一種基于混合蛙跳算法的物聯(lián)網節(jié)點信譽評估方法
【專利摘要】一種基于混合蛙跳算法的物聯(lián)網節(jié)點信譽評估方法，分析物聯(lián)網中節(jié)點的局域特征，計算物聯(lián)網自治域中的節(jié)點的重要性，將計算后的節(jié)點重要性作為節(jié)點篩選的依據，利用混合蛙跳算法對節(jié)點進行聚類，選取節(jié)點重要性較高的一類節(jié)點作為信譽評估的鄰居節(jié)點，根據信譽評估算法，使用鄰居節(jié)點對需要評估的節(jié)點進行信譽評估，根據節(jié)點當前信譽和歷史信譽計算出更為準確的節(jié)點信譽值，設定閾值，將節(jié)點信譽值與該閾值進行比較判定節(jié)點是否可信；當信譽值低于設定閾值時，則判定節(jié)點為不可信節(jié)點，否者為可信節(jié)點；本發(fā)明能夠有效避免傳統(tǒng)信譽評估系統(tǒng)中出現(xiàn)的不可信節(jié)點對評估結果產生干擾的問題。
【專利說明】一種基于混合蛙跳算法的物聯(lián)網節(jié)點信譽評估方法
【技術領域】
[0001]本發(fā)明涉及通信【技術領域】，具體的說是涉及一種基于混合蛙跳算法的物聯(lián)網節(jié)點信譽評估方法。
【背景技術】
[0002]目前，對于分布式系統(tǒng)的可信性研究主要集中在可信管理和可信評估兩方面，可信管理的本質是一中基于認證和授權的訪問控制模型與方法。信任評估方法則是以實體間的推薦信任關系為基礎，結合自身經驗對實體可信度做出評價，然后依據可信度進行決策。經典的信譽管理技術有求信譽平均值方案、貝葉斯網絡和集群過濾。節(jié)點間、域之間建立信任十分重要，一般來說，信任級別可以通過鄰居節(jié)點的行為和他們對相應事件生成的信息進行評估。然而，節(jié)點十分容易受到攻擊，進而提供不可靠的或惡意的反饋，影響真實的節(jié)點信譽值。
[0003]現(xiàn)有方法的缺陷有:
1、信譽級別評估缺乏間接信譽推薦
通常的信譽級別評估需要考慮主客觀兩方面的因素，如資源對用戶可信程度的評價不僅由本地獲取的直接信譽度決定，還應當考慮計算代理處獲取的間接信譽推薦(聲譽)；而節(jié)點可靠程度的評定也不單由使用該節(jié)點的用戶決定，同樣需要考慮其他自制域的用戶對該節(jié)點的信譽推薦。綜合考慮用戶、節(jié)點的信譽以及信譽評估過程中的主觀客觀因素。
[0004]2、不可靠節(jié)點對信譽評估的干擾
由于物聯(lián)網自身所具有的高異構和高混雜特征，自治域內的節(jié)點很可能遭受到非法的入侵攻擊，從而做出錯誤的信譽等級評價，對最終的評估結果進行干擾，影響評估結果的準確性。
【發(fā)明內容】
[0005]本發(fā)明針對傳統(tǒng)信譽評估系統(tǒng)中可能出現(xiàn)的不可信節(jié)點對評估結果產生干擾的問題，提出一種基于混合蛙跳算法的物聯(lián)網節(jié)點信譽評估方法。
[0006]本發(fā)明所采用的技術方案是:一種基于混合蛙跳算法的物聯(lián)網節(jié)點信譽評估方法，所述的方法包括以下步驟:
步驟1、分析物聯(lián)網中節(jié)點的局域特征，計算物聯(lián)網自治域中的節(jié)點的重要性；
步驟2、將計算后的節(jié)點重要性作為節(jié)點篩選的依據，利用混合蛙跳算法對節(jié)點進行聚
類；
步驟3、選取步驟2中得到的節(jié)點重要性較高的一類節(jié)點作為信譽評估的鄰居節(jié)點； 步驟4、根據信譽評估算法，使用步驟3得到的鄰居節(jié)點對需要評估的節(jié)點進行信譽評
估；
步驟5、根據節(jié)點當前信譽和歷史信譽計算出更為準確的節(jié)點信譽值；
步驟6、設定閾值，將步驟5中得到的節(jié)點信譽值與該閾值進行比較判定節(jié)點是否可信；當信譽值低于設定閾值時，則判定節(jié)點為不可信節(jié)點，否者為可信節(jié)點。
[0007]所述步驟I中的節(jié)點重要性的計算方法包括以下步驟:
步驟201、將網絡表示為二元組YK，EY，節(jié)點集合表示為
【權利要求】
1.一種基于混合蛙跳算法的物聯(lián)網節(jié)點信譽評估方法，其特征在于:所述的方法包括以下步驟: 步驟1、分析物聯(lián)網中節(jié)點的局域特征，計算物聯(lián)網自治域中的節(jié)點的重要性； 步驟2、將計算后的節(jié)點重要性作為節(jié)點篩選的依據，利用混合蛙跳算法對節(jié)點進行聚類； 步驟3、選取步驟2中得到的節(jié)點重要性較高的一類節(jié)點作為信譽評估的鄰居節(jié)點； 步驟4、根據信譽評估算法，使用步驟3得到的鄰居節(jié)點對需要評估的節(jié)點進行信譽評估； 步驟5、根據節(jié)點當前信譽和歷史信譽計算出更為準確的節(jié)點信譽值； 步驟6、設定閾值，將步驟5中得到的節(jié)點信譽值與該閾值進行比較判定節(jié)點是否可信；當信譽值低于設定閾值時，則判定節(jié)點為不可信節(jié)點，否者為可信節(jié)點。
2.如權利要求1所述的一種基于混合蛙跳算法的物聯(lián)網節(jié)點信譽評估方法，其特征在于:所述步驟I中的節(jié)點重要性的計算方法包括以下步驟: 步驟201、將網絡表示為二元組YK，EY，節(jié)點集合表示為JT = {li為.—Λ}，連接節(jié)點的邊的集合表示為￡ =，其中，η和m表示網絡的節(jié)點數(shù)和邊數(shù)，連接節(jié)點的邊越重要則節(jié)點就越重要； 步驟202、利用公式.?= 來計算邊的權重，其中~表示與節(jié)點i連接的邊數(shù)； 步驟203、對節(jié)點i所連邊的權值進行求和
3.如權利要求1所述的一種基于混合蛙跳算法的物聯(lián)網節(jié)點信譽評估方法，其特征在于:所述步驟2中的蛙跳混合算法包括以下步驟: 步驟301、以節(jié)點重要性為篩選依據，利用混合蛙跳算法對鄰居節(jié)點進行篩選，每個青蛙個體K可以表示一個節(jié)點的重要性并利用公式= 計算出青蛙的適應度； 步驟302、隨機初始化P只青蛙組成的青蛙群體K ,1=1,2,……P; 步驟303、按照計算出的每只青蛙的適應度進行降序排列，函數(shù)值最優(yōu)的青蛙個體設為巧; 步驟304、將整個青蛙群體分為F個族群，每個族群包含G只青蛙，因此P = AG，第一只青蛙進入第I個族群，第二只青蛙進入第2個族群，第F只青蛙進入第F個族群，之后第F+1只青蛙又進入第I個族群，第F+2只青蛙進入第2個族群，以此類推，直到全部青蛙劃分完畢； 步驟305、族群劃分完畢后，即對每個族群進行局部深度搜索，各族群中具有最優(yōu)和最差適應度的個體為爲和久，每一次迭代針對最差適應度I進行，更新策略為:青蛙移動距離
4.如權利要求1所述的一種基于混合蛙跳算法的物聯(lián)網節(jié)點信譽評估方法，其特征在于:所述步驟4中的信譽評估具體包括以下步驟: 根據篩選后得到的節(jié)點，以它們作為鄰居節(jié)點，在Tp周期內，會有多個鄰居節(jié)點觀察被評估節(jié)點，每個節(jié)點都擁有并維護自身的鄰居節(jié)點列表，列表中包含鄰居節(jié)點ID號和信譽值等信息，當節(jié)點i向節(jié)點η發(fā)送數(shù)據包時，需要中間節(jié)點j進行轉發(fā)，節(jié)點通過現(xiàn)有監(jiān)測條件計算出節(jié)點可靠度Φ , 的計算公式如下
5.如權利要求4所述的一種基于混合蛙跳算法的物聯(lián)網節(jié)點信譽評估方法，其特征在于:為了避免信譽值高的節(jié)點提供過高的發(fā)言權，造成主觀偏差，引入全局信譽R作為參量，用來降低風險，減少主觀偏差具體公式如下:
【文檔編號】H04L12/26GK103812696SQ201410040848
【公開日】2014年5月21日 申請日期:2014年1月28日 優(yōu)先權日:2014年1月28日
【發(fā)明者】張明川, 鄭瑞娟, 吳慶濤, 魏汪洋, 馬正朝, 李騰昊, 汪興 申請人:河南科技大學