[发明专利]一种基于信任的拟态防御表决机制及系统有效
申请号: | 201911109754.X | 申请日: | 2019-11-14 |
公开(公告)号: | CN111163046B | 公开(公告)日: | 2022-01-21 |
发明(设计)人: | 王伟;李光松;段明;陈华瑾;王磊;郑群雄;郭路路;杜宜宾;李强 | 申请(专利权)人: | 中国人民解放军战略支援部队信息工程大学 |
主分类号: | H04L9/40 | 分类号: | H04L9/40 |
代理公司: | 郑州大通专利商标代理有限公司 41111 | 代理人: | 张立强 |
地址: | 450000 河*** | 国省代码: | 河南;41 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 信任 拟态 防御 表决 机制 系统 | ||
1.一种基于信任的拟态防御表决方法,其特征在于,包括:
步骤1:根据拟态防御系统中各执行体的运算结果对各执行体进行计数;具体为:步骤1.1:获取拟态防御系统的历史表决数据,所述历史表决数据包括每次表决过程中各执行体的运算结果和对应的输出结果;
步骤1.2:在一次表决过程中,针对每个执行体,若其运算结果与本次表决的输出结果一致,则认为执行体的运算结果正确,反之认为执行体的运算结果错误;
步骤1.3:在一次表决过程中,若执行体的运算结果正确,则增加其计数;若执行体的运算结果错误,则保持其当前计数;
步骤2:根据计数结果,基于贝叶斯估计理论估计当前时刻每个执行体的统计信任度;其中,执行体Ai在t时刻的统计信任度是指:根据执行体Ai在(t-△t,t)时间段内的运算结果,基于贝叶斯估计理论对Ai在t时刻是正常的可能性作出的估计值;步骤2具体为:
步骤2.1:对执行体Ai在一次表决过程中的计数按照式(1)进行模型化:
步骤2.2:在N次表决过程中,将Ai的运算结果与输出结果是否一致所对应的随机变量Xi(1),Xi(2),...,Xi(N)作为Xi的简单随机抽样,N为检测次数;
步骤2.3:设定Ai的运算结果与输出结果一致的次数是参数θ的充分统计量且服从二项分布:
步骤2.4:设定θ的先验分布是均匀分布,则观察到S(N)=k时,按照式(3)得到θ的后验分布:
其中,B(k+1,N-k+1)是参数为k+1和N-k+1的Beta分布函数;
步骤2.5:按照式(4)得到参数θ的估计值:
步骤2.6:将参数θ的估计值作为执行体Ai在t时刻的统计信任度STi(t);
步骤3:在无法表决情况下选取当前时刻统计信任度最大的执行体的运算结果作为拟态防御系统的输出。
2.根据权利要求1所述的拟态防御表决方法,其特征在于,检测次数N的取值范围:
其中,ε∈(0,1)是误差参数,δ∈(0,1)是置信参数。
3.根据权利要求1所述的拟态防御表决方法,其特征在于,还包括:比较执行体tn时刻在第n次表决过程中的运算结果与输出结果,根据比较结果确定执行体在tn时刻的统计信任度的更新方式。
4.根据权利要求3所述的拟态防御表决方法,其特征在于,若执行体Ai的运算结果与输出结果一致,则按照式(6)更新Ai的统计信任度:
Ti(tn)=α·Ti(tn-1)+(1-α)·STi(tn) (6)
其中,α∈(0,1)表示加权参数,tn-1是Ai上一次参与表决的时刻;
若执行体Ai的运算结果与输出结果不一致,则按照式(7)更新Ai的统计信任度:
Ti(tn)=β×Ti(tn-1) (7)
其中,β∈(0,1)表示惩罚参数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国人民解放军战略支援部队信息工程大学,未经中国人民解放军战略支援部队信息工程大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911109754.X/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种信号模数转换系统
- 下一篇:一种集成的卷积神经网络织物疵点分类方法