CN111565188A - 基于结合消息类型和信任值置信度的vanet信任模型工作方法 - Google Patents

Abstract

本发明公开了一种基于结合消息类型和信任值置信度的VANET信任模型工作方法，本发明的每个节点自己保存自己的通信历史记录和信任数据，使用了分布式信任模型的思想，不存在中心节点。这样可以降低网络消耗，以应对爆炸式的数据增长。本发明在模型中加入了信任度置信度，考虑了时间衰减和不诚实推荐对信任度的影响，使得信任度更加可靠。本发明在决策时不仅仅以信任度为依据，而是结合消息类型和信任度以及信任度置信度进行决策，随机选出下一跳节点进行通信。

Description

基于结合消息类型和信任值置信度的VANET信任模型工作 方法

技术领域

本发明属于信任模型领域，具体涉及一种基于结合消息类型和信任值置信度的VANET信任模型工作方法。

背景技术

随着计算机网络技术的高速发展，传统的计算模式已逐渐被新兴的分布式系统下的网络计算模式(如P2P计算、网格计算、云计算等)所取代在这种由多个软件服务组成的分布、动态的应用系统中，系统对实体缺乏约束机制，实体行为表现为动态性和不确定性，实体间缺乏信任，大量的欺骗行为和不可信任的服务随之而来，这导致实体间的交互存在极大的风险性。因此，建立有效的信任管理机制，对交互实体的行为进行可信性评估，对于分布式系统下的安全可信问题具有重大意义。然而一些现有的信任模型一般存在以下问题：推荐节点信任度认识有偏差、没有考虑推荐节点的交互频繁度和没有考虑推荐的风险因素等。

在车联网环境中，网络系统一旦受到恶意攻击可能会威胁到整个平台的正常运行，这时就需要有效的评价实体在车联网环境中的各种行为，以反映出实体行为的可信度。根据经验和推荐对实体以往的行为进行评价，建立一种满足车联网需求的信任模型。通过该模型评估车联网系统中的各类服务，以确保车联网平台各实体之间的信任关系，从而降低了恶意攻击的几率，保障了车联网系统的运行安全，提高了车联网平台的服务效率。由于信任涉及行为、期望和假设等问题，要想精确地描述和度量信任关系还将面临一些困难。

发明内容

本发明的目的在于克服上述不足，提供一种基于结合消息类型和信任值置信度的VANET信任模型工作方法，能够解决以往直接选信任度最高的节点或者按照概率随机选择时带来的负面影响。

为了达到上述目的，本发明包括以下步骤：

步骤一，把所有在通信范围内的邻居节点放入下一跳可选节点集合，将下一跳节点作为目标节点；

步骤二，源节点读取自己的通信历史表，计算直接信任；

源节点向邻居节点和路侧单元RSU发送获取目标节点的信任值的请求，收到邻居节点和路侧单元RSU对的回复后，计算间接信任；

按权重组合直接信任和间接信任，计算出综合信任；

步骤三，根据决策算法确定下一跳节点；

步骤四，源节点依据步骤三得出的结果与目标节点进行通信；

步骤五，通信结束后，源节点依据通信质量对目标节点的服务做出评价，并把真实结果写入自己的通信历史表并反馈给通信范围内的路侧单元RSU，路侧单元RSU把这些信息存储到本地，并且对被通信节点的信任度进行更新。

步骤二中，直接信任的计算过程如下：

第一步，源节点A查询自己的历史通信表，判断是否曾经与目标节点C有过通信，如果没有过通信，则满意度为0；如果有过通信，读取目标节点C的所有历史通信的满意度SAT_i和交互完成的时间t_i；

步骤二，根据时间和通信次数对满意度的影响，得到目标节点C的直接信任D-Trust_A,C；

步骤三，当计算所得的直接信任与历史满意度的离散度越小，直接信任的置信度越高，因此得到源节点A对目标节点C的直接信任的置信度D-Conf_A,C；

当没有过通信记录时，直接信任的置信度为0。

直接信任D-Trust_A,C的计算公式如下：

置信度D-Conf_A,C的计算公式如下：

其中，满意度SAT_i的取值范围为[0,1]，

为时间衰减因子，t_i为历史通信完成的时间，t为当前时间，λ为影响因子。

步骤二中，间接信任度的计算过程如下：

第一步，源节点A向通信范围内的邻居节点和路侧单元RSU发送消息，请求目标节点C的相关信任信息；

第二步，邻居节点查询自己的通信历史表，读取它对目标节点C的所有历史通信满意度SAT_i和对应的历史通信时间t_i；路侧单元RSU查询自己的本地存储，读取目标节点C的通信成功和失败的次数；

第三步，邻居节点计算自己对目标节点C的直接信任D-Trust_j,C以及直接信任的置信度；

路侧单元RSU计算它对目标节点C的信任度Trust_RSU,C；

第四步，按权重组合邻居节点对目标节点C的直接信任值和路侧单元RSU对目标节点的信任值Trust_RSU,C，得到间接信任I-Trust_A,C；

第五步，根据间接信任值与D-Trust_j,C和Trust_RSU,C的离散度越小的时候，间接信任的置信度就越高的原则，计算间接信任的置信度I-Conf_A,C。

间接信任I-Trust_A,C的计算公式如下：

其中，β为权重因子；

间接信任的置信度I-Conf_A,C的计算公式如下：

步骤二中，综合信任的计算公式如下：

其中，ω为动态权重。

步骤三中，决策算法的计算过程如下：

第一步，确定一个信任阈值，把综合信任低于这个阈值的待选节点从集合中删除；

第二步，再确定一个阈值，把剩下的节点分成两个集合，一个是高信誉节点集，另一个是一般信誉节点集；

第三步，把消息分成两类，一类重要消息，另一类一般消息；

第四步，当需要转发重要消息的时候，在高信誉节点集里面随机选择一个节点作为下一跳节点进行通信；

当需要转发的消息是一般消息的时候，两个节点集里面的节点都可以提供服务，所以在两个节点集里随机选择一个节点作为下一跳节点进行通信。

步骤五中，路侧单元RSU进行的信任度更新的规则如下：

设置一个阈值η，提供服务的节点的满意度高于这个阈值的次数为H，低于η的次数为L，根据下式得到信任度：

由于RSU具有较高的权威，所以置信度算作1，

为奖惩因子；

当W＝0时，Trust_RSU,C的值表示此节点从来没有与别的节点有过通信，此节点通过转发一般类型的消息来提升自己的信任值。

与现有技术相比，本发明中的信任模型的每个节点自己保存自己的通信历史记录和信任数据，每次通信完成后会向路侧单元RSU反馈通信质量，路侧单元RSU会保存节点信息和通信情况，供计算信任值的时候使用。加入了信任度的置信度。在决策的时候，结合消息的类型和节点的信任度及置信度选出节点进行通信。本发明的每个节点自己保存自己的通信历史记录和信任数据，使用了分布式信任模型的思想，不存在中心节点。这样可以降低网络消耗，以应对爆炸式的数据增长。本发明在模型中加入了信任度置信度，考虑了时间衰减和不诚实推荐对信任度的影响，使得信任度更加可靠。本发明在决策时不仅仅以信任度为依据，而是结合消息类型和信任度以及信任度置信度进行决策，随机选出下一跳节点进行通信。

附图说明

图1为本发明的流程图；

图2为本发明实施例的流程图。

具体实施方式

下面结合附图对本发明做进一步说明。

参见图1，本发明包括以下步骤：

步骤一，把所有在通信范围内的邻居节点放入下一跳可选节点集合，将下一跳节点作为目标节点；

步骤二，源节点读取自己的通信历史表，计算直接信任；

源节点向邻居节点和路侧单元RSU发送获取目标节点的信任值的请求，收到邻居节点和路侧单元RSU对的回复后，计算间接信任；

按权重组合直接信任和间接信任，计算出综合信任；

步骤三，根据决策算法确定下一跳节点；

步骤四，源节点依据步骤三得出的结果与目标节点进行通信；

步骤五，通信结束后，源节点依据通信质量对目标节点的服务做出评价，并把真实结果写入自己的通信历史表并反馈给通信范围内的路侧单元RSU，路侧单元RSU把这些信息存储到本地，并且对被通信节点的信任度进行更新。

实施例：

信任是一个节点对另一个节点的行为的主观判断，会随着时间的推移而衰减。在现实生活着，人们通常更倾向于依据自己的直接经验选择跟信任值较高的人交往，但不是跟任何人都有直接接触的并且有时候直接经验并不完全可靠，在这种情况下就需要别人的经验提供参考，也就是说信任可以分为直接信任和间接信任。同样,在该信任模型中，源节点想要通过信任值选择一个下一跳节点，仅仅根据自己的直接经验计算直接信任是远远不够的，还需要借助通信范围内的邻居节点和RSU提供的经验来计算间接信任，最后得到一个综合信任值作为选择下一跳节点的依据。

1、直接信任；

根据直接信任的定义可知，直接信任是根据源节点与目标节点的通信历史来进行评估的。为了简单有效地量化这种历史通信信息，该信任模型的两个节点每次通信完成之后，源节点都会对目标节点的服务给出满意度评价。每次通信的满意度都会存入源节点的通信历史表。源节点的通信历史表中包含如下信息:曾经有过交互的节点的身份信息、每次通信完成的时间以及源节点给出的满意度。

设源节点A对目标节点C某一次的满意度为SAT_i,其中满意度的取值范围为[0,1],满意度为0表示不满意即通信失败，满意度为1表示非常满意。满意度也会随着时间的推移而衰减，设时间衰减因子为

其中t_i表示历史通信完成的时间，t表示当前时间，λ为影响因子。

直接信任的计算过程描述如下:

步骤1:查询历史通信表，读取历史通信信息。

源节点A查询自己的历史通信表，判断是否曾经与目标节点C有过通信，如果没有过则满意度为0，如果有过就读取目标节点C的所有历史通信的满意度SAT_i和交互完成的时间t_i。

步骤2：计算目标节点的直接信任。

考虑到时间和通信次数对满意度的影响，得到目标节点C的直接信任D-Trust_A,C的计算公式为：

当没有通信记录的时候，源节点对目标节点的直接信任为0。

步骤3:计算直接信任的置信度。

当计算所得的直接信任与历史满意度的离散度(方差)越小，直接信任的置信度越高，因此得到源节点A对目标节点C的直接信任的置信度D-Conf_A,C的计算公式为：

当没有过通信记录时，置信度为0。

该过程的伪代码如下：

Input:a set of the alternative next-hop nodes

Output:a set of direct trust value:{(Node_j,D-Trust_i,j,D-Conf_i,j)}

1:for each Node_j of the set

2:Node_i queries its own communication history table；

3:ifNode_i has communicated with Node_j{

4:Use Eq.(1)to compute D-Trust_i,j and Eq.(2)to compute

D-Conf_i,j；

5:Put D-Trust_i,j and D-Conf_i,j into the set of direct trust value；

6:}else{

7:D-Trust_i,j＝0and D-Conf_i,j＝0；

8:Put D-Trust_i,j and D-Conf_i,j into the set of direct trust value；

9:}

10:end if

11:end for

12:Output the set of direct trust value；

2、间接信任

当源节点直接与目标节点有过通信的时候，计算了直接信任再计算间接信任会使得结果更加有说服力，当源节点与目标节点没有直接通信过的时候，直接信任为0，可以通过计算间接信任值来提供选择依据。

该模型的间接信任是根据源节点的邻居节点和路侧单元RSU提供的信任信息计算得到的。如图2所示，间接信任度的计算步骤如下：

步骤1：发送请求。

源节点A向通信范围内的邻居节点和RSU发送消息，请求目标节点C的相关信任信息。

步骤2：读取数据。

邻居节点查询自己的通信历史表，读取它对目标节点C的所有历史通信满意度SAT_i和对应的历史通信时间t_i。RSU查询自己的本地存储，读取目标节点C的通信成功和失败的次数。

步骤3：邻居节点和RSU计算信任度和置信度。

邻居节点使用公式(1)计算自己对目标节点C的直接信任D-Trust_j,C和公式(2)计算直接信任的置信度。RSU使用公式(6)计算它对目标节点C的信任度Trust_RSU,C。

步骤4：计算间接信任。

间接信任I-Trust_A,C是按权重组合邻居节点对目标节点C的直接信任值和RSU对目标节点的信任值Trust_RSU,C，计算公式如下：

由公式(3)可见，权重因子β的值是根据信任值的置信度动态变化的，比以往固定权重值的做法更加客观合理。

步骤5：计算间接信任的置信度I-Conf_A,C。当间接信任值与D-Trust_j,C和Trust_RSU,C的离散度越小的时候，间接信任的置信度就越高，因此使用公式(4)计算间接信任的置信度。

3、综合信任

源节点对目标节点的综合信任由直接信任和间接信任按照一定的权重组合而成的，按照如下公式组合：

由公式(5)可见，ω也是一个动态权重，这样不仅可以更加科学合理地组合直接信任和间接信任，也可以在源节点与目标节点没有过通信历史即目标节点是新加入此局域网的情况下，此时直接信任为0，可以取间接信任作为源节点对于目标节点的信任值，具有较高的自适应性。

4、决策方法

计算综合信任的最终目的就是为选择路由的下一跳节点提供依据，以往的决定算法都是挑选待选节点集中信任度最高的节点进行通信，但是这样并不科学，信任度高的节点会承受较大的通信压力，因为它会一直被选择，信任度一直提高，而对于信任度较低的节点一直没有机会提高自己的信任度。所以我们通过以下基于信任度和消息类型的随机算法来确定一个路由的下一跳节点。算法步骤如下：

步骤1：确定一个信任阈值，把综合信任低于这个阈值的待选节点从集合中删除。

步骤2：再确定一个阈值，把剩下的节点分成两个集合，一个是高信誉节点集，另一个是一般信誉节点集。

步骤3：因为需要转发的消息可以是道路行驶相关的重要消息，也可以是广告娱乐消息，所以也把消息分成两类：一类重要消息，另一类一般消息。

步骤4：当需要转发重要消息的时候，在高信誉节点集里面随机选择一个节点作为下一跳节点进行通信；当需要转发的消息是一般消息的时候，两个节点集里面的节点都可以提供服务，所以在两个节点集里随机选择一个节点作为下一跳节点进行通信。

使用以上算法选择下一跳节点不仅可以减少高信誉节点的通信压力，还可以给信誉一般的节点提供提高信誉的机会。

5、反馈与激励

源节点与提供服务的节点通信完成之后，源节点会对提供服务的节点的服务进行满意度评价，然后把满意度和通信完成时间添加到自己的通信历史表里并把提供服务的节点信息、真实服务满意度和通信完成时间反馈给通信范围内的RSU。RSU把这些信息存储到本地，并且对被通信节点的信任度进行更新，更新方式如下。

设置一个阈值η，提供服务的节点的满意度高于这个阈值的次数为H，低于η的次数为L,总的通信次数为W,δ是调节因子。

由于RSU具有较高的权威，所以置信度算作1。公式(6)里面的

是奖惩因子。当W＝0时，Trust_RSU,C的值为0.6表示此节点从来没有与别的节点有过通信，比如新车刚上路的时候，此时给它一个信任度初值0.6，然后它有机会先通过转发一般类型的消息来提升自己的信任值。

本发明根据VANET高速移动、分布式的特性，每个节点自己保存自己的通信历史记录和信任数据，每次通信完成后会向路侧单元RSU反馈通信质量，RSU会保存节点信息和通信情况，供计算信任值的时候使用。加入信任度的置信度来度量时间衰减和节点的自私及恶意行为导致的信任度不可靠。在决策的时候，结合消息的类型和节点的信任度及置信度选出节点进行通信，这样可以解决以往直接选信任度最高的节点或者按照概率随机选择时带来的负面影响。

Claims (8)

1.基于结合消息类型和信任值置信度的VANET信任模型工作方法，其特征在于，包括以下步骤：

步骤一，把所有在通信范围内的邻居节点放入下一跳可选节点集合，将下一跳节点作为目标节点；

步骤二，源节点读取自己的通信历史表，计算直接信任；

源节点向邻居节点和路侧单元RSU发送获取目标节点的信任值的请求，收到邻居节点和路侧单元RSU对的回复后，计算间接信任；

按权重组合直接信任和间接信任，计算出综合信任；

步骤三，根据决策算法确定下一跳节点；

步骤四，源节点依据步骤三得出的结果与目标节点进行通信；

步骤五，通信结束后，源节点依据通信质量对目标节点的服务做出评价，并把真实结果写入自己的通信历史表并反馈给通信范围内的路侧单元RSU，路侧单元RSU把这些信息存储到本地，并且对被通信节点的信任度进行更新。

2.根据权利要求1所述的一种基于结合消息类型和信任值置信度的VANET信任模型工作方法，其特征在于，步骤二中，直接信任的计算过程如下：

第一步，源节点A查询自己的历史通信表，判断是否曾经与目标节点C有过通信，如果没有过通信，则满意度为0；如果有过通信，读取目标节点C的所有历史通信的满意度SAT_i和交互完成的时间t_i；

步骤二，根据时间和通信次数对满意度的影响，得到目标节点C的直接信任D-Trust_A,C；

步骤三，当计算所得的直接信任与历史满意度的离散度越小，直接信任的置信度越高，因此得到源节点A对目标节点C的直接信任的置信度D-Conf_A,C；

当没有过通信记录时，直接信任的置信度为0。

3.根据权利要求2所述的一种基于结合消息类型和信任值置信度的VANET信任模型工作方法，其特征在于，直接信任D-Trust_A,C的计算公式如下：

置信度D-Conf_A,C的计算公式如下：

其中，满意度SAT_i的取值范围为[0,1]，

为时间衰减因子，t_i为历史通信完成的时间，t为当前时间，λ为影响因子。

4.根据权利要求1所述的一种基于结合消息类型和信任值置信度的VANET信任模型工作方法，其特征在于，步骤二中，间接信任度的计算过程如下：

第一步，源节点A向通信范围内的邻居节点和路侧单元RSU发送消息，请求目标节点C的相关信任信息；

第二步，邻居节点查询自己的通信历史表，读取它对目标节点C的所有历史通信满意度SAT_i和对应的历史通信时间t_i；路侧单元RSU查询自己的本地存储，读取目标节点C的通信成功和失败的次数；

第三步，邻居节点计算自己对目标节点C的直接信任D-Trust_j,C以及直接信任的置信度；

路侧单元RSU计算它对目标节点C的信任度Trust_RSU,C；

第四步，按权重组合邻居节点对目标节点C的直接信任值和路侧单元RSU对目标节点的信任值Trust_RSU,C，得到间接信任I-Trust_A,C；

第五步，根据间接信任值与D-Trust_j,C和Trust_RSU,C的离散度越小的时候，间接信任的置信度就越高的原则，计算间接信任的置信度I-Conf_A,C。

5.根据权利要求4所述的一种基于结合消息类型和信任值置信度的VANET信任模型工作方法，其特征在于，间接信任I-Trust_A,C的计算公式如下：

其中，β为权重因子；

间接信任的置信度I-Conf_A,C的计算公式如下：

6.根据权利要求1所述的一种基于结合消息类型和信任值置信度的VANET信任模型工作方法，其特征在于，步骤二中，综合信任的计算公式如下：

其中，ω为动态权重。

7.根据权利要求1所述的一种基于结合消息类型和信任值置信度的VANET信任模型工作方法，其特征在于，步骤三中，决策算法的计算过程如下：

第一步，确定一个信任阈值，把综合信任低于这个阈值的待选节点从集合中删除；

第二步，再确定一个阈值，把剩下的节点分成两个集合，一个是高信誉节点集，另一个是一般信誉节点集；

第三步，把消息分成两类，一类重要消息，另一类一般消息；

第四步，当需要转发重要消息的时候，在高信誉节点集里面随机选择一个节点作为下一跳节点进行通信；

当需要转发的消息是一般消息的时候，两个节点集里面的节点都可以提供服务，所以在两个节点集里随机选择一个节点作为下一跳节点进行通信。

8.根据权利要求1所述的一种基于结合消息类型和信任值置信度的VANET信任模型工作方法，其特征在于，步骤五中，路侧单元RSU进行的信任度更新的规则如下：

设置一个阈值η，提供服务的节点的满意度高于这个阈值的次数为H，低于η的次数为L，根据下式得到信任度：

由于RSU具有较高的权威，所以置信度算作1，

为奖惩因子；

当W＝0时，Trust_RSU,C的值表示此节点从来没有与别的节点有过通信，此节点通过转发一般类型的消息来提升自己的信任值。

Images