一种基于Beta信誉系统动态调节的信任值计算方法

摘要

本发明涉及一种基于Beta信誉系统动态调节的信任值计算方法，基于Beta信誉系统，对网络各节点的信任值初始化；当节点交互后，通过如下公式计算节点的信任值T,并计算邻居节点的平均信任值

说明书

技术领域

本发明涉及一种基于Beta信誉系统动态调节的信任值计算方法。

背景技术

传感器网络的应用广泛。在环境监测、动物监测等科研型应用中，安全可能 不是一个很重要的问题。可是在商业领域或者军事应用中，传感器网络的安全就 是一个至关重要的课题，假如没有安全问题，军事应用就失去了意义，商业应用 就会损失很大的利益。通过仿生方法使节点具有一定的人类自主行为是一种比较 好的实现传感器网络安全的方法。将人类的可信概念引入到传感器网络中，对每 个节点实现人类社会的可信任度评价，以可信任值来衡量每个节点的可靠性，将 不可靠的节点隔离出网络，从而实现传感器网络安全平稳地运行。

Beta信誉系统用Beta分布的两个参数α和β表示其节点的信誉值，简单地 将Beta分布的数学期望作为其信任值，这样过于简单，容易受到很多针对信誉 系统的攻击。最典型的攻击就是On-off攻击，恶意节点首先表现出很好的通信 行为赚取一定的信任值，然后再表现出不好的行为，对其它节点的包随意丢弃。 但当恶意节点的信任值下降到一定数值时，又表现出很好的通信行为为下一次的 攻击累积信任。在整个期间，恶意节点都会使其信任值保持在一个足够的水平。 基于此，本发明提出的信任值计算方法应该具有一个慢升快降特点。一个节点只 能够慢慢地获取它的信任值，当恶意节点发起攻击的时候，它的信任值会很快地 减少，这样可以有效防止恶意节点的攻击。

发明内容

本发明目的在于提供一种基于Beta信誉系统动态调节的信任值计算方法， 可以有效防止恶意节点的攻击，从而保证了无线传感器网络安全。

实现本发明目的技术方案：

一种基于Beta信誉系统动态调节的信任值计算方法，其特征在于:

步骤1：基于Beta信誉系统，对网络各节点的信任值初始化；

步骤2：当节点交互后，通过如下公式计算节点的信任值T,并计算邻居节点 的平均信任值

$T=\frac{\alpha }{\alpha +\beta }\times (1-\frac{k_1}{k_1+\alpha })\times \frac{k_2}{k_2+\beta };$

式中，α和β为Beta信誉系统中Beta分布的两个参数；k₁和k₂为信任值调 整参数；

步骤3：根据邻居节点的平均信任值确定节点的可信线f；

步骤4：设立缓冲区，缓冲区的上限为步骤3获得的可信线f；缓冲区的下 限u通过如下公式获得，

$u=\left(\begin{array}{cc}f-0.1& f/3>0.1\\ 2f/3& f/3\le 0.1\end{array}\right)$

同时，根据邻居节点的平均信任值，调整k₁和k₂，

步骤5：根据可信线f和缓冲区的下限u，判断节点是否可信，然后返回步 骤2，进行下一次更新判断。

步骤1中，设定k₁＝10，k₂＝5。

步骤4中，通过如下公式调整k₁和k₂，

$\left(\begin{array}{c}{k}_1=5+5\times \frac{|T-T^{\prime }|}{T^{\prime }}\\ k_2=10-5\times \frac{|T-T^{\prime }|}{T^{\prime }}\end{array}\right)$

式中，T为节点的信任值，T’为邻居节点的平均信任值。

步骤4中，当节点只有1个邻居节点时，k₁、k₂为固定值，k₁＝10，k₂＝5。

步骤5中，通过如下公式判断节点的可信状态M(T)；

$M\left(T\right)=\left(\begin{array}{cc}\mathrm{trusted}& T>f\\ \mathrm{uncertain}& u\le T\le f\\ \mathrm{untrusted}& T<u\end{array}\right)$

本发明具有的有益效果：

本发明所采取的技术方案有效解决了传统Beta信誉系统信任值计算方法存 在的问题，具有下列优点：

1、本发明提出了一个信任值缓冲区，在这个区域的节点既不是好的也不是 坏的而是中性的，也就是将Beta信誉系统的中性由原来的0.5一个点扩大为一 个区间。从而相同比例的参数也会因为其具体值的大小而其信任值不一样，其大 致的变化是随着其参数的增加而减少，这样使得信任值的变化情况更接近于在社 会学上人们所理解的信任变化情况。

2、本发明提出的信任值计算方法具有一个慢升快降特点。一个节点只能够 慢慢地获取它的信任值，当恶意节点发起攻击的时候，它的信任值会很快地减少， 这样可以有效防止恶意节点的攻击。

3、本发明提出了动态调节信任值计算方法，将邻居节点的平均信任值引入 到了信任值计算方法中，并且动态地调节可信区间、不确定区间和不可信区间的 界限，这是一个动态的计算方法，能够适应环境的变化。当环境恶化的时候，节 点正常工作的概率特别是正常通信的概率会减少，这个时候固定不变的信任值计 算方法就很有可能将正常节点误判为恶意节点，这显然是不合理的。而动态调节 的信任值计算方法会根据环境的变化自动地调节各个区间的范围，从而保证了传 感器节点在任何时候都能够正确地判断出恶意节点和正常节点。

附图说明

图1为本发明一种基于Beta信誉系统动态调节的信任值计算方法应用于计 算机网络的流程图；

图2为一种网络部署图；

图3为动态调节的信任值计算方法下节点的信任值变化图；

图4为Beta分布数学期望计算方法下节点信任值的变化图；

图5为节点正常工作的概率减少到0.7时新计算方法的信任值变化曲线图；

图6为节点正常工作的概率减少到0.7时Beta分布数学期望计算方法的信 任值变化曲线图。

具体实施方式

如图1所示，本发明基于Beta信誉系统动态调节的信任值计算方法包括如 下步骤：

步骤1：网络初始时，所有的节点都没有进行交互，所以也就没有邻居节点 的平均信任值，此时用k₁＝10和k₂＝5进行初始化；

步骤2：当节点交互后，用本发明提出的信任值计算方法公式对节点的信任 值进行计算，具体公式如下：

$T=\frac{\alpha }{\alpha +\beta }\times (1-\frac{k_1}{k_1+\alpha })\times \frac{k_2}{k_2+\beta }---\left(1\right)$

并计算邻居节点的平均信任值

步骤3：对于同样的参数，由上述公式计算出来的信任值比Beta分布数学 期望要低，所以原来的0.5中性线是需要调整的，本发明通过邻居节点的平均信 任值T来对可信线进行动态调整，认为在平均信任值1/4范围内波动的值都是可 信的，所以可信线为$f=\bar{T}-1/4\bar{T}=3\bar{T}/4;$

步骤4：同时在可信区间和不可信区间之间设立一个缓冲区，其最大长度为 0.1，在这个区域的节点既不是好的也不是坏的而是中性的，也就是将Beta信誉 系统的中性由原来的0.5一个点扩大为一个区间。由步骤3可知是缓冲 区间的上限。本发明用u表示缓冲区间的下限，因为缓冲区的长度最大为0.1， 所以下限u＞f-0.1。在环境恶劣的情况下，节点的信任值会普遍很低，为了保证 能够区分出恶意节点，我们认为不可信区间的长度至少是缓冲区间的两倍，所以 u的计算公式具体如下：

$u=\left(\begin{array}{cc}f-0.1& f/3>0.1\\ 2f/3& f/3\le 0.1\end{array}\right)---\left(2\right)$

步骤5：在本发明提出的节点信任值计算公式中，常量k₁和k₂是用于调节信 任值上升和下降快慢的，一般是固定不变的。由于邻居节点的平均信任值是一个 很重要的参数，本发明将其引入到信任值计算方法中，用于调节信任值公式的常 量。节点的信任值与平均信任值的差距越大，节点上升的越慢而下降的越快，即 常量k₁越接近10，而常量k₂越接近5，具体调整公式为：

$\left(\begin{array}{c}{k}_1=5+5\times \frac{|T-T^{\prime }|}{T^{\prime }}\\ k_2=10-5\times \frac{|T-T^{\prime }|}{T^{\prime }}\end{array}\right)---\left(3\right)$

由f和u可得节点的可信状态：

$M\left(T\right)=\left(\begin{array}{cc}\mathrm{trusted}& T>f\\ \mathrm{uncertain}& u\le T\le f\\ \mathrm{untrusted}& T<u\end{array}\right)---\left(4\right)$

上述技术方案中，由于地形等特殊原因，有一些节点可能只有一个邻居节点， 那么此时节点将信任值计算公式的常量固定为k₁＝10，k₂＝5。

根据可信线f和缓冲区的下限u，判断节点是否可信，然后返回步骤2，进 行下一次更新判断。

下面结合仿真实例，进一步说明本发明的有益效果。

具体实施为对动态调节的信任值计算方法进行网络仿真，其仿真环境为： 5×5的网格部署，节点的通信半径为对角线的长度，对节点由上往下、由左往 右依次编号为1-25，如图2所示。其中12为恶意节点，其它的为正常节点。其 中正常节点正常工作的概率为0.9，而恶意节点攻击的概率为0.5。

在动态调节的信任值计算方法机制下，以节点13观察节点7和12的信任值 变化，结果如图3所示。图中横坐标表示时间，单位是传感器网络中节点的平均 交互时间，一般为50s(下同)，中间的两条点实线分别是可信线和不可信线， 将节点的信任值空间分为可信区间、不确定区间和不可信区间。最上面的方块线 是正常节点的信任值曲线，下面的星号线是邻居节点的信任值平均值曲线，而最 下面的圆点曲线是恶意节点的信任值曲线。由图3可见，在传感器网络部署的初 期，正常节点和恶意节点的信任值都很低且一般都位于不确定区间，当网络运行 一段时间后，正常节点处于可信区间而恶意节点处于不可信区间，达到了将正常 节点和恶意节点区分开的目的。在同样的仿真条件下，简单的数学期望信任值计 算方法的结果，如图4所示，上面的曲线是正常节点的信任值曲线，下面的曲线 是恶意节点的信任值曲线。一般在简单的Beta分布数学期望计算方法中以0.5 作为节点是否可信的界线。由图4可见，在Beta分布数学期望计算方法中，恶 意节点的信任值在大部分时间高于中性线0.5，即无法判定恶意节点。

动态调节的信任值计算方法将邻居节点的平均信任值引入到了信任值计算 方法中，并且动态地调节可信区间、不确定区间和不可信区间的界限，这是一个 动态的计算方法，能够适应环境的变化。当环境恶化的时候，节点正常工作的概 率特别是正常通信的概率会减少，这个时候固定不变的信任值计算方法就很有可 能将正常节点误判为恶意节点，这显然是不合理的。而动态调节的信任值计算方 法会根据环境的变化自动地调节各个区间的范围，从而保证了传感器节点在任何 时候都能够正确地判断出恶意节点和正常节点。

通过降低正常节点正常工作的概率来模仿环境的变化，进而验证动态调节信 任值计算方法对环境的自适应性和动态性。假设其它条件不变，由于环境的变化 正常节点能够正常工作的概率由0.9下降到了0.7，恶意节点的攻击概率仍然为 0.5，动态调节的信任值计算方法的仿真结果如图5所示，Beta分布的数学期望 计算方法的结果如图6所示。

由图6可见，当节点正常工作的概率减少时，动态调节的信任值计算方法还 是能够很快地将恶意节点和正常节点区分开来，其效果跟节点正常工作概率没减 小时是一样的。而在Beta分布数学期望的计算方法中，正常节点和恶意节点的 信任值差距会随着节点正常工作的概率的降低而减小，并且不能很好地判断出恶 意节点，当环境进一步恶化，节点正常工作的概率在减小到一定数值时，就更难 判断出恶意节点。仿真实验表现动态调节信任值计算方法能够适应环境的变化， 动态地判断出恶意节点。

本发明基于Beta信誉系统动态调节的信任值计算方法具有一个慢升快降特 点，同时将邻居节点的平均信任值引入到了信任值计算方法中，并且动态地调节 可信区间、不确定区间和不可信区间的界限，能够及时适应环境的变化。当环境 恶化时，节点正常工作的概率特别是正常通信概率会减少，这个时候固定不变的 信任值计算方法就很有可能将正常节点误判为恶意节点，这显然是不合理的。而 在动态调节的信任值计算方法中，会根据环境的变化自动地调节各个区间范围， 从而保证传感器节点在任何时候都能够正确地判断出恶意节点和正常节点，最终 使信任值的变化情况更接近于社会学上人们所理解的信任变化情况。