CN114285748B - 基于物联网的信誉评价方法及系统 - Google Patents

Abstract

一种基于物联网的信誉评价方法及系统，其中方法包括如下步骤，在物联网组网网络中，包括第二联网单元、第一联网单元，第二联网单元根据所述第二联网单元与所述第一联网单元的交互结果，对所述第一联网单元进行第一信誉评分，若第一联网单元对于第二联网单元的交互请求选择合作，所述第一信誉正相关于第一联网单元进行合作行为的交互时间与交互质量，若第一联网单元对于第二联网单元的交互请求选择拒绝，所述第一信誉负相关于惩罚性信誉调整值。上述技术方案通过在物联网网络中针对交互请求的发送方对接受方进行交互的评价，得到第一信誉，能够解决量化物联网网络中第一联网单元的交互合作质量的技术效果。

Description

基于物联网的信誉评价方法及系统

技术领域

本发明涉及物联网通信技术领域，尤其涉及能够量化物联网内单元合作情况的方法。

背景技术

物联网技术正在逐步走向多终端互联化、智慧化方向发展，如能够通过物联网实现交通运输管理、车路信息服务、车辆智慧化控制提供发展基础。随着物联网技术的发展，各终端上可能搭载的智能化控制系统、智能网联系统、影音娱乐系统等日益增多，所暴露出来的物联网安全问题逐渐显著。例如智能网联汽车搭载的各类传感器承担了道路及行驶状态的数据采集与环境感知等功能。智能交通系统依赖于智能网联汽车所采集的驾驶信息、车辆状态信息及路况信息等。

物联网中参与的智能主体，具备相似特性、通过网络相互连接且具有相近价值观，属于网络群体。网路群体行为属于集群行为，具备社会性、分布式、鲁棒性和自组织性等。在网络内部各节点之间的各个体频繁交互且互相影响。因而，传统的统计分析研究方法无法解决网络群体行为的复杂性与动态性。因此，需要对物联网网络中的各组网单位进行智能化管理。

发明内容

为此，需要提供一种新的对物联网网络中的各组网单位进行智能化管理的技术方法，达到物联网组网中的个体进行细化评价的技术效果。

为实现上述目的，发明人提供了一种基于物联网的信誉评价方法，包括如下步骤，

在物联网组网网络中，包括第二联网单元、第一联网单元，

第二联网单元根据所述第二联网单元与所述第一联网单元的交互结果，对所述第一联网单元进行第一信誉评分，若第一联网单元对于第二联网单元的交互请求选择合作，所述第一信誉正相关于第一联网单元进行合作行为的交互时间与交互质量，若第一联网单元对于第二联网单元的交互请求选择拒绝，所述第一信誉负相关于惩罚性信誉调整值。

本申请的一些实施例中，包括效用函数η(u)，若第一联网单元对于第二联网单元的交互请求选择合作，则所述第一信誉正相关于第一联网单元进行合作行为的交互时间与交互质量，正相关系数为

若第一联网单元对于第二联网单元的交互请求选择拒绝，所述第一信誉负相关于惩罚性信誉调整值，负相关系数为η(u)。

本申请的一些实施例中，若第一联网单元对于第二联网单元的交互请求选择合作，则所述第一信誉：

其中γ(u)为上一评价周期中全物联网组网网络的所有联网单元对第一联网单元的第一信誉评价的加权结果，t_D为标准交互行为的标准交互时间与，q_D为标准交互行为的标准交互质量值，γ_D1为合作行为的合作调整值，t_d，q_d为所述第一联网单元与所述第二联网单元的交互行为的交互时间与交互质量值。

本申请的一些实施例中，所述标准交互时间和所述标准交互质量值根据上一评价周期中全物联网组网网络的交互质量确定。

本申请的一些实施例中，若第一联网单元对于第二联网单元的交互请求选择拒绝，则所述第一信誉：

R_D(u)＝γ(u)-η(u)γ_D2,

其中γ(u)为上一评价周期中全物联网组网网络的所有联网单元对第一联网单元的第一信誉评价的加权结果，γ_D2为交互行为的信誉调整值。

本申请的一些实施例中，所述效用函数η(u)值域为[0,1]，包括指数型函数，或者对数型函数，或者二项式型函数。

本申请的一些实施例中，所述效用函数：

其中δ为效用函数的调整常数，γ(u)为上一评价周期中全物联网组网网络的所有联网单元对第一联网单元的第一信誉评价的加权结果，γ_max为上一评价周期中所有联网单元的得分最大值。

本申请的一些实施例中，包括评价周期T，所述评价周期根据所述物联网组网网络中的数据传输时延、各单元的第一信誉值的方差大小确定。

一种基于物联网的信誉评价系统，包括第二联网单元、第一联网单元，

所述第二联网单元用于根据所述第二联网单元与所述第一联网单元的交互结果，对所述第一联网单元进行第一信誉评分，若第一联网单元对于第二联网单元的交互请求选择合作，所述第一信誉正相关于第一联网单元进行合作行为的交互时间与交互质量，若第一联网单元对于第二联网单元的交互请求选择拒绝，所述第一信誉负相关于惩罚性信誉调整值。

本申请的一些实施例中，若第一联网单元对于第二联网单元的交互请求选择合作，则所述第一信誉：

其中γ(u)为上一评价周期中全物联网组网网络的所有联网单元对第一联网单元的第一信誉评价的加权结果，t_D为标准交互行为的标准交互时间与，q_D为标准交互行为的标准交互质量值，γ_D1为合作行为的合作调整值，t_d，q_d为所述第一联网单元与所述第二联网单元的交互行为的交互时间与交互质量值；

若第一联网单元对于第二联网单元的交互请求选择拒绝，则所述第一信誉：

R_D(u)＝γ(u)-η(u)γ_D2,

其中γ(u)为上一评价周期中全物联网组网网络的所有联网单元对第一联网单元的第一信誉评价的加权结果，γ_D2为交互行为的信誉调整值；

所述效用函数：

其中δ为效用函数的调整常数，γ_max为上一评价周期中所有联网单元的得分最大值。

区别于现有技术，上述技术方案通过在物联网网络中针对交互请求的发送方对接受方进行交互的评价，得到第一信誉，能够解决量化物联网网络中第一联网单元的交互合作质量的技术效果。

附图说明

图1为本发明具体实施方式所述的基于物联网的信誉评价方法流程图；

图2为本发明另一实施方式所述的基于物联网的信誉评价系统单元图；

图3为本发明具体实施方式所述的基于物联网的全局信誉评价方法流程图；

图4为本发明具体实施方式所述的基于物联网的全局信誉评价系统单元图；

图5为本发明具体实施方式所述的物联网网络的互信评价方法流程图；

图6为本发明具体实施方式所述的物联网网络的互信评价系统单元图；

图7为本发明具体实施方式所述的物联网网络的个体互助效用评价方法流程图；

图8为本发明具体实施方式所述的物联网网络的个体互助效用评价系统单元图；

图9为本发明具体实施方式所述的双向交互模式场景示意图；

图10为本发明具体实施方式所述的动态社会信任网络的建立图。

具体实施方式

为详细说明技术方案的技术内容、构造特征、所实现目的及效果，以下结合具体实施例并配合附图详予说明。

物联网是指通过信息传感设备，按照约定的协议，把任何物品与互联网连接起来，进行信息交换和通信，以实现智能化识别、定位、跟踪、监控和管理的一种网络。通俗地讲，物联网就是“物物相连的互联网”。能够实现物体与物体之间的信息交互、合作共享。

但是从现实生产生活中发现，当物联网网络发展起来以后，随着个体智能化的提高，对于物联网中的个体来说，不进行交互而只进行信息接收是最省资源的，这种自私化的蔓延可能最终导致物联网网络的功能瘫痪，本申请的发明人注意到了以上问题，希望能够提出一种利他度的概念，构建一种物联网网络中的个体的评价与打分体系。

请参阅图1，为一种基于物联网的信誉评价方法流程图，方案包括如下步骤，在物联网组网网络中，包括第二联网单元、第一联网单元，请参阅图1，

S11第二联网单元根据所述第二联网单元与所述第一联网单元的交互结果，对所述第一联网单元进行第一信誉评分，若S12第一联网单元对于第二联网单元的交互请求选择合作，所述第一信誉正相关于第一联网单元进行合作行为的交互时间与交互质量，若S13第一联网单元对于第二联网单元的交互请求选择拒绝，所述第一信誉负相关于惩罚性信誉调整值。

一些实施例中，第一联网单元与第二联网单元即参与了物联网组网网络的个体，联网单元可以包括智能家电，如智能冰箱、智能空调、智能电视、智能洗衣机等等，也可以是手机、智能手表、智能眼镜等人体随身的智能穿戴设备等。在物联网为车联网的情况下，第一联网单元与第二联网单元也可以是车载单元，路侧单元或云端服务器。

以第二联网单元与第一联网单元均是相同等级的设备为例，如都是车载单元，则在一个第一信誉评价周期中，第二联网单元有向第一联网单元发出交互请求，这里的交互请求可以是请求共享信息、车辆编队行驶、路况紧急事件广播、高效通行车速引导、优先车辆通行保障管理、道路通行信息共享、多媒体及娱乐信息推送等。第一联网单元可以选择合作，也可以选择拒绝，则会影响到在该评价周期中第二联网单元对第一联网单元的第一信誉评价。第一信誉正相关于第一联网单元进行合作行为的交互时间与交互质量，即第一联网单元进行合作行为的交互时间与交互质量越高，则第一信誉也越高，若第一联网单元对于第二联网单元的交互请求选择拒绝，所述第一信誉负相关于惩罚性信誉调整值，则需要有惩罚机制，这个惩罚性信誉调整值可以根据需要自行确定，拒绝合作的结果会导致第一信誉减少。

通过上述方案，在物联网网络中针对交互请求的发送方对接受方进行交互的评价，得到第一信誉，能够解决量化物联网网络中第一联网单元的交互合作质量的技术效果。第一信誉就代表着第一联网单元对外界的交互请求的响应情况。

本申请的一些实施例中，包括效用函数η(u)，若第一联网单元对于第二联网单元的交互请求选择合作，则所述第一信誉正相关于第一联网单元进行合作行为的交互时间与交互质量，正相关系数为

若第一联网单元对于第二联网单元的交互请求选择拒绝，所述第一信誉负相关于惩罚性信誉调整值，负相关系数为η(u)。通过设计正相关系数和负相关系数，能够进一步细化第一信誉的增长和惩罚规则，使得增长的比率和减少的比率能够得到确定，更好地达到量化物联网网络中第一联网单元的交互合作质量的技术效果。

本申请的一些实施例中，若第一联网单元对于第二联网单元的交互请求选择合作，则所述第一信誉：

其中γ(u)为上一评价周期中全物联网组网网络的所有联网单元对第一联网单元的第一信誉评价的加权结果，t_D为标准交互行为的标准交互时间与，q_D为标准交互行为的标准交互质量值，γ_D1为合作行为的合作调整值，t_d，q_d为所述第一联网单元与所述第二联网单元的交互行为的交互时间与交互质量值。通过引入上一评价周期的评价结果，能够综合考虑第一联网单元的历史信誉表现，防止个别交互行为异常导致信誉突变，还通过引入标准交互时间与标准交互质量，让第一联网单元的交互时间和交互质量有比照基准，上述步骤更好地达到量化物联网网络中第一联网单元的交互合作质量的技术效果。

为了更好地确定标准交互时间和所述标准交互质量值的基准，本申请的一些实施例中，所述标准交互时间和所述标准交互质量值根据上一评价周期中全物联网组网网络的交互质量确定。这种确定可以由物联网网络中的中心化节点来完成，中心化节点承担更多的演算任务也能够更加中心化节点的权威性，减少联网单元的资源负担。

本申请的一些实施例中，若第一联网单元对于第二联网单元的交互请求选择拒绝，则所述第一信誉：

R_D(u)＝γ(u)-η(u)γ_D2,

其中γ(u)为上一评价周期中全物联网组网网络的所有联网单元对第一联网单元的第一信誉评价的加权结果，γ_D2为交互行为的信誉调整值。通过引入上一周期评价结果，让第一联网单元的第一信誉评价波动减小，更加地稳定，上述步骤更好地达到量化物联网网络中第一联网单元的交互合作质量的技术效果。

本申请的一些实施例中，所述效用函数η(u)为的指数型函数，或者对数型函数，或者二项式型函数，值域为[0,1]。效用函数可以根据实际情况进行设置，能够作为第一信誉加减的比例系数进行使用即可，本方案对此不作限制。

本申请的一些实施例中，所述效用函数：

其中δ为效用函数的调整常数，γ(u)为上一评价周期中全物联网组网网络的所有联网单元对第一联网单元的第一信誉评价的加权结果，γ_max为上一评价周期中所有联网单元的得分最大值。通过设置效用函数的具体形式，能够让效用函数的变化以上一周期的评价加权结果与全局最大者的比例作为效用函数的变化基础，使信誉评价符合物联网应用现实。当高信誉的联网单元在交互中良好表现时，其信誉值的变化更小；另一方面，当信誉高的联网单元未保持合作行为时，即交互策略发生突变时，对其信誉评价做出较大调整。

本申请的一些实施例中，包括评价周期T，所述评价周期根据所述物联网组网网络中的数据传输时延、各单元的第一信誉值的方差大小确定。在物联网组网网络中的数据传输时延大的时候，评价周期可以相对延长，能够使得物联网组网网络中的更新频率不至于太快导致其他很多联网单元的判断结果还没有计入，在各联网单元的第一信誉趋于稳定的时候，也可以延长评价周期，节省整个网络中评价动作的计算资源消耗。评价周期的具体时间还可以通过中心化节点或权威节点、云端进行发布。

在图2所示的实施例中，还公开了一种基于物联网的信誉评价系统，包括第二联网单元22、第一联网单元21，

所述第二联网单元用于根据所述第二联网单元与所述第一联网单元的交互结果，对所述第一联网单元进行第一信誉评分，若第一联网单元对于第二联网单元的交互请求选择合作，所述第一信誉正相关于第一联网单元进行合作行为的交互时间与交互质量，若第一联网单元对于第二联网单元的交互请求选择拒绝，所述第一信誉负相关于惩罚性信誉调整值。上述技术方案通过在物联网网络中针对交互请求的发送方对接受方进行交互的评价，得到第一信誉，能够解决量化物联网网络中第一联网单元的交互合作质量的技术效果。

本申请的一些实施例中，若第一联网单元对于第二联网单元的交互请求选择合作，则所述第一信誉：

其中γ(u)为上一评价周期中全物联网组网网络的所有联网单元对第一联网单元的第一信誉评价的加权结果，t_D为标准交互行为的标准交互时间与，q_D为标准交互行为的标准交互质量值，γ_D1为合作行为的合作调整值，t_d，q_d为所述第一联网单元与所述第二联网单元的交互行为的交互时间与交互质量值；

若第一联网单元对于第二联网单元的交互请求选择拒绝，则所述第一信誉：

R_D(u)＝γ(u)-η(u)γ_D2,

其中γ(u)为上一评价周期中全物联网组网网络的所有联网单元对第一联网单元的第一信誉评价的加权结果，γ_D2为交互行为的信誉调整值；

所述效用函数：

其中δ为效用函数的调整常数，γ_max为上一评价周期中所有联网单元的得分最大值。

上述系统更好、更完善地解决了第一信誉评价的问题。

另一些如图3所示的实施例中，还介绍一种基于物联网的全局信誉评价方法，在物联网组网网络中，包括第一联网单元，若干第二联网单元和若干第三联网单元，本方案的一些实施例中，第三联网单元可以是智能家电，如智能冰箱、智能空调、智能电视、智能洗衣机等等，也可以是手机、智能手表、智能眼镜等人体随身的智能穿戴设备等。在物联网为车联网的情况下，第三联网单元也可以是车载单元，路侧单元或云端服务器。在优选的一些实施例中，第二联网单元与第三联网单元在车联网网络中的功能有区分，或第二联网单元与第三联网单元的权限、权威等级有区别。如第三联网单元可以为中心化节点，中心化节点可以是承担统筹、组网功能的路边端，还可以是云端服务器，第二联网单元是功能、权限与第一联网单元相同的车载单元。

全局信誉评价方法包括如下步骤，在一个更新周期中，S31所有与第一联网单元请求交互的第二联网单元及第三联网单元均各自独立地对第一联网单元进行第一信誉评分，各自进行的第一信誉评分正相关于所述第一联网单元对其他各联网单元请求交互的交互时间与交互质量；

S33计算第二信誉评分，所述第二信誉评分为：所述更新周期中，所述第三联网单元对第一联网单元的第一信誉评分，及所述第二联网单元对第一联网单元的第一信誉评分的归一化加权平均得分；

S35将第二信誉评分在物联网组网网络中广播，用于其他联网单元在下个更新周期中对第一联网单元进行第一信誉评分。

第二信誉综合了所有联网单元对第一联网单元的第一信誉评分的加权，也可以称之为全局信誉评分或全局信誉，第二信誉能够评价第一联网单元与整个物联网网络的互动情况，归一化加权指的是第二信誉评分的所有权重的合为1。第二联网单元可以是多个，第三联网单元也可以是多个，所有与第一联网单元请求交互的第二联网单元及第三联网单元均各自独立地对第一联网单元进行第一信誉评分，能够更好地达到加权计算网络中的全局信誉评价，解决量化物联网网络中第一联网单元的与全局其他联网单元互动质量的技术效果。

本申请的一些实施例中，所述第三联网单元为中心化节点，可以是承担统筹、组网功能的路边端，还可以是云端服务器。第三联网单元在物联网中的权威性要设置地更高，第三联网单元也一般承担着更多的计算功能，第三联网单元也不容易被篡改，因此可以设置第三联网单元的权重大于第二联网单元。通过将第三单元进行评价的第一信誉评分的权重大于第二联网单元，能够使得第二信誉的评价结果更为可靠，同时也更具有权威性。

本申请的一些实施例中，所述评价周期根据所述物联网组网网络中的数据传输时延、各单元的第一信誉值的方差大小、或是全局信誉分布情况确定。在物联网组网网络中的第一联网单元与第二联网单元或第三联网单元数据传输时延大的时候，评价周期可以相对延长，能够使得物联网组网网络中的更新频率不至于太快导致其他很多联网单元的判断结果还没有计入，在各联网单元的第一信誉趋于稳定的时候，也可以延长评价周期，节省整个网络中评价动作的计算资源消耗。评价周期的具体时间还可以通过中心化节点或权威节点、云端进行发布。

本申请的一些实施例中，所述第二信誉评分：

其中，β为全局信誉评价权重，R_D(u)为第三联网单元对第一联网单元的第一信誉评价，J为与第一联网单元有效交互的第二联网单元总数，R_Dj为更新周期T内的第二联网单元依据自身与第一联网单元的交互情况，对第一联网单元所做出的第一信誉评价。在这一实施例中，假定第三联网单元在物联网组网中只有一个，则可以获得一个评价R_D(u)，另一方面，也可以假定第三联网单元在物联网组网网络中有多个，但仅做出一个统一的评价R_D(u)，又或者是第三联网单元在物联网组网网络中有多个，各自做出第一信誉评价后加权平均获得的R_D(u)。通过上述方案，能够获得第一联网单元的全局信誉，为物联网网络中第一联网单元对所有其他单元的合作交互情况做出了客观的量化结果。

本申请的一些实施例中，还包括第j个第二联网单元做出的第一信誉评价的可信度

所述第二信誉评分

其中，β为全局信誉评价权重，R_D(u)为第三联网单元对第一联网单元的第一信誉评价，J为与第一联网单元有效交互的第二联网单元总数，R_Dj为更新周期T内的第二联网单元依据自身与第一联网单元的交互情况，对第一联网单元所做出的第一信誉评价，第三联网单元为中心化节点或云端服务器，

为第二联网单元信誉评价的可信度。

第二联网单元一般来说是非中心化的组网单元，因此需要对不同的第二联网单元的评价结果进行不同的可信度区分，能够防止恶意单元混入物联网网络中进行破坏。

进一步的实施例中，为了区分恶意单元，可以让第二联网单元打出的第一评价结果跟自身的合作交互水平相关，因此，可以设置所述

根据第j个第二联网单元在上个周期的第二信誉评分确定。为了归一化评价结果，可以设置/>

其他一些进一步的实施例中，为了惩罚或更好地避免恶意第二联网单元对物联网网络的影响，提高对恶意单元的惩罚，还可以执行步骤：设定阈值

所有第二信誉评分低于/>

的联网单元做出的第一信誉评价R_Dj结果被剔除。通过上述方案，本申请能够更好地达成对第一单元的全局信誉进行评价的结果，全局信誉还可以上传至云端或上传至路边端，并向全网络广播，从而能够满足下一周期的信誉计算的需求。

在如图4所示的是实施例中，还介绍了一种基于物联网的全局信誉评价系统，

包括第一联网单元41，若干第二联网单元42和若干第三联网单元43，所述第一联网单元与所述第二联网单元和所述第三联网单元进行物联网组网，

在一个更新周期中，所有与第一联网单元请求交互的第二联网单元及第三联网单元均各自独立地对第一联网单元进行第一信誉评分，各自进行的第一信誉评分正相关于所述第一联网单元对其他各联网单元请求交互的交互时间与交互质量；

所述第三联网单元用于计算第二信誉评分，所述第二信誉评分为：所述更新周期中，所述第三联网单元对第一联网单元的第一信誉评分，及所述第二联网单元对第一联网单元的第一信誉评分的归一化加权平均得分；所述第三联网单元还用于将第二信誉评分在物联网组网网络中广播，用于其他联网单元在下个更新周期中对第一联网单元进行第一信誉评分。

通过上述系统设计，所有与第一联网单元请求交互的第二联网单元及第三联网单元均各自独立地对第一联网单元进行第一信誉评分，能够更好地达到加权计算网络中的全局信誉评价，解决量化物联网网络中第一联网单元的与全局其他联网单元互动质量的技术效果。

本申请的一些实施例中，所述第二信誉评分：

其中，β为全局信誉评价权重，R_D(u)为第三联网单元对第一联网单元的第一信誉评价，J为与第一联网单元有效交互的第二联网单元总数，R_Dj为更新周期T内的第二联网单元依据自身与第一联网单元的交互情况，对第一联网单元所做出的第一信誉评价，第三联网单元为中心化节点或云端服务器，

为第二联网单元信誉评价的可信度。

区别于现有技术，上述技术方案通过在物联网网络中针对交互请求的发送方对接受方进行交互的评价，得到第一信誉，再通过两个以上的联网单元的第一信誉打分，进行加权得到网络中的全局信誉评价，能够解决量化物联网网络中第一联网单元的与全局其他联网单元互动质量的技术效果。

在图5所示的实施例中，本方案还介绍一种物联网网络的互信评价方法，包括如下步骤，

S51所述第一联网单元与第二联网单元在建立交互请求前，获取第一联网单元的第三信誉评价，所述第三信誉评价包括所述第一联网单元的第二信誉评价及信誉年龄得分的加权平均，所述第二信誉评分为：上一更新周期中，物联网网络的所有与第一联网单元请求交互的各联网单元对第一联网单元的第一信誉评分的归一化加权平均得分，所述第一信誉评分正相关于所述第一联网单元对其他各联网单元请求交互的交互时间与交互质量；所述信誉年龄得分正相关于所述第一联网单元的第二信誉评分超过第二信誉阈值的连续的更新周期数。前述内容已经说明，第二信誉可以由第三联网单元或云端服务器向物联网网络进行公告，第二信誉可以反映第一联网单元曾经跟物联网络中其他联网单元的情况。信誉年龄通过在物联网中持续提供高于第二信誉阈值的时间进行累积。第二信誉阈值可以根据实际情况来自动设置。上述技术方案通过调用第一联网单元的第二信誉信息，对其他联网单元在向第一联网单元发送请求之间针对合作的质量能够有相应的预期，计算第三信誉评价，第三信誉评价也可称为期望信誉。从而达到量化物联网网络中各联网单元的相互之间进行服务交互的期望值的效果。

为了更好地对相关交互结果不理想的联网单元进行惩罚，还进一步执行步骤，S53当第一联网单元的第三信誉评价小于第三阈值时，第一联网单元与第二联网单元不建立交互请求。这时候，虽然第一联网单元仍然可能通过其他方式仍然与第二联网单元同属一个物联网网络，但是二者的交互请求便会由于期望信誉的不达标而无法进行交互，这便是对于第一联网单元的惩罚机制，通过上述惩罚机制，能够减少物联网网络内的计算资源的消耗，同时，促使信誉评价低的联网单元改变自身交互策略，提升物联网网络内部合作行为的产生与传播。

本申请的一些实施例中，还包括时间衰减函数ψ(m)，

所述第三信誉评价还受所述时间衰减函数调整，得到历史信誉评价

m为当前周期与历史第二信誉评分γ(u_m)的间隔的更新周期数，m增大则ψ(m)减小。通过设计衰减函数，能够让最新周期的第二信誉评分的效用权重更大，使得一些受到惩罚的第一联网单元能够更快地“改过自新”，参与到互助服务中来。

衰减函数的取值一般在m＝0时可以取值为1，衰减函数只需要设计为随着m增大则ψ(m)减小，本申请对此并不做限定，在本申请的一些实施例中，

k为衰减常数。设计为指数函数形式，能够使历史评价对当前的信誉评价影响降低。

本申请的一些实施例中，信誉年龄得分

其中，Y_max为最大年龄上限值，γ(u)为当前全局信誉评价，g为调整常数。设计信誉年龄得分能够通过在物联网中持续提供高于第二信誉阈值的时间进行累积。上述设置能够使得持续稳定提供交互服务的个体得到更好更稳定的信誉年龄评价，从而获得更好更稳定的期望信誉。

本申请的一些实施例中，所述第三信誉评价还包括所述第一联网单元与所述第二联网单元的所在物联网网络属性关联度得分的加权平均。物联网网络属性包括是否属于同一个物联网子网络、是否属于相同的网络用途属性如该网络主要用于娱乐用途、路况信息共享用途、自动驾驶用途等等，具有的相同属性越多，越有可能二者属于相同的社会网络。进而网络属性关联度得分设置得越高。通过设置物联网网络属性关联度，能够提升相同社会网络的两个联网单元在请求交互之前的期望信誉，从而更好地建立交互。

本申请的一些实施例中，所述物联网网络属性关联度得分

其中，γ_C1为物联网网络属性关联度调整值。通过上述设计能够提升相同社会网络的两个联网单元在请求交互之前的期望信誉，从而更好地建立交互。

本申请的一些实施例中，所述第三信誉评价还包括所述第一联网单元与所述第二联网单元的社会属性标签关联度得分的加权平均，所述社会属性标签关联度得分

其中，γ_C2为社会属性标签关联度调整值。SP为社会属性标签关联度集群。社会属性标签是信誉权威组织在综合群体内所有个体与该个体的交互行为后，对该个体贡献水平高的服务行为做出标签标记。不同的服务分类对应不同的标签描述。例如：交通安全类为SVR₁、交通管理类为SVR₂、交通信息类为SVR₃、交通效率类为SVR₄、商业娱乐类为SVR₅、协同服务类为SVR₆，以此类推。例如：该个体在评价周期内的全部交互过程中，交通管理类与协同服务类的累计提供次数超过可赋值阈值时，赋予其社会属性标签SP＝{SVR₂,SVR₆)。当服务请求者的服务请求类型与其社会属性标签一致时，说明为其提供该类型服务的预期回报水平高，即该服务请求者在将来为车联网群体内其他个体提供该类型服务的可能性高。上述设计能够提升相同社会属性标签的两个联网单元在请求交互之前的期望信誉，从而更好地建立交互。

在如图6所示的实施例中，还介绍一种物联网网络的互信评价系统，

包括物联网网络中的第一联网单元61和第二联网单元62，所述第一联网单元与第二联网单元在建立交互请求前，获取第一联网单元的第三信誉评价，所述第三信誉评价包括所述第一联网单元的第二信誉评价及信誉年龄得分的加权平均，所述第二信誉评分为：上一更新周期中，物联网网络的所有与第一联网单元请求交互的各联网单元对第一联网单元的第一信誉评分的归一化加权平均得分，所述第一信誉评分正相关于所述第一联网单元对其他各联网单元请求交互的交互时间与交互质量；所述信誉年龄得分正相关于所述第一联网单元的第二信誉评分超过第二信誉阈值的连续的更新周期数，当第一联网单元的第三信誉评价小于第三阈值时，第一联网单元与第二联网单元不建立交互请求。上述系统能够通过调用第一联网单元的第二信誉信息，对其他联网单元在向第一联网单元发送请求之间针对合作的质量能够有相应的预期，计算第三信誉评价，第三信誉评价也可称为期望信誉。从而达到量化物联网网络中各联网单元的相互之间进行服务交互的期望值的效果。

本申请的一些实施例中，所述第三信誉评价

其中ω_i为不同评价维度F_i(u_i)的权重，不同评价维度F_i(u_i)包括：

历史信誉评价

m为当前周期与历史第二信誉评分γ(u_m)的间隔的更新周期数，

k为衰减常数；

信誉年龄得分

其中，Y_max为最大年龄上限值，γ(u)为当前全局信誉评价，g为调整常数；

物联网网络属性关联度得分

其中，γ_C1为物联网网络属性关联度调整值；

社会属性标签关联度得分

其中，γ_C2为社会属标签关联度调整值。

区别于现有技术，上述系统通过调用第一联网单元的第二信誉信息，对其他联网单元在向第一联网单元发送请求之间针对合作的质量能够有相应的预期，通过历史信誉评价、信誉年龄、物联网网络属性、社会属性标签等四个方面综合考量进行量化，从而达到量化物联网网络中各联网单元的相互之间进行服务交互的期望值的效果。节省了物联网网络中的交互成本和计算资源。

在另一些如图7所示的一种物联网网络的个体互助效用评价方法流程图中，适用于物联网网络中，包括第一联网单元和第二联网单元，方法包括如下步骤，S71所述第二联网单元在为第一联网单元提供服务时，获取第一联网单元的第三信誉评价，所述第三信誉评价包括所述第一联网单元的第二信誉评价及信誉年龄得分的加权平均，所述信誉年龄得分正相关于所述第一联网单元的第二信誉评分超过第二信誉阈值的连续的更新周期数，

所述第二信誉评分为：上一更新周期中，物联网网络的所有与第一联网单元请求交互的各联网单元对第一联网单元的第一信誉评分的归一化加权平均得分，所述第一信誉评分正相关于所述第一联网单元对其他各联网单元请求交互的交互时间与交互质量；

S73所述第二联网单元根据第一联网单元的第三信誉评价值相对于所述物联网网络中所有联网单元的第二信誉评价的分布情况，提供差异化的分级服务。

根据上文的一些介绍，第二信誉在上一个周期中可以被中心化节点或云端服务器计算得出，并被广播到物联网网络中，各个参与联网的单元都有各自的第二信誉值。因而能够得到物联网网络中所有联网单元的第二信誉评价的分布情况。因此，本申请能够上述技术方案通过在第二联网单元在于第一联网单元在建立交互时比较其第二信誉在全物联网网络中的水平来提供差异化服务，能够节省第二联网单元的计算资源和网络资源，从而全面提升物联网网络的各联网单元的合作效率，提升物联网网络的信息交互水平。

在本申请的一些实施例中，所述差异化服务包括信息传输速率差异、响应速率差异、响应率差异或响应优先级差异。其中传输速率差异可以是指信息传输的带宽容量有高低、响应速率差异可以是接收信息到处理信息的延迟，响应率差异可以是接收交互请求之后的返回有效信息的概率，即收到了交互请求，也有可能被接受方忽略该请求，响应优先级就是指预设的资源优先响应更高优先级的联网单元的交互请求。设计这些差异化服务能够保证高质量的联网单元能够获得更高质量的服务，从而提升物联网网络的整体交互水平。

具体的差异分级方式可以根据实际情况，技术人员进行因地制宜的设置。在本申请的一些实施例中，第一联网单元的第三信誉评价值相对于所述物联网网络中所有联网单元的第二信誉评价的分布百分比处于前25％、25％-50％、50％-75％、75％-100％时，所述第二联网单元对第一联网单元提供依次减低的响应优先级、响应率、响应速率和传输速率。设计百分比阶梯分级的方式，比渐次降低的分级方式更为简单。

为了更好地进行信誉年龄的计算，本申请的一些实施例中，还提出如下方案：在更新周期T到来时，依据当前个体的全局信誉评价与其历史值对比情况，更新信誉年龄，

具体为：当个体的第三信誉评价的变化量Δγ＝|γ_n-γ_n-1|，大于第四阈值V_γ时，年龄值回归为初始值1，否则：

判断信誉年龄是否等于上限值Y_max，是则保持不变，若判断为否则信誉年龄Y自然增长加1；具体表示如下：

n为周期数。通过上述方式，能够让连续提供有效交互服务的联网单元获得更好的信誉年龄评价，有助于保持物联网网络的稳定有效。

另一些如图8所示的实施例中，展示了一种物联网网络的个体互助效用评价系统，所述系统包括物联网网络中的第一联网单元81和第二联网单元82，

所述第二联网单元在为第一联网单元提供服务时，获取第一联网单元的第三信誉评价，所述第三信誉评价包括所述第一联网单元的第二信誉评价及信誉年龄得分的加权平均，所述信誉年龄得分正相关于所述第一联网单元的第二信誉评分超过第二信誉阈值的连续的更新周期数，所述第二联网单元还用于根据第一联网单元的第三信誉评价值相对于所述物联网网络中所有联网单元的第二信誉评价的分布情况，对所述第一联网单元提供差异化的分级服务；

所述第二信誉评分为：上一更新周期中，物联网网络的所有与第一联网单元请求交互的各联网单元对第一联网单元的第一信誉评分的归一化加权平均得分，所述第一信誉评分正相关于所述第一联网单元对其他各联网单元请求交互的交互时间与交互质量。

上述系统能够通过在第二联网单元在于第一联网单元在建立交互时比较其第三信誉在全物联网网络中的水平来提供差异化服务，能够节省第二联网单元的计算资源和网络资源，从而全面提升物联网网络的各联网单元的合作效率，提升物联网网络的信息交互水平。

在本申请的一些实施例中，所述差异化服务包括信息传输速率差异、响应速率差异、响应率差异或响应优先级差异。

在本申请的一些实施例中，所述第二联网单元用于在第一联网单元的第三信誉评价值相对于所述物联网网络中所有联网单元的第三信誉评价的分布百分比处于前25％、25％-50％、50％-75％、75％-100％时，对第一联网单元提供依次减低的响应优先级、响应率、响应速率和传输速率。

在本申请的一些实施例中，如图8所示，包括中心节点83，所述中心节点用于在更新周期T到来时，依据当个体的全局信誉评价与其历史值对比情况，更新信誉年龄，并在物联网网络中广播，

具体为：

当个体的第三信誉评价的变化量Δγ＝|γ_n-γ_n-1|，大于第四阈值V_γ时，年龄值回归为初始值1，否则：

判断信誉年龄是否等于上限值Y_max，是则保持不变，若判断为否则信誉年龄Y自然增长加1；具体表示如下：

n为周期数。

在另一些综合的实施例中，本申请以物联网是车联网为例，车联网信誉管理机制包括：包含参与者、行为准则、社会范式三部分。车联网信誉管理参与者：包含信誉权威组织和信誉参与个体，构成信誉分层管理架构。行为准则即指信誉参与个体根据交互对方信誉决策自身行为的原则，不同参与个体的原则呈现差异化。社会范式指在车联网交互中，根据不同参与个体，对其信誉多方面综合评判的标准。

参与个体的行为，依据各自行为准则作出行为决策。参与者依据个体的行为准则策略可分为三种：合作个体、互惠个体和自私个体。三者的具体行为准则如下：合作个体响应所有请求个体的需求，采用无条件合作策略，不依据对方的信誉采取不同的决策行为；互惠个体采取有条件合作的策略，依据对方的信誉采取不同的决策行为；自私个体不考虑对方信誉，拒绝向对方提供服务，仅从他人处享受服务。

车联网信誉是在车联网中，依据某个体的交互行为所表现出来的信任做出的评判，是该个体所有的交互行为所体现的信任的综合评判。在本发明中，采用基于社会间接互惠的激励机制，因此车联网信誉体现参与个体的合作水平，体现对于车联网系统活动的参与和贡献水平。在本发明中，信誉分为三类：全局信誉、直接信誉、期望信誉。全局信誉在某一时刻是唯一值，是依据该时刻下，个体的所有交互行为综合的评定值，全局信誉由信誉权威组织做出。直接信誉评价是与个体直接交互的其他个体依据该个体的交互过程的表现做出的评定值。直接信誉依据全局信誉评价规则聚合得到全局信誉。期望信誉即个体对服务交互对象所表现出来的预期信誉做出的评价，因为即使当前全局信誉相同的个体，由于所处环境、个体属性等不同，对交互后可能的预期表现不同，即交互对象对车联网的预期贡献水平可能表现不同。期望信誉体现该次交互的预期收益判断，当预期收益不足时，响应者将拒绝服务请求，对车联网中信誉低的自私个体做出惩罚，促进自私个体改变自身交互策略，激励合作行为的产生与传播。

信誉分层管理主要分为三个层次，即信誉权威中心、信誉权威节点和信誉参与个体。由信誉权威机构作为信誉权威中心，负责车联网参与个体的成员注册、身份获取、全局信誉评价、信任等级调整、车联网服务控制、个体社会属性标签赋值等，在信誉管理架构中处于核心位置，属于可信的。信誉权威节点，如：车联网路侧智能终端RSU，负责交互行为采集、信誉证据收集、信誉边缘计算、车联网服务分发等，在信誉管理架构中作为分布式权威节点，属于可信的。信誉参与个体为车联网中参与的智能主体，主要为车与车载单元及系统构成的智能汽车，负责信誉证据的生成、信誉证据上传、直接信誉评价、期望信誉评价与信任决策等。可信个体的信誉为信誉取值最大值，且信任为1。

车联网中服务分为多类，例如：交通安全类、交通管理类、交通信息类、交通效率类、商业娱乐类、协同服务类等。具体服务例如：车辆传感信息共享、车辆编队行驶、路况紧急事件广播、高效通行车速引导、优先车辆通行保障管理、道路通行信息共享、多媒体及娱乐信息推送等。服务的方式包含:单向服务模式、请求-响应模式、发布-订阅模式。请求-响应模式、发布-订阅模式均为双向交互模式，交互请求者发起交互请求后，响应者依据服务决策结果，按照相应服务要求，向响应者提供对应服务。请求-响应模式服务，例如：道路通行信息共享服务，交互请求者向周围车辆请求共享传感信息，响应者进行服务决策后，依据服务要求共享路况信息。在请求-响应模式下，响应者立即在所要求的时间段内提供信息共享；在订阅-发布模式下，响应者在路况信息更新发布时，向订阅请求者推送路况信息。在单向服务模式中，单向服务者向服务接收者主动提供服务，无需对方请求。例如：路况紧急事件广播服务，例如当车辆即将碰撞误入车道的动物时，车辆立即紧急制动，并将该紧急事件通过V2V(Vehicle to Vehicle)技术向周边车辆广播，避免其他车辆追尾碰撞，保障道路行驶安全。由于权威节点为数据采集汇聚的节点，在车联网中承担了交通安全类、交通效率类、协同服务类等服务的提供与管理。个体可从节点获得路况综合信息服务、绿波车速引导服务、优先车辆通行保障服务等，同时权威节点在优先车辆通行保障、车辆编队行驶、交通管理等服务场景下，承担管理角色。当权威节点承担管理角色，请求个体参与并提供相应服务时，若个体拒绝，将得到信誉惩罚。

如图9所示的架构中，为双向交互模式场景示意图。交互请求者向交互响应者发起交互请求后，响应者依据多因素评价法对请求者做出期望信誉评价，并依据期望信誉评价做出信任决策，根据决策结果提供相应服务或者拒绝服务。请求者在得到服务提供或者服务拒绝的响应应答后，对本次交互过程中的响应者做出直接信誉评价。行为2为单向服务模式。服务者主动推送服务，服务接收者在接收到服务后，依据该行为对服务者做出直接信誉评价。全局信誉评价是信誉权威组织根据信誉参与个体之间的直接信誉评价、信誉评价证据、个体年龄属性等数据信息，对个体的信誉评价做出综合判断。

期望信誉评价采取多因素评价方法。每个因素依据对信誉的影响不同采取不同的权重赋值，表示如下：

其中，ω_i为不同信誉影响因素对应的权重，且

F_i(u_i)为各个影响因素对应的数学化表达。主要影响因素包括：全局信誉、历史信誉、信誉年龄、社会网络连接属性、社会属性标签描述等。

历史信誉主要考虑历史全局信誉的影响，因此，历史信誉的影响因素计算综合如下：

其中，γ(u_m)为历史全局信誉评价值。ψ(m)为时间衰减函数，实例中可取

为衰减常数，系统自主定义，控制衰减速率，调节历史全局信誉值对期望信誉的影响。m为当前全局信誉评价时刻与历史信誉评价的更新周期间隔数，例如:当前更新周内的全局信誉评价的m值为0，前1个更新周期内的全局信誉评价的m值为1，前2个更新周期内的全局信誉评价的m值为2，以此类推。m值越大，则时间衰减函数值越小，即越早做出的历史信誉评价对当前的期望信誉影响越小。

信誉年龄对期望信誉的影响表现在个体年龄越大，说明个体保持当前贡献水平时间越长，则年龄的影响因素计算综合如下：

其中，Y_max为最大年龄上限值，γ(u)为当前全局信誉评价。g为调整常数，系统自主定义，调节年龄因素对期望信誉的影响。

社会网络连接属性记载了交互对手所连接的动态社会信任网络，对期望信誉的影响表现在当交互对手与己方同属动态社会信任网络时，提供服务的行为得到相对应的回馈的几率极大，因此期望信誉将提升。则社会网络连接属性的影响因素计算综合如下：

其中，γ_c1为社会网络连接属性信誉调整值。

社会属性标签是信誉权威组织在综合群体内所有个体与该个体的交互行为后，对该个体贡献水平高的服务行为做出标签标记。不同的服务分类对应不同的标签描述。例如：交通安全类为SVR₁、交通管理类为SVR₂、交通信息类为SVR₃、交通效率类为SVR₄、商业娱乐类为SVR₅、协同服务类为SVR₆，以此类推。例如：该个体在评价周期内的全部交互过程中，交通管理类与协同服务类的累计提供次数超过可赋值阈值时，赋予其社会属性标签SP＝{SVR₂,SVR₆)。当服务请求者的服务请求类型与其社会属性标签一致时，说明为其提供该类型服务的预期回报水平高，即该服务请求者在将来为车联网群体内其他个体提供该类型服务的可能性高。则社会属性标签的影响因素计算综合如下：

其中，γ_C2为社会属性标签信誉调整值。

直接信誉评价由直接交互中的服务接受者对服务提供者做出。直接信誉评价通过该次的交互行为的偏离程度来调节信誉，即与系统定义的标准交互行为对比，该次行为的表现能否获得信誉的嘉奖。单次交互行为完成后，立即做出评价。考虑到车联网信誉评价的现实意义，拥有高信誉的车联网个体在良好表现时，其信誉值的变化更小；另一方面，当信誉高的个体未保持合作行为时，即交互策略突变节点，应对其信誉评价做出较大调整。因此引入信誉评价效用函数η(u)。具体表示如下：

其中，t_D，q_D为标准交互行为的交互时间与交互质量值，有信誉权威中心依据整体群体交互行为的分布情况发布当前标准值。γ_D1，γ_D2为交互行为的信誉调整值，为常量值，依据群体演化的情况调整。t_d，q_d为交互行为的交互时间与交互质量值。其中，交互质量值由交互质量评价的模糊描述通过规范化转化得到。例如：采用五分值法，将交互质量从满足要求到不满足要求的程度分为五个等级，对应1-5分值。得到评价后，将评分值按照如下转化为数值。

五分值评价值	对应评价	交互质量值
			1	完全不满足	-1
2	不满足	-0.5
			3	基本满足	0.3
4	满足	0.5
			5	完全满足	1

η(u)为效用函数，可采取指数型效用函数、对数型效用函数、二项式型效用函数等。例如：指数型效用函数如下

其中，δ为效用函数的调整常数，当其增加时，加剧交互行为对信誉的影响。γ_max为信誉中心依据群体的全局信誉分布发布的当前信誉最大值。

信誉权威中心的全局信誉评价是对参与个体的综合评价，即考虑个体在车联网群体中的全部交互行为做出全局判定。由于信誉权威中心同时承担车联网相关服务管理，且将信誉权威节点的交互视为中心的直接交互，则在信誉评价时需要考虑直接信誉评价与推荐信誉评价。由于全局信誉评价，需要综合群体内的个体之间的互相评价数据，考虑到数据采集传输的时延差异，因此全局信誉更新周期T可由系统自定义，根据当前系统内的演进状态调整，更新周期短，加快信誉评价一致性收敛。当系统演进接近全局均衡状态时，系统内部各个体的信誉趋于稳定，则更新周期T可适当增长，以便节约系统资源开销。

信誉权威中心对参与个体的全局信誉评价表示如下：

其中，β为全局信誉评价权重。R_D(u)为信誉中心对个体的直接信誉评价。J为参与个体直接信誉评价的有效总数，即在更新周期T内，与该个体交互并做出有效直接信誉评价的个体总数量。R_Dj为更新周期T内的参与个体依据自身与其他个体的交互情况，对其他个体所做出的直接信誉评价，参照个体信誉评价。

为个体做出直接信誉评价的可信度，由信誉权威节点在收集信誉评价证据时，对各参与个体的自身信誉做出评定，/>

当群体内存在低信誉的个体时，高信誉个体对其的拒绝行为不应得到信誉惩罚，但是依据直接信誉评价规则，拒绝行为将统一下调信誉评价，因此，应该过滤剔除掉低信誉个体的信誉评价，防止自私个体影响群体的演化。据此，/>

参照信任等级划分取值，同时设定阈值/>

可信度低于阈值的个体所做出的所有直接信誉评价判定为无效评价将其剔除。由于全局信誉评价影响个体的信誉值更新，对车联网群体的信誉判定及服务决策影响广泛。因此，全局信誉评价支持异步更新，即在个体信誉的变化ΔR(u)超过更新阈值V_R时，立即更新该个体的全局信誉评价，否则等待更新周期T。当新个体加入时，信誉权威中心为其分配默认初始信誉值γ₀,该值为当前系统内信誉分布的中位数。

参与个体的信任评判依据行为准则决策。依据行为策略，车联网参与者可以分为三类：合作个体、互惠个体、自私个体。合作个体采取无条件的合作策略，响应所有请求者的服务请求。因此，合作个体对所有参与个体的信任为无条件信任，即对交互对手的信任度均为1。自私个体采取自私的拒绝策略，无视对方的信誉，拒绝一切的服务请求，仅从车联网系统中获取资源及服务，即对交互对手的信任度均为0。

为了社会间接互惠的激励机制的实现，抑制车联网群体中自私个体的拒绝合作行为，激励群体中基于间接互惠的合作行为的涌现、保持与传播，互惠个体依据交互对手的信誉作为区分服务的依据，判断对方对于车联网群体演进的贡献决定为对方提供的相应服务。互惠个体的服务决策，依据车联网群体内参与个体的全局信誉分布情况，对交互对方的信任实施等级划分，表示如下：

其中，信任等级A＝{a₁,a₂,…,a_N-1,a_N}，为有序分割类。信任分级的信誉分界点b₁,b₂,…,b_N-1,b_N有信誉权威中心依据当前群体内信誉的整体分布情况来确定，即分界点为相对应的分位点。例如信任等级分为4级时，b₁,b₂,b₃分别对应信誉分布25％，50％，75％的分位数。

为了加速车联网群体的合作演化，建立个体信誉年龄演化规则。信誉权威中心在更新周期T到来时，依据当个体的全局信誉评价与其历史值对比情况，确认个体的信誉年龄Y是否更新。当个体的全局信誉的年龄较历史值变化量Δγ＝|γ_n-γ_n-1|，其值大于信誉年龄增长变化阈值V_γ时，年龄值回归为初始值1，否则信誉年龄Y自然增长加1；当年龄值增长至上限值Y_max后，视为演化成熟个体，年龄保持不再增长，具体表示如下：

基于空间互惠理论，车联网参与个体之间的网络结构有助于合作行为的保持与传播，互惠个体具备自主选择社会连接以调节网络结构的能力，通过建立动态社会信任网络隔离自私个体，有效的抵御自私个体侵占资源与恶意行为。同时，在车联网某些服务中，例如：车辆编队行驶、高效通行车速引导、优先车辆通行保障管理等服务依赖于持续有效的信任连接关系，因此，建立动态社会信任网络，有助于提升车联网群体服务收益，抵抗自私个体的入侵。在社会信任网络的连接建立基于期望信誉的评价情况，即考虑与该个体建立连接后，车联网群体可能获得的预期贡献水平，当期望信誉大于阈值后，建立连接。当连接建立之后，连接的期望信誉为双方互相评价的期望信誉的较低值，即R_e(i,j)＝min(R_ei,R_ej)。期望信誉评价参照前述的多因素评价法。在连接建立之后，更新个体的社会网络连接属性等信息，在群体内传播，并上传信誉评价权威节点。当某个连接的期望信誉低于连接阈值时，该连接将被断开。建立连接的社会网络内部的个体之间的信任将得到提升，以激励合作行为的保持与传播。

本申请还继续介绍个体交互的具体流程示例。在服务请求者向服务响应者发起服务请求后，服务响应者依据多因素个体信誉评价方法及相关信誉证据数据，做出服务请求者的个体信誉评价，然后依据自身的服务行为决策准则及权威中心发布的整体信誉分布对请求者的信任进行分级评判，提供对应等级服务。在提供相应服务后，请求者将本次产生的信誉数据及交互过程等信誉证据上传至信誉权威组织。服务请求者在得到服务响应后，对响应者的本次交互做出个体信誉评价，然后将更新后的个体信誉评价与信誉证据上传至信誉权威组织。信誉数据，即本次交互后作出的个体信誉评价值。信誉证据，即本次交互时双方的行为信息，包含服务请求者的具体服务请求信息、服务响应者所做出的拒绝或者信任的决策、服务提供的行为信息、服务交互的质量评价、服务交互的相应时间等。

当参与个体与信誉权威节点直接交互时，权威节点将对交互个体参照直接信誉评价方法对其做出个体信誉评价。参与个体将交互过程产生的信誉数据及证据上传至信誉权威节点。节点收集相关的信誉数据及证据后，对其做出判断，当其中部分个体的信誉评价发生突变，超出阈值时，向信誉权威中心提交，及时更新突变个体的全局信誉评价。权威中心在更新周期T内对收集的信誉数据进行综合判断，做出群体内全局信誉的评价，同时发布信誉分布以便群体内个体更新服务分级决策。同时，对个体的信誉变化做出评价，更新个体的信誉年龄并发布。

如图10所示的实施例中，还展示了动态社会信任网络的建立过程。当参与个体1、参与个体2、参与个体3、参与个体4组成动态社会网络之后，参与个体5只需要与其中任一成员建立社会连接后，即加入该网络。参与个体5向其中网络成员参与个体1发起连接请求，参与个体1结合个体的信誉情况、年龄与社会属性标签描述等信誉证据对个体的预期信誉进行评价，当预期信誉大于连接建立阈值时，允许连接的建立。当连接建立之后，连接的期望信誉为双方互相评价的期望信誉的较低值，即R_e(i,j)＝min(R_ei,R_ej)。期望信誉评价参照前述的多因素评价法。同时，双方更新更新个体的社会网络连接属性信息，并向网络内其他成员分享连接的建立信息。当网络连接结构变化后，将相应的信息作为信誉证据上传至信誉权威组织。同时，变化信息在网络内部成员间传播后，各成员依据连接的情况，调整各成员间连接的期望信誉以监测连接是否有效。在网络结构变化过程中，若有个体因为新连接的建立，产生个体信誉评价的突变且超过更新阈值时，信誉权威组织更新相应全局信誉评价。当参与个体5信誉较低时，难以加入网络，无法建立较强的社会关系连接，自私行为难以获得较好的服务回报。因此，群体内的自私个体自私行为将得到抑制，促进合作行为的形成与保持。同时，在更新周期T之后，网络成员将对内部建立的各连接的期望信誉进行评价，当出现期望信誉值低于连接阈值时，断开该连接。

动态社会信任网络建立后，部分参与个体将在网络中占据重要地位。例如图10的参与个体3可以转发权威中心节点信息，或由于建立交互关系的个体数最高。在个体3获得重要地位后，若变更服务策略，转为自私个体。由于社会网络已经建立，该个体在更新周期内仍然可能享受高等级服务。因此，自私行为可能在网络内部传播，促使网络内成员选择“搭便车”的方式享受服务与资源而拒绝服务。此时，信誉权威节点应重点关注网络内成员的信誉突变，在其服务行为决策准则改变后，其交互行为与信誉评价在短期内将发生突变。信誉权威节点立即向权威中心提交个体信誉变化，及时异步更新部分个体的全局信誉评价，抑制自私行为的产生与传播。

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、物品或者终端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、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括……”或“包含……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的要素。此外，在本文中，“大于”、“小于”、“超过”等理解为不包括本数；“以上”、“以下”、“以内”等理解为包括本数。

本领域内的技术人员应明白，上述各实施例可提供为方法、装置、或计算机程序产品。这些实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。上述各实施例涉及的方法中的全部或部分步骤可以通过程序来指令相关的硬件来完成，所述的程序可以存储于计算机设备可读取的存储介质中，用于执行上述各实施例方法所述的全部或部分步骤。所述计算机设备，包括但不限于：个人计算机、服务器、通用计算机、专用计算机、网络设备、嵌入式设备、可编程设备、智能移动终端、智能家居设备、穿戴式智能设备、车载智能设备等；所述的存储介质，包括但不限于：RAM、ROM、磁碟、磁带、光盘、闪存、U盘、移动硬盘、存储卡、记忆棒、网络服务器存储、网络云存储等。

上述各实施例是参照根据实施例所述的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到计算机设备的处理器以产生一个机器，使得通过计算机设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机设备以特定方式工作的计算机设备可读存储器中，使得存储在该计算机设备可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机设备上，使得在计算机设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已经对上述各实施例进行了描述，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改，所以以上所述仅为本发明的实施例，并非因此限制本发明的专利保护范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围之内。

Claims (8)

1.一种基于物联网的信誉评价方法，其特征在于，包括如下步骤，

在物联网组网网络中，包括第二联网单元、第一联网单元，

第二联网单元根据所述第二联网单元与所述第一联网单元的交互结果，对所述第一联网单元进行第一信誉评分，若第一联网单元对于第二联网单元的交互请求选择合作，所述第一信誉正相关于第一联网单元进行合作行为的交互时间与交互质量，若第一联网单元对于第二联网单元的交互请求选择拒绝，所述第一信誉负相关于惩罚性信誉调整值，包括效用函数η(u)，若第一联网单元对于第二联网单元的交互请求选择合作，则所述第一信誉正相关于第一联网单元进行合作行为的交互时间与交互质量，正相关系数为

若第一联网单元对于第二联网单元的交互请求选择拒绝，所述第一信誉负相关于惩罚性信誉调整值，负相关系数为η(u)，

若第一联网单元对于第二联网单元的交互请求选择合作，则所述第一信誉：

其中

为上一评价周期中全物联网组网网络的所有联网单元对第一联网单元的第一信誉评价的加权结果，t_D为标准交互行为的标准交互时间，q_D为标准交互行为的标准交互质量值，/>

为合作行为的合作调整值，t_d，q_d为所述第一联网单元与所述第二联网单元的交互行为的交互时间与交互质量值。

2.根据权利要求1所述的基于物联网的信誉评价方法，其特征在于，所述标准交互时间和所述标准交互质量值根据上一评价周期中全物联网组网网络的交互质量确定。

3.根据权利要求1所述的基于物联网的信誉评价方法，其特征在于，若第一联网单元对于第二联网单元的交互请求选择拒绝，则所述第一信誉：

其中

为上一评价周期中全物联网组网网络的所有联网单元对第一联网单元的第一信誉评价的加权结果，/>

为交互行为的信誉调整值。

4.根据权利要求1所述的基于物联网的信誉评价方法，其特征在于，所述效用函数η(u)值域为[0,1]，包括指数型函数，或者对数型函数，或者二项式型函数。

5.根据权利要求1所述的基于物联网的信誉评价方法，其特征在于，所述效用函数：

其中δ为效用函数的调整常数，

为上一评价周期中全物联网组网网络的所有联网单元对第一联网单元的第一信誉评价的加权结果，γ_max为上一评价周期中所有联网单元的得分最大值。

6.根据权利要求1所述的基于物联网的信誉评价方法，其特征在于，包括评价周期T，所述评价周期根据所述物联网组网网络中的数据传输时延、各单元的第一信誉值的方差大小确定。

7.一种基于物联网的信誉评价系统，其特征在于，包括第二联网单元、第一联网单元，

所述第二联网单元用于根据所述第二联网单元与所述第一联网单元的交互结果，对所述第一联网单元进行第一信誉评分，若第一联网单元对于第二联网单元的交互请求选择合作，所述第一信誉正相关于第一联网单元进行合作行为的交互时间与交互质量，若第一联网单元对于第二联网单元的交互请求选择拒绝，所述第一信誉负相关于惩罚性信誉调整值，

若第一联网单元对于第二联网单元的交互请求选择合作，则所述第一信誉：

其中

为上一评价周期中全物联网组网网络的所有联网单元对第一联网单元的第一信誉评价的加权结果，t_D为标准交互行为的标准交互时间与，q_D为标准交互行为的标准交互质量值，/>

为合作行为的合作调整值，t_d，q_d为所述第一联网单元与所述第二联网单元的交互行为的交互时间与交互质量值，η(u)为效用函数。

8.根据权利要求7所述的基于物联网的信誉评价系统，其特征在于，

若第一联网单元对于第二联网单元的交互请求选择拒绝，则所述第一信誉：

其中

为上一评价周期中全物联网组网网络的所有联网单元对第一联网单元的第一信誉评价的加权结果，/>

为交互行为的信誉调整值；

所述效用函数：

其中δ为效用函数的调整常数，γ_max为上一评价周期中所有联网单元的得分最大值。

Images