CN113282417A - 任务分配方法、装置、计算机设备和存储介质 - Google Patents

任务分配方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN113282417A
CN113282417A CN202110599382.4A CN202110599382A CN113282417A CN 113282417 A CN113282417 A CN 113282417A CN 202110599382 A CN202110599382 A CN 202110599382A CN 113282417 A CN113282417 A CN 113282417A
Authority
CN
China
Prior art keywords
edge node
candidate edge
node
trust value
candidate
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.)
Granted
Application number
CN202110599382.4A
Other languages
English (en)
Other versions
CN113282417B (zh
Inventor
李东旭
劳永钊
熊文
张扬
罗惠雄
刘晓
罗远荣
姜臻
李晋伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority to CN202110599382.4A priority Critical patent/CN113282417B/zh
Publication of CN113282417A publication Critical patent/CN113282417A/zh
Application granted granted Critical
Publication of CN113282417B publication Critical patent/CN113282417B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5072—Grid computing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals

Abstract

本申请涉及一种任务分配方法、装置、计算机设备和存储介质。该方法包括：当获取到待处理任务时，获取与多个候选边缘节点进行交互时的交互响应特征；根据所述交互响应特征生成特征矩阵，基于所述特征矩阵计算出各节点的直接信任值；基于所述各个候选边缘节点与连接边缘节点之间的交互状态得到反馈评分，并根据所述反馈评分计算得出各个所述候选边缘节点的间接信任值；基于所述直接信任值和所述间接信任值计算得出各个候选边缘节点的综合信任值；根据所述综合信任值，从所述各个候选边缘节点中选择目标边缘节点，将所述待处理任务分配至所述目标边缘节点进行任务处理。采用本方法能够可以很好的识别恶意节点，提高任务的完成质量和任务完成效率。

Description

任务分配方法、装置、计算机设备和存储介质
技术领域
本发明涉及计算机网络技术领域，特别是涉及一种任务分配方法、装置、计算机设备和存储介质。
背景技术
在传统的集中式的云计算中，数据计算由云服务器完成，由于网络中云服务器与终端设备之间的传输路径较长，所以通过集中式的云计算处理任务的网络时延较长，难以提供实时高效的数据计算服务。在这种情况下，分布式的边缘计算己经成为研究热点。
在边缘计算中，数据计算由网络中的边缘节点完成，由于网络中边缘节点与终端设备之间的传输路径较短，所以，通过边缘计算处理任务的网络时延较短，可以提供实时、高效的数据计算服务，对任务做出更快的响应。
对于一个任务，一般需要多个边缘节点共同进行边缘计算以对其进行处理。在现有的边缘计算中，处理任务所需的边缘节点是不固定的，当处理任务的边缘节点中存在反馈错误信息的恶意边缘节点时，便无法保证任务的完成质量，这就使得任务处理效率低下。
发明内容
基于此，有必要针对上述技术问题，提供一种任务分配方法、装置、计算机设备和存储介质。
一种任务分配方法，所述方法包括：当获取到待处理任务时，获取与多个候选边缘节点进行交互时的交互响应特征；根据各个候选边缘节点对应的所述交互响应特征生成特征矩阵，基于所述特征矩阵计算出各个所述候选边缘节点的直接信任值；基于所述各个候选边缘节点与连接边缘节点之间的交互状态得到反馈评分，并根据所述反馈评分计算得出各个所述候选边缘节点的间接信任值；所述连接边缘节点为与候选边缘节点存在连接关系的边缘节点；基于所述直接信任值和所述间接信任值计算得出各个候选边缘节点的综合信任值；根据所述综合信任值，从所述各个候选边缘节点中选择目标边缘节点，将所述待处理任务分配至所述目标边缘节点进行任务处理。
在其中一个实施例中，所述获取与多个候选边缘节点进行交互的过程中的交互响应特征，包括：获取设定时间段内与多个候选边缘节点进行交互的过程中的交互响应特征；所述设定时间段包含多个时间单位；所述根据各个候选边缘节点对应的所述交互响应生成特征矩阵，基于所述特征矩阵计算出各个所述候选边缘节点的直接信任值，包括：获取各个候选边缘节点在同一时间单位内的交互响应特征对应的特征数据；将各个候选边缘节点的所述交互响应特征对应的特征数据，按序排列生成特征矩阵；将所述特征矩阵进行归一化处理得到标准特征矩阵，根据所述标准特征矩阵计算出各个所述候选边缘节点的直接信任值。
在其中一个实施例中，所述将所述特征矩阵进行归一化处理得到标准特征矩阵，根据所述标准特征矩阵计算出各个所述候选边缘节点的直接信任值，包括：将所述标准特征矩阵中同一边缘节点对应的矩阵元素进行平均值计算，得到信任评价值；将每一时间单元内的候选边缘节点确定为参考边缘节点，得到各个时间单元对应的参考边缘节点；分别将各个时间单元对应的参考边缘节点的信任评价值与信任评价阈值进行比对，根据比对结果确定对应时间单元内的可信任边缘节点和不可信任边缘节点；对各个时间单元内的可信任边缘节点的数量进行统计，得到可信任边缘节点数量；对各个时间单元内的不可信任边缘节点的数量进行统计，得到不可信任边缘节点数量；根据所述信任边缘节点数量和所述不可信任边缘节点数量计算得出各个所述候选边缘节点的直接信任值。
在其中一个实施例中，所述获取与多个候选边缘节点进行交互的过程中的交互响应特征，包括：确定与多个候选边缘节点进行任务处理的过程中，各个候选边缘节点的设备硬件状态以及任务完成状态；基于各个候选边缘节点的设备硬件状态以及任务完成状态得到所述交互响应特征。
在其中一个实施例中，基于所述各个候选边缘节点与连接边缘节点之间的交互状态得到反馈评分，并根据所述反馈评分计算得出各个所述候选边缘节点的间接信任值，包括：获取所述连接边缘节点基于交互状态数据发送的第一反馈评分；所述交互状态数据为所述连接边缘节点与所述候选边缘节点进行交互时产生的状态数据；获取状态反馈节点基于所述交互状态数据发送的第二反馈评分；所述状态反馈节点为独立于所述候选边缘节点和所述连接边缘节点的节点；根据第一反馈评分和第二反馈评分计算得出各个所述候选边缘节点的间接信任值。
在其中一个实施例中，所述根据第一反馈评分和第二反馈评分计算得出各个所述候选边缘节点的间接信任值，包括：基于所述连接边缘节点与所述候选边缘节点的交互状态确定节点交互稳定度；当所述节点交互稳定度小于设定稳定度阈值时，为所述第一反馈评分配置第一权重，并为所述第二反馈评分配置第二权重；其中，所述第一权重小于或等于所述第二权重；根据所述第一权重和所述第二权重对第一反馈评分和第二反馈评分进行加权运算得出各个候选边缘节点的间接信任值。
在其中一个实施例中，所述基于所述直接信任值和所述间接信任值计算得出各个候选边缘节点的综合信任值，包括：基于所述连接边缘节点与所述候选边缘节点的交互状态确定节点交互稳定度；当所述节点交互稳定度小于设定稳定度阈值时，为所述直接信任值配置第三权重，并为所述间接信任值配置第四权重；其中，所述第三权重小于或等于所述第四权重；根据所述第三权重和所述第四权重对所述直接信任值和所述间接信任值进行加权运算得出各个候选边缘节点的综合信任值。
一种任务分配装置，所述装置包括：特征获取模块，用于当获取到待处理任务时，获取与多个候选边缘节点进行交互的过程中的交互响应特征；直接信任值计算模块，用于根据各个候选边缘节点对应的所述交互响应特征生成特征矩阵，基于所述特征矩阵计算出各个所述候选边缘节点的直接信任值；间接信任值计算模块，用于基于所述各个候选边缘节点与连接边缘节点之间的交互状态得到反馈评分，并根据所述反馈评分计算得出各个所述候选边缘节点的间接信任值；所述连接边缘节点为与候选边缘节点存在连接关系的边缘节点；综合信任值计算模块，用于基于所述直接信任值和所述间接信任值计算得出各个候选边缘节点的综合信任值；任务分配模块，用于根据所述综合信任值，从所述各个候选边缘节点中选择目标边缘节点，将所述待处理任务分配至所述目标边缘节点进行任务处理。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：当获取到待处理任务时，获取与多个候选边缘节点进行交互时的交互响应特征；根据各个候选边缘节点对应的所述交互响应特征生成特征矩阵，基于所述特征矩阵计算出各个所述候选边缘节点的直接信任值；基于所述各个候选边缘节点与连接边缘节点之间的交互状态得到反馈评分，并根据所述反馈评分计算得出各个所述候选边缘节点的间接信任值；所述连接边缘节点为与候选边缘节点存在连接关系的边缘节点；基于所述直接信任值和所述间接信任值计算得出各个候选边缘节点的综合信任值；根据所述综合信任值，从所述各个候选边缘节点中选择目标边缘节点，将所述待处理任务分配至所述目标边缘节点进行任务处理。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：当获取到待处理任务时，获取与多个候选边缘节点进行交互时的交互响应特征；根据各个候选边缘节点对应的所述交互响应特征生成特征矩阵，基于所述特征矩阵计算出各个所述候选边缘节点的直接信任值；基于所述各个候选边缘节点与连接边缘节点之间的交互状态得到反馈评分，并根据所述反馈评分计算得出各个所述候选边缘节点的间接信任值；所述连接边缘节点为与候选边缘节点存在连接关系的边缘节点；基于所述直接信任值和所述间接信任值计算得出各个候选边缘节点的综合信任值；根据所述综合信任值，从所述各个候选边缘节点中选择目标边缘节点，将所述待处理任务分配至所述目标边缘节点进行任务处理。
上述任务分配方法、装置、计算机设备和存储介质，服务器可以根据交互响应特征来计算候选边缘节点的直接信任值，根据候选边缘节点与连接边缘节点之间的交互状态得到反馈评分，并基于该反馈评分得到间接信任值，然后根据直接信任值和间接信任值生成的综合信任值对候选边缘节点进行选择，从而用选择出的目标边缘节点对任务进行处理，通过多个评估维度来确定候选边缘节点对应综合信任值，所得到的综合信任值可以很好地区分恶意边缘节点，进而可以选择出准确的目标边缘节点，保证任务的完成质量，进而提高任务完成效率。
附图说明
图1为一个实施例中任务分配方法的应用环境图；
图2为一个实施例中任务分配方法的流程示意图；
图3为一个实施例中直接信任值计算步骤的流程示意图；
图4为另一个实施例中直接信任值计算步骤的流程示意图；
图5为一个实施例中间接信任值计算步骤的流程示意图；
图6为另一个实施例中间接信任值计算步骤的流程示意图；
图7为一个实施例中任务分配装置的结构框图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的任务分配方法，可以应用于如图1所示的应用环境中。该应用环境中包括服务器102、多个边缘节点104和终端节点106。其中，服务器102通过网络分别与多个边缘节点104通过网络进行连接，各个边缘节点之间也可以通过网络进行通信，终端节点106与各个边缘节点104也可以进行网络通信。边缘节点104中包括候选边缘节点1042，也包括与候选边缘节点相连接的边缘节点1044，服务器102获取到终端节点106发送的待处理任务时，获取连接边缘节点1044与各个候选边缘节点1042进行交互时的交互响应特征；根据各个候选边缘节点对应的交互响应特征生成特征矩阵，基于特征矩阵计算出各个边缘节点的直接信任值；基于各个边缘节点与连接边缘节点之间的交互状态得到反馈评分，并根据反馈评分计算得出各个候选边缘节点的间接信任值；连接边缘节点为与候选边缘节点存在连接关系的边缘节点；基于直接信任值和间接信任值计算得出各个候选边缘节点的综合信任值；根据综合信任值，从各个候选边缘节点中选择目标边缘节点，将待处理任务分配至目标边缘节点进行任务处理，并将任务处理结果返回给终端节点106。其中，终端节点106可以是一个也可以是多个，终端节点包括但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器102可以用独立的服务器或者是多个服务器组成的服务器集群来实现，可以通过云服务器实现；边缘节点104可以为网关、路由器、处理器等连接至网络的节点设备，并且也可以替代服务器对数据进行处理，在此不做具体限定。
在一个实施例中，如图2所示，提供了一种任务分配方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
S202，当获取到待处理任务时，获取与多个候选边缘节点进行交互时的交互响应特征。
其中，任务处理是指对任务进行创建、调度、执行和终止的过程，待处理任务可以是等待创建、调度、执行和终止的任务。交互响应特征是指请求边缘节点与响应边缘节点之间进行通信时，响应边缘节点为该请求响应节点提供响应数据过程中表征数据传输质量的特征，例如，当前网络带宽、当前中央处理器利用率、内存利用率、硬盘利用率、平均响应时间和平均任务成功率等等。在一实施例中，平均响应时间越低，平均任务成功率越高则表示请求边缘节点与响应边缘节点之间数据传输的质量越高。该交互响应特征对应的交互响应特征数据可以在边缘节点与其他边缘节点进行通信时存储在节点的数据库中，也可以通过上传至云服务器中进行存储。
具体地，当终端节点发布待处理任务时，服务器接收到待处理任务信息时，获取与某一候选边缘节点产生交互的多个连接边缘节点的交互响应特征数据。
S204，根据各个候选边缘节点对应的交互响应特征生成特征矩阵，基于特征矩阵计算出各个候选边缘节点的直接信任值。
其中，特征矩阵是由多个与候选边缘节点连接的连接边缘节点与候选边缘节点的交互响应特征为元素组成。每个连接边缘节点与候选边缘节点的交互响应特征数据可以是矩阵的行数据，也可以是列数据。
直接信任值是指从候选边缘节点与连接边缘节点之间进行数据传输的质量的角度来量化候选边缘节点信任度的数值。
具体地，服务器根据各个连接边缘节点与候选边缘节点的交互响应特征数据生成的特征矩阵，并根据该特征矩阵中的矩阵元素计算出每个候选边缘节点的直接信任值。
S206，基于各个候选边缘节点与连接边缘节点之间的交互状态得到反馈评分，并根据反馈评分计算得出各个候选边缘节点的间接信任值；连接边缘节点为与候选边缘节点存在连接关系的边缘节点。
其中，交互状态是指候选边缘节点与连接边缘节点之间的进行数据交互的状态；反馈评分是指连接边缘节点在与候选边缘节点进行数据传输之后，基于候选边缘节点与连接边缘节点之间的数据传输状态对候选边缘节点的数据传输服务进行评分，例如，连接边缘节点根据候选边缘节点提供数据服务的响应的时间和响应速度来对候选边缘节点进行评分。在一实施例中，反馈评分可以是与候选边缘节点共同处理分配任务的连接边缘节点对候选边缘节点的评分，也可以是不与候选边缘节点共同处理分配任务的连接边缘节点对候选边缘节点的评分。
间接信任值是指从连接边缘节点基于交互状态对候选边缘节点进行反馈评价的角度来量化候选边缘节点信任度的数值。
具体地，云服务器基于各个候选边缘节点与连接边缘节点之间的交互状态得到反馈评分，并根据反馈评分计算得出各个候选边缘节点的间接信任值。
S208，基于直接信任值和间接信任值计算得出各个候选边缘节点的综合信任值。
其中，综合信任值是指对候选边缘节点进行综合评价，并通过量化计算得到的信任值，用来表征候选边缘节点的综合信任度。在一实施例中，综合信任值越大，则表示节点的可信任就越高。
具体地，根据S204得到的直接信任值和S206得到的间接信任值进行加权计算，得出各个候选边缘节点的综合信任值。
S210，根据综合信任值，从各个候选边缘节点中选择目标边缘节点，将待处理任务分配至目标边缘节点进行任务处理。
具体地，根据S208得到的每个候选边缘节点的综合信任值，从各个候选边缘节点中选取一定数量的边缘节点对待处理任务进行处理。在一种实施方式中，候选边缘节点的综合信任值越高，其为恶意边缘节点的可能性就越低。在得到候选边缘节点的综合信任值后，云服务器可以根据信任融合评估值从高到低的顺序，对候选边缘节点进行排序，进而按照排序结果及处理待处理任务所需的边缘节点的数量，从待评价边缘节点选择目标边缘节点。
上述任务分配方法中，服务器可以根据交互响应特征来计算候选边缘节点的直接信任值，根据候选边缘节点与连接边缘节点之间的交互状态得到反馈评分，并基于该反馈评分得到间接信任值，然后根据直接信任值和间接信任值生成的综合信任值对候选边缘节点进行选择，从而用选择出的目标边缘节点对任务进行处理，通过多个评估维度来确定候选边缘节点对应综合信任值，所得到的综合信任值可以很好地区分恶意边缘节点，进而可以选择出准确的目标边缘节点，保证任务的完成质量，进而提高任务完成效率。
在一个实施例中，如图3所示，当获取到待处理任务时，获取与多个候选边缘节点进行交互时的交互响应特征；根据各个候选边缘节点对应的交互响应特征生成特征矩阵，基于特征矩阵计算出各个候选边缘节点的直接信任值，包括：
S302，获取设定时间段内与多个候选边缘节点进行交互的过程中的交互响应特征；设定时间段包含多个时间单位。
其中，时间段包含多个时间单位，每个时间单位由几个时间帧组成。在一个实施例中，每个时间单元对应一个评价矩阵。进一步地，时间窗口Δt可以由几个时间单位重叠而来，用来衡量信任与不节点的数量。经过一段时间后，窗口向右滑动一段时间，从而删除上一段时间内节点之间的交互行为。
当接收到待分配的任务时，云服务器获取设定时间段内各个时间单位内的各个候选边缘节点与连接边缘节点交互的交互响应特征。
S304，获取各个候选边缘节点在同一时间单位内的交互响应特征对应的特征数据。
根据S302得到在设定时间段里的同一时间单位内多个连接边缘节点与候选边缘节点交互时的交互响应特征，提取交互响应特征对应的交互响应特征数据。
S306，将各个候选边缘节点的交互响应特征对应的特征数据，按序排列生成特征矩阵。
具体地，将步骤304得到的各个连接边缘节点与候选边缘节点的交互特征数据按顺序排列成矩阵，生成特征矩阵。其中特征矩阵可以由每个边缘节点与候选边缘节点的交互响应特征数据为行数据生成，也可以由每个边缘节点与候选边缘节点的交互响应特征数据为列数据生成。
S308，将特征矩阵进行归一化处理得到标准特征矩阵，根据标准特征矩阵计算出各个候选边缘节点的直接信任值。
其中，归一化处理属于数字信号处理的范畴，是指将大于1的自然数变为(0，1)之间的小数，主要是为了数据处理方便提出来的，把数据映射到0～1范围之内处理，使得数据处理更加便捷快速。
在一个实施例中，根据交互响应特征数据生成有序特征矩阵，并对该有序特征矩阵进行归一化处理的过程如下；为了给指定的网络通信提供更好的服务，主要关注候选边缘节点与其他连接的边缘节点交互过程中的网络带宽I1、中央处理器利用率I2、内存利用率I3、硬盘利用率I4、平均响应时间I5和平均任务成功率I6。
获取候选节点与某一边缘节点交互过程中的交互特征数据，将各个候选边缘节点交互响应特征数据I1-I6组合成为一个集合，将各个候选边缘节点的交互响应特征数据集合作为行数据生成特征矩阵，再对该特征矩阵进行归一化处理，以消除各属性项在单位和值域上的差异造成的定量结果偏差。在本实施例中，假设共有n个连接边缘节点，m个交互响应特征类型，Ik＝{x1k,x2k,…,xtk,…,xnk}，其中Ik集合表示一个时间窗口[1,n]下特征类型k的n个证据，其中下标k＝{1,2,…,m}，表示总共需要监控的m个交互响应特征类型。在一个时间窗口下，假设得到了n组测量样本{x1,x2,…,xt,…,xn}，其中，下标t为该测量的时间点或时间戳，t∈[1,n]，xt＝xt1,xt2,…,xtm。因此可以得到一个有序特征矩阵：
Figure BDA0003092228170000101
根据两种情况，任何行数据xtk∈Ik都可以规范化为值域[0,1]。其中一种情况，xtk是一个正的递增值，即行数据xtk具有较大的值；包括当前网络带宽、当前CPU利用率、内存利用率、硬盘利用率和平均任务成功率。在这种情况下，标准化方程定义如下：
Figure BDA0003092228170000102
其中，max(xtk)和min(xtk)分别是行数据xtk的最大值和最小值。
另一种情况，xtk是一个正的递减值，即xtk的值应该很小。该值涵盖平均响应时间。在这种情况下，归一化方程定义为：
Figure BDA0003092228170000103
无论公式(2)和(3)，每个信任证据都表示在[0,1]内，并随着给定的转换而沿正反向增加。因此证据值越大越好。通过对信任证据进行归一化，得到一个评价矩阵B＝(γt)n×1＝(γtk)n×m：
Figure BDA0003092228170000104
本实施例中，通过将特征矩阵中的特征元素进行归一化处理，从而得到归一化的特征矩阵，再根据该特征矩阵生成直接信任值，归一化处理可以使计算直接信任值的过程更加简洁，从而提高了任务分配的效率。
在一个实施例中，如图4所示，将特征矩阵进行归一化处理得到标准特征矩阵，根据标准特征矩阵计算出各个候选边缘节点的直接信任值，包括：
S402，将标准特征矩阵中同一候选边缘节点对应的矩阵元素进行平均值计算，得到信任评价值。
其中，信任评价值用于与信任阈值进行对比，当信任评价值高于或等于信任评价阈值时，则判定该边缘节点为可信任的边缘节点；当信任评价值小于信任评价阈值时，则判定该边缘节点为不可信任边缘节点。
具体地，将标准矩阵中的同一候选边缘节点对应的矩阵元素进行平均值运算，得到每一候选边缘节点的信任评价值。
S404，将每一时间单元内的候选边缘节点确定为参考边缘节点，得到各个时间单元对应的参考边缘节点。
S406，分别将各个时间单元对应的参考边缘节点的信任评价值与信任评价阈值进行比对，根据比对结果确定对应时间单元内的可信任边缘节点和不可信任边缘节点。
具体地，将S402得到的各个时间单元内对应的各参考边缘节点的信任评价值与评价阈值进行对比，当参考边缘节点的信任评价值大于评价阈值时，则判定该参考边缘节点为可信任边缘节点，当参考边缘节点的信任评价值小于评价阈值时，则判定该参考边缘节点为不可信任边缘节点。
S408，对各个时间单元内的可信任边缘节点的数量进行统计，得到可信任边缘节点数量。
S410，对各个时间单元内的不可信任边缘节点的数量进行统计，得到不可信任边缘节点数量。
S412，根据信任边缘节点数量和不可信任边缘节点数量计算得出各个候选边缘节点的直接信任值。
在一个实施例中，使Ω＝{P1,P2,…,Pp}表示p个服务实体，其中Ω被称为服务实体域。对于
Figure BDA0003092228170000111
使Γt(Pi)表示Pi在时间t的信任评价值，定义Γt(Pi)为一个时间序列：
Figure BDA0003092228170000112
其中
Figure BDA0003092228170000113
{btk}＝{bt1,bt2,…,btk,…,btm}表示评价矩阵B的第k行，k∈[1,m]，btk∈[0,1]，(下标t为该测量的时间点或时间戳)。
轻量级平均聚合算法比复杂算法表现更好，特别是当系统中存在相当数量的服务提供者时，使用一个轻量级的平均方法融合的信任证据B，考虑大规模边缘计算平台大量的资源，这种轻量级的融合方法可以得到更高的效率与其他复杂的算法。
时间窗Δt用来衡量满意与不满意的服务的数量。时间窗口使由几个时间单位重叠的。经过一段时间后，窗口向右滑动一段时间，从而删除上一段时间内显示的服务行为。因此，随着时间的推移，窗口会忘记一个旧框架里节点之间的交互行为，而增加一个新的时间框架的节点之间的交互行为。窗口长度可以根据信任管理场景缩短或延长。在某一时间窗内确定了U(Pi)和S(Pi)的值之后，在0到1之间的资源Pi的直接信任度Dn(Pi)被定义为：
Figure BDA0003092228170000121
其中λ是一个正整数，U(Pi)≠0。S(Pi)为资源Pi在时间窗Δt内满意服务的总数，U(Pi)为资源Pi不满意服务的总数。直接信任值基于用户与服务资源的直接交互建立，并根据满意和不满意服务的数量进行评估。该方法的严格惩罚特性可以有效防止来自累积可信度较高的恶意节点的突然攻击。λ的值决定了惩罚的程度。λ的值越小，惩罚值越大。为了减轻可能由网络流量问题引起的一些错误的服务声明的影响，可以设置一个稍大一些的λ值，如3。
在本实施例中，根据特征矩阵计算出基于交互响应特征的直接信任度，可以从节点的服务质量上对节点的信任度进行评价，可以很好的识别恶意节点，提高任务的完成质量和任务完成效率。
在一个实施例中，获取与多个候选边缘节点进行交互的过程中的交互响应特征，包括：
确定与多个候选边缘节点进行任务处理的过程中，各个候选边缘节点的设备硬件状态以及任务完成状态；基于各个候选边缘节点的设备硬件状态以及任务完成状态得到交互响应特征。
其中，候选边缘节点的设备硬件状态是指节点设备提供服务时，其硬件的工作状态。例如，当前中央处理器利用率、内存利用率、硬盘利用率、是否存在病毒以及恶意插件等。任务完成状态表示节点对任务处理的完成质量。例如，任务处理响应时间、无故障响应时间、数据包的下载速度等。
具体地，确定各候选边缘节点与连接边缘节点交互的历史设备硬件状态和历史任务完成状态，根据候选边缘节点自身对服务的需求和理解，选择最重要的历史状态特征确定为交互响应特征。
在本实施例中，通过候选边缘节点与其他节点的历史交互状态中获取历史节点的硬件状态以及历史任务完成状态，并基于历史设备硬件状态以及任务完成状态生成交互响应特征，可以从节点服务质量的角度来衡量节点的可信任度，有利于识别恶意节点，提高任务处理的效率。
在一实施例中，如图5所示，基于各个候选边缘节点与连接边缘节点之间的交互状态得到反馈评分，并根据反馈评分计算得出各个候选边缘节点的间接信任值，包括：
S502，获取连接边缘节点基于交互状态数据发送的第一反馈评分；交互状态数据为连接边缘节点与候选边缘节点进行交互时产生的状态数据。
其中，反馈评分是指反馈系统收集本地生成的节点评级，并将这些评级汇总，得出总体声誉评分。节点完成交易后，将提供自己的评级，作为其他节点在未来交易中的参考。反馈系统可以是与候选边缘节点发生过交互的连接边缘节点，也可以是独立于节点的监控器。
第一反馈评分可以由连接边缘节点基于候选边缘节点与其的交互状态数据打出的反馈评分。通常来说，用户会根据节点提供的服务质量对其评分，大于0.5视为正面评价，小于0.5视为负面评价。其中也存在不可靠节点对候选边缘节点进行恶意评分。
S504，获取状态反馈节点基于交互状态数据发送的第二反馈评分；状态反馈节点为独立于候选边缘节点和连接边缘节点的节点。
由于开放的节点环境会包含大量不可靠的节点，而来自这些不可靠节点的评级将产生不正确的评估结果。然而，以往的研究大多缺乏可行的替代方案来解决节点的可靠性，这严重影响了系统的可靠性和评级的可用性。因此，在反馈系统中还需要增加独立于候选边缘节点和连接边缘节点的节点来避免不可靠节点的恶意反馈评分。
在一实施例中，状态反馈节点可以是独立于边缘节点的监视器，监视器基于候选边缘节点与连接边缘节点之间的交互状态数据对其所监视的候选边缘节点进行评分，其中对同一候选边缘节点可以采用多个监视器进行评分。
S506，根据第一反馈评分和第二反馈评分计算得出各个候选边缘节点的间接信任值。
具体地，根据S502和S504得到的第一反馈评分和第二反馈评分计算出各个候选边缘节点的间接信任值。
在一个实施例中，将Pi作为平台提供的资源标识符，用un(Pi)表示节点的评分，εn(Pi)表示其他信任监控系统的评分，Rn(Pi)表示候选边缘节点的间接信任值，Rn(Pi)可以被定义为：
Rn(Pi)＝β·un(Pi)+(1-β)εn(Pi) (7)
在本实施例中，反馈评分不仅来自连接边缘节点，还来自独立于连接边缘节点和候选边缘节点的监控器，没有考虑间接信任链，可以降低未注册节点的评分，从而有效降低网络风险和系统开销，提高系统的可靠性。
在一实施例中，如图6所示，基于直接信任值和间接信任值计算得出各个候选边缘节点的综合信任值，包括：
S602，基于连接边缘节点与候选边缘节点的交互状态确定节点交互稳定度。
其中，节点交互稳定度是指连接边缘节点对候选边缘节点的交互状态数据的变化幅度，在一实施例中可以使用的方差来表征连接边缘节点与候选边缘节点之间的交互稳定度，也可以使用标准差来表征交互稳定度。
具体地，服务器获取候选边缘节点与连接边缘节点之间地历史交互特征数据，并将其确定为交互状态数据，计算出交互状态数据的方差，得到该候选边缘节点的节点交互稳定度。
S604，当交互稳定度小于设定稳定度阈值时，为直接信任值配置第三权重，并为间接信任值配置第四权重；其中，第三权重小于或等于第四权重。
具体地，当S602得到的交互稳定度小于设定稳定度阈值时，使得第二反馈评分的权重大于第一反馈评分的权值。
在一实施例中，间接信任值表征为Rn(Pi)＝β·un(Pi)+(1-β)εn(Pi) (8)其中β∈[0,1]，n是反馈计算的时间戳。un(Pi)表示节点的评分，εn(Pi)表示其他信任监控系统的评分。β和(1-β)分别表示un(Pi)和εn(Pi)的权值。为了增强反馈系统的可靠性，一般设置较大的β。当β＝1，表示εn(Pi)的权值为0，的模型降级为只考虑普通节点反馈的传统反馈模型。当边缘计算平台高度动态，包含大量恶意节点时，将推荐为εn(Pi)设定一个高的权值(1-β＝0.7)。
恶意评分是计算un(Pi)的一个难点。在本实施例中，提出一种基于贝塔概率密度函数，它可以用来表示二元事件的概率分布，这为结合反馈和表达信誉评级提供了良好的数学基础。贝塔分布的概率期望值表示一个过程在未来观测中出现积极结果的概率，是一个0到1的数，评分本身也是0到1的数，相加求平均即为用户对评价节点的评分。
Figure BDA0003092228170000151
其中p表示二元事件(r,s)的后验概率，r是对资源Pi的正面评分数量，s是对资源Pi的负面评分数量。
Figure BDA0003092228170000152
是贝塔分布
Figure BDA0003092228170000153
的概率期望值：
Figure BDA0003092228170000154
Figure BDA0003092228170000155
是来自r+s个节点的汇总评分的平均值：
Figure BDA0003092228170000156
其中zk是k个节点对资源Pi的评分。
为了减少所提出的反馈机制的计算开销，使用加权平均的方法来聚合来自其他监视器的评分：
Figure BDA0003092228170000157
其中μ是提供对Pi评分的监视器的数量，ym(Pi)是第m个监视器对Pi的评分。考虑到所有评级的权重相等，权重不需要更新，消除了相应的通信和存储成本的权重更新。
S606，根据第三权重和第四权重对直接信任值和间接信任值进行加权运算得出各个候选边缘节点的综合信任值。
具体地，根据第三权重和第四权重对直接信任值和间接信任值进行加权运算得出各个候选边缘节点的综合信任值。
在本实施例中，通过交互状态稳定度来设置第一反馈评分和第二反馈评分地权重，可以最大限度地减少恶意节点对候选边缘节点反馈的影响，增强了信任评价系统的可靠性。在扩展的反馈机制中，评分不仅来自用户，还来自其他监控者，可以有效降低联网风险，提高系统的可靠性。所提出的方案比其他方法具有更强的鲁棒性能。
在一实施例中，基于直接信任值和间接信任值计算得出各个候选边缘节点的综合信任值，包括：基于连接边缘节点与候选边缘节点的交互状态确定节点交互稳定度；当交互稳定度小于设定稳定度阈值时，为直接信任值配置第三权重，并为间接信任值配置第四权重；其中，第三权重小于或等于第四权重；根据第三权重和第四权重对直接信任值和间接信任值进行加权运算得出各个候选边缘节点的综合信任值。
其中，交互稳定度是指连接边缘节点对候选边缘节点的交互状态数据的变化幅度，在一实施例中可以使用的方差来表征连接边缘节点与候选边缘节点之间的交互稳定度，也可以使用标准差来表征交互稳定度。
其中，可以用On(Pi)来表征候选边缘节点的综合信任值，其中γ和(1-γ)分别表示Dn(Pi)和Rn(Pi)的权重值，On(Pi)＝γ·Dn(Pi)+(1-γ)Rn(Pi) (13)
其中γ和(1-γ)分别表示Dn(Pi)和Rn(Pi)的权值。为了增强反馈系统的可靠性，通常设置较小的γ。当γ＝1，表示Dn(Pi)的权值为0，任务分配模型只有间接评分模型，没有直接评分模型。
在本实施例中，在扩展的反馈机制中，评分不仅来自用户，还来自其他监控者，可以有效降低节点联网风险，提高系统的可靠性，比其他方法具有更强的鲁棒性能。
应该理解的是，虽然图2-6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-6中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图7所示，提供了一种任务分配装置700，包括：特征获取模块702、直接信任值计算模块704、间接信任值计算模块706、综合信任值计算模块708和任务分配模块710，其中：
特征获取模块702，用于当获取到待处理任务时，获取与多个候选边缘节点进行交互的过程中的交互响应特征。
直接信任值计算模块704，用于根据各个候选边缘节点对应的所述交互响应特征生成特征矩阵，基于所述特征矩阵计算出各个所述候选边缘节点的直接信任值。
间接信任值计算模块706，用于基于所述各个候选边缘节点与连接边缘节点之间的交互状态得到反馈评分，并根据所述反馈评分计算得出各个所述候选边缘节点的间接信任值；所述连接边缘节点为与候选边缘节点存在连接关系的边缘节点。
综合信任值计算模块708，用于基于所述直接信任值和所述间接信任值计算得出各个候选边缘节点的综合信任值。
任务分配模块710，用于根据所述综合信任值，从所述各个候选边缘节点中选择目标边缘节点，将所述待处理任务分配至所述目标边缘节点进行任务处理。
上述任务分配装置700，可以根据交互响应特征来计算候选边缘节点的直接信任值，根据候选边缘节点与连接边缘节点之间的交互状态得到反馈评分，并基于该反馈评分得到间接信任值，然后根据直接信任值和间接信任值生成的综合信任值对候选边缘节点进行选择，从而用选择出的目标边缘节点对任务进行处理，可以很好的识别恶意节点，提高任务的完成质量和任务完成效率。
在一实施例中，直接信任值计算模块还包括：特征数据子模块，用于获取各个候选边缘节点在同一时间单位内的交互响应特征对应的特征数据；特征矩阵生成子模块，用于将各个候选边缘节点的所述交互响应特征对应的特征数据，按序排列生成特征矩阵；信任值计算子模块，用于将所述特征矩阵进行归一化处理得到标准特征矩阵，根据所述标准特征矩阵计算出各个所述候选边缘节点的直接信任值。
在一实施例中，信任值计算子模块还包括：信任评价值计算单元，用于将所述标准特征矩阵中同一边缘节点对应的矩阵元素进行平均值计算，得到信任评价值；参考边缘节点确定单元，用于将每一时间单元内的候选边缘节点确定为参考边缘节点，得到各个时间单元对应的参考边缘节点；信任边缘节点确定模块，用于分别将各个时间单元对应的参考边缘节点的信任评价值与信任评价阈值进行比对，根据比对结果确定对应时间单元内的可信任边缘节点和不可信任边缘节点；第一数量统计单元，用于对各个时间单元内的可信任边缘节点的数量进行统计，得到可信任边缘节点数量；第二数量统计单元，用于对各个时间单元内的不可信任边缘节点的数量进行统计，得到不可信任边缘节点数量；计算单元，根据所述信任边缘节点数量和所述不可信任边缘节点数量计算得出各个所述候选边缘节点的直接信任值。
在一实施例中，特征获取模块还包括：状态确定子模块，用于确定与多个候选边缘节点进行任务处理的过程中，各个候选边缘节点的设备硬件状态以及任务完成状态；交互响应特征确定子模块，用于基于各个候选边缘节点的设备硬件状态以及任务完成状态得到所述交互响应特征。
在一实施例中，间接信任值计算模块还包括：第一评分获取子模块，用于获取所述连接边缘节点基于交互状态数据发送的第一反馈评分；所述交互状态数据为所述连接边缘节点与所述候选边缘节点进行交互时产生的状态数据；第二评分子模块，用于获取状态反馈节点基于所述交互状态数据发送的第二反馈评分；所述状态反馈节点为独立于所述候选边缘节点和所述连接边缘节点的节点；信任值计算子模块，根据第一反馈评分和第二反馈评分计算得出各个所述候选边缘节点的间接信任值。
在一实施例中，信任值计算子模块还包括，稳定度确定单元，用于基于所述连接边缘节点与所述候选边缘节点的交互状态确定节点交互稳定度；权重分配单元，用于当所述交互稳定度小于设定稳定度阈值时，为所述第一反馈评分配置第一权重，并为所述第二反馈评分配置第二权重；其中，所述第一权重小于或等于所述第二权重；加权运算单元，用于根据所述第一权重和所述第二权重对第一反馈评分和第二反馈评分进行加权运算得出各个候选边缘节点的间接信任值。
在一实施例中，综合信任值计算模块还包括：稳定度确定单元，用于基于所述连接边缘节点与所述候选边缘节点的交互状态确定节点交互稳定度；权重分配单元，用于当所述交互稳定度小于设定稳定度阈值时，为所述直接信任值配置第三权重，并为所述间接信任值配置第四权重；其中，所述第三权重小于或等于所述第四权重；加权计算单元，根据所述第三权重和所述第四权重对所述直接信任值和所述间接信任值进行加权运算得出各个候选边缘节点的综合信任值。
关于任务分配装置的具体限定可以参见上文中对于任务分配方法的限定，在此不再赘述。上述任务分配装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储历史交互响应特征数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种任务分配方法。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：当获取到待处理任务时，获取与多个候选边缘节点进行交互时的交互响应特征；根据各个候选边缘节点对应的所述交互响应特征生成特征矩阵，基于所述特征矩阵计算出各个所述候选边缘节点的直接信任值；基于所述各个候选边缘节点与连接边缘节点之间的交互状态得到反馈评分，并根据所述反馈评分计算得出各个所述候选边缘节点的间接信任值；所述连接边缘节点为与候选边缘节点存在连接关系的边缘节点；基于所述直接信任值和所述间接信任值计算得出各个候选边缘节点的综合信任值；根据所述综合信任值，从所述各个候选边缘节点中选择目标边缘节点，将所述待处理任务分配至所述目标边缘节点进行任务处理。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取设定时间段内与多个候选边缘节点进行交互的过程中的交互响应特征；所述设定时间段包含多个时间单位；获取各个候选边缘节点在同一时间单位内的交互响应特征对应的特征数据；将各个候选边缘节点的所述交互响应特征对应的特征数据，按序排列生成特征矩阵；将所述特征矩阵进行归一化处理得到标准特征矩阵，根据所述标准特征矩阵计算出各个所述候选边缘节点的直接信任值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：将所述标准特征矩阵中同一边缘节点对应的矩阵元素进行平均值计算，得到信任评价值；将每一时间单元内的候选边缘节点确定为参考边缘节点，得到各个时间单元对应的参考边缘节点；分别将各个时间单元对应的参考边缘节点的信任评价值与信任评价阈值进行比对，根据比对结果确定对应时间单元内的可信任边缘节点和不可信任边缘节点；对各个时间单元内的可信任边缘节点的数量进行统计，得到可信任边缘节点数量；对各个时间单元内的不可信任边缘节点的数量进行统计，得到不可信任边缘节点数量；根据所述信任边缘节点数量和所述不可信任边缘节点数量计算得出各个所述候选边缘节点的直接信任值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：确定与多个候选边缘节点进行任务处理的过程中，各个候选边缘节点的设备硬件状态以及任务完成状态；基于各个候选边缘节点的设备硬件状态以及任务完成状态得到所述交互响应特征。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取所述连接边缘节点基于交互状态数据发送的第一反馈评分；所述交互状态数据为所述连接边缘节点与所述候选边缘节点进行交互时产生的状态数据；获取状态反馈节点基于所述交互状态数据发送的第二反馈评分；所述状态反馈节点为独立于所述候选边缘节点和所述连接边缘节点的节点；根据第一反馈评分和第二反馈评分计算得出各个所述候选边缘节点的间接信任值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：基于所述连接边缘节点与所述候选边缘节点的交互状态确定节点交互稳定度；当所述交互稳定度小于设定稳定度阈值时，为所述第一反馈评分配置第一权重，并为所述第二反馈评分配置第二权重；其中，所述第一权重小于或等于所述第二权重；根据所述第一权重和所述第二权重对第一反馈评分和第二反馈评分进行加权运算得出各个候选边缘节点的间接信任值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：基于所述连接边缘节点与所述候选边缘节点的交互状态确定节点交互稳定度；当所述交互稳定度小于设定稳定度阈值时，为所述直接信任值配置第三权重，并为所述间接信任值配置第四权重；其中，所述第三权重小于或等于所述第四权重；根据所述第三权重和所述第四权重对所述直接信任值和所述间接信任值进行加权运算得出各个候选边缘节点的综合信任值。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：当获取到待处理任务时，获取与多个候选边缘节点进行交互时的交互响应特征；根据各个候选边缘节点对应的所述交互响应特征生成特征矩阵，基于所述特征矩阵计算出各个所述候选边缘节点的直接信任值；基于所述各个候选边缘节点与连接边缘节点之间的交互状态得到反馈评分，并根据所述反馈评分计算得出各个所述候选边缘节点的间接信任值；所述连接边缘节点为与候选边缘节点存在连接关系的边缘节点；基于所述直接信任值和所述间接信任值计算得出各个候选边缘节点的综合信任值；根据所述综合信任值，从所述各个候选边缘节点中选择目标边缘节点，将所述待处理任务分配至所述目标边缘节点进行任务处理。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取设定时间段内与多个候选边缘节点进行交互的过程中的交互响应特征；所述设定时间段包含多个时间单位；获取各个候选边缘节点在同一时间单位内的交互响应特征对应的特征数据；将各个候选边缘节点的所述交互响应特征对应的特征数据，按序排列生成特征矩阵；将所述特征矩阵进行归一化处理得到标准特征矩阵，根据所述标准特征矩阵计算出各个所述候选边缘节点的直接信任值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将所述标准特征矩阵中同一边缘节点对应的矩阵元素进行平均值计算，得到信任评价值；将每一时间单元内的候选边缘节点确定为参考边缘节点，得到各个时间单元对应的参考边缘节点；分别将各个时间单元对应的参考边缘节点的信任评价值与信任评价阈值进行比对，根据比对结果确定对应时间单元内的可信任边缘节点和不可信任边缘节点；对各个时间单元内的可信任边缘节点的数量进行统计，得到可信任边缘节点数量；对各个时间单元内的不可信任边缘节点的数量进行统计，得到不可信任边缘节点数量；根据所述信任边缘节点数量和所述不可信任边缘节点数量计算得出各个所述候选边缘节点的直接信任值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：确定与多个候选边缘节点进行任务处理的过程中，各个候选边缘节点的设备硬件状态以及任务完成状态；基于各个候选边缘节点的设备硬件状态以及任务完成状态得到所述交互响应特征。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取所述连接边缘节点基于交互状态数据发送的第一反馈评分；所述交互状态数据为所述连接边缘节点与所述候选边缘节点进行交互时产生的状态数据；获取状态反馈节点基于所述交互状态数据发送的第二反馈评分；所述状态反馈节点为独立于所述候选边缘节点和所述连接边缘节点的节点；根据第一反馈评分和第二反馈评分计算得出各个所述候选边缘节点的间接信任值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：基于所述连接边缘节点与所述候选边缘节点的交互状态确定节点交互稳定度；当所述交互稳定度小于设定稳定度阈值时，为所述第一反馈评分配置第一权重，并为所述第二反馈评分配置第二权重；其中，所述第一权重小于或等于所述第二权重；根据所述第一权重和所述第二权重对第一反馈评分和第二反馈评分进行加权运算得出各个候选边缘节点的间接信任值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：基于所述连接边缘节点与所述候选边缘节点的交互状态确定节点交互稳定度；当所述交互稳定度小于设定稳定度阈值时，为所述直接信任值配置第三权重，并为所述间接信任值配置第四权重；其中，所述第三权重小于或等于所述第四权重；根据所述第三权重和所述第四权重对所述直接信任值和所述间接信任值进行加权运算得出各个候选边缘节点的综合信任值。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种任务分配方法，其特征在于，所述方法包括：
当获取到待处理任务时，获取与多个候选边缘节点进行交互时的交互响应特征；
根据各个候选边缘节点对应的所述交互响应特征生成特征矩阵，基于所述特征矩阵计算出各个所述候选边缘节点的直接信任值；
基于所述各个候选边缘节点与连接边缘节点之间的交互状态得到反馈评分，并根据所述反馈评分计算得出各个所述候选边缘节点的间接信任值；所述连接边缘节点为与候选边缘节点存在连接关系的边缘节点；
基于所述直接信任值和所述间接信任值计算得出各个候选边缘节点的综合信任值；
根据所述综合信任值，从所述各个候选边缘节点中选择目标边缘节点，将所述待处理任务分配至所述目标边缘节点进行任务处理。
2.根据权利要求1所述的方法，其特征在于，所述获取与多个候选边缘节点进行交互的过程中的交互响应特征，包括：
获取设定时间段内与多个候选边缘节点进行交互的过程中的交互响应特征；所述设定时间段包含多个时间单位；
所述根据各个候选边缘节点对应的所述交互响应生成特征矩阵，基于所述特征矩阵计算出各个所述候选边缘节点的直接信任值，包括：
获取各个候选边缘节点在同一时间单位内的交互响应特征对应的特征数据；
将各个候选边缘节点的所述交互响应特征对应的特征数据，按序排列生成特征矩阵；
将所述特征矩阵进行归一化处理得到标准特征矩阵，根据所述标准特征矩阵计算出各个所述候选边缘节点的直接信任值。
3.根据权利要求2所述的方法，其特征在于，所述将所述特征矩阵进行归一化处理得到标准特征矩阵，根据所述标准特征矩阵计算出各个所述候选边缘节点的直接信任值，包括：
将所述标准特征矩阵中同一边缘节点对应的矩阵元素进行平均值计算，得到信任评价值；
将每一时间单元内的候选边缘节点确定为参考边缘节点，得到各个时间单元对应的参考边缘节点；
分别将各个时间单元对应的参考边缘节点的信任评价值与信任评价阈值进行比对，根据比对结果确定对应时间单元内的可信任边缘节点和不可信任边缘节点；
对各个时间单元内的可信任边缘节点的数量进行统计，得到可信任边缘节点数量；
对各个时间单元内的不可信任边缘节点的数量进行统计，得到不可信任边缘节点数量；
根据所述信任边缘节点数量和所述不可信任边缘节点数量计算得出各个所述候选边缘节点的直接信任值。
4.根据权利要求1所述的方法，其特征在于，所述获取与多个候选边缘节点进行交互的过程中的交互响应特征，包括：
确定与多个候选边缘节点进行任务处理的过程中，各个候选边缘节点的设备硬件状态以及任务完成状态；
基于各个候选边缘节点的设备硬件状态以及任务完成状态得到所述交互响应特征。
5.根据权利要求1所述的方法，其特征在于，基于所述各个候选边缘节点与连接边缘节点之间的交互状态得到反馈评分，并根据所述反馈评分计算得出各个所述候选边缘节点的间接信任值，包括：
获取所述连接边缘节点基于交互状态数据发送的第一反馈评分；所述交互状态数据为所述连接边缘节点与所述候选边缘节点进行交互时产生的状态数据；
获取状态反馈节点基于所述交互状态数据发送的第二反馈评分；所述状态反馈节点为独立于所述候选边缘节点和所述连接边缘节点的节点；
根据第一反馈评分和第二反馈评分计算得出各个所述候选边缘节点的间接信任值。
6.根据权利要求5所述的方法，其特征在于，所述根据第一反馈评分和第二反馈评分计算得出各个所述候选边缘节点的间接信任值，包括：
基于所述连接边缘节点与所述候选边缘节点的交互状态确定节点交互稳定度；
当所述节点交互稳定度小于设定稳定度阈值时，为所述第一反馈评分配置第一权重，并为所述第二反馈评分配置第二权重；其中，所述第一权重小于或等于所述第二权重；
根据所述第一权重和所述第二权重对所述第一反馈评分和所述第二反馈评分进行加权运算，得出各个候选边缘节点的间接信任值。
7.根据权利要求1所述的方法，其特征在于，所述基于所述直接信任值和所述间接信任值计算得出各个候选边缘节点的综合信任值，包括：
基于所述连接边缘节点与所述候选边缘节点的交互状态确定节点交互稳定度；
当所述节点交互稳定度小于设定稳定度阈值时，为所述直接信任值配置第三权重，并为所述间接信任值配置第四权重；其中，所述第三权重小于或等于所述第四权重；
根据所述第三权重和所述第四权重对所述直接信任值和所述间接信任值进行加权运算，得出各个候选边缘节点的综合信任值。
8.一种任务分配装置，其特征在于，所述装置包括：
特征获取模块，用于当获取到待处理任务时，获取与多个候选边缘节点进行交互的过程中的交互响应特征；
直接信任值计算模块，用于根据各个候选边缘节点对应的所述交互响应特征生成特征矩阵，基于所述特征矩阵计算出各个所述候选边缘节点的直接信任值；
间接信任值计算模块，用于基于所述各个候选边缘节点与连接边缘节点之间的交互状态得到反馈评分，并根据所述反馈评分计算得出各个所述候选边缘节点的间接信任值；所述连接边缘节点为与候选边缘节点存在连接关系的边缘节点；
综合信任值计算模块，用于基于所述直接信任值和所述间接信任值计算得出各个候选边缘节点的综合信任值；
任务分配模块，用于根据所述综合信任值，从所述各个候选边缘节点中选择目标边缘节点，将所述待处理任务分配至所述目标边缘节点进行任务处理。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202110599382.4A 2021-05-31 2021-05-31 任务分配方法、装置、计算机设备和存储介质 Active CN113282417B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110599382.4A CN113282417B (zh) 2021-05-31 2021-05-31 任务分配方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110599382.4A CN113282417B (zh) 2021-05-31 2021-05-31 任务分配方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN113282417A true CN113282417A (zh) 2021-08-20
CN113282417B CN113282417B (zh) 2023-02-21

Family

ID=77282559

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110599382.4A Active CN113282417B (zh) 2021-05-31 2021-05-31 任务分配方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN113282417B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116820759A (zh) * 2023-06-19 2023-09-29 上海兴容信息技术有限公司 一种基于边缘节点的管理系统及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101626305A (zh) * 2008-07-09 2010-01-13 同济大学 一种提高网络环境安全性的可信动态级调度方法
CN104009993A (zh) * 2014-05-29 2014-08-27 安徽师范大学 一种基于模糊过滤的信任评估方法
CN104899762A (zh) * 2015-04-09 2015-09-09 哈尔滨工程大学 一种基于逆向推理的信任管理方法
CN108833493A (zh) * 2018-05-24 2018-11-16 浙江工商大学 对等网络集合中最佳交易节点的选择方法、系统及存储介质
CN109246155A (zh) * 2018-12-07 2019-01-18 重庆邮电大学 一种基于信任管理的无线传感器网络防御信任攻击的方法
CN112631777A (zh) * 2020-12-26 2021-04-09 扬州大学 基于区块链和边缘计算的搜索和资源分配方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101626305A (zh) * 2008-07-09 2010-01-13 同济大学 一种提高网络环境安全性的可信动态级调度方法
CN104009993A (zh) * 2014-05-29 2014-08-27 安徽师范大学 一种基于模糊过滤的信任评估方法
CN104899762A (zh) * 2015-04-09 2015-09-09 哈尔滨工程大学 一种基于逆向推理的信任管理方法
CN108833493A (zh) * 2018-05-24 2018-11-16 浙江工商大学 对等网络集合中最佳交易节点的选择方法、系统及存储介质
CN109246155A (zh) * 2018-12-07 2019-01-18 重庆邮电大学 一种基于信任管理的无线传感器网络防御信任攻击的方法
CN112631777A (zh) * 2020-12-26 2021-04-09 扬州大学 基于区块链和边缘计算的搜索和资源分配方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
路峰: "信任评估模型及其方法研究", 《中国博士学位论文全文数据库信息科技辑（月刊）》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116820759A (zh) * 2023-06-19 2023-09-29 上海兴容信息技术有限公司 一种基于边缘节点的管理系统及方法
CN116820759B (zh) * 2023-06-19 2024-01-30 兴容(上海)信息技术股份有限公司 一种基于边缘节点的管理系统及方法

Also Published As

Publication number Publication date
CN113282417B (zh) 2023-02-21

Similar Documents

Publication Publication Date Title
US10616139B1 (en) Reducing quota access
US7594016B1 (en) Calculating numbers of servers for tiers of a multi-tiered system
US20120182882A1 (en) Systems and methods for social graph data analytics to determine connectivity within a community
US11531982B2 (en) Optimal transactions sharding for scalable blockchain
US20160203235A1 (en) Striping of directed graphs and nodes with improved functionality
WO2020135806A1 (zh) 一种应用于数据中心的运维方法和运维设备
CN109710406B (zh) 数据分配及其模型训练方法、装置、及计算集群
CN110912908B (zh) 网络协议异常检测方法、装置、计算机设备和存储介质
CN108182633B (zh) 贷款数据处理方法、装置、计算机设备和存储介质
US10248527B1 (en) Automated device-specific dynamic operation modifications
CN113282417B (zh) 任务分配方法、装置、计算机设备和存储介质
CN111699481A (zh) 减少模型更新引入的错误
Smithamol et al. TMM: trust management middleware for cloud service selection by prioritization
CN115115004A (zh) 决策树模型构建及应用方法、装置和相关设备
CN115361295B (zh) 基于topsis的资源备份方法、装置、设备及介质
CN111598390B (zh) 服务器高可用性评估方法、装置、设备和可读存储介质
CN112685157B (zh) 任务处理方法、装置、计算机设备及存储介质
CN112561138B (zh) 电力负荷预测方法、装置、计算机设备和存储介质
Suksomboon et al. Lawnfo: A decision framework for optimal location-aware network function outsourcing
CN114020469A (zh) 基于边缘节点的多任务学习方法、装置、介质与设备
CN113377866A (zh) 一种虚拟化数据库代理服务的负载均衡方法及装置
CN112118135A (zh) 云边协同架构工业互联网平台的最小资源配置方法和装置
Abdullah et al. Predicting qos for web service recommendations based on reputation and location clustering with collaborative filtering
Singh et al. Estimating quantiles from the union of historical and streaming data
Gnanasekaran et al. Analyzing the QoS prediction for web service recommendation using time series forecasting with deep learning techniques

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