CN111915210A - 基于区块链的分布式物联网中的信任管理方法 - Google Patents

Abstract

本发明涉及信息安全领域，本发明公开了一种适用于分布式物联网的信任管理方法。为了解决物联网设备间的恶意评价以及依赖于可信第三方的问题，本发明提出了一种适用于分布式物联网的信任管理方法。该信任管理方法主要由信任管理模型和评价方法两部分组成。通过将信任量化为期望信用与风险，对物联网的可信程度进行综合考量，判断一个物联网设备的可信任程度，并且在信任数据的存储过程中识别出可疑的恶意评价，帮助设备选择可靠的物联网设备进行合作，以此提高物联网设备间合作的成功率。并且，本发明借助区块链实现信任数据的存储和发布，进一步实现了信任数据的有效共享与安全。

Description

基于区块链的分布式物联网中的信任管理方法

技术领域

本发明属于信息安全领域，涉及使用区块链技术。

背景技术

区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链具有分布式信任、公开透明和信息不可篡改等特性，能够实现数据的共享和完整性保障。

国内外对于物联网中信任管理问题的研究开始较早，2014年，Lize等人将物联网信任分为传感器层、网络层与应用层，利用模糊理论将多层的信息进行融合，计算出一个对象的全局声誉。2013年，Saied等人尝试用多个函数对不同设备进行信任评价，提出了一种基于环境感知的信任管理系统。2017年，Benkerrou等人提出了一种基于信用与诚实的物联网信任评估方法。但是现有的信任管理都基于可信的第三方，将信任数据交由第三方保存，存在信任数据被恶意更改等安全隐患。

本文采用区块链来实现分布式物联网中信任数据的共享与同步，能够保证数据不被恶意伪造和修改，实现数据的公开透明。

发明内容

本发明要解决的技术问题在于，为了克服上述物联网设备对可信第三方过度依赖的缺陷，解决物联网设备间恶意评价的问题，本发明提供了一种基于区块链的分布式物联网中的信任管理方法。

本发明所采用的技术方法是：通过技巧性地对区块链结构进行设计，并将区块链结构与信任管理相结合，得到一种分布式的信任管理方法。成功实现了分布式物联网中的信任管理，有效地解决了现有的对可信第三方过度依赖而存在的在实际应用中不安全、低效和难扩展的问题。

与现有技术相比，本发明的有益效果是：本发明实现了基于区块链的分布式物联网中的信任管理方法，从而提高了信任管理的安全性和有效性。同时，本发明考虑到物联网设备间恶意评价的存在，实现了恶意评价的过滤，从而大大提升了物联网设备间合作的成功率。

附图说明

下面将结合附图及实例对本发明作进一步说明，附图中：

图1是分布式物联网体系架构图；

图2是信任管理模型示意图；

图3是区块结构图；

图4是信任数据更新的流程图。

具体实施方式

本发明的目的是基于区块链的分布式物联网中的信任管理方法，该方法由信任管理模型和信任评价两部分组成，内容如下：

信任管理模型的设计

①评价值

D(x_i,y_m)的评价值记为δ(x_i,y_m,x_j,y_n,l)，指物联网设备D(x_i,y_m)收到的其他物联网设备D(x_j,y_n)给出的评价，定义为：

其中l表示D(x_i,y_m)当前收到评价的序列号，如果这里没有给出设备号y_m和y_n，则评价值表示H(x_i)的评价值，它指的是域管理者H(x_j)对域管理者H(x_i)的评价。

②信任称值

D(x_i,y_m)收到第k次评价值时的信任称值记为TC(x_i,y_m,k)，根据其他评价者给出的评价值δ(x_i,y_m,x_j,y_n,l)进行迭代，定义为：

其中，l是一个信任初始值(本文取l＝50)，k∈N^*，表示D(x_i,y_m)当前受到的评价的最大序列号，如果这里没有给出设备号y_m和y_n，则信任称值表示域管理器H(x_i)的信任称值，并根据另一个域管理器H(x_j)给出的评价值进行迭代。

③规范信任

D(x_i,y_m)的规范信任记为NT(x_i,y_m,k)，表示D(x_i,y_m)的标准化信任值，定义为：

其中x_i,x_j(i≠j)表示不同的物联网域标识，y_i,y_j(i≠j)表示不同的物联网设备，k∈N^*，表示D(x_i,y_m)当前受到的评价的最大序列号，如果这里没有给出设备号y_m和y_n，则规范信任表示域管理器H(x_i)的规范信任。

④信任均值

D(x_i,y_m)的信任均值记为MT(x_i,y_m,k,r)，表示D(x_i,y_m)最近的r个规范信任的平均值。定义为：

其中，k∈N^*表示D(x_i,y_m)收到的最大评价序列号,r∈N^*,表示纳入到风险考察的NT(x_i,y_m,k')的数量，如果这里没有给出设备号y_m和y_n，则该值表示域管理器H(x_i)的信任均值，该值表示H(x_i)的最新r标准信任的平均值。

⑤风险值

D(x_i,y_m)的风险值记为RV(x_i,y_m,k,r)，用来衡量D(x_i,y_m)在过去一段时间内的信用表现的风险性。将截止到最大评价序列号k的最近的r个规范信任值纳入考察，定义D(x_i,y_m)的风险值如下：

其中，k∈N^*表示D(x_i,y_m)收到的最大评价序列号，r∈N^*,表示纳入到风险考察的NT(x_i,y_m,k')的数量，如果这里没有给出设备号y_m和y_n，则此值表示域管理器H(x_i)的风险值，该值用于衡量H(x_i)在过去一段时间内的信用表现的风险性。

⑥调和信任值

D(x_i,y_m)的调和信任值记为HT(x_i,y_m,k,r)，表示D(x_i,y_m)的综合信任评价，综合考虑D(x_i,y_m)的规范信任值和风险值，我们定义HT(x_i,y_m,k,r)如下：

如果这里没有给出设备号y_m和y_n，则此值表示域管理器H(x_i)的调和信任值，该值用来表示H(x_i)的综合信任评价。

(2)信任评价的实现

①评价收集

域管理者的存储池Pool1(x_i)不断收集下属设备发送的评价值δ(x_j,y_n,x_i,y_m,l)，并判断存储空间的使用率是否满足

(a＝0.6),若满足，H(x_i)会将Pool1(x_i)中的所有评价值δ(x_j,y_n,x_i,y_m,l)根据评价设备D(x_i,y_m)分别进行汇总求和得S(x_i,y_m)，判断|S(x_i,y_m)|≤α是否满足，若满足，H(x_i)将Pool1(x_i)中的评价值发送到Pool2(x_i)，否则，删除掉该评价；

②信任数据查询

H(x_i)在区块链{B_t|t∈N^*}上查询得到D(x_j,y_n)最新的规范信任NT(x_j,y_n,k)；

③信任数据更新

如果查询成功，根据公式(6)的变形，可以求得D(x_j,y_n)的当前信任称值TC(x_j,y_n,k)＝f^-1(NT(x_j,y_n,k))，然后根据公式

更新，如果查询失败，H(x_i)根据公式(5)计算出D(x_j,y_n)的信任称值TC(x_j,y_n,k)并计算出NT(x_j,y_n,k)；

在信任数据的更新过程中，我们采用了新的存储结构，实现了恶意评价的过滤，设备间评价时，通过H(x_i)的工作流程，展示带恶意评价过滤功能的信任数据的更新过程如下：

i在存储空间中维护两个存储Pool1(x_i)，Pool2(x_i)和区块链{B_t|t∈N^*}；

ii等待并接收下属设备D(x_i,y_m)发送来的信任调节因子δ(x_j,y_n,x_i,y_m,l)；

iii将接收到的D(x_i,y_m)保存到Pool1(x_i)中；

iv检查Pool1(x_i)是否满足

若是，转v；若否，转iii；

v计算每个给出评价的物联网设备所给出的评价总和，记为S(x_i,y_m)

vi检查S(x_i,y_m)是否满足，以此来判断该设备是否存在恶意评价问题

-α≤S(x_i,y_m)≤α

若是，转viii；若否，转vii；

vii放弃将该设备发送的所有评价因子发送至Pool2(x_i)进行计算；

viii将该设备发送的所有评价因子发送至Pool2(x_i)进行计算；

ix Pool2(x_i)对Pool1(x_i)发送来的δ(x_j,y_n,l)，在{B_c|c∈N^*,t∈N^*,1≤c≤t-1}上进行查询，若成功，转x；若失败，转xi；

xii将计算出的TC(x_j,y_n,x_i,y_m,k')存放在Pool2(x_i)池中；

xiii选择打包并发布B_t，对Pool2(x_i)中计算出的NT(x_j,y_n,k')打包到区块体中，发布到区块链；

xiv算法结束。

④区块发布

将计算出的NT(x_j,y_n,k)构成新区块的区块体NT{·}，并把NT(x_j,y_n,k')以Merkle树的形式组织成MR加入到新区块的区块头，H(x_i)将新生成的区块头与区块体NT{·}一起构成新区块并发布到区块链。

本发明实现了安全高效的分布式物联网信任管理方法，实现了恶意评价的识别和过滤，提高了高信任设备被选中的概率，从而提高了设备间交互的成功率、可靠性和安全性。同时，本发明考虑到信任管理方法在实际部署过程中的应用效能，取消了信任模型中复杂的密码操作，主要采用的是开销非常低的求和和乘法运算，从而大大提升了信任管理模型的性能。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (2)

1.一种基于区块链的分布式物联网中的信任管理方法，基特征在于：

(1)将物联网设备的信任量化为期望信用与风险进行综合考量；

(2)采用区块链技术实现信任数据的存储和共享；

(3)通过设计新的存储结构，实现恶意评价的识别和过滤。

2.根据权利要求1所述的基于区块链的分布式物联网中的信任管理方法，包含信任管理模型和信任评价两部分，具体实施步骤如下：

(1)信任管理模型的设计

①评价值

D(x_i,y_i)的评价值记为δ(x_i,y_m,x_j,y_n,l)，指物联网设备D(x_i,y_m)收到的其他物联网设备D(x_j,y_n)给出的评价，定义为：

其中l表示D(x_i,y_m)当前收到评价的序列号；

如果这里没有给出设备号y_m和y_n，则评价值表示H(x_i)的评价值，它指的是域管理者H(x_j)对域管理者H(x_i)的评价；

②信任称值

D(x_i,y_m)收到第k次评价值时的信任称值记为TC(x_i,y_m,k)，根据其他评价者给出的评价值δ(x_i,y_m,x_j,y_n,l)进行迭代，定义为：

其中，l是一个信任初始值(本文取l＝50)，k∈N^*，表示D(x_i,y_m)当前受到的评价的最大序列号；

如果这里没有给出设备号y_m和y_n，则信任称值表示域管理器H(x_i)的信任称值，并根据另一个域管理器H(x_j)给出的评价值进行迭代；

③规范信任

D(x_i,y_m)的规范信任记为NT(x_i,y_m,k)，表示D(x_i,y_m)的标准化信任值，定义为：

其中x_i,x_j(i≠j)表示不同的物联网域标识，y_i,y_j(i≠j)表示不同的物联网设备，k∈N^*，表示D(x_i,y_m)当前受到的评价的最大序列号，如果这里没有给出设备号y_m和y_n，则规范信任表示域管理器H(x_i)的规范信任；

④信任均值

D(x_i,y_m)的信任均值记为MT(x_i,y_m,k,r)，表示D(x_i,y_m)最近的r个规范信任的平均值，定义为：

其中，k∈N^*表示D(x_i,y_m)收到的最大评价序列号,r∈N^*,表示纳入到风险考察的NT(x_i,y_m,k')的数量，如果这里没有给出设备号y_m和y_n，则该值表示域管理器H(x_i)的信任均值，该值表示H(x_i)的最新r标准信任的平均值；

⑤风险值

D(x_i,y_m)的风险值记为RV(x_i,y_m,k,r)，用来衡量D(x_i,y_m)在过去一段时间内的信用表现的风险性，将截止到最大评价序列号k的最近的r个规范信任值纳入考察，定义D(x_i,y_m)的风险值如下：

其中，k∈N^*表示D(x_i,y_m)收到的最大评价序列号，r∈N^*,表示纳入到风险考察的NT(x_i,y_m,k')的数量，如果这里没有给出设备号y_m和y_n，则此值表示域管理器H(x_i)的风险值，该值用于衡量H(x_i)在过去一段时间内的信用表现的风险性；

⑥调和信任值

D(x_i,y_m)的调和信任值记为HT(x_i,y_m,k,r)，表示D(x_i,y_m)的综合信任评价，综合考虑D(x_i,y_m)的规范信任值和风险值，我们定义HT(x_i,y_m,k,r)如下：

如果这里没有给出设备号y_m和y_n，则此值表示域管理器H(x_i)的调和信任值，该值用来表示H(x_i)的综合信任评价；

(2)信任评价的实现

①评价收集

域管理者的存储池Pool1(x_i)不断收集下属设备发送的评价值δ(x_j,y_n,x_i,y_m,l)，并判断存储空间的使用率是否满足

若满足，H(x_i)会将Pool1(x_i)中的所有评价值δ(x_j,y_n,x_i,y_m,l)根据评价设备D(x_i,y_m)分别进行汇总求和得S(x_i,y_m)，判断|S(x_i,y_m)|≤α是否满足，若满足，H(x_i)将Pool1(x_i)中的评价值发送到Pool2(x_i)，否则，删除掉该评价；

②信任数据查询

H(x_i)在区块链{B_t|t∈N^*}上查询得到D(x_j,y_n)最新的规范信任NT(x_j,y_n,k)；

③信任数据更新

如果查询成功，根据公式())的变形，可以求得D(x_j,y_n)的当前信任称值TC(x_j,y_n,k)＝f^-1(NT(x_j,y_n,k))，然后根据公式

更新，如果查询失败，H(x_i)根据公式(5)计算出D(x_j,y_n)的信任称值TC(x_j,y_n,k)并计算出NT(x_j,y_n,k)；

在信任数据的更新过程中，我们采用了新的存储结构，实现了恶意评价的过滤，设备间评价时，通过H(x_i)的工作流程，展示带恶意评价过滤功能的信任数据的更新过程如下：

i在存储空间中维护两个存储Pool1(x_i)，Pool2(x_i)和区块链{B_t|t∈N^*}；

ii等待并接收下属设备D(x_i,y_m)发送来的信任调节因子δ(x_j,y_n,x_i,y_m,l)；

iii将接收到的D(x_i,y_m)保存到Pool1(x_i)中；

iv检查Pool1(x_i)是否满足

若是，转v；若否，转iii；

v计算每个给出评价的物联网设备所给出的评价总和，记为S(x_i,y_m)

vi检查S(x_i,y_m)是否满足，以此来判断该设备是否存在恶意评价问题

-α≤S(x_i,y_m)≤α

若是，转viii；若否，转vii；

vii放弃将该设备发送的所有评价因子发送至Pool2(x_i)进行计算；

viii将该设备发送的所有评价因子发送至Pool2(x_i)进行计算；

ix Pool2(x_i)对Pool1(x_i)发送来的δ(x_j,y_n,l)，在{B_c|c∈N^*,t∈N^*,1≤c≤t-1}上进行查询，若成功，转x；若失败，转xi；

x

xi

xii将计算出的TC(x_j,y_n,x_i,y_m,k')存放在Pool2(x_i)池中；

xiii选择打包并发布B_t，对Pool2(x_i)中计算出的NT(x_j,y_n,k')打包到区块体中，发布到区块链；

xiv算法结束；

④区块发布

将计算出的NT(x_j,y_n,k)构成新区块的区块体NT{·}，并把NT(x_j,y_n,k')以Merkle树的形式组织成MR加入到新区块的区块头，H(x_i)将新生成的区块头与区块体NT{·}一起构成新区块并发布到区块链。

Images