[发明专利]一种网络节点信任预测方法、装置、设备及介质

说明书

本发明公开了一种网络节点信任预测方法、装置、设备及介质。该方法的步骤包括：获取目标网络节点的输入样本；当输入样本为非线性类型时，通过核函数将输入样本的类型转化为线性类型；通过信任预测模型对输入样本进行信任预测，生成信任预测结果。由于本方法在当判定输入样本为非线性类型时，能够先通过核函数将非线性类型的输入样本转化为信任预测模型普遍能够处理的线性类型的输入样本，再通过信任预测模型对属于线性类型的输入样本进行信任预测，以此确保了信任预测模型能够正常且准确的对非线性类型的输入样本进行处理，进而保证了预测结果的准确性。此外，本发明还提供一种网络节点信任预测装置、设备及介质，有益效果同上所述。

技术领域

本发明涉及网络通信领域，特别是涉及一种网络节点信任预测方法、装置、设备及介质。

背景技术

在物联网中融入社交网络的概念，通过模仿人类的行为将智能对象社会化，形成了一种新的范例—社交物联网(SIoT)。在该范例中一个急需解决的问题是，如何自主地在智能对象之间建立可靠的关系，即如何在节点之间建立信任关系。

当前对网络中的节点进行可靠性判定时所采用的一种普遍的方式是信任预测方式，具体是将待判定的网络节点的历史信任值等数据作为输入样本，进而通过信任预测模型对输入样本进行信任预测，以此生成最终的信任预测结果，并通过信任预测结果对网络节点的是否可信或可信程度进行判定。

信任预测是评估网络中节点是否可信的关键，精确的信任预测能够降低系统对节点属性误判的风险，有效地选择可信节点作为数据传输的中继，并将恶意节点排除出网络。而传统的信任预测模型所处理而定输入样本往往是线性的，但是随着输入样本的内容不断丰富，以及输入样本中各类数据内容的关联性也在不断增强，因此输入样本不再仅限于具有线性特征，当前也往往存在有非线性类型的输入样本，导致当前的信任预测模型无法正常且准确的对非线性类型的输入样本进行处理，难以确保预测结果的准确性。

由此可见，提供一种网络节点信任预测方法，以确保信任预测模型相对准确的对非线性类型的输入样本进行处理，进而保证预测结果的准确性，是本领域技术人员需要解决的问题。

发明内容

本发明的目的是提供一种网络节点信任预测方法、装置、设备及介质，以确保信任预测模型相对准确的对非线性类型的输入样本进行处理，进而保证预测结果的准确性。

为解决上述技术问题，本发明提供一种信任预测方法，包括：

获取目标网络节点的输入样本；

当输入样本为非线性类型时，通过核函数将输入样本的类型转化为线性类型；

通过信任预测模型对线性类型的输入样本进行信任预测，生成信任预测结果。

优选的，通过信任预测模型对线性类型的输入样本进行信任预测，生成信任预测结果包括：

通过灰色预测模型对线性类型的输入样本进行信任预测，生成信任预测结果。

优选的，在通过核函数将输入样本的类型转化为线性类型之前，该方法还包括：

对核函数进行正则化处理。

优选的，对核函数进行正则化处理包括：

基于岭回归或Lasso回归对核函数进行正则化处理。

优选的，当基于岭回归对核函数进行正则化处理时，基于岭回归对核函数进行正则化处理包括：

基于岭回并通过拉格朗日乘子法构造拉格朗日函数，通过求解拉格朗日函数对核函数进行正则化处理。

优选的，通过核函数将输入样本的类型转化为线性类型包括：

通过经Mercer定理验证的核函数将输入样本的类型转化为线性类型。