合在本地更新最新声誉观点和声誉值；

步骤5，通过互联网最新的声誉观点和声誉值以及相应的信息被更新到全局声誉数据库，并通知边缘节点相关更新信息。