[发明专利]基于复杂网络理论的水声传感器网络信任模型更新方法

摘要

本发明涉及一种基于复杂网络理论的水声传感器网络信任模型更新方法，其步骤包括：首先，通过定义水下感知节点之间的连接概率，反映水下环境对节点通信的影响；其次，复杂网络理论，定义关键节点，提升网络应对不同攻击的能力；最后基于强化学习中的Q‑learning算法，设计信任模型更新方法。本发明解决了现有水声传感器网络中信任模型无法根据水下环境或攻击者手段变化自适应做出更新的问题，提高了水声传感器网络信任模型的实际应用价值。

主权项

1.一种基于复杂网络理论的水声传感器网络信任模型更新方法，其特征在于：包括以下步骤：步骤一：网络模型构建 网络分为由水面静止的sink节点组成的上层网络和水下移动的感知节点组成的下层网络；下层网络中的感知节点锚定在海底，能够在一定范围内随水流移动，负责进行水下的数据采集，并将采集到的数据通过多跳传输的方式向水面传递；上层网络中的sink节点负责接收水下感知节点采集到的数据，并对数据进行预处理，之后通过卫星中继的方式或者直接将数据发送给陆地上的基站；通过定义下层网络中感知节点之间的连接概率反映水下环境对网络的影响；步骤二：基于复杂网络理论的关键节点定义 根据复杂网络的无标度特性，下层网络中的感知节点服从幂律分布，即下层网络少量的感知节点完成大部分通信任务；从下层网络中感知节点的分布特性出发，定义下层网络中关键节点的概念，并对关键节点与下层网络中的普通感知节点设计不同的信任更新机制；步骤三：基于强化学习的信任更新下层网络中感知节点周期性对自己通信范围内的邻居节点进行信任更新，采用强化学习中的Q‑learning算法设计信任更新方法；在进入更新周期时，下层网络中感知节点计算每个邻居节点的三种信任证据，即通信信任、能量信任和数据信任；然后通过基于Q‑learning的信任更新算法对信任证据的权重进行更新；最后在信任更新周期结束后得到适合当前水下情境的信任权值。