[发明专利]社交网络环境下P2P传感网络安全服务选择方法

权利要求书

1.一种社交网络环境下P2P传感网络安全服务选择方法，其特征在于，包括如 下步骤：

步骤1：根据操作者发送的突发意外事件建立服务机会列表；

步骤2：在服务机会列表中识别出已建立的相应服务机会；

步骤3：计算出每一个服务机会相应的安全指标；

步骤4：在传感社交P2P网络下下，根据所述安全指标从已评估的服务机会中为 每个用户选择和输出安全服务。

2.根据权利要求1所述的社交网络环境下P2P传感网络安全服务选择方法，其 特征在于，所述步骤1包括：根据操作者发送的突发意外事件建立服务机会列表，即 将传感社交P2P网络下的某一个服务用s表示，且s∈S，S表示传感社交P2P网络下的 服务集合；所述服务集合S构成服务机会列表。

3.根据权利要求1所述的社交网络环境下P2P传感网络安全服务选择方法，其 特征在于，所述步骤2包括：查找并识别服务机会列表中已有的服务机会后，准备进行 评估服务机会操作，以供请求服务端接收到安全服务。

4.根据权利要求1所述的社交网络环境下P2P传感网络安全服务选择方法，其 特征在于，所述步骤3中的安全指标包括服务机会的可用性、可信度、容侵性、机密 性、整体性、有效性、时间依赖性和重要程度。

5.根据权利要求4所述的社交网络环境下P2P传感网络安全服务选择方法，其 特征在于，所述步骤3包括如下步骤：

步骤3.1：采用脆弱性因子来表征服务的机密性、整体性和有效性，将服务的脆弱 性用脆弱性因子集合B表示，b表示某一脆弱性因子，b∈B，计算由脆弱性因子造成 的不安全因子N(b)，N(b)的有效区间为(0,1]，计算公式如下：

N(b)＝E(b)×D(b)×T(b)；

式中：E(b)表示服务的可利用性，D(b)表示服务的可信度，T(b)表示服务的容侵度；

步骤3.2：计算由脆弱因子造成的即时的不安全度R(B,s)，计算公式如下：

式中：B(s)表示服务s的脆弱性因子；其中，R(B,s)的有效区间为(0,1]；

步骤3.3：计算个服务集合S的不安全度的Y，计算公式如下：

Y=Σs∈S(T(s)×R(B,s));]]>

y=YΣs∈ST(s);]]>

式中：T(s)来表示服务s的重要程度因子，T(s)×R(B,s)表示服务s的不安全度，y 表示Y的均匀化值。

6.根据权利要求1所述的社交网络环境下P2P传感网络安全服务选择方法，其 特征在于，所述步骤4包括：

步骤4.1：基于机会发现理论构造出KeyGraph算法，使用KeyGraph算法实现机 会发现，通过计算KeyGraph中关键点的相关性权重选择出满足要求的安全服务；

步骤4.2：在传感网络的社交P2P下，为每个用户选择和输出安全服务。

7.根据权利要求6所述的社交网络环境下P2P传感网络安全服务选择方法，其 特征在于，所述步骤4.1包括：

步骤4.1.1：将服务集合S包含的一系列服务用s₁,s₂,…,s_m,…,s_n表示，n表示将服 务时间分成n个部分或者是服务集合S内服务的总数，s_m表示服务集合S内的某一个 服务；每一个s_m对应一个KeyGraph算法中的G_m，G_m表示从时间t_m到t_m+1的服务过 程的曲线图；t_m表示s_m服务的开始时间，t_m+1表示s_m服务的结束时间和s_m+1服务的开始 时间；

具体地，每一个曲线图上的点都是一个服务，并且两点之间的每一条边代表两个服 务之间的通信关系，所述边有着方向和权重，其中，方向是从发送者指向接受者，权重 大小代表通信次数的多少；

步骤4.1.2：计算KeyGraph算法中的相关性权重，在keyGraph算法中，每一个服务s 被看作一个关键曲线图G，储存曲线图G上的每个点，并将边缘上出现频率大于阈值的 点归属到G的对偶曲线图G*上，在曲线图G*上任意两个点N_i和N_j之间的相关性权重 Connection(N_i,N_j)的定义如下：

Connection(Ni,Nj)=Σsm∈D|Ni,Nj|Gm]]>

其中N_i和N_j是G_m上的点，|N_i,N_j|为从N_i到N_j通信服务S_m的次数，所述相关 性权重用于评估N_i和N_j之间紧密性，曲线图G*上的一对相关点由N_i到N_j两点之间 的相关性权重确定；D表示所有服务的集合；

具体地，在KeyGraph算法中，相关的众多交错的曲线表示一个完整的服务选择过 程，被称作一个曲线簇或者一个KeyGraph的基；

步骤4.1.3：计算G_m上的所有点的紧密性权值，若计算后该紧密性权值大于所设定 的阈值则该点被视为具有较高安全性的点；紧密性权值的计算公式如下：

SecServN(N)=1-Πg⋐G*(1-KeyG(N,g)/AdjacServ(g));]]>

KeyG(N,g)=Σsm∈DWGm(N,g);]]>

AdjacServ(g)=Σsm∈DΣN∈GmWGm(N,g);]]>

WGm(N,g)=|NNg|Gm×Layer(Ng)Ng∈g;]]>

式中：N表示曲线图G_m的某一个节点，g表示G*下的一个基底，SecServN(N) 表示节点N的紧密度权值，KeyG(N,g)表示在Keygraph算法中N节点的关键值， AdjacServ(g)表示所有服务节点的关键值，表示在G_m下节点N与周围 相关节点的相关性值，D表示服务节点集合，Layer(N_g)表示N_g点的层权值； 表示G_m上的从节点N到节点Ng通信服务S_m的次数；

步骤4.1.4：在曲线图G*上，W(N,G*)是指节点N与周围关键环节的相关性值，若 节点N的相关性值大于设定的阈值，则该节点N所在的服务节点为安全服务，所述的 服务节点视为G上的点，即说明能够满足基于传感器网络的社交P2P的安全需求。