[发明专利]一种基于积极评价系统的网络拓扑控制方法

说明书

本发明公开了一种基于积极评价系统的网络拓扑控制方法，应用于分布式共享网络拓扑控制邻域，其核心是积极评价系统，主要涉及双向通信、恶意惩罚和激励三个阶段。双向通信主要是获取邻居节点的ID以及它们的分享比，从而获得综合信任值。恶意惩罚是指针对全局关系比低于预设阈值的情况，用线性关系来相应降低综合信用值，直至被认定恶意节点将其隔离，使它不参与信息的转发。激励则对邻居节点赋予虚拟信任值，排在前面的将优先参与拓扑的连接及信息的转发。通过积极评价系统，在扩展方向上调动节点，同时确保节点始终保持与网络主干的连接，建立动态网络拓扑图。

技术领域

本发明属于网络拓扑领域，具体涉及一种基于积极评价系统的网络拓扑控制方法。

背景技术：

通常情况下，网络节点一般不会按照指定方向和位置移动，正是因为网络节点之间分享资源后，分享给什么位置的节点是不可控的，节点是否会继续往下分享也是不可控的，网络不断扩张变得不可控，因此需要采取措施避免盲目扩张。基于积极评价系统的控制网络拓扑结构的扩展规模的方法的核心部分是积极评价系统，其精髓在于运用了区块链技术。

有很多控制网络拓扑结构的方法，比如局部最小生成树法、定向扩展拓扑控制法等，但他们多集中于链路层层面，把功能过多的集中在单个节点上，无形中增加了节点的负担，增加了能耗。为了能够更好有效的达成目的，在网络层上将对节点行为测算安排到区块链系统上，从而提高控制的可行性和有效性。

发明内容

本发明的目的在于提供一种基于积极评价系统的网络拓扑控制方法，以解决现有技术中导致的节点负担过重，能耗过大的缺陷。

一种基于积极评价系统的网络拓扑控制方法，所述方法包括双向通信、恶意惩罚和激励三个阶段，

所述双向通信包括如下方法步骤：

被测节点与邻居节点通过通信通道互相进行数据传输；

根据传输数据列出分享比表，并计算出综合信任值；

所述恶意惩罚包括如下方法步骤：

设定预设值，根据邻居节点总数得出全局关系比；

当全局关系比小于预设值时，减少综合信任值；

当综合信任值低于信任阈值时，对相应节点进行恶意惩罚；

预设值与信任阈值通过MatLab进行密集的模拟实验进行评估，通过仿真确定全局关系比预设值为0.75，信任阈值为0.3。

所述激励包括如下方法步骤：

构建动态网络拓扑图，获取每个邻居节点的虚拟信用值；

将所有邻居节点根据虚拟信用值进行排列形成激励表；

根据激励表的排列情况对邻居节点实行激励操作。

优选的，所述动态网络拓扑图的构建方法包括如下步骤：

源节点同时与它的邻居节点进行通信；

源节点选择周围任意一个邻居节点作为被测节点，如节点A；

节点A与其邻居节点组成区块链系统；

使用积极评价系统，对节点A进行评判；

将节点A与源节点的其他邻居节点构成的区块链系统比较，当节点A的综合信用值最大时，源节点与节点A建立拓扑关系；

通过激励表找出节点A区块链系统中虚拟信用值最高的邻居节点，如节点B；

节点A与节点B建立意向连接；

用积极评价系统评判节点B的综合信用值在与其自身邻居节点组成的区块链系统中是否为最大；