基于节点交互距离与物理距离的WSN信任模型

针对现有WSN信任模型没有考虑节点交互距离影响推荐信任和节点物理距离影响能量消耗的问题，提出了基于节点交互距离的推荐信任度和基于物理距离的能量信任度计算方法，及与行为信任度、能量信任度进行信任融合的方法。引入簇头结点更新算法保证了每个时间片最高信任度节点是簇头节点。实验表明：基于节点交互距离与物理距离的WSN信任模型及算法提高了节点间的交互成功率和交互稳定性，降低了交互时延波动率，模型稳定性有明显提高。     

WSN中兼顾安全和剩余能量的簇头选择算法

通过对无线传感器网络的信任模型和节点的能量消耗的研究,针对能量受限的无线传感器网络容易受到攻击的问题,提出了一种基于信任机制的分布式簇头选举优化算法。簇头的选举综合考虑了节点的信任度和节点的剩余能量两种因素。实验证明,该算法提高了网络安全性,延长了网络生存周期。并且信任模型中的校正机制体现了模型的健壮性。     

P2P网络中恶意节点控制算法的研究

对目前P2P网络中的信任模型进行研究,发现信任模型在考虑恶意节点方面存在欠缺。为此,分析恶意节点的恶意行为,综合已有模型的优点,根据信任值的“慢升快降”与直接信任度影响更大的原则,针对控制恶意节点提出一种新的信任度计算模型,该模型中信任度的改变值与每次交易的资源大小有关。仿真实验结果证明,该模型能提升交易成功率。     

物联网节点动态信任度评估方法

针对现有物联网（IoT）信任度评估方法未考虑信任的时效性、非入侵因素对直接信任度评估的影响以及缺乏对推荐节点可靠度的评估,造成信任评估准确度低且不能有效应对节点恶意行为的不足,提出一种IoT节点动态信任度评估方法（IDTEM）。首先,设计节点服务质量持续因子评估节点行为,并采用动态信任衰减因子表达信任的时效性,改进基于贝叶斯的直接信任度评估方法;其次,从推荐节点价值、评价离散度与节点自身的信任度值三个方面评估推荐节点可靠度,并据此优化推荐信任度权重计算方法;同时,设计推荐信任反馈机制,通过服务提供节点完成服务后的实际信任度与推荐信任度的反馈误差实现对协同恶意推荐节点的惩罚;最后,基于熵计算节点自适应权重,得到节点综合信任度值。实验结果表明,同基于贝叶斯理论的面向无线传感器网络的信誉信任评估框架（RFSN）模型及基于节点行为的物联网信任度评估方法（BITEM）相比,IDTEM可较好地识别恶意服务和抑制恶意推荐行为,且具有较低的传输能耗。     

网络环境下跨域信任调度模型

针对跨域资源调度过程中不同域之间信任度评价差异,域与域之间实体信任度无法比较的现象,提出了一个域间信任度计算模型,并由域代理完成不同信任机制的相互转换。通过对不同域之间资源调度历史记录以及推荐信任度进行综合评价,把域间信任度进行规范化,使域之间的信任度有了可比性;给出了跨域信任体系结构;提出了实现跨域调度的算法。实验表明,提出的信任模型和调度算法在跨域范围内选择了信任度高的资源,提高了任务满足率和调度成功率。     

基于分簇的无线传感器网络中信任节点的研究

对节点的信任值进行研究,来判断节点是否值得信赖。对节点的信任要素进行分析,重点介绍分簇的无线传感器网络(WSNs)中信任的计算模型。在该模型中,综合直接信任和信誉给出信任度的计算方法。直接信任度采用基于贝叶斯评估方法,在推荐信任度的基础上描述信誉。仿真结果表明:在识别恶意节点和簇头选举时显示出该模型的优越性。     

移动社会网络中基于全局信任模型的用户影响力计算

针对现有算法和模型对于网络中用户影响力计算大多只考虑拓扑结构和贪心算法而较少考虑真实社会网络中信任度对于节点影响力的重要性这一问题, 该文提出一种全局信任模型(global trust model, GTM)用于评估节点的影响力. 首先计算节点与邻居节点间的信任关系作为局部信任度, 其次利用Beta信誉模型在节点局部信...     

综合指数法的信任网格动态综合评价模型

在网络安全问题的研究中,信任评价是网格安全领域中的难点内容.为了保障信息网格领域中节点的可靠性、解决传统信任评价模型不能有效评估节点综合信任度的问题,保证网络传输的安全性,利用综合指数法,对网格节点的直接、间接信任度、时间衰减度建立了一种综合信任评价模型.模型可从网格实体间交互情况提取信任信息,从而综合评价某节点的总体信任度.通过设置系统阈值对网格中的实体进行交互控制,并进行仿真.仿真实验表明,信任管理模型能够提高信息网格中任务运行的成功率,有效的减少网格环境的不确定性对任务执行的影响,确保了网络的安全.     

进化算法迭代优化的P2P网络信任模型研究

为了解决P2P网络系统中节点频繁退出和加入引起的系统数据信息误差,并针对数据获取对中心节点依赖度较大和系统中节点的数据信息获取不完整等问题,提出了进化算法迭代优化的P2P网络信任模型.首先将P2P网络系统中节点数据信息获取的系统信任度估计模型转化为从源节点到目标节点最优信任关系的路径寻优问题;然后利用改进的粒子群算法对信任关系路径方案进行粒子映射,并通过对粒子粒距聚集度和粒子信息熵进行计算而修正粒子权值,再对粒子局部最优解和全局最优解进行更新;最后迭代的对信任关系路径解空间中的最优解进行搜索,并对最优路径的节点进行推荐信任度加权.仿真结果表明,改进算法具有较好的收敛速度和较强的有效性,且当节点跳级数较少时,可使系统数据信息估算获得最优的系统信任度.     

面向物联网节点的综合信任度评估模型建立

作为新型应用技术,物联网实现了迅速更新发展,在促进能源、科学技术、医疗与教育等多领域发挥着战略性作用。基于物联网应用环境的安全与信任问题备受社会各界积极关注。就既有物联网信任度评估模型效果不佳,准确性低,难以应对节点恶意行为等缺陷,制定了基于物联网节点的综合信任度评估模型。设计节点同质量服务强度评估指标,促使非入侵要素在信任度评估中的影响性有所下降;基于节点相似性、评价差异性、节点信任度值等多角度,对推荐节点可靠性进行全面评估,以此为推荐信任度权重;在此基础上,以熵为载体对直接信任度权重进行计算分析,同时对节点综合信任度值加以计算。     

基于信任机制的机会网络安全路由决策方法

提出一种基于信任机制的机会网络安全路由决策方法TOR,该方法在节点中引入信任向量的数据结构,记录节点携带消息能力的信任度.采用层状硬币模型和数字签名机制,在消息传递过程中将节点签名的转发证据动态捆绑到消息包上,依靠消息携带方式实现证据链的采集.周期性地将具有签名和时间戳的信任向量表通过洪泛方式反馈到网络中,在每个节点,迭代形成一个由多维行向量集组成的只读可信路由表TRT,作为选择下一跳节点和副本分割策略的决策依据.在节点相遇时,选择信任度比自身大的作为下一跳转发节点,消息沿着信任梯度递增的方向传递.实验结果表明：与现有路由算法相比,TOR算法能够有效抑制恶意节点和自私节点的破坏行为,且具有较高的消息传递成功率和较低的消息转发平均时延,对缓存空间和计算能力要求较低.     

基于社交网络的群体信任算法

社交网络(Social Network Service,SNS)中群体之间的信任关系是广泛存在的,目前大部分信任模型的研究基本只涉及一对一之间的个体信任关系,并没有充分考虑一对多、多对一以及多对多之间的群体信任关系。在现有信任模型研究的基础上,给出一种群体信任算法。该算法根据社交网络中群体的特点,将交互的两个群体抽象为两个群体节点,将复杂的多种信任关系转化为一对一之间的信任关系,从而对群体间的信任关系进行描述和度量。仿真结果表明,该算法能合理地度量与计算每个节点在群体中的可信度以及群体间的直接信任度。     

基于多属性决策的多维时序信任度排序模型

针对属性权重未知且评价数据为多维时序的信任度排序问题,提出一种基于线性规划理论的信任度排序方法。首先使用线性规划模型确定一维时序下属性权重未知的多个节点信任度排序上下限向量,然后建立多维时序下信任度的最优协调排序模型,再将模型转化为典型指派问题并利用匈牙利算法进行求解,从而得到各个节点的信任度排序。实例分析表明,当最优协调排序模型中距离参数q取低值时,对极值数据不敏感,可以防止少数评价数据突变造成的误评; 当q选取高值时,对极值数据较敏感,可以识别受评对象中信任度摇摆不定的潜在不诚实对象。     

开放式环境下一种基于信任度的RBAC模型

在开放式环境中,用户和资源的高流动性会导致基于角色的访问控制(RBAC)模型在角色指派和权限控制方面异常复杂。为此,提出一种基于信任度的弹性RBAC模型。利用评价机制确定用户与资源间的直接信任度及资源之间的推荐信任度,综合2种信任度计算用户的信任度和资源的权威度,结合用户的访问记录,为用户分配合理的角色和权限,并采用加性增、乘性减算法动态调整实体的信任度,从而防止恶意行为。基于Query Cycle Simulator的实验结果证明,该模型可以保证评价的合理性和准确性。     

基于熵权TOPSIS的社会网络影响力最大化研究

在影响力最大化问题中,针对启发式方法精度不足和贪婪方法时间过载的问题,提出一种基于多属性决策方法的影响力最大化算法.首先,从社会网络节点的影响传播、节点之间的影响重叠和节点的信任度角度选取节点的重要性评价指标.然后,建立基于熵权TOPSIS的社会网络节点重要性评价模型,通过模型选择影响范围最广、与当前种子集的重叠最小且信任度最高的节点.最后,构建算法,并通过实验验证算法的性能.实验结果表明,与传统影响力最大化算法相比,所提算法在传播范围与时间效率上取得了较好的折中.     

多因素信任的无线传感器网络信任模型

针对无线传感器网络中存在多种因素影响节点可信的问题,提出了节点路由向量阈;在基于信誉的信任管理框架(RFSN)模型的基础上,采用节点路由向量阈方法,建立了多因素信任的无线传感器信任模型。该模型综合利用通信信任、能量信任和路由向量信任来计算节点信任度,较客观真实地反映出节点的信任程度,应对无线传感器网络遇到的多种安全威胁。仿真实验表明,该模型能更准确地识别节点是否可信,可及早发现恶意节点,延长了网络生存期。     

基于无线传感器网络节点信任度的三维覆盖算法*

针对无线传感器网络中节点的安全性及覆盖问题,提出基于节点信任度的三维覆盖算法(Three Dimensional Coverage Algorithm Based on Node Trust,简称NTA3D),该算法依据虚拟力、网格划分及节点信任度的思想,引入吸引源联合信任度。将待监测区域划分成网格,并在每个网格中心部署吸引源。吸引源可以根据网格中的活跃节点计算该网格的联合信任度,并根据联合信任度调度节点,调度结束后工作节点根据其所受合力的大小和方向重新部署。通过实验仿真,证明了本文算法能够在保证安全性的前提下有效地提高覆盖率,降低网络能耗。     

应用主观逻辑的无线传感器网络信任更新算法

为了解决基于信誉的传感器网络安全框架存在的信任更新失真问题,提出了基于主观逻辑的信任更新算法。首先,对基于信誉的安全框架的信任更新过程进行认知和分解,指出了信誉随机变量期望描述的信任无法完全反映节点当前的行为趋势是导致信任更新失真的主要原因。在此基础上给出了总体设计模型。然后,改进了基于信誉随机变量期望的信任更新,采用主观逻辑意见忽略当前行为趋势支持度低的信任更新,避免了描述长期行为趋势的信任更新在反映节点当前行为趋势时出现的失真。最后,通过仿真实验,证明了所提算法既可以描述节点的长期行为趋势,又可以在一定程度上反映节点当前的行为趋势。     

可信网络中一种考虑不确定性的节点信誉量化模型

可信网络中节点信誉是一种重要而带有不确定性的信任关系。信誉及其聚合过程具有模糊性和随机性特征。云模型能够科学地描述节点信誉及其形成过程的不确定性。采用逆向云生成算法,揭示了节点信誉及其聚合过程在整个生命期的模糊性和随机性规律;获得其信誉云的数字特征值,指导在局部窗口内其信誉的量化。基于服务满意度评价的确定度值这一具有稳定倾向的随机数,结合衰减系数,设计了信誉度量化模型。模型中的权值是与满意度值有关的有稳定倾向的随机数。所提信誉量化模型切合开放网络信任关系的不确定性规律。仿真结果表明,与其它信誉量化模型相比,所提出的模型计算结果稳定,且具有较强的杭攻击性。