- 相關(guān)推薦
初研網(wǎng)絡(luò )信任指數的構想與算法論文
1基于信任管理的模型
1。1網(wǎng)格點(diǎn)信任模型
網(wǎng)格點(diǎn)是虛擬網(wǎng)格剖分目標區域形成的,即劃分網(wǎng)格時(shí)的橫縱坐標的交叉點(diǎn)。通過(guò)以網(wǎng)格點(diǎn)為圓心,以節點(diǎn)通信半徑為半徑內的活躍節點(diǎn)(信任度超過(guò)節點(diǎn)信任閾值的節點(diǎn))對網(wǎng)格點(diǎn)進(jìn)行并行覆蓋,經(jīng)過(guò)量化,最終得到網(wǎng)格點(diǎn)的信任度。本模型基于以下假設:通過(guò)某種定位算法可以得到無(wú)線(xiàn)傳感器節點(diǎn)和和網(wǎng)格點(diǎn)的位置,即這些點(diǎn)的坐標值。虛擬網(wǎng)格的尺寸限制于min(2/4Rc,2/2Rs),即每個(gè)網(wǎng)格的邊長(cháng)。節點(diǎn)的信任度是基于某個(gè)信任管理模型量化出來(lái)的,相關(guān)過(guò)程具體內容本文中不再討論。為了接下來(lái)對模型的描述更加方便,我們定義了一些符號:Tmin:節點(diǎn)信任度閾值,信任度低于該閾值的節點(diǎn)被判定為惡意節點(diǎn)。(該閾值是由所選信任管理模型,節點(diǎn)數量等因素決定)Tmax:網(wǎng)格點(diǎn)聯(lián)合信任閾值,若網(wǎng)格點(diǎn)信任度量化后低于該閾值則不能保證覆蓋區域的質(zhì)量和安全性。(該閾值由周?chē)ぷ鞴濣c(diǎn)的數量以及他們的信任度等因素決定)Na:表示為惡意節點(diǎn),節點(diǎn)的信任度低于Tmin。Nb:表示為休眠節點(diǎn),節點(diǎn)的信任度雖然高于Tmin,但是經(jīng)過(guò)輪換調度算法最終被判定為冗余的節點(diǎn)。Nc:表示為工作節點(diǎn),節點(diǎn)的信任度高于Tmin,并且經(jīng)過(guò)輪換調度算法活躍的節點(diǎn)。Rc:節點(diǎn)通信半徑。Rs:節點(diǎn)感知半徑。具體的選擇工作節點(diǎn)的過(guò)程,將在接下來(lái)基于網(wǎng)格信任度的節點(diǎn)自適應輪換調度算法的描述中講到。以網(wǎng)格點(diǎn)為圓心,Rs為半徑范圍內的活躍的工作節點(diǎn)對網(wǎng)格點(diǎn)進(jìn)行量化處理,得到該網(wǎng)格點(diǎn)的聯(lián)合信任度。如果所有網(wǎng)格點(diǎn)的信任度都高于信任度閾值Tmax,說(shuō)明該覆蓋區域已經(jīng)達到了高覆蓋度和安全度的要求。如果有網(wǎng)格點(diǎn)的信任度低于閾值Tmax,說(shuō)明達不到安全的高覆蓋度要求,則需要重新對達不到要求的網(wǎng)格點(diǎn)進(jìn)行調度。
1。2網(wǎng)格點(diǎn)信任度數學(xué)模型
為了使網(wǎng)格點(diǎn)的感知半徑內能夠具有更好的安全性,要求感知半徑內一半以上的工作節點(diǎn)正常工作的概率大于網(wǎng)格點(diǎn)信任度閾值Tmax,這樣才能保證網(wǎng)絡(luò )的正常運作。假設網(wǎng)格點(diǎn)Wij的感知半徑內有n個(gè)比較可信任的節點(diǎn)(超過(guò)節點(diǎn)信任閾值Tmin的節點(diǎn)),信任度分別為T(mén)1,T2,T3…。Tn,即信任度集合S={T1,T2,T3…。Tn}。Smk表示所有感知錯誤節點(diǎn)信任度組成的集合,其中m表示感知錯誤節點(diǎn)數量,k表示其中一種可能性。例如,S21={T1,T2}代表感知錯誤節點(diǎn)有兩個(gè),{T1,T2}是錯誤節點(diǎn)的其中一種可能性。則網(wǎng)格點(diǎn)的信任度數學(xué)模型為:12()111(1)mkmkknnnijTSTSSmkCTwTTT(1)其中,T表示感知錯誤節點(diǎn)的信任度,T表示正常工作節點(diǎn)的信任度,)T(SSmkT為所有感知正確節點(diǎn)的信任度的乘積,S—Smk為該網(wǎng)格點(diǎn)感知半徑內正常工作節點(diǎn)的信任度組成的集合。只有所有覆蓋目標區域網(wǎng)格點(diǎn)的信任度都達到閾值Tmax,才能表明這是一個(gè)安全的覆蓋,即:maxmax,,ijijsuccessTwTfailTwT(2)1。3信任閾值的分析與討論節點(diǎn)信任度閾值Tmin的大小對信任模型有很大影響,下面對可能出現的幾種情況進(jìn)行討論:
。1)節點(diǎn)信任度閾值Tmin過(guò)低。信任度過(guò)低的節點(diǎn)加入到模型中,會(huì )導致需要加入更多的高信任度節點(diǎn)以保證網(wǎng)絡(luò )的安全性。這樣不僅要額外的增加大量的節點(diǎn),還造成了能量浪費。閾值過(guò)低還可能導致永遠無(wú)法達到模型要求的Tmax的標準。
。2)節點(diǎn)信任度閾值Tmin過(guò)高。閾值Tmin過(guò)高,可能導致可以選擇的工作節點(diǎn)過(guò)少,或者在網(wǎng)格點(diǎn)的感知半徑甚至沒(méi)有一個(gè)達到Tmin標準的節點(diǎn)。由此可見(jiàn),節點(diǎn)信任度閾值在選擇上要經(jīng)過(guò)多方考慮,過(guò)高或過(guò)低都會(huì )帶來(lái)對整個(gè)網(wǎng)絡(luò )不利的結果。
2基于網(wǎng)格信任度的節點(diǎn)
當(a)中的其中一個(gè)節點(diǎn)的信任度由0。8下降到0。7時(shí),在新的運行周期(b)內,經(jīng)過(guò)調度算法,網(wǎng)格點(diǎn)的感知區域內增加了一個(gè)新的信任度為0。9的節點(diǎn),以達到要求的標準。在圖(a)中,節點(diǎn)n5和節點(diǎn)n6的整個(gè)傳感區域都可以被相鄰的鄰居節點(diǎn)所代替覆蓋。如果二者分別都感知到自身滿(mǎn)足休眠條件后,進(jìn)入休眠狀態(tài),會(huì )導致覆蓋區域內出現盲點(diǎn)。為了避免出現覆蓋盲點(diǎn)的狀況,本文提出了基于信任度的退避算法。以上圖為例,經(jīng)過(guò)一段隨機的時(shí)間后(算法設計中介紹隨機時(shí)間選擇方法),如果該隨機時(shí)間相同,說(shuō)明二者信任度相同,選擇編號高的節點(diǎn);如果隨機時(shí)間不同,直接選擇時(shí)間短的,既為信任值高的節點(diǎn)。自適應輪換調度算法描述本節我們首先了分析算法需要滿(mǎn)足的條件,然后設計了一種基于網(wǎng)格信任度的覆蓋算法來(lái)調度傳感節點(diǎn),使得監控區域能夠達到安全的高覆蓋率。盡可能選取最少的工作節點(diǎn)來(lái)保證網(wǎng)絡(luò )的高覆蓋度,延長(cháng)整個(gè)網(wǎng)絡(luò )的壽命。算法應該是完全分布式,在信任管理的基礎上,基于鄰居節點(diǎn)的信息進(jìn)行決策。選取工作節點(diǎn)的過(guò)程應該考慮到節點(diǎn)的信任度,盡量調度信任度高的節點(diǎn),有利于提高整個(gè)網(wǎng)絡(luò )覆蓋的的安全度。所選取的工作節點(diǎn)應該在覆蓋區域內均勻分布。
3算法
基于網(wǎng)格信任度的可靠覆蓋機制,要求虛擬網(wǎng)格中存在著(zhù)若干個(gè)處于正常狀態(tài)的活動(dòng)節點(diǎn)監控著(zhù)目標區域,而讓其余節點(diǎn)進(jìn)入休眠狀態(tài),達到既保持覆蓋質(zhì)量又能延長(cháng)網(wǎng)絡(luò )生存時(shí)間的效果。網(wǎng)絡(luò )的生存時(shí)間被劃分為多個(gè)不同的時(shí)間段,每一個(gè)時(shí)間段內又分為節點(diǎn)調度階段和工作兩個(gè)階段,調度階段也是通過(guò)與鄰居節點(diǎn)交換信息,根據信任度和節點(diǎn)位置來(lái)選擇節點(diǎn)。本文所提出的覆蓋算法是一種完全分布式算法,要求把對整個(gè)覆蓋區域的的覆蓋拆分成對覆蓋區域內每一個(gè)網(wǎng)格點(diǎn)的覆蓋,最終達到相同的或者更高的覆蓋效果。該覆蓋算法不僅要解決信任管理和覆蓋相結合的問(wèn)題,還要考慮活動(dòng)節點(diǎn)的信任度變化對覆蓋區域的影響,以及基于信任度的退避機制設計問(wèn)題。在對網(wǎng)絡(luò )覆蓋過(guò)程中,每經(jīng)過(guò)一個(gè)周期,相關(guān)工作節點(diǎn)的信任度都可能出現變化。如果有節點(diǎn)的信任度變小,會(huì )導致對網(wǎng)格點(diǎn)的信任覆蓋達不到Tmax的標準。需要在新的周期開(kāi)始直接增加工作節點(diǎn),以保證網(wǎng)絡(luò )可靠性。
【初研網(wǎng)絡(luò )信任指數的構想與算法論文】相關(guān)文章:
無(wú)線(xiàn)mesh網(wǎng)絡(luò )拓撲發(fā)現算法09-23
網(wǎng)絡(luò )侵權行為依法規制路徑構想09-03
教育倫理功能初論的論文07-22
探討B(tài)P神經(jīng)網(wǎng)絡(luò )的圖像Hash算法08-19