基于模糊集合的可信上下文社交网络路由算法

摘要

社交网络（Social Networks）是一种由容迟网络（Delay Tolerant Networks，DTN）发展而来的新兴多媒体分享网络。在网络中用户通过特定的关系进行连接，例如工作地点，兴趣和朋友圈等。由于社交网络的自身特点，如用户频繁移动，缺少端到端连接，“存储-携带-转发”等特点，传统的路由算法不能完全的适用于社交网络。因此如何实现社交网络中的安全路由成为研究热点。
　　基于上下文信息的路由算法利用用户之间上下文信息关联度，选择下一条节点。由于其更符合社交网络用户之间相互关联的特点得到了广泛的应用。然而该算法并没有考虑自私甚至恶意节点的存在会降低数据包成功转发率，甚至对网络安全造成威胁的情况。因此本文为解决这一问题提出了社交网络下基于模糊集合的上下文信任路由算法(FTcontext-based)。根据信任评判标准将其分为社会信任属性(Social Metric)和服务质量信任属性(Quality of Service)，根据信任来源将其分为直接信任(Direct Trust)和推荐信任(Recommendation Trust)，并引入模糊集合，将信任分为四个等级。通过信任模型的引入，节点可以结合上下文信息以及邻居节点信任程度，选择更为可靠的节点转发数据，实现数据的可信路由。
　　本文采用网络仿真工具ONE对该信任路由算法进行模拟实验。从存储空间，时间复杂度，算法参数选取，数据包成功转发率和网络开销等多个方面，对提出的基于模糊集合的上下文信任路由算法进行分析评价。并且与其他三种具有代表性的可信算法进行了比较，证明了本文所提出的FTcontext-based算法可以在屏蔽自私和恶意节点的基础上，达到数据包转发成功率和网络负载率的平衡。