CN110572796B - 一种失效节点检测方法、装置和相关设备 - Google Patents
一种失效节点检测方法、装置和相关设备 Download PDFInfo
- Publication number
- CN110572796B CN110572796B CN201910888391.8A CN201910888391A CN110572796B CN 110572796 B CN110572796 B CN 110572796B CN 201910888391 A CN201910888391 A CN 201910888391A CN 110572796 B CN110572796 B CN 110572796B
- Authority
- CN
- China
- Prior art keywords
- node
- factor
- formula
- factors
- fuzzy
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 12
- 238000011156 evaluation Methods 0.000 claims abstract description 70
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000005540 biological transmission Effects 0.000 claims description 15
- 238000012905 input function Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 description 31
- 238000005516 engineering process Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 206010000117 Abnormal behaviour Diseases 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000011534 incubation Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请实施例公开了一种失效节点检测方法、装置和相关设备,其中方法包括:获取节点评估因素,所述节点评估因素包括合作因素、可信因素、责任因素以及能力因素;根据所述节点评估因素生成节点模糊值;根据所述节点模糊值生成节点信任数值;判断目标节点的节点信任数值是否小于预设阈值,所述目标节点与所述节点评估因素具有关联关系;若是,则所述目标节点为失效节点;若否,则所述目标节点不为失效节点。
Description
技术领域
本申请涉及车载物联网领域,尤其涉及一种失效节点检测方法、装置和相关设备。
背景技术
物联网是继个人电脑、网络之后信息技术的又一次革命性突破。经过十多年的孕育,物联网近年来引起了世界各国的强烈关注。而车载物联网是物联网在交通行业的具体体现和应用。车载物联网系统,是利用先进传感技术、网络技术、计算技术、控制技术、智能技术,对道路和交通进行全面感知,实现多个系统间大范围、大容量数据的交互,对每一辆汽车进行交通全程控制,对每一条道路进行交通全时空控制,以提供交通效率和交通安全为主的网络与应用。
而VANET技术是支持自动驾驶和智能交通系统的主要部件之一,VANET为一种特定类型的adhoc网络,该网络具有高度动态性,并可通过无线传输在车辆和基础设施之间提供数据通信。VANET中的通信模式是车辆到车辆或车辆到基础设施通过路边安装的路边单元或混合模式。VANET是一种具有广阔前景的智能交通系统新兴技术,然而,许多车辆需要与基础设施一起安全通信的可信赖性问题仍然是一个具有挑战性的问题,与道路安全有关的车辆之间的交换信息容易被失效实体修改或丢弃,这可能导致交通事故并危及人们的生命安全。目前,VANET信任管理机制可以直接信任评估失效节点,失效节点为在车载物联网内做出不正常行为的节点,不正常行为包括丢包、修改信息、广播错误消息等行为。在车载物联网内每个节点可以直接观察其传输范围内发生的事件,而直接信任的评估应考虑多种因素,例如位置信息,附近车辆的信任,车辆之间的关系以及节点行为的历史。
现有技术虽能够实现对失效节点的直接评估,但车辆移动性要求信任评估应快速进行,然而每辆车辆的感测范围受到建筑物或其他车辆的限制,因此若出现传输范围之外发生的事件需要根据从其他节点接收的信息进行评估,而由于信息传输的时延以及信息可靠度较低,失效节点的评估准确度低。
发明内容
本申请实施例提供了一种失效节点检测方法、装置和相关设备,解决由于车辆移动性要求信任评估应快速进行,然而每辆车辆的感测范围受到建筑物或其他车辆的限制,因此若出现传输范围之外发生的事件需要根据从其他节点接收的信息进行评估,而由于信息传输的时延以及信息可靠度较低,失效节点的评估准确度低。
有鉴于此,本申请第一方面提供了一种失效节点检测方法,所述方法包括:
获取节点评估因素,所述节点评估因素包括合作因素、可信因素、责任因素以及能力因素;
根据所述节点评估因素生成节点模糊值;
根据所述节点模糊值生成节点信任数值;
判断目标节点的节点信任数值是否小于预设阈值,所述目标节点与所述节点评估因素具有关联关系;
若是,则所述目标节点为失效节点;
若否,则所述目标节点不为失效节点。
优选的,所述获取所述合作因素的方法包括:
对所述目标节点转发数据包数量NF(n)、相邻节点获取的平均数据包数量N0根据第一公式进行计算,根据第一公式生成合作因素;
第一公式为:
优选的,所述获取所述可信因素的方法包括:
对所述目标节点发送的可信数据包数量NT(n)、所述目标节点发送的数据包数量NS(n)根据第二公式进行计算,根据第一公式生成可信因素;
第二公式为:
优选的,所述获取所述责任因素的方法包括:
对所述相邻节点获取的平均数据包数量NA、所述目标节点获取的数据包数量NR(n)根据第三公式进行计算,根据第一公式生成责任因素;
第三公式为:
优选的,所述获取所述能力因素的方法包括:
对所述目标节点从所述相邻节点获取的数据包数量NP(n)、所述相邻节点向所述目标节点发送的平均数据包数量NR根据第四公式进行计算,根据第四公式生成能力因素;
第四公式为:
优选的,所述根据所述节点模糊值生成节点信任数值包括:
对所有一跳相邻节点记录的信任数值Q1(n,y)、所有非一跳相邻节点记录的信任数值Q2(n,y)、所述目标节点的所述相邻节点的集合NBn根据第五公式进行计算,计算所得数值为信任数值;
第五公式为:
本申请第二方面提供一种失效节点检测装置,所述装置包括:
获取单元,用于获取节点评估因素,所述节点评估因素包括合作因素、可信因素、责任因素以及能力因素;
第一生成单元,用于根据所述节点评估因素生成节点模糊值;
第二生成单元,用于根据所述节点模糊值生成节点信任数值;
判断单元,用于判断目标节点的节点信任数值是否小于预设阈值,所述目标节点与所述节点评估因素具有关联关系;
若是,则所述目标节点为失效节点;
若否,则所述目标节点不为失效节点。
优选的,一种失效节点检测装置,所述第二生成单元具体用于对所有一跳相邻节点记录的信任数值Q1(n,y)、所有非一跳相邻节点记录的信任数值Q2(n,y)、所述目标节点的所述相邻节点的集合NBn根据第五公式进行计算,根据第五公式生成节点信任数值;
第五公式为:
本申请第三方面提供一种失效节点检测的设备,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令,执行如上述第一方面所述的失效节点检测方法的步骤。
本申请第四方面提供一种计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行上述第一方面所述的失效节点检测方法。
从以上技术方案可以看出,本申请实施例具有以下优点:
本申请实施例中,提供了一种失效节点检测方法,包括:获取节点评估因素,所述节点评估因素包括合作因素、可信因素、责任因素以及能力因素;根据所述节点评估因素生成节点模糊值;根据所述节点模糊值生成节点信任数值;判断目标节点的节点信任数值是否小于预设阈值,所述目标节点与所述节点评估因素具有关联关系;若是,则所述目标节点为失效节点;若否,则所述目标节点不为失效节点。
上述方法通过对目标节点的节点评估因素进行计算获取节点模糊值,其中由于节点评估因素包括合作因素、可信因素、责任因素以及能力因素,其中合作因素主要用于信用评估中节点的自私行为,可信因素则用于评估节点是否接受到虚假消息,责任因素用于检测完成程度,而能力因素则用于评估节点接受消息的能力,根据包含多种节点评估因素计算而生成的节点模糊值能更全面并且多角度的包括事件信息,再由模糊数值计算获取节点信任数值,并判断节点信任数值是否小于预设阈值,若小于则目标节点为失效节点,否大于则目标节点不为失效节点。由此在传输范围之外发生的事件通过其他节点与目标节点计算而得的节点信任数值判断目标节点是否失效,最终对目标节点的失效评估由收集到的其他节点的信任评估的平均值决定,即使目标节点的相邻节点存在失效节点,对最终目标节点失效评估的影响较小,解决了现有技术中由于信息传输的时延以及信息可靠度较低,失效节点的评估准确度低的问题。
附图说明
图1为本申请实施例中失效节点检测方法的方法流程图;
图2为本申请实施例中合作因素模糊输入函数示意图;
图3为本申请实施例中可信因素模糊输入函数示意图;
图4为本申请实施例中责任因素模糊输入函数示意图;
图5为本申请实施例中能力因素模糊输入函数示意图;
图6为本申请实施例中模糊输出函数示意图;
图7为本发明实施例中失效节点检测装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请设计了一种失效节点检测方法、装置和相关设备。随着车载物联网的迅速发展,为提供交通效率和交通安全出现VANET技术,并在此技术之中能够实现对失效节点的直接评估,但车辆移动性要求信任评估应快速进行,然而每辆车辆的感测范围受到建筑物或其他车辆的限制,因此若出现传输范围之外发生的事件需要根据从其他节点接收的信息进行评估,而由于信息传输的时延以及信息可靠度较低,失效节点的评估准确度低。
本申请第一方面提供了一种失效节点检测方法。
请参阅图1,图1为本申请实施例中一种失效节点检测方法的方法流程图,包括:
步骤101,获取节点评估因素,所述节点评估因素包括合作因素、可信因素、责任因素以及能力因素;
首先获取目标节点的节点评估因素,而节点评估因素其中包括有目标节点对应的合作因素、可信因素、责任因素以及能力因素。本实施例中获取合作因素、可信因素、责任因素以及能力因素具体如下:
本实施例所提供的方法,计算出合作因素的数值,具体对目标节点转发数据包数量NF(n)、相邻节点获取的平均数据包数量N0进行计算,计算依据如第一公式,根据计算依据即可计算得出数值,该数据即为合作因素。
第一公式为:
本实施例中第一公式用于固定时间段进行计算,该固定时间段为50秒。可以理解的是,在实际应用中,合作因素的计算还可以根据指数移动平均值,具体对目标节点的当前合作因素CFi(n)以及目标节点的先前合作因素CFi-1(n)进行计算,且平滑因子α设置为0.7,在实际应用中还可以根据应用要求调整用于计算的时间长度,具体此处不做限定。而根据指数移动平均值的计算依据如第六公式,根据计算依据即可计算得出数值,该数据即为指数移动平均值的计算而生产的合作因素。
第六公式为:
(1-α)*CFi-1(n)+α*CFi(n)。
本实施例中,从相邻节点观测到的平均数据包个数N0由一跳相邻节点收集到的转发消息计算获取。而合作因素可以显示目标节点执行分配给它的转发任务的能力,合作因素的数值越大表示目标节点越合作。通过使用合作因素,可以在信用评估中评估目标节点的自私行为。而利用指数移动平均值计算合作因素,由于加权指数移动平均值用于平滑评估值,可以使其对小错误更具鲁棒性。
本实施例所提供的方法,计算出可信因素的数值,具体对所述目标节点发送的可信数据包数量NT(n)、所述目标节点发送的数据包数量NS(n)进行计算,计算依据如第二公式,根据计算依据即可计算得出数值,该数据即为可信因素。
第二公式为
本实施例中,可以理解的是,在实际应用中,若目标节点根据附近发生的事件发送了一个虚假消息,则相应的可信因素数值降低,相反,若目标节点如实发送消息,则目标节点获得更高的可信因素数值。在此基础上可信因素的计算可以根据指数移动平均值,具体对目标节点的当前可信因素TFi(n)以及目标节点的先前可信因素TFi-1(n)进行计算,且平滑因子α设置为0.7,在实际应用中还可以根据应用要求调整用于计算的时间长度,具体此处不做限定。可信因素的计算依据如第七公式,根据计算依据即可计算得出数值,该数据即为可信因素。
第七公式为:
(1-α)*TFi-1(n)+α*TFi(n)。
本实施例中,从目标节点发送的可信数据包数量NT(n)以及所述目标节点发送的数据包数量NS(n)进行计算获取可信因素。而通过可信因素,可以显示目标节点发送可信数据的百分比,从而提高失效节点检测方法的可实现性。
本实施例所提供的方法,计算出责任因素的数值,具体对所述相邻节点获取的平均数据包数量NA、所述目标节点获取的数据包数量NR(n)进行计算,计算依据如第三公式,根据计算依据即可计算得出数值,该数据即为责任因素。
第三公式为:
本实施例中,可以理解的是,为了提高检测事件的准确率,在实际应用中,我们可以从不同节点收集足量的信息,在此基础上责任因素的计算可以根据指数移动平均值,具体对目标节点的当前责任因素RFi(n)以及目标节点的先前责任因素RFi-1(n)进行计算,且平滑因子α设置为0.7,在实际应用中还可以根据应用要求调整用于计算的时间长度,具体此处不做限定。责任因素的计算依据如第八公式,根据计算依据即可计算得出数值,该数据即为责任因素。
第八公式为:
(1-α)*RFi-1(n)+α*RFi(n)。
本实施例中,从所述相邻节点获取的平均数据包数量NA、所述目标节点获取的数据包数量NR(n)进行计算获取责任因素。而通过责任因素,可以显示目标节点对事件检测的完成程度,从而提高失效节点检测方法的可实现性
本实施例所提供的方法,计算出能力因素的数值,具体对所述目标节点从所述相邻节点获取的数据包数量NP(n)、所述相邻节点向所述目标节点发送的平均数据包数量NR进行计算,计算依据如第四公式,根据计算依据即可计算得出数值,该数据即为能力因素。
第四公式为:
本实施例中,可以理解的是,在实际应用中,责任因素的计算可以根据指数移动平均值,具体对目标节点的当前能力因素PFi(n)以及目标节点的先前能力因素PFi-1(n)进行计算,且平滑因子α设置为0.7,在实际应用中还可以根据应用要求调整用于计算的时间长度,具体此处不做限定。能力因素的计算依据如第九公式,根据计算依据即可计算得出数值,该数据即为能力因素。
第九公式为:
(1-α)*PFi-1(n)+α*PFi(n)。
本实施例中,所述目标节点从所述相邻节点获取的数据包数量NP(n)、所述相邻节点向所述目标节点发送的平均数据包数量NR进行计算获取能力因素。而通过能力因素,可以反应目标节点接收并处理信息能力,数值越大则能力越强,从而提高失效节点检测方法的可实现性
本申请实施例中,获取合作因素、可信因素、责任因素以及能力因素可以换使得目标节点观测到相邻节点的发生事件,由于对各节点的节点评估因素进行获取,也就是说对各节点的合作因素、可信因素、责任因素以及能力因素均进行获取,使得节点评估因素通过其他节点的数值来进行计算,减少失效节点对节点评估因素的影响。
步骤102,根据所述节点评估因素生成节点模糊值;
本实施例中,首先根据模糊输入函数对节点评估因素也就是合作因素、可信因素、责任因素以及能力因素进行模糊化,具体的,合作因素对应的模糊输入函数请参阅图2,可信因素对应的模糊输入函数请参阅图3,责任因素对应的模糊输入函数请参阅图4,以及能力因素对应的模糊输入函数请参阅图5。在合作因素、可信因素、责任因素以及能力因素进行模糊输入并得到模糊输入值后,对进行模糊输入后的合作因素、可信因素、责任因素以及能力因素生成目标节点对应的节点模糊值,合作因素、可信因素、责任因素以及能力因素如何生成节点模糊值,具体请参阅表1。
表1
步骤103,根据所述节点模糊值生成节点信任数值;
根据获取的节点模糊值对其进行去模糊逻辑输出,节点模糊值的模糊逻辑输出函数具体请参阅图6,在进行模糊逻辑输出后生成节点信任数值,同时,其一跳相邻节点及非一跳相邻节点分别记录了对目标节点的信任值,为了减小失效节点对信任评估的影响,我们对一跳相邻节点记录的信任数值Q1(n,y),非一跳相邻节点记录的信任数值Q2(n,y)的信任值以及所述目标节点的所述相邻节点的集合NBn根据第五公式进行计算,根据计算依据即可计算得出数值,该数据即为节点信任数值。
步骤104,判断目标节点的节点信任数值是否小于预设阈值,所述目标节点与所述节点评估因素具有关联关系;
对获取的节点信任数值进行判断,判断目标节点的节点信任数值是否小于预设阈值,所述节点评估因素为从目标节点所获取的合作因素、可信因素、责任因素以及能力因素。
步骤105,若目标节点的节点信任数值小于预设阈值,则所述目标节点为失效节点;
若所获取的目标节点的节点信任数值小于预设阈值,则所述目标节点为失效节点;
步骤106,若目标节点的节点信任数值不小于预设阈值,则所述目标节点不为失效节点。
若所获取的目标节点的节点信任数值不小于预设阈值,则所述目标节点不为失效节点;
本申请实施例提供了一种失效节点检测方法,包括:获取节点评估因素,所述节点评估因素包括合作因素、可信因素、责任因素以及能力因素;根据所述节点评估因素生成节点模糊值;根据所述节点模糊值生成节点信任数值;判断目标节点的节点信任数值是否小于预设阈值,所述目标节点与所述节点评估因素具有关联关系;若是,则所述目标节点为失效节点;若否,则所述目标节点不为失效节点。
本申请实施例中,可以得到通过合作因素、可信因素、责任因素确定若干个值得信任节点,每个信任点都有相应的节点信任数值,而相邻节点可以通过节点信任数值判断发出的信息是否可靠。节点之间通过交换hello消息获得相邻节点的信息,每个节点根据相邻节点的信任评估计算得到非相邻节点的节点信任数值,这些节点信任数值将会在每次接收hello消息时进行更新,并附加在hello消息中传输到下一个相邻节点,直到所有节点都知道其对应的相邻节点以及非相邻节点的节点信任数值。
本事实例中,通过对目标节点的节点评估因素进行计算获取节点模糊值,其中由于节点评估因素包括合作因素、可信因素、责任因素以及能力因素,其中合作因素主要用于信用评估中节点的自私行为,可信因素则用于评估节点是否接受到虚假消息,责任因素用于检测完成程度,而能力因素则用于评估节点接受消息的能力,根据包含多种节点评估因素计算而生成的节点模糊值能更全面并且多角度的包括事件信息,再由模糊数值计算获取节点信任数值,并判断节点信任数值是否小于预设阈值,若小于则目标节点为失效节点,否大于则目标节点不为失效节点。由此在传输范围之外发生的事件通过其他节点与目标节点计算而得的节点信任数值判断目标节点是否失效,最终对目标节点的失效评估由收集到的其他节点的信任评估的平均值决定,即使目标节点的相邻节点存在失效节点,减少失效节点对评估结果的影响,最终评估由这些邻居节点和非邻居节点的信任值的平均值决定。对最终目标节点失效评估的影响较小,解决了现有技术中失效节点的评估,由于信息传输的时延以及信息可靠度较低,失效节点的评估准确度低的问题。且具有操作简单、成本低廉、安装操作简便、对于系统运行的可靠性没有任何潜在的隐患、效率高等优点。
请参阅图7,本申请第二方面提供了一种失效节点检测装置。
首先需要在计量用的电流互感器二次侧并联一个计量电阻,计量电阻的阻值大于原采样电阻的阻值的预置倍数。
本申请实施例所提供的一种失效节点检测装置包括:
获取单元701,用于获取节点评估因素;
第一生成单元702,用于根据所述节点评估因素生成节点模糊值;
第二生成单元703,用于根据所述节点模糊值生成节点信任数值;
判断单元704,用于判断目标节点的节点信任数值是否小于预设阈值,所述目标节点与所述节点评估因素具有关联关系;若是,则所述目标节点为失效节点;若否,则所述目标节点不为失效节点。
本申请第三方面提供了一种失效节点检测的设备,设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令,执行如上述第一方面所述的失效节点检测方法的步骤。
本申请第四方面提供一种计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行上述第一方面所述的失效节点检测方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文全称:Read-OnlyMemory,英文缩写:ROM)、随机存取存储器(英文全称:Random Access Memory,英文缩写:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (4)
1.一种失效节点检测方法,其特征在于,包括:
获取节点评估因素,所述节点评估因素包括合作因素、可信因素、责任因素以及能力因素;
根据所述节点评估因素生成节点模糊值;
根据所述节点模糊值生成节点信任数值;
判断目标节点的节点信任数值是否小于预设阈值,所述目标节点与所述节点评估因素具有关联关系;
若是,则所述目标节点为失效节点;
若否,则所述目标节点不为失效节点;
所述获取所述合作因素包括:
对所述目标节点转发数据包数量NF(n)、相邻节点获取的平均数据包数量N0根据第一公式进行计算,根据第一公式生成合作因素;
第一公式为:
所述获取所述可信因素包括:
对所述目标节点发送的可信数据包数量NT(n)、所述目标节点发送的数据包数量NS(n)根据第二公式进行计算,根据第二公式生成可信因素;
第二公式为:
所述获取所述责任因素包括:
对相邻节点获取的平均数据包数量NA、所述目标节点获取的数据包数量NR(n)根据第三公式进行计算,根据第三公式生成责任因素;
第三公式为:
所述获取所述能力因素包括:
对所述目标节点从相邻节点获取的数据包数量NP(n)、所述相邻节点向所述目标节点发送的平均数据包数量NR根据第四公式进行计算,根据第四公式生成能力因素;
第四公式为:
所述根据所述节点评估因素生成节点模糊值具体为:
根据模糊输入函数对所述合作因素、可信因素、责任因素以及能力因素进行模糊化,获取所述合作因素、可信因素、责任因素以及能力因素进行模糊化对应的模糊输入值,并根据所述模糊输入值获取所述合作因素、可信因素、责任因素以及能力因素对应的节点模糊值;
所述根据所述节点模糊值生成节点信任数值包括:
对所有一跳相邻节点记录的信任数值Q1(n,y)、所有非一跳相邻节点记录的信任数值Q2(n,y)、所述目标节点的所述相邻节点的集合NBn根据第五公式进行计算,根据第五公式生成节点信任数值,所述一跳节点为在所述节点传输范围的节点,所述非一跳节点为不在所述节点传输范围的节点;
第五公式为:
2.一种失效节点检测装置,其特征在于,包括:
获取单元,用于获取节点评估因素,所述节点评估因素包括合作因素、可信因素、责任因素以及能力因素;
第一生成单元,用于根据所述节点评估因素生成节点模糊值;
第二生成单元,用于根据所述节点模糊值生成节点信任数值;
判断单元,用于判断目标节点的节点信任数值是否小于预设阈值,所述目标节点与所述节点评估因素具有关联关系;
若是,则所述目标节点为失效节点;
若否,则所述目标节点不为失效节点;
所述获取所述合作因素包括:
对所述目标节点转发数据包数量NF(n)、相邻节点获取的平均数据包数量N0根据第一公式进行计算,根据第一公式生成合作因素;
第一公式为:
所述获取所述可信因素包括:
对所述目标节点发送的可信数据包数量NT(n)、所述目标节点发送的数据包数量NS(n)根据第二公式进行计算,根据第二公式生成可信因素;
第二公式为:
所述获取所述责任因素包括:
对相邻节点获取的平均数据包数量NA、所述目标节点获取的数据包数量NR(n)根据第三公式进行计算,根据第三公式生成责任因素;
第三公式为:
所述获取所述能力因素包括:
对所述目标节点从相邻节点获取的数据包数量NP(n)、所述相邻节点向所述目标节点发送的平均数据包数量NR根据第四公式进行计算,根据第四公式生成能力因素;
第四公式为:
所述根据所述节点评估因素生成节点模糊值具体为:
根据模糊输入函数对所述合作因素、可信因素、责任因素以及能力因素进行模糊化,获取所述合作因素、可信因素、责任因素以及能力因素进行模糊化对应的模糊输入值,并根据所述模糊输入值获取所述合作因素、可信因素、责任因素以及能力因素对应的节点模糊值;
所述根据所述节点模糊值生成节点信任数值包括:
对所有一跳相邻节点记录的信任数值Q1(n,y)、所有非一跳相邻节点记录的信任数值Q2(n,y)、所述目标节点的所述相邻节点的集合NBn根据第五公式进行计算,根据第五公式生成节点信任数值,所述一跳节点为在所述节点传输范围的节点,所述非一跳节点为不在所述节点传输范围的节点;
第五公式为:
3.一种失效节点检测设备,其特征在于,所述设备包括处理器以及存储器:
所述存储器用于存储程序,并将所述程序传输给所述处理器;
所述处理器用于根据所述程序执行权利要求1所述的失效节点检测方法。
4.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序,所述程序用于执行权利要求1所述的失效节点检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910888391.8A CN110572796B (zh) | 2019-09-19 | 2019-09-19 | 一种失效节点检测方法、装置和相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910888391.8A CN110572796B (zh) | 2019-09-19 | 2019-09-19 | 一种失效节点检测方法、装置和相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110572796A CN110572796A (zh) | 2019-12-13 |
CN110572796B true CN110572796B (zh) | 2022-04-19 |
Family
ID=68781205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910888391.8A Active CN110572796B (zh) | 2019-09-19 | 2019-09-19 | 一种失效节点检测方法、装置和相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110572796B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114040362B (zh) * | 2021-09-18 | 2024-12-10 | 清华大学 | 一种车路协同环境下车辆动态可信关系建立方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102802158A (zh) * | 2012-08-07 | 2012-11-28 | 湖南大学 | 基于信任评估的无线传感器网络异常检测方法 |
CN106412912A (zh) * | 2016-06-22 | 2017-02-15 | 长安大学 | 一种面向车联网的节点信任评估方法 |
CN107750053A (zh) * | 2017-05-25 | 2018-03-02 | 天津大学 | 基于多因素的无线传感器网络动态信任评价系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110078775A1 (en) * | 2009-09-30 | 2011-03-31 | Nokia Corporation | Method and apparatus for providing credibility information over an ad-hoc network |
-
2019
- 2019-09-19 CN CN201910888391.8A patent/CN110572796B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102802158A (zh) * | 2012-08-07 | 2012-11-28 | 湖南大学 | 基于信任评估的无线传感器网络异常检测方法 |
CN106412912A (zh) * | 2016-06-22 | 2017-02-15 | 长安大学 | 一种面向车联网的节点信任评估方法 |
CN107750053A (zh) * | 2017-05-25 | 2018-03-02 | 天津大学 | 基于多因素的无线传感器网络动态信任评价系统及方法 |
Non-Patent Citations (2)
Title |
---|
A Multi-level Fuzzy Comprehensive Evaluation Approach for Message Verification in VANETs;Bo-Chao Cheng 等;《2012 Third FTRA International Conference on Mobile, Ubiquitous, and Intelligent Computing》;20120920;全文 * |
车联网认证机制和信任模型;刘宴兵 等;《北京邮电大学学报》;20170606;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110572796A (zh) | 2019-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Alzubi | Bipolar fully recurrent deep structured neural learning based attack detection for securing industrial sensor networks | |
Mehdi et al. | A game theory based trust model for Vehicular Ad hoc Networks (VANETs) | |
Ghaleb et al. | Hybrid and multifaceted context-aware misbehavior detection model for vehicular ad hoc network | |
US20090133122A1 (en) | Method and system for detecting suspicious frame in wireless sensor network | |
CN102202321A (zh) | 在车辆Ad hoc网络中的V2X连接的协作诊断与预测应用 | |
CN102546274A (zh) | 一种通信业务中的告警监控方法及设备 | |
Michaelides et al. | Fault tolerant localization and tracking of multiple sources in WSNs using binary data | |
Sahoo et al. | Diagnosis of wireless sensor networks in presence of permanent and intermittent faults | |
Banerjee et al. | Fault tolerant multiple event detection in a wireless sensor network | |
Zhang et al. | M optimal routes hops strategy: detecting sinkhole attacks in wireless sensor networks | |
Tragos et al. | Trusted IoT in the complex landscape of governance, security, privacy, availability and safety | |
CN110572796B (zh) | 一种失效节点检测方法、装置和相关设备 | |
Ghaleb et al. | Detecting bogus information attack in vehicular ad hoc network: a context-aware approach | |
Sangwan et al. | A classification of misbehavior detection schemes for VANETs: a survey | |
Feng et al. | Weighted distributed fault detection for wireless sensor networks Based on the distance | |
Liu et al. | Data mining intrusion detection in vehicular ad hoc network | |
CN115277490A (zh) | 一种网络靶场评估方法、系统、设备及存储介质 | |
CN115038088A (zh) | 一种智能网络安全检测预警系统和方法 | |
CN104703195B (zh) | 一种移动自组网路由节点行为预测方法 | |
JP2009049490A (ja) | ネットワーク監視装置、ネットワーク監視システム | |
CN104994109A (zh) | 基于漏洞攻击的自组织网络协议安全分析方法 | |
CN102104606A (zh) | 一种内网蠕虫主机检测方法 | |
CN102932794B (zh) | 一种分簇自组织网络中黑洞攻击检测方法 | |
Kanchana Devi et al. | Trust-based selfish node detection mechanism using beta distribution in wireless sensor network | |
CN113891309B (zh) | 无线传感器网络中恶意节点的检测方法、系统和汇聚节点 |
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 |