[发明专利]一种移动自组网路由决策方法

说明书

本发明公开了一种移动自组网路由决策方法，该方法基于可信机制和Q‑Learning动态信任值实现，所述可信机制包括邻居监控、信息共享、评估决策和路由管理等。本发明解决了自组网在恶劣情况下节点自身的不信任程度以及节点自主选择最适合的下一跳节点等问题，实现了节点内部评估信任并剔除不信任节点，也实现了节点根据自身探索网络后的智能选择。同时解决了基于信任机制的移动自组网中激励节点诚实推荐的问题，并在此基础上实现可信路由协议。在移动自组网中引入信任机制评判节点的行为，能够有效地建立节点间的信任关系,从而构建一个稳定、可信的网络环境。

技术领域

本发明属于自组网技术领域，具体涉及一种移动自组网路由决策方法。

背景技术

自组网是一种移动通信和计算机网络相结合的网络，网络的信息交换采用计算机网络中的分组交换机制，用户终端是可以移动的便携式终端，自组网中每个用户终端都兼有路由器和主机两种功能，它不依赖于预设的基础设施而临时组建，网络中的移动节点利用自身的无线收发设备交换信息，当相互之间不在通信范围内时,可以借助其他中间节点中继来实现多跳通信。

自组网具有一般通信网络所没有的一些特点，如网络的自组性、拓扑的动态性、带宽的有限性、控制的分布性、多跳性以及有限的安全性等，但同时也面临了一些挑战：自组网的网络拓扑结构复杂且多用于环境急剧变化且存在恶意节点的情况下、通信开销大、吞吐量带宽有限和节点下一跳决策困难等。

在自组网这样一个形势复杂多变的环境中，状态空间极大，不可能用传统的通信方法解决所有的问题，也不可能在所有的态势下指定自组网节点下一跳的行为和动作，甚至是硬件设备和使用环境的变化都会影响到自组网路由决策。因此，针对这种情况，考虑到自组网网络环境的多变性以及节点自身的安全性，我们引入了基于推荐信任的可信路由协议，并在此安全基础上，将自组网路由决策类比为复杂环境下多智能体协作和决策问题，引进机器学习领域中的Q-Learning以提高自组网节点下一跳决策的智能能力。

发明内容

为克服上述缺陷，本发明提供了一种移动自组网路由决策方法，该方法基于可信机制和Q-Learning动态信任值实现，所述可信机制包括邻居监控、信息共享、评估决策和路由管理等，该方法具体包括以下步骤：

步骤1.节点A存储邻居节点B的信息

任意节点A若在第t个时间帧内与邻居节点B有直接交互行为action，则用结构{A：B，action，trust_value，t}记录此次交互行为，每一个节点均维护一个上述结构的信息，并将此结构存储在直接信任值信息表中，trust_value标记交互行为成功与否；节点间信任关系的建立采用两种方式：一是节点在本地获取的关于被评价节点的信任信息，称为直接信任值；二是来自第三方节点的关于被评价节点信任信息的合成，称为间接信任值；推荐信任值属于直接信任值的一种特殊形式，用于描述一个节点对其他节点能否诚实提供推荐信息的主观性预测；

步骤2.信任值量化：计算直接信任值、推荐信任值、间接信任值和总体信任值；

步骤3.节点A转发数据包时进行邻居监控，判断是否监控成功并更新维护监控缓存表peekBuffer，邻居监控的具体流程为：当节点A给其下一跳节点B发送了一个数据包时，节点A首先将该数据包写入缓存peekBuffer中，并设置计时器，然后转发数据包给节点B，同时开始监控节点B，如果节点A监控到节点B成功转发了数据包，或是由于计时器超时而认定节点B没有成功转发数据包，则将监控到的结果传递给信任库，同时删除数据包；如果节点B没有成功转发数据包，则节点A需要初始化信息，其中，信任库包括标准缓存表buffer、监控缓存表peekBuffer、推荐请求缓存waitRecomBuffer和推荐信息缓存表recomBuffer；