网络中节点信任评估方法

摘要

本发明公开了一种可使终端类型相同的节点反馈的可信度得以提高；同时，引入时间粒度因子，使信任值随着时间动态变化；给出的信任值与节点历史行为更加一致，能够有效地抵御恶意节点的破坏，增强系统可用性和有效性，具有更好的适应性和效率的网络中节点信任评估方法，对于网络中任意节点Pi和节点Pj，节点Pi维护一个与节点Pj交互的基于时间窗口的记录列表，节点Pi和节点Pj的交互时间至少包含一个历史记录；保存每个节点交互信息，交互过后更新相应信息；节点Pi按表达式Γ(Pi，Pj)＝ω1·ΓD(Pi，Pj)+ω2·ΓI(Pi，Pj)来确定节点Pj的总体信任度Γ(Pi，Pj)。

主权项

1.一种网络中节点信任评估方法，其特征在于，对于网络中任意节点P_i和节点P_j，节点P_i维护一个与节点P_j交互的基于时间窗口的记录列表，节点P_i和节点P_j的交互时间至少包含一个历史记录；保存每个节点交互信息，交互过后更新相应信息；节点P_i按表达式Γ(P_i,P_j)＝ω₁·Γ_D(P_i,P_j)+ω₂·Γ_I(P_i,P_j)来评估节点P_j的总体信任度Γ(P_i，P_j)；上式中的相应参数的计算过程如下，确定直接信任度Γ_D(P_i,P_j)和反馈信任度Γ_I(P_i,P_j)，其中f₁,f₂,…，f_n为节点P_j的环境因素；b₁(f₁),b₂(f₂),…，b_n(f_n)为确定对应的环境因素f₁,f₂,…，f_n选中与否的参数；a_k为环境因素的权值；E_k表示有过交互记录的节点对对于环境因素f_k的评价；m为选中的环境因素的个数；${\Gamma }_I(P_i,P_j)=\frac{1}{N}·{\underset{k=1}{\overset{N}{\Sigma }}\Gamma }_D(P_i,P_j)·{\mathrm{SE}}_k·{\mathrm{TF}}_k·\mathrm{Re}\left(k\right),$其中N为与节点P_i有过交互并且给出直接评价Γ_D(P_i,P_j)的节点数；SE_k为直接评价Γ_D(P_i,P_j)的可信度；TF_K为影响因子；Re(k)为节点相似度，即参与计算的环境因素的个数为n，P_j对P_i的每一个相关因素F通过一个取值范围为[0，1]的常数来表示，以表示相似程度，越大相似程度越高，$\mathrm{Re}\left(k\right)=\frac{\underset{n=0}{\overset{n}{\Sigma }}{F}_n}{n};$确定直接信任权重ω₁和反馈信任权重ω₂，其中h为用户设定的节点P_i与节点P_j的交互次数；Σ_hFail(P_i,P_j)为用户设定的节点P_i与节点P_j的h个交互中失败的次数；β是调节参数，L'为反馈节点的个数，L为节点P_i监测到的所有与节点P_j有交互的节点数；φ(L')和φ(L)对应的函数为φ(x)＝1-1(x+δ)，x为自变量，δ为节点P_i设定的调节常数，${\omega }_1=\frac{R(P_i,P_j)}{R(P_i,P_j)+A(P_i,P_j)},$${\omega }_2=\frac{A(P_i,P_j)}{R(P_i,P_j)+A(P_i,P_j)}.$