CN110650187B - 一种边缘节点的节点类型确定方法及目标网络 - Google Patents
一种边缘节点的节点类型确定方法及目标网络 Download PDFInfo
- Publication number
- CN110650187B CN110650187B CN201910864809.1A CN201910864809A CN110650187B CN 110650187 B CN110650187 B CN 110650187B CN 201910864809 A CN201910864809 A CN 201910864809A CN 110650187 B CN110650187 B CN 110650187B
- Authority
- CN
- China
- Prior art keywords
- edge
- node
- preset
- trust value
- edge node
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1029—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers using data related to the state of servers by a load balancer
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
- H04L63/1416—Event detection, e.g. attack signature detection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明实施例提供了一种边缘节点的节点类型确定方法及目标网络,当达到预设时刻时,边缘服务器可以确定各边缘节点的目标信任值,并根据第一预设阈值,确定待选边缘节点,向预设服务器集群发送待选边缘节点的备选信任值和目标信任值,进而,预设服务器集群可以确定待选边缘节点各自的第二节点类型,以及待选边缘节点中第一节点类型与第二节点类型不一致的边缘节点的数目,与待选边缘节点的总数目的比值,作为第一比值,并向边缘服务器发送第一比值,边缘服务器根据第一比值,更新目标参数,在达到下一预设时刻时,根据更新后的目标参数,确定边缘网络中第一节点类型为非恶意节点的边缘节点,基于上述处理,能够提高边缘网络的整体性能。
Description
技术领域
本发明涉及计算机网络技术领域,特别是涉及一种边缘节点的节点类型确定方法及目标网络。
背景技术
边缘网络可以包括一个边缘服务器与多个边缘节点,边缘网络可以将一个网络服务对应的协同任务分配到多个边缘节点进行处理,由于边缘节点更接近于用户终端,进而能够加快协同任务的处理速度,减少延迟。
现有技术中,针对每一边缘节点,如果该边缘节点处理其他边缘节点(可以称为第一边缘节点)分配至该边缘节点的任务所持续的时长不大于预设时长,则第一边缘节点可以判定该边缘节点处理任务成功,则第一边缘节点可以根据该边缘节点处理成功的任务的数目与第一边缘节点分配至该边缘节点的任务的总数目的比值,确定该边缘节点的信任值(可以称为第一信任值)。然后,边缘服务器可以根据各第一边缘节点确定的该边缘节点的第一信任值,确定该边缘节点的第二信任值,并根据该边缘节点的第一信任值和第二信任值,确定该边缘节点的目标信任值。
然后,边缘服务器可以判断该边缘节点的目标信任值是否小于第一预设阈值,如果该边缘节点的目标信任值小于第一预设阈值,则边缘服务器可以判定该边缘节点的节点类型为恶意节点,如果该边缘节点的目标信任值不小于第一预设阈值,则边缘服务器可以判定该边缘节点的节点类型为非恶意节点。进而,当边缘网络中的一个边缘节点(可以称为第二边缘节点)接收到网络服务的请求时,第二边缘节点可以根据节点类型为非恶意节点的各边缘节点的目标信任值,确定出处理该网络服务对应的协同任务的边缘节点(可以称为目标边缘节点),然后,第二边缘节点可以将该协同任务分配至目标边缘节点进行处理。
然而,现有技术中,第一预设阈值为经验值,如果第一预设阈值的数值较大,则边缘服务器可能会将较多的边缘节点确定为恶意节点,导致边缘网络中可用的边缘节点较少,会降低边缘网络的计算能力;如果第一预设阈值的数值较小,则边缘服务器可能无法确定出某些恶意节点,导致边缘网络中存在较多的恶意节点,会降低边缘网络的安全性,即,现有技术会降低边缘网络的整体性能。
发明内容
本发明实施例的目的在于提供一种边缘节点的节点类型确定方法及目标网络,能够提高边缘网络的整体性能。具体技术方案如下:
第一方面,为了达到上述目的,本发明实施例提供了一种边缘节点的节点类型确定方法,所述方法应用于目标网络,所述目标网络包括边缘网络和预设服务器集群,所述边缘网络包括边缘服务器和至少一个边缘节点,所述方法包括:
针对所述边缘网络中的每一边缘节点,当达到预设时刻时,所述边缘服务器根据预设时间段内该边缘节点的备选信任值,确定所述预设时间段内该边缘节点的目标信任值,其中,所述备选信任值包括该边缘节点的第一信任值,该边缘节点的第一信任值为根据所述预设时间段内,其他边缘节点与该边缘节点处理的协同任务的数目确定出的;
所述边缘服务器根据各边缘节点的目标信任值和第一预设阈值,确定所述边缘网络中第一节点类型为非恶意节点的边缘节点,作为待选边缘节点,并向所述预设服务器集群,发送所述待选边缘节点的备选信任值和目标信任值;
所述预设服务器集群根据所述待选边缘节点的备选信任值、目标信任值和节点类型预测网络模型,确定所述待选边缘节点各自的第二节点类型,其中,所述第二节点类型为非恶意节点或恶意节点;
所述预设服务器集群确定所述待选边缘节点中,第一节点类型与第二节点类型不一致的边缘节点的数目,与所述待选边缘节点的总数目的比值,作为第一比值,并向所述边缘服务器发送所述第一比值;
所述边缘服务器根据所述第一比值,更新目标参数,其中,所述目标参数包括所述第一预设阈值,并在达到下一预设时刻时,根据更新后的所述目标参数,确定所述边缘网络中所述第一节点类型为非恶意节点的边缘节点。
可选的,所述边缘服务器根据预设时间段内该边缘节点的备选信任值,确定所述预设时间段内该边缘节点的目标信任值,包括:
针对所述边缘网络中的每一边缘节点,所述边缘服务器根据其他边缘节点确定的该边缘节点的第一信任值,和第一预设公式确定所述预设时间段内该边缘节点的第二信任值,其中,所述第一预设公式为:
B表示所述预设时间段内该边缘节点的第二信任值,K表示归一化系数,Ah表示除该边缘节点外的其他边缘节点中的第h个边缘节点确定的预设时间段内该边缘节点的第一信任值,h表示所述边缘网络中除该边缘节点外的其他边缘节点的数目;
所述边缘服务器根据所述预设时间段内该边缘节点的第一信任值和第二信任值,确定所述预设时间段内该边缘节点的目标信任值。
可选的,所述备选信任值还包括该边缘节点的第三信任值;
在所述边缘服务器根据预设时间段内该边缘节点的备选信任值,确定所述预设时间段内该边缘节点的目标信任值之前,所述方法还包括:
针对所述边缘网络中的每一边缘节点,所述边缘服务器确定在所述预设时间段中的每一子时间段内,该边缘节点成功处理所述边缘服务器分配的任务的数目,与所述边缘服务器分配至该边缘节点的任务的总数目的比值,作为第二比值;
所述边缘服务器根据所述第二比值和第二预设公式,确定该边缘节点在各子时间段内的初始信任值,所述第二预设公式为:
C(m)表示所述预设时间段中第m个子时间段内该边缘节点的初始信任值,X表示所述预设时间段中第m个子时间段内大于第一预设比值的第二比值的数目,Y表示所述预设时间段中第m个子时间段内小于第一预设比值的第二比值的数目,β表示第一系数;
所述边缘服务器根据所述初始信任值和第三预设公式,确定所述预设时间段内该边缘节点的第三信任值,其中,所述第三预设公式为:
C表示所述预设时间段内该边缘节点的第三信任值,C(m)表示所述预设时间段中第m个子时间段内该边缘节点的初始信任值,N表示所述预设时间段包含的子时间段的数目,n(m)表示所述预设时间段中第m个子时间段内所述边缘服务器分配至该边缘节点的任务的数目,sum(n(m))表示所述预设时间段内所述边缘服务器分配至该边缘节点的任务的总数目。
可选的,所述边缘服务器根据预设时间段内该边缘节点的备选信任值,确定所述预设时间段内该边缘节点的目标信任值,包括:
所述边缘服务器根据预设的权重,计算该边缘节点的第一信任值、第二信任值和第三信任值的加权和,作为该边缘节点的目标信任值。
可选的,在所述边缘服务器根据预设时间段内该边缘节点的备选信任值,确定所述预设时间段内该边缘节点的目标信任值之前,所述方法还包括:
针对所述边缘网络中的每一边缘节点,所述边缘服务器确定该边缘节点的比值序列,其中,一个比值序列包括至少一个第三比值,所述第三比值为该边缘节点成功处理备选边缘节点分配的任务的数目,与所述备选边缘节点分配至该边缘节点的任务的总数目的比值,所述备选边缘节点为所述边缘网络中除该边缘节点外的任一边缘节点;
所述边缘服务器对所述预设时间段内该边缘节点的各比值序列对应的向量求和,得到目标向量;
针对该边缘节点的每一比值序列,所述边缘服务器计算该比值序列对应的向量与所述目标向量的相似度,作为第一相似度;
所述边缘服务器判断所述第一相似度,是否小于预设相似度阈值;
如果所述第一相似度小于预设相似度阈值,则确定与该比值序列对应的向量对应的备选边缘节点的第三节点类型为恶意节点;
如果所述第一相似度不小于预设相似度阈值,则确定与该比值序列对应的向量对应的备选边缘节点的第三节点类型为非恶意节点。
可选的,在所述确定预设时间段内该边缘节点的第二信任值之后,所述方法还包括:
所述边缘服务器根据其他边缘节点确定的所述预设时间段内该边缘节点的第一信任值,和邓普斯特-谢弗Dempster-Shafer算法确定第二预设阈值;
如果该边缘节点的第二信任值小于第二预设阈值,则确定该边缘节点的第四节点类型为恶意节点;
如果该边缘节点的第二信任值不小于第二预设阈值,则确定该边缘节点的第四节点类型为非恶意节点。
可选的,所述边缘服务器根据所述第一比值,更新目标参数,包括:
如果所述第一比值大于第二预设比值,所述边缘服务器增大所述第一预设阈值;
如果所述第一比值小于第三预设比值,所述边缘服务器减小所述第一预设阈值,其中,所述第三预设比值小于所述第二预设比值。
第二方面,为了达到上述目的,本发明实施例提供了一种目标网络,所述目标网络包括边缘网络和预设服务器集群,所述边缘网络包括边缘服务器和至少一个边缘节点,其中:
所述边缘服务器,用于针对所述边缘网络中的每一边缘节点,当达到预设时刻时,根据预设时间段内该边缘节点的备选信任值,确定所述预设时间段内该边缘节点的目标信任值,其中,所述备选信任值包括该边缘节点的第一信任值,该边缘节点的第一信任值为根据所述预设时间段内,其他边缘节点与该边缘节点处理的协同任务的数目确定出的;
所述边缘服务器,还用于根据各边缘节点的目标信任值和第一预设阈值,确定所述边缘网络中第一节点类型为非恶意节点的边缘节点,作为待选边缘节点,并向所述预设服务器集群,发送所述待选边缘节点的备选信任值和目标信任值;
所述预设服务器集群,用于根据所述待选边缘节点的备选信任值、目标信任值和节点类型预测网络模型,确定所述待选边缘节点各自的第二节点类型,其中,所述第二节点类型为非恶意节点或恶意节点;
所述预设服务器集群,还用于确定所述待选边缘节点中,第一节点类型与第二节点类型不一致的边缘节点的数目,与所述待选边缘节点的总数目的比值,作为第一比值,并向所述边缘服务器发送所述第一比值;
所述边缘服务器,还用于根据所述第一比值,更新目标参数,其中,所述目标参数包括所述第一预设阈值,并在达到下一预设时刻时,根据更新后的所述目标参数,确定所述边缘网络中所述第一节点类型为非恶意节点的边缘节点。
可选的,所述边缘服务器,具体用于针对所述边缘网络中的每一边缘节点,根据其他边缘节点确定的该边缘节点的第一信任值,和第一预设公式确定所述预设时间段内该边缘节点的第二信任值,其中,所述第一预设公式为:
B表示所述预设时间段内该边缘节点的第二信任值,K表示归一化系数,Ah表示除该边缘节点外的其他边缘节点中的第h个边缘节点确定的预设时间段内该边缘节点的第一信任值,h表示所述边缘网络中除该边缘节点外的其他边缘节点的数目;
根据所述预设时间段内该边缘节点的第一信任值和第二信任值,确定所述预设时间段内该边缘节点的目标信任值。
可选的,所述备选信任值还包括该边缘节点的第三信任值;
所述边缘服务器,还用于针对所述边缘网络中的每一边缘节点,确定在所述预设时间段中的每一子时间段内,该边缘节点成功处理所述边缘服务器分配的任务的数目,与所述边缘服务器分配至该边缘节点的任务的总数目的比值,作为第二比值;
根据所述第二比值和第二预设公式,确定该边缘节点在各子时间段内的初始信任值,所述第二预设公式为:
C(m)表示所述预设时间段中第m个子时间段内该边缘节点的初始信任值,X表示所述预设时间段中第m个子时间段内大于第一预设比值的第二比值的数目,Y表示所述预设时间段中第m个子时间段内小于第一预设比值的第二比值的数目,β表示第一系数;
根据所述初始信任值和第三预设公式,确定所述预设时间段内该边缘节点的第三信任值,其中,所述第三预设公式为:
C表示所述预设时间段内该边缘节点的第三信任值,C(m)表示所述预设时间段中第m个子时间段内该边缘节点的初始信任值,N表示所述预设时间段包含的子时间段的数目,n(m)表示所述预设时间段中第m个子时间段内所述边缘服务器分配至该边缘节点的任务的数目,sum(n(m))表示所述预设时间段内所述边缘服务器分配至该边缘节点的任务的总数目。
可选的,所述边缘服务器,具体用于根据预设的权重,计算该边缘节点的第一信任值、第二信任值和第三信任值的加权和,作为该边缘节点的目标信任值。
可选的,所述边缘服务器,还用于针对所述边缘网络中的每一边缘节点,确定该边缘节点的比值序列,其中,一个比值序列包括至少一个第三比值,所述第三比值为该边缘节点成功处理备选边缘节点分配的任务的数目,与所述备选边缘节点分配至该边缘节点的任务的总数目的比值,所述备选边缘节点为所述边缘网络中除该边缘节点外的任一边缘节点;
对所述预设时间段内该边缘节点的各比值序列对应的向量求和,得到目标向量;
针对该边缘节点的每一比值序列,计算该比值序列对应的向量与所述目标向量的相似度,作为第一相似度;
判断所述第一相似度,是否小于预设相似度阈值;
如果所述第一相似度小于预设相似度阈值,则确定与该比值序列对应的向量对应的备选边缘节点的第三节点类型为恶意节点;
如果所述第一相似度不小于预设相似度阈值,则确定与该比值序列对应的向量对应的备选边缘节点的第三节点类型为非恶意节点。
可选的,所述边缘服务器,还用于根据其他边缘节点确定的所述预设时间段内该边缘节点的第一信任值,和邓普斯特-谢弗Dempster-Shafer算法确定第二预设阈值;
如果该边缘节点的第二信任值小于第二预设阈值,则确定该边缘节点的第四节点类型为恶意节点;
如果该边缘节点的第二信任值不小于第二预设阈值,则确定该边缘节点的第四节点类型为非恶意节点。
可选的,所述边缘服务器,具体用于如果所述第一比值大于第二预设比值,增大所述第一预设阈值;
如果所述第一比值小于第三预设比值,减小所述第一预设阈值,其中,所述第三预设比值小于所述第二预设比值。
本发明实施例提供的一种边缘节点的节点类型确定方法,当达到预设时刻时,边缘服务器可以确定各边缘节点的目标信任值,并根据第一预设阈值,确定待选边缘节点,向预设服务器集群发送待选边缘节点的备选信任值和目标信任值,进而,预设服务器集群可以确定待选边缘节点各自的第二节点类型,以及待选边缘节点中第一节点类型与第二节点类型不一致的边缘节点的数目,与待选边缘节点的总数目的比值,作为第一比值,并向边缘服务器发送第一比值,边缘服务器根据第一比值,更新目标参数,在达到下一预设时刻时,根据更新后的目标参数,确定边缘网络中第一节点类型为非恶意节点的边缘节点,基于上述处理,能够提高边缘网络的整体性能。
基于上述处理,由于第一比值可以体现边缘服务器确定出的非恶意节点,与预设服务器集群确定出的非恶意节点之间的差异,而差异的程度能够体现第一预设阈值设置的合理性,因此边缘服务器根据第一比值更新第一预设阈值,能够提高第一预设阈值的合理性,进而,达到下一预设时刻时,边缘服务器可以根据更新后的第一预设阈值,确定各边缘节点的节点类型,而现有技术中第一预设阈值的数值不变,因此,基于本发明实施例提供的边缘节点的节点类型确定方法,能够在一定程度上避免现有技术中边缘网络的计算能力降低,和边缘网络的安全性降低的问题,进而,能够提高边缘网络的整体性能。
当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种边缘节点的节点类型确定方法的流程图;
图2为本发明实施例提供的一种节点类型预测网络模型的结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
参见图1,图1为本发明实施例提供的一种边缘节点的节点类型确定方法的流程图,该方法应用于目标网络,目标网络包括边缘网络和预设服务器集群,边缘网络包括边缘服务器和至少一个边缘节点,预设服务器集群也可以称为中心云端,中心云端可以用于管理边缘网络中的边缘节点。
该方法包括以下步骤:
S101:针对边缘网络中的每一边缘节点,当达到预设时刻时,边缘服务器根据预设时间段内该边缘节点的备选信任值,确定预设时间段内该边缘节点的目标信任值。
其中,备选信任值包括该边缘节点的第一信任值,该边缘节点的第一信任值为根据预设时间段内,其他边缘节点与该边缘节点处理的协同任务的数目确定出的。
边缘服务器可以周期性地更新边缘网络中各边缘节点的信任值(即目标信任值),目标信任值的更新周期可以由技术人员根据经验设置。
可以理解的是,预设时刻可以为当前更新周期开始的时刻,相应的,预设时间段为上一更新周期。
预设时刻还可以为边缘网络中的任一边缘节点接收到网络服务的请求的时刻(可以称为第一时刻),如果当前周期开始的时刻(可以称为第二时刻)与第一时刻之间的时长,大于目标信任值的更新周期的二分之一,则预设时间段可以为第二时刻与第一时刻之间的时间段。
如果第二时刻与第一时刻之间的时长,小于目标信任值的更新周期的二分之一,则预设时间段可以为上一周期开始的时刻与第一时刻之间的时间段。
一种实现方式中,边缘网络中的每一边缘节点(可以称为第一边缘节点),可以根据自身与其他任一边缘节点(可以称为第二边缘节点)处理的协同任务的数目,确定该第二边缘节点的第一信任值。
针对第一边缘节点分配至第二边缘节点的每一任务(可以称为第一任务),第一边缘节点可以判断第二边缘节点处理该第一任务所持续的时长,是否大于第一预设时长。
如果第二边缘节点处理该第一任务所持续的时长,大于第一预设时长,则第一边缘节点可以判定第二边缘节点处理该第一任务失败;如果第二边缘节点处理该第一任务所持续的时长,不大于第一预设时长,则第一边缘节点可以判定第二边缘节点处理该第一任务成功。
其中,第一预设时长可以由技术人员根据经验设置,例如,第一预设时长可以3秒,第一预设时长也可以为5秒,但并不限于此。
然后,第一边缘节点可以确定预设时间段内第二边缘节点成功处理的第一任务的数目,与第一边缘节点分配至第二边缘节点的第一任务的总数目的比值,并根据得到的比值,确定预设时间段内第二边缘节点的信任值(即第一信任值)。第一边缘节点根据得到的比值,确定预设时间段内第二边缘节点的第一信任值的具体处理过程,可以参考后续实施例中边缘服务器根据边缘节点成功处理的测试任务的数目,与边缘服务器分配至边缘节点的测试任务的数目的比值,确定边缘节点的第三信任值的介绍。
可选的,该边缘节点的备选信任值还包括该边缘节点的第三信任值。
则在步骤S101之前,该方法还包括以下步骤:
步骤一:针对边缘网络中的每一边缘节点,边缘服务器确定在预设时间段中的每一子时间段内,该边缘节点成功处理边缘服务器分配的任务的数目,与边缘服务器分配至该边缘节点的任务的总数目的比值,作为第二比值。
在发明实施例中,边缘服务器可以为边缘网络中每一边缘节点分配测试任务,并判断该边缘节点处理测试任务是否成功。
一种实现方式中,边缘服务器可以判断该边缘节点处理每一测试任务所持续的时长,是否大于第二预设时长。如果该边缘节点处理该测试任务所持续的时,长大于第二预设时长,则边缘服务器可以判定该边缘节点处理该测试任务失败。如果该边缘节点处理该测试任务所持续的时长,不大于第二预设时长,则边缘服务器可以判定该边缘节点处理该测试任务成功。
其中,第二预设时长可以由技术人员根据经验设置,第二预设时长可以与第一预设时长相同,也可以与第一预设时长不相同。
然后,边缘服务器可以确定预设时间段内该边缘节点成功处理的测试任务的数目,与边缘服务器分配至该边缘节点的测试任务的总数目的比值(即第二比值)。
步骤二:边缘服务器根据第二比值和第二预设公式,确定该边缘节点在各子时间段内的初始信任值,第二预设公式为:
C(m)表示预设时间段中第m个子时间段内该边缘节点的初始信任值,X表示预设时间段中第m个子时间段内大于第一预设比值的第二比值的数目,Y表示预设时间段中第m个子时间段内小于第一预设比值的第二比值的数目,β表示第一系数。
其中,β的数值可以大于1,第一预设比值可以由技术人员根据经验设置,例如,第一预设比值可以为0.5,但并不限于此。
步骤三:边缘服务器根据初始信任值和第三预设公式,确定预设时间段内该边缘节点的第三信任值,其中,第三预设公式为:
C表示预设时间段内该边缘节点的第三信任值,C(m)表示预设时间段中第m个子时间段内该边缘节点的初始信任值,N表示预设时间段包含的子时间段的数目,n(m)表示预设时间段中第m个子时间段内边缘服务器分配至该边缘节点的任务的数目,sum(n(m))表示预设时间段内边缘服务器分配至该边缘节点的任务的总数目。
由于各子时间段内边缘服务器分配至该边缘节点的测试任务的数目不相同,在计算预设时间段内该边缘节点的第三信任值时,如果某一子时间段内边缘服务器分配至该边缘节点的测试任务的数目较多,则该子时间段内该边缘节点的初始信任值应该占有较高的权重,因此,公式(2)中利用各个子时间段内边缘服务器分配至该边缘节点的测试任务的数目,与预设时间段内边缘服务器分配至该边缘节点的测试任务的总数目的比值,表示该子时间段内该边缘节点的初始信任值的权重,使得根据公式(2)确定出的该边缘节点的第三信任值更为准确。
另外,边缘服务器还可以确定各边缘节点的第三节点类型。
可选的,在步骤S101之前,该方法还可以包括以下步骤:
步骤1:针对边缘网络中的每一边缘节点,边缘服务器确定该边缘节点的比值序列。
其中,一个比值序列包括至少一个第三比值,第三比值为该边缘节点成功处理备选边缘节点分配的任务的数目,与备选边缘节点分配至该边缘节点的任务的总数目的比值,备选边缘节点为边缘网络中除该边缘节点外的任一边缘节点。
示例性的,边缘网络中可以包括:边缘服务器、边缘节点1、边缘节点2、边缘节点3。预设时间段中可以包含3个子时间段,针对边缘节点1,如果边缘服务器确定的第1个子时间段内,边缘节点1成功处理边缘节点2分配的任务的数目,与第1个子时间段内边缘节点2分配至边缘节点1的任务的总数目的比值为P1;边缘服务器确定的第2个子时间段内,边缘节点1成功处理边缘节点2分配的任务的数目,与第2个子时间段内边缘节点2分配至边缘节点1的任务的总数目的比值为P2;边缘服务器确定的第3个子时间段内,边缘节点1成功处理边缘节点2分配的任务的数目,与第3个子时间段内边缘节点2分配至边缘节点1的任务的总数目的比值为P3,则边缘节点1的比值序列1为:P12={P1,P2,P3}。同理,边缘服务器可以根据边缘节点1处理边缘节点3分配的任务的数目,得到边缘节点1的比值序列2。
步骤2:边缘服务器对预设时间段内该边缘节点的各比值序列对应的向量求和,得到目标向量。
步骤3:针对该边缘节点的每一比值序列,边缘服务器计算该比值序列对应的向量与目标向量的相似度,作为第一相似度。
边缘服务器可以根据预设相似度算法计算每一比值序列对应的向量与目标向量的相似度。预设相似度算法可以为欧几里德距离算法,也可以为皮尔逊相关系数算法,或者余弦相似度算法,但并不限于此。
一种实现方式中,边缘服务器可以根据余弦相似度算法,计算每一比值序列对应的向量与目标向量的相似度。
步骤4:边缘服务器判断第一相似度是否小于预设相似度阈值。
其中,预设相似度阈值可以由技术人员根据经验设置。
步骤5:如果第一相似度小于预设相似度阈值,则确定与该比值序列对应的向量对应的备选边缘节点的第三节点类型为恶意节点;如果第一相似度不小于预设相似度阈值,则确定与该比值序列对应的向量对应的备选边缘节点的第三节点类型为非恶意节点。
一种实现方式中,在确定备选边缘节点的第三节点类型之后,边缘服务器可以将第三节点类型为恶意节点的备选边缘节点从边缘网络中删除,进而,能够提高边缘网络的安全性。
然后,针对边缘网络中的每一边缘节点,边缘服务器可以根据该边缘节点的第一信任值,确定预设时间段内该边缘节点的第二信任值,进而,根据该边缘节点的第一信任值和第二信任值,确定预设时间段内该边缘节点的目标信任值。
可选的,步骤S101可以包括以下步骤:
步骤一:针对边缘网络中的每一边缘节点,边缘服务器根据其他边缘节点确定的该边缘节点的第一信任值,和第一预设公式确定预设时间段内该边缘节点的第二信任值,其中,第一预设公式为:
B表示预设时间段内该边缘节点的第二信任值,K表示归一化系数,Ah表示除该边缘节点外的其他边缘节点中的第h个边缘节点确定的预设时间段内该边缘节点的第一信任值,h表示边缘网络中除该边缘节点外的其他边缘节点的数目,表示从A1至Ah均大于第一数值。
其中,第一数值可以由技术人员根据经验设置,例如,第一数值可以为0.9,第一数值也可以为0.8,但并不限于此。
一种实现方式中,第一预设公式为Dempster(邓普斯特)合成规则中的第一公式,K可以根据Dempster合成规则中的第二公式确定,其中,Dempster合成规则中的第二公式为:
K表示归一化系数,AL′表示除该边缘节点外的其他边缘节点中的第L个边缘节点确定的预设时间段内该边缘节点的第一信任值,L表示边缘网络中除该边缘节点外的其他边缘节点的数目,表示从A1′至AL′均小于第一数值。
可选的,边缘服务器在确定各边缘节点的第二信任值之后,还可以确定第二预设阈值,并根据第二预设阈值确定各边缘节点的第四节点类型。
一种实现方式中,针对边缘网络中的每一边缘节点,边缘服务器可以根据其他边缘节点确定的预设时间段内该边缘节点的第一信任值,和邓普斯特-谢弗Dempster-Shafer算法(简称D-S算法)确定第二预设阈值。
边缘服务器可以根据D-S算法中的信任函数,确定第三预设阈值,其中,信任函数为:
Bel表示第三预设阈值,Ak表示边缘网络中除该边缘节点外的第k个边缘节点确定的该边缘节点的第一信任值,M表示边缘网络中除该边缘节点外的其他边缘节点的数目。
Ak表示除该边缘节点外的其他边缘节点中的第k个边缘节点确定的该边缘节点的第一信任值,M表示边缘网络中除该边缘节点外的其他边缘节点的数目,Ak′表示除该边缘节点外的其他边缘节点中的第k个边缘节点确定的,各子时间段内大于第二数值的该边缘节点的初始信任值,Ak″表示除该边缘节点外的其他边缘节点中的第k个边缘节点确定的,各子时间段内小于第二数值的该边缘节点的初始信任值。
其中,第二数值可以由技术人员根据经验设置,第二数值可以与第一数值相同,第二数值也可以与第一数值不相同。
边缘服务器可以根据第三预设阈值,和D-S算法中的似然函数,确定第二预设阈值,其中,似然函数为:
Pl=1-Bel
Pl表示第二预设阈值,Bel表示第三预设阈值。
如果该边缘节点的第二信任值小于第二预设阈值,则边缘服务器可以判定该边缘节点的第四节点类型为恶意节点;如果该边缘节点的第二信任值不小于第二预设阈值,则边缘服务器可以判定该边缘节点的第四节点类型为非恶意节点。
一种实现方式中,在确定备选边缘节点的第四节点类型之后,边缘服务器可以将第四节点类型为恶意节点的备选边缘节点从边缘网络中删除,能够进一步提高边缘网络的安全性。
另外,非恶意节点可以包括繁忙节点和正常节点。
边缘服务器可以判断第四节点类型为非恶意节点的每一边缘节点的第二信任值是否小于第三预设阈值,如果该边缘节点的第二信任值小于第三预设阈值,则边缘服务器可以确定该边缘节点的第四节点类型为繁忙节点;如果该边缘节点的第二信任值不小于第三预设阈值,则边缘服务器可以确定该边缘节点的第四节点类型为正常节点。
步骤二:边缘服务器根据预设时间段内该边缘节点的第一信任值和第二信任值,确定预设时间段内该边缘节点的目标信任值。
一种实现方式中,边缘服务器可以计算该边缘节点的第一信任值和第二信任值的平均值,然后,将计算得到的平均值作为该边缘节点的目标信任值。
另一种实现方式中,边缘服务器也可以将该边缘节点的第一信任值和第二信任值中较小的信任值,作为该边缘节点的目标信任值。
另外,为了提高确定出的目标信任值的准确度,边缘服务器还可以根据该边缘节点的第一信任值、第二信任值和第三信任值,确定该边缘节点的目标信任值。
一种实现方式中,针对边缘网络中的每一边缘节点,边缘服务器可以根据该边缘节点的第一信任值、第二信任值和第三信任值,以及第四预设公式,确定预设时间段内该边缘节点的目标信任值,其中,第四预设公式为:
G=WA×A+WB×B+WC×C
G表示预设时间段内该边缘节点的目标信任值,A表示该边缘节点的第一信任值,B表示该边缘节点的第二信任值,C表示该边缘节点的第三信任值,WA表示该边缘节点的第一信任值的权重,WB表示该边缘节点的第二信任值的权重,WC表示该边缘节点的第三信任值的权重。
该边缘节点的第一信任值、第二信任值和第三信任值各自的权重,可以为边缘服务器根据该边缘节点的第一信任值、第二信任值和第三信任值,以及熵权法确定的。
S102:边缘服务器根据各边缘节点的目标信任值和第一预设阈值,确定边缘网络中第一节点类型为非恶意节点的边缘节点,作为待选边缘节点,并向预设服务器集群,发送待选边缘节点的备选信任值和目标信任值。
其中,第一预设阈值可以由技术人员根据经验设置,例如,第一预设阈值可以为0.9,第一预设阈值也可以为0.8,但并不限于此。
一种实现方式中,针对边缘网络中的每一边缘节点,边缘服务器可以判断该边缘节点的目标信任值是否小于第一预设阈值,如果该边缘节点的目标信任值小于第一预设阈值,则边缘服务器可以判定该边缘节点的节点类型(即第一节点类型)为恶意节点;如果该边缘节点的目标信任值不小于第一预设阈值,则边缘服务器可以判定该边缘节点的第一节点类型为非恶意节点。
然后,边缘服务器可以向预设服务器集群,发送第一节点类型为非恶意节点的边缘节点(即待选边缘节点)的备选信任值和目标信任值。
另外,在确定出待选边缘节点的第一节点类型之后,边缘服务器还可以将第一节点类型为恶意节点的边缘节点从边缘网络中删除,可以更进一步的提高边缘网络的安全性。
结合上述实施例的介绍,在一种实现方式中,边缘服务器在确定边缘网络中的各边缘节点的第三节点类型之后,可以将第三节点类型为恶意节点的边缘节点从边缘网络中删除。
进而,为了提高边缘网络的安全性,边缘服务器还可以继续确定边缘网络中剩余的第三节点类型为非恶意节点的边缘节点(可以称为第三边缘节点)的第四节点类型,进而,将第三边缘节点中第四节点类型为恶意节点的边缘节点从边缘网络中删除。
再次,为了进一步提高边缘网络的安全性,边缘服务器还可以继续确定边缘网络中剩余的第四节点类型为非恶意节点的边缘节点(可以称为第四边缘节点)的第一节点类型,进而,将第四边缘节点中第一节点类型为恶意节点的边缘节点从边缘网络中删除。
S103:预设服务器集群根据待选边缘节点的备选信任值、目标信任值和节点类型预测网络模型,确定待选边缘节点各自的第二节点类型。
其中,第二节点类型为非恶意节点或恶意节点。
预设服务器集群可以将待选边缘节点的第一信任值、第二信任值、第三信任值和目标信任值输入节点类型预测网络模型。
节点类型预测网络模型的卷积层可以根据深度Q学习算法中的Q值更新函数和损失函数确定该边缘节点的节点类型,其中,Q值更新函数为:
Q(st,at)←Q(st,at)+α(γ+γmaxQ(st+1,at+1)-Q(st,at)
γ表示当前状态的返回参数,α表示折扣系数,Q表示对当前状态执行的动作的评估值,st表示当前状态,at表示当前状态执行的动作,st+1表示在状态st时,执行动作at后的下一状态,at+1表示在状态st+1执行的动作。
其中,γ可以由技术人员根据经验设置,例如,γ可以为0.9,但并不限于此。
损失函数为:
L(w)=E[(γ+γmaxQ(st+1,at+1)-Q(st,at))2]
L(w)表示损失函数,E表示数学期望。
然后,节点类型预测网络模型可以输出待选边缘节点的节点类型(即第二节点类型)。
另外,在根据节点类型预测网络模型确定边缘节点的第二节点类型之前,预设服务器集群还可以根据mini-batch(神经网络学习算法)对节点类型预测网络模型进行训练,直至节点类型预测网络模型达到收敛条件,得到训练好的节点类型预测网络模型。
S104:预设服务器集群确定待选边缘节点中,第一节点类型与第二节点类型不一致的边缘节点的数目,与待选边缘节点的总数目的比值,作为第一比值,并向边缘服务器发送第一比值。
由于边缘服务器和预设服务器集群确定各边缘节点的节点类型时,采用的方法并不相同,可能会导致边缘服务器确定的节点类型(即第一节点类型)与预设服务器集群确定的节点类型(即第二节点类型)不同,预设服务器集群可以确定第一节点类型与第二节点类型不一致的边缘节点的数目,进而,可以确定边缘服务器确定出的非恶意节点,与预设服务器集群确定出的非恶意节点之间的差异,而这种差异的程度能够体现设置的第一预设阈值的合理性,因此,边缘服务器可以计算第一节点类型与第二节点类型不一致的边缘节点的数目,与待选边缘节点的总数目的比值(即第一比值)。
S105:边缘服务器根据第一比值,更新目标参数,并在达到下一预设时刻时,根据更新后的目标参数,确定边缘网络中第一节点类型为非恶意节点的边缘节点。
其中,目标参数包括第一预设阈值。
一种实现方式中,如果第一比值大于第二预设比值,边缘服务器可以增大第一预设阈值;如果第一比值小于第三预设比值,边缘服务器可以减小第一预设阈值。
其中,第二预设比值可以由技术人员根据经验设置,例如,第二预设比值可以为0.2,第二预设比值也可以为0.25,但并不限于此。
第三预设比值小于第二预设比值,第三预设比值可以由技术人员根据经验设置,例如,当第二预设比值为0.25时,第三预设比值可以为0.1;当第二预设比值为0.2时,第三预设比值可以为0.15,但并不限于此。
示例性的,如果第一比值大于第二预设比值,则边缘服务器可以增大第一预设阈值,增大后的第一预设阈值可以为增大前的第一预设阈值的1.2倍,增大后的第一预设阈值也可以为增大前的第一预设阈值的1.25倍,但并不限于此。
如果第一比值小于第三预设比值,则边缘服务器可以减小第一预设阈值,减小后的第一预设阈值可以为减小前的第一预设阈值的0.9倍,减小后的第一预设阈值也可以为减小前的第一预设阈值的0.85倍,但并不限于此。
相应的,当达到下一预设时刻时,边缘服务器可以根据更新后的第一预设阈值,确定边缘网络中第一节点类型为非恶意节点的边缘节点,由于更新后的第一预设阈值的合理性较高,根据更新后的第一预设阈值确定出的非恶意节点的有效性较高。
另外,为了进一步提高更新后的第一预设阈值的合理性,边缘服务器还可以对第一预设时长、第二预设时长、第二预设阈值、第三预设阈值、预设相似度阈值、第一系数(即上述实施例中的公式(1)中的β)进行更新。
一种实现方式中,如果第一比值大于第二预设比值,则边缘服务器可以增加第一预设时长、第二预设时长、第二预设阈值、第三预设阈值、预设相似度阈值,减小第一系数;如果第一比值小于第三预设比值,则边缘服务器可以减小第一预设时长、第二预设时长、第二预设阈值、第三预设阈值、预设相似度阈值,增大第一系数。
基于上述处理,由于第一比值可以体现边缘服务器确定出的非恶意节点,与预设服务器集群确定出的非恶意节点之间的差异,而差异的程度能够体现第一预设阈值设置的合理性,因此边缘服务器根据第一比值更新第一预设阈值,能够提高第一预设阈值的合理性,进而,达到下一预设时刻时,边缘服务器可以根据更新后的第一预设阈值,确定各边缘节点的节点类型,而现有技术中第一预设阈值的数值不变,因此,基于本发明实施例提供的边缘节点的节点类型确定方法,能够在一定程度上避免现有技术中边缘网络的计算能力降低,和边缘网络的安全性降低的问题,进而,能够提高边缘网络的整体性能。
边缘服务器将各边缘节点的备选信任值和目标信任值发送至预设服务器集群,相对于现有技术中,边缘服务器向预设服务器集群发送各边缘节点相关的初始数据(例如,各边缘节点处理每一任务的时间,各边缘节点处理成功的任务的数目,各边缘节点处理的任务的总数目等,),通过本发明实施例提供的方法,传输的数据量较小,能够节省传输时间,且预设服务器集群处理的数据(即各边缘节点的备选信任值和目标信任值)较少,可以提高预设服务器集群的响应速度,进而,可以提高边缘网络的计算效率,能够在一定程度上提高目标网络的整体性能。
参见图2,图2为本发明实施例提供的一种节点类型预测网络模型的结构图,该节点类型预测网络模型包括:输入层、卷积层和输出层。
预设服务器集群可以根据将待选边缘节点的第一信任值、第二信任值、第三信任值和目标信任值输入节点类型预测网络模型。
节点类型预测网络模型的卷积层可以根据深度Q学习算法,确定该边缘节点的节点类型。
然后,节点类型预测网络模型可以输出待选边缘节点的节点类型。
基于同一发明构思,与本发明上述实施例提供的边缘节点的节点类型确定方法相对应本发明实施例还提供了一种目标网络,所述目标网络包括边缘网络和预设服务器集群,所述边缘网络包括边缘服务器和至少一个边缘节点,所述预设服务器集群也可以称为中心云端,所述中心云端可以用于管理所述边缘网络中的边缘节点,其中:
所述边缘服务器,用于针对所述边缘网络中的每一边缘节点,当达到预设时刻时,根据预设时间段内该边缘节点的备选信任值,确定所述预设时间段内该边缘节点的目标信任值,其中,所述备选信任值包括该边缘节点的第一信任值,该边缘节点的第一信任值为根据所述预设时间段内,其他边缘节点与该边缘节点处理的协同任务的数目确定出的;
所述边缘服务器,还用于根据各边缘节点的目标信任值和第一预设阈值,确定所述边缘网络中第一节点类型为非恶意节点的边缘节点,作为待选边缘节点,并向所述预设服务器集群,发送所述待选边缘节点的备选信任值和目标信任值;
所述预设服务器集群,用于根据所述待选边缘节点的备选信任值、目标信任值和节点类型预测网络模型,确定所述待选边缘节点各自的第二节点类型,其中,所述第二节点类型为非恶意节点或恶意节点;
所述预设服务器集群,还用于确定所述待选边缘节点中,第一节点类型与第二节点类型不一致的边缘节点的数目,与所述待选边缘节点的总数目的比值,作为第一比值,并向所述边缘服务器发送所述第一比值;
所述边缘服务器,还用于根据所述第一比值,更新目标参数,其中,所述目标参数包括所述第一预设阈值,并在达到下一预设时刻时,根据更新后的所述目标参数,确定所述边缘网络中所述第一节点类型为非恶意节点的边缘节点。
可选的,所述边缘服务器,具体用于针对所述边缘网络中的每一边缘节点,根据其他边缘节点确定的该边缘节点的第一信任值,和第一预设公式确定所述预设时间段内该边缘节点的第二信任值,其中,所述第一预设公式为:
B表示所述预设时间段内该边缘节点的第二信任值,K表示归一化系数,Ah表示除该边缘节点外的其他边缘节点中的第h个边缘节点确定的预设时间段内该边缘节点的第一信任值,h表示所述边缘网络中除该边缘节点外的其他边缘节点的数目;
根据所述预设时间段内该边缘节点的第一信任值和第二信任值,确定所述预设时间段内该边缘节点的目标信任值。
可选的,所述备选信任值还包括该边缘节点的第三信任值;
所述边缘服务器,还用于针对所述边缘网络中的每一边缘节点,确定在所述预设时间段中的每一子时间段内,该边缘节点成功处理所述边缘服务器分配的任务的数目,与所述边缘服务器分配至该边缘节点的任务的总数目的比值,作为第二比值;
根据所述第二比值和第二预设公式,确定该边缘节点在各子时间段内的初始信任值,所述第二预设公式为:
C(m)表示所述预设时间段中第m个子时间段内该边缘节点的初始信任值,X表示所述预设时间段中第m个子时间段内大于第一预设比值的第二比值的数目,Y表示所述预设时间段中第m个子时间段内小于第一预设比值的第二比值的数目,β表示第一系数;
根据所述初始信任值和第三预设公式,确定所述预设时间段内该边缘节点的第三信任值,其中,所述第三预设公式为:
C表示所述预设时间段内该边缘节点的第三信任值,C(m)表示所述预设时间段中第m个子时间段内该边缘节点的初始信任值,N表示所述预设时间段包含的子时间段的数目,n(m)表示所述预设时间段中第m个子时间段内所述边缘服务器分配至该边缘节点的任务的数目,sum(n(m))表示所述预设时间段内所述边缘服务器分配至该边缘节点的任务的总数目。
可选的,所述边缘服务器,具体用于根据预设的权重,计算该边缘节点的第一信任值、第二信任值和第三信任值的加权和,作为该边缘节点的目标信任值。
可选的,所述边缘服务器,还用于针对所述边缘网络中的每一边缘节点,确定该边缘节点的比值序列,其中,一个比值序列包括至少一个第三比值,所述第三比值为该边缘节点成功处理备选边缘节点分配的任务的数目,与所述备选边缘节点分配至该边缘节点的任务的总数目的比值,所述备选边缘节点为所述边缘网络中除该边缘节点外的任一边缘节点;
对所述预设时间段内该边缘节点的各比值序列对应的向量求和,得到目标向量;
针对该边缘节点的每一比值序列,计算该比值序列对应的向量与所述目标向量的相似度,作为第一相似度;
判断所述第一相似度,是否小于预设相似度阈值;
如果所述第一相似度小于预设相似度阈值,则确定与该比值序列对应的向量对应的备选边缘节点的第三节点类型为恶意节点;
如果所述第一相似度不小于预设相似度阈值,则确定与该比值序列对应的向量对应的备选边缘节点的第三节点类型为非恶意节点。
可选的,所述边缘服务器,还用于根据其他边缘节点确定的所述预设时间段内该边缘节点的第一信任值,和邓普斯特-谢弗Dempster-Shafer算法确定第二预设阈值;
如果该边缘节点的第二信任值小于第二预设阈值,则确定该边缘节点的第四节点类型为恶意节点;
如果该边缘节点的第二信任值不小于第二预设阈值,则确定该边缘节点的第四节点类型为非恶意节点。
可选的,所述边缘服务器,具体用于如果所述第一比值大于第二预设比值,增大所述第一预设阈值;
如果所述第一比值小于第三预设比值,减小所述第一预设阈值,其中,所述第三预设比值小于所述第二预设比值。
基于上述处理,由于第一比值可以体现边缘服务器确定出的非恶意节点,与预设服务器集群确定出的非恶意节点之间的差异,而差异的程度能够体现第一预设阈值设置的合理性,因此边缘服务器根据第一比值更新第一预设阈值,能够提高第一预设阈值的合理性,进而,达到下一预设时刻时,边缘服务器可以根据更新后的第一预设阈值,确定各边缘节点的节点类型,而现有技术中第一预设阈值的数值不变,因此,基于本发明实施例提供的边缘节点的节点类型确定方法,能够在一定程度上避免现有技术中边缘网络的计算能力降低,和边缘网络的安全性降低的问题,进而,能够提高边缘网络的整体性能。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物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、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于目标网络实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种边缘节点的节点类型确定方法,其特征在于,所述方法应用于目标网络,所述目标网络包括边缘网络和预设服务器集群,所述边缘网络包括边缘服务器和至少一个边缘节点,所述方法包括:
针对所述边缘网络中的每一边缘节点,当达到预设时刻时,所述边缘服务器根据预设时间段内该边缘节点的备选信任值,确定所述预设时间段内该边缘节点的目标信任值,其中,所述备选信任值包括该边缘节点的第一信任值,该边缘节点的第一信任值为根据所述预设时间段内,其他边缘节点与该边缘节点处理的协同任务的数目确定出的;
所述边缘服务器根据各边缘节点的目标信任值和第一预设阈值,确定所述边缘网络中第一节点类型为非恶意节点的边缘节点,作为待选边缘节点,并向所述预设服务器集群,发送所述待选边缘节点的备选信任值和目标信任值;
所述预设服务器集群根据所述待选边缘节点的备选信任值、目标信任值和节点类型预测网络模型,确定所述待选边缘节点各自的第二节点类型,其中,所述第二节点类型为非恶意节点或恶意节点;
所述预设服务器集群确定所述待选边缘节点中,第一节点类型与第二节点类型不一致的边缘节点的数目,与所述待选边缘节点的总数目的比值,作为第一比值,并向所述边缘服务器发送所述第一比值;
所述边缘服务器根据所述第一比值,更新目标参数,其中,所述目标参数包括所述第一预设阈值,并在达到下一预设时刻时,根据更新后的所述目标参数,确定所述边缘网络中所述第一节点类型为非恶意节点的边缘节点。
2.根据权利要求1所述的方法,其特征在于,所述边缘服务器根据预设时间段内该边缘节点的备选信任值,确定所述预设时间段内该边缘节点的目标信任值,包括:
针对所述边缘网络中的每一边缘节点,所述边缘服务器根据其他边缘节点确定的该边缘节点的第一信任值,和第一预设公式确定所述预设时间段内该边缘节点的第二信任值,其中,所述第一预设公式为邓普斯特Dempster合成规则中的第一公式,所述第一预设公式为:
B表示所述预设时间段内该边缘节点的第二信任值,K表示归一化系数,Ah表示除该边缘节点外的其他边缘节点中的第h个边缘节点确定的预设时间段内该边缘节点的第一信任值,h表示所述边缘网络中除该边缘节点外的其他边缘节点的数目;
所述边缘服务器根据所述预设时间段内该边缘节点的第一信任值和第二信任值,确定所述预设时间段内该边缘节点的目标信任值。
3.根据权利要求2所述的方法,其特征在于,所述备选信任值还包括该边缘节点的第三信任值;
在所述边缘服务器根据预设时间段内该边缘节点的备选信任值,确定所述预设时间段内该边缘节点的目标信任值之前,所述方法还包括:
针对所述边缘网络中的每一边缘节点,所述边缘服务器确定在所述预设时间段中的每一子时间段内,该边缘节点成功处理所述边缘服务器分配的任务的数目,与所述边缘服务器分配至该边缘节点的任务的总数目的比值,作为第二比值;
所述边缘服务器根据所述第二比值和第二预设公式,确定该边缘节点在各子时间段内的初始信任值,所述第二预设公式为:
C(m)表示所述预设时间段中第m个子时间段内该边缘节点的初始信任值,X表示所述预设时间段中第m个子时间段内大于第一预设比值的第二比值的数目,Y表示所述预设时间段中第m个子时间段内小于第一预设比值的第二比值的数目,β表示第一系数;
所述边缘服务器根据所述初始信任值和第三预设公式,确定所述预设时间段内该边缘节点的第三信任值,其中,所述第三预设公式为:
C表示所述预设时间段内该边缘节点的第三信任值,C(m)表示所述预设时间段中第m个子时间段内该边缘节点的初始信任值,N表示所述预设时间段包含的子时间段的数目,n(m)表示所述预设时间段中第m个子时间段内所述边缘服务器分配至该边缘节点的任务的数目,sum(n(m))表示所述预设时间段内所述边缘服务器分配至该边缘节点的任务的总数目。
4.根据权利要求3所述的方法,其特征在于,所述边缘服务器根据预设时间段内该边缘节点的备选信任值,确定所述预设时间段内该边缘节点的目标信任值,包括:
所述边缘服务器根据预设的权重,计算该边缘节点的第一信任值、第二信任值和第三信任值的加权和,作为该边缘节点的目标信任值。
5.根据权利要求1所述的方法,其特征在于,在所述边缘服务器根据预设时间段内该边缘节点的备选信任值,确定所述预设时间段内该边缘节点的目标信任值之前,所述方法还包括:
针对所述边缘网络中的每一边缘节点,所述边缘服务器确定该边缘节点的比值序列,其中,一个比值序列包括至少一个第三比值,所述第三比值为该边缘节点成功处理备选边缘节点分配的任务的数目,与所述备选边缘节点分配至该边缘节点的任务的总数目的比值,所述备选边缘节点为所述边缘网络中除该边缘节点外的任一边缘节点;
所述边缘服务器对所述预设时间段内该边缘节点的各比值序列对应的向量求和,得到目标向量;
针对该边缘节点的每一比值序列,所述边缘服务器计算该比值序列对应的向量与所述目标向量的相似度,作为第一相似度;
所述边缘服务器判断所述第一相似度,是否小于预设相似度阈值;
如果所述第一相似度小于预设相似度阈值,则确定与该比值序列对应的向量对应的备选边缘节点的第三节点类型为恶意节点;
如果所述第一相似度不小于预设相似度阈值,则确定与该比值序列对应的向量对应的备选边缘节点的第三节点类型为非恶意节点。
6.根据权利要求2所述的方法,其特征在于,在所述确定预设时间段内该边缘节点的第二信任值之后,所述方法还包括:
所述边缘服务器根据其他边缘节点确定的所述预设时间段内该边缘节点的第一信任值,和邓普斯特-谢弗Dempster-Shafer算法确定第二预设阈值;
如果该边缘节点的第二信任值小于第二预设阈值,则确定该边缘节点的第四节点类型为恶意节点;
如果该边缘节点的第二信任值不小于第二预设阈值,则确定该边缘节点的第四节点类型为非恶意节点。
7.根据权利要求1所述的方法,其特征在于,所述边缘服务器根据所述第一比值,更新目标参数,包括:
如果所述第一比值大于第二预设比值,所述边缘服务器增大所述第一预设阈值;
如果所述第一比值小于第三预设比值,所述边缘服务器减小所述第一预设阈值,其中,所述第三预设比值小于所述第二预设比值。
8.一种目标网络,其特征在于,所述目标网络包括边缘网络和预设服务器集群,所述边缘网络包括边缘服务器和至少一个边缘节点,其中:
所述边缘服务器,用于针对所述边缘网络中的每一边缘节点,当达到预设时刻时,根据预设时间段内该边缘节点的备选信任值,确定所述预设时间段内该边缘节点的目标信任值,其中,所述备选信任值包括该边缘节点的第一信任值,该边缘节点的第一信任值为根据所述预设时间段内,其他边缘节点与该边缘节点处理的协同任务的数目确定出的;
所述边缘服务器,还用于根据各边缘节点的目标信任值和第一预设阈值,确定所述边缘网络中第一节点类型为非恶意节点的边缘节点,作为待选边缘节点,并向所述预设服务器集群,发送所述待选边缘节点的备选信任值和目标信任值;
所述预设服务器集群,用于根据所述待选边缘节点的备选信任值、目标信任值和节点类型预测网络模型,确定所述待选边缘节点各自的第二节点类型,其中,所述第二节点类型为非恶意节点或恶意节点;
所述预设服务器集群,还用于确定所述待选边缘节点中,第一节点类型与第二节点类型不一致的边缘节点的数目,与所述待选边缘节点的总数目的比值,作为第一比值,并向所述边缘服务器发送所述第一比值;
所述边缘服务器,还用于根据所述第一比值,更新目标参数,其中,所述目标参数包括所述第一预设阈值,并在达到下一预设时刻时,根据更新后的所述目标参数,确定所述边缘网络中所述第一节点类型为非恶意节点的边缘节点。
9.根据权利要求8所述的目标网络,其特征在于,所述边缘服务器,具体用于针对所述边缘网络中的每一边缘节点,根据其他边缘节点确定的该边缘节点的第一信任值,和第一预设公式确定所述预设时间段内该边缘节点的第二信任值,其中,所述第一预设公式为邓普斯特Dempster合成规则中的第一公式,所述第一预设公式为:
B表示所述预设时间段内该边缘节点的第二信任值,K表示归一化系数,Ah表示除该边缘节点外的其他边缘节点中的第h个边缘节点确定的预设时间段内该边缘节点的第一信任值,h表示所述边缘网络中除该边缘节点外的其他边缘节点的数目;
根据所述预设时间段内该边缘节点的第一信任值和第二信任值,确定所述预设时间段内该边缘节点的目标信任值。
10.根据权利要求9所述的目标网络,其特征在于,所述备选信任值还包括该边缘节点的第三信任值;
所述边缘服务器,还用于针对所述边缘网络中的每一边缘节点,确定在所述预设时间段中的每一子时间段内,该边缘节点成功处理所述边缘服务器分配的任务的数目,与所述边缘服务器分配至该边缘节点的任务的总数目的比值,作为第二比值;
根据所述第二比值和第二预设公式,确定该边缘节点在各子时间段内的初始信任值,所述第二预设公式为:
C(m)表示所述预设时间段中第m个子时间段内该边缘节点的初始信任值,X表示所述预设时间段中第m个子时间段内大于第一预设比值的第二比值的数目,Y表示所述预设时间段中第m个子时间段内小于第一预设比值的第二比值的数目,β表示第一系数;
根据所述初始信任值和第三预设公式,确定所述预设时间段内该边缘节点的第三信任值,其中,所述第三预设公式为:
C表示所述预设时间段内该边缘节点的第三信任值,C(m)表示所述预设时间段中第m个子时间段内该边缘节点的初始信任值,N表示所述预设时间段包含的子时间段的数目,n(m)表示所述预设时间段中第m个子时间段内所述边缘服务器分配至该边缘节点的任务的数目,sum(n(m))表示所述预设时间段内所述边缘服务器分配至该边缘节点的任务的总数目。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910864809.1A CN110650187B (zh) | 2019-09-09 | 2019-09-09 | 一种边缘节点的节点类型确定方法及目标网络 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910864809.1A CN110650187B (zh) | 2019-09-09 | 2019-09-09 | 一种边缘节点的节点类型确定方法及目标网络 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110650187A CN110650187A (zh) | 2020-01-03 |
CN110650187B true CN110650187B (zh) | 2020-09-18 |
Family
ID=68991285
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910864809.1A Active CN110650187B (zh) | 2019-09-09 | 2019-09-09 | 一种边缘节点的节点类型确定方法及目标网络 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110650187B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101835158A (zh) * | 2010-04-12 | 2010-09-15 | 北京航空航天大学 | 基于节点行为与d-s证据理论的传感器网络信任评估方法 |
CN105450684A (zh) * | 2014-08-15 | 2016-03-30 | 中国电信股份有限公司 | 云计算资源调度方法和系统 |
CN108924081A (zh) * | 2018-05-03 | 2018-11-30 | 深圳中泰智丰物联网科技有限公司 | 基于边缘计算的物联网中保护用户隐私抵抗恶意用户方法 |
CN109918894A (zh) * | 2019-03-01 | 2019-06-21 | 中南大学 | 边缘计算网络视频处理中基于声誉的信任评估方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6511971B2 (ja) * | 2015-06-05 | 2019-05-15 | 富士ゼロックス株式会社 | 情報処理装置及びプログラム |
-
2019
- 2019-09-09 CN CN201910864809.1A patent/CN110650187B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101835158A (zh) * | 2010-04-12 | 2010-09-15 | 北京航空航天大学 | 基于节点行为与d-s证据理论的传感器网络信任评估方法 |
CN105450684A (zh) * | 2014-08-15 | 2016-03-30 | 中国电信股份有限公司 | 云计算资源调度方法和系统 |
CN108924081A (zh) * | 2018-05-03 | 2018-11-30 | 深圳中泰智丰物联网科技有限公司 | 基于边缘计算的物联网中保护用户隐私抵抗恶意用户方法 |
CN109918894A (zh) * | 2019-03-01 | 2019-06-21 | 中南大学 | 边缘计算网络视频处理中基于声誉的信任评估方法 |
Non-Patent Citations (1)
Title |
---|
移动边缘计算:架构、应用和挑战;高志鹏 等;《中兴通讯技术》;20190630;第25卷(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110650187A (zh) | 2020-01-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112181666B (zh) | 一种基于边缘智能的设备评估和联邦学习重要性聚合方法 | |
CN112882815B (zh) | 基于深度强化学习的多用户边缘计算优化调度方法 | |
US20220210028A1 (en) | Cloud software service resource allocation method based on qos model self-correctio | |
CN106933649B (zh) | 基于移动平均和神经网络的虚拟机负载预测方法及系统 | |
CN108416465B (zh) | 一种移动云环境下的工作流优化方法 | |
US10679136B2 (en) | Decision processing and information sharing in distributed computing environment | |
CN112037930A (zh) | 一种传染病预测设备、方法、装置及存储介质 | |
CN113794748B (zh) | 一种性能感知的服务功能链智能部署方法及装置 | |
CN113572697A (zh) | 一种基于图卷积神经网络与深度强化学习的负载均衡方法 | |
CN116541106B (zh) | 计算任务卸载方法、计算设备及存储介质 | |
CN110460650A (zh) | 多边缘服务器场景下计算卸载的决策方法及装置 | |
CN111294227A (zh) | 基于神经网络的流量预测的方法、装置、设备和介质 | |
CN110650187B (zh) | 一种边缘节点的节点类型确定方法及目标网络 | |
CN116862021B (zh) | 基于信誉评估的抗拜占庭攻击的去中心化学习方法及系统 | |
US6813390B2 (en) | Scalable expandable system and method for optimizing a random system of algorithms for image quality | |
CN108200185B (zh) | 一种实现负载均衡的方法及装置 | |
CN113297310B (zh) | 一种物联网中区块链分片验证者选取的方法 | |
CN112866358B (zh) | 一种物联网服务重调度的方法、系统及装置 | |
CN115220818A (zh) | 基于深度强化学习的实时依赖型任务卸载方法 | |
CN114912627A (zh) | 推荐模型训练方法、系统、计算机设备及存储介质 | |
CN107707383B (zh) | 放通处理方法、装置、第一网元及第二网元 | |
CN114302456A (zh) | 一种移动边缘计算网络考虑任务优先级的计算卸载方法 | |
EP1433134A2 (en) | Scalable expandable system and method for optimizing a random system of algorithms for image quality | |
CN110706706A (zh) | 一种语音识别方法、装置、服务器及存储介质 | |
CN113114585B (zh) | 任务迁移与网络传输联合优化的方法、设备及存储介质 |
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 |