推荐星级：
- 1
- 2
- 3
- 4
- 5
Josang信任模型的物联网感知层安全数据融合方法
资料介绍
物联网感知层通常涉及大量传感器节点的运用，具有节点资源有限、分布广泛、无人值守、数据冗余、攻击容易等特点，实施安全数据融合是其必然选择。为了保障物联网感知层数据融合结果的真实性与可靠性，建立了一种结合数据预处理与节点信誉度评价的安全数据融合模型，利用粗大误差理论将明显偏离正常数据（或真值）的异常数据予以识别和剔除，基于概率统计理论计算和更新节点信誉度，只允许来源于高信誉度的节点数据参与数据融合，以Josang信任模型形成对数据融合结果的评价。仿真实验结果表明，该模型不仅有助于确保物联网感知层数据融合结果真实性与可靠性，而且基于粗大误差的数据预处理方法可减少数据融合的计算量，降低对传感器节点资源的需求。
部分文件列表
| 文件名 | 大小 |
| Josang信任模型的物联网感知层安全数据融合方法.pdf | 2M |
部分页面预览
（完整内容请下载后查看）第 ２８ 卷 第 ６ 期
２０１６ 年 １２ 月
重 庆 邮 电 大 学 学 报 （ 自 然 科 学 版 ）
Ｖｏｌ． ２８ꢀ Ｎｏ． ６
Ｄｅｃ． ２０１６
Ｊｏｕｒｎａｌ ｏｆ Ｃｈｏｎｇｑｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｐｏｓｔｓ ａｎｄ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ（ Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｅｄｉｔｉｏｎ）
ＤＯＩ： １ ０． ３９７９ ／ ｊ． ｉｓｓｎ． １ ６７３８２５Ｘ． ２０１ ６． ０６． ０２１
Ｊｏｓａｎｇ 信 任 模 型 的 物 联 网 感 知 层 安 全 数 据 融 合 方 法
１
１
２
３
魏 琴 芳 ， 程 利 娜 ， 付 ꢀ 俊 ， 胡 向 东
（ １ ． 重 庆 邮 电 大 学 通 信 与 信 息 工 程 学 院 ， 重 庆 ４０００６５； ２． 中 国 移 动 研 究 院 ， 北 京 １ ０００３３；
３． 重 庆 邮 电 大 学 自 动 化 学 院 ， 重 庆 ４０００６５）
摘 ꢀ 要 ： 物 联 网 感 知 层 通 常 涉 及 大 量 传 感 器 节 点 的 运 用 ， 具 有 节 点 资 源 有 限 、 分 布 广 泛 、 无 人 值 守 、 数 据 冗 余 、 攻 击
容 易 等 特 点 ， 实 施 安 全 数 据 融 合 是 其 必 然 选 择 。 为 了 保 障 物 联 网 感 知 层 数 据 融 合 结 果 的 真 实 性 与 可 靠 性 ， 建 立 了
一 种 结 合 数 据 预 处 理 与 节 点 信 誉 度 评 价 的 安 全 数 据 融 合 模 型 ， 利 用 粗 大 误 差 理 论 将 明 显 偏 离 正 常 数 据 （ 或 真 值 ） 的
异 常 数 据 予 以 识 别 和 剔 除 ， 基 于 概 率 统 计 理 论 计 算 和 更 新 节 点 信 誉 度 ， 只 允 许 来 源 于 高 信 誉 度 的 节 点 数 据 参 与 数
据 融 合 ， 以 Ｊｏｓａｎｇ 信 任 模 型 形 成 对 数 据 融 合 结 果 的 评 价 。 仿 真 实 验 结 果 表 明 ， 该 模 型 不 仅 有 助 于 确 保 物 联 网 感 知
层 数 据 融 合 结 果 真 实 性 与 可 靠 性 ， 而 且 基 于 粗 大 误 差 的 数 据 预 处 理 方 法 可 减 少 数 据 融 合 的 计 算 量 ， 降 低 对 传 感 器
节 点 资 源 的 需 求 。
关 键 词 ： 物 联 网 ； 传 感 器 节 点 ； 数 据 融 合 ； 粗 大 误 差 理 论 ； 信 誉 度
中 图 分 类 号 ： ＴＰ３９３； ＴＮ９１ ５ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ 文 献 标 志 码 ： Ａ
文 章 编 号 ： １ ６７３８２５Ｘ（ ２０１ ６） ０６０８７６０７
Ｓｅｃｕｒｅ ｄａｔａ ａｇｇｒｅｇａｔｉｎｇ ｍｅｔｈｏｄｓ ｂｙ ｍｅａｎｓ ｏｆ Ｊｏｓａｎｇ ｔｒｕｓｔ ｍｏｄｅｌｓ ｆｏｒ
ｔｈｅ ｓｅｎｓｉｎｇ ｌａｙｅｒ ｏｆ ｔｈｅ ｉｎｔｅｒｎｅｔ ｏｆ ｔｈｉｎｇｓ
ＷＥＩ Ｑｉｎｆａｎｇ１ ， ＣＨＥＮＧ Ｌｉｎａ１ ， ＦＵ Ｊｕｎ２ ， ＨＵ Ｘｉａｎｇｄｏｎｇ３
（ １ ． Ｓｃｈｏｏｌ ｏｆ Ｃｏｍｍｕｎｉｃａｔｉｏｎ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｃｈｏｎｇｑｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｐｏｓｔｓ ａｎｄ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，
Ｃｈｏｎｇｑｉｎｇ ４０００６５， Ｐ． Ｒ． Ｃｈｉｎａ； ２． Ｒｅｓｅａｒｃｈ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｃｈｉｎａ Ｍｏｂｉｌｅ， Ｂｅｉｊｉｎｇ １ ０００３３， Ｐ． Ｒ． Ｃｈｉｎａ；
３． Ｃｏｌｌｅｇｅ ｏｆ Ａｕｔｏｍａｔｉｏｎ， Ｃｈｏｎｇｑｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｐｏｓｔｓ ａｎｄ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ， Ｃｈｏｎｇｑｉｎｇ ４０００６５， Ｐ． Ｒ． Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ： Ｔｈｅ ｓｅｎｓｉｎｇ ｌａｙｅｒ ｏｆ ｉｎｔｅｒｎｅｔ ｏｆ ｔｈｉｎｇｓ（ ＩｏＴ） ｕｓｕａｌｌｙ ｉｎｖｏｌｖｅｓ ａ ｌａｒｇｅ ｎｕｍｂｅｒ ｏｆ ｓｅｎｓｏｒ ｎｏｄｅｓ， ｗｈｉｃｈ ｉｓ ｃｈａｒａｃｔｅｒ
ｉｚｅｄ ｂｙ ｌｉｍｉｔｅｄ ｎｏｄｅｓ ｒｅｓｏｕｒｃｅｓ， ｗｉｄｅ ｄｉｓｔｒｉｂｕｔｉｏｎ， ｕｎｍａｎｎｅｄ ｏｐｅｒａｔｉｏｎ， ｄａｔａ ｒｅｄｕｎｄａｎｃｙ， ｅａｓｙ ａｔｔａｃｋ， ｅｔｃ． Ｃａｒｒｙｉｎｇ ｏｕｔ
ｓｅｃｕｒｅ ｄａｔａ ａｇｇｒｅｇａｔｉｏｎ ｉｓ ｔｈｕｓ ｎｅｃｅｓｓａｒｙ ｆｏｒ ＩｏＴ ｓｅｎｓｉｎｇ ｌａｙｅｒ． Ｉｎ ｏｒｄｅｒ ｔｏ ｇｕａｒａｎｔｅｅ ｔｈｅ ａｕｔｈｅｎｔｉｃｉｔｙ ａｎｄ ｒｅｌｉａｂｉｌｉｔｙ ｏｆ ｔｈｅ
ｒｅｓｕｌｔｓ ｆｒｏｍ ｄａｔａ ａｇｇｒｅｇａｔｉｏｎ ｏｆ ＩｏＴ ｓｅｎｓｉｎｇ ｌａｙｅｒ， ａ ｓｅｃｕｒｅ ｄａｔａ ａｇｇｒｅｇａｔｉｎｇ ｍｏｄｅｌ ｃｏｍｂｉｎｉｎｇ ｗｉｔｈ ｄａｔａ ｐｒｅｐｒｏｃｅｓｓｉｎｇ ａｎｄ
ｎｏｄｅ ｃｒｅｄｉｔａｂｉｌｉｔｙ ｅｖａｌｕａｔｉｏｎ ｉｓ ｐｒｏｐｏｓｅｄ． Ｆｉｒｓｔｌｙ， ｔｈｅ ａｂｎｏｒｍａｌ ｄａｔａ ｏｂｖｉｏｕｓｌｙ ｄｅｖｉａｔｅｄ ｆｒｏｍ ｎｏｒｍａｌ ｄａｔａ （ ｏｒ ｔｒｕｅ ｖａｌｕｅ）
ａｒｅ ｉｄｅｎｔｉｆｉｅｄ ａｎｄ ｅｌｉｍｉｎａｔｅｄ ｂｙ ｍｅａｎｓ ｏｆ ｇｒｏｓｓ ｅｒｒｏｒ ｔｈｅｏｒｙ． Ｔｈｅｎ ｎｏｄｅｓ ｃｒｅｄｉｔａｂｉｌｉｔｙ ａｒｅ ｃａｌｃｕｌａｔｅｄ ａｎｄ ｕｐｄａｔｅｄ ｂｙ ｍｅａｎｓ
ｏｆ ｐｒｏｂａｂｉｌｉｔｙ ａｎｄ ｓｔａｔｉｓｔｉｃｓ ｔｈｅｏｒｙ， ａｎｄ ｎｏｔｈｉｎｇ ｂｕｔ ｔｈｅ ｄａｔａ ｏｆ ｎｏｄｅｓ ｗｉｔｈ ｈｉｇｈ ｃｒｅｄｉｔａｂｉｌｉｔｙ ｉｓ ａｌｌｏｗｅｄ ｔｏ ｉｎｖｏｌｖｅ ｉｎ ｄａｔａ ａｇ
ｇｒｅｇａｔｉｏｎ． Ｆｉｎａｌｌｙ， ｔｈｅ ｍｏｄｅｌ ｇａｉｎｓ ａｎ ｅｖａｌｕａｔｉｏｎ ｏｆ ｔｈｅ ｒｅｓｕｌｔｓ ｏｆ ｄａｔａ ａｇｇｒｅｇａｔｉｏｎ ｂｙ ｍｅａｎｓ ｏｆ Ｊｏｓａｎｇ ｔｒｕｓｔ ｍｏｄｅｌ． Ｔｈｅ
ｓｉｍｕｌａｔｉｏｎ ｅｘｐｅｒｉｍｅｎｔ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｍｏｄｅｌ ｎｏｔ ｏｎｌｙ ｈｅｌｐｓ ｔｏ ｇｕａｒａｎｔｅｅ ａｕｔｈｅｎｔｉｃｉｔｙ ａｎｄ ｒｅｌｉａｂｉｌｉｔｙ ｏｆ ｄａｔａ ａｇｇｒｅｇａｔｉｏｎ
ｒｅｓｕｌｔｓ ｆｒｏｍ ＩｏＴ ｓｅｎｓｉｎｇ ｌａｙｅｒ， ｂｕｔ ａｌｓｏ ｃａｎ ｒｅｄｕｃｅ ｔｈｅ ｃａｌｃｕｌａｔｉｎｇ ｏｖｅｒｌｏａｄ ｏｆ ｄａｔａ ａｇｇｒｅｇａｔｉｏｎ ａｎｄ ｔｈｅ ｄｅｍａｎｄ ｆｏｒ ｓｅｎｓｏｒ
ｎｏｄｅ ｒｅｓｏｕｒｃｅｓ ｂｙ ｍｅａｎｓ ｏｆ ｄａｔａ ｐｒｅｐｒｏｃｅｓｓｉｎｇ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｇｒｏｓｓ ｅｒｒｏｒ ｔｈｅｏｒｙ．
Ｋｅｙｗｏｒｄｓ： ｉｎｔｅｒｎｅｔ ｏｆ ｔｈｉｎｇｓ； ｓｅｎｓｏｒ ｎｏｄｅｓ； ｄａｔａ ａｇｇｒｅｇａｔｉｏｎ； ｇｒｏｓｓ ｅｒｒｏｒ ｔｈｅｏｒｙ； ｃｒｅｄｉｔａｂｉｌｉｔｙ
收 稿 日 期 ： ２０１ ５１ ２１ １ ꢀ 修 订 日 期 ： ２０１ ６０６０２ꢀ 通 讯 作 者 ： 魏 琴 芳 ꢀ ｗｅｉｑｆ＠ ｃｑｕｐｔ． ｅｄｕ． ｃｎꢀ
基 金 项 目 ： 国 家 自 然 科 学 基 金 （ ６１ １ ７０２１ ９） ； 教 育 部 中 国 移 动 联 合 研 究 基 金 （ ＭＣＭ２０１ ５０２０２）
Ｆｏｕｎｄａｔｉｏｎ Ｉｔｅｍｓ： Ｔｈｅ Ｎａｔｉｏｎａｌ Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｆｏｕｎｄａｔｉｏｎ ｏｆ Ｃｈｉｎａ （ ６１ １ ７０２１ ９） ； Ｔｈｅ Ｊｏｉｎｔ Ｒｅｓｅａｒｃｈ Ｆｏｕｎｄａｔｉｏｎ ｏｆ ｔｈｅ Ｍｉｎｉｓｔｒｙ ｏｆ
Ｅｄｕｃａｔｉｏｎ ｏｆ ｔｈｅ Ｐｅｏｐｌｅ’ ｓ Ｒｅｐｕｂｌｉｃ ｏｆ Ｃｈｉｎａ ａｎｄ Ｃｈｉｎａ Ｍｏｂｉｌｅ （ ＭＣＭ２０１ ５０２０２） ．
万方数据
第 ６ 期 ꢀ ꢀ
魏 琴 芳 ， 等 ： Ｊｏｓａｎｇ 信 任 模 型 的 物 联 网 感 知 层 安 全 数 据 融 合 方 法
· ８７７·
但 是 方 案 中 只 给 出 了 计 算 平 均 值 的 聚 集 函 数 ， 公 钥
密 码 体 制 的 应 用 将 引 入 较 大 的 计 算 量 。
０ꢀ 引 ꢀ 言
无 线 传 感 器 网 络 作 为 物 联 网 感 知 层 的 核 心 组 成
文 献 ［ ４］ 提 出 的 安 全 数 据 聚 合 （ ｓｅｃｕｒｅ ｄａｔａ ａｇ
ｇｒｅｇａｔｉｏｎ ｐｒｏｔｏｃｏｌ， ＳＤＡＰ） 方 法 基 于 分 而 治 之 原 理 ， 节
点 的 树 形 拓 扑 结 构 首 先 被 动 态 地 划 分 为 多 个 类 似 大
小 的 逻 辑 组 （ 即 子 树 ） ， 接 下 来 的 数 据 融 合 将 在 各 个
逻 辑 组 逐 跳 进 行 ， 数 据 融 合 结 果 最 终 被 传 送 到 基 站 。
基 站 根 据 这 些 逻 辑 组 的 融 合 结 果 集 合 识 别 可 疑 的 数
据 融 合 逻 辑 组 。
部 分 之 一 ， 主 要 由 大 量 部 署 在 监 测 区 域 内 的 低 成 本
微 传 感 器 节 点 组 成 ， 通 过 无 线 通 信 方 式 形 成 一 个 多
跳 的 自 组 织 网 络 ， 可 广 泛 应 用 于 生 态 监 测 、 健 康 护
理 、 智 慧 交 通 、 智 能 物 流 等 众 多 领 域 ， 是 当 前 研 究 的
一 个 热 点 。 然 而 传 感 器 网 络 中 节 点 的 资 源 是 非 常 有
限 的 ， 这 主 要 体 现 在 电 池 能 量 、 存 储 能 力 、 处 理 能 力
以 及 通 信 带 宽 等 方 面 ， 所 以 减 少 节 点 和 基 站 间 的 数
据 传 输 量 和 通 信 开 销 、 提 高 能 效 和 带 宽 利 用 率 显 得
十 分 必 要 ； 且 物 联 网 感 知 层 所 采 集 的 原 始 数 据 一 般
具 有 较 大 的 冗 余 性 ， 因 此 ， 数 据 融 合 的 需 求 就 被 提
出 ， 通 过 数 据 融 合 技 术 的 运 用 可 以 去 除 采 集 数 据 中
的 冗 余 信 息 以 及 减 少 网 络 中 数 据 传 输 量 ， 进 而 节 省
节 点 能 量 ， 延 长 网 络 生 命 周 期 。
文 献 ［ ５］ 提 出 了 一 种 高 效 安 全 的 基 于 模 式 码 的
数 据 融 合 协 议 （ ｅｆｆｉｃｉｅｎｔ ａｎｄ ｓｅｃｕｒｅ ｐａｔｔｅｒｎ ｂａｓｅｄ ｄａｔａ
ａｇｇｒｅｇａｔｉｏｎ， ＥＳＰＤＡ） ， 该 协 议 所 进 行 的 安 全 数 据 融 合
操 作 采 用 的 是 无 任 何 物 理 意 义 的 模 式 码 ， 在 数 据 传
输 过 程 中 ， 中 间 节 点 不 关 心 信 息 的 具 体 内 容 ， 也 就 没
必 要 对 密 文 进 行 解 密 和 再 加 密 ， 这 样 可 确 保 数 据 的
机 密 性 并 避 免 中 间 节 点 处 消 息 被 窃 听 问 题 ； 基 站 周
期 性 广 播 密 钥 也 有 助 于 保 障 数 据 的 新 鲜 性 。 随 后 ，
罗 蔚 等 ［ ６］ 提 出 一 种 高 效 安 全 的 数 据 融 合 协 议 （ ｅｆｆｉ
ｃｉｅｎｔ ａｎｄ ｓｅｃｕｒｅ ｄａｔａ ａｇｇｒｅｇａｔｉｏｎ， ＥＳＤＡ） ， 采 用 模 糊
算 法 和 模 式 码 来 消 除 传 感 节 点 所 感 知 原 始 数 据 的 冗
余 信 息 并 执 行 相 应 的 数 据 融 合 操 作 ， 这 有 助 于 提 高
数 据 的 机 密 性 和 传 感 器 节 点 的 能 效 性 。
物 联 网 感 知 层 中 的 大 量 传 感 器 节 点 通 常 部 署 在
无 人 监 管 的 恶 劣 环 境 或 安 全 敏 感 区 域 ， 使 得 网 络 中
的 数 据 融 合 面 临 着 多 种 信 息 安 全 风 险 ， 如 数 据 被 窃
听 、 伪 造 、 篡 改 和 重 放 等 攻 击 ， 因 此 ， 安 全 的 数 据 融 合
［ １ ］
十 分 必 要 ， 相 关 研 究 得 以 开 展
。
近 年 来 ， 一 些 研 究 者 从 不 同 角 度 提 出 了 不 同 的
安 全 解 决 方 案 ， 其 中 ， 基 于 节 点 信 誉 度 评 价 的 数 据 融
合 方 法 得 到 了 重 视 。 为 了 量 化 数 据 融 合 结 果 的 不 确
定 性 以 及 抵 抗 数 据 融 合 过 程 中 节 点 被 捕 获 等 攻 击 ，
本 文 建 立 了 一 个 改 进 的 基 于 节 点 信 誉 度 的 安 全 数 据
融 合 模 型 （ ｉｍｐｒｏｖｅｄ ｃｒｅｄｉｔａｂｉｌｉｔｙｂａｓｅｄ ｄａｔａ ａｇｇｒｅｇａ
ｔｉｏｎ， ＩＣＢＤＡ） ， 用 以 解 决 数 据 融 合 过 程 中 数 据 源 的 安
全 问 题 ， 保 证 数 据 融 合 结 果 的 真 实 性 。
Ｇａｎｅｒｉｗａｌ 和 Ｓｒｉｖａｓｔａｖａ 在 研 究 数 据 融 合 技 术
时 ， 针 对 无 线 传 感 器 网 络 提 出 了 第 一 个 基 于 声 誉 的
传 感 器 网 络 框 架 （ ｒｅｐｕｔａｔｉｏｎ ｂａｓｅｄ ｆｒａｍｅｗｏｒｋ ｓｅｎｓｏｒ
ｎｅｔｗｏｒｋｓ， ＲＦＳＮ） 信 任 模 型 ［ ７］ 。 该 模 型 采 用 统 计 和 决
策 理 论 ， 构 建 了 一 个 十 分 有 应 用 前 景 的 分 布 式 、 可 扩
展 的 框 架 。 ＲＦＳＮ 信 任 模 型 把 计 算 得 到 的 信 任 值 作
为 节 点 参 与 数 据 融 合 时 所 提 供 数 据 的 权 重 。
文 献 ［ ８］ 提 出 的 基 于 分 布 式 声 誉 机 制 的 信 标 节
点 信 任 系 统 （ ｄｉｓｔｒｉｂｕｔｅｄ ｒｅｐｕｔａｔｉｏｎ ｂａｓｅｄ ｂｅａｃｏｎ ｔｒｕｓｔ
ｓｙｓｔｅｍ， ＤＲＢＴＳ） 方 案 将 网 络 中 的 节 点 分 为 传 感 节 点
和 信 标 节 点 ， 信 标 节 点 的 提 出 是 本 方 案 的 一 个 亮 点 ，
信 标 节 点 被 用 于 确 定 传 感 节 点 的 位 置 。 在 该 方 案
中 ， 每 个 信 标 节 点 的 主 要 任 务 是 监 测 其 邻 居 信 标 节
点 的 行 为 ， 传 感 节 点 采 用 简 单 的 多 数 投 票 机 制 来 确
定 是 否 使 用 给 定 的 信 标 位 置 信 息 ， 这 样 做 是 为 了 把
恶 意 信 标 节 点 报 告 的 虚 假 位 置 信 息 给 过 滤 掉 。
文 献 ［ ９］ 提 出 的 加 权 信 任 评 价 （ ｗｅｉｇｈｔｅｄ ｔｒｕｓｔ
ｅｖａｌｕａｔｉｏｎ， ＷＴＥ） 方 案 是 利 用 节 点 权 值 作 为 节 点 信
誉 值 来 进 行 数 据 融 合 的 操 作 ， 再 将 实 际 值 与 数 据 融
合 结 果 作 比 较 ， 结 果 不 同 ， 则 说 明 对 应 的 节 点 可 疑 ，
并 用 惩 罚 系 数 来 降 低 该 节 点 的 信 誉 值 ， 通 过 将 信 誉
１ꢀ 相 关 工 作
到 目 前 为 止 ， 研 究 者 对 数 据 融 合 的 安 全 实 现 方
法 进 行 了 多 种 方 案 的 探 索 。
［ ２］
ＳＩＡ（ ｓｅｃｕｒｅ ｉｎｆｏｒｍａｔｉｏｎ ａｇｇｒｅｇａｔｉｏｎ） 协 议
首 先
给 出 数 据 融 合 节 点 的 数 据 融 合 结 果 ， 然 后 采 用 高 效 的
抽 样 和 交 互 证 明 来 确 保 融 合 值 是 真 实 值 的 近 似 。 ＳＩＡ
协 议 还 给 出 对 多 种 计 算 函 数 的 聚 集 方 法 ， 如 果 想 要 得
到 可 靠 性 较 高 的 数 据 值 ， 交 互 次 数 就 会 相 应 增 加 ， 为
完 成 数 据 融 合 所 消 耗 的 节 点 资 源 也 会 明 显 增 多 。
ＳｅｃｕｒｅＤＡＶ（ ｓｅｃｕｒｅ ｄａｔａ ａｇｇｒｅｇａｔｉｏｎ ａｎｄ ｖｅｒｉｆｉｃａ
［ ３］
ｔｉｏｎ） 协 议
使 用 密 钥 共 享 方 案 为 簇 内 节 点 分 配 密
钥 ， 同 时 簇 内 节 点 对 计 算 得 到 的 簇 内 数 据 平 均 值 进
行 部 分 签 名 。 此 方 案 可 以 验 证 融 合 数 据 的 完 整 性 ，
万方数据
更多>>
最新上传
- 打赏
- 30日榜单
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏3.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏3.00元 3天前
-
21ic小能手 打赏3.00元 3天前
-
21ic小能手 打赏3.00元 3天前
-
21ic小能手 打赏3.00元 3天前
-
21ic小能手 打赏3.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏3.00元 3天前
-
21ic小能手 打赏3.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏3.00元 3天前
-
21ic小能手 打赏3.00元 3天前
-
21ic小能手 打赏3.00元 3天前
-
21ic小能手 打赏3.00元 3天前
-
21ic小能手 打赏3.00元 3天前
-
21ic小能手 打赏3.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
全部评论(0)