[发明专利]一种基于模糊逻辑的无线传感器网络信任评估方法

摘要

一种基于模糊逻辑的无线传感器网络信任评估方法，包括以下步骤：步骤一、评估节点初始化被评估节点的直接信任向量；步骤二、评估节点使用模糊推理方法周期性地更新被评估节点的直接信任向量；步骤三、评估节点收集推荐节点对被评估节点的间接信任向量；步骤四、利用被评估节点的直接信任向量和间接信任向量，评估节点计算被评估节点的综合信任向量；步骤五、根据被评估节点的综合信任向量，评估节点对被评估节点进行信任类别的判断和网络协作的决策。本发明采用基于模糊集理论的信任值定义，使用模糊推理算法实现信任的量化，有效地处理了信任的主观模糊性问题，模拟了信任推理的主观认知过程，较传统算法具有更高的灵敏度、准确性和通用性。

主权项

1.一种基于模糊逻辑的无线传感器网络信任评估方法，采用分布式算法，要求网络中相邻节点相互进行信任的评估，评估的主体称为评估节点，客体称为被评估节点；对节点的信任值采用可信度和信任向量两种表示形式，具体定义为：设节点j是节点i的邻居节点，节点i对节点j进行信任评估；其中，i和j代表网络中节点的ID，为自然数；可信度t：评估节点i对被评估节点j的可信度用t_ij表示，取值区间为[0，1]，t_ij值越大，评估节点i对被评估节点j的信任程度越高；信任向量T：信任向量的定义基于模糊集理论；将节点的可信任程度分为“不可信”、“不确定”、“较可信”和“绝对可信”四个级别；在节点可信度的论域上划分出与四个级别相对应的模糊子集L_T1，L_T2，L_T3和L_T4，并建立相应的隶属度函数μ_T1(t)，μ_T2(t)，μ_T3(t)和μ_T4(t)；考虑到节点资源的限制，隶属度函数采用三角或梯形函数形式；则节点信任向量表示为T＝(v₁，v₂，v₃，v₄)，向量的第k(k＝1，2，3，4)个分量v_k表示节点对第k个信任级别的隶属度；DT、IT和CT分别表示评估节点对被评估节点的直接信任向量、间接信任向量和综合信任向量；若评估节点i对被评估节点j的可信度t_ij＝t^*，则评估节点i对被评估节点j的直接信任向量DT_ij＝(μ_T1(t^*)，μ_T2(t^*)，μ_T3(t^*)，μ_T4(t^*))；其特征在于：该评估方法的具体步骤如下：步骤一：评估节点初始化被评估节点的直接信任向量，具体方法为：由于缺乏先验信息，评估节点i完全无法确定被评估节点j的可信度，因此将直接信任向量中对应“不确定”信任级别的分量赋值为1，其它分量赋值为0，则直接信任向量的初始值DTij0=(0,1,0,0);]]>步骤二：评估节点使用模糊推理方法周期性地更新被评估节点的直接信任向量，具体作法为：(1)设评估节点i在0时刻完成对被评估节点j直接信任向量DT_ij的初始化，则评估节点i在lτ至(l+1)τ时段观察被评估节点j的网络行为，其中l≥0，τ为直接信任向量的更新周期，并在(l+1)τ时刻统计被评估节点j信任因子γ₁，γ₂，…，γ_m的变化Δγ₁，Δγ₂，…，Δγ_m；评估节点i通过监听信道实现对被评估节点j网络行为的观察，采用混杂接收的通信模式；(2)(l+1)τ时刻，评估节点i根据被评估节点j信任因子的变化趋势动态地设置相应的更新权重，设信任因子γ_s的变化为Δγ_s，则其更新权重W_s取值为：其中，0＜W_L＜＜W_H＜1；(3)评估节点i更新被评估节点j所有的信任因子值：γsl+1=(1-Wi)×γsl+Ws×Δγs---(2)]]>其中，γ_s^l和γ_s^l+1分别为lτ和(l+1)τ时刻被评估节点j的信任因子值；(4)评估节点i根据γ₁^l+1，γ₂^l+1，……，γ₃^l+1，模糊推理自身在(l+1)τ时刻对被评估节点j的可信度t_ij^l+1，并将t_ij^l+1代入各个信任级别对应的隶属度函数，即可得到评估节点i对被评估节点j在(l+1)τ时刻的直接信任向量DT_ij^l+1：DTijl+1=(μT1(tijl+1),μT2(tijl;+1),μT3(tijl+1),μT4(tijl+1))---(3)]]>其中，评估节点i根据被评估节点j的信任因子值，模糊推理自身对被评估节点j可信度的具体方法为：①评估节点i在信任评估前预先建立好节点可信度的模糊推理规则，并提取信任因子与节点可信度之间的模糊蕴含关系R_γ-t，具体为：a.节点可信度的模糊推理规则必须在信任评估前预先建立好，具体建立方法为：首先，将信任因子γ_s分为“坏”，“一般”和“好”共三个优劣级别，并在其论域上建立对应的模糊子集r_s，1，r_s，2，r_s，3以及隶属度函数μ_rs，1(γ_s)，μ_rs，2(γ_s)，μ_rs，3(γ_s)；考虑到节点资源的限制，隶属度函数采用三角或梯形函数形式；其次，根据信任推理的一般知识和经验，建立节点可信度的模糊推理规则，共建Q＝3^m条规则，建立标准为：当任一信任因子为“坏”时，则节点的可信度均为“不可信”；当少数的信任因子为“好”，且没有信任因子为“坏”时，则节点的可信度为“不确定”；当大多数信任因子为“好”，且没有信任因子为“坏”时，则节点的可信度为“较可信”；当所有信任因子为“好”时，则节点的可信度为“绝对可信”；b.评估节点i根据模糊推理规则，提取信任因子与节点可信度之间模糊蕴含关系R_γ-t，具体方法为：首先，提取单条模糊规则下的蕴涵关系R_α，α＝1，2，...，Q其中，μ_r1^α(γ₁)，μ_r2^α(γ₂)，......，μ_rm^α(γ_m)为第α条模糊规则下各个信任因子优劣级别的隶属度函数，μ_T^α(t)为第α条模糊规则下节点信任级别的隶属度函数；其次，将所有模糊规则下的蕴含关系进行综合，得到蕴含关系R_γ-t：②评估节点i将被评估节点j的信任因子值γ₁^*，γ₂^*，……，γ_m^*与R_γ-t进行推理合成，得到节点可信度的模糊输出μ_T^*(t)：③评估节点i利用重心法将μ_T^*(t)反模糊化，求得对被评估节点j的可信度t_ij：tij=COG=∫μT*μT*(t)·tdt/∫μT*(t)dt---(7)]]>步骤三：当需要与被评估节点进行网络协作时，评估节点收集推荐节点对被评估节点的间接信任向量，具体方法为：当评估节点i需要决定是否与被评估节点j进行网络协作时候，向周围广播被评估节点间接信任向量的查询命令；推荐节点在收到查询命令后，将自身对评估节点j的直接信任向量作为间接信任向量，发送给评估节点i；这里，推荐节点只能是评估节点和被评估节点的共同邻居节点；步骤四：评估节点以推荐节点的可信度为综合权重，对间接信任向量与直接信任向量进行合成，得到被评估节点的综合信任向量，具体方法为：设评估节点i接收到p(p≥0)个推荐节点对被评估节点j的间接信任向量IT_1j，IT_2j，……，IT_Pj；评估节点i以自身对这些推荐节点的可信度t_i1，t_i2，......，t_ip为综合权重，将这p个间接信任向量与直接信任向量DT_ij进行合成，计算对被评估节点j的综合信任向量CT_ij：CTij=DTij+Σu=1ptiu·ITuj1+Σu=1ptiu---(8)]]>步骤五：评估节点根据被评估节点的综合信任向量，判断被评估节点的信任级别，并灵活调整自身与被评估节点间网络协作行为，具体方法为：评估节点i将综合信任向量CT_ij中最大分量所对应的信任级别，作为被评估节点j所属的信任级别；根据被评估节点j的信任级别，评估节点i决定是否与被评估节点j进行网络协作的标准是：若被评估节点j属于“绝对不可信”级别，则评估节点i拒绝与其进行协作；若被评估节点j属于“不确定”级别，则评估节点i只与其进行风险较低的网络协作；若被评估节点j属于“较可信”级别，则评估节点与其进行风险一般的网络协作；若被评估节点j属于“绝对可信”级别，则评估节点i与其进行任意风险的网络协作。