[发明专利]一种基于混合蛙跳算法的物联网节点信誉评估方法

说明书

技术领域

本发明涉及通信技术领域，具体的说是涉及一种基于混合蛙跳算法的物联网节点信誉评估方法。

背景技术

目前，对于分布式系统的可信性研究主要集中在可信管理和可信评估两方面，可信管理的本质是一中基于认证和授权的访问控制模型与方法。信任评估方法则是以实体间的推荐信任关系为基础，结合自身经验对实体可信度做出评价，然后依据可信度进行决策。经典的信誉管理技术有求信誉平均值方案、贝叶斯网络和集群过滤。节点间、域之间建立信任十分重要，一般来说，信任级别可以通过邻居节点的行为和他们对相应事件生成的信息进行评估。然而，节点十分容易受到攻击，进而提供不可靠的或恶意的反馈，影响真实的节点信誉值。

现有方法的缺陷有：

1、信誉级别评估缺乏间接信誉推荐

通常的信誉级别评估需要考虑主客观两方面的因素，如资源对用户可信程度的评价不仅由本地获取的直接信誉度决定，还应当考虑计算代理处获取的间接信誉推荐（声誉）；而节点可靠程度的评定也不单由使用该节点的用户决定，同样需要考虑其他自制域的用户对该节点的信誉推荐。综合考虑用户、节点的信誉以及信誉评估过程中的主观客观因素。

2、不可靠节点对信誉评估的干扰

由于物联网自身所具有的高异构和高混杂特征，自治域内的节点很可能遭受到非法的入侵攻击，从而做出错误的信誉等级评价，对最终的评估结果进行干扰，影响评估结果的准确性。

发明内容

本发明针对传统信誉评估系统中可能出现的不可信节点对评估结果产生干扰的问题，提出一种基于混合蛙跳算法的物联网节点信誉评估方法。

本发明所采用的技术方案是：一种基于混合蛙跳算法的物联网节点信誉评估方法，所述的方法包括以下步骤：

步骤1、分析物联网中节点的局域特征，计算物联网自治域中的节点的重要性；

步骤2、将计算后的节点重要性作为节点筛选的依据，利用混合蛙跳算法对节点进行聚类；

步骤3、选取步骤2中得到的节点重要性较高的一类节点作为信誉评估的邻居节点；

步骤4、根据信誉评估算法，使用步骤3得到的邻居节点对需要评估的节点进行信誉评估；

步骤5、根据节点当前信誉和历史信誉计算出更为准确的节点信誉值；

步骤6、设定阈值，将步骤5中得到的节点信誉值与该阈值进行比较判定节点是否可信；当信誉值低于设定阈值时，则判定节点为不可信节点，否者为可信节点。

所述步骤1中的节点重要性的计算方法包括以下步骤：

步骤201、将网络表示为二元组YK，EY，节点集合表示为，连接节点的边的集合表示为，其中，n和m表示网络的节点数和边数，连接节点的边越重要则节点就越重要；

步骤202、利用公式来计算边的权重，其中表示与节点i连接的边数；

步骤203、对节点i所连边的权值进行求和即表示节点i的权重；

步骤204、利用公式计算节点i的重要性，其中。

所述步骤2中的蛙跳混合算法包括以下步骤：

步骤301、以节点重要性为筛选依据，利用混合蛙跳算法对邻居节点进行筛选，每个青蛙个体可以表示一个节点的重要性并利用公式计算出青蛙的适应度；

步骤302、随机初始化P只青蛙组成的青蛙群体 ，i=1，2，……P；

步骤303、按照计算出的每只青蛙的适应度进行降序排列，函数值最优的青蛙个体设为；

步骤304、将整个青蛙群体分为F个族群，每个族群包含G只青蛙，因此，第一只青蛙进入第1个族群，第二只青蛙进入第2个族群，第F只青蛙进入第F个族群，之后第F+1只青蛙又进入第1个族群，第F+2只青蛙进入第2个族群，以此类推，直到全部青蛙划分完毕；

步骤305、族群划分完毕后，即对每个族群进行局部深度搜索，各族群中具有最优和最差适应度的个体为和，每一次迭代针对最差适应度进行，更新策略为：青蛙移动距离，更新最差青蛙位置（）其中，是之间的随机数，是允许青蛙移动的最大距离，通过以上公式对族群内适应度最差的青蛙个体进行更新，每个族群执行设定的局部搜索次数；

步骤306、将经过局部深度搜索的族群合并组成一个新的族群，并判断是否满足算法的终止条件，完成筛选可靠邻居节点。

所述步骤4中的信誉评估具体包括以下步骤：