CN110213736B - 一种基于众包的传感云底层节点信任评价方法 - Google Patents

Abstract

本发明公开了一种基于众包的传感云底层节点信任评价方法，包括：云端向移动用户发布信任评价任务；移动用户根据自身情况决定是否投标，若决定投标，则向云端上传其自身信息，所有参与投标的移动用户构成用户集合EU＝{u₁,u₂,...,u_i,...,u_n}；云端基于移动用户上传的自身信息，从用户集合EU中选出参与信任评价的用户集合S；用户集合S中的移动用户对传感云底层的传感器节点进行信任评价，并将信任评价结果上传至云端；云端根据移动用户上传的信任评价结果进行数据聚合，获得最终信任评价结果；云端根据移动用户上传的信任评价结果及自身信息，决定用户集合S中移动用户的实际报酬。本发明通过众包雇佣移动用户对传感云底层传感器节点进行信任评价，能有效减小信任评价的成本。

Description

一种基于众包的传感云底层节点信任评价方法

技术领域

本发明涉及大规模传感云中的信息安全领域，特别是涉及一种基于众包的传感云底层 节点信任评价方法。

背景技术

无线传感器网络被广泛应用于工业控制、智能家居与消费类电子、智能精细农业、环 境感知和健康检测等诸多领域。然而，由于计算能力和存储容量的限制，大量的传感器数据 无法得到有效的处理与分析。近年来，随着云计算技术的发展，研究者们逐渐将注意力转向 了云计算技术与无线传感器网络的结合。云计算技术拓展了传感器网络的应用空间，也为解 决传感器网路的诸多限制问题提供了新的思路，如为传感器网络的数据处理和存储提供了强 有力的支撑。传感云通过集成无线传感器网络技术和云计算技术，以方便地向用户提供理想 的传感器数据，从而更好地服务于人们。以工业物联网为例，通过无线传感器网络与云的通 信和交互，传感器节点感知和采集到的数据可以先传输到云端，然后在云端的数据中心进行 数据的存储和处理，最终，这些被处理过的传感数据可随时通过互联网按需传送给用户，满 足人们实时了解和掌控生产环境的需求。

随着传感云规模的增加，传感云中的安全问题也逐渐显现。一方面，不断增强的通信 能力使得越来越多的底层节点更加紧密的联系用户，云以及其他物联网系统；另一方面，连 通性的增加也使得系统更容易受到网络故障和恶意攻击的影响。一个故障或恶意的节点可能 会导致整个系统的崩溃。针对此问题，人们提出了传感云中的信任评价机制，通过收集特定 的信息，评价者能得知特定节点的信任信息，进而判断节点是否可信。当前的信任评价机制 主要可以分为中心化和分布式两大类。在中心化的信任评价机制中，一个或多个计算中心被 用于计算和存储整个网络中的节点的信任值，而在分布式的信任评价机制中，节点相互进行 信任评价并自己存储信任值。

然而，当前传感云中的信任评价机制还存在着如下问题：

(1)在中心化信任评价中，安装与维护专用的信任评价设备的成本过高。由于信任评 价不需要太高的执行频次，因此使用专门的设备进行信任评价在经济上并不划算，同时，中 心化信任评价的可拓展性较差，对于新部署的传感器网络往往需要引入新的设备进行信任评 价。

(2)在分布式信任评价中，信任值存储在每个节点中。云端无法直接获得每个传感器 细粒度的信任评价，同时，云端与网络的频繁交互会导致网络能量消耗过多。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于众包的传感云底层节点信任评 价方法，通过众包雇佣移动用户对传感云系统中底层传感器节点进行信任评价，同时提出了 一种激励机制以激励移动用户诚实可靠地执行信任评价任务。

本发明解决其技术问题所采用的技术方案是：一种基于众包的传感云底层节点信任评 价方法，包括如下步骤：

S1：云端向移动用户发布信任评价任务；

S2：移动用户根据自身情况决定是否投标，若决定投标，则向云端上传其自身信息； 所有参与投标的移动用户构成用户集合EU＝{u₁,u₂,...,u_i,...,u_n}，u_i为用户集合EU中的第i 个移动用户(1≤i≤n，且i为正整数)，其向云端上传的自身信息记为bid_i，n为参与投标 的移动用户的个数，所有参与投标的移动用户向云端上传的自身信息构成上传信息集合 BID＝{bid₁,bid₂,...,bid_i,...,bid_n}；

S3：云端基于移动用户上传的自身信息，从用户集合EU中选出参与信任评价的用户集 合S；

S4：用户集合S中的移动用户对传感云底层的传感器节点进行信任评价，并将信任评 价结果上传至云端；

S5：云端根据移动用户上传的信任评价结果进行数据聚合，获得最终信任评价结果。

进一步的，所述步骤S5之后还包括步骤S6：云端根据移动用户上传的信任评价结果及 自身信息，决定用户集合S中移动用户的实际报酬。

进一步的，所述移动用户u_i的自身信息bid_i包括三元组(q_i,area_i,b_i)，其中q_i是移动用 户u_i的评价质量，q_i∈[0,1]，area_i是移动用户u_i的评价范围，b_i是移动用户u_i执行任务的要 价。

进一步的，所述移动用户u_i的评价范围area_i包括二元组(l_i,r_i)，其中l_i是移动用户u_i的 当前位置，r_i是移动用户u_i的移动范围，移动用户u_i能够对其评价范围area_i内的传感器节 点进行信任评价。

进一步的，所述步骤S3中云端基于移动用户上传的自身信息，从用户集合EU中选出 参与信任评价的用户集合S采用算法1实现，算法1定义如下：

算法1.用户选择算法：

输入：用户集合EU，上传信息集合BID，每个传感器节点需被评价的次数x，传感器节点集合N＝{n₁,n₂,...,n_j,...,n_|N|}，其中n_j为第j个传感器节点(1≤j≤|N|，且j为正整数)， |N|为待评价的传感器节点的个数

输出：参与信任评价的用户集合S

1)将用户集合S初始化为空；

2)While(用户集合S的评价范围不能满足传感器节点集合N中的每个传感器节点被评 价x次)

3)令u为当前用户集合EU中拥有最大

值的移动用户，ai是移动用户u_i的信任评价 能力，b_i是移动用户u_i执行任务的要价，u_i∈EU；

4)if(移动用户u能够评价的每个传感器节点都已能被当前用户集合S中的移动用户 评价x次)

5)EU＝EU\u；//将移动用户u从用户集合EU中删除

6)else

7)S＝S∪{u}；//将移动用户u加入用户集合S中

8)EU＝EU\u；

9)end if

10)end while

11)输出用户集合S。

进一步的，所述步骤S5中云端根据移动用户上传的信任评价结果进行数据聚合，获得 最终信任评价结果采用算法2实现，算法2定义如下：

算法2.数据聚合算法：

输入：上传信息集合BID，用户集合S，传感器节点集合N＝{n₁,n₂,...,n_j,...,n_|N|}，用户 集合S中的移动用户上传的信任评价结果

输出：最终信任评价结果集合DC＝{d_c1,d_c2,...,d_cj,...,d_c|N|}，d_cj为传感器节点n_j的最终 信任评价结果，1≤j≤|N|，且j为正整数

1)将最终信任评价结果集合DC初始化为空；

2)for(传感器节点集合N中的每个传感器节点n_j)

3)

4)DC＝DC∪d_cj；

5)end for

6)输出最终信任评价结果集合DC；

其中，q_i是移动用户u_i的评价质量，d_ij表示移动用户u_i对传感器节点n_j的信任评价结 果，d_ij∈{1,-1,0}，d_ij＝1代表移动用户u_i认为传感器节点n_j是正常节点，d_ij＝-1代表移动 用户u_i认为传感器节点n_j是恶意节点，d_ij＝0代表移动用户u_i没有对传感器节点n_j进行信 任评价,u_i∈S(1≤i≤n，且i为正整数)。

进一步的，所述步骤S6中云端根据移动用户上传的信任评价结果及自身信息，决定用 户集合S中移动用户的实际报酬采用算法3实现，算法3定义如下：

算法3.奖励分配算法：

输入：用户集合EU，上传信息集合BID，用户集合S，最终信任评价结果集合 DC＝{d_c1,d_c2,...,d_cj,...,d_c|N|}，用户集合S上传的信任评价结果

输出：用户集合S中所有移动用户的实际报酬构成的实际报酬集合P

1)将实际报酬集合P初始化为空

2)for(用户集合S中的每个移动用户u_i)//u_i∈S，

(1≤i≤n，且i为正整数)

3)向算法1输入EU＝EU\u_i、上传信息集合BID、每个传感器节点需要被评价的次数x及传感器节点集合N后运行算法1，将算法1返回的结果赋值给用户集合S′_i；//从用户集合EU中选出不含移动用户u_i且能够对传感器节点集合N中的每个传感器节点评价x次 的用户集合S′_i

4)根据用户集合S′_i中的移动用户上传的自身信息及移动用户u_i上传的自身信息bid_i计 算移动用户u_i的最大理论报酬p′_i；

5)根据移动用户u_i上传的信任评价结果和云端获得的最终信任评价结果计算移动用户 u_i的理论评价质量ac_i；

6)if(ac_i≥q_i)//实际评价质量高于上传的评价质量

7)p_i＝p′_i；//p_i为移动用户u_i的实际报酬

8)

//实际评价质量低于上传的评价质量，高于仅依靠猜测得出的 评价质量

9)

10)else//实际评价质量等于或低于仅依靠猜测得出的评价质量

11)p_i＝0；

12)end if

13)P＝P∪p_i；

14)end for

15)输出实际报酬集合P。

进一步的，所述计算移动用户u_i的最大理论报酬p′_i的计算方式如下：

其中，a_i为移动用户u_i的信任评价能力，u_i∈S，a_j为移动用户u_j的信任评价能力，b_j为移动用户u_j执行任务的要价，u_j∈S′_i，j的取值范围为：1≤j≤n，j≠i，且j为正整数。

进一步的，所述计算移动用户u_i的理论评价质量ac_i的计算方式如下：

其中，d_ij表示移动用户u_i对传感器节点n_j的信任评价结果。

进一步的，所述移动用户u_i的信任评价能力a_i的由其评价质量q_i和移动范围r_i共同决 定，将移动用户u_i的信任评价能力a_i定义为单调递增函数a_i＝F(q_i,r_i)。

相较于现有技术，本发明具有以下有益效果：

1、本发明通过众包雇佣移动用户对传感云系统中底层传感器节点进行信任评价，能够 有效减小信任评价的成本，进而减少传感云服务商的成本，并让云能方便的获取底层传感器 网络的各项信息。

2、本发明所述方法不受网络规模的限制，同时可以适应大规模传感云系统，因此可扩 展性强。

3、与现有传感云信任评价机制相比，本发明提出了一种可靠的激励机制，该机制不但 能保证移动用户诚实的上传评价质量等自身信息，同时能激励用户努力完成信任评价任务。

以下结合附图及实施例对本发明作进一步详细说明；但本发明的一种基于众包的传感 云底层节点信任评价方法不局限于实施例。

附图说明

图1是本发明方法的处理步骤流程图；

图2是本发明的整体架构图；

图3是本发明移动用户的评价范围示意图；

图4是本发明的基于众包的传感云底层节点信任评价方法的仿真实验结果图：图4(a) 表示移动用户虚报信任评价质量对报酬的影响；图4(b)表示移动用户是否努力对用户报 酬的影响；图4(c)表示移动用户上传虚假数据对报酬的影响；图4(d)表示移动用户的不同行为对用户效用的影响。

具体实施方式

以下将结合本发明附图，对本发明实施例中的技术方案进行详细描述和讨论。应当理解， 此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

针对传统的信任评价方法成本过高、与云端通信能力差的问题，本发明方法使用众包的 方式让云端通过招募移动用户对传感云系统中底层传感器节点进行信任评价，同时提出了一 种激励机制，该激励机制能够尽可能减小云端的支付成本，并有效激励移动用户诚实的上报 自身的信任评价能力、可靠的执行信任评价任务和上传信任评价结果。

具体的，请参见图1所示，本发明的一种基于众包的传感云底层节点信任评价方法， 包括如下步骤：

S1：云端向移动用户发布对传感云底层传感器节点进行信任评价的信任评价任务；

S2：移动用户在得到信任评价任务的信息后根据自身情况决定是否投标，若决定投标， 则向云端上传其自身信息；所有参与投标的移动用户构成用户集合EU＝{u₁,u₂,...,u_i,...,u_n}， u_i为用户集合EU中的第i个移动用户(1≤i≤n，且i为正整数)，其向云端上传的自身信 息记为bid_i，n为参与投标的移动用户的个数，所有参与投标的移动用户向云端上传的自身 信息构成上传信息集合BID＝{bid₁,bid₂,...,bid_i,...,bid_n}；

S3：云端基于移动用户上传的自身信息，从用户集合EU中选出参与信任评价的用户集 合S。

S4：用户集合S中的移动用户对传感云底层的传感器节点进行信任评价，并将信任评 价结果上传至云端；

S5：云端根据移动用户上传的信任评价结果进行数据聚合，获得最终信任评价结果；

S6：云端根据移动用户上传的信任评价结果及自身信息，决定用户集合S中移动用户 的实际报酬。

所述移动用户u_i的自身信息bid_i包括三元组(q_i,area_i,b_i)，其中q_i是移动用户u_i的评价 质量，q_i∈[0,1]，q_i值越大，表示移动用户u_i的评价质量越高，即移动用户u_i进行信任评价 的准确率越高，area_i是移动用户u_i的评价范围，b_i是移动用户u_i执行任务的要价，故上传 信息集合BID可表示为BID＝{(q₁,area₁,b₁),(q₂,area₂,b₂),...,(q_i,area_i,b_i),...,(q_n,area_n,b_n)}。根 据移动用户上传的自身信息，云端可以得知每个移动用户能评价的传感器节点个数以及移动 用户能评价的具体传感器节点。

所述移动用户u_i的评价范围area_i包括二元组(l_i,r_i)，其中l_i是移动用户u_i的当前位置， r_i是移动用户u_i的移动范围，移动用户u_i能够对其评价范围area_i内的传感器节点进行信任 评价。为简单起见，如图所示3，本实施例中移动用户u_i的评价范围area_i用以当前位置l_i为 圆心和以移动范围r_i为半径的圆来表示，移动用户u_i能够对该圆内的传感器节点进行信任评 价。

所述移动用户u_i的信任评价能力a_i的由其评价质量q_i和移动范围r_i共同决定，将移动用 户u_i的信任评价能力a_i定义为单调递增函数a_i＝F(q_i,r_i)，本实施例中，将移动用户u_i的信 任评价能力a_i定义为以欧拉数e为底数的指数函数

所述步骤S3中云端基于移动用户上传的自身信息，从用户集合EU中选出参与信任评 价的用户集合S采用算法1实现，算法1定义如下：

算法1.用户选择算法：

输入：用户集合EU，上传信息集合BID，每个传感器节点需被评价的次数x，传感器节点集合N＝{n₁,n₂,...,n_j,...,n_|N|}，其中n_j为第j个传感器节点(1≤j≤|N|，且j为正整数)， |N|为传感云系统中待评价的传感器节点的个数，EU中的所有移动用户能够评价的传感器 节点的集合

其中N_ui为移动用户u_i能够评价的传感器节点集合

输出：参与信任评价的用户集合S

1)初始化：

S_visit＝zeros(|N|)

2)While(max(S_visit)！＝x||max(S_visit)！＝min(S_visit))

3)令u为当前用户集合EU中拥有最大

值的移动用户，a_i是移动用户u_i的信任评价能力，b_i是移动用户u_i执行任务的要价，u_i∈EU；

4)if(移动用户u能够评价的每个传感器节点都已能被当前用户集合S中的移动用户 评价x次)

5)EU＝EU\u；//将移动用户u从用户集合EU中删除

6)else

7)S＝S∪{u}；//将移动用户u加入用户集合S中

8)for(移动用户u能够评价的每个传感器节点n_j)

9)S_visit(j)＝S_visit(j)+1；

10)if(S_visit(j)＞x)

11)S_visit(j)＝x；//将S_visit(j)置为x

12)end if

13)end for

14)EU＝EU\u；//将移动用户u从用户集合EU中删除

15)end if

16)end while

17)输出用户集合S

其中，S_visit为一个具有|N|个元素的数组，S_visit(j)为数组S_visit中的第j个元素，S_visit(j) 表示当前用户集合S中的移动用户能够评价传感器节点n_j的次数，如，S_visit(4)＝3表示当 前用户集合S中的移动用户能够评价传感器节点n₄的次数为3，max(S_visit)表示S_visit数组中 最大的值，使用max(S_visit)！＝x||max(S_visit)！＝min(S_visit)来表示用户集合S中的移动用户不能满 足评价传感器节点集合N中的每个传感器节点x次。

所述步骤S5中云端根据移动用户上传的信任评价结果进行数据聚合，获得最终信任评 价结果采用算法2实现，算法2定义如下：

算法2.数据聚合算法：

输入：上传信息集合BID，步骤S3中得到的用户集合S，传感器节点集合N，用户集合S中的移动用户上传的信任评价结果

输出：最终信任评价结果集合DC＝{d_c1,d_c2,...,d_cj,...,d_c|N|}，d_cj为传感器节点n_j的最终 信任评价结果，1≤j≤|N|，且j为正整数

1)将最终信任评价结果集合DC初始化为空；

2)for(传感器节点集合N中的每个传感器节点n_j)

3)

4)DC＝DC∪d_cj；

5)end for

6)输出最终信任评价结果集合DC；

其中，q_i是移动用户u_i的评价质量，d_ij表示移动用户u_i对传感器节点n_j的信任评价结 果，d_ij∈{1,-1,0}，d_ij＝1代表移动用户u_i认为传感器节点n_j是正常节点，d_ij＝-1代表移动 用户u_i认为传感器节点n_j是恶意节点，d_ij＝0代表移动用户u_i没有对传感器节点n_j进行信 任评价,u_i∈S，

(1≤i≤n，且i为正整数)；sign(·)表示符号函数。

所述步骤S6中云端根据移动用户上传的信任评价结果及自身信息，决定用户集合S中 移动用户的实际报酬采用算法3实现，算法3定义如下：

算法3.奖励分配算法：

输入：用户集合EU＝{u₁,u₂,...,u_i,...,u_n}，上传信息集合BID，用户集合S，最终信任评 价结果集合DC＝{d_c1,d_c2,...,d_cj,...,d_c|N|}，d_cj表示传感器节点n_j的最终信任评价结果，用户集 合S上传的信任评价结果

输出：用户集合S中所有移动用户的实际报酬构成的实际报酬集合P

1)将实际报酬集合P初始化为空

2)for(用户集合S中的每个移动用户u_i)//u_i∈S，

(1≤i≤n，且i为正 整数)

3)向算法1输入EU＝EU\u_i、上传信息集合BID、每个传感器节点需要被评价的次数x及传感器节点集合N后运行算法1，将算法1返回的结果赋值给用户集合S′_i；//从用户集合EU中选出不含移动用户u_i且能够对传感器节点集合N中的每个传感器节点评价x次 的用户集合S′_i

4)根据用户集合S′_i中的移动用户上传的自身信息及移动用户u_i上传的自身信息bid_i计 算移动用户u_i的最大理论报酬p′_i；

5)根据移动用户u_i上传的信任评价结果和云端获得的最终信任评价结果计算移动用户 u_i的理论评价质量ac_i；

6)if(ac_i≥q_i)//实际评价质量高于上传的评价质量

7)p_i＝p′_i；

8)

//实际评价质量低于上传的评价质量，高于仅依靠猜测得出的 评价质量

9)

10)else//实际评价质量等于或低于仅依靠猜测得出的评价质量

11)p_i＝0；

12)end if

13)P＝P∪p_i；

14)end for

15)输出实际报酬集合P；

其中，p_i为移动用户u_i的实际报酬，当一个移动用户没有被选中去执行信任评价任务 时，他的报酬为0，反之则为p_i。

所述计算移动用户u_i的最大理论报酬p′_i的计算方式如下：

其中，a_i为移动用户u_i的信任评价能力，u_i∈S，a_j为移动用户u_j的信任评价能力，b_j为移动用户u_j执行任务的要价，u_j∈S′_i，j的取值范围为：1≤j≤n，j≠i，且j为正整数。

所述计算移动用户u_i的理论评价质量ac_i的计算方式如下：

其中，d_ij表示移动用户u_i对传感器节点n_j的信任评价结果，d_ij∈{1,-1,0}，

表示移动用户u_i上传的信任评价结果与云端获得的最终信任评价结果相同的传感器节点数，

表示移动用户u_i所评价的传感器节点总数，|d_ij|表示d_ij取绝对值。

理论上，移动用户u_i评价的传感器节点数量越多，移动用户u_i的理论评价质量ac_i越接 近其实际评价质量q′_i。移动用户u_i的实际评价质量q′_i是指移动用户u_i在进行信任评价时实 际使用的信任评价质量，q′_i∈[0,1]，q′_i的值越大，表示移动用户u_i的实际评价质量越高，如： q′_i＝0.7，表示移动用户u_i评价某一传感器节点时有70％的概率能够正确判断该节点是否可 信；而移动用户u_i的理论评价质量ac_i是云端根据移动用户u_i上传的信任评价结果和云端获 得的最终信任评价结果反推出的用户信任评价质量，例如，移动用户u_i一共判断了10个节 点，其中有6个与云端的最终信任评价结果相符，则云端认为ac_i等于0.6。

本实施例中，用e_i表示移动用户u_i在执行信任评价任务时所付出的努力，e_i∈{0,1}。 e_i＝1意味着移动用户u_i在执行信任评价任务时付出了努力，而e_i＝0意味着移动用户u_i并没 有认真执行信任评价任务，上报的结果也仅仅是根据自身的猜测。据此，移动用户u_i的实际 评价质量q′_i可表示为：

q′_i＝e_iq_i+(1-e_i)*0.5

当移动用户u_i付出了努力去执行信任评价任务时，e_i＝1，而q′_i＝q_i，表示用户获得节点真 实状态的概率与移动用户u_i上传的评价质量有关，当移动用户u_i没有付出努力去执行信任 评价任务时，e_i=0，而q'_i=0.5，表示用户获得节点真实状态的概率为0.5，移动用户u_i通 过猜测来判断节点的状态。

本实施例中，移动用户u_i的效用y_i定义如下：

y_i＝p_i-c_i

其中，p_i为移动用户u_i的实际报酬，c_i为移动用户u_i执行信任评价任务所花的成本：

c_i＝e_ic_i

当e_i＝0时，移动用户u_i执行信任评价任务的成本为0。

本实施例中，移动用户通过移动终端(如手机、笔记本、平板电脑等)接收信任评价任 务以及向云端上传其自身信息。图2为本发明的整体架构图，图2中标号说明如下：1表示云端向移动用户发布信任评价任务；2表示移动用户进行投标；3表示云端进行任务分配；4表示移动用户对底层传感器节点的通信情况、能量消耗、节点收集到的数据等进行查询；5表示底层传感器节点对移动用户的查询进行回应；6表示移动用户将信任评价结果上传至云 端；7表示云端向移动用户支付报酬。

参见图4所示，本实施例中使用Matlab仿真软件对提出的算法进行了大量实验，图4 对比了移动用户的不同行为对报酬和效用的影响。图4(a)表明，当移动用户没有虚报信任评价质量时，获得的报酬最多，同时移动用户的真实信任评价质量与上传的信任评价质量 的差值越大，用户获得的报酬越少。图4(b)表明，移动用户努力执行信任评价任务能比不努力执行信任评价任务获得更多的报酬。图4(c)表明，当移动用户诚实上传数据时， 移动用户得到的报酬较多，当移动用户上传虚假数据时，得到的报酬较少。图4(d)表明 移动用户不努力执行任务、上传假数据和虚报信任评价质量都会影响用户的效用，同时用户 正常执行任务获得效用最大。上述实验结果表明，本发明提出的激励机制能有效的激励用户上传正确信息，并诚实可靠的执行任务。

上述实施例仅用来进一步说明本发明的一种基于众包的传感云底层节点信任评价方 法，但本发明并不局限于实施例，凡是依据本发明的技术实质对以上实施例所作的任何简单 修改、等同变化与修饰，均落入本发明技术方案的保护范围内。

Claims (8)

1.一种基于众包的传感云底层节点信任评价方法，其特征在于，包括如下步骤：

S1：云端向移动用户发布信任评价任务；

S2：移动用户根据自身情况决定是否投标，若决定投标，则向云端上传其自身信息；所有参与投标的移动用户构成用户集合EU＝{u₁,u₂,...,u_i,...,u_n}，u_i为用户集合EU中的第i个移动用户(1≤i≤n，且i为正整数)，其向云端上传的自身信息记为bid_i，n为参与投标的移动用户的个数，所有参与投标的移动用户向云端上传的自身信息构成上传信息集合BID＝{bid₁,bid₂,...,bid_i,...,bid_n}；

S3：云端基于移动用户上传的自身信息，从用户集合EU中选出参与信任评价的用户集合S；

S4：用户集合S中的移动用户对传感云底层的传感器节点进行信任评价，并将信任评价结果上传至云端；

S5：云端根据移动用户上传的信任评价结果进行数据聚合，获得最终信任评价结果；其中，所述步骤S3中云端基于移动用户上传的自身信息，从用户集合EU中选出参与信任评价的用户集合S；采用算法1实现，算法1定义如下：

将用户集合S初始化为空，输入用户集合EU，上传信息集合BID，每个传感器节点需被评价的次数x，传感器节点集合N＝{n₁,n₂,...,n_j,...,n_|N|}，其中n_j为第j个传感器节点1≤j≤|N|，且j为正整数，|N|为待评价的传感器节点的个数；

当用户集合S的评价范围不能满足传感器节点集合N中的每个传感器节点被评价x次；令u为当前用户集合EU中拥有最大

值的移动用户，a_i是移动用户u_i的信任评价能力，b_i是移动用户u_i执行任务的要价，u_i∈EU；

若移动用户u能够评价的每个传感器节点都已能被当前用户集合S中的移动用户评价x次，将移动用户u从用户集合EU中删除；否则，将移动用户u加入用户集合S中；

输出用户集合S；

所述步骤S5中云端根据移动用户上传的信任评价结果进行数据聚合，获得最终信任评价结果采用算法2实现，算法2数据聚合算法定义如下：

上传信息集合BID，用户集合S，传感器节点集合N＝{n₁,n₂,...,n_j,...,n_|N|}，用户集合S中的移动用户上传的信任评价结果；

将最终信任评价结果集合DC初始化为空；

对于传感器节点集合N中的每个传感器节点n_j；

输出最终信任评价结果集合DC，

2.根据权利要求1所述的一种基于众包的传感云底层节点信任评价方法，其特征在于，所述步骤S5之后还包括步骤S6：云端根据移动用户上传的信任评价结果及自身信息，决定用户集合S中移动用户的实际报酬。

3.根据权利要求2所述的一种基于众包的传感云底层节点信任评价方法，其特征在于，所述移动用户u_i的自身信息bid_i包括三元组(q_i,area_i,b_i)，其中q_i是移动用户u_i的评价质量，q_i∈[0,1]，area_i是移动用户u_i的评价范围，b_i是移动用户u_i执行任务的要价。

4.根据权利要求3所述的一种基于众包的传感云底层节点信任评价方法，其特征在于，所述移动用户u_i的评价范围area_i包括二元组(l_i,r_i)，其中l_i是移动用户u_i的当前位置，r_i是移动用户u_i的移动范围，移动用户u_i能够对其评价范围area_i内的传感器节点进行信任评价。

5.根据权利要求4所述的一种基于众包的传感云底层节点信任评价方法，其特征在于，所述步骤S6中云端根据移动用户上传的信任评价结果及自身信息，决定用户集合S中移动用户的实际报酬采用算法3实现，算法3奖励分配算法定义如下：

用户集合EU，上传信息集合BID，用户集合S，最终信任评价结果集合DC＝{d_c1,d_c2,...,d_cj,...,d_c|N|}，用户集合S上传的信任评价结果；

将实际报酬集合P初始化为空，

对于，用户集合S中的每个移动用户u_i，u_i∈S，

1≤i≤n，且i为正整数；

从用户集合EU中选出不含移动用户u_i且能够对传感器节点集合N中的每个传感器节点评价x次的用户集合S′_i，根据用户集合S′_i中的移动用户上传的自身信息及移动用户u_i上传的自身信息bid_i计算移动用户u_i的最大理论报酬p′_i，根据移动用户u_i上传的信任评价结果和云端获得的最终信任评价结果计算移动用户u_i的理论评价质量ac_i；

若实际评价质量高于上传的评价质量，则移动用户u_i的实际报酬为移动用户u_i的最大理论报酬p′_i；若实际评价质量低于上传的评价质量高于仅依靠猜测得出的评价质量，移动用户u_i的实际报酬

若实际际评价质量等于或低于仅依靠猜测得出的评价质量，则移动用户u_i的实际报酬为0；

输出所有移动用户的实际报酬构成的实际报酬集合P。

6.根据权利要求5所述的一种基于众包的传感云底层节点信任评价方法，其特征在于，所述计算移动用户u_i的最大理论报酬p′_i的计算方式如下：

其中，a_i为移动用户u_i的信任评价能力，u_i∈S，a_j为移动用户u_j的信任评价能力，b_j为移动用户u_j执行任务的要价，u_j∈S′_i，j的取值范围为：1≤j≤n，j≠i，且j为正整数。

7.根据权利要求5所述的一种基于众包的传感云底层节点信任评价方法，其特征在于，所述计算移动用户u_i的理论评价质量ac_i的计算方式如下：

其中，d_ij表示移动用户u_i对传感器节点n_j的信任评价结果。

8.根据权利要求4或6所述的一种基于众包的传感云底层节点信任评价方法，其特征在于，所述移动用户u_i的信任评价能力a_i的由其评价质量q_i和移动范围r_i共同决定，将移动用户u_i的信任评价能力a_i定义为单调递增函数a_i＝F(q_i,r_i)。

Images