本發(fā)明涉及電力智能終端的協(xié)同領(lǐng)域，尤其涉及一種直接信任評估方法及系統(tǒng)。

背景技術(shù)：

1、隨著電網(wǎng)有序開放、協(xié)同操作需求劇增，電力智能終端的“端-端”協(xié)同能力不斷構(gòu)建，對終端身份認證的高效性、動態(tài)性、自適應(yīng)性提出了更高的要求。與此同時，社會資本大量參與增量配電、分布式能源等領(lǐng)域的投資運營，電網(wǎng)資產(chǎn)的所有權(quán)和運營權(quán)出現(xiàn)分離，海量化、復(fù)雜化終端交互打破了原有電力終端分區(qū)分域的現(xiàn)狀，單一身份認證模式已無法滿足實際需求，亟需針對終端建立層次化的終端身份認證機制。

2、而現(xiàn)有的終端同區(qū)同域信任評估，雖然考慮了歷史交互行為，但是由于并未對不同時間的交互記錄的權(quán)重，容易導(dǎo)致受過期的歷史交互影響，導(dǎo)致評估結(jié)果不準(zhǔn)確。

技術(shù)實現(xiàn)思路

1、為了解決上述問題，本發(fā)明的目的在于提供一種直接信任評估方法及系統(tǒng)，充分考慮同域終端的歷史交互行為，根據(jù)交互時效性對當(dāng)前信任評估的影響，通過引入時間衰減因子，削弱過期交互記錄的權(quán)重，更精準(zhǔn)地捕捉終端信任狀態(tài)的動態(tài)變化，提高電力智能終端同區(qū)同域交互終端評估結(jié)果的時間相關(guān)性。

2、為實現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：

3、一種直接信任評估方法，包括：

4、在同域終端交互網(wǎng)絡(luò)中，通過量化終端節(jié)點的任務(wù)執(zhí)行性能來定義和計算信任值，在特定時間點t，用表示終端節(jié)點之間的交互中任務(wù)的一組時間序列概率數(shù)據(jù)；

5、考慮歷史交互記錄的時態(tài)影響，引入權(quán)重以確保在評估直接信任時考慮到時間因素；

6、針對時間尺度精細化區(qū)分要求高的控制類業(yè)務(wù)場景，構(gòu)建分段時間衰減函數(shù)；針對理類終端，將指數(shù)時間衰減模型替換為冪函數(shù)；

7、在引入時間衰減因子后，對終端的歷史交互記錄進行加權(quán)更新，以反映其時效性對當(dāng)前信任評估的影響；改進beta分布，實現(xiàn)更精準(zhǔn)地捕捉歷史交互行為的動態(tài)變化，得到改進后的直接信任評估模型；

8、基于改進后的直接信任評估模型進行信任評估。

9、進一步的，在時間點t的交互中，終端ni和終端nj交互任務(wù)表示為一組時間序列概率數(shù)組：

10、

11、其中，表示在該時間內(nèi)成功執(zhí)行任務(wù)量與總?cè)蝿?wù)交互數(shù)的比率。

12、進一步的，考慮歷史交互記錄的時態(tài)影響，引入權(quán)重以確保在評估直接信任時考慮到時間因素，具體定義如下：

13、

14、其中，εi表示時刻ti的時間衰減因子；

15、針對時間尺度精細化區(qū)分要求高的控制類業(yè)務(wù)場景，構(gòu)建分段時間衰減函數(shù)，具體如下：

16、

17、其中，t1,t2,…,tn為時間分界點，δ1,δ2,…,δn為各區(qū)間的衰減速率，時間分界點逐點增大，衰減速率逐點減小。

18、進一步的，針對理類終端，將指數(shù)時間衰減模型替換為冪函數(shù)，具體如下：

19、εi＝(1+t+ti)-k

20、其中，k為控制衰減速率的參數(shù)。

21、進一步的，在引入時間衰減因子后，對終端的歷史交互記錄進行加權(quán)更新，以反映其時效性對當(dāng)前信任評估的影響，具體為：

22、引入滑動時間窗口算法更新交互情況，設(shè)交互記錄數(shù)據(jù)流為：

23、r＝{r1,r2,…,rm,…}；

24、其中每個記錄ri為一個三元組ri＝(ti,ai,si)分別標(biāo)識交互發(fā)生時的時間戳、交互行為類型和交互結(jié)果，其中交互結(jié)果si為二值變量；

25、引入滑動窗口函數(shù)w(t)，表示在t時刻下的窗口狀態(tài)，窗口大小為δt，則w(t)定義為：

26、w(t)＝{ri|t-δt＜ti＜t}；

27、即窗口w(t)包含了時刻t之前δt時間內(nèi)的所有交互記錄；

28、定義交互記錄ri＝(ti,ai,si)的信任貢獻值ci為：

29、ci＝εi×si；

30、ci表示了記錄ri對時刻t的信任評估的貢獻大小，貢獻值受記錄的時間和交互結(jié)果的共同影響；

31、基于窗口w(t)計算加權(quán)信任評估值λ(t)：

32、

33、其中|w(t)|表示窗口的大小，即窗口內(nèi)記錄的數(shù)量；

34、當(dāng)一個新的交互記錄rnew＝(tnew,anew,snew)到來時，滑動窗口和信任評估值的更新過程表示為：

35、w(tnew)＝{ri|tnew-δt＜ti＜tnew}；

36、

37、最終將上述滑動窗口和信任評估值的更新應(yīng)用于每個歷史交互記錄以進行更新，得到了新的歷史記錄數(shù)據(jù)：

38、

39、進一步的，改進beta分布，實現(xiàn)更精準(zhǔn)地捕捉歷史交互行為的動態(tài)變化，得到改進后的直接信任評估模型，具體如下：

40、將時間衰減因子引入beta信任模型，對歷史交互記錄進行時間加權(quán)，賦予不同時間點的交互以不同的權(quán)重系數(shù)；

41、記交互終端ni和nj的信任度為隨時間變化的隨機變量θ(t)，θ(t)服從參數(shù)為α(t)和β(t)的beta分布，即θ(t)～beta(α(t),β(t))；

42、其中，α(t)和β(t)分別表示截止到時刻t的交互成功次數(shù)和失敗次數(shù)的時間加權(quán)累積值；

43、在時刻t收集到一條新的交互記錄ri＝(ti,ai,si)，對交互記錄的貢獻值進行加權(quán)，當(dāng)si＝1時，α(t)＝α(ti)·εi+1，β(t)＝β(ti)·εi；當(dāng)si＝0時，α(t)＝α(ti)·εi，β(t)＝β(ti)·εi+1，改進的beta信任模型如下：

44、

45、α(t)代表直接信任值的調(diào)節(jié)器，代表成功記錄的總和，η作為調(diào)節(jié)因此，防止分母為零。

46、一種直接信任評估系統(tǒng)，包括：同域終端交互網(wǎng)絡(luò)單元，直接信任評估單元，具體的：

47、所述同域終端交互網(wǎng)絡(luò)單元，通過量化終端節(jié)點的任務(wù)執(zhí)行性能來定義和計算信任值，在特定時間點t，用表示終端節(jié)點之間的交互中任務(wù)的一組時間序列概率數(shù)據(jù)；

48、所述直接信任評估單元，基于改進后的直接信任評估模型進行信任評估；

49、所述改進后的直接信任評估模型構(gòu)建如下：

50、考慮歷史交互記錄的時態(tài)影響，引入權(quán)重以確保在評估直接信任時考慮到時間因素；

51、針對時間尺度精細化區(qū)分要求高的控制類業(yè)務(wù)場景，構(gòu)建分段時間衰減函數(shù)；針對理類終端，將指數(shù)時間衰減模型替換為冪函數(shù)；

52、在引入時間衰減因子后，對終端的歷史交互記錄進行加權(quán)更新，以反映其時效性對當(dāng)前信任評估的影響；改進beta分布，實現(xiàn)更精準(zhǔn)地捕捉歷史交互行為的動態(tài)變化，得到改進后的直接信任評估模型。

53、進一步的，在時間點t的交互中，終端ni和終端nj交互任務(wù)表示為一組時間序列概率數(shù)組：

54、

55、其中，表示在該時間內(nèi)成功執(zhí)行任務(wù)量與總?cè)蝿?wù)交互數(shù)的比率。

56、進一步的，所述考慮歷史交互記錄的時態(tài)影響，引入權(quán)重以確保在評估直接信任時考慮到時間因素，具體定義如下：

57、

58、其中，εi表示時刻ti的時間衰減因子；

59、針對時間尺度精細化區(qū)分要求高的控制類業(yè)務(wù)場景，構(gòu)建分段時間衰減函數(shù)，具體如下：

60、

61、其中，t1,t2,…,tn為時間分界點，δ1,δ2,…,δn為各區(qū)間的衰減速率，時間分界點逐點增大，衰減速率逐點減小。

62、進一步的，所述針對理類終端，將指數(shù)時間衰減模型替換為冪函數(shù)，具體如下：

63、εi＝(1+t+ti)-k

64、其中，k為控制衰減速率的參數(shù)。

65、進一步的，所述在引入時間衰減因子后，對終端的歷史交互記錄進行加權(quán)更新，以反映其時效性對當(dāng)前信任評估的影響，具體為：

66、引入滑動時間窗口算法更新交互情況，設(shè)交互記錄數(shù)據(jù)流為：

67、r＝{r1,r2,…,rm,…}；

68、其中每個記錄ri為一個三元組ri＝(ti,ai,si)分別標(biāo)識交互發(fā)生時的時間戳、交互行為類型和交互結(jié)果，其中交互結(jié)果si為二值變量；

69、引入滑動窗口函數(shù)w(t)，表示在t時刻下的窗口狀態(tài)，窗口大小為δt，則w(t)定義為：

70、w(t)＝{ri|t-δt＜ti＜t}；

71、即窗口w(t)包含了時刻t之前δt時間內(nèi)的所有交互記錄；

72、定義交互記錄ri＝(ti,ai,si)的信任貢獻值ci為：

73、ci＝εi×si；

74、ci表示了記錄ri對時刻t的信任評估的貢獻大小，貢獻值受記錄的時間和交互結(jié)果的共同影響；

75、基于窗口w(t)計算加權(quán)信任評估值λ(t)：

76、

77、其中|w(t)|表示窗口的大小，即窗口內(nèi)記錄的數(shù)量；

78、當(dāng)一個新的交互記錄rnew＝(tnew,anew,snew)到來時，滑動窗口和信任評估值的更新過程表示為：

79、w(tnew)＝{ri|tnew-δt＜ti＜tnew}；

80、

81、最終將上述滑動窗口和信任評估值的更新應(yīng)用于每個歷史交互記錄以進行更新，得到了新的歷史記錄數(shù)據(jù)：

82、

83、進一步的，所述改進beta分布，實現(xiàn)更精準(zhǔn)地捕捉歷史交互行為的動態(tài)變化，得到改進后的直接信任評估模型，具體如下：

84、將時間衰減因子引入beta信任模型，對歷史交互記錄進行時間加權(quán)，賦予不同時間點的交互以不同的權(quán)重系數(shù)；

85、記交互終端ni和nj的信任度為隨時間變化的隨機變量θ(t)，θ(t)服從參數(shù)為α(t)和β(t)的beta分布，即θ(t)～beta(α(t),β(t))；

86、其中，α(t)和β(t)分別表示截止到時刻t的交互成功次數(shù)和失敗次數(shù)的時間加權(quán)累積值；

87、在時刻t收集到一條新的交互記錄ri＝(ti,ai,si)，對交互記錄的貢獻值進行加權(quán)，當(dāng)si＝1時，α(t)＝α(ti)·εi+1，β(t)＝β(ti)·εi；當(dāng)si＝0時，α(t)＝α(ti)·εi，β(t)＝β(ti)·εi+1，改進的beta信任模型如下：

88、

89、α(t)代表直接信任值的調(diào)節(jié)器，代表成功記錄的總和，η作為調(diào)節(jié)因此，防止分母為零。

90、本發(fā)明具有如下有益效果：

91、本發(fā)明通過引入信任評估機制來減少終端頻繁交互過程中的pki認證開銷?？紤]歷史交互影響，提出一種基于時間衰減因子的直接信任評估機制，對每個歷史交互引入加權(quán)時間衰減因子，并更新歷史記錄數(shù)據(jù)，改進了beta分布以增強直接信任評估模型的靈活性和適應(yīng)性，以更好地捕捉歷史記錄中的時間趨勢，最終實現(xiàn)更精準(zhǔn)地捕捉歷史交互行為的動態(tài)變化，削弱過期交互記錄的影響，提高電力智能終端同區(qū)同域交互終端信任評估的時效性。