竇 沖，王小明，林亞光，王冉茵，王新燕

(1.陜西師范大學(xué) 現(xiàn)代教學(xué)技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，陜西 西安 710119； 2.陜西師范大學(xué) 計(jì)算機(jī)科學(xué)學(xué)院，陜西 西安 710119)

0 引 言

近年來(lái)，隨著移動(dòng)通信技術(shù)的快速發(fā)展，便攜式智能設(shè)備(如智能手機(jī)、PDA等)已經(jīng)成為人們?nèi)粘Ｉ畹谋貍淦?，用戶可以利用移?dòng)帶來(lái)的相遇機(jī)會(huì)形成以通信為目的的自組織網(wǎng)絡(luò)，進(jìn)而對(duì)數(shù)據(jù)進(jìn)行共享。機(jī)會(huì)網(wǎng)絡(luò)[1]是一種具有一般延遲容忍網(wǎng)絡(luò)[2]特征的移動(dòng)自組織網(wǎng)絡(luò)[3]，基于“存儲(chǔ)-攜帶-轉(zhuǎn)發(fā)”的消息傳輸機(jī)制，節(jié)點(diǎn)接收到消息時(shí)，先將消息存儲(chǔ)在本地緩存中，然后攜帶該消息移動(dòng)直到遇到合適的中繼節(jié)點(diǎn)進(jìn)行轉(zhuǎn)發(fā)。然而，節(jié)點(diǎn)設(shè)備資源包括的能量和緩存通常是有限的，轉(zhuǎn)發(fā)消息將會(huì)導(dǎo)致資源的額外開(kāi)銷，大多節(jié)點(diǎn)都會(huì)表現(xiàn)出一定的自私性，即拒絕轉(zhuǎn)發(fā)消息或者先答應(yīng)幫助轉(zhuǎn)發(fā)，然后將接收到的消息進(jìn)行丟棄[4]，導(dǎo)致網(wǎng)絡(luò)性能受到很大的影響。因此，解決自私節(jié)點(diǎn)行為的影響變得至關(guān)重要。

在機(jī)會(huì)網(wǎng)絡(luò)中，如果用戶間具有一定的社會(huì)關(guān)系，則他們的聯(lián)系會(huì)更加頻繁。研究表明，社會(huì)網(wǎng)絡(luò)中節(jié)點(diǎn)的移動(dòng)具有規(guī)律性，表現(xiàn)出節(jié)點(diǎn)間重復(fù)或者周期性的交互。因此可以利用節(jié)點(diǎn)的社會(huì)關(guān)系，因?yàn)楣?jié)點(diǎn)間社會(huì)特征的相似程度在一定程度上可以反映為用戶間聯(lián)系的頻繁程度[5]。

機(jī)會(huì)網(wǎng)絡(luò)具有端到端連接易斷、節(jié)點(diǎn)經(jīng)常移動(dòng)等特點(diǎn)，導(dǎo)致現(xiàn)有的信任模型很難直接運(yùn)用到網(wǎng)絡(luò)中。其存在的問(wèn)題包括：大多信任機(jī)制無(wú)法適應(yīng)信任關(guān)系的動(dòng)態(tài)變化，不支持推薦信任關(guān)系的自動(dòng)形成與更新；沒(méi)有利用信任關(guān)系防止協(xié)同的自私行為；沒(méi)有考慮到將社會(huì)關(guān)系和信任關(guān)系結(jié)合起來(lái)。

針對(duì)上述問(wèn)題，提出一種基于社會(huì)關(guān)系和信任關(guān)系的路由算法SRTR，主要內(nèi)容如下：

(1)從節(jié)點(diǎn)間的歷史交互信息和可信鄰居節(jié)點(diǎn)的推薦信息兩個(gè)角度出發(fā)，綜合考慮直接信任度和間接信任度，通過(guò)總體信任度的計(jì)算建立信任矩陣。根據(jù)信任矩陣篩選出當(dāng)前周期內(nèi)的可信節(jié)點(diǎn)，建立本地信任列表，確保具有較高信任水平的節(jié)點(diǎn)參與消息的安全轉(zhuǎn)發(fā)過(guò)程。

(2)采用向量形式表示節(jié)點(diǎn)的社會(huì)屬性特征，并根據(jù)交互信息進(jìn)行更新。通過(guò)計(jì)算和目的節(jié)點(diǎn)的社會(huì)相似度，選擇信任列表中社會(huì)相似度更大的節(jié)點(diǎn)作為中繼節(jié)點(diǎn)。確保消息到達(dá)目的節(jié)點(diǎn)的最佳路徑，提高消息投遞率，降低平均延遲。

(3)對(duì)于已選擇的中繼節(jié)點(diǎn)，根據(jù)社會(huì)相似度大小按比例分配消息副本，確保消息副本的高效傳輸。

1 相關(guān)工作

相關(guān)研究人員提出了多種經(jīng)典的路由協(xié)議。文獻(xiàn)[6]提出了基于洪泛的Epidemic協(xié)議。當(dāng)前節(jié)點(diǎn)復(fù)制一份消息傳輸給相遇節(jié)點(diǎn)，直到傳輸給目的節(jié)點(diǎn)，該協(xié)議具有較大的投遞率，但是存在大量的副本冗余。PROPHET[7]協(xié)議根據(jù)相遇概率選擇性地復(fù)制數(shù)據(jù)分組。

相關(guān)文獻(xiàn)基于用戶間的交互行為，將用戶的活躍度或者中心性作為轉(zhuǎn)發(fā)消息的重要參考指標(biāo)。文獻(xiàn)[8]提出了一種基于活躍度的路由協(xié)議Bubble Rap，該協(xié)議為每個(gè)節(jié)點(diǎn)設(shè)定活躍度等級(jí)，節(jié)點(diǎn)將消息轉(zhuǎn)發(fā)至活躍度排名高的節(jié)點(diǎn)，直至遇到目的節(jié)點(diǎn)。文獻(xiàn)[9]基于數(shù)據(jù)挖掘中PageRank算法的思想，將消息轉(zhuǎn)發(fā)至重要性大的節(jié)點(diǎn)，直至遇到目的節(jié)點(diǎn)。文獻(xiàn)[10]基于興趣社區(qū)的思想選擇中繼節(jié)點(diǎn)進(jìn)行數(shù)據(jù)包的轉(zhuǎn)發(fā)。文獻(xiàn)[11]提出dLife算法，根據(jù)節(jié)點(diǎn)間歷史相遇信息來(lái)預(yù)測(cè)下一周期的相遇情況。

以上算法雖然考慮了節(jié)點(diǎn)間的交互行為或社會(huì)關(guān)系，但通常認(rèn)為節(jié)點(diǎn)是相互信任的，忽略了網(wǎng)絡(luò)中存在的自私行為。文獻(xiàn)[12]提出基于Credit的激勵(lì)機(jī)制，節(jié)點(diǎn)轉(zhuǎn)發(fā)消息可以獲得虛擬貨幣，付出虛擬貨幣購(gòu)買其他節(jié)點(diǎn)提供的轉(zhuǎn)發(fā)服務(wù)。文獻(xiàn)[13]提出一種基于Reputation的激勵(lì)機(jī)制—IRONMAN，根據(jù)節(jié)點(diǎn)間的歷史交互信息來(lái)檢測(cè)網(wǎng)絡(luò)中節(jié)點(diǎn)的行為，節(jié)點(diǎn)通過(guò)主動(dòng)合作來(lái)改善自己的信任度。

然而，現(xiàn)有的激勵(lì)策略通常只檢測(cè)相遇節(jié)點(diǎn)能否作為中繼節(jié)點(diǎn)，忽視了使用信任機(jī)制檢測(cè)節(jié)點(diǎn)間存在的合作自私行為。同時(shí)，也沒(méi)有將信任關(guān)系和社會(huì)關(guān)系結(jié)合起來(lái)。

2 用戶社會(huì)和信任關(guān)系的評(píng)估模型

2.1 網(wǎng)絡(luò)模型

2.2 信任評(píng)估模型

根據(jù)節(jié)點(diǎn)間的歷史交互信息以及可信鄰居節(jié)點(diǎn)的推薦信息建立信任評(píng)估模型，能夠及時(shí)準(zhǔn)確地對(duì)節(jié)點(diǎn)的可信狀態(tài)進(jìn)行分析和判斷?？梢跃芙^自私節(jié)點(diǎn)參與到消息轉(zhuǎn)發(fā)的過(guò)程中，同時(shí)避免與網(wǎng)絡(luò)中低信任度的節(jié)點(diǎn)建立合作關(guān)系，保證節(jié)點(diǎn)之間安全、可靠的通信。

通過(guò)周期性觀察節(jié)點(diǎn)間的交互行為，對(duì)節(jié)點(diǎn)間的直接信任關(guān)系進(jìn)行估計(jì)和判斷。同時(shí)根據(jù)可信鄰居節(jié)點(diǎn)的推薦信息對(duì)節(jié)點(diǎn)間的間接信任關(guān)系進(jìn)行估計(jì)和判斷，因此判斷信任關(guān)系時(shí)綜合考慮直接信任關(guān)系和間接信任關(guān)系。

定義1(直接信任度)：根據(jù)節(jié)點(diǎn)間歷史交互信息所估計(jì)的直接信任水平。

用DTi,j(t+Δt)表示t+Δt時(shí)刻節(jié)點(diǎn)i對(duì)節(jié)點(diǎn)j的直接信任評(píng)估值，其計(jì)算公式如下：

(1)

(2)

定義2(信任相似度)：節(jié)點(diǎn)i和節(jié)點(diǎn)j對(duì)共同相遇節(jié)點(diǎn)(如共同相遇節(jié)點(diǎn)集合NS中節(jié)點(diǎn))信任度的相似程度。

假設(shè)節(jié)點(diǎn)i和節(jié)點(diǎn)j為鄰居節(jié)點(diǎn)，共同相遇節(jié)點(diǎn)集合為NS，具體的計(jì)算公式如下：

(3)

其中，NS=[N1,N2,…,Nn]表示節(jié)點(diǎn)i和節(jié)點(diǎn)j的共同相遇節(jié)點(diǎn)集合，采用信任評(píng)價(jià)向量的方式表示節(jié)點(diǎn)i對(duì)每一個(gè)相遇節(jié)點(diǎn)的信任評(píng)價(jià)情況，表示形式為：TiS=[TiN1,TiN2,…,TiNp,…,TiNn]，其中TiNp(Np∈NS,1≤p≤n)表示當(dāng)前節(jié)點(diǎn)i對(duì)節(jié)點(diǎn)Np的直接信任度。利用定義2的計(jì)算公式，可以得出節(jié)點(diǎn)i和每一個(gè)鄰居節(jié)點(diǎn)的相似性，從而得到m個(gè)最相似的鄰居節(jié)點(diǎn)，進(jìn)而得出定義3。

定義3(間接信任度)：網(wǎng)絡(luò)中和當(dāng)前節(jié)點(diǎn)具有較高信任相似度的節(jié)點(diǎn)所推薦的直接信任度。綜合考慮具有較高信任相似度節(jié)點(diǎn)的直接信任度，能夠可靠、準(zhǔn)確地反映出推薦的信任水平。

間接信任度ITi,j的計(jì)算公式為：

(4)

其中，M={k1,k2,…,km}表示和節(jié)點(diǎn)i最相似的m個(gè)鄰居節(jié)點(diǎn)集；DTk,j表示節(jié)點(diǎn)k對(duì)節(jié)點(diǎn)j的直接信任度。顯然，0

定義4(信任度)：包含直接信任度和間接信任度的綜合信任水平。

根據(jù)定義1、3的計(jì)算公式得出節(jié)點(diǎn)i對(duì)節(jié)點(diǎn)j的信任度Ti,j：

Ti,j=αDTi,j+(1-α)ITi,j

(5)

其中，0<α<1,0≤Ti,j≤1。根據(jù)實(shí)際的網(wǎng)絡(luò)情況對(duì)α進(jìn)行取值。

根據(jù)上述計(jì)算，則整個(gè)網(wǎng)絡(luò)的信任關(guān)系可抽象成如下n×n的二維矩陣：

對(duì)于網(wǎng)絡(luò)中任一節(jié)點(diǎn)i，其儲(chǔ)存矩陣T中對(duì)應(yīng)的第i個(gè)行向量：存儲(chǔ)Ti=(Ti1,Ti2,…,Tin)，該行向量由節(jié)點(diǎn)i維護(hù)，同時(shí)進(jìn)行周期性更新，并反饋到網(wǎng)絡(luò)。每一個(gè)周期中，節(jié)點(diǎn)i需要建立本地信任列表Tlist(i)，用于存放可以信任的其他節(jié)點(diǎn)，同時(shí)根據(jù)交互信息對(duì)本地信任列表進(jìn)行周期性更新。

2.3 社會(huì)關(guān)系評(píng)估模型

機(jī)會(huì)網(wǎng)絡(luò)中，如果用戶間具有一定的社會(huì)關(guān)系，則他們之間的聯(lián)系會(huì)更加頻繁。社會(huì)關(guān)系可以反映為用戶間具有某些共同的社會(huì)特征。因此，共同的社會(huì)特征的多少在一定程度上可以反映用戶間聯(lián)系的頻繁程度。

由圖1可看出，隨著共同社會(huì)特征個(gè)數(shù)的增加，相遇頻率也隨之增加。因此可以將節(jié)點(diǎn)的社會(huì)屬性特征作為中繼節(jié)點(diǎn)選擇的重要依據(jù)。

圖1 相遇頻率和共同特征數(shù)的關(guān)系

下面給出量化的社會(huì)屬性特征定義以及節(jié)點(diǎn)間聯(lián)系程度的計(jì)算公式。

定義5(社會(huì)特征向量)：用于描述節(jié)點(diǎn)的社會(huì)屬性特征，表示如下：

FNi={f1,f2,…,fm}

(6)

其中，F(xiàn)Ni表示節(jié)點(diǎn)Ni的社會(huì)特征向量；fi表示第i種社會(huì)屬性，網(wǎng)絡(luò)中共有m種社會(huì)屬性。

定義6(靜態(tài)社會(huì)特征向量)：靜態(tài)社會(huì)特征向量根據(jù)用戶的自身信息得到，用于表示用戶節(jié)點(diǎn)的初始社會(huì)特征向量，xi表示屬性fi對(duì)應(yīng)的權(quán)重大小。

隨著網(wǎng)絡(luò)中節(jié)點(diǎn)之間的交互，對(duì)節(jié)點(diǎn)的靜態(tài)社會(huì)特征向量進(jìn)行更新，公式如下：

(7)

其中，0≤xi≤1，1≤i≤m；Mi表示節(jié)點(diǎn)Ni和具有屬性fi的節(jié)點(diǎn)的相遇次數(shù)；Mtotal表示節(jié)點(diǎn)Ni和所有節(jié)點(diǎn)的相遇總次數(shù)。

定義7(社會(huì)相似度)：用于衡量用戶間社會(huì)屬性特征的相似程度，計(jì)算公式如下：

(8)

其中，sim(i,j)表示用戶節(jié)點(diǎn)i和j的社會(huì)相似度；Fi表示用戶i的社會(huì)特征向量。

3 SRTR算法步驟

SRTR算法采用有限消息副本轉(zhuǎn)發(fā)策略，依據(jù)節(jié)點(diǎn)間的交互信息和可信鄰居節(jié)點(diǎn)的推薦信息建立信任矩陣，根據(jù)信任矩陣建立本地信任列表，用于存放可信任的鄰居節(jié)點(diǎn)，然后根據(jù)目的節(jié)點(diǎn)對(duì)中繼節(jié)點(diǎn)的社會(huì)相似度實(shí)現(xiàn)轉(zhuǎn)發(fā)決策和分割消息副本數(shù)。當(dāng)前節(jié)點(diǎn)Ni如果存在需要轉(zhuǎn)發(fā)的消息集M，算法具體步驟如下：

(1)當(dāng)前周期中，根據(jù)信任矩陣T，節(jié)點(diǎn)Ni存儲(chǔ)信任矩陣T中的行向量Ti=(Ti1,Ti2,…,Tin)。根據(jù)系統(tǒng)環(huán)境設(shè)定信任度閾值Tth，由行向量分別獲取節(jié)點(diǎn)Ni對(duì)其他節(jié)點(diǎn)的信任度，將滿足信任度閾值條件的節(jié)點(diǎn)添加至節(jié)點(diǎn)的本地信任列表Tlist(i)，同樣，刪除本地信任列表中不符合閾值條件的節(jié)點(diǎn)。

(2)對(duì)于節(jié)點(diǎn)Ni攜帶的消息m∈M，獲取消息m的目的節(jié)點(diǎn)ND。當(dāng)節(jié)點(diǎn)Ni遇到節(jié)點(diǎn)Nj時(shí)，如果Nj=ND，則節(jié)點(diǎn)Ni將消息直接發(fā)送至目的節(jié)點(diǎn)。如果節(jié)點(diǎn)Nj∈Tlist(i)，則進(jìn)入步驟3；否則，節(jié)點(diǎn)Ni繼續(xù)攜帶消息直到遇到目的節(jié)點(diǎn)或者本地信任列表Tlist(i)中的節(jié)點(diǎn)。

(3)根據(jù)節(jié)點(diǎn)的社會(huì)特征向量分別計(jì)算當(dāng)前節(jié)點(diǎn)Ni、相遇節(jié)點(diǎn)Nj和目的節(jié)點(diǎn)的社會(huì)相似度sim(Ni,ND)以及sim(Nj,ND)，如果sim(Nj,ND)>sim(Ni,ND)，則節(jié)點(diǎn)Ni需要分割消息m的副本數(shù)Ncj，將副本數(shù)為Ncj的消息m轉(zhuǎn)發(fā)給Nj，更新節(jié)點(diǎn)Ni的消息副本數(shù)Nci←Nci-Ncj，消息副本數(shù)分割計(jì)算如下式：

(9)

(4)否則當(dāng)sim(Nj,ND)≤sim(Ni,ND)，節(jié)點(diǎn)Ni繼續(xù)攜帶消息直到遇到目的節(jié)點(diǎn)或者本地信任列表Tlist(i)中的節(jié)點(diǎn)。

4 實(shí) 驗(yàn)

4.1 仿真環(huán)境設(shè)置

文中利用基于Java的機(jī)會(huì)網(wǎng)絡(luò)仿真平臺(tái)ONE[14](opportunistic network environment)進(jìn)行實(shí)驗(yàn)仿真，使用Infocom 2006 trace[15]數(shù)據(jù)集，源節(jié)點(diǎn)和目的節(jié)點(diǎn)從85個(gè)節(jié)點(diǎn)中隨機(jī)選擇。選取數(shù)據(jù)庫(kù)中的6個(gè)特征[5]，分別是國(guó)籍、語(yǔ)言、城市、公司、職業(yè)、教育背景等。具體參數(shù)設(shè)置如表1所示。

表1 仿真環(huán)境參數(shù)設(shè)置

4.2 性能指標(biāo)

為了驗(yàn)證SRTR算法的性能，選取的指標(biāo)如下：

(1)消息投遞率：網(wǎng)絡(luò)中成功交付到目的節(jié)點(diǎn)的消息數(shù)與源節(jié)點(diǎn)產(chǎn)生的消息總數(shù)的比值。

(2)平均延遲：消息從源節(jié)點(diǎn)產(chǎn)生到交付到目的節(jié)點(diǎn)所花費(fèi)時(shí)間的平均值。

(3)路由開(kāi)銷：網(wǎng)絡(luò)中消息副本總數(shù)和成功傳輸?shù)侥康墓?jié)點(diǎn)的消息數(shù)的比值。

(4)丟包數(shù)目：網(wǎng)絡(luò)中自私節(jié)點(diǎn)所丟棄的消息總數(shù)。

4.3 仿真結(jié)果分析

實(shí)驗(yàn)過(guò)程中通過(guò)調(diào)整自私節(jié)點(diǎn)的比率得到不同算法的四個(gè)性能指標(biāo)，用于分析SRTR算法與Epidemic、dLife和IRONMAN算法的性能。

4.3.1 消息投遞率

不同自私節(jié)點(diǎn)比率下四種算法的消息投遞率如圖2所示。

圖2 消息投遞率vs自私節(jié)點(diǎn)比率

隨著自私節(jié)點(diǎn)比率的增加，4種路由算法的投遞率都呈下降的趨勢(shì)。由于沒(méi)有自私節(jié)點(diǎn)檢測(cè)機(jī)制，和SRTR、IRONMAN算法相比，Epidemic和dLife算法的投遞率下降得比較迅速。和IRONMAN算法相比，SRTR算法仍然具有較高的消息投遞率。IRONMAN算法沒(méi)有考慮到節(jié)點(diǎn)間的信任評(píng)估和社會(huì)關(guān)系，而SRTR算法能夠確保具有較高信任水平的節(jié)點(diǎn)參與到消息轉(zhuǎn)發(fā)的過(guò)程中，并且根據(jù)社會(huì)關(guān)系選擇中繼節(jié)點(diǎn)。因此，SRTR算法的表現(xiàn)總體上優(yōu)于IRONMAN算法。

4.3.2 平均延遲

不同自私節(jié)點(diǎn)比率下四種算法的平均延遲如圖3所示。

圖3 平均延遲vs自私節(jié)點(diǎn)比率

隨著自私節(jié)點(diǎn)比率的增大，4種路由算法的平均轉(zhuǎn)發(fā)延時(shí)均呈現(xiàn)出上升的趨勢(shì)。主要是隨著自私節(jié)點(diǎn)比率的增大，更多的消息長(zhǎng)時(shí)間等待傳輸或者被重新傳輸。由于沒(méi)有自私節(jié)點(diǎn)檢測(cè)機(jī)制，不能避免自私節(jié)點(diǎn)轉(zhuǎn)發(fā)消息，因此Epidemic路由的平均轉(zhuǎn)發(fā)延時(shí)增長(zhǎng)最快。雖然dLife算法不能檢測(cè)到自私節(jié)點(diǎn)，但是該算法基于社會(huì)關(guān)系選擇中繼節(jié)點(diǎn)，一定程度上能夠避免選擇自私節(jié)點(diǎn)轉(zhuǎn)發(fā)消息，相對(duì)而言具有較為穩(wěn)定的時(shí)延。和Epidemic、dLife算法相比，SRTR、IRONMAN算法具有較低的時(shí)延，因?yàn)檫@兩種算法具有相應(yīng)的自私節(jié)點(diǎn)檢測(cè)機(jī)制。根據(jù)之前所述，和IRONMAN算法相比，SRTR算法能夠更為準(zhǔn)確地檢測(cè)到自私節(jié)點(diǎn)，并且根據(jù)社會(huì)相似度動(dòng)態(tài)分配消息副本，當(dāng)自私節(jié)點(diǎn)比例超過(guò)50%時(shí)，SRTR算法的表現(xiàn)優(yōu)于IRONMAN算法。

4.3.3 路由開(kāi)銷

在不同自私節(jié)點(diǎn)比率下四種算法的路由開(kāi)銷如圖4所示。

圖4 路由開(kāi)銷vs自私節(jié)點(diǎn)比率

隨著網(wǎng)絡(luò)中更多的正常節(jié)點(diǎn)變?yōu)樽运焦?jié)點(diǎn)，Epidemic算法的傳輸開(kāi)銷呈現(xiàn)增長(zhǎng)的趨勢(shì)，且該算法的路由開(kāi)銷最大。當(dāng)自私節(jié)點(diǎn)比率低于40%時(shí)，隨著自私節(jié)點(diǎn)的增多導(dǎo)致更多的消息副本被丟棄，因此dLife算法的路由開(kāi)銷呈現(xiàn)增長(zhǎng)的趨勢(shì)，該算法根據(jù)社會(huì)關(guān)系選擇中繼節(jié)點(diǎn)，當(dāng)自私節(jié)點(diǎn)比率超過(guò)40%時(shí)，被選擇的中繼節(jié)點(diǎn)逐漸減少，使得消息被丟棄的速率逐漸下降，傳輸開(kāi)銷呈現(xiàn)下降的趨勢(shì)，因此dLife算法的表現(xiàn)優(yōu)于Epidemic路由。SRTR算法和IRONMAN算法的路由開(kāi)銷呈現(xiàn)下降的趨勢(shì)，因?yàn)檫@兩種算法能夠檢測(cè)到自私節(jié)點(diǎn)，IRONMAN算法的路由開(kāi)銷更小，因?yàn)樵撍惴ń梃b于SAW算法的思想，采用有限消息副本轉(zhuǎn)發(fā)的策略[15]。

4.3.4 丟包數(shù)目

在不同自私節(jié)點(diǎn)比率下四種算法的丟包數(shù)目如圖5所示。

圖5 丟包數(shù)目vs自私節(jié)點(diǎn)比率

可以看出，相比dLife和Epidemic算法，IRONMAN算法和SRTR算法具有較少的丟包數(shù)目，因?yàn)閐Life算法和Epidemic算法沒(méi)有自私節(jié)點(diǎn)檢測(cè)機(jī)制。和IRONMAN算法相比，SRTR算法能夠更為準(zhǔn)確地檢測(cè)到自私節(jié)點(diǎn)，相比而言，SRTR算法具有更少的丟包數(shù)目。相比Epidemic算法，dLife算法根據(jù)社會(huì)關(guān)系選擇下一跳節(jié)點(diǎn)，因此該算法的表現(xiàn)優(yōu)于Epidemic算法。

5 結(jié)束語(yǔ)

文中提出一種機(jī)會(huì)網(wǎng)絡(luò)中基于社會(huì)關(guān)系和信任關(guān)系的路由算法SRTR，該算法綜合考慮直接信任度和間接信任度，根據(jù)總體信任度建立節(jié)點(diǎn)間的信任矩陣。特別是在獲取推薦信息時(shí)，通過(guò)建立信任相似關(guān)系對(duì)鄰居節(jié)點(diǎn)進(jìn)行信任評(píng)估，并以信任相似度作為約束條件來(lái)避免自私節(jié)點(diǎn)出現(xiàn)謊報(bào)推薦信息的可能。建立節(jié)點(diǎn)本地信任列表確保具有較高信任水平的節(jié)點(diǎn)參與到消息的安全轉(zhuǎn)發(fā)過(guò)程中。并且結(jié)合社會(huì)關(guān)系，選擇本地信任列表中和目的節(jié)點(diǎn)社會(huì)相似度更大的節(jié)點(diǎn)作為轉(zhuǎn)發(fā)消息副本的中繼節(jié)點(diǎn)，并根據(jù)社會(huì)相似度動(dòng)態(tài)分配消息副本。在確保中繼節(jié)點(diǎn)可靠的前提下，使得消息沿著社會(huì)相似度遞增的方向傳遞，可以避免節(jié)點(diǎn)間自私行為的發(fā)生，確保消息到達(dá)目的節(jié)點(diǎn)的最佳路徑，提高整個(gè)網(wǎng)絡(luò)的消息投遞率，降低網(wǎng)絡(luò)中消息轉(zhuǎn)發(fā)時(shí)延，使得消息副本得以高效、可靠的傳輸。