CN113747444B - 水声传感网中基于冲突裁决的信任管理方法 - Google Patents
水声传感网中基于冲突裁决的信任管理方法 Download PDFInfo
- Publication number
- CN113747444B CN113747444B CN202111134495.3A CN202111134495A CN113747444B CN 113747444 B CN113747444 B CN 113747444B CN 202111134495 A CN202111134495 A CN 202111134495A CN 113747444 B CN113747444 B CN 113747444B
- Authority
- CN
- China
- Prior art keywords
- trust
- node
- recommendation
- nodes
- reliability
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 61
- 230000008569 process Effects 0.000 claims abstract description 37
- 230000003993 interaction Effects 0.000 claims abstract description 28
- 230000007246 mechanism Effects 0.000 claims abstract description 25
- 238000005265 energy consumption Methods 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 230000006854 communication Effects 0.000 claims description 3
- 238000005562 fading Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 claims description 2
- 239000013598 vector Substances 0.000 claims description 2
- 230000004927 fusion Effects 0.000 claims 1
- 230000006399 behavior Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000003111 delayed effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000008260 defense mechanism Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/60—Context-dependent security
- H04W12/66—Trust-dependent, e.g. using trust scores or trust relationships
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B13/00—Transmission systems characterised by the medium used for transmission, not provided for in groups H04B3/00 - H04B11/00
- H04B13/02—Transmission systems in which the medium consists of the earth or a large mass of water thereon, e.g. earth telegraphy
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Traffic Control Systems (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种水声传感网中基于冲突裁决的信任管理方法，用于处理信任管理机制中，多个第三方节点推荐信息的相互冲突问题。该方法首先结合节点交互的特征以及水声传感网的特征，提出基于节点可靠性和链路可靠性的信任决策方法。此外，提出一种基于囚徒困境的激励机制，平衡信任推荐过程的能耗和信任推荐结果的准确性。
Description
技术领域：
本发明属于无线电网络技术领域，具体涉及一种水声传感器网中信任管理机制中的信任冲突解决方法。
背景技术：
作为发展海洋经济的重要一部分，水声传感网(Underwater Acoustic SensorNetworks,UASNs)在环境监测、辅助导航、军队作战等多方面有着较大的应用价值。UASNs通过感知数据、采集数据、传输数据，实现对海洋环境的实时监测。由于水下节点部署在开放的无人环境中，很容易受到攻击和破坏。因此，为UASNs设计有效的安全保障机制对数据传输至关重要。
传统的加密算法不适用于资源受限的UASNs，而身份验证方案不能抵御内部攻击。因此信任管理机制作为一种计算复杂性低，且能够抵御网络内部攻击的安全保障机制，在提高UASNs的安全性方面发挥重要作用。很多研究人员针对水声环境的特征，例如高延迟，高丢包，节点移动等，提出多种信任管理机制以有效应对内部攻击。
信任管理机制在无线传感网、推荐系统，云服务选择等多个领域被广泛研究。其作为一种轻量级且高效的安全保障机制，在网络安全的研究中占据重要地位。但是大部分信任管理机制集中于信任值的计算和信任值的更新，他们很少或没有考虑信任机制本身的脆弱性。尤其随着无线网络复杂化和动态化的发展态势，信任计算过程不可避免得需要第三方节点的推荐信息，当推荐信息相互冲突时，将使得信任决策过程变得复杂。针对信任推荐冲突问题，已经有很多关于这方面的研究，但是传统的研究中大部分仅考虑不诚实推荐造成的推荐信息冲突的情况，而没有区分不诚实推荐和错误推荐的区别。不诚实推荐攻击是第三方节点的主观恶意攻击行为，然而错误推荐是第三方节点的客观判断错误。本文基于节点交互异构性和水声信道不稳定性，提出了一种信任决策方法，可以解决UASNs中的错误推荐问题。此外，提出了一种基于囚徒困境的激励机制，平衡信任决策过程的能耗和信任决策结果的准确性问题。
目前针对信任推荐冲突的问题的相关研究文献如下：
1. 2015年，Antesar M等人在《Recommendation Based Trust Model with anEffective Defence Scheme for MANETs》中，提出了一种基于推荐的信任模型和防御机制，该模型基于聚类技术，根据节点间的交互次数、与评估节点的观点的一致性和与评估节点的物理接近度对推荐节点进行聚类，动态过滤掉特定时间内与不诚实推荐相关的攻击。
2. 2015年，Jinfang Jiang等人在《An Efficient Distributed Trust Modelfor Wireless Sensor Networks》中，提出在接收到推荐信息以后，首先计算他们的平均值，根据平均值，评估每条推荐信息的离群度。并提出关系熟悉度的概念，为节点的长期邻居节点的推荐信息赋予更高权重。基于离群度参数和关系熟悉度融合推荐信息，抵抗不诚实推荐攻击。
3. 2018年，Jia Hu等人在《DTCS:An Integrated Strategy for Enhancing DataTrustworthiness in Mobile Crowdsourcing》中，提出了一种数据可信度增强的众包策略DTCS，DTCS将拍卖博弈集成到MCS中，通过激励参与者提供真实的众包信息来保证收集的众包信息的可靠性，并实施有效的奖惩机制，有效防范内部合谋冲突行为和欺骗攻击。
发明内容：
针对上述问题，本发明提出了一种水声传感网中基于冲突裁决的信任管理机制，基于节点交互时频异构性和对不同信任证据的偏好，提出衡量推荐节点的可靠性度量参数，即节点可靠性；并根据在滑动窗口中获取的信道信息，提出衡量推荐信息的可靠性度量参数，即数据可靠性。之后基于节点可靠性和数据可靠性完成信任决策。此外，为了节省网络能耗，同时平衡信任决策结果的准确性，提出一种基于囚徒困境的激励机制。
实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：
水声传感网中基于冲突裁决的信任管理机制，包括以下步骤：
步骤一：信任证据收集
由于水下传感器节点的存储能力有限，因此基于滑动窗口存储信任值，每个滑动窗口包含有限数量的s个时隙，其中时隙数量s根据节点的存储能力以及数据到达率进行设定。一般而言，s的数值越大，信任计算结果越准确，但对节点存储能力的要求也越高。滑动窗口沿着时间轴向前滑动，即增加一个时隙，同时丢弃最旧的时隙；在每个时隙中记录用于信任计算的信任证据，即交付率信任、延迟信任、能耗信任；并在每个时隙中记录信道信息，即接收信号强度、信噪比以及节点移动距离；
步骤二：基于囚徒困境的激励机制
在信任推荐过程中，信任值大于阈值的邻居节点都可以参与推荐过程，本发明的信任值采取[0,1]区间，因此阈值设置为0.5。将可以参与推荐过程的邻居节点数表示为n，并将这n个邻居节点称之为推荐节点。在实际应用环境中，由于传感器节点的能量有限，如果所有的推荐节点均参与此过程，则会消耗网络较多能量，因此不需要n个推荐节点均实际参与推荐过程。但是考虑到节点的潜在自私行为，如果没有足够数量的推荐节点参与推荐过程，又会导致信任决策结果的不准确。假设在某一轮信任推荐过程中，评估节点至少需要接收到k条信任推荐才能完成准确的信任决策。因此，为了保证至少有k个推荐节点参与信任推荐过程，将n个推荐节点上传推荐信息的过程描述为囚徒困境；权衡信任评估结果的准确性以及推荐过程的能耗/>以决定k的值，1≤k≤n，k的取值需满足目标
步骤三：基于节点可靠性和数据可靠性的信任决策
根据推荐节点与目标节点交互历史的时频特征，以及对不同信任证据的偏好，确定推荐节点的节点可靠性；根据记录的信道相关信息，基于灰色理论确定推荐信息的数据可靠性。基于节点可靠性和数据可靠性完成信任决策。
上述步骤一中，交付率信任、延迟信任、能耗信任的具体设定方法如下：
(1)交付率信任使用交互失败次数、交互成功次数进行描述：
假设s表示交互成功次数，f表示交互失败次数，传统的基于beta分布的信任值计算中，当没有交互时，节点的初始信任值为0，不利于节点在网络中启动交互。因此，使用α＝s+1β＝f+1改进传统的基于beta分布的信任值计算，使得节点在网络中的初始信任值为0.5，以便在网络中开启交互。η表示惩罚因子，用于惩罚发起通断攻击的攻击者；η的计算方式如下：
(2)延迟信任与两节点键的距离有关：
其中，delay_timei表示第i个数据包的实际延迟，distancei表示在第i个数据包发送时，传输节点和发送节点之间的距离。
(3)能耗信任为：
其中表示接收节点的消耗能量，E为接收节点的初始能量。
进一步的，在滑动窗口中记录接收信号强度、信噪比以及节点移动距离的原因如下：
为了量化水声通信过程对信任计算的影响。考虑的因素如下：(i)链路连接能力：对于移动节点，链路衰落是一个参数未知的统计过程，从信任的角度来看，不需要实际的链路衰落的统计信息，信任相关的度量是“信道是否支持数据包的成功传递”。如果两个节点之间的接收信号强度值小于载波侦听阈值，数据包将不会被接收到。如果接收信号强度值大于载波侦听阈值但是小于检测阈值会导致解码失败。(ii)链路稳定能力：影响水声信道质量的一个重要因素是在水下环境中存在多个噪声，同样的，噪声是一个参数未知的统计过程。从信任的角度来看，不需要实际的噪声统计信息，信任相关的度量是“信噪比是否支持数据包的成功传递”。(iii)水流影响性：节点间距离随时间变化越快，表示水流移动性影响越大。
上述步骤(2)中，囚徒困境的模型如下:
以任意一个节点，称之为Current node，进行分析，其他节点称之为Other nodes。将他们的博弈收益表示为表格中所示形式。其中T表示节点参与推荐过程获得的奖励，C表示节点参与推荐过程的成本，a表示奖励程度的调节因子，a∈(0,1)。经过纳什均衡分析，当时，可以保证一定会有k条信任推荐信息用于完成信任决策。这样既防止节点的潜在自私行为影响信任决策结果的准确性，又可以不接受过多的推荐消耗额外的能量。
上述步骤(3)中，节点可靠性的具体设定方法如下：
(1)假设k个不同推荐节点关于不同信任证据的偏好向量为 表示第i个节点对第m个信任证据的偏好。定义节点的偏好相似性如下：
其中，
(2)根据推荐节点与目标节点的交互历史的时频特征，定义节点的时间置信度如下：
其中ct表示第t个时隙中发送的数据包数量，T表示两节点间有交互的时隙总数。Ct表示理论上在一个时隙中可以发送的最多的数据包数量，E(ct)计算方式如下：
E(ct)＝-plog(p)-(1-p)log(1-p)
由于上式在p＝0.5时取得最大值，因此将(0,Ct]映射到区间(0,0.5]即可。(3)根据所述的偏好相似性和时间置信度，定义推荐节点的可靠性度量参数，即节点可靠性如下：
node_reliabilityi＝w1×PSi+w2×TCi
其中w1和w2表示权重，w1+w2＝1。
进一步的，上述步骤(3)中，数据可靠性的具体设定步骤如下：
假设推荐节点通过滑动窗口获取的接收信号强度RSSI，信噪比、平均节点移动性表示如下：选出最优参考序列和最差序列分别表示如下
(1)将比较序列与参考序列进行灰色关联分析，得出灰色关联系数。
下式以为例，/>的分析方法类似。
其中，ρ∈[0,1],表示分辨系数，用于调节输出结果的差距大小；
(2)根据灰色关联系数，得出k个比较序列的灰色关联度
其中v1、v2、v3表示权重，v1+v2+v3＝1。
(3)使用最小二乘法，得出k个比较序列的的数据可靠性
进一步的，上述步骤(3)中，基于节点可靠性和数据可靠性的信任决策的具体设定方法如下：
其中，node_reliabilityi表示推荐节点i的节点可靠性；data_reliabilityi表示推荐节点i上传的推荐信息的数据可靠性；u1，u2表示权重。
进一步的，所述步骤(3)中，信任决策方式如下：：
其中Ri表示推荐节点i上传的推荐信息。weighti是公式中最优化问题的结果，决定了Ri在信任证据融合时的权重，即
附图说明
图1为本发明流程图；
图2为滑动窗口示意图；
图3为推荐过程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明的目的是为了解决现水声传感网中信任管理机制的信任推荐冲突问题，提出了一种水声传感网中基于冲突裁决的信任管理机制。在此方法中，根据节点交互历史的异构性和水声通信不稳定性提出两个参数，即衡量推荐节点的可靠性度量-节点可靠性以及衡量推荐信息的可靠性度量-数据可靠性，并提出基于节点可靠性和数据可靠性的信任决策方法，解决了现有的信任推荐冲突处理方法中忽略对错误推荐的处理问题。此外，本发明提出了一种基于囚徒困境的激励机制，平衡信任推荐过程的能耗和信任决策结果的准确性，如图1所示，具体包括以下步骤：
(1)在推荐过程之前，传输节点维护关于目标节点的滑动窗口，滑动窗口包含s个时隙，用于记录信任决策所需信息。包括信任计算所需的交付率信任、延迟信任、能耗信任，形成关于目标节点的信任意见；以及解决推荐冲突需要的信道信息，即信道的接收信号强度、信噪比以及节点移动距离。
(2)当评估节点发起信任推荐以后，考虑到节点的潜在自私行为，将n个推荐节点上传推荐信息的过程描述为囚徒困境，保证有k个推荐节点参与此过程。平衡信任决策过程的能耗和信任决策结果的准确性。
(3)评估节点在受到k条推荐信息以后，根据推荐节点与目标节点交互历史的时频特征，以及对不同信任证据的偏好，确定推荐节点的节点可靠性；根据记录的信道相关信息，基于灰色理论确定推荐信息的数据可靠性。基于节点可靠性和数据可靠性完成信任决策。
如图2所示，传输节点使用滑动窗口维护与目标节点的交互信息，每当窗口移动一个时隙时，最旧的时隙将被丢弃。在每个时隙中都会记录关于目标节点的信任意见，包括交付率信任、延迟信任、能耗信任，计算方式如下：
(1)交付率信任使用交互失败次数、交互成功次数进行描述：
其中，α＝s+1β＝f+1，s表示交互成功次数，f表示交互失败次数。η表示惩罚因子，用于惩罚发起通断攻击的攻击者。η的计算方式如下：
(2)延迟信任与两节点键的距离有关：
其中，delay_timei表示第i个数据包的实际延迟，distancei表示在第i个数据包发送时，传输节点和发送节点之间的距离。
(3)能耗信任为：
其中表示接收节点的消耗能量，E为接收节点的初始能量。
如图3所示，在n个推荐节点中，可能存在自私节点为了节省自身能耗不参与信任推荐，导致信任决策结果的准确性下降。同时当n较大时，如果不限制推荐节点的数量，会导致网络能耗的大量消耗。因此，考虑上述两个原因，在n个推荐节点中，至少需要k个推荐节点参与推荐过程。因此将这个过程描述为囚徒困境：
以任意一个节点，称之为Current node，进行分析，其他节点称之为Other nodes。将他们的博弈收益表示为表格中所示形式。其中T表示节点参与推荐过程获得的奖励，C表示节点参与推荐过程的成本，a表示奖励程度的调节因子，a∈(0,1)。假设任意一个节点回复的概率为P，则“At most k-1nodes reply”、“At least k nodes reply”的概率分别为：
根据莱布尼兹公式:
进行替换可以得到：
p(x≤k-1)＝[p(1-p)]k-1＝m
p(x≥k)＝1-m
计算纳什均衡：
Current node选择no reply的收益：
m*0+(1-m)*T
Current node选择reply的收益：
m*(T-C)+(1-m)*a*(T-C)
令上面两个式子相等
T-mT＝mT-mC+aT-aC-maT+maC
化简：
因为所以
满足以上条件时，可以保证一定会有K条信任推荐信息用于完成信任决策。这样既防止节点的潜在自私行为影响信任决策结果的准确性，又可以不接受过多的推荐消耗额外的能量
综上所述：
本发明公开了一种水声传感网中基于冲突裁决的信任管理机制，用于处理信任管理机制中，多个第三方节点推荐信息的相互冲突问题。该方法首先结合节点交互的特征以及水声传感网的特征，提出基于节点可靠性和数据可靠性的信任决策方法，解决了水声传感网中信任管理机制的错误推荐问题。此外，提出一种基于囚徒困境的激励机制，平衡信任推荐过程的能耗和信任推荐结果的准确性。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (5)
1.水声传感网中基于冲突裁决的信任管理方法，其特征包括以下步骤：
(1)信任证据收集
基于滑动窗口存储信任值，每个滑动窗口包含s个时隙，其中时隙数量s根据节点的存储能力以及数据到达率进行设定；滑动窗口沿着时间轴向前滑动，增加一个时隙，同时丢弃最旧的时隙；在每个时隙中记录用于信任计算的信任证据，为交付率信任、延迟信任和能耗信任；并在每个时隙中记录信道信息，接收信号强度、信噪比以及节点移动距离；
(2)基于囚徒困境的激励机制
在信任推荐过程中，只有信任值大于阈值的邻居节点参与推荐过程，信任值取值区间设置为[0,1]，阈值设置为0.5；将可以参与推荐过程的邻居节点数表示为n，并将这n个邻居节点称之为推荐节点；为了保证至少有k个推荐节点参与信任推荐过程，将n个推荐节点上传推荐信息的过程描述为囚徒困境；权衡信任评估结果的准确性以及推荐过程的能耗/>以决定k的值，1≤k≤n，k的取值需满足目标/>
(3)基于节点可靠性和数据可靠性的信任决策
根据推荐节点与目标节点交互历史的时频特征，以及对不同信任证据的偏好，定义推荐节点的节点可靠性；根据记录的信道信息，基于灰色理论定义推荐信息的数据可靠性，基于节点可靠性和数据可靠性完成信任决策；
所述步骤(1)中交付率信任、延迟信任、能耗信任的具体设定方法为：
所述交付率信任使用交互失败次数、交互成功次数进行描述：
α＝s+1β＝f+1，s表示交互成功次数，f表示交互失败次数；η表示惩罚因子，用于惩罚发起通断攻击的攻击者；η的计算方式如下：
所述延迟信任与节点间距离有关：
其中，delay_timei表示第i个数据包的实际传输延迟，distancei表示在第i个数据包发送时，传输节点和发送节点之间的距离；
所述能耗信任为：
其中表示接收节点的消耗能量，E为接收节点的初始能量；
所述步骤(3)中，节点可靠性的具体设定方法如下：
(5.1)假设k个不同推荐节点关于不同信任证据的偏好向量为{Pi 1,Pi 2,...,Pi m}i∈{1,2,...,k}；表示第i个节点对第m个信任证据的偏好；定义节点的偏好相似性如下：
其中，
(5.2)根据推荐节点与目标节点的交互历史的时频特征，定义节点的时间置信度如下：
其中ct表示第t个时隙中发送的数据包数量，T表示两节点间有交互的时隙总数；Ct表示理论上在一个时隙中可以发送的最多的数据包数量，E(ct)计算方式如下：
E(ct)＝-plog(p)-(1-p)log(1-p)
在p＝0.5时取得最大值，将(0,Ct]映射到区间(0,0.5]；
(5.3)根据所述的偏好相似性和时间置信度，定义推荐节点的可靠性度量参数，节点可靠性如下：
node_reliabilityi＝w1PSi+w2TCi
其中w1和w2表示权重，w1+w2＝1；
所述步骤(3)中，数据可靠性的具体设定步骤如下：
假设推荐节点通过滑动窗口获取的接收信号强度RSSI，信噪比、平均节点移动性表示如下：选出最优参考序列和最差序列分别表示如下
(6.1)将比较序列与参考序列进行灰色关联分析，得出灰色关联系数；的分析方法如下：
的分析方法与/>相同；ρ∈[0,1],表示分辨系数，用于调节输出结果的差距大小；
(6.2)根据灰色关联系数，得出k条信任推荐信息对应的k个比较序列的灰色关联度
其中v1、v2、v3表示权重，v1+v2+v3＝1；
(6.3)使用最小二乘法，得出k个比较序列的的数据可靠性
2.根据权利要求1所述的水声传感网中基于冲突裁决的信任管理方法，其特征在于所述步骤(1)中，记录信道信息时，为了量化水声通信过程对信任计算的影响，考虑的因素如下：
(i)链路连接能力：对于目标节点，链路衰落是一个参数未知的统计过程，从信任的角度来看，信任相关的度量是信道是否支持数据包的成功传递；如果两个节点之间的接收信号强度值小于载波侦听阈值，数据包将不会被接收到；如果接收信号强度值大于载波侦听阈值但是小于检测阈值会导致解码失败；
(ii)链路稳定能力：影响水声信道质量的一个重要因素是在水下环境中存在多种复杂的噪声，同样的，噪声是一个参数未知的统计过程；从信任的角度来看，信任相关的度量是信噪比是否支持数据包的成功传递；
(iii)水流影响性：节点间距离随时间变化越快，表示水流移动性影响越大。
3.根据权利要求1所述的水声传感网中基于冲突裁决的信任管理方法，其特征在于所述步骤(2)中的囚徒困境的模型如下:
以任意一个节点，称之为Current node，进行分析，其他节点称之为Other nodes；经过纳什均衡分析，当时，保证一定会有k条信任推荐信息用于完成信任决策，其中T表示节点参与推荐过程获得的奖励，C表示节点参与推荐过程的成本，a表示奖励程度的调节因子，a∈(0,1)。
4.根据权利要求1所述的水声传感网中基于冲突裁决的信任管理方法，其特征在于所述步骤(3)中，基于节点可靠性和数据可靠性的信任决策的具体设定方法如下，将这个问题描述为最优化问题：
sub u1+u2＝1
0<u1<1
其中，node_reliabilityi表示推荐节点i的节点可靠性；data_reliabilityi表示推荐节点i上传的推荐信息的数据可靠性；u1，u2表示权重。
5.根据权利要求1所述的水声传感网中基于冲突裁决的信任管理方法，其特征在于所述步骤(3)中，信任决策方式如下：
其中Ri表示推荐节点i上传的推荐信息；weighti是公式中最优化问题的结果，决定了Ri在信任证据融合时的权重，为
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111134495.3A CN113747444B (zh) | 2021-09-27 | 2021-09-27 | 水声传感网中基于冲突裁决的信任管理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111134495.3A CN113747444B (zh) | 2021-09-27 | 2021-09-27 | 水声传感网中基于冲突裁决的信任管理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113747444A CN113747444A (zh) | 2021-12-03 |
| CN113747444B true CN113747444B (zh) | 2023-07-28 |
Family
ID=78741325
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111134495.3A Active CN113747444B (zh) | 2021-09-27 | 2021-09-27 | 水声传感网中基于冲突裁决的信任管理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113747444B (zh) |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104469836B (zh) * | 2014-11-24 | 2017-08-15 | 河海大学常州校区 | 一种建立水下传感器网络中多维度信任模型的方法 |
| US10349427B2 (en) * | 2017-04-13 | 2019-07-09 | Kabushiki Kaisha Toshiba | Method for scheduling closed loop information in wireless networks |
| CN110868714B (zh) * | 2019-11-15 | 2021-07-16 | 大连理工大学 | 一种UASNs中基于聚类的无权重节点信任评估方法 |
| CN111294242A (zh) * | 2020-02-16 | 2020-06-16 | 湖南大学 | 一种提高多智能体系统合作水平的多跳学习方法 |
| CN112492607B (zh) * | 2020-11-26 | 2022-04-26 | 厦门大学 | 一种水声传感网多从节点协作辅助决策安全机制 |
-
2021
- 2021-09-27 CN CN202111134495.3A patent/CN113747444B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113747444A (zh) | 2021-12-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kang et al. | Incentive mechanism for reliable federated learning: A joint optimization approach to combining reputation and contract theory | |
| Han et al. | An attack-resistant trust model based on multidimensional trust metrics in underwater acoustic sensor network | |
| Khan et al. | ETERS: A comprehensive energy aware trust-based efficient routing scheme for adversarial WSNs | |
| Ishmanov et al. | Trust mechanisms to secure routing in wireless sensor networks: Current state of the research and open research issues | |
| Rajeswari et al. | A trusted fuzzy based stable and secure routing algorithm for effective communication in mobile adhoc networks | |
| Renner et al. | Prediction accuracy of link-quality estimators | |
| Ishmanov et al. | Trust management system in wireless sensor networks: design considerations and research challenges | |
| Labraoui et al. | A risk-aware reputation-based trust management in wireless sensor networks | |
| Zhang et al. | Byzantine attacker identification in collaborative spectrum sensing: A robust defense framework | |
| CN110572822B (zh) | 基于决策树的水下无线传感器网络中的信任更新方法 | |
| Su et al. | A redeemable SVM-DS fusion-based trust management mechanism for underwater acoustic sensor networks | |
| Zhang et al. | AI-based security design of mobile crowdsensing systems: Review, challenges and case studies | |
| Jiang et al. | Controversy-adjudication-based trust management mechanism in the internet of underwater things | |
| Vijayakumar et al. | Fuzzy logic–based jamming detection algorithm for cluster‐based wireless sensor network | |
| CN115277055B (zh) | 保障物联网数据交互安全的方法、装置和电子设备 | |
| Xia et al. | Applying trust enhancements to reactive routing protocols in mobile ad hoc networks | |
| Yang et al. | TADR-EAODV: A trust-aware dynamic routing algorithm based on extended AODV protocol for secure communications in wireless sensor networks | |
| Signori et al. | Channel-based trust model for security in underwater acoustic networks | |
| CN114301935A (zh) | 一种基于声誉的物联网边云协同联邦学习节点选择方法 | |
| CN113747444B (zh) | 水声传感网中基于冲突裁决的信任管理方法 | |
| CN114666795A (zh) | 一种基于节点行为的水声传感网络节点可信度评估方法 | |
| Zheng et al. | CITE: A content based trust evaluation scheme for data collection with Internet of Everything | |
| Gao et al. | A kriging-based radio environment map construction and channel estimation system in threatening environments | |
| Sharmin et al. | Secure ACO-Based Wireless Sensor Network Routing Algorithm for IoT | |
| Lv et al. | Achieving secure big data collection based on trust evaluation and true data discovery |
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 |