推荐星级：

物联网节点动态信任度评估方法

更新时间：2019-12-21 12:27:47 大小：1M 上传用户：xiaohei1810 查看TA发布的资源 标签：物联网 下载积分：1分评价赚积分（如何评价?）打赏收藏评论(0) 举报

资料介绍

针对现有物联网(IoT)信任度评估方法未考虑信任的时效性、非入侵因素对直接信任度评估的影响以及缺乏对推荐节点可靠度的评估,造成信任评估准确度低且不能有效应对节点恶意行为的不足,提出一种IoT节点动态信任度评估方法(IDTEM).首先,设计节点服务质量持续因子评估节点行为,并采用动态信任衰减因子表达信任的时效性,改进基于贝叶斯的直接信任度评估方法;其次,从推荐节点价值、评价离散度与节点自身的信任度值三个方面评估推荐节点可靠度,并据此优化推荐信任度权重计算方法;同时,设计推荐信任反馈机制,通过服务提供节点完成服务后的实际信任度与推荐信任度的反馈误差实现对协同恶意推荐节点的惩罚;最后,基于熵计算节点自适应权重,得到节点综合信任度值.实验结果表明,同基于贝叶斯理论的面向无线传感器网络的信誉信任评估框架(RFSN)模型及基于节点行为的物联网信任度评估方法(BITEM)相比,IDTEM可较好地识别恶意服务和抑制恶意推荐行为,且具有较低的传输能耗.

部分文件列表

文件名	大小
物联网节点动态信任度评估方法.pdf	1M

立即下载

【关注视频号领20积分】【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）

2019．．09．．10

ISSN 1001．908l

Journal

Computer Applications

CODEN JYIIDU

http：／／www．joca．cn

算机用，2019，39(9)：2597— 2603

DOI：10．1

1772／j．issn．1001· 9081．2019020315

文章号：1001· 9081(2019)09-2597-07

物网点

信任度估方法

霞，魏瑞圻

(中国民航大学算机科学与技学院，天津300300)

(★通信作者子箱lxxie@126．com)

摘要：

缺乏推荐点可靠度的估，造成信任估准确度低且不能有效

信任度估方法(IDTEM)。首先，点服量持因子

效性。改基于叶斯的直接信任度估方法；其次，从推荐点价

估推荐点可靠度，并据此化推荐信任度算方法；同

意推荐点的

果表明，同基于叶斯理的面向无

有物网(IoT)信任度估方法未考信任的效性、非入侵因素直接信任度估的影响以及

点

意行的不足，提出一种IoT

点

估

点行，并采用

信任衰减因子表达信任的

、

价离散度与点自身的信任度三个方

面

重

，

推荐信任反机制，通

；最后，基于

服

算

提供点完

点自适

成服后的

重，得到

信任度与推荐信任度的反

合信任度

差

同

点

。

感器网的信誉信任估框架(RPSN)

模型及基于点行的物网信任度估方法(BITEM)相比，IDTEM可好地

且具有低的能耗。

：物网；信任度估；叶斯理；推荐信任；点相似度

号：TP309 文献：A

意服和抑制意推荐行

，

关

中

分

志

trust evaluation method for loT nodes

Dynamic

XIE

Ruixin

Lixia+，WEI

Science and

Aviation

China,Tianjin 300300，China)

evaluation method

(College

Computer

Technology,Civil

Uaive,s妙of

Internet of

the

ignores

Abstract：In order to solve the

that the

existing

Things(10T)trust

problem

of the timeliness of trust and non．intrusion factors on direct trust evaluation．and is lack of

evaluation of trust

reliability

impact

with malicious

loT

nodes，an

recommendation nodes。which had to low trust evaluation

and lOW

deal

accuracy

capability

node

Trust Evaluation

of service

factor for nodes was

the timeliness of

Dynamic

Method(IDTEM)W88 proposed．Firstly，the quality

persistence

nodes Was used to

introduced to evaluate node behavior and the

trust attenuation factor

express

dynamic

the

direct trust evaluation

node

of recommended node was

method．Secondly，the reliability

trust，improving

Bayesian-based

evaluated from three

difference and trust value of the node

Was used

value，evaluation

itself,and

aspects：recommended

weight

the recommendation trust

calculation method．At the sanle

trust feedback mechanism

time，recommendation

optimize

Was

collaborative malicious recommendation nodes

the feedback error between the actual trust of the

designed

suppress

node after

service

service and the recommendation

trust．Finally，the adaptive weights

of direct and

provided

providing

recommendation trust of the node were calculated based on the

to obtain the

trust value of the node．

comprehensive

high integrity

entropy

results show that

with the

Framework for

Sensor Network model

has certain

Experimental

compared

Reputation-based

and the Behavior-based loT Trust Evaluation

(RFSN)based

Bayesian theory

Method(BITEM)，IDTEM

with malicious services and malicious

has lower transmission

energy

recommendation

advantages

dealing

behaviors，and

consumption．

words：Internet of

Key

Things(toT)；trust evaluation；Bayesian theory；recommendation trust；node similarity

大，致使信任关系更

复，利用点信任关系以取服

引言

或

源

目

的

意行也成保障网安全的威之一。

近年来，物网(Internet ofThings，xoT)已广泛用于

境控制、智能家居等各域⋯ ，但由于物境的开放性、

性、点能量受限等特征，使得物网的安全

因此，在物网中，充分挖掘点信任关系并有效

点，保障物网安全和服量具有重要意

信任管理作有效防御网内部攻

方法之一，在无感器网 B。3’等

者也提出了很多典型模型。Ganeriwal等H1基于叶斯理

意

网

。

服

多

面

和

意

点的

峻挑。一方面，不同

的

算

源和存能力差异

用于物网中的

域

用广泛，国内外学

大，加大了

安全

和加密技

度；另一方面，物网中

属性、服形式及信任特征差异

提出了一个面向无

感器网的信誉信任估框架

收稿日期：2019-02— 27；修回日期：2019-04-28；用日期：2019· 05-08。

基金目：国家科技重大

(2012ZX03002002)；国家自然科

学基金民航合研究基金

助

目(U1833107)；中央高校基本科研

助

目(ZYGX2018028)。

作者介：霞(1974一)，女，重人，教授，博士，CCF会，主要研究方向：信息安全；魏瑞圻(1994一)，女，湖南沙人，士研究生，

主要研究方向：信息安全。

万方数据

2598

算机

用

第39卷

Framework for

Sensor

Network，

(Reputation— based

hi【gh integrity

点自身的信任度

合

估推荐点的可靠度，化推荐信任

RFSN)，明了函数可

算的方法。在RFSN中，信任数据根据来源被划分直接和

接信任，信誉全局信任迭代的方式得。但由于

框架未接信任数据来源的可靠度估，造成模型不

能有效抵御意推荐点的攻，同，全局范内收集信任

好

合信任分布，可以作信任

度

重

算方法；通信任反机制

，最提高推荐信任估的准确性。最后，基于

点自适重，合信任度

同

意推荐

点的

算

通

得

点

。

行

1 用境与基本定

据将会面能耗大的

。Priayoheswari掣副提出一种

and Direct

1．1

用

境

Beta信誉和直接信任(Beta

Trust。

Reputation

本文研究用于分布式物

网境下的信任估方法。

BROW)模型，Sathish等 1通引入代理点改 BBDT模

型，提出智能Beta信誉和信任度估模型。上述两种模

依据点直接通信行点的可信度，然降低了

信任算的能耗，但由于缺少接信任度程，降低了模

型的收速率，从而无法快速点。刘宴兵等一1

点直接和接交互估目点信任度，提

境中存在多个信任管理域，属于同一用 User，的所有

构成个管理域，个管理域由信任管理点E及其他普

型

估

通

各

或(如RFID

具有唯一

和

写器、感器等)构成，境中的

的信任关系由管理

估

，域内

点

。

意

用境如 I所示。

合

出基于点行的物网信任度估方法和意行

IoT Trust Evaluation

(Behavior-based

Model，BITEM)模型，

点；但模型

果表明方法可以快速

意

从

一

的

角度估推荐点的可靠度，使得模型抵御意推荐行

能力降低。

随着智能

以智能

的

展，物网中的点由硬件

代表的

展

及其用

体

点，利用用的社交

属性差异大的陌生

算与存能力上存在

的交互关系更

关系，服可能在信任特征及

体

展开喁’，同，各种物

大差异，上述特征使物

网

在

网

复。

一些学者将社会关系的概念引入信任估模型中，并通

了将其引入信任估中的有效性。如：Abderrahim

等一1利用点的社区点分簇，提出了基于社区

趣的信任度估模型。Bao等¨刮和Chen掣111 利用

l二亟皇旦宝塑星羞丕：：：堡

堡苤丕：二：

境

堡羞丕l

用

environment

Application

趣

行

Fig．1

1．2基本定

信任作一个抽象概念¨引，基于不同上下文存在多种不

同的定更好地描述模型，本文采用的信任定作出

同

方法

信任推荐点，提出基于社会关系的物网信任

。

管理模型。此模型的

在于能提升推荐信任估的可

如下明：

靠性，增模型

抗

意推荐行的能力，但多数模型在直接

定

信任是

作概率的期，

示即信任度

估

点

目

点提供服能力或合

信任

估

程中，

。除此之外，上述模型有部分考了平衡点能耗和

，而在物网中，由于算、存

源和能量受限，因此，在充分挖掘点信任关系、保信任

考

了信任效性，不能准确地反映

点

估

点合作概率

的量化表

行

。

信任估准确度的

点

定

直接信任度是主体

合

史直接交互数据，

与其生直接交互行的客体的合作概率和服能力的

度

算准确度的同，也需要考

上所述，上述研究

点能耗。

。

点f

点．『的直接信任度

碍。

点

物

网

境下的信任模型研究奠

定

3推荐信任度是主体根据其他

的信任度

定了好的基，但尚存在以下不足：

1)在直接信任度算中，忽略了非入侵因素及信任

效

目

点服能力或合作概率的

。

点f

点J

的直接信任度

巧。

性

任

信任估的影响，从而不能好反映点行，降低了信

算准确度；

根据点在信任

估

程中的不同角色，将物

网

点

划分以下3

点：

点。

估点。

2)忽略不同点的信任特征差异及推荐点的可靠

1)目

点

提供服

的

点，是信任度

算并存目

算

度

估，不能有效抑制点的意推荐行

3)缺乏意推荐点的有效抑制方法，从而降低

信了任估方法有效性。

上述不足，本文提出一种物估

；

中的被

2)服

点的信任度

同

估

点。起服

根据信任

求，同

，

合作点。

网

点

信任

node

Trust Evaluation

方法(IoT

先，

Dynamic

3)推荐点。推荐

他域管理点，在推荐信任度

点的信任度

的信任关系通直接交互点列表D，={d。，五，

⋯ ，d^}与信任度列表乃={瓦。，如，⋯ ，％，⋯ ，LI描述，其

中L User， d。的信任度，乙、Dl均由Gl

点

与

估

点存在交互

的其

Method，IDTEM)o首

点服量持因子刻画点在

周期内的整

信任衰

估程中，向估点

目

。

体行，降低非入侵因素信任估的影响；采用

减因子点近期信任

斯的直接信任度估方法。其次，通

的有效利用，改基于

叶

点

点价分析，排除信

任特征与

估

点偏差大的点，并

合

价离散度与

用

万方数据

2599

量服

第9期

霞等：物

网

点

信任度估方法

更新

点的点服

点交互完成后，若服提供点，此次服

≯ 一=l，根据式(2)和式(4)分更新掣““和

量持因子的量化。

。

低

2直接信任度估

，

；

2．1

分析

相反，若本次服提供点』提供高量服

，

a筝““=l，

有的信任度估方法在直接信任度算中大多采用基

叶斯理估方法¨3|。方法中，若点i与点，的

史交互成功次数和失次数分 Ot。和点i关于

点_『的信任度Trust“服从Beta分布，即有Trustn～

Beta(％+l， +1)H]，点i 点J的直接信任度

并根据式(2)更新矸” ，同根据式(5) 算％。最后根据

式(1)，点的直接信任度

于

的

算

。

，

(4)

(5)

’=∑FR(fli以)· 劈+曰山”“‘ r⋯

i=l

碍

ag’=∑rR(a；，t。)· 《‘+巧”d· agpre”“

的

期望

：

I=l

巧=E(B(Ot+l，／3+1))=E抓“I a+l， +1))=

3推荐信任度估

”(17)

』；；÷l-

Ot口+ +2

3．1

分析

多数采用上述公式

算

点直接信任度的方法中，采用

多数信任模型在推荐信任度

算

程中，向于

主

静

衰减因子

以保信任估的有效性。其次，由于点受到

信号干等非入侵因素影响也可能造成交互失，未将此

情况和持意行行区分使得信任果不

能准确刻画点行，也会直接影响点的服，从而影

响网量。

史信任的衰减，而当衰减常数被

意

体

推荐点的信任度越高越可靠，依据此原，若

点通提供良好服得来自点的高信任价后，容

易利用意推荐行，从而降低推荐信任度

算的准确性。此外，共

供大量不信任的方式，混淆

判断，并达到

安全，而缺少

估的准确性降低。

另一方面，不同点的需求有着大的差异，服偏好不

意

点知悉

，

估

一

施

的

点

估

意推荐点通

同

点提

的

估

点

意推荐行

服

其

同

点

取

源或服的目的，而影响

2．2直接信任度

2．2．1 点服

解决上述

算

网

此

点的有效机制也将造成信任

量持因子

，本文

点服

量持因子

估

和

点在

周期内的整体行

。

量持因子定

同使得不同

也降低了不同推荐

，考到物网内

提高推荐信任度算的有效性的同需考能耗

3．2推荐信任度

3．2．1推荐信任度算步

估

点

同一服

点的信任度也有很大差

如下：

，

点

的推荐信息的参考价；同

定

在

周期内，服提供

点的点服

点生合法行

点

模

大、

算

源受限的特点，在

意行的次数

量持因子F(口=

。

reward，publish)，掣蜥出

因子。

点服

的

因子，砰”酬

励

算

指

用来

持

生

意行

的点，或激励持

解决上述

，本文首先根据点本地信任度

低

合法行

的点。

信任度点，并依据点价

估

果

高价

点建立

fr““或矸⋯ “ 算方法

!!!!

1。serviceN+sen，ic《

：

推荐点集；然后，估推荐点集内点的可靠度；最后将

各推荐点的可靠度作推荐信任度的重，从而一步提

高推荐信任算的准确度。

P一

r’、

”7

其中，口=reward，publish；service?、service7分

周期内提供低量和高量服的次数。

2．2．2直接信任度

点J在

推荐信任度

算程如 2所示。

信任基于史交互

更能反映点合作概率。因此，算直接信任度

也需要考信任的效性。

信任衰减因子。

2推荐信任度

算

程

算且随

的增加而衰减，

Recommended trust calculation

Fig．2

process

近期

推荐信任度

1)本地信任

算

程

如下：

服

本文采用如下

信任衰减因子表达信任的效性：

。

步

求

点的域管理

高的m个点。当推

点提供的可信

FR(A，t‘)=e“4¨。u

(3)

因

点仁的本地信任列表，

信任度

其中：A和L(t— t。) 两个相互独立的量。A 速率

荐

点数不足，随机取部分目

充推荐点。

子，且0<A≤ 1，A可根据

用

景

行

整；￡(t— t。)

距离当前

点作

更新函数，表示第k个史信任

生

2)推荐信任

求推荐信任

3) 点价

求。

。

步

中，

估

点向I)中的m个

刻t的距离，t。

点第k次交互生的刻。

点

2)直接信任度算。

估。根据2)中

点

的信任列表，

算

当

点完成一次合作

量服信任序列a。(a?，a?，⋯ ，aP)和低量服信任序

(属‘，所，⋯ ，点直接信任度史信任

根据信任因子行衰减，同依据点本次交互行

，

估

点

合

点的史高

上述用与服

方法 3．2．2 )。

4)建立高价

求

点所属用的价／m(x，Y)⋯ (

列

)

算

。

点集。取／m(x，Y)。。高的前n个

点集加。。

点建立高价

万方数据

全部评论(0)

暂无评论

评论赚积分>>

上传资源上传优质资源有赏金

物联网节点动态信任度评估方法

资料介绍

部分文件列表

部分页面预览

相关下载

全部评论(0)

热门标签

最新上传

热门下载

推荐下载

专栏首页