KR20220016862A - 신임평가에 기반하는 에지노드 계산결과의 신뢰성 판별방법 - Google Patents

신임평가에 기반하는 에지노드 계산결과의 신뢰성 판별방법 Download PDF

Info

Publication number
KR20220016862A
KR20220016862A KR1020217040188A KR20217040188A KR20220016862A KR 20220016862 A KR20220016862 A KR 20220016862A KR 1020217040188 A KR1020217040188 A KR 1020217040188A KR 20217040188 A KR20217040188 A KR 20217040188A KR 20220016862 A KR20220016862 A KR 20220016862A
Authority
KR
South Korea
Prior art keywords
credential
edge node
edge
agent
evidence
Prior art date
Application number
KR1020217040188A
Other languages
English (en)
Other versions
KR102593836B1 (ko
Inventor
민 웨이
에르시옹 리앙
핑 왕
Original Assignee
충칭 유니버시티 오브 포스츠 앤드 텔레커뮤니케이션스
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 충칭 유니버시티 오브 포스츠 앤드 텔레커뮤니케이션스 filed Critical 충칭 유니버시티 오브 포스츠 앤드 텔레커뮤니케이션스
Publication of KR20220016862A publication Critical patent/KR20220016862A/ko
Application granted granted Critical
Publication of KR102593836B1 publication Critical patent/KR102593836B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/02—Network architectures or network communication protocols for network security for separating internal from external traffic, e.g. firewalls
    • H04L63/0281—Proxies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/12—Applying verification of the received information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/3247—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials involving digital signatures
    • H04L29/06863—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/02—Network architectures or network communication protocols for network security for separating internal from external traffic, e.g. firewalls
    • H04L63/0227—Filtering policies
    • H04L63/0236—Filtering by address, protocol, port number or service, e.g. IP-address or URL
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/02—Network architectures or network communication protocols for network security for separating internal from external traffic, e.g. firewalls
    • H04L63/0227—Filtering policies
    • H04L63/0245—Filtering by information in the payload
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/12—Applying verification of the received information
    • H04L63/123—Applying verification of the received information received data contents, e.g. message integrity
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1441—Countermeasures against malicious traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/20—Network architectures or network communication protocols for network security for managing network security; network security policies in general
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/3236—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using cryptographic hash functions
    • H04L9/3239—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using cryptographic hash functions involving non-keyed hash functions, e.g. modification detection codes [MDCs], MD5, SHA or RIPEMD

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Bioethics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

본 발명은 신임평가에 기반하는 에지노드 계산결과의 신뢰성 판별방법에 관한 것으로서, 데이터처리 기술분야에 속한다. 본 발명은 산업 에지노드로 부터 출력되는 계산결과가 믿음직한 안전 메거니즘이라는 것을 확보하고, 산업 에지노드가 틀린 데이터를 출력하는 것을 방지하고, 악의적인 에제노드에 의한 허위적인 데이터 공격을 막을 수 있어, 산업 클라우드의 입력이 왜곡되지 않은 믿음직한 계산결과라는 것을 보증하고, 현장설비가 악의적이거나 무의미한 소식을 접수하지 않고, 정확한 계산결과를 접수하도록 함으로써, 산업생산의 효율과 안전성을 향상시킬 수 있다.

Description

신임평가에 기반하는 에지노드 계산결과의 신뢰성 판별방법
본 발명은 데이터처리 기술분야에 속하고, 신임평가에 기반하는 에지노드 계산결과의 신뢰성 판별방법에 관한 것이다.
산업 네트워크중에 에지계산을 도입하여, 네트워크 에지에서 데이터처리와 저장을 집행하여, 노드청구의 지연, 클라우드 서버의 저장과 계산 부담이 너무 크고, 네트워크 전송 대역부담이 너무 큰 등 문제들을 해결할 수 있다. 에지계산은 클라우드 계산의 서비스 자원을 네트워크 에지까지 확장함으로써, 클라우드 계산의 이동성이 떨어지고 지리정보 감지성이 약하며, 시간지연이 심한 등 문제를 해결할 수 있다. 하지만, 에지계산은 데이터 분석에 사용됨과 동시에, 산업 에지계산 네트워크중의 에지노드에 안전과 프라이버시상의 새로운 도전으로도 되고 있다. 산업 네트워크중에서 높은 실시간성 요구를 만족함과 동시에, 산업 클라우드와 에지노드간의 데이터 온전성 및 현장설비의 정확한 계산결과 접수를 확보하는 것은 쉬운 일이 아니다. 에지노드는 외부로 직접 인터넷에 연결되고, 산업현장의 설비가 직접 인터넷에 노출되기 때문에, 심각한 안전상의 위헙성이 존재하며, 특히 데이터의 안전문제가 존재한다.
현재 국내외에는 산업 네지노드와 산업 클라우드간의 통신정보 신뢰성에 관한 연구가 비교적 적고, 그 대부분의 연구는 모두 정보가 전송중 왜곡되지 않는다는 것이지만, 노드계산 결과의 신뢰성을 확보할 수 없고, 즉 에지노드로부터 출력되는 계산결과의 정확성을 확보할 수 없다.
본 발명은 신임평가에 기반하는 에지노드 계산결과의 신뢰성 판별방법을 제공하는 것을 과제로 한다.
가입대기중의 에지노드는 신분정보
Figure pct00001
를 에지에이전트에게 발송하여 등록하고, 안전관리자는 각 에지노드가 산업생산 환경중에서 계산오류의 발생을 허용하는 오류율
Figure pct00002
을 설정하며, 에지에이전트는
Figure pct00003
으로 증거가 몇번째로 수집된 증거
Figure pct00004
인가를 마킹하고,
Figure pct00005
로 신임관련 정보가 몇번째로 계산된 신임치
Figure pct00006
인가를 마킹하며, 초기 신임치 평가시
Figure pct00007
, 신임치 갱신시
Figure pct00008
이며,
Figure pct00009
은 에지에이전트가
Figure pct00010
번째 신임치 계산시 증거를 수집해야 할 총 횟수를 나타내고,
Figure pct00011
는 에지에이전트가
Figure pct00012
번째 신임치를 계산하는 시간을 나타내며, 에지에이전트는 에지노드의 신분을 검증한 후, 에지노드의 초기 신임치 평가를 시작하고,
Figure pct00013
일 경우 에지에이전트가 에지노드의 초기 신임치 평가를 시작하고, 에지에이전트가 계산대기중 데이터 집합
Figure pct00014
을 무작위로 생성하고, 인접하는 데이터를 두개 두개씩 계산한 결과 집합
Figure pct00015
을 생성하여, 참조집합으로 하며, 본 방안에서는 초기 신임치 평가에 수요되는 증거수집 횟수
Figure pct00016
을 3으로 하고,
에지에이전트는 계산대기중 집합을 에지노드에게 발송하고, 에지노드는 계산된 계산결과 집합
Figure pct00017
및 계산결과의 해시치 집합
Figure pct00018
을 에지에이전트에게 발송하며,
에지에이전트는 에지노드의 계산결과 집합
Figure pct00019
에 근거하여 그에 대응하는 해시치
Figure pct00020
를 계산하며,
에지에이전트는 그가
Figure pct00021
번째로 계산대기중의 집합을 발송한 시간
Figure pct00022
, 계산완료시간
Figure pct00023
, 에지노드 Ai 계산결과를 접수한 시간
Figure pct00024
를 기록하는 (i는 노드 개수
Figure pct00025
。) 증거수집 단계S11 ,
에지에이전트는 수집된 데이터에 대해
(1) 정확성은 정확한 계산결과 개수가 전체 데이터 개수중에 차지하는 비중으로서,
Figure pct00026
번째 증거수집의 정확성 계산식:
Figure pct00027
（1）
그중,
Figure pct00028
는
Figure pct00029
번째 증거수집의 에지에이전트 계산결과 집합
Figure pct00030
과 에지노드 Ai계산결과 집합
Figure pct00031
중의 같은 개수임을 나타내고,
Figure pct00032
는
Figure pct00033
번째로 수집한 증거를 나타내고,
Figure pct00034
는
Figure pct00035
번째 신임계산을 나타내고, l는 매번 증거수집의 데이터량이며,
(2) 온전성은 온전한 데이터가 총 데이터수에 차지하는 비중으로서,
Figure pct00036
번째 증거수집의 온전성 계산식:
Figure pct00037
（2）
그중,
Figure pct00038
는
Figure pct00039
번째 증거수집의 에지에이전트 계산결과의 해시치 집합
Figure pct00040
과 에지노드Ai 계산결과 해시치 집합
Figure pct00041
중의 같은 개수임을 나타내고,
Figure pct00042
는
Figure pct00043
번째로 수집한 증거를 나타내고,
Figure pct00044
는
Figure pct00045
번째 신임계산을 나타내고, l는 매번 증거수집의 데이터량이며,
(3) 적시성은 에지노드 Ai와 에지에이전트의 계산효율차로서,
Figure pct00046
번째 중거수집의 적시성 계산식:
Figure pct00047
（3）
그중,
Figure pct00048
는
Figure pct00049
번째 증거수집시, 에지노드의 계산효율이고,
Figure pct00050
는
Figure pct00051
번째 증거수집시, 에지에이전트의 계산효율이고,
Figure pct00052
는
Figure pct00053
번째 신임계산을 나타내며,
에지에전트가 초기 신임치를 평가할 때, 에지에이전트는 계산대기중 집합의 발송시간
Figure pct00054
, 계산대기중 집합의 계산완료시간
Figure pct00055
, 에지노드 Ai 의 계산결과 접수시간
Figure pct00056
에 근거하여,
Figure pct00057
차 에지노드의 계산효율
Figure pct00058
과 에지에이전트의 계산효율
Figure pct00059
을 산출하고, 계산식(3)에 대입하여,
Figure pct00060
개 에지노드Ai의 적시성을 얻으며,
에지에전트는 초기 신임치를 평가할 때, 계산식 (1), (2), (3)을 이용하여, 3번 수집한 증거를 처리하여, 가입대기중 에지노드Ai의 정확성, 온전성 및 적시성의 값을 각기 3개씩 얻는 증거처리 단계 S12 , 및
1) 초기 신임치 계산
직접신임치는 에지노드가 청구임무를 완성하는 능력의 계량화 값으로서, 이는 에지에이전트와 에지노드간의 인터랙티브 과거기록에 기반하는 것이며, 에지에이전트가 에지노드의 초기 신임치를 계산할 때, 에지노드는 운전대기상태에 처하며, 에지에이전트는 운전대기상태에 처한 에지노드의 직접신임요소에 대해 퍼지평가를 진행하는데, 직접신임치 계산은
a) 요소확인 집합
Figure pct00061
, 평가 집합
Figure pct00062
, 그중,
Figure pct00063
은 "못미덥다",
Figure pct00064
는 "불확정",
Figure pct00065
은 "미덥다" 이고,
Figure pct00066
,
Figure pct00067
,
Figure pct00068
에 대응하는 소속정도의 크기는
Figure pct00069
일 경우, "못미덥다"으로,
Figure pct00070
일 경우, "불확정"으로,
Figure pct00071
일 경우, "미덥다"으로 규정하며,
Figure pct00072
는 "못미덥다"과 "미덥다"의 역치이고, 에지에이전트의 계산 정확성, 온전성 및 적시성의 소속정도 계산식은
①
Figure pct00073
번째 증거수집의 정확성의 소속정도 계산식:
Figure pct00074
②
Figure pct00075
번째 증거수집의 온전성의 소속정도 계산식:
Figure pct00076
③
Figure pct00077
번째 증거수집의 적시성의 소속정도 계산식:
Figure pct00078
γ=에지에이전트 CPU 메인 주파수/에지노드 CPU 메인 주파수
(b)
Figure pct00079
번째 신임계산시의 정확성, 온전성 및 적시성에 대응하는 소속정도는
Figure pct00080
의 비중에 속하고, 각기
Figure pct00081
，
Figure pct00082
，
Figure pct00083
이며, 예를 들어
Figure pct00084
,
Figure pct00085
은
Figure pct00086
개 정확성 소속정도중 "못미덥다"소속정도 범위내의 개수이며, 에지에이전트는 평판행렬
Figure pct00087
를 얻으며,
(c)엔트로피법을 이용하여 정확성, 온전성 및 적시성에 대응하는 가중치를 계산하는데, 그 계산 단계는
①정확성, 온전성 및 적시성에 대응하는
Figure pct00088
차 소속정도
Figure pct00089
는 행렬
Figure pct00090
를 구성하고,
②정확성, 온전성 및 적시성에 대응하는 정보 엔트로피:
Figure pct00091
그중,
Figure pct00092
，
Figure pct00093
③정확성, 온전성 및 적시성에 대응하는 가중치:
Figure pct00094
, 어느 요소의 이산정도가 너무 작아 가중치가 0인 경우를 피면하기 위하여, 정확성, 온전성 및 적시성에 대응하는 가중치 범위를 각기
Figure pct00095
、
Figure pct00096
、
Figure pct00097
로 하고,
Figure pct00098
를 만족하도록 하며, 엔트로피법에 의해 얻어지는 가중치가 규정된 범위에 들어 있지 않을 경우, 대응하는 범위의 최대치 또는 최소치를 취하고, 실제 가중치는
Figure pct00099
，
Figure pct00100
이며,
(d)판별결과의 계산
Figure pct00101
은 아래 3가지 상황이 존재하고,
①
Figure pct00102
가 최대치일 경우, 에지노드 Ai는 "못미덥다"이고, 에지에이전트는 정확성, 온전성 및 적시성의 평균 소속정도를 계산하지 않고,
②
Figure pct00103
가 최대치일 경우, 에지노드 Ai는 "불확정"이고, 에지에이전트가 계산한 정확성, 온전성 및 적시성에 대응하는
Figure pct00104
구간내의 소속정도 평균치는
Figure pct00105
이고, 그중 분모는 각 요소의 소속정도가
Figure pct00106
구간내의 개수이고, 분자는 각 요소의 소속정도가
Figure pct00107
구간내의 소속정도의 합이며,
③
Figure pct00108
가 최대치일 경우, 에지노드 Ai는 "미덥다"이고, 에지에이전트가 계산한 정확성, 온전성 및 적시성에 대응하는
Figure pct00109
구간내의 소속정도 평균치는
Figure pct00110
이고, 그중 분모는 각 요소의 소속정도가
Figure pct00111
구간내의 개수이고, 분자는 각 요소의 소속정도가
Figure pct00112
구간내의 소속정도의 합이며,
(e) 에지에이전트는 정확성, 온전성 및 적시성의 평균 소속정도 및 그 가중치에 근거하여, 에지노드 Ai의 직접 신임치
Figure pct00113
를 게산하는데, 계산식은
Figure pct00114
（4）
운전대기중 에지노드는 과거 신임치와 피드백 평가가 없기 때문에, 이때의 초기 직접 신임치는 최종 신임치로 되고, 에지노드 Ai의 운전전 최종신임치는
Figure pct00115
이며,
2) 신임마크의 계산
에지노드의 신임은 3급으로 나뉘는데, 각기 "못미덥다", "불확정", "미덥다" 이고,
"못미덥다"의 역치는
Figure pct00116
, "미덥다"의 역치는
Figure pct00117
,
Figure pct00118
를 만족하고,
Figure pct00119
，
Figure pct00120
, 그중
Figure pct00121
은 산업생산환경이 에지노드Ai의 가끔 실수로 인한 계산오류를 허용하는 오류율이고,
Figure pct00122
,
Figure pct00123
、
Figure pct00124
가 크면 클수록 시스템이 계산오류에 대해 민감함을 나타내며, 안전관리자는 산업생산환경이 허용하는 에지노드의 오류율을 설정하고, 에지에이전트는 오류율에 근거하여 대응하는
Figure pct00125
、
Figure pct00126
을 산출하며,
에지에이전트는 판별결과에 근거하여 운전대기중 에지노드Ai의 신임마크를 산출하는데, 그 규칙은:
(a) 신임치 등급이 "미덥다"인 에지노드에 대해, 악의적인 노드가 신임을 사취하는 것을 피면하기 위하여, 에지에이전트는 "미덥다"인 에지노드의 신임치를
Figure pct00127
로 바꾸고, 즉 "미덥다"인 에지노드를 "불확정" 에지노드로 낮추며,
(b) 신임치 등급이 "불확정"인 에지노드에 대해, 에지에이전트는 그에게 초기 신임치의 신임마크
Figure pct00128
을 분배하고, 계산식(5)에 근거하여 초기 신임마크의 유효시간
Figure pct00129
을 산출하고, 초기 신임 관련정보를 로컬에 저장하며,
초기 신임치 신임마크의 유효시간
Figure pct00130
계산식:
Figure pct00131
（5）
그중, i는 온라인 에지노드의 개수이고,
Figure pct00132
는 초기 신임평가시 증거수집 횟수이며,
Figure pct00133
는 애지노드Ai의 평균계산효율로서,
Figure pct00134
, l는 매번 증거수집의 데이터량이며,
Figure pct00135
는 신임갱신의 시간간격이고, 유효시간의 단위는 초이며, 에지노드의 신임마크가 기간이 지나면, 에지에이전트는 이 에지노드를 블랙네임에 넣으며,
(c) 신임치 등급이 "못미덥다", 즉
Figure pct00136
가 최대인 에지노드에 대해, 평가오류를 피면하기 위하여, 에지에이전트는 상기 증거수집, 증거처리 및 신임평가 단계를 반복하여, 초기신임치 평가를 2번 진행하고, 2번이 모두 "못미덥다"일 경우에는 안전관리자에게 통보하여 바꾸도록 하고, 바꾼후의 가입대기중 에지노드의 초기 신임치를 산출하며,
에지노드Ai의 초기 신임 관련 데이터에는 초기 신임치 평가 시작시간
Figure pct00137
, 노드 신분마크
Figure pct00138
, 정확성 소속정도 평균치
Figure pct00139
, 온전성 소속정도 평균치
Figure pct00140
, 적시성 소속정도 평균치
Figure pct00141
, 초기 신임치
Figure pct00142
, 신임마크
Figure pct00143
및 유효시간
Figure pct00144
가 포함되며,
에지에이전트는 신임마크를 현장설비에게 발송하고, 현장설비는 운전대기중 에지노드의 신임마크를 검사한 후, 신임마크가 0보다 큰 에지노드에게 데이터를 발송하고, 그후 에지노드는 운전상태로 처하게 되는 초기 신임평가 단계 S13 를
포함하는 네트워크가 운전되기전의 S1 단계 ,
네트워크 운전
Figure pct00145
시간 후, 에지에이전트는 현장설비에 대해 신임갱신 청구를 제기하고, 에지에이전트는 현장설비에 의해 채집된 데이터, 에지노드의 계산결과 및 그 해시치와 현장설비의 피드백 평가를 수집하고, 에지노드의 응답시간과 과거 직접신임치를 기록하며, 에지에이전트가 신임 갱신을 청구한 후, 에지에이전트의 매번 증거수집은 아래 두가지 상황을 포함:
상황1: 에지노드는 계산결과를 직접 현장설비에게 피드백하고, 현장설비는 에지노드의 계산결과 및 그 해시치를 에지에이전트에게 발송하며,
상황2: 에지노드 초보 계산후, 계산결과 및 그 해시치를 에지에이전트에게 발송하고, 에지에이전트는 증거를 수집함과 동시에, 에지노드의 계산결과, 신임마크 및 그 서명을 산업 클라우드에 업로드하고, 산업 클라우드는 에지노드의 신임마크와 검증서명을 검사한 후, 에지노드의 초보적 계산결과를 더 처리하고, 그후 산업 클라우드는 계산결과 및 서명을 에지에이전트에게 발송하고, 에지에이전트는 검증서명을 거쳐, 계산결과를 현장설비에게 발송하며,
에지노드는 상기 2가지 상황하에서 증거를 수집하고, l개 증거수집을 1차 증거수집으로 하며, 매번 신임갱신은
Figure pct00146
차의 증거수집이 수요되고, 이때 에지노드는 운전상태에 처하며, 에지에이전트는
Figure pct00147
으로 증거수집 횟수
Figure pct00148
를 기록하며,
Figure pct00149
번째 신임갱신시 에지에이전트는
Figure pct00150
차 증거를 수집한 후, 증거처리와 신임갱신 조작을 진행하고, 매번 신임갱신 시간간격을
Figure pct00151
로 하고,
Figure pct00152
번째 신임갱신에 수요되는 증거수집 횟수
Figure pct00153
의 계산식:
Figure pct00154
（6）
에지에이전트는
Figure pct00155
번째 신임마크에 근거하여
Figure pct00156
번째 신임갱신에 수요되는 증거수집횟수
Figure pct00157
를 산출하고, 신임마크가 작을 경우에는 증거수집 횟수가 적어, 에지에이전트는 에지노드의 신임치를 재빨리 갱신할 수 있으며, 네트워크 운전 초기단계에 증거수집 횟수는 신임횟수가 증가됨에 따라 늘어나고, 신임치를 제때에 갱신하고 신임치의 계산량을 줄이기 위하여, 증거수집 횟수를 한정없이 증가해서는 안되고, 증거수집 횟수
Figure pct00158
의 최대치를
Figure pct00159
로 하며,
1) 직접 신임요소 수집
현장설비는 수집한 데이터
Figure pct00160
를 동시에 에지에이전트와 에지노드Ai에게 발송하고, 현장설비는
Figure pct00161
간격으로 한번씩 데이터 하나를 발송하고, 에지에이전트와 에지노드Ai는 2번째 수집 데이터를 접수한 후, 처리를 시작하며, 에지에이전트가 인접하는 두개의 수집데이터를 처리한 계산결과는
Figure pct00162
이고, 에지노드Ai가 인접하는 두개의 수집데이터를 처리한 계산결과는
Figure pct00163
이며,
Figure pct00164
는 매번 증거수집의 몇번째 증거
Figure pct00165
이고, 매번 증거수집시, 현장설비는
Figure pct00166
개 데이터를 발송해야 하고, 현장설비가 발송한 데이터로 구성되는 집합
Figure pct00167
,
Figure pct00168
일 경우, 에지에이전트는
Figure pct00169
번째 신임갱신을 시작하고, 에지에이전트는 증거를 누계하여
Figure pct00170
번 수집하고,
Figure pct00171
번째로 수집한 l개 데이터의 증거로는 에지에이전트의 계산결과
Figure pct00172
, 에지노드Ai의 계산결과
Figure pct00173
및 그 해시치
Figure pct00174
가 포함되고, 에지에이전트는 에지노드 Ai의 계산결과 집합
Figure pct00175
에 근거하여, 그에 대응하는 해시치
Figure pct00176
를 산출하고, 에지에이전트는
Figure pct00177
번째 증거수집시 현장설비가 첫번째 데이터를 발송하는 시간
Figure pct00178
, 에지에이전트가
Figure pct00179
번째 결과의 계산을 완성하는 시간
Figure pct00180
, 에지노드Ai가
Figure pct00181
번째 결과의 계산을 완성하는 시간
Figure pct00182
을 기록하며,
2) 과거 직접신임치 수집
신임은 시간의 흐름에 따라 동적으로 변화하기 때문에, 악의적인 행위를 피면하기 위하여, 에지에이전트는 과거 직접신임치로 직접신임치에 대한 수정을 진행하고, 에지에이전트는 창구를 슬라이딩하여 과거 직접신임치를 저장함으로써, 과거 직접신임치가 새로운 직접신임치에 대한 영향을 줄이며, 에지노드 마다 각기 하나의 슬라이딩 저장창구가 설치되고, 창구가 크면 클 수록 저장과 계산의 비용이 많아지고, 작은 슬라이딩 저장창구는 신임계산량을 제한하여, 신임평가 효율을 높일 수 있으며,
슬라이딩 창구에는
Figure pct00183
개의 창살이 있어, 청살 마다 과거 직접신임치 하나가 보류되고, 즉
Figure pct00184
번째 신임이 갱신되기전의 직접신임치는 슬라이딩 저장창구중에 저장되며,
Figure pct00185
번째 창살에 저장된 직접신임치는
Figure pct00186
이고, 창살마다 모두 직접신임치가 하나씩 있을 때야 만이 창구는 이동하기 시작하고, 한번에 창살 하나씩 이동되며, 신임갱신후 새로운 직접신임치가 창구에 들어오고, 기간이 지난 직접신임치는 창구로 부터 밀려 나오며,
Figure pct00187
번째 신임이 갱신될 때, 창구내에는
Figure pct00188
번째로 부터
Figure pct00189
번째 까지의 신임이 갱신될 때의 직접신임치가 저장되고,
Figure pct00190
번째 신임이 갱신된 후, 다시
Figure pct00191
번째 직접신임치를 슬라이딩 저장창구중에 저장하고, 에지노드Ai의 신임마크가 0일 경우, 에지노드는 악의 노드로 간주되어, 에지에이전트는 그 슬라이딩 저장창구를 삭제하며,
3) 피드백 평가 수집
에지에이전트는 운전상태가 갱신된 에지노드의 최종 신임치를 현장설비가 에지노드 계산결과에 대한 피드백 평가를 고여해야 하며, 현장설비가 에지노드에 대한 평가 규칙: 안전 사고가 발생했을 경우에는 신임갱신 여부를 불문하고, 현장설비는 모두
Figure pct00192
로 피드백함과 동시에, 에지에이전트는 피드백 평가에 대응하는 에지노드를 블랙네임에 넣고, 그렇지 않으면 계산결과에 대한 평가를 피드백하게 되는데, 악평은
Figure pct00193
로, 호평은
Figure pct00194
로 표시하며,
현장설비는 에지에이전트에게 계산결과에 대한 평가를 피드백하고,
Figure pct00195
번째 심임갱신시 에지에이전트는
Figure pct00196
번 수집하고, 매번 l개의 피드백 평가를 수집하며, 에지에이전트가
Figure pct00197
번째로 수집한 피드백 평가는
Figure pct00198
이며, 그중에는 현장설비가
Figure pct00199
개 에지노드에 대해 직접 현장설비에 피드백하는 계산결과의 평가와 현장설비가
Figure pct00200
개 에지노드로부터 산업 클라우드에 발송하여 처리한 후 다시 현장설비에 피드백하는 계산결과의 평가가 포함되며, 타원곡선 대리서명을 이용하여, 에지노드와 산업 클라우드의 통신의 신뢰성을 보증하고, 현장설비가 접수한 계산결가 에지노드유래인가 산업 클라우드 유래인가를 불문하고, 현장설비 피드백 평가 대상은 모두 에지노드로 되는 증거수집 S21단계 ,
1) 직접 신임요소 처리
에지에이전트는
Figure pct00201
번 증거를 수집한 후,
Figure pct00202
번째 신임갱신시, 매번 증거 수집한 에지노드Ai의 정확성, 온전성, 급시성을 각기 계산하며,
(a) 에지에이전트는 계산식(1)에 근거하여, 에지노드Ai의 정확성을 계산하고,
(b) 에지에이전트는 계산식(2)에 근거하여, 에지노드Ai의 온전성을 계산하고,
(c) 에지에이전트는
Figure pct00203
번째 증거수집시 현장설비가 첫번째 데이터를 발송하는 시간
Figure pct00204
, 에지에이전트가 l번째 결과의 계산을 완성하는 시간
Figure pct00205
, 에지노드Ai가 l번째 결과의 계산을 완성하는 시간
Figure pct00206
에 근거하여, 에지노드의 계산효율
Figure pct00207
과 에지에이전트의 계산효율
Figure pct00208
을 산출하고,
Figure pct00209
을 계산식(3)에 대입하여, 에지노드 Ai의 적시성을 산출하며,
에지에이전트가
Figure pct00210
번째 신임갱신을 진행할 때, 계산식(1), (2), (3)을 이용하여, 수집된 직접신임요소를 처리하고, 심사대기중 에지노드 Ai의 정확성, 온전성 및 적시성 값을 각기
Figure pct00211
개씩 얻으며,
2) 과거 신임치 처리
각기 다른 시간의 과거 신임치의 가중인자는 시간적요소를 고려해야 하고, 즉 시간이 오래된 신임치일 수록 차지하는 비중이 작아져, 슬라이딩 저장창구중의
Figure pct00212
번째 창살의 가중치:
Figure pct00213
（7）
그중,
Figure pct00214
는 감쇠 계수이고, 감쇠 계수는 0.3이며, 슬라이딩 저장창구가 미만일 경우,
Figure pct00215
는 실제 과거 직접신임치의 개수를 취하고,
에지에이전트는 슬라이딩 저장창구중의 과거 직접신임치 및 그 가중치에 근거하여,
Figure pct00216
번째 신임치 갱신시 에지노드 Ai의 가중평균 과거 신임치
Figure pct00217
를 산출하며,
Figure pct00218
（8）
3) 피드백 평가처리
피드백 평가가 -1인 에지노드에 대해, 안전관리자는 이를 가입대기중 에지노드로 바꾼 후, 에지에이전트는 초기 신임치 계산단계를 반복하여, 가입대기중 에지노드의 초기 신임치를 평가하며,
에지에이전트는 피드백 평가에 근거하여,
Figure pct00219
번째 신임갱신시 에지노드 Ai의 장려와 징벌 인자를 산출하고, 에지에이전트는
Figure pct00220
번째 증거수집의 호평 총 횟수
Figure pct00221
와 정확한 계산결과의 최저요구 개수와의 차
Figure pct00222
에 근거하여,
Figure pct00223
번째 증거수집에 대응하는 장려인자
Figure pct00224
와 징벌인자
Figure pct00225
를 산출하는데, 그중
Figure pct00226
이며,
Figure pct00227
일 경우,
Figure pct00228
번째 증거수집에 대응하는 장려인자가
Figure pct00229
이고, 징벌인자가
Figure pct00230
이며, 그렇지 않으면, 장려인자가
Figure pct00231
이고, 징벌인자가
Figure pct00232
이며, 장려정도가 작고 징벌정도가 크면 신임치가 느리게 증가되고 빨리 감소되는 특징을 나타내며,
에지에이전트는
Figure pct00233
번째 신임갱신시의 장려와 징벌인자에 근거하여, 최종 장려 또는 징벌인자
Figure pct00234
를 산출하며,
Figure pct00235
（9）
현장설비가 좋다는 피드백은 에드노드Ai의 신임치를 증가시키고, 나쁘다는 피드백은 에드노드Ai의 신임치를 빨리 저하시키며, 현장설비로 부터 안전사고가 피드백될 경우,
Figure pct00236
는 징벌인자로 나타나,
Figure pct00237
이며, 안전사고 피드백이 없을 경우,
Figure pct00238
은 장려를 나타내고,
Figure pct00239
은 징벌을 나타내고,
Figure pct00240
은 장려도 징벌도 나타내지 않는 증거처리 S22단계 , 및
에지에이전트가 직접신임치, 과거신임치 및 피드백평가에 근거하여 에지노드에 대한 신임치를 갱신할 때, 에지노드는 심사대기상태에 처하고, 매번 신임갱신 시간간격은
Figure pct00241
이며,
1) 직접 신임치 계산
에지에이전트는 초기신임 평가시 직접신임치의 계산단계를 반복하고, 계산식(4)를 이용하여
Figure pct00242
번째 신임평가시 평판결과가 "미덥다"와 "불확정"인 심사대기중 에지노드 Ai의 직접신임치
Figure pct00243
를 산출하며, 평판결과가 "못미덥다"인 심사대기중 에지노드에 대하여, 에지에이전트는 이를 직접 블랙네임에 넣으며,
2) 직접 신임치 수정
에지에이전트는 최종신임치를 계산하기 전에 가중평균한 과거직접신임치를 이용하여, 직접신임치에 대한 수정을 해야 하며, 에지에이전트는 에지노드 Ai의
Figure pct00244
와
Figure pct00245
를 가중 총화한 후,
Figure pct00246
번째 신임갱신시 에지노드 Ai수정후의 직접신임치
Figure pct00247
를 얻게 되는데,
Figure pct00248
（10）
그중,
Figure pct00249
는 현재신임과 과거신임이 처지하는 비중을 평가하는데 사용되고,
Figure pct00250
의 정의:
Figure pct00251
（11）
그중, 0<
Figure pct00252
<
Figure pct00253
<1，
Figure pct00254
，
Figure pct00255
으로 규정하고,
Figure pct00256
을 좀 작게 하여, 에지노드가 자신의 신임을 빨리 누적하는 것을 방지하고,
Figure pct00257
를 좀 크게 하여, 에지노드 악의적인 행위에 대한 징벌을 나타내며,
3) 최종신임치 갱신
에지에이전트는 계산식(9)에 근거하여 장려 또는 징벌인자를 산출하고, 심사대기중 에지노드의 최종신임치를 산출하며,
Figure pct00258
번째 신임갱신시 에지노드 Ai 의 최종신임치
Figure pct00259
는
Figure pct00260
（12）
어느 피드백평가가-1일 경우,
Figure pct00261
번째 신임갱신시 에지노드 Ai의 최종 신임치는 0이고, 그렇지 않으면
Figure pct00262
번째 신임갱신시 에지노드 Ai의 최종 신임치는 에지노드 Ai 수정후의 직접신임치에 장려 또는 징벌인자를 가산한 것이며,
4) 신임마크 계산
신임갱신후, 에지에이전트는 심사대기중 에지노드의 최종 신임치를 표2 신임 등급표중의 신임역치(신임 임계치)에 비교하고, 그후 평판결과와 최종 신임치에 근거하여, 에지노드Ai의 신임마크를 산출하는데, 그 규칙은:
(a) 신임치 등급이 "미덥다"인 에지노드에 대해, 에지에이전트는 계산식(13)에 근거하여, 그 신임마크
Figure pct00263
를 산출하고, 계산식 (14)에 근거하여, 신임마크의 유효시간
Figure pct00264
를 산출하며, 그후 그 신임관련 정보를 표6중의 데이터 구조에 근거하여 로컬에 저장하며,
Figure pct00265
번째 신임갱신시 에지노드 Ai의 신임마크의 구체적인 계산식은:
Figure pct00266
（13）
신임마크의 유효시간
Figure pct00267
의 계산식은:
Figure pct00268
（14）
그중,
Figure pct00269
은
Figure pct00270
번째 신임갱신에 수요되는 증거수집 횟수이고, l는 매번 증거수집의 데이터량이며,
Figure pct00271
는 에지노드Ai의 평균계산효율
Figure pct00272
이고,
Figure pct00273
는 현장설비가 데이터를 발송하는 시간간격이고,
Figure pct00274
는 신임갱신의 시간간격이고, 유효시간의 단의는 초이며, 에지노드의 신임마크가 기간이 지나면, 에지에이전트는 이 에지노드를 블랙네임에 넣으며,
(b) 신임등급이 "불확정"인 에지노드에 대해, 그 신임마크는 변하지 않고, 에지에이전트는 그 신임마크를 검사하여, 그 신임마크의 연속 같기 횟수가 3차 미만일 경우, 에지에이전트는 이 에지노드의 운전을 허락하고, 그렇지 않을 경우, 에지에이전트는 그를 블랙네임에 넣고, 따라서, 에지노드는 격리상태에 처하게 되며,
(c) 신임등급이 "못미덥다"인 에지노드에 대해, 에지에이전트는 이를 직접 블랙네임에 넣고, 따라서, 에지노드는 격리상태에 처하게 되며, 에지에이전트는 블랙네임중의 에지노드의 신분정보 및 그 신임마크0을 널리 산포함과 동시에, 안전관리자에게 통보하여 바꾸도록하며, 안전관리자는 격리된 에지노드를 가입대기중 에지노드로 바꾼후 에지에이전트는 초기 신임치 계산단계를 반복하여 가입대기중 에지노드의 초기 신임치를 평가하며,
에지노드 Ai의 신임관련 데이터에는
Figure pct00275
번째 신임갱신 시작시간
Figure pct00276
, 노드 신분마크
Figure pct00277
, 정확성 소속정도 평균치
Figure pct00278
, 온전성 소속정도 평균치
Figure pct00279
, 적시성 소속정도 평균치
Figure pct00280
, 수정후의 직접신임치
Figure pct00281
, 장려 또는 징벌인자
Figure pct00282
, 최종신임치
Figure pct00283
, 신임마크
Figure pct00284
및 유효시간
Figure pct00285
이 포함되며,
에지에이전트는 신임마크를 현장설비에게 발송하고, 현장설비는 에지노드의 신임마크에 근거하여 데이터 발송 여부를 결정하며, 신임마크가 정수인 에지노드에 데?延拷? 발송하고, 신임마크가 0인 에지노드에는 데이터를 발송하지 않으며,
Figure pct00286
시간이 지난후, 에지에이전트는 증거수집, 증거처리 및 신임갱신 단계를 반복하여 집행하고, 이를 순환시키는 신임갱신 S23단계 를 포함하는 네트워크가 운전된 후의 S2단계
를 포함하는 신임평가에 기반하는 에지노드 계산결과의 신뢰성 판별방법.
본 발명은 산업 에지노드로 부터 출력되는 계산결과가 믿음직한 안전 메거니즘이라는 것을 확보하고, 산업 에지노드가 틀린 데이터를 출력하는 것을 방지하고, 악의적인 에제노드에 의한 허위적인 데이터 공격을 막을 수 있어, 산업 클라우드의 입력이 왜곡되지 않은 믿음직한 계산결과라는 것을 보증하고, 현장설비가 악의적이거나 무의미한 소식을 접수하지 않고, 정확한 계산결과를 접수하도록 함으로써, 산업생산의 효율과 안전성을 향상시킬 수 있다.
본 발명의 기타 장점, 목표 및 특징은 어느 정도에서 아래 명세서중에서 설명되고, 어느 정도에서 아래 문장의 연구를 통해, 본 분야의 기술자라면 쉽게 이해할 수 있거나, 본 발명의 실천중에서 계시를 받을 수 있다. 본 발명의 목표와 기타 장점은 아래 명세서를 통해 실현 및 획득할 수 있다.
본 발명의 목적, 기술수단 및 장점을 더욱 뚜렷하게 하기 위하여, 아래 도면에 결합하여 본발명에 대해 바람직한 상세한 설명을 하기로 한다. 그중
도면1은 신임 메커니즘을 가지는 산업 에지노드 계산 프레임이다.
도면2는 신임평가 흐름도이다.
도면3은 신임평가 정의 시간순서도이다.
도면4는 신임평가 프레임과 흐름도이다.
도면5는 초기신임평가시 증거수집의 과정 시간순서도이다.
도면6은 신임갱신시 증거수집의 첫번째 상황의 흐름도이다.
도면7은 신임갱신시 증거수집의 두번째 상황의 흐름도이다.
도면8은
Figure pct00287
번째 신임갱신시 증거수집의 과정 시간순서도이다.
도면9는 슬라이딩 저장창구이다.
아래에 특정된 구체적인 실시예를 통해 본 발명의 실시형태를 설명하게 되는데, 본 분야의 기술자라면 본 명세서에 기재된 내용에 근거하여 쉽게 본 발명의 기타 장점과 효능을 이해할 수 있다. 본 발명은 다른 실시형태를 통해 실시 또는 사용할 수도 있으며, 본 발명중의 각 세부적인 내용들도 각기 다른 관점과 응용을 통해 본 발명의 취지를 벗어나지 않는 조건하에서 수식 또는 변경할 수 있다. 미리 설명하여 두고 싶은 것은 아래 실시예중에 제공되는 도면들은 단지 본 발명의 기본 구상을 살명하기 위한 사시도로서, 충돌이 생기지 않는 한, 아래 실시예 및 실시예중의 특징은 서로 조합하여 사용할 수 있다.
산업 에지계산 환경중에 있어서, 현장설비는 수집된 데이터를 에지측의 에지노드에게 전송하고, 에지노드는 현장설비유래 데이터를 처리하며, 그후 에지노드는 계산결과를 현장설비에게 피드백하거나, 초보적 계산결과를 산업 클라우드 플랫폼에게 발송하여, 더한층 계산한 후, 현장설비에게 피드백한다. 에지노드 계산결과의 정확성과 전송과정중 결과가 위조 또는 왜곡되지 않는 것을 확보하기 위하여, 고장 에지노드 및 악의적인 노드 왜곡, 사칭, 재방송 등 공격을 막기 위하여, 즉 현장설비가 믿음직한 계산결과를 수신하게 하기 위하여, 본서에서는 신임평가 기능을 가지는 에지계산 프레임을 제시하고, 에지노드의 신임평가는 네트워크 에지의 에지에이전트가 완성함으로써, 네트워크 에지에서 신임계산을 처리할 때, 응답시간이 더욱 짧고, 집행효율이 더욱 높으며, 네트워크의 부담이 더욱 작게 된다. 도면1을 참조.
현장설비가 수집한 데이터가 믿음직하고, 현장설비와 에지노드간의 통신이 믿음직하며, 현장설비와 에지에이전트간의 통신이 믿음직하고, 현장설비의 피드백이 성실하다고 가정한다. 신임평가기능을 가지는 산업 에지계산 프레임중에 있어서, 에지노드의 계산결과가 믿음직함을 화보하는 신임평가방법을 제시하고, 이 방법은 에지에이전트가 에지노드에 대한 계산결과에 근거하여 객관적인 분석을 진행하고, 퍼지평가법 및 엔트로피법에 결합하여 에지노드에 대한 신임평가를 진행한다. 에지에이전트는 에지노드의 신임치와 신임역치의 비교를 통해, 어느 에지노드가 계산임무와 메세지 발송을 수행할 것인가를 결정하고, 이로하여 에지노드로 부터 믿음성 없는 데이터 출력을 줄일 수 있다. 이 신임평가 방법중의 신임역치는 안전관리자로 부터 설정되는 에지노드 허용 오류율에 의해 확정된다.
네트워크 운전이 시작된 후, 에진드의 계산결과에 대한 더한층 계산이 수요될 경우, 에지노드, 에지에이전트 및 산업 클라우드간의 인터랙티브 정보가 왜곡되지 않고, 현장설비가 믿음직한 계산결과를 접수하도록 하기 위하여, 본 기술수단에서는 타원곡선 대리서명을 이용하여 믿음직한 에지노드의 초보적 계산결과에 서명을 한후, 산업 클라우드에 발송하여 더한층 처리한 후 다시 현장설비에 피드백한다.
본 기술수단의 신임평가 흐름은 도면2, 도면3과 같다.
본 기술수단은 신임을 에지에이전트가 에지노드 계산결과에 대한 믿음직한 평가로 정의하고, 에지노드의 신임치는 에지노드의 장기적인 행위를 나타내는 정량형식이다. 신임평가에는 증거수집, 증거처리, 초기신임평가, 신임갱신 등 4개의 유닛이 포함된다. 신임평가의 전체적 프레임과 흐름은 도면4와 같다.
증거에는 3개 차원의 정보가 포함되는 바, 첫째로는 에지노드 게산결과를 직접평가하는 3개의 유효요소로서, 에지노드 계산결과의 정확성, 온전성 및 적시성이고, 에지노드의 직접신임치를 계산하는데 사용되며, 둘째로는 과거신임치로서, 에지에이전트는 슬라이딩 창구내의 과거신임치를 가중 평균하여, 직접신임치를 수정하고, 세째로는 현장설비가 에지노드 계산결과에 대한 피드백 평가로서, 에지에이전트는 피드백평가에 근거하여 징벌인자와 장려인자를 얻어, 에지노드의 최종신임치 계산에 사용한다. 신임평가 과정은 네트워크 운전전의 초기신임치의 계산과 네트워크 운전후의 진임치 갱신으로 나뉜다. 신임치 평가중 에지노드는 아래 5가지 상태가 존재한다.
(1) 가입대기: 가입대기중의 에지노드는 신임치가 없고, 이때, 에지노드의 계산은 에지에이전트의 미계산 데이터에 유래한다.
(2) 운전대기: 에지에이전트가 에지노드의 초기신임치를 게산할 때, 에지노드는 운전대기 상태에 처하게 되며, 현장설비가 발송하는 에지노드의 데이터를 기다리게 된다.
(3) 운전: 에지에이전트는 운전대기중의 에지노드 신임마크를 현장설비에게 발송하고, 믿음직한 에지노드 계산은 현장설비의 데이터로부터 유래하며, 이때 에지노드는 운전상태에 처한다.
(4) 심사대기: 네트워크가 일정한 시간동안 운전된 후, 에지에이전트는 현장설비에 신임갱신을 제기한다.
(5) 운전/격리: 에지에이전트는 신임치갱신을 완료시킨 후, 심사대기중의 에지노드에게 신임마크를 분배함과 동시에, 신임마크를 현장설비에게 발송한다. 현장설비는 신임마크가 0보다 큰 에지노드에게 데이터를 발송하고, 이때 에지노드는 운전상태에 처하며, 현장설비는 신임마크가 0인 에지노드에게 데이터를 발송하지 않고, 이때, 에지노드는 에지에이전트에 의해 블랙네임에 넣어지고, 격리상태에 처하게 된다.
1.1 신임평가의 흐름
1.1.1 네트워크가 운전되기 전
가입대기중의 에지노드는 신분정보
Figure pct00288
를 에지에이전트에게 발송하여 등록하고, 안전관리자는 각 에지노드가 산업생산 환경중에서 계산오류의 발생을 허용하는 오류율
Figure pct00289
을 설정하며, 에지에이전트는
Figure pct00290
으로 증거가 몇번째로 수집된 증거
Figure pct00291
인가를 마킹하고,
Figure pct00292
로 신임관련 정보가 몇번째로 계산된 신임치
Figure pct00293
인가를 마킹하며, 초기 신임치 평가시
Figure pct00294
, 신임치 갱신시
Figure pct00295
이며,
Figure pct00296
은 에지에이전트가
Figure pct00297
번째 신임치 계산시 증거를 수집해야 할 총 횟수를 나타내고,
Figure pct00298
는 에지에이전트가
Figure pct00299
번째 신임치를 계산하는 시간을 나타내며, 에지에이전트는 에지노드의 신분을 검증한 후, 에지노드의 초기 신임치 평가를 시작한다.
1. 증거수집
Figure pct00300
일 경우 에지에이전트가 에지노드의 초기 신임치 평가를 시작하고, 에지에이전트가 계산대기중 데이터 집합
Figure pct00301
을 무작위로 생성하고, 인접하는 데이터를 두개 두개씩 계산한 결과 집합
Figure pct00302
을 생성하여, 참조집합으로 하며, 본 방안에서는 초기 신임치 평가에 수요되는 증거수집 횟수
Figure pct00303
을 3으로 하고,
에지에이전트는 계산대기중 집합을 에지노드에게 발송하고, 에지노드는 계산된 계산결과 집합
Figure pct00304
및 계산결과의 해시치 집합
Figure pct00305
을 에지에이전트에게 발송하며,
에지에이전트는 에지노드의 계산결과 집합
Figure pct00306
에 근거하여 그에 대응하는 해시치
Figure pct00307
를 계산하며,
에지에이전트는
Figure pct00308
번째로 계산대기중의 집합을 발송한 시간
Figure pct00309
, 계산완료시간
Figure pct00310
, 에지노드 Ai 계산결과를 접수한 시간
Figure pct00311
를 기록하며， i는 노드 개수
Figure pct00312
이다. 에지에이전트가 초기신임치를 평가할 때, 중거수집과정은 도면5를 참조.
2. 증거처리
에지에이전트는 에지노드 계산결과의 정확성, 온전성, 적시성에 근거하여, 계산결과가 믿음직한가를 평가하고, 이 3개의 파라미터를 에지노드 계산결과의 유효요소로 하며, 이 요소들을 에지노드가 믿음직하다는 증거로 삼아, 이 증거들로 에지노드 계산결과에 대한 객관적인 평가를 진행한다. 이 3개의 데이터 신임증거는 데이터항과 신임자간의 신임관계를 찾아내는 핵심차원이다.
네트워크가 운전되기 전에 에지에이전트는 가입대기중 에지노드 Ai의 피드백결과에 근거하여 에지노드Ai의 정확성, 온전성, 적시성을 산출한다. 에지에이전트는 수집한 데이터를 아래와 같이 처리한다.
(1) 정확성은 정확한 계산결과 개수가 전체 데이터 개수중에 차지하는 비중으로서,
Figure pct00313
번째 증거수집의 정확성 계산식:
Figure pct00314
（1）
그중,
Figure pct00315
는
Figure pct00316
번째 증거수집의 에지에이전트 계산결과 집합
Figure pct00317
과 에지노드 Ai계산결과 집합
Figure pct00318
중의 같은 개수임을 나타내고,
Figure pct00319
는
Figure pct00320
번째로 수집한 증거를 나타내고,
Figure pct00321
는
Figure pct00322
번째 신임계산을 나타내고, l는 매번 증거수집의 데이터량이며,
(2) 온전성은 온전한 데이터가 총 데이터수에 차지하는 비중으로서,
Figure pct00323
번째 증거수집의 온전성 계산식:
Figure pct00324
（2）
그중,
Figure pct00325
는
Figure pct00326
번째 증거수집의 에지에이전트 계산결과의 해시치 집합
Figure pct00327
과 에지노드Ai 계산결과 해시치 집합
Figure pct00328
중의 같은 개수임을 나타내고,
Figure pct00329
는
Figure pct00330
번째로 수집한 증거를 나타내고,
Figure pct00331
는
Figure pct00332
번째 신임계산을 나타내고, l는 매번 증거수집의 데이터량이며,
(3) 적시성은 에지노드 Ai와 에지에이전트의 계산효율차로서,
Figure pct00333
번째 중거수집의 적시성 계산식:
Figure pct00334
（3）
그중,
Figure pct00335
는
Figure pct00336
번째 증거수집시, 에지노드의 계산효율이고,
Figure pct00337
는
Figure pct00338
번째 증거수집시, 에지에이전트의 계산효율이고,
Figure pct00339
는
Figure pct00340
번째 신임계산을 나타낸다.
에지에전트가 초기 신임치를 평가할 때, 에지에이전트는 그가 계산대기중 집합을 발송한 시간
Figure pct00341
, 계산대기중 집합의 계산완료시간
Figure pct00342
, 에지노드 Ai 의 계산결과 접수시간
Figure pct00343
에 근거하여,
Figure pct00344
차 에지노드의 계산효율
Figure pct00345
과 에지에이전트의 게산효율
Figure pct00346
을 산출하고, 계산식(3)에 대입하여,
Figure pct00347
개 에지노드Ai의 적시성을 얻는다.
에지에전트는 초기 신임치를 평가할 때, 계산식 (1), (2), (3)을 이용하여, 3번 수집한 증거를 처리하여, 가입대기중 에지노드Ai의 정확성, 온전성 및 적시성의 값을 각기 3개씩 얻는다. 표 1을 참조.
정확성 온전성 적시성
첫번째
Figure pct00348
Figure pct00349
Figure pct00350
두번째
Figure pct00351
Figure pct00352
Figure pct00353
세번째
Figure pct00354
Figure pct00355
Figure pct00356
에지노드Ai의 신임요소
3. 초기 신임 평가
1) 초기 신임치 계산
직접신임치는 에지노드가 청구임무를 완성하는 능력의 계량화 값으로서, 이는 에지에이전트와 에지노드간의 인터랙티브 과거기록에 기반하는 것이며, 에지에이전트가 에지노드의 초기 신임치를 계산할 때, 에지노드는 운전대기상태에 처하며, 에지에이전트는 운전대기상태에 처한 에지노드의 직접신임요소에 대해 퍼지평가를 진행하는데, 직접신임치 계산단계는 아래와 같다.
(a) 요소확인 집합
Figure pct00357
, 평가 집합
Figure pct00358
, 그중,
Figure pct00359
은 "못미덥다",
Figure pct00360
는 "불확정",
Figure pct00361
은 "미덥다" 이고,
Figure pct00362
、
Figure pct00363
、
Figure pct00364
에 대응하는 소속정도의 크기는
Figure pct00365
일 경우, "못미덥다"으로,
Figure pct00366
일 경우, "불확정"으로,
Figure pct00367
일 경우, "미덥다"으로 규정하며,
Figure pct00368
는 "못미덥다"과 "미덥다"의 역치이고, 에지에이전트의 계산 정확성, 온전성 및 적시성의 소속정도 계산식은 아래와 같다.
①
Figure pct00369
번째 증거수집의 정확성의 소속정도 계산식:
Figure pct00370
②
Figure pct00371
번째 증거수집의 온전성의 소속정도 계산식:
Figure pct00372
③
Figure pct00373
번째 증거수집의 적시성의 소속정도 계산식:
Figure pct00374
그중,
γ=에이전트 CPU 메인 주파수/에지노드 CPU 메인 주파수
(b)
Figure pct00375
번째 신임계산시의 정확성, 온전성 및 적시성에 대응하는 소속정도는
Figure pct00376
의 비중에 속하고, 각기
Figure pct00377
，
Figure pct00378
，
Figure pct00379
이며, 예를 들어
Figure pct00380
,
Figure pct00381
은
Figure pct00382
개 정확성 소속정도중 "못미덥다"소속정도 범위내의 개수이며, 에지에이전트는 평판행렬
Figure pct00383
를 얻으며,
(c)엔트로피법을 이용하여 정확성, 온전성 및 적시성에 대응하는 가중치를 계산하는데, 그 계산 단계는
①정확성, 온전성 및 적시성에 대응하는
Figure pct00384
차 소속정도
Figure pct00385
는 행렬
Figure pct00386
를 구성하고,
②정확성, 온전성 및 적시성에 대응하는 정보 엔트로피:
Figure pct00387
그중,
Figure pct00388
，
Figure pct00389
③정확성, 온전성 및 적시성에 대응하는 가중치:
Figure pct00390
, 어느 요소의 이산정도가 너무 작아 가중치가 0인 경우를 피면하기 위하여, 정확성, 온전성 및 적시성에 대응하는 가중치 범위를 각기
Figure pct00391
、
Figure pct00392
、
Figure pct00393
로 하고,
Figure pct00394
를 만족하도록 하며, 엔트로피법에 의해 얻어지는 가중치가 규정된 범위에 들어 있지 않을 경우, 대응하는 범위의 최대치 또는 최소치를 취하고, 실제 가중치는
Figure pct00395
，
Figure pct00396
이며,
(d)판별결과의 계산
Figure pct00397
은 아래 3가지 상황이 존재한다.
①
Figure pct00398
가 최대치일 경우, 에지노드 Ai는 "못미덥다"이고, 에지에이전트는 정확성, 온전성 및 적시성의 평균 소속정도를 계산하지 않고,
②
Figure pct00399
가 최대치일 경우, 에지노드 Ai는 "불확정"이고, 에지에이전트가 계산한 정확성, 온전성 및 적시성에 대응하는
Figure pct00400
구간내의 소속정도 평균치는
Figure pct00401
이고, 그중 분모는 각 요소의 소속정도가
Figure pct00402
구간내의 개수이고, 분자는 각 요소의 소속정도가
Figure pct00403
구간내의 소속정도의 합이며,
③
Figure pct00404
가 최대치일 경우, 에지노드 Ai는 "미덥다"이고, 에지에이전트가 계산한 정확성, 온전성 및 적시성에 대응하는
Figure pct00405
구간내의 소속정도 평균치는
Figure pct00406
이고, 그중 분모는 각 요소의 소속정도가
Figure pct00407
구간내의 개수이고, 분자는 각 요소의 소속정도가
Figure pct00408
구간내의 소속정도의 합이며,
(e) 에지에이전트는 정확성, 온전성 및 적시성의 평균 소속정도 및 그 가중치에 근거하여, 에지노드 Ai의 직접 신임치
Figure pct00409
를 게산하는데, 계산식은
Figure pct00410
（4）
운전대기중 에지노드는 과거 신임치와 피드백 평가가 없기 때문에, 이때의 초기 직접 신임치는 최종 신임치로 되고, 에지노드 Ai의 운전전 최종신임치는
Figure pct00411
이다.
2) 신임마크의 계산
표 2는 에지노드 신임등급표로서, 신임은 3급으로 나뉘며, 각기 "못미덥다", "불확정", "미덥다" 이다.
신임등급 신임설명 신임치 범위
1 못미덥다 [0,
Figure pct00412
)
2 불확정 [
Figure pct00413
)
3 미덥다 [
Figure pct00414
1]
신임등급표
"못미덥다"의 역치는
Figure pct00415
, "미덥다"의 역치는
Figure pct00416
,
Figure pct00417
를 만족하고,
Figure pct00418
，
Figure pct00419
, 그중
Figure pct00420
은 산업생산환경이 에지노드Ai의 가끔 실수로 인한 계산오류를 허용하는 오류율이고,
Figure pct00421
,
Figure pct00422
、
Figure pct00423
가 크면 클수록 시스템이 계산오류에 대해 민감함을 나타내며, 안전관리자는 산업생산환경이 허용하는 에지노드의 오류율을 설정하고, 에지에이전트는 오류율에 근거하여 대응하는
Figure pct00424
、
Figure pct00425
을 산출한다. 표 3을 참조.
오류율
Figure pct00426
Figure pct00427
Figure pct00428
0 0.80 1.00
10% 0.70 0.90
20% 0.51 0.71
Figure pct00429
,
Figure pct00430
의 값（예）
에지에이전트는 판별결과에 근거하여 운전대기중 에지노드Ai의 신임마크를 산출하는데, 그 규칙은 아래와 같다.
(a) 신임치 등급이 "미덥다"인 에지노드에 대해, 악의적인 노드가 신임을 사취하는 것을 피면하기 위하여, 에지에이전트는 "미덥다"인 에지노드의 신임치를
Figure pct00431
로 바꾸고, 즉 "미덥다"인 에지노드를 "불확정" 에지노드로 낮춘다.
(b) 신임치 등급이 "불확정"인 에지노드에 대해, 에지에이전트는 그에게 초기 신임치의 신임마크
Figure pct00432
을 분배하고, 계산식(5)에 근거하여 초기 신임마크의 유효시간
Figure pct00433
을 산출하고, 초기 신임 관련정보를 표4중의 데이터 구조에 근거하여 로컬에 저장하며,
초기 신임치 신임마크의 유효시간
Figure pct00434
계산식:
Figure pct00435
（5）
그중, i는 온라인 에지노드의 개수이고,
Figure pct00436
는 초기 신임평가시 증거수집 횟수이며,
Figure pct00437
는 애지노드Ai의 평균계산효율로서,
Figure pct00438
, l는 매번 증거수집의 데이터량이며,
Figure pct00439
는 신임갱신의 시간간격이고, 유효시간의 단위는 초이며, 에지노드의 신임마크가 기간이 지나면, 에지에이전트는 이 에지노드를 블랙네임에 넣으며,
시간 노드신분마크 정확성소속정도평균치 온전성소속정도평균치 적시성소속정도평균치 초기신임치 신임마크 유효시간
Figure pct00440
Figure pct00441
Figure pct00442
Figure pct00443
Figure pct00444
Figure pct00445
Figure pct00446
Figure pct00447
에지노드Ai의 초기 신임 관련 데이터
(c) 신임치 등급이 "못미덥다", 즉
Figure pct00448
가 최대인 에지노드에 대해, 평가오류를 피면하기 위하여, 에지에이전트는 상기 증거수집, 증거처리 및 신임평가 단계를 반복하여, 초기신임치 평가를 2번 진행하고, 2번이 모두 "못미덥다"일 경우에는 안전관리자에게 통보하여 바꾸도록 하고, 바꾼후의 가입대기중 에지노드의 초기 신임치를 산출한다.
에지에이전트는 신임마크를 현장설비에게 발송하고, 현장설비는 운전대기중 에지노드의 신임마크를 검사한 후, 신임마크가 0보다 큰 에지노드에게 데이터를 발송하고, 그후 에지노드는 운전상태로 처하게 된다.
1.1.2 네트워크가 운전된 후
1. 증거수집
네트워크 운전
Figure pct00449
시간 후, 에지에이전트는 현장설비에 대해 신임갱신 청구를 제기하고, 에지에이전트는 현장설비에 의해 채집된 데이터, 에지노드의 계산결과 및 그 해시치와 현장설비의 피드백 평가를 수집하고, 에지노드의 응답시간과 과거 직접신임치를 기록하며, 에지에이전트가 신임 갱신을 청구한 후, 에지에이전트의 매번 증거수집은 아래 두가지 상황을 포함한다.
상황1: 에지노드는 계산결과를 직접 현장설비에게 피드백하고, 현장설비는 에지노드의 계산결과 및 그 해시치를 에지에이전트에게 발송하며, 도면6을 참조.
상황2: 에지노드 초보 계산후, 계산결과 및 그 해시치를 에지에이전트에게 발송하고, 에지에이전트는 증거를 수집함과 동시에, 에지노드의 계산결과, 신임마크 및 그 서명을 산업 클라우드에 업로드하고, 산업 클라우드는 에지노드의 신임마크와 검증서명을 검사한 후, 에지노드의 초보적 계산결과를 더 처리하고, 그후 산업 클라우드는 계산결과 및 서명을 에지에이전트에게 발송하고, 에지에이전트는 검증서명을 거쳐, 계산결과를 현장설비에게 발송하며, 도면7을 참조.
에지노드는 상기 2가지 상황하에서 증거를 수집하고,
Figure pct00450
개 증거수집을 1차 증거수집으로 하며, 매번 신임갱신은
Figure pct00451
차의 증거수집이 수요되고, 이때 에지노드는 운전상태에 처하며, 에지에이전트는
Figure pct00452
으로 증거수집 횟수
Figure pct00453
를 기록하며,
Figure pct00454
번째 신임갱신시 에지에이전트는
Figure pct00455
차 증거를 수집한 후, 증거처리와 신임갱신 조작을 진행하고, 매번 신임갱신 시간간격을
Figure pct00456
로 하고,
Figure pct00457
번째 신임갱신에 수요되는 증거수집 횟수
Figure pct00458
의 계산식:
Figure pct00459
（6）
에지에이전트는
Figure pct00460
번째 신임마크에 근거하여
Figure pct00461
번째 신임갱신에 수요되는 증거수집횟수
Figure pct00462
를 산출하고, 신임마크가 작을 경우에는 증거수집 횟수가 적어, 에지에이전트는 에지노드의 신임치를 재빨리 갱신할 수 있으며, 네트워크 운전 초기단계에 증거수집 횟수는 신임횟수가 증가됨에 따라 늘어나고, 신임치를 제때에 갱신하고 신임치의 계산량을 줄이기 위하여, 증거수집 횟수를 한정없이 증가해서는 안되고, 증거수집 횟수
Figure pct00463
의 최대치를
Figure pct00464
로 한다.
1) 직접 신임요소 수집
현장설비는 수집한 데이터
Figure pct00465
를 동시에 에지에이전트와 에지노드Ai에게 발송하고, 현장설비는
Figure pct00466
간격으로 한번씩 데이터 하나를 발송하고, 에지에이전트와 에지노드Ai는 2번째 수집 데이터를 접수한 후, 처리를 시작하며, 에지에이전트가 인접하는 두개의 수집데이터를 처리한 계산결과는
Figure pct00467
이고, 에지노드Ai가 인접하는 두개의 수집데이터를 처리한 계산결과는
Figure pct00468
이며,
Figure pct00469
는 매번 증거수집의 몇번째 증거
Figure pct00470
이고, 매번 증거수집시, 현장설비는
Figure pct00471
개 데이터를 발송해야 하고, 현장설비가 발송한 데이터로 구성되는 집합
Figure pct00472
,
Figure pct00473
일 경우, 에지에이전트는
Figure pct00474
번째 신임갱신을 시작하고, 에지에이전트는 증거를 누계하여
Figure pct00475
번 수집하고,
Figure pct00476
번째로 수집한 l개 데이터의 증거로는 에지에이전트의 계산결과
Figure pct00477
, 에지노드Ai의 계산결과
Figure pct00478
및 그 해시치
Figure pct00479
가 포함되고, 에지에이전트는 에지노드 Ai의 계산결과 집합
Figure pct00480
에 근거하여, 그에 대응하는 해시치
Figure pct00481
를 산출하고, 에지에이전트는
Figure pct00482
번째 증거수집시 현장설비가 첫번째 데이터를 발송하는 시간
Figure pct00483
, 에지에이전트가
Figure pct00484
번째 결과의 계산을 완성하는 시간
Figure pct00485
, 에지노드Ai가 l번째 결과의 계산을 완성하는 시간
Figure pct00486
을 기록하며,
Figure pct00487
번째 신임갱신시 증거수집과정은 도면8을 참조.
2) 과거 직접신임치 수집
신임은 시간의 흐름에 따라 동적으로 변화하기 때문에, 악의적인 행위를 피면하기 위하여, 에지에이전트는 과거 직접신임치로 직접신임치에 대한 수정을 진행하고, 에지에이전트는 창구를 슬라이딩하여 과거 직접신임치를 저장함으로써, 과거 직접신임치가 새로운 직접신임치에 대한 영향을 줄이며, 에지노드 마다 각기 하나의 슬라이딩 저장창구가 설치되고, 창구가 크면 클 수록 저장과 계산의 비용이 많아지고, 작은 슬라이딩 저장창구는 신임계산량을 제한하여, 신임평가 효율을 높일 수 있다.
도면9와 같이, 슬라이딩 창구에는
Figure pct00488
개의 창살이 있어, 청살 마다 과거 직접신임치 하나가 보류되고, 즉
Figure pct00489
번째 신임이 갱신되기전의 직접신임치는 슬라이딩 저장창구중에 저장되며,
Figure pct00490
번째 창살에 저장된 직접신임치는
Figure pct00491
이고, 창살마다 모두 직접신임치가 하나씩 있을 때야 만이 창구는 이동하기 시작하고, 한번에 창살 하나씩 이동되며, 신임갱신후 새로운 직접신임치가 창구에 들어오고, 기간이 지난 직접신임치는 창구로 부터 밀려 나오며,
Figure pct00492
번째 신임이 갱신될 때, 창구내에는
Figure pct00493
번째로 부터
Figure pct00494
번째 까지의 신임이 갱신될 때의 직접신임치가 저장되고,
Figure pct00495
번째 신임이 갱신된 후, 다시
Figure pct00496
번째 직접신임치를 슬라이딩 저장창구중에 저장하고, 에지노드Ai의 신임마크가 0일 경우, 에지노드는 악의 노드로 간주되어, 에지에이전트는 그 슬라이딩 저장창구를 삭제한다.
3) 피드백 평가 수집
에지에이전트는 운전상태가 갱신된 에지노드의 최종 신임치를 현장설비가 에지노드 계산결과에 대한 피드백 평가를 고여해야 하며, 현장설비가 에지노드에 대한 평가 규칙: 안전 사고가 발생했을 경우에는 신임갱신 여부를 불문하고, 현장설비는 모두
Figure pct00497
로 피드백함과 동시에, 에지에이전트는 피드백 평가에 대응하는 에지노드를 블랙네임에 넣고, 그렇지 않으면 계산결과에 대한 평가를 피드백하게 되는데, 악평은
Figure pct00498
로, 호평은
Figure pct00499
로 표시하며,
현장설비는 에지에이전트에게 계산결과에 대한 평가를 피드백하고,
Figure pct00500
번째 심임갱신시 에지에이전트는
Figure pct00501
번 수집하고, 매번 l개의 피드백 평가를 수집하며, 에지에이전트가
Figure pct00502
번째로 수집한 피드백 평가는
Figure pct00503
이며, 그중에는 현장설비가
Figure pct00504
개 에지노드에 대해 직접 현장설비에 피드백하는 계산결과의 평가와 현장설비가
Figure pct00505
개 에지노드로부터 산업 클라우드에 발송하여 처리한 후 다시 현장설비에 피드백하는 계산결과의 평가가 포함되며, 타원곡선 대리서명을 이용하여, 에지노드와 산업 클라우드의 통신의 신뢰성을 보증하고, 현장설비가 접수한 계산결가 에지노드유래인가 산업 클라우드 유래인가를 불문하고, 현장설비 피드백 평가 대상은 모두 에지노드로 된다.
2. 증거처리
1) 직접 신임요소 처리
에지에이전트는
Figure pct00506
번 증거를 수집한 후,
Figure pct00507
번째 신임갱신시, 매번 증거 수집한 에지노드Ai의 정확성, 온전성, 급시성을 각기 계산하며,
(a) 에지에이전트는 계산식(1)에 근거하여, 에지노드Ai의 정확성을 계산하고,
(b) 에지에이전트는 계산식(2)에 근거하여, 에지노드Ai의 온전성을 계산하고,
(c) 에지에이전트는
Figure pct00508
번째 증거수집시 현장설비가 첫번째 데이터를 발송하는 시간
Figure pct00509
, 에지에이전트가 l번째 결과의 계산을 완성하는 시간
Figure pct00510
, 에지노드Ai가 l번째 결과의 계산을 완성하는 시간
Figure pct00511
에 근거하여, 에지노드의 계산효율
Figure pct00512
과 에지에이전트의 계산효율
Figure pct00513
을 산출하고,
Figure pct00514
을 계산식(3)에 대입하여, 에지노드 Ai의 적시성을 산출하며,
에지에이전트가
Figure pct00515
번째 신임갱신을 진행할 때, 계산식(1), (2), (3)을 이용하여, 수집된 직접신임요소를 처리하고, 심사대기중 에지노드 Ai의 정확성, 온전성 및 적시성 값을 각기
Figure pct00516
개씩 얻는다. 표 5를 참조.
정확성 온전성 적시성
첫번째
Figure pct00517
Figure pct00518
Figure pct00519
두번째
Figure pct00520
Figure pct00521
Figure pct00522
Figure pct00523
Figure pct00524
Figure pct00525
Figure pct00526
Figure pct00527
번째
Figure pct00528
Figure pct00529
Figure pct00530
Figure pct00531
Figure pct00532
Figure pct00533
Figure pct00534
Figure pct00535
번째
Figure pct00536
Figure pct00537
Figure pct00538
에지노드 Ai의
Figure pct00539
차 직접 신임요소
2) 과거 신임치 처리
최신신임치의 영향이 과거 신임치 보다 크기 때문에, 각기 다른 시간의 과거 신임치의 가중인자는 시간적요소를 고려해야 하고, 즉 시간이 오래된 신임치일 수록 차지하는 비중이 작아진다. 슬라이딩 저장창구중의
Figure pct00540
번째 창살의 가중치:
Figure pct00541
（7）
그중,
Figure pct00542
는 감쇠 계수이고, 감쇠 계수는 0.3이며, 슬라이딩 저장창구가 미만일 경우,
Figure pct00543
는 실제 과거 직접신임치의 개수를 취하고,
에지에이전트는 슬라이딩 저장창구중의 과거 직접신임치 및 그 가중치에 근거하여,
Figure pct00544
번째 신임치 갱신시 에지노드 Ai의 가중평균 과거 신임치
Figure pct00545
를 산출한다.
Figure pct00546
（8）
3) 피드백 평가처리
피드백 평가가 -1인 에지노드에 대해, 안전관리자는 이를 가입대기중 에지노드로 바꾼 후, 에지에이전트는 초기 신임치 계산단계를 반복하여, 가입대기중 에지노드의 초기 신임치를 평가하며,
에지에이전트는 피드백 평가에 근거하여,
Figure pct00547
번째 신임갱신시 에지노드 Ai의 장려와 징벌 인자를 산출하고, 에지에이전트는
Figure pct00548
번째 증거수집의 호평 총 횟수
Figure pct00549
와 정확한 계산결과의 최저요구 개수와의 차
Figure pct00550
에 근거하여,
Figure pct00551
번째 증거수집에 대응하는 장려인자
Figure pct00552
와 징벌인자
Figure pct00553
를 산출하는데, 그중
Figure pct00554
이며,
Figure pct00555
일 경우,
Figure pct00556
번째 증거수집에 대응하는 장려인자가
Figure pct00557
이고, 징벌인자가
Figure pct00558
이며, 그렇지 않으면, 장려인자가
Figure pct00559
이고, 징벌인자가
Figure pct00560
이며, 장려정도가 작고 징벌정도가 크면 신임치가 느리게 증가되고 빨리 감소되는 특징을 나타내며,
에지에이전트는
Figure pct00561
번째 신임갱신시의 장려와 징벌인자에 근거하여, 최종 장려 또는 징벌인자
Figure pct00562
를 산출하며,
Figure pct00563
（9）
현장설비가 좋다는 피드백은 에드노드Ai의 신임치를 증가시키고, 나쁘다는 피드백은 에드노드Ai의 신임치를 빨리 저하시키며, 현장설비로 부터 안전사고가 피드백될 경우,
Figure pct00564
는 징벌인자로 나타나,
Figure pct00565
이며, 안전사고 피드백이 없을 경우,
Figure pct00566
은 장려를 나타내고,
Figure pct00567
은 징벌을 나타내고,
Figure pct00568
은 장려도 징벌도 나타내지 않는다.
3. 신임갱신
에지에이전트가 직접신임치, 과거신임치 및 피드백평가에 근거하여 에지노드에 대한 신임치를 갱신할 때, 에지노드는 심사대기상태에 처하고, 매번 신임갱신 시간간격은
Figure pct00569
이다.
1) 직접 신임치 계산
에지에이전트는 초기신임 평가시 직접신임치의 계산단계를 반복하고, 계산식(4)를 이용하여
Figure pct00570
번째 신임평가시 평판결과가 "미덥다"와 "불확정"인 심사대기중 에지노드 Ai의 직접신임치
Figure pct00571
를 산출하며, 평판결과가 "못미덥다"인 심사대기중 에지노드에 대하여, 에지에이전트는 이를 직접 블랙네임에 넣는다.
2) 직접 신임치 수정
에지에이전트는 최종신임치를 계산하기 전에 가중평균한 과거직접신임치를 이용하여, 직접신임치에 대한 수정을 해야 하며, 에지에이전트는 에지노드 Ai의
Figure pct00572
와
Figure pct00573
를 가중 총화한 후,
Figure pct00574
번째 신임갱신시 에지노드 Ai수정후의 직접신임치
Figure pct00575
를 얻게 되는데,
Figure pct00576
（10）
그중,
Figure pct00577
는 현재신임과 과거신임이 처지하는 비중을 평가하는데 사용되고,
Figure pct00578
의 정의:
Figure pct00579
（11）
그중, 0<
Figure pct00580
<
Figure pct00581
<1，
Figure pct00582
，
Figure pct00583
으로 규정하고,
Figure pct00584
을 좀 작게 하여, 에지노드가 자신의 신임을 빨리 누적하는 것을 방지하고,
Figure pct00585
를 좀 크게 하여, 에지노드 악의적인 행위에 대한 징벌을 나타낸다.
3) 최종신임치 갱신
에지에이전트는 계산식(9)에 근거하여 장려 또는 징벌인자를 산출하고, 심사대기중 에지노드의 최종신임치를 산출하며,
Figure pct00586
번째 신임갱신시 에지노드 Ai 의 최종신임치
Figure pct00587
의 계산식:
Figure pct00588
（12）
어느 피드백평가가-1일 경우,
Figure pct00589
번째 신임갱신시 에지노드 Ai의 최종 신임치는 0이고, 그렇지 않으면
Figure pct00590
번째 신임갱신시 에지노드 Ai의 최종 신임치는 에지노드 Ai 수정후의 직접신임치에 장려 또는 징벌인자를 가산한 것이다.
4) 신임마크 계산
신임갱신후, 에지에이전트는 심사대기중 에지노드의 최종 신임치를 표2 신임 등급표중의 신임역치(신임 임계치)에 비교하고, 그후 평판결과와 최종 신임치에 근거하여, 에지노드Ai의 신임마크를 산출하는데, 그 규칙은 아래와 같다.
(a) 신임치 등급이 "미덥다"인 에지노드에 대해, 에지에이전트는 계산식(13)에 근거하여, 그 신임마크
Figure pct00591
를 산출하고, 계산식 (14)에 근거하여, 신임마크의 유효시간
Figure pct00592
를 산출하며, 그후 그 신임관련 정보를 표6중의 데이터 구조에 근거하여 로컬에 저장하며,
Figure pct00593
번째 신임갱신시 에지노드 Ai의 신임마크의 구체적인 계산식은:
Figure pct00594
（13）
신임마크의 유효시간
Figure pct00595
의 계산식은:
Figure pct00596
（14）
그중,
Figure pct00597
은
Figure pct00598
번째 신임갱신에 수요되는 증거수집 횟수이고, l는 매번 증거수집의 데이터량이며,
Figure pct00599
는 에지노드Ai의 평균계산효율
Figure pct00600
이고,
Figure pct00601
는 현장설비가 데이터를 발송하는 시간간격이고,
Figure pct00602
는 신임갱신의 시간간격이고, 유효시간의 단의는 초이며, 에지노드의 신임마크가 기간이 지나면, 에지에이전트는 이 에지노드를 블랙네임에 넣는다.
시간 노드신분마크 정확성소속정도평균치 온정성소속정도평균치 적시성소속정도평균치 수정후
직접신임치		 장려와
징벌		 최종
신임치		 신임
마크		 유효
시간
Figure pct00603
Figure pct00604
Figure pct00605
Figure pct00606
Figure pct00607
Figure pct00608
Figure pct00609
Figure pct00610
Figure pct00611
Figure pct00612
표 6 에지노드 Ai의 신임치 관련 데이터
(b) 신임등급이 "불확정"인 에지노드에 대해, 그 신임마크는 변하지 않고, 에지에이전트는 그 신임마크를 검사하여, 그 신임마크의 연속 같기 횟수가 3차 미만일 경우, 에지에이전트는 이 에지노드의 운전을 허락하고, 그렇지 않을 경우, 에지에이전트는 그를 블랙네임에 넣고, 따라서, 에지노드는 격리상태에 처하게 되며,
(c) 신임등급이 "못미덥다"인 에지노드에 대해, 에지에이전트는 이를 직접 블랙네임에 넣고, 따라서, 에지노드는 격리상태에 처하게 되며, 에지에이전트는 블랙네임중의 에지노드의 신분정보 및 그 신임마크0을 널리 산포함과 동시에, 안전관리자에게 통보하여 바꾸도록하며, 안전관리자는 격리된 에지노드를 가입대기중 에지노드로 바꾼후 에지에이전트는 초기 신임치 계산단계를 반복하여 가입대기중 에지노드의 초기 신임치를 평가한다.
에지에이전트는 신임마크를 현장설비에게 발송하고, 현장설비는 에지노드의 신임마크에 근거하여 데이터 발송 여부를 결정하며, 신임마크가 정수인 에지노드에 데이터를 발송하고, 신임마크가 0인 에지노드에는 데이터를 발송하지 않으며,
Figure pct00613
시간이 지난후, 에지에이전트는 증거수집, 증거처리 및 신임갱신 단계를 반복하여 집행하며, 이를 순환시킨다. 도면3을 참조.
1.2 실예
네트워크가 운전되기 전, 본 기술수단의 설정 파라미터는 표 7과 같다.
매번 증거수집의 데이터량l 10
현장설비가 데이터를 발송하는 시간간격
Figure pct00614
 1
에지노드Ai의 평균계산시간
Figure pct00615
 0.01
슬라이딩 저장창구의 창살수
Figure pct00616
 10
신임갱신의 시간간격
Figure pct00617
 10
표 7 파라미터 값
도면1에 있어서, 산업 네트워크중 3개의 가입대기중 에지노드 A1, A2, A3은 각기 에지에이전트에게 자신의 신분정보를 발송하여 등록한다. 안전관리자는 3개의 에지노드가 허용하는 오류율을 각기 10%, 15%, 20%로 설정하고, 에지노드 A1, A2, A3의 신임역치는 표 8과 같다.
노드 오류율 신임설명 신임치범위
A1 10% 못미덥다 [0,0.70)
불확정 [0.70,0.90)
미덥다 [0.90,1]
A2 15% 못미덥다 [0,0.61)
불확정 [0.61,0.81)
미덥다 [0.81,1]
A3 20% 못미덥다 [0,0.51)
불확정 [0.51, 0.71)
미덥다 [0.71,1]
표 8 에지노드 A1, A2, A3의 신임역치표
네트워크가 운전되기 전,
Figure pct00618
일경우. 에지에이전트는 각기 에지노드 A1, A2, A3에게 데이터량이 10인 미계산 데이터를 3번 발송한다. 에지에이전트가 증거를 처리한 후, 에지노드 A1, A2, A3에 대한 평판결과는 표9와 같다. 에지노드 A1, A2, A3의 초기신임치, 신임마크 및 그 유효시간은 표10과 같다.
A1 A2 A3
정확성
소속정도
Figure pct00619
 온전성속정도
Figure pct00620
 적시성
소속정도
Figure pct00621
 정확성
소속정도
Figure pct00622
 온전성소속정도
Figure pct00623
 적시성
소속정도
Figure pct00624
 정확성
소속정도
Figure pct00625
 온전성
소속정도
Figure pct00626
 적시성
소속정도
Figure pct00627
첫번째 1 1 0.91 0.90 1 0.86 0.38 0.52 0.67
두번째 0.90 1 0.91 0.71 0.90 0.63 0.38 0.52 0.55
세번째 1 1 0.86 0.52 1 0.63 0.28 0.71 0.50
평판행렬
Figure pct00628
Figure pct00629
Figure pct00630
Figure pct00631
가중치
Figure pct00632
 0.77 0.01 0.22 0.66 0.03 0.31 0.52 0.20 0.28
평판결과
Figure pct00633
 {0,0.07,0.92} {0.21,0.42,0.35} {0.61,0.31,0.06}
미덥다 불확정 못미덥다
표 9 에지노드 A1, A2, A3의 3번 증거처리 및 평판결과
노드신분마크
Figure pct00634
 정확성
소속정도평균치
Figure pct00635
 온전성
소속정도평균치
Figure pct00636
 적시성
소속정도평균치
Figure pct00637
 초기신임치
Figure pct00638
 신임마크
Figure pct00639
 유효시간
Figure pct00640
Figure pct00641
 0.96 1 0.91 0.94（0.80） 1 55
Figure pct00642
 0.71 0.96 0.63 0.75 1 55
Figure pct00643
 - - - - - -
표 10 에지노드 A1, A2, A3의 초기신임 관련정보
주: 에지에이전트는 A1신임을 불확정으로 낮춘다.
A1의 초기신임치가 0.9를 초과하나, 악의 노드의 신임사취를 피면하기 위하여, 에지에전트는 A1의 초기신임치을 0.8로 바꾸고, 신임치마크
Figure pct00644
를 현장설비에게 발송하며, A2의 신임등급은 "불확정"으로서, 에지에이전트는 그에게 신임마크
Figure pct00645
를 분배하고, 신임마크를 현장설비에게 발송하며, A3의 평판결과는 "못미덥다"로서, 뒤이어 에지에이전트는 증거수집, 증거처리 및 초기신임치 평가 단계를 2번 반복하였으나 , 평판결과가 여전히 "못미덥다"였다. 때문에 A3은 악의 또는 고노드로 판단되어, A3의 신분정보를 널리 산포하고, 그 신임마크를
Figure pct00646
로하여, 안전관리자에게 통보하여 바꾸도록 한다.
에지에이전트는 바꾼후의 가입대기중 에지노드 A3’의 초기신임치를 평가하였는데, 에지노드 A3’의 초기신임치는 0.65로서, 0.51보다 크고, 신임치 등급은 "불확정"이다. 에지에이전트는 그에게 신임마크
Figure pct00647
을 분배하고, 신임마크를 현장설비에게 발송하며, 현장설비는 신임마크를 받은후 에디노드에게 데이터를 발송한다.
네트워크가 10s운전된후. 에지에이전트는 현장설비에 신임갱신을 제기하고, 에지노드 A1, A2, A3’의 증거수집에 수요되는 횟수는 모두 3번으로서, 매번 수집하는 데이터량은 10개이다. ?R번째 신임갱신 10s후, 두번째 신임갱신을 한다. 신임갱신을 2번 진행한 후, 에지노드 A1, A2, A3’의 매번 신임갱신후, 최종신임치는 표 11과 같다.
시간
Figure pct00648
 노드신분마크
Figure pct00649
 증거수집횟수
Figure pct00650
 직접신임치
Figure pct00651

 수정후
직접신임치
Figure pct00652
 징벌 또는
장려
Figure pct00653
 최종신임치
Figure pct00654
 신임마크
Figure pct00655
 유효시간
Figure pct00656

Figure pct00657
Figure pct00658
 3 0.93 0.85 -0.04 0.81 1 192
Figure pct00659
 3 0.90 0.79 0.06 0.85 2 202
Figure pct00660
 3 0.85 0.71 0 0.71 2 202

Figure pct00661
Figure pct00662
 5 0.84 0.84 0.01 0.85 1（0） -
Figure pct00663
 5 0.70 0.73 0.09 0.82 3 333
Figure pct00664
 5 0.88 0.79 0.03 0.82 3 333
표 11 A1, A2, A3’ 갱신후의 최종신임 관련 정보
A1의 신임마크가 연속3번 같았기 때문에, 에지에이전트는 A1을 악의 노드로 간주하여, A1의 신분정보를 널리 산포하고, 그 신임마크를 0으로 하여, 안전관리자에게 통보하여 바꾸도록 한다. 안전괄리자가 A1을 A1’로 바꾼후, 에지에이전트는 그 초기신임치를 평가하고, A1’의 초기신임치를 평가한 후, A2, A3’의 최종신임치를 갱신하는데, 4번째로 갱신될때의 평가결과는 표 12와 같다.
시간
Figure pct00665
 노드신분마크
Figure pct00666
 증거수집횟수
Figure pct00667
 직접신임치
Figure pct00668

 수정후
직접신임치
Figure pct00669
 징벌 또는
장려
Figure pct00670
 최종신임치
Figure pct00671
 신임마크
Figure pct00672
 유효시간
Figure pct00673

Figure pct00674
Figure pct00675
 3 0.96 - - 0.96 1 55
Figure pct00676
 6 0.83 0.78 0.06 0.84 4 404
Figure pct00677
 6 0.81 0.83 -0.04 0.79 4 404

Figure pct00678
Figure pct00679
 3 0.99 0.97 -0.04 0.93 2 202
Figure pct00680
 - - - -1 0 0 -
Figure pct00681
 7 0.91 0.84 0.11 0.95 5 474
표 12 A1, A2, A3’갱신훌의 최종신임 관련 정보
주: A2의 계산결과는 산업생산에 안전사고를 빚어내었다.
네번째 신임갱신기간 현장설비가 A2에 대한 평가가 -1였기 때문에, 에지에이전트는 A2를 악의노드로 간주하고, A2의 신분정보를 널리 산포하고, 그 신임마크를 0으로 하여, 안전관리자에게 총보하여 바꾸도록 한다. 안전괄리자에게 통보하여 바꾸도록 한다. 안전관리자가 A2을 A2’로 바꾼후, 에지에이전트는 그 초기신임치를 평가하고, A2’의 초기신임치를 평가한 후, A1’, A3’의 최종신임치를 갱신하는데, 5번째 신임갱신결과는 표 13과 같다.
시간
Figure pct00682
 노드
신분마크
Figure pct00683
 증거
수집횟수
Figure pct00684
 직접신임치
Figure pct00685

 수정후
직접신임치
Figure pct00686
 징벌 또는
장려
Figure pct00687
 최종신임치
Figure pct00688
 신임마크
Figure pct00689
 유효시간
Figure pct00690

Figure pct00691
Figure pct00692
 3 0.91 - - 0.91 1 55
Figure pct00693
 3 0.96 0.96 0 0.96 2 302
Figure pct00694
 8 0.87 0.85 0.06 0.91 6 545
표 13 5번째 신임갱신후 에지노드A1’, A2’, A3’의 최종신임 관련 정보
신임갱신이 10번째로 진행될 때, 에지에이전트중 슬라이딩 창구에 저장된 A1’의 과거 직접신임치는 표 14와 같다. 5번째 신임갱신후, A1’의 직접신임치는 갱샌되지 않았다.
1 2 3 4 5 6 7 8 9 10
0.96 0.99 0.96
표 14 에지노드A1’의 슬라이딩 저장창구
이때, 에지에이전트중 슬라이딩 창구에 저장된 A2’의 과거 직접신임치는 표15와 같다. 1번째로부터 5번째의 창살에 대응하는 가중치는 각기 0.30, 0.40, 0.54, 0.74, 1.00이고, 가중치의 합은 2.98이다. 에지에이전트가 과거직접신임치의 가중평균치를 구한결과
Figure pct00695
0.88이다.
1 2 3 4 5 6 7 8 9 10
0.91 0.87 0.83 0.89 0.93
표 15 에지노드 A2’의 슬라이딩 저장창구
이때, 에지에이전트중 슬라이딩 창구에 저장된 A3’의 과거 직접신임치는 표16과 같다. 매개 창구에 대응하는 가중치는 각기 0.06, 0.09, 0.12, 0.16, 0.22, 0.30, 0.40, 0.54, 0.74, 1.00이고, 가중치의 합은 3.63이다. 에지에이전트가 과거직접신임치의 가중평균치를 구한결과
Figure pct00696
0.87이다.
1 2 3 4 5 6 7 8 9 10
0.65 0.85 0.88 0.81 0.91 0.87 0.83 0.89 0.93 0.85
표 16 에지노드 A3’의 슬라이딩 저장창구
10번째 신임갱신 결과는 표17과 같다.
시간
Figure pct00697
 에지
신분
마크
Figure pct00698
 증거
수집횟수
Figure pct00699
 직접신임치
Figure pct00700

 수정후
직접신임치
Figure pct00701
 징벌 또는
장려
Figure pct00702
 최종신임치
Figure pct00703
 신임마크
Figure pct00704
 유효시간
Figure pct00705

Figure pct00706
Figure pct00707
 8 0.91 0.88 0.06 0.94 6 545
Figure pct00708
 - - - - 0.96 - 0
Figure pct00709
 9 0.84 0.85 -0.01 0.84 11 655
표 17 에지노드A1’, A2’, A3’의 최종신임 관련 정보
5번째 신임갱신후, 에지노드 A1’의 신임마크는 유효기간이 이미 지났지만, 그 신임치는 여전히 갱신되지 않아, 에지에이전트는 A1’를 악의노드 또는 고장노드로 간주하여, 그를 블랙네임에 넣고, 그 신분정보를 널리 산포하고, 신임마크를 0으로 하여, 안전관리자에게 통보하여 바꾸도록 한다.
상술한 바를 종합하여 볼때, 아래 4가지 상황하에서 에지노드는 악의 또는 고장노드로 간주된다.
(1) 에지노드의 평판결과가 "못미덥다"일 경우,
(2) 에지노드의 연속 3번 신임마크가 같을 경우,
(3) 현장설비가 안전사고를 피드백할 경우,
(4) 에지노드의 신임마크가 기간이 지났을 경우,
마지막으로 설명하고 싶은 것이라면, 상기 실시예들은 본 발명의 기술수단을 설명하기 위한 것이지, 제한하려는 것은 아니다. 앞에서 최량의 실시형태를 예로하여 본 발명에 대해 상세하게 설명하였지만 본 발명의 기술자라면 본 발명 기술수단에 대한 수정 또는 등가 치환이 본 기술수단의 취지와 범위를 벗어나지 않는 한, 모두 본 발명의 특허청구의 범위에 속한다는 것을 이해해야 한다.

Claims (1)

  1. 가입대기중의 에지노드는 신분정보
    Figure pct00710
    를 에지에이전트에게 발송하여 등록하고, 안전관리자는 각 에지노드가 산업생산 환경중에서 계산오류의 발생을 허용하는 오류율
    Figure pct00711
    을 설정하며, 에지에이전트는
    Figure pct00712
    으로 증거가 몇번째로 수집된 증거
    Figure pct00713
    인가를 마킹하고,
    Figure pct00714
    로 신임관련 정보가 몇번째로 계산된 신임치
    Figure pct00715
    인가를 마킹하며, 초기 신임치 평가시
    Figure pct00716
    , 신임치 갱신시
    Figure pct00717
    이며,
    Figure pct00718
    은 에지에이전트가
    Figure pct00719
    번째 신임치 계산시 증거를 수집해야 할 총 횟수를 나타내고,
    Figure pct00720
    는 에지에이전트가
    Figure pct00721
    번째 신임치를 계산하는 시간을 나타내며, 에지에이전트는 에지노드의 신분을 검증한 후, 에지노드의 초기 신임치 평가를 시작하고,
    Figure pct00722
    일 경우 에지에이전트가 에지노드의 초기 신임치 평가를 시작하고, 에지에이전트가 계산대기중 데이터 집합
    Figure pct00723
    을 무작위로 생성하고, 인접하는 데이터를 두개 두개씩 계산한 결과 집합
    Figure pct00724
    을 생성하여, 참조집합으로 하며, 본 방안에서는 초기 신임치 평가에 수요되는 증거수집 횟수
    Figure pct00725
    을 3으로 하고,
    에지에이전트는 계산대기중 집합을 에지노드에게 발송하고, 에지노드는 계산된 계산결과 집합
    Figure pct00726
    및 계산결과의 해시치 집합
    Figure pct00727
    을 에지에이전트에게 발송하며,
    에지에이전트는 에지노드의 계산결과 집합
    Figure pct00728
    에 근거하여 그에 대응하는 해시치
    Figure pct00729
    를 계산하며,
    에지에이전트는 그가
    Figure pct00730
    번째로 계산대기중의 집합을 발송한 시간
    Figure pct00731
    , 계산완료시간
    Figure pct00732
    , 에지노드 Ai 계산결과를 접수한 시간
    Figure pct00733
    를 기록하는 (i는 노드 개수
    Figure pct00734
    。) 증거수집 단계S11 ,
    에지에이전트는 수집된 데이터에 대해
    (1) 정확성은 정확한 계산결과 개수가 전체 데이터 개수중에 차지하는 비중으로서,
    Figure pct00735
    번째 증거수집의 정확성 계산식:
    Figure pct00736
    （1）
    그중,
    Figure pct00737
    는
    Figure pct00738
    번째 증거수집의 에지에이전트 계산결과 집합
    Figure pct00739
    과 에지노드 Ai계산결과 집합
    Figure pct00740
    중의 같은 개수임을 나타내고,
    Figure pct00741
    는
    Figure pct00742
    번째로 수집한 증거를 나타내고,
    Figure pct00743
    는
    Figure pct00744
    번째 신임계산을 나타내고, l는 매번 증거수집의 데이터량이며,
    (2) 온전성은 온전한 데이터가 총 데이터수에 차지하는 비중으로서,
    Figure pct00745
    번째 증거수집의 온전성 계산식:
    Figure pct00746
    （2）
    그중,
    Figure pct00747
    는
    Figure pct00748
    번째 증거수집의 에지에이전트 계산결과의 해시치 집합
    Figure pct00749
    과 에지노드Ai 계산결과 해시치 집합
    Figure pct00750
    중의 같은 개수임을 나타내고,
    Figure pct00751
    는
    Figure pct00752
    번째로 수집한 증거를 나타내고,
    Figure pct00753
    는
    Figure pct00754
    번째 신임계산을 나타내고, l는 매번 증거수집의 데이터량이며,
    (3) 적시성은 에지노드 Ai와 에지에이전트의 계산효율차로서,
    Figure pct00755
    번째 중거수집의 적시성 계산식:
    Figure pct00756
    （3）
    그중,
    Figure pct00757
    는
    Figure pct00758
    번째 증거수집시, 에지노드의 계산효율이고,
    Figure pct00759
    는
    Figure pct00760
    번째 증거수집시, 에지에이전트의 계산효율이고,
    Figure pct00761
    는
    Figure pct00762
    번째 신임계산을 나타내며,
    에지에전트가 초기 신임치를 평가할 때, 에지에이전트는 계산대기중 집합의 발송시간
    Figure pct00763
    , 계산대기중 집합의 계산완료시간
    Figure pct00764
    , 에지노드 Ai 의 계산결과 접수시간
    Figure pct00765
    에 근거하여,
    Figure pct00766
    차 에지노드의 계산효율
    Figure pct00767
    과 에지에이전트의 계산효율
    Figure pct00768
    을 산출하고, 계산식(3)에 대입하여,
    Figure pct00769
    개 에지노드Ai의 적시성을 얻으며,
    에지에전트는 초기 신임치를 평가할 때, 계산식 (1), (2), (3)을 이용하여, 3번 수집한 증거를 처리하여, 가입대기중 에지노드Ai의 정확성, 온전성 및 적시성의 값을 각기 3개씩 얻는 증거처리 단계 S12 , 및
    1) 초기 신임치 계산
    직접신임치는 에지노드가 청구임무를 완성하는 능력의 계량화 값으로서, 이는 에지에이전트와 에지노드간의 인터랙티브 과거기록에 기반하는 것이며, 에지에이전트가 에지노드의 초기 신임치를 계산할 때, 에지노드는 운전대기상태에 처하며, 에지에이전트는 운전대기상태에 처한 에지노드의 직접신임요소에 대해 퍼지평가를 진행하는데, 직접신임치 계산은
    (a) 요소확인 집합
    Figure pct00770
    , 평가 집합
    Figure pct00771
    , 그중,
    Figure pct00772
    은 "못미덥다",
    Figure pct00773
    는 "불확정",
    Figure pct00774
    은 "미덥다" 이고,
    Figure pct00775
    、
    Figure pct00776
    、
    Figure pct00777
    에 대응하는 소속정도의 크기는
    Figure pct00778
    일 경우, "못미덥다"으로,
    Figure pct00779
    일 경우, "불확정"으로,
    Figure pct00780
    일 경우, "미덥다"으로 규정하며,
    Figure pct00781
    는 "못미덥다"과 "미덥다"의 역치이고, 에지에이전트의 계산 정확성, 온전성 및 적시성의 소속정도 계산식은
    ①
    Figure pct00782
    번째 증거수집의 정확성의 소속정도 계산식:
    Figure pct00783

    ②
    Figure pct00784
    번째 증거수집의 온전성의 소속정도 계산식:
    Figure pct00785

    ③
    Figure pct00786
    번째 증거수집의 적시성의 소속정도 계산식:
    Figure pct00787

    그중,
    γ=에이전트 CPU 메인 주파수/에지노드 CPU 메인 주파수
    (b)
    Figure pct00788
    번째 신임계산시의 정확성, 온전성 및 적시성에 대응하는 소속정도는
    Figure pct00789
    의 비중에 속하고, 각기
    Figure pct00790
    ,
    Figure pct00791
    ，
    Figure pct00792
    이며, 예를 들어
    Figure pct00793
    ,
    Figure pct00794
    은
    Figure pct00795
    개 정확성 소속정도중 "못미덥다"소속정도 범위내의 개수이며, 에지에이전트는 평판행렬
    Figure pct00796
    를 얻으며,
    (c)엔트로피법을 이용하여 정확성, 온전성 및 적시성에 대응하는 가중치를 계산하는데, 그 계산 단계는
    ①정확성, 온전성 및 적시성에 대응하는
    Figure pct00797
    차 소속정도
    Figure pct00798
    는 행렬
    Figure pct00799
    를 구성하고,
    ②정확성, 온전성 및 적시성에 대응하는 정보 엔트로피:
    Figure pct00800

    그중,
    Figure pct00801
    ，
    Figure pct00802

    ③정확성, 온전성 및 적시성에 대응하는 가중치:
    Figure pct00803
    , 어느 요소의 이산정도가 너무 작아 가중치가 0인 경우를 피면하기 위하여, 정확성, 온전성 및 적시성에 대응하는 가중치 범위를 각기
    Figure pct00804
    、
    Figure pct00805
    、
    Figure pct00806
    로 하고,
    Figure pct00807
    를 만족하도록 하며, 엔트로피법에 의해 얻어지는 가중치가 규정된 범위에 들어 있지 않을 경우, 대응하는 범위의 최대치 또는 최소치를 취하고, 실제 가중치는
    Figure pct00808
    ，
    Figure pct00809
    이며,
    (d)판별결과의 계산
    Figure pct00810
    은 아래 3가지 상황이 존재하고,
    ①
    Figure pct00811
    가 최대치일 경우, 에지노드 Ai는 "못미덥다"이고, 에지에이전트는 정확성, 온전성 및 적시성의 평균 소속정도를 계산하지 않고,
    ②
    Figure pct00812
    가 최대치일 경우, 에지노드 Ai는 "불확정"이고, 에지에이전트가 계산한 정확성, 온전성 및 적시성에 대응하는
    Figure pct00813
    구간내의 소속정도 평균치는
    Figure pct00814
    이고, 그중 분모는 각 요소의 소속정도가
    Figure pct00815
    구간내의 개수이고, 분자는 각 요소의 소속정도가
    Figure pct00816
    구간내의 소속정도의 합이며,
    ③
    Figure pct00817
    가 최대치일 경우, 에지노드 Ai는 "미덥다"이고, 에지에이전트가 계산한 정확성, 온전성 및 적시성에 대응하는
    Figure pct00818
    구간내의 소속정도 평균치는
    Figure pct00819
    이고, 그중 분모는 각 요소의 소속정도가
    Figure pct00820
    구간내의 개수이고, 분자는 각 요소의 소속정도가
    Figure pct00821
    구간내의 소속정도의 합이며,
    (e) 에지에이전트는 정확성, 온전성 및 적시성의 평균 소속정도 및 그 가중치에 근거하여, 에지노드 Ai의 직접 신임치
    Figure pct00822
    를 게산하는데, 계산식은
    Figure pct00823
    （4）
    운전대기중 에지노드는 과거 신임치와 피드백 평가가 없기 때문에, 이때의 초기 직접 신임치는 최종 신임치로 되고, 에지노드 Ai의 운전전 최종신임치는
    Figure pct00824
    이며,
    2) 신임마크의 계산
    에지노드의 신임은 3급으로 나뉘는데, 각기 "못미덥다", "불확정", "미덥다" 이고,
    "못미덥다"의 역치는
    Figure pct00825
    , "미덥다"의 역치는
    Figure pct00826
    ,
    Figure pct00827
    를 만족하고,
    Figure pct00828
    ，
    Figure pct00829
    , 그중
    Figure pct00830
    은 산업생산환경이 에지노드Ai의 가끔 실수로 인한 계산오류를 허용하는 오류율이고,
    Figure pct00831
    ,
    Figure pct00832
    、
    Figure pct00833
    가 크면 클수록 시스템이 계산오류에 대해 민감함을 나타내며, 안전관리자는 산업생산환경이 허용하는 에지노드의 오류율을 설정하고, 에지에이전트는 오류율에 근거하여 대응하는
    Figure pct00834
    、
    Figure pct00835
    을 산출하며,
    에지에이전트는 판별결과에 근거하여 운전대기중 에지노드Ai의 신임마크를 산출하는데, 그 규칙은:
    (a) 신임치 등급이 "미덥다"인 에지노드에 대해, 악의적인 노드가 신임을 사취하는 것을 피면하기 위하여, 에지에이전트는 "미덥다"인 에지노드의 신임치를
    Figure pct00836
    로 바꾸고, 즉 "미덥다"인 에지노드를 "불확정" 에지노드로 낮추며,
    (b) 신임치 등급이 "불확정"인 에지노드에 대해, 에지에이전트는 그에게 초기 신임치의 신임마크
    Figure pct00837
    을 분배하고, 계산식(5)에 근거하여 초기 신임마크의 유효시간
    Figure pct00838
    을 산출하고, 초기 신임 관련정보를 로컬에 저장하며,
    초기 신임치 신임마크의 유효시간
    Figure pct00839
    계산식:
    Figure pct00840
    （5）
    그중, i는 온라인 에지노드의 개수이고,
    Figure pct00841
    는 초기 신임평가시 증거수집 횟수이며,
    Figure pct00842
    는 애지노드Ai의 평균계산효율로서,
    Figure pct00843
    , l는 매번 증거수집의 데이터량이며,
    Figure pct00844
    는 신임갱신의 시간간격이고, 유효시간의 단위는 초이며, 에지노드의 신임마크가 기간이 지나면, 에지에이전트는 이 에지노드를 블랙네임에 넣으며,
    (c) 신임치 등급이 "못미덥다", 즉
    Figure pct00845
    가 최대인 에지노드에 대해, 평가오류를 피면하기 위하여, 에지에이전트는 상기 증거수집, 증거처리 및 신임평가 단계를 반복하여, 초기신임치 평가를 2번 진행하고, 2번이 모두 "못미덥다"일 경우에는 안전관리자에게 통보하여 바꾸도록 하고, 바꾼후의 가입대기중 에지노드의 초기 신임치를 산출하며,
    에지노드Ai의 초기 신임 관련 데이터에는 초기 신임치 평가 시작시간
    Figure pct00846
    , 노드 신분마크
    Figure pct00847
    , 정확성 소속정도 평균치
    Figure pct00848
    , 온전성 소속정도 평균치
    Figure pct00849
    , 적시성 소속정도 평균치
    Figure pct00850
    , 초기 신임치
    Figure pct00851
    , 신임마크
    Figure pct00852
    및 유효시간
    Figure pct00853
    가 포함되며,
    에지에이전트는 신임마크를 현장설비에게 발송하고, 현장설비는 운전대기중 에지노드의 신임마크를 검사한 후, 신임마크가 0보다 큰 에지노드에게 데이터를 발송하고, 그후 에지노드는 운전상태로 처하게 되는 초기 신임평가 단계 S13 를
    포함하는 네트워크가 운전되기전의 S1 단계 , 및
    네트워크 운전
    Figure pct00854
    시간 후, 에지에이전트는 현장설비에 대해 신임갱신 청구를 제기하고, 에지에이전트는 현장설비에 의해 채집된 데이터, 에지노드의 계산결과 및 그 해시치와 현장설비의 피드백 평가를 수집하고, 에지노드의 응답시간과 과거 직접신임치를 기록하며, 에지에이전트가 신임 갱신을 청구한 후, 에지에이전트의 매번 증거수집은 아래 두가지 상황을 포함:
    상황1: 에지노드는 계산결과를 직접 현장설비에게 피드백하고, 현장설비는 에지노드의 계산결과 및 그 해시치를 에지에이전트에게 발송하며,
    상황2: 에지노드 초보 계산후, 계산결과 및 그 해시치를 에지에이전트에게 발송하고, 에지에이전트는 증거를 수집함과 동시에, 에지노드의 계산결과, 신임마크 및 그 서명을 산업 클라우드에 업로드하고, 산업 클라우드는 에지노드의 신임마크와 검증서명을 검사한 후, 에지노드의 초보적 계산결과를 더 처리하고, 그후 산업 클라우드는 계산결과 및 서명을 에지에이전트에게 발송하고, 에지에이전트는 검증서명을 거쳐, 계산결과를 현장설비에게 발송하며,
    에지노드는 상기 2가지 상황하에서 증거를 수집하고, l개 증거수집을 1차 증거수집으로 하며, 매번 신임갱신은
    Figure pct00855
    차의 증거수집이 수요되고, 이때 에지노드는 운전상태에 처하며, 에지에이전트는
    Figure pct00856
    으로 증거수집 횟수
    Figure pct00857
    를 기록하며,
    Figure pct00858
    번째 신임갱신시 에지에이전트는
    Figure pct00859
    차 증거를 수집한 후, 증거처리와 신임갱신 조작을 진행하고, 매번 신임갱신 시간간격을
    Figure pct00860
    로 하고,
    Figure pct00861
    번째 신임갱신에 수요되는 증거수집 횟수
    Figure pct00862
    의 계산식:
    Figure pct00863
    （6）
    에지에이전트는
    Figure pct00864
    번째 신임마크에 근거하여
    Figure pct00865
    번째 신임갱신에 수요되는 증거수집횟수
    Figure pct00866
    를 산출하고, 신임마크가 작을 경우에는 증거수집 횟수가 적어, 에지에이전트는 에지노드의 신임치를 재빨리 갱신할 수 있으며, 네트워크 운전 초기단계에 증거수집 횟수는 신임횟수가 증가됨에 따라 늘어나고, 신임치를 제때에 갱신하고 신임치의 계산량을 줄이기 위하여, 증거수집 횟수를 한정없이 증가해서는 안되고, 증거수집 횟수
    Figure pct00867
    의 최대치를
    Figure pct00868
    로 하며,
    1) 직접 신임요소 수집
    현장설비는 수집한 데이터
    Figure pct00869
    를 동시에 에지에이전트와 에지노드Ai에게 발송하고, 현장설비는
    Figure pct00870
    간격으로 한번씩 데이터 하나를 발송하고, 에지에이전트와 에지노드Ai는 2번째 수집 데이터를 접수한 후, 처리를 시작하며, 에지에이전트가 인접하는 두개의 수집데이터를 처리한 계산결과는
    Figure pct00871
    이고, 에지노드Ai가 인접하는 두개의 수집데이터를 처리한 계산결과는
    Figure pct00872
    이며,
    Figure pct00873
    는 매번 증거수집의 몇번째 증거
    Figure pct00874
    이고, 매번 증거수집시, 현장설비는
    Figure pct00875
    개 데이터를 발송해야 하고, 현장설비가 발송한 데이터로 구성되는 집합
    Figure pct00876
    ,
    Figure pct00877
    일 경우, 에지에이전트는
    Figure pct00878
    번째 신임갱신을 시작하고, 에지에이전트는 증거를 누계하여
    Figure pct00879
    번 수집하고,
    Figure pct00880
    번째로 수집한 l개 데이터의 증거로는 에지에이전트의 계산결과
    Figure pct00881
    , 에지노드Ai의 계산결과
    Figure pct00882
    및 그 해시치
    Figure pct00883
    가 포함되고, 에지에이전트는 에지노드 Ai의 계산결과 집합
    Figure pct00884
    에 근거하여, 그에 대응하는 해시치
    Figure pct00885
    를 산출하고, 에지에이전트는
    Figure pct00886
    번째 증거수집시 현장설비가 첫번째 데이터를 발송하는 시간
    Figure pct00887
    , 에지에이전트가 l번째 결과의 계산을 완성하는 시간
    Figure pct00888
    , 에지노드Ai가 l번째 결과의 계산을 완성하는 시간
    Figure pct00889
    을 기록하며,
    2) 과거 직접신임치 수집
    신임은 시간의 흐름에 따라 동적으로 변화하기 때문에, 악의적인 행위를 피면하기 위하여, 에지에이전트는 과거 직접신임치로 직접신임치에 대한 수정을 진행하고, 에지에이전트는 창구를 슬라이딩하여 과거 직접신임치를 저장함으로써, 과거 직접신임치가 새로운 직접신임치에 대한 영향을 줄이며, 에지노드 마다 각기 하나의 슬라이딩 저장창구가 설치되고, 창구가 크면 클 수록 저장과 계산의 비용이 많아지고, 작은 슬라이딩 저장창구는 신임계산량을 제한하여, 신임평가 효율을 높일 수 있으며,
    슬라이딩 창구에는
    Figure pct00890
    개의 창살이 있어, 청살 마다 과거 직접신임치 하나가 보류되고, 즉
    Figure pct00891
    번째 신임이 갱신되기전의 직접신임치는 슬라이딩 저장창구중에 저장되며,
    Figure pct00892
    번째 창살에 저장된 직접신임치는
    Figure pct00893
    이고, 창살마다 모두 직접신임치가 하나씩 있을 때야 만이 창구는 이동하기 시작하고, 한번에 창살 하나씩 이동되며, 신임갱신후 새로운 직접신임치가 창구에 들어오고, 기간이 지난 직접신임치는 창구로 부터 밀려 나오며,
    Figure pct00894
    번째 신임이 갱신될 때, 창구내에는
    Figure pct00895
    번째로 부터
    Figure pct00896
    번째 까지의 신임이 갱신될 때의 직접신임치가 저장되고,
    Figure pct00897
    번째 신임이 갱신된 후, 다시
    Figure pct00898
    번째 직접신임치를 슬라이딩 저장창구중에 저장하고, 에지노드Ai의 신임마크가 0일 경우, 에지노드는 악의 노드로 간주되어, 에지에이전트는 그 슬라이딩 저장창구를 삭제하며,
    3) 피드백 평가 수집
    에지에이전트는 운전상태가 갱신된 에지노드의 최종 신임치를 현장설비가 에지노드 계산결과에 대한 피드백 평가를 고여해야 하며, 현장설비가 에지노드에 대한 평가 규칙: 안전 사고가 발생했을 경우에는 신임갱신 여부를 불문하고, 현장설비는 모두
    Figure pct00899
    로 피드백함과 동시에, 에지에이전트는 피드백 평가에 대응하는 에지노드를 블랙네임에 넣고, 그렇지 않으면 계산결과에 대한 평가를 피드백하게 되는데, 악평은
    Figure pct00900
    로, 호평은
    Figure pct00901
    로 표시하며,
    현장설비는 에지에이전트에게 계산결과에 대한 평가를 피드백하고,
    Figure pct00902
    번째 심임갱신시 에지에이전트는
    Figure pct00903
    번 수집하고, 매번 l개의 피드백 평가를 수집하며, 에지에이전트가
    Figure pct00904
    번째로 수집한 피드백 평가는
    Figure pct00905
    이며, 그중에는 현장설비가
    Figure pct00906
    개 에지노드에 대해 직접 현장설비에 피드백하는 계산결과의 평가와 현장설비가
    Figure pct00907
    개 에지노드로부터 산업 클라우드에 발송하여 처리한 후 다시 현장설비에 피드백하는 계산결과의 평가가 포함되며, 타원곡선 대리서명을 이용하여, 에지노드와 산업 클라우드의 통신의 신뢰성을 보증하고, 현장설비가 접수한 계산결가 에지노드유래인가 산업 클라우드 유래인가를 불문하고, 현장설비 피드백 평가 대상은 모두 에지노드로 되는 증거수집 S21단계 ,
    1) 직접 신임요소 처리
    에지에이전트는
    Figure pct00908
    번 증거를 수집한 후,
    Figure pct00909
    번째 신임갱신시, 매번 증거 수집한 에지노드Ai의 정확성, 온전성, 급시성을 각기 계산하며,
    (a) 에지에이전트는 계산식(1)에 근거하여, 에지노드Ai의 정확성을 계산하고,
    (b) 에지에이전트는 계산식(2)에 근거하여, 에지노드Ai의 온전성을 계산하고,
    (c) 에지에이전트는
    Figure pct00910
    번째 증거수집시 현장설비가 첫번째 데이터를 발송하는 시간
    Figure pct00911
    , 에지에이전트가 l번째 결과의 계산을 완성하는 시간
    Figure pct00912
    , 에지노드Ai가 l번째 결과의 계산을 완성하는 시간
    Figure pct00913
    에 근거하여, 에지노드의 계산효율
    Figure pct00914
    과 에지에이전트의 계산효율
    Figure pct00915
    을 산출하고,
    Figure pct00916
    을 계산식(3)에 대입하여, 에지노드 Ai의 적시성을 산출하며,
    에지에이전트가
    Figure pct00917
    번째 신임갱신을 진행할 때, 계산식(1), (2), (3)을 이용하여, 수집된 직접신임요소를 처리하고, 심사대기중 에지노드 Ai의 정확성, 온전성 및 적시성 값을 각기
    Figure pct00918
    개씩 얻으며,
    2) 과거 신임치 처리
    각기 다른 시간의 과거 신임치의 가중인자는 시간적요소를 고려해야 하고, 즉 시간이 오래된 신임치일 수록 차지하는 비중이 작아져, 슬라이딩 저장창구중의
    Figure pct00919
    번째 창살의 가중치:
    Figure pct00920
    （7）
    그중,
    Figure pct00921
    는 감쇠 계수이고, 감쇠 계수는 0.3이며, 슬라이딩 저장창구가 미만일 경우,
    Figure pct00922
    는 실제 과거 직접신임치의 개수를 취하고,
    에지에이전트는 슬라이딩 저장창구중의 과거 직접신임치 및 그 가중치에 근거하여,
    Figure pct00923
    번째 신임치 갱신시 에지노드 Ai의 가중평균 과거 신임치
    Figure pct00924
    를 산출하며,
    Figure pct00925
    （8）
    3) 피드백 평가처리
    피드백 평가가 -1인 에지노드에 대해, 안전관리자는 이를 가입대기중 에지노드로 바꾼 후, 에지에이전트는 초기 신임치 계산단계를 반복하여, 가입대기중 에지노드의 초기 신임치를 평가하며,
    에지에이전트는 피드백 평가에 근거하여,
    Figure pct00926
    번째 신임갱신시 에지노드 Ai의 장려와 징벌 인자를 산출하고, 에지에이전트는
    Figure pct00927
    번째 증거수집의 호평 총 횟수
    Figure pct00928
    와 정확한 계산결과의 최저요구 개수와의 차
    Figure pct00929
    에 근거하여,
    Figure pct00930
    번째 증거수집에 대응하는 장려인자
    Figure pct00931
    와 징벌인자
    Figure pct00932
    를 산출하는데, 그중
    Figure pct00933
    이며,
    Figure pct00934
    일 경우,
    Figure pct00935
    번째 증거수집에 대응하는 장려인자가
    Figure pct00936
    이고, 징벌인자가
    Figure pct00937
    이며, 그렇지 않으면, 장려인자가
    Figure pct00938
    이고, 징벌인자가
    Figure pct00939
    이며, 장려정도가 작고 징벌정도가 크면 신임치가 느리게 증가되고 빨리 감소되는 특징을 나타내며,
    에지에이전트는
    Figure pct00940
    번째 신임갱신시의 장려와 징벌인자에 근거하여, 최종 장려 또는 징벌인자
    Figure pct00941
    를 산출하며,
    Figure pct00942
    （9）
    현장설비가 좋다는 피드백은 에드노드Ai의 신임치를 증가시키고, 나쁘다는 피드백은 에드노드Ai의 신임치를 빨리 저하시키며, 현장설비로 부터 안전사고가 피드백될 경우,
    Figure pct00943
    는 징벌인자로 나타나,
    Figure pct00944
    이며, 안전사고 피드백이 없을 경우,
    Figure pct00945
    은 장려를 나타내고,
    Figure pct00946
    은 징벌을 나타내고,
    Figure pct00947
    은 장려도 징벌도 나타내지 않는 증거처리 S22단계, 및
    에지에이전트가 직접신임치, 과거신임치 및 피드백평가에 근거하여 에지노드에 대한 신임치를 갱신할 때, 에지노드는 심사대기상태에 처하고, 매번 신임갱신 시간간격은
    Figure pct00948
    이며,
    1) 직접 신임치 계산
    에지에이전트는 초기신임 평가시 직접신임치의 계산단계를 반복하고, 계산식(4)를 이용하여
    Figure pct00949
    번째 신임평가시 평판결과가 "미덥다"와 "불확정"인 심사대기중 에지노드 Ai의 직접신임치
    Figure pct00950
    를 산출하며, 평판결과가 "못미덥다"인 심사대기중 에지노드에 대하여, 에지에이전트는 이를 직접 블랙네임에 넣으며,
    2) 직접 신임치 수정
    에지에이전트는 최종신임치를 계산하기 전에 가중평균한 과거직접신임치를 이용하여, 직접신임치에 대한 수정을 해야 하며, 에지에이전트는 에지노드 Ai의
    Figure pct00951
    와
    Figure pct00952
    를 가중 총화한 후,
    Figure pct00953
    번째 신임갱신시 에지노드 Ai수정후의 직접신임치
    Figure pct00954
    를 얻게 되는데,
    Figure pct00955
    （10）
    그중,
    Figure pct00956
    는 현재신임과 과거신임이 처지하는 비중을 평가하는데 사용되고,
    Figure pct00957
    의 정의:
    Figure pct00958
    （11）
    그중, 0<
    Figure pct00959
    <
    Figure pct00960
    <1，
    Figure pct00961
    ，
    Figure pct00962
    으로 규정하고,
    Figure pct00963
    을 좀 작게 하여, 에지노드가 자신의 신임을 빨리 누적하는 것을 방지하고,
    Figure pct00964
    를 좀 크게 하여, 에지노드 악의적인 행위에 대한 징벌을 나타내며,
    3) 최종신임치 갱신
    에지에이전트는 계산식(9)에 근거하여 장려 또는 징벌인자를 산출하고, 심사대기중 에지노드의 최종신임치를 산출하며,
    Figure pct00965
    번째 신임갱신시 에지노드 Ai 의 최종신임치
    Figure pct00966
    는
    Figure pct00967
    （12）
    어느 피드백평가가-1일 경우,
    Figure pct00968
    번째 신임갱신시 에지노드 Ai의 최종 신임치는 0이고, 그렇지 않으면
    Figure pct00969
    번째 신임갱신시 에지노드 Ai의 최종 신임치는 에지노드 Ai 수정후의 직접신임치에 장려 또는 징벌인자를 가산한 것이며,
    4) 신임마크 계산
    신임갱신후, 에지에이전트는 심사대기중 에지노드의 최종 신임치를 표2 신임 등급표중의 신임역치(신임 임계치)에 비교하고, 그후 평판결과와 최종 신임치에 근거하여, 에지노드Ai의 신임마크를 산출하는데, 그 규칙은:
    (a) 신임치 등급이 "미덥다"인 에지노드에 대해, 에지에이전트는 계산식(13)에 근거하여, 그 신임마크
    Figure pct00970
    를 산출하고, 계산식 (14)에 근거하여, 신임마크의 유효시간
    Figure pct00971
    를 산출하며, 그후 그 신임관련 정보를 표 6중의 데이터 구조에 근거하여 로컬에 저장하며,
    Figure pct00972
    번째 신임갱신시 에지노드 Ai의 신임마크의 구체적인 계산식은:
    Figure pct00973
    （13）
    신임마크의 유효시간
    Figure pct00974
    의 계산식은:
    Figure pct00975
    14）
    그중,
    Figure pct00976
    은
    Figure pct00977
    번째 신임갱신에 수요되는 증거수집 횟수이고, l는 매번 증거수집의 데이터량이며,
    Figure pct00978
    는 에지노드Ai의 평균계산효율
    Figure pct00979
    이고,
    Figure pct00980
    는 현장설비가 데이터를 발송하는 시간간격이고,
    Figure pct00981
    는 신임갱신의 시간간격이고, 유효시간의 단의는 초이며, 에지노드의 신임마크가 기간이 지나면, 에지에이전트는 이 에지노드를 블랙네임에 넣으며,
    (b) 신임등급이 "불확정"인 에지노드에 대해, 그 신임마크는 변하지 않고, 에지에이전트는 그 신임마크를 검사하여, 그 신임마크의 연속 같기 횟수가 3차 미만일 경우, 에지에이전트는 이 에지노드의 운전을 허락하고, 그렇지 않을 경우, 에지에이전트는 그를 블랙네임에 넣고, 따라서, 에지노드는 격리상태에 처하게 되며,
    (c) 신임등급이 "못미덥다"인 에지노드에 대해, 에지에이전트는 이를 직접 블랙네임에 넣고, 따라서, 에지노드는 격리상태에 처하게 되며, 에지에이전트는 블랙네임중의 에지노드의 신분정보 및 그 신임마크0을 널리 산포함과 동시에, 안전관리자에게 통보하여 바꾸도록하며, 안전관리자는 격리된 에지노드를 가입대기중 에지노드로 바꾼후 에지에이전트는 초기 신임치 계산단계를 반복하여 가입대기중 에지노드의 초기 신임치를 평가하며,
    에지노드 Ai의 신임관련 데이터에는
    Figure pct00982
    번째 신임갱신 시작시간
    Figure pct00983
    , 노드 신분마크
    Figure pct00984
    , 정확성 소속정도 평균치
    Figure pct00985
    , 온전성 소속정도 평균치
    Figure pct00986
    , 적시성 소속정도 평균치
    Figure pct00987
    , 수정후의 직접신임치
    Figure pct00988
    , 장려 또는 징벌인자
    Figure pct00989
    , 최종신임치
    Figure pct00990
    , 신임마크
    Figure pct00991
    및 유효시간
    Figure pct00992
    이 포함되며,
    에지에이전트는 신임마크를 현장설비에게 발송하고, 현장설비는 에지노드의 신임마크에 근거하여 데이터 발송 여부를 결정하며, 신임마크가 정수인 에지노드에 데?延拷? 발송하고, 신임마크가 0인 에지노드에는 데이터를 발송하지 않으며,
    Figure pct00993
    시간이 지난후, 에지에이전트는 증거수집, 증거처리 및 신임갱신 단계를 반복하여 집행하고, 이를 순환시키는 신임갱신 S23단계 를 포함하는 네트워크가 운전된 후의 S2단계
    를 포함하는 것을 특징으로 하는 신임평가에 기반하는 에지노드 계산결과의 신뢰성 판별방법.
KR1020217040188A 2020-05-28 2020-07-15 신임평가에 기반하는 에지노드 계산결과의 신뢰성 판별방법 KR102593836B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN202010469593.1A CN111641637B (zh) 2020-05-28 2020-05-28 一种基于信任评估的边缘节点计算结果可信判别方法
CN202010469593.1 2020-05-28
PCT/CN2020/102198 WO2021237898A1 (zh) 2020-05-28 2020-07-15 一种基于信任评估的边缘节点计算结果可信判别方法

Publications (2)

Publication Number Publication Date
KR20220016862A true KR20220016862A (ko) 2022-02-10
KR102593836B1 KR102593836B1 (ko) 2023-10-25

Family

ID=72332205

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020217040188A KR102593836B1 (ko) 2020-05-28 2020-07-15 신임평가에 기반하는 에지노드 계산결과의 신뢰성 판별방법

Country Status (4)

Country Link
US (1) US11956372B2 (ko)
KR (1) KR102593836B1 (ko)
CN (1) CN111641637B (ko)
WO (1) WO2021237898A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220207017A1 (en) * 2020-12-31 2022-06-30 EMC IP Holding Company LLC Method, device, and computer program for storing index values of monitored objects

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112631777B (zh) * 2020-12-26 2023-12-15 扬州大学 基于区块链和边缘计算的搜索和资源分配方法
CN114553458A (zh) * 2021-12-16 2022-05-27 国网河北省电力有限公司信息通信分公司 一种电力物联网环境下的可信群体的构建与动态维护方法
CN116781518B (zh) * 2023-08-23 2023-10-24 北京光函数科技有限公司 一种联邦多臂老虎机学习方法及系统
CN118432956B (zh) * 2024-07-05 2024-09-10 国网浙江省电力有限公司杭州供电公司 一种电力终端综合访问控制方法、系统、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170127339A (ko) * 2016-05-10 2017-11-21 한국과학기술원 IoT 환경에서의 신뢰도 분석 방법 및 시스템
CN109408734A (zh) * 2018-09-28 2019-03-01 嘉兴学院 一种融合信息熵相似度与动态信任的协同过滤推荐方法
US20190141536A1 (en) * 2018-12-28 2019-05-09 Alexander Bachmutsky Multi-domain trust establishment in edge cloud architectures
EP3522056A1 (en) * 2018-02-06 2019-08-07 Nokia Technologies Oy Distributed computing system for anonymized computation

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7284042B2 (en) * 2001-08-14 2007-10-16 Endforce, Inc. Device plug-in system for configuring network device over a public network
CN101835158B (zh) * 2010-04-12 2013-10-23 北京航空航天大学 基于节点行为与d-s证据理论的传感器网络信任评估方法
CN102333307B (zh) * 2011-09-28 2013-01-09 北京航空航天大学 一种基于主观信念的无线传感器网络信任评估方法
US20130097056A1 (en) * 2011-10-13 2013-04-18 Xerox Corporation Methods and systems for recommending services based on an electronic social media trust model
CN105940421B (zh) * 2013-08-12 2020-09-01 菲利普莫里斯生产公司 用于生物网络的人群验证的系统和方法
US20170048308A1 (en) * 2015-08-13 2017-02-16 Saad Bin Qaisar System and Apparatus for Network Conscious Edge to Cloud Sensing, Analytics, Actuation and Virtualization
US10904082B1 (en) * 2015-09-09 2021-01-26 Amazon Technologies, Inc. Velocity prediction for network devices
US10326766B2 (en) * 2017-07-13 2019-06-18 Dell Products, Lp Method and apparatus for optimizing mobile edge computing for nomadic computing capabilities as a service
JP6499729B2 (ja) * 2017-07-19 2019-04-10 ファナック株式会社 アプリケーション販売管理サーバシステム
CN109474463B (zh) * 2018-11-05 2022-02-15 广东工业大学 IoT边缘设备信任评估方法、装置、系统及代理服务器
US10798157B2 (en) * 2018-12-28 2020-10-06 Intel Corporation Technologies for transparent function as a service arbitration for edge systems
CN109918894B (zh) * 2019-03-01 2020-11-27 中南大学 边缘计算网络视频处理中基于声誉的信任评估方法
CN109951333A (zh) * 2019-03-19 2019-06-28 中南大学 边缘计算网络视频处理中基于主观逻辑的信任评估装置
CN110399728B (zh) * 2019-07-09 2021-05-28 北京邮电大学 一种边缘计算节点信任评估方法、装置、设备及存储介质
CN110536303B (zh) * 2019-08-01 2022-12-06 华侨大学 一种基于边缘移动节点的传感云信任评估方法和系统
US11785482B1 (en) * 2019-11-26 2023-10-10 ZaiNar, Inc. Method for identifying and diagnosing failures in pairwise time synchronization and frequency calibration in a mesh network
US11888858B2 (en) * 2020-04-17 2024-01-30 Intel Corporation Calculus for trust in edge computing and named function networks
WO2022108427A1 (ko) * 2020-11-20 2022-05-27 한국과학기술원 5g 기반 iot 환경을 위한 지능형 트러스트 인에이블러 시스템
US11722472B2 (en) * 2020-12-31 2023-08-08 EMC IP Holding Company LLC Method for protecting edge device trust score
US11640329B2 (en) * 2021-04-01 2023-05-02 Bmc Software, Inc. Using an event graph schema for root cause identification and event classification in system monitoring

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170127339A (ko) * 2016-05-10 2017-11-21 한국과학기술원 IoT 환경에서의 신뢰도 분석 방법 및 시스템
EP3522056A1 (en) * 2018-02-06 2019-08-07 Nokia Technologies Oy Distributed computing system for anonymized computation
CN109408734A (zh) * 2018-09-28 2019-03-01 嘉兴学院 一种融合信息熵相似度与动态信任的协同过滤推荐方法
US20190141536A1 (en) * 2018-12-28 2019-05-09 Alexander Bachmutsky Multi-domain trust establishment in edge cloud architectures

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220207017A1 (en) * 2020-12-31 2022-06-30 EMC IP Holding Company LLC Method, device, and computer program for storing index values of monitored objects
US11586610B2 (en) * 2020-12-31 2023-02-21 EMC IP Holding Company LLC Method, device, and computer program for storing index values of monitored objects

Also Published As

Publication number Publication date
KR102593836B1 (ko) 2023-10-25
CN111641637A (zh) 2020-09-08
WO2021237898A1 (zh) 2021-12-02
US20220321355A1 (en) 2022-10-06
US11956372B2 (en) 2024-04-09
CN111641637B (zh) 2021-05-11

Similar Documents

Publication Publication Date Title
KR20220016862A (ko) 신임평가에 기반하는 에지노드 계산결과의 신뢰성 판별방법
Dedeoglu et al. A trust architecture for blockchain in IoT
WO2009077193A2 (en) Systems and methods for detecting click fraud
CN111127005A (zh) 区块链的交易背书方法、电子设备和存储介质
US11127082B1 (en) Virtual assistant for recommendations on whether to arbitrate claims
CN112929845A (zh) 一种基于区块链的车联网节点信任评估方法及系统
CN101466098A (zh) 网络信任度评估方法、装置和通信系统
CN101692676B (zh) 一种开放环境下的混合信任管理系统及其信任评估方法
CN111046037A (zh) 区块链的交易处理方法、电子设备和存储介质
Islam et al. A light-weight blockchain architecture for v2v knowledge sharing at vehicular edges
CN103973679B (zh) 一种基于安全等级的传感网安全测评系统
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
Wang et al. Interaction trust evaluation in decentralized environments
Deno et al. Probabilistic trust management in pervasive computing
CN114553458A (zh) 一种电力物联网环境下的可信群体的构建与动态维护方法
CN105049354A (zh) 一种基于ospf的可信路由方法
WO2012174829A1 (zh) 短消息处理方法及装置
CN117041981A (zh) 一种基于信任值评估的无线传感网络异常检测方法
CN110995828A (zh) 一种网络资源缓存方法、装置及系统
CN106411707B (zh) 社交网络中基于辅助决策的双尺度信任感知方法
Zhang et al. Protecting sensitive attributes in attribute based access control
Samian et al. Trust-based scheme for cheating and collusion detection in wireless multihop networks
CN107342975B (zh) 不可信云环境下基于域划分的信任计算方法
CN112543420B (zh) 任务处理方法、装置及服务器
Wang et al. A P2P trust model based on multi-dimensional trust evaluation

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right