基于混合高斯分布的传感器网络主观信任模型

摘要

在传感器网络中,节点可信度常受到节点性能和环境的影响而呈现周期性变化,针对现有信任模型对这种情况的动态适应性不足,提出了一种基于混合高斯分布的传感器网络主观信任模型(MGSRM).该模型通过建立多个高斯分布函数对应被评价节点的多个可信度"状态",提高了信任值计算的动态适应能力.使用当前信任值和综合信任值分别评测被评价节点的短期行为和长期行为,具有针对性和实用性.仿真分析表明,与已有信任模型相比,MGSRM模型在准确性、动态适应能力和学习记忆能力等方面具有优势.