[发明专利]一种基于重叠连通支配集的间接信任计算与分发方法

说明书

本发明涉及一种基于重叠连通支配集的间接信任计算与分发方法，包括以下步骤：构建至少3层的重叠连通支配集；当第一节点请求获取第二节点的信誉值时，第一节点分别在每层连通支配集中发布请求信息；当某个节点发现恶意行为时，将所述恶意行为的相关信息发布到整个网络中；所述恶意行为相关的节点的邻居节点存储所述恶意行为的相关信息，并更新所述恶意行为相关的节点的信誉值。本发明能够可靠传输信任信息。

技术领域

本发明涉及无线传感网技术领域，特别是涉及一种基于重叠连通支配集的间接信任计算与分发方法。

背景技术

近年来人工智能发展迅速，加快了物联网自动化的进程。分布式网络的通信节点迅速增多，具有开放性且无人监守，面临被物理攻陷的威胁。被攻陷的妥协节点可以发出开关攻击、诽谤攻击、灰洞攻击等多种内部攻击，传统密码学与认证等方法无法应对，而这类攻击能被基于行为的信任模型有效的解决。

信任模型被用来解决实体与实体间的信任问题，是抵御内部攻击的有效方案。信任模型的信任值计算包含直接信任与信誉两个部分。直接信任的计算有给出了经典的Beta分布模型，符合概率统计学原理。后续学者进一步考虑的行为信息的时效性，在Beta模型中加入了时效因子，使近期的行为具有更大的影响。信誉的计算则比较复杂。其通常由推荐信任构成，但推荐者是否可信的忧虑使信誉的计算更加复杂。

有学者提出基于多跳节点的滤波间接信任推荐方法或马尔科夫链信任模型。采用多跳节点可以在距离较远的节点间建立信任关系。但随着跳数的增多，计算量急速增长，不适用于较大的网络结构。也有学者提出使用区块链来存储信任信息，保障推荐的可靠性。但区块链保证一致性的同时，增大了系统的时延，占用了更多的存储空间。另一方面，社交物联网的概念也被用来解决间接信任的问题。物联网设备的主人的社交关系以及兴趣相似度等信息被用来计算设备之间的信任值，能够高效地导出设备之间的信任关系。但基于社交物联网的方法只适用于有主人的设备所构成的网络，适用范围比较狭窄。

随着数字化技术的高速发展，人与人之间的关系、物与物之间的连接越来越复杂。更复杂的交互关系带来的是更复杂的信任问题。为了应对这些挑战，信任模型这种软安全机制被认为是一种有希望的方法。

Wu等人提出了一种基于Beta分布和链接质量指示器的信任模型。该方法同时考虑了通信信任、能量信任、数据信任三种信任，并讨论了它们的权值。并提出了LQI分析策略，防止将信道质量差的节点误认为是妥协节点，提高了该网络中间接信任的容错能力。

另一种提高容错的方法——补偿机制，其基于强化学习提出了一种不断更新的信任模型来抵御混合攻击。然后利用信任补偿模型恢复部分误判的低信任值的传感器以提高网络的资源利用率。该方法依赖于强化学习的学习特性，能够抵御部分新出现的攻击模式。

另一方面，间接信任还可以通过可信第三方获取。Fang等人提出了一种基于信任的安全系统，用于智慧城市中的数据收集。该方法通过二项分布和第三方推荐来计算信任值，并且设计了一个信任管理机制来抵御开关攻击，均衡了安全性、传输性能和能量效率。

多种情况下的间接信任获取已经被学者们广泛地研究了，但在去中心化的无线传感器网络中，两个相距很远的节点之间的间接信任难以高效可靠获取。

发明内容

本发明所要解决的技术问题是提供一种基于重叠连通支配集的间接信任计算与分发方法，能够可靠传输信任信息。

本发明解决其技术问题所采用的技术方案是：提供一种基于重叠连通支配集的间接信任计算与分发方法，包括以下步骤：

(1)构建至少3层的重叠连通支配集，其中，每层连通支配集构成一个树结构；

(2)当第一节点请求获取第二节点的信誉值时，第一节点分别在每层连通支配集中发布请求信息；所述请求信息在所述重叠连通支配集的连通点与支配点间传播，由所述支配点应答；