趙國(guó)生,王甜甜,王 健

(1.哈爾濱師范大學(xué)計(jì)算機(jī)科學(xué)與信息工程學(xué)院,黑龍江 哈爾濱 150025; 2.哈爾濱理工大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,黑龍江 哈爾濱 150080)

1 引言

邊緣計(jì)算EC(Edge Computing)[1 - 3]是近幾年來(lái)研究的熱門(mén)領(lǐng)域，它與云計(jì)算并不是替代關(guān)系，而是相互協(xié)同的關(guān)系。邊緣計(jì)算與霧計(jì)算是云計(jì)算的分支[4]，但還是存在著安全的問(wèn)題，傳統(tǒng)的云計(jì)算環(huán)境下的數(shù)據(jù)保護(hù)機(jī)制和信任模型不再適用于大量邊緣設(shè)備產(chǎn)生的海量數(shù)據(jù)環(huán)境。

Figure 1 Interaction environment of edge computing圖1 邊緣計(jì)算的交互環(huán)境

目前信任評(píng)估模型主要分為2種：一種基于策略信任研究模型，另一種基于信譽(yù)信任研究模型，但適用于邊緣計(jì)算環(huán)境的信任機(jī)制的研究并不多。文獻(xiàn)[5]描述了如何從數(shù)據(jù)安全的角度，在邊緣計(jì)算環(huán)境中建立安全可信的執(zhí)行環(huán)境。文獻(xiàn)[6]提出應(yīng)充分考慮信任域以及信任實(shí)體之間的關(guān)系，研究不同的信任域中各信任實(shí)體的身份問(wèn)題。文獻(xiàn)[7]提出了邊緣計(jì)算中可信數(shù)據(jù)傳播的3種體系結(jié)構(gòu)，使用戶能夠檢查邊緣服務(wù)器生成的查詢結(jié)果的正確性。文獻(xiàn)[8]提出一種分布式聯(lián)盟信任算法，文中定義描述的信任關(guān)系是通過(guò)社會(huì)信任網(wǎng)絡(luò)產(chǎn)生的，由連接它們的最短路徑進(jìn)行信任傳播，從而計(jì)算彼此之間的信任。文獻(xiàn)[9]提出了綜合信任的邊緣計(jì)算多層自適應(yīng)數(shù)據(jù)結(jié)構(gòu)，并且進(jìn)行了任務(wù)調(diào)節(jié)分配，通過(guò)仿真驗(yàn)證了模型的有效性。文獻(xiàn)[10]采用安全高效的車輛邊緣網(wǎng)絡(luò)，重點(diǎn)研究了信譽(yù)管理的方法，運(yùn)用加權(quán)主觀邏輯對(duì)系統(tǒng)中的信譽(yù)進(jìn)行數(shù)據(jù)更新。文獻(xiàn)[11]提出了基于多源反饋信息融合的輕量級(jí)信任機(jī)制，用風(fēng)險(xiǎn)模型評(píng)估直接信任，基于信息熵的方法計(jì)算推薦信任，該信任計(jì)算機(jī)制提升了計(jì)算速度和信任的可靠性，但文中沒(méi)有體現(xiàn)對(duì)惡意節(jié)點(diǎn)的處理。文獻(xiàn)[12,13]采用層次分析法對(duì)邊緣計(jì)算模型中用戶的信任度進(jìn)行了評(píng)估，但由于估算過(guò)程計(jì)算效率過(guò)低，增加了時(shí)間開(kāi)銷。文獻(xiàn)[14]提出一種基于節(jié)點(diǎn)行為檢測(cè)的信任評(píng)估模型，結(jié)合直接信任、統(tǒng)計(jì)信任與推薦信任計(jì)算節(jié)點(diǎn)的綜合信任值，以平衡信任評(píng)估的主客觀性，提升節(jié)點(diǎn)行為信任評(píng)估的準(zhǔn)確性和可靠性。文獻(xiàn)[15]提出了一種分布式動(dòng)態(tài)信任管理模型，結(jié)合信任度與可靠度評(píng)價(jià)節(jié)點(diǎn)的信任，從而實(shí)現(xiàn)對(duì)評(píng)估設(shè)備節(jié)點(diǎn)服務(wù)質(zhì)量的描述，但存在對(duì)惡意節(jié)點(diǎn)敏感度不高的局限性。文獻(xiàn)[16]提出了一種面向物聯(lián)網(wǎng)節(jié)點(diǎn)的綜合信任度評(píng)估模型，利用改進(jìn)的貝葉斯進(jìn)行直接信任評(píng)估，基于熵計(jì)算直接信任度與間接信任度的自適應(yīng)權(quán)重，得出節(jié)點(diǎn)的綜合信任度。

綜上所述，目前對(duì)于信任機(jī)制的研究還存在以下不足：(1)在直接信任評(píng)估計(jì)算中，只關(guān)注交互結(jié)果，忽略了影響結(jié)果的其他因素，且沒(méi)有考慮時(shí)間因素，使信任的準(zhǔn)確性不高；(2)在間接信任評(píng)估計(jì)算中，非重要推薦設(shè)備權(quán)重過(guò)高，不符合常規(guī)邏輯。為了解決上述問(wèn)題，本文提出了一種邊緣設(shè)備動(dòng)態(tài)信任度評(píng)估模型DTEM(Dynamic Trust Evaluation Model)，致力于為邊緣計(jì)算環(huán)境和用戶提供具有可靠性高、時(shí)間開(kāi)銷比較低的信任評(píng)估模型。

2 邊緣設(shè)備交互環(huán)境

圖1為基于云平臺(tái)的邊緣計(jì)算設(shè)備交互環(huán)境，該架構(gòu)分成3層：云計(jì)算中心、邊緣計(jì)算層和邊緣設(shè)備層。

邊緣計(jì)算環(huán)境中的信任評(píng)估主要是在邊緣計(jì)算層和邊緣設(shè)備層，邊緣計(jì)算層用于監(jiān)視邊緣設(shè)備的服務(wù)行為和接收邊緣設(shè)備的信息反饋并進(jìn)行數(shù)據(jù)融合；邊緣設(shè)備層的設(shè)備進(jìn)行交互協(xié)作共同完成任務(wù)，并計(jì)算交互過(guò)程中的直接信任度。評(píng)估設(shè)備會(huì)向邊緣計(jì)算層發(fā)送請(qǐng)求獲取被評(píng)估設(shè)備的信任值，邊緣計(jì)算節(jié)點(diǎn)會(huì)通過(guò)廣播的方式通知鄰近節(jié)點(diǎn)并獲取反饋值。

在邊緣計(jì)算的環(huán)境中，圖1體現(xiàn)了基于邊緣設(shè)備之間的內(nèi)在關(guān)系以及邊緣設(shè)備與邊緣網(wǎng)絡(luò)節(jié)點(diǎn)的內(nèi)在關(guān)系。在圖1中，根據(jù)邊緣環(huán)境中實(shí)體在信任計(jì)算中的作用，參與信任計(jì)算的實(shí)體分為2類：邊緣設(shè)備和邊緣網(wǎng)絡(luò)節(jié)點(diǎn)，因此在此信任計(jì)算架構(gòu)中可以形成2種實(shí)體集——邊緣設(shè)備實(shí)體集(ED={ed1,ed2,…,edi,,…,edn}，其中i為邊緣設(shè)備的編號(hào)，n為在邊緣計(jì)算中參與信任計(jì)算的邊緣設(shè)備總數(shù))和邊緣網(wǎng)絡(luò)節(jié)點(diǎn)實(shí)體集(ES={es1,es2,…,esk}，其中k為參與的邊緣網(wǎng)絡(luò)節(jié)點(diǎn)的總數(shù))。在此邊緣計(jì)算的信任計(jì)算架構(gòu)中，最為基礎(chǔ)的信任計(jì)算是計(jì)算邊緣設(shè)備實(shí)體集之間評(píng)估節(jié)點(diǎn)與被評(píng)估節(jié)點(diǎn)的直接信任與邊緣設(shè)備反饋的其他設(shè)備節(jié)點(diǎn)對(duì)被評(píng)估節(jié)點(diǎn)的間接信任，最終信任評(píng)估結(jié)果由邊緣計(jì)算節(jié)點(diǎn)進(jìn)行計(jì)算。

3 信任度評(píng)估

3.1 基本定義

信任是一個(gè)較為抽象的概念[17]，為了更好地描述本文的信任評(píng)估模型，對(duì)文中提到的信任做出如下定義說(shuō)明：

定義1信任：是主體設(shè)備節(jié)點(diǎn)使用信任模型對(duì)被評(píng)估設(shè)備節(jié)點(diǎn)的合作或服務(wù)能力進(jìn)行預(yù)測(cè)，預(yù)測(cè)的量化值為主體設(shè)備對(duì)被評(píng)估設(shè)備的信任度值。

定義2直接信任Dedi,edj(t)：指的是將主體設(shè)備節(jié)點(diǎn)edi對(duì)被評(píng)估設(shè)備節(jié)點(diǎn)edj完成任務(wù)的信任度量化，該量化值與2設(shè)備節(jié)點(diǎn)之間的歷史交互數(shù)據(jù)和邊緣計(jì)算層反饋的滿意度相關(guān)。

定義3間接信任Iedi,edj(t)： 指的是由同一集群中的設(shè)備節(jié)點(diǎn)反饋被評(píng)估設(shè)備節(jié)點(diǎn)edj的直接信任度值評(píng)估主體設(shè)備edi對(duì)edj的信任度。

定義4節(jié)點(diǎn)的綜合信任TRedi,edj(t)：指的是邊緣計(jì)算節(jié)點(diǎn)esk綜合來(lái)自主體設(shè)備edi的Dedi,edj(t)和邊緣計(jì)算節(jié)點(diǎn)計(jì)算的Iedi,edj(t)進(jìn)行信任融合量化得出的對(duì)edj綜合信任值，并及時(shí)對(duì)綜合信任值進(jìn)行更新。

3.2 直接信任度評(píng)估

3.2.1 問(wèn)題分析

目前對(duì)于直接信任的研究大多使用基于貝葉斯信任的評(píng)估方法，在該信任評(píng)估方法中，主要是通過(guò)評(píng)估設(shè)備節(jié)點(diǎn)edi與被評(píng)估設(shè)備節(jié)點(diǎn)edj間交互的歷史數(shù)據(jù)進(jìn)行計(jì)算，用r和s分別記錄2設(shè)備之間的交互成功和失敗的次數(shù)。由于Beta分布函數(shù)可以更好地?cái)M合信譽(yù)分布，則edi對(duì)edj的直接信任的統(tǒng)計(jì)期望如式(1)所示：

(1)

雖然式(1)能夠通過(guò)歷史交互數(shù)據(jù)預(yù)測(cè)未來(lái)設(shè)備節(jié)點(diǎn)的信任度值，但是信任具有動(dòng)態(tài)性，隨時(shí)間的變化而變化，式(1)并未體現(xiàn)時(shí)間衰減性，致使很難保證設(shè)備節(jié)點(diǎn)的信任評(píng)估的時(shí)效性。其次，式(1)忽視了被評(píng)估設(shè)備節(jié)點(diǎn)在交互的過(guò)程中因?yàn)楫惓?dǎo)致的交互失敗，使得對(duì)直接信任評(píng)估的結(jié)果不能準(zhǔn)確地刻畫(huà)被評(píng)估設(shè)備節(jié)點(diǎn)行為。

3.2.2 直接信任度計(jì)算

(1)滿意度計(jì)算。

滿意度函數(shù)記錄的是評(píng)估設(shè)備與被評(píng)估設(shè)備交互的滿意度。在邊緣計(jì)算環(huán)境中，由于邊緣設(shè)備節(jié)點(diǎn)在交互過(guò)程中會(huì)根據(jù)當(dāng)時(shí)外部因素的變化而影響交互結(jié)果，且有的評(píng)估設(shè)備節(jié)點(diǎn)關(guān)注交互速度，而有的更關(guān)注交互數(shù)據(jù)的完整性，所以評(píng)估邊緣設(shè)備節(jié)點(diǎn)只從歷史交互記錄計(jì)算直接信任度，可能會(huì)造成較大的誤檢率。為解決這一問(wèn)題，本文引入滿意度q(t)的概念對(duì)Beta密度分布函數(shù)進(jìn)行修正，公式定義如式(2)所示：

(2)

其中，ek∈[0,1]為對(duì)被評(píng)估設(shè)備交互過(guò)程影響因素k的評(píng)價(jià)值，wk為評(píng)價(jià)權(quán)值，wk∈[0,1]，對(duì)式(1)加入滿意度修正因子的直接信任評(píng)估方法如式(3)所示：

(3)

其中，r(t),s(t)與式(1)的r,s含義一致，只是式(3)中引入了時(shí)間退化因子，信任度值隨時(shí)間變化。

(2)時(shí)間退化因子。

節(jié)點(diǎn)間的信任度是動(dòng)態(tài)變化的，信任作為節(jié)點(diǎn)之間在合作上的一個(gè)重要標(biāo)準(zhǔn)，根據(jù)信任度的預(yù)測(cè)選擇節(jié)點(diǎn)合作，同時(shí)2節(jié)點(diǎn)之間的信任度值是選取較近時(shí)間節(jié)點(diǎn)更新的信任度值作為評(píng)價(jià)指標(biāo)，所以需要用時(shí)間退化因子來(lái)反映信任度值隨時(shí)間動(dòng)態(tài)變化的特性。其定義為：

(4)

其中，t為當(dāng)前時(shí)間，z為第z次交互，kz是第z次交互的時(shí)間退化因子。時(shí)間退化因子是根據(jù)節(jié)點(diǎn)間的交互產(chǎn)生的時(shí)間來(lái)計(jì)算該時(shí)間節(jié)點(diǎn)的2個(gè)設(shè)備節(jié)點(diǎn)間的直接信任度，在時(shí)間相近的交互記錄中就會(huì)產(chǎn)生相同的因子值。同時(shí)，為便于使用Beta密度函數(shù)，本文引入p變量，若2節(jié)點(diǎn)的交互成功則p=1，否則p=0。引入時(shí)間退化因子，原Beta密度函數(shù)中的變量隨之變化，其最新的構(gòu)造方法如式(5)所示：

(5)

(3)激勵(lì)機(jī)制。

根據(jù)歷史交互情況引入激勵(lì)機(jī)制計(jì)算直接信任度值，閾值為交互失敗次數(shù)和成功次數(shù)的平均值，若失敗次數(shù)大于平均值則引入懲罰因子，反之引入獎(jiǎng)勵(lì)因子，如式(6)所示：

(6)

其中，λ是對(duì)節(jié)點(diǎn)的獎(jiǎng)勵(lì)程度，θ是對(duì)節(jié)點(diǎn)的懲罰程度。

從式(6)中可以看出,激勵(lì)機(jī)制對(duì)于節(jié)點(diǎn)的懲罰和獎(jiǎng)勵(lì)程度是不一樣的，式(6)體現(xiàn)了對(duì)于節(jié)點(diǎn)信任緩慢增加，但懲罰節(jié)點(diǎn)是很快的。在計(jì)算直接信任度過(guò)程中引入激勵(lì)機(jī)制后，所得到的節(jié)點(diǎn)間的直接信任度值由式(7)決定：

DTedi,edj(t)=Cedi,edj(t)+EP

(7)

3.3 間接信任度評(píng)估

3.3.1 問(wèn)題分析

目前多數(shù)信任模型對(duì)于間接信任度的計(jì)算，都主要傾向于評(píng)估設(shè)備節(jié)點(diǎn)對(duì)其他推薦設(shè)備的信任度越高越可靠，但有些惡意設(shè)備會(huì)通過(guò)自己良好的直接信任度實(shí)施惡意推薦的行為，從而降低被評(píng)估設(shè)備的推薦信任度的準(zhǔn)確性。同時(shí)，傳統(tǒng)的信任模型存在對(duì)于推薦設(shè)備提供的信任因素進(jìn)行人工加權(quán)或主觀加權(quán)的局限性，不能準(zhǔn)確反映信任決策過(guò)程的自適應(yīng)性，從而導(dǎo)致對(duì)被評(píng)估設(shè)備節(jié)點(diǎn)信任度的誤判。

3.3.2 設(shè)備權(quán)重的確定方法

間接信任度估計(jì)模型包含如下要素：

(1)假設(shè)參與間接信任度評(píng)估的推薦設(shè)備節(jié)點(diǎn)為k個(gè)，其中k個(gè)推薦設(shè)備節(jié)點(diǎn)與評(píng)估設(shè)備節(jié)點(diǎn)公共的設(shè)備節(jié)點(diǎn)有n個(gè)，記作R={R1,R2,R3,…,Rk}為推薦設(shè)備集，C={C1,C2,C3,…,Cn}為集合R與評(píng)估節(jié)點(diǎn)都有過(guò)交互歷史的公共設(shè)備節(jié)點(diǎn)的集合。

(3)計(jì)算矩陣f=[DTRi,Cj]k×n，DTRi,Cj是推薦設(shè)備Ri對(duì)公共設(shè)備Cj的直接信任度值。

(1)傳統(tǒng)基于灰關(guān)聯(lián)度求解指標(biāo)權(quán)重的方法。

將灰色關(guān)聯(lián)分析用于計(jì)算各項(xiàng)評(píng)價(jià)指標(biāo)的權(quán)重，但實(shí)際是推薦設(shè)備對(duì)于公共設(shè)備的直接信任度值與某設(shè)備的最大直接信任度值進(jìn)行量化比較，然后根據(jù)設(shè)備間的差異性大小分析公共設(shè)備對(duì)于推薦設(shè)備的信任度的關(guān)聯(lián)程度，即為關(guān)聯(lián)度。其關(guān)聯(lián)度越大，說(shuō)明公共設(shè)備對(duì)于該設(shè)備信任趨于一致，該推薦設(shè)備在間接信任評(píng)估計(jì)算中重要程度就越大，其權(quán)重也就越高。據(jù)此對(duì)參與間接信任計(jì)算的所有推薦設(shè)備進(jìn)行歸一化處理，確定其權(quán)重。

①?gòu)木仃噁=[DTRi,Cj]k×n每一列中選取參考值X組成參考序列，記作X0。

組成新的決策矩陣，第1行為參考序列，其余行是由推薦設(shè)備和公共設(shè)備節(jié)點(diǎn)之間的直接信任度值組成的對(duì)比序列。

②計(jì)算關(guān)聯(lián)系數(shù)及關(guān)聯(lián)度。

根據(jù)灰關(guān)聯(lián)分析理論，對(duì)矩陣f利用式(8)求出推薦設(shè)備節(jié)點(diǎn)與參考序列在公共設(shè)備指標(biāo)上的關(guān)聯(lián)系數(shù)和關(guān)聯(lián)度。

(8)

其中，ρ為分辨系數(shù)，通常取0.5。關(guān)聯(lián)度r0i的大小反映了對(duì)應(yīng)推薦設(shè)備在計(jì)算間接信任度時(shí)的重要程度。

③以r1i作為推薦設(shè)備的權(quán)重值，即wi=r1i。

(2)基于改進(jìn)灰關(guān)聯(lián)求解權(quán)重的方法。

基于傳統(tǒng)的灰關(guān)聯(lián)求解權(quán)重，容易受ρ取值的影響，使權(quán)重值具有不確定性，從而影響對(duì)間接信任值的評(píng)估。為此，借鑒關(guān)聯(lián)度相近的思想，改進(jìn)傳統(tǒng)灰關(guān)聯(lián)求解權(quán)重方法，選取評(píng)估設(shè)備節(jié)點(diǎn)較為可信的值作為參考序列，通過(guò)式(1)和式(2)進(jìn)行計(jì)算，再進(jìn)行權(quán)值歸一化處理，得出推薦設(shè)備節(jié)點(diǎn)在間接信任評(píng)估計(jì)算中的權(quán)重值。計(jì)算過(guò)程中不需要決策者主觀設(shè)定參數(shù)，消除了決策者的主觀干擾，使得計(jì)算出的間接信任度值更加可靠。

①確定參考序列。

評(píng)估設(shè)備節(jié)點(diǎn)對(duì)公共設(shè)備集C中的直接信任是較為可信的，所以決策矩陣中的最優(yōu)參考序列為DTedi,C(t)。

②求推薦設(shè)備對(duì)比序列與參考序列之間的絕對(duì)距離:

(9)

③求推薦設(shè)備的權(quán)重值：

(10)

④求推薦設(shè)備的歸一化權(quán)重:

(11)

通過(guò)對(duì)式 (9)～式(11)進(jìn)行綜合微觀分析，進(jìn)而發(fā)現(xiàn)改進(jìn)的方法具有以下特性：

□

3.3.3 間接信任度計(jì)算

基于改進(jìn)的灰關(guān)聯(lián)計(jì)算推薦設(shè)備在間接信任評(píng)估中的所占權(quán)重，以評(píng)估設(shè)備較可信的直接信任為參考序列，推薦設(shè)備對(duì)指標(biāo)設(shè)備的直接信任度值作為對(duì)比序列，根據(jù)與參考序列的距離計(jì)算出推薦設(shè)備的權(quán)重，從而得出間接信任度值ITedi,edj(t)，具體操作如算法1所示。

算法1間接信任度值的計(jì)算

輸入：評(píng)估設(shè)備與被評(píng)估設(shè)備。

輸出：間接信任度值ITedi,edj(t)。

1：[R]←GetD(R1,R2,…,Rk);//獲取設(shè)備

2：[C]←GetD(C1,C2,…,Cn);/*獲取推薦設(shè)備的指標(biāo)設(shè)備*/

3：[X0]←Get_Data;/*評(píng)估設(shè)備對(duì)C直接信任度值，構(gòu)成參考序列*/

4：[D]←Get_Data;/*R對(duì)C的直接信任矩陣，構(gòu)成對(duì)比矩陣*/

5：[target_Data]←Retrie(D);//對(duì)比序列

6：[X] ←[target_Data];

7：for(x=1 tok)do

8：for(y=1 ton)do

10：endfor

12：endfor

3.4 綜合信任度評(píng)估與動(dòng)態(tài)更新

綜合信任是融合評(píng)估節(jié)點(diǎn)edi對(duì)被評(píng)估節(jié)點(diǎn)edj的直接信任和間接信任，根據(jù)兩者權(quán)重計(jì)算，權(quán)重值w1+w2=1，該權(quán)重是根據(jù)直接信任度和間接信任度的信息熵進(jìn)行計(jì)算得到的。

TRedi,edj(t)=w1·DTedi,edj(t)+w2·ITedi,edj(t)

(12)

在邊緣計(jì)算環(huán)境中，計(jì)算出的綜合信任度值并不是一成不變的，在設(shè)備節(jié)點(diǎn)異常的情況下，2節(jié)點(diǎn)交互過(guò)程中可能會(huì)出現(xiàn)不可預(yù)料的情況，使計(jì)算出的被評(píng)估節(jié)點(diǎn)不具有可靠性，所以需要結(jié)合前期交互情況動(dòng)態(tài)更新綜合信任度值，如式(13)所示：

Tedi,edj(t)=αt·Tedi,edj(t-1)+

(1-αt)·TRedi,edj(t)

(13)

其中，Tedi,edj(t)為當(dāng)前時(shí)刻信任度值；Tedi,edj(t-1)為前一時(shí)刻的信任度值；αt指信任動(dòng)態(tài)更新因子，其計(jì)算如式(14)所示：

(14)

由式(14)可知，αt是根據(jù)到達(dá)t時(shí)刻2設(shè)備節(jié)點(diǎn)的交互失敗率動(dòng)態(tài)變化的，隨失敗次數(shù)增加而變小，則t時(shí)刻的信任度值隨之下降。綜合信任度值計(jì)算和動(dòng)態(tài)更新過(guò)程如算法2所示。

算法2綜合信任度值計(jì)算

輸入：DTedi,edj(t)，ITedi,edj(t)，[S]和[α]。

輸出：間接信任度值Tedi,edj(t)。

1：計(jì)算直接信任度值DTedi,edj(t);

2：根據(jù)算法1計(jì)算間接信任度值ITedi,edj(t);

3：//計(jì)算權(quán)重值

//直接信任度權(quán)重

4：根據(jù)式(11)計(jì)算綜合信任度值TRedi,edj(t);

5：if(s(t)=s(t-1))

6：αt←αt-1

7：else

9:endif

10：根據(jù)式(12)動(dòng)態(tài)更新綜合信任度值Tedi,edj(t)./*最終綜合信任值*/

根據(jù)直接信任度值計(jì)算過(guò)程可知，計(jì)算直接信任度值的時(shí)間復(fù)雜度為O(n)，由算法1間接信任度計(jì)算過(guò)程可知，該過(guò)程時(shí)間復(fù)雜度由算法的執(zhí)行次數(shù)決定，由于最大循環(huán)數(shù)達(dá)到n*k次，所以間接信任度值計(jì)算過(guò)程復(fù)雜度為O(n*k)，綜合信任度值計(jì)算和動(dòng)態(tài)更新是結(jié)合直接信任度值與間接信任度值計(jì)算，而O(n*k)>O(n)，所以綜合信任度值計(jì)算算法的時(shí)間復(fù)雜度由算法1最大循環(huán)次數(shù)決定，為O(n*k)。

4 仿真與結(jié)果分析

本節(jié)通過(guò)仿真實(shí)驗(yàn)來(lái)驗(yàn)證本文提出的邊緣設(shè)備動(dòng)態(tài)信任度評(píng)估模型的有效性和準(zhǔn)確性。使用NetLogo事件模擬器進(jìn)行了模擬實(shí)驗(yàn)，該模擬器提供了一個(gè)多代理可編程建模環(huán)境，并通過(guò)模塊接口與Matlab進(jìn)行數(shù)據(jù)交互。

4.1 仿真環(huán)境

運(yùn)行環(huán)境為Ubuntu 12.04-64位系統(tǒng)，計(jì)算機(jī)NetLogo-6.0.4-64版模擬器中，參考Random 采用3.10 GHz Intel(R) Core(TM)i5-3230M CPU和8 GB內(nèi)存。為了使實(shí)驗(yàn)更接近邊緣計(jì)算環(huán)境，在Waypoint移動(dòng)節(jié)點(diǎn)隨機(jī)分布生成模型，在部署面積為500 m*500 m的范圍內(nèi)，生成1 000個(gè)移動(dòng)節(jié)點(diǎn)作為邊緣網(wǎng)絡(luò)中的邊緣設(shè)備節(jié)點(diǎn)，并對(duì)邊緣設(shè)備節(jié)點(diǎn)進(jìn)行編號(hào)，設(shè)定2種設(shè)備身份：邊緣設(shè)備節(jié)點(diǎn)和邊緣網(wǎng)絡(luò)節(jié)點(diǎn)，邊緣設(shè)備節(jié)點(diǎn)的通信半徑為20 m，邊緣網(wǎng)絡(luò)節(jié)點(diǎn)則位于檢測(cè)區(qū)域的中心。并對(duì)設(shè)備設(shè)定2種類型：正常設(shè)備或惡意設(shè)備(2種設(shè)備的比例隨實(shí)驗(yàn)要求而定)，正常設(shè)備在交互過(guò)程中提供真實(shí)服務(wù)，惡意設(shè)備在交互過(guò)程中存在著惡意反饋或不真實(shí)服務(wù)。設(shè)定邊緣設(shè)備節(jié)點(diǎn)之間交互10～50次，并將設(shè)備間的交互記錄通過(guò)接口模塊傳遞到Matlab中進(jìn)行計(jì)算，實(shí)現(xiàn)整個(gè)系統(tǒng)網(wǎng)絡(luò)數(shù)據(jù)交互。實(shí)驗(yàn)中的參數(shù)如表1所示。

Table 1 Simulation parameters表1 仿真參數(shù)

4.2 仿真及分析

在模擬仿真過(guò)程中，分別對(duì)信任模型的安全性、推薦設(shè)備的權(quán)重準(zhǔn)確度、時(shí)間開(kāi)銷和不同行為的信任度值4個(gè)方面進(jìn)行仿真實(shí)驗(yàn)，從而驗(yàn)證本文提出的信任模型DTEM對(duì)于信任度評(píng)估的有效性。

4.2.1 安全性能分析

分析信任模型安全可靠的2個(gè)重要指標(biāo)是檢測(cè)率和誤檢率，根據(jù)該模型的信任評(píng)估方案檢測(cè)出惡意設(shè)備節(jié)點(diǎn)個(gè)數(shù)占總惡意設(shè)備節(jié)點(diǎn)個(gè)數(shù)的比率為該模型的檢測(cè)率；根據(jù)信任評(píng)估方案誤檢的設(shè)備節(jié)點(diǎn)個(gè)數(shù)(正常設(shè)備節(jié)點(diǎn)被誤檢為惡意設(shè)備節(jié)點(diǎn)，惡意設(shè)備節(jié)點(diǎn)被誤檢為正常設(shè)備節(jié)點(diǎn))占被檢測(cè)的總設(shè)備節(jié)點(diǎn)數(shù)量的比率為誤檢率。仿真實(shí)驗(yàn)共進(jìn)行了5組，分別在實(shí)驗(yàn)環(huán)境中部署了5%，10%，15%，20%，25%和30%的惡意設(shè)備節(jié)點(diǎn)，仿真實(shí)驗(yàn)為驗(yàn)證DTEM能有效檢測(cè)惡意節(jié)點(diǎn)，與不含滿意度函數(shù)的模型和文獻(xiàn)[18]中的基于貝葉斯理論的信任評(píng)估RFSN(Reputation-based Framework for high integrity Sensor Network)模型進(jìn)行了對(duì)比。圖2和圖3為不同比例的惡意設(shè)備節(jié)點(diǎn)下3種模型的誤檢率和檢測(cè)率。

Figure 2 Comparison of false detection rate圖2 誤檢率對(duì)比

Figure 3 Comparison of detection rate 圖3 檢測(cè)率對(duì)比

從圖2可知，誤檢率隨著惡意設(shè)備節(jié)點(diǎn)比例的增加而增加，但是在該實(shí)驗(yàn)中DTEM、無(wú)滿意度函數(shù)模型和RFSN 3種模型平均誤檢率分別為7.67%，9.08%和14.28%，相比之下DTEM的誤檢率最低，主要是因?yàn)楸疚囊肓藵M意度函數(shù)，主體設(shè)備節(jié)點(diǎn)對(duì)被評(píng)估設(shè)備節(jié)點(diǎn)行為滿意度評(píng)價(jià)，避免了非入侵因素導(dǎo)致2設(shè)備節(jié)點(diǎn)之間交互失敗而錯(cuò)誤判斷的影響，因此減少了由交互記錄判斷設(shè)備節(jié)點(diǎn)的誤檢率，從圖2中看出其性能明顯優(yōu)于其它2種模型。從圖3可知，DTEM的檢測(cè)率明顯高于其它2種模型，且在5組不同比率的惡意設(shè)備節(jié)點(diǎn)中檢測(cè)率高于80%，由于文獻(xiàn)[16]的信任評(píng)估模型中只是傳播節(jié)點(diǎn)良好的聲譽(yù)，對(duì)于信任的評(píng)估并不準(zhǔn)確，同時(shí)也忽略了惡意節(jié)點(diǎn)因?yàn)閻阂饪浯蠓答亴?dǎo)致的信任值過(guò)高，進(jìn)而導(dǎo)致檢測(cè)率降低；DTEM由于加入滿意度函數(shù)在一定程度上提高了惡意設(shè)備節(jié)點(diǎn)的檢測(cè)率。

4.2.2 準(zhǔn)確性分析

為了說(shuō)明本文提出的改進(jìn)的灰關(guān)聯(lián)分析法對(duì)于提高求解推薦設(shè)備權(quán)重方法的準(zhǔn)確性的作用，本文將其與計(jì)算權(quán)重的典型熵法和傳統(tǒng)灰關(guān)聯(lián)方法進(jìn)行了對(duì)比。在仿真實(shí)驗(yàn)中，選擇10個(gè)推薦設(shè)備計(jì)算間接信任，記為R={R1,R2,R3,…,R10}，假設(shè)10個(gè)推薦設(shè)備與評(píng)估設(shè)備之間存在5個(gè)公共邊緣設(shè)備C={C1,C2,C3,C4,C5}作為評(píng)判推薦設(shè)備權(quán)重的屬性集，通過(guò)統(tǒng)計(jì)集合C中評(píng)估設(shè)備主體與推薦設(shè)備的直接信任度值，構(gòu)成矩陣f(其中第1列為最優(yōu)集，設(shè)置設(shè)備為1，5，8，10的數(shù)據(jù)更貼近最優(yōu)集)。

利用矩陣f中提供的數(shù)據(jù)，結(jié)合本文方法、傳統(tǒng)灰關(guān)聯(lián)方法和典型熵法計(jì)算推薦設(shè)備的權(quán)重[19]，實(shí)驗(yàn)結(jié)果如表2所示。

Table 2 Comparison of weight calculation results表2 權(quán)重計(jì)算結(jié)果比較

RFSN是基于貝葉斯理論的信任評(píng)估模型，該模型使用貝葉斯公式進(jìn)行信譽(yù)表示、更新、集成和信任演化，提供了一種統(tǒng)一的方法來(lái)檢測(cè)惡意行為的節(jié)點(diǎn)，進(jìn)而提升交互成功率。但是，該模型不具有不共享節(jié)點(diǎn)的交互體驗(yàn)，計(jì)算量大，是以犧牲系統(tǒng)效率為代價(jià)的模型[18]。

在改進(jìn)的灰關(guān)聯(lián)方法中，加入了主體的主觀評(píng)價(jià)作為最優(yōu)集，越接近最優(yōu)集的推薦設(shè)備，權(quán)值越高。由于權(quán)值歸一性，參與的推薦設(shè)備較多時(shí)，權(quán)值相差0.01區(qū)分度也是較大的，基于改進(jìn)灰關(guān)聯(lián)分析法的權(quán)值求解方法比典型熵法和傳統(tǒng)灰關(guān)聯(lián)權(quán)值求解方法更合理，越接近最優(yōu)設(shè)備集的設(shè)備權(quán)重值較大。采用該方法，對(duì)比基于熵的評(píng)估模型、基于傳統(tǒng)灰關(guān)聯(lián)方法的模型和RFSN模型的交互失敗率，從圖4可知，在惡意設(shè)備比例較低的情況下，除RFSN模型的3種信任模型無(wú)明顯差距外，隨著惡意設(shè)備比例的增加，基于改進(jìn)的灰關(guān)聯(lián)分析方法的模型交互失敗率明顯低于其他3種模型的，主要是因?yàn)榛诟倪M(jìn)的灰關(guān)聯(lián)分析方法的推薦設(shè)備的權(quán)重的準(zhǔn)確性提高了設(shè)備之間的交互成功率。

Figure 4 Interaction failure rate圖4 交互失敗率

4.2.3 時(shí)間開(kāi)銷分析

信任模型評(píng)估信任過(guò)程中的時(shí)間開(kāi)銷也是評(píng)估模型的重要指標(biāo)之一。本文提出的邊緣設(shè)備動(dòng)態(tài)信任度評(píng)估模型DTEM,以及RFSN模型和基于霧計(jì)算的分層信任機(jī)制FHTM(Fog-based Hierarchical Trust Mechanism)[20]主要的時(shí)間開(kāi)銷來(lái)自于推薦信任評(píng)估的過(guò)程中。因此，對(duì)這3個(gè)不同模型在信任評(píng)估過(guò)程的時(shí)間開(kāi)銷進(jìn)行對(duì)比。在實(shí)驗(yàn)過(guò)程中，為了使時(shí)間具有區(qū)分性，選擇6組不同的推薦設(shè)備數(shù)量{50，100，150，200，250，300}，由于每次運(yùn)行程序計(jì)算的系統(tǒng)運(yùn)行時(shí)間具有偶然性，為準(zhǔn)確記錄時(shí)間開(kāi)銷，記錄每組不同設(shè)備數(shù)量中的信任數(shù)據(jù)在不同的方法下都測(cè)試10次，并記錄運(yùn)行時(shí)間的平均值。

由圖5可以看出，當(dāng)參與設(shè)備數(shù)量少時(shí)，由于DTEM和FHTM模型的評(píng)估機(jī)制的系統(tǒng)消耗主要集中在3個(gè)方面：直接信任、推薦信任和信任更新，使基于DTEM和FHTM模型的信任評(píng)估系統(tǒng)時(shí)間開(kāi)銷略高于RFSN模型的。但是，隨著參與設(shè)備的數(shù)量增多，由于RFSN模型的信任評(píng)估是在整個(gè)網(wǎng)絡(luò)不斷迭代，致使數(shù)據(jù)查找次數(shù)增多，融合數(shù)據(jù)量增大，導(dǎo)致基于該模型的時(shí)間開(kāi)銷增長(zhǎng)迅速；而DTEM綜合信任評(píng)估由網(wǎng)絡(luò)層節(jié)點(diǎn)計(jì)算，減少了邊緣設(shè)備的計(jì)算時(shí)間，提高了系統(tǒng)的效率，減少了信任聚合的全局收斂時(shí)間，使之時(shí)間開(kāi)銷增長(zhǎng)緩慢。由于邊緣計(jì)算中存在著大量的邊緣設(shè)備，與被評(píng)估設(shè)備節(jié)點(diǎn)交互的邊緣設(shè)備數(shù)量也在不斷增加，所以在設(shè)備數(shù)量較多的環(huán)境中，DTEM時(shí)間開(kāi)銷優(yōu)于其他2種模型的。

Figure 5 Comparison of time cost圖5 時(shí)間開(kāi)銷對(duì)比

4.2.4 動(dòng)態(tài)信任度值分析

針對(duì)本文提出的邊緣設(shè)備動(dòng)態(tài)信任度評(píng)估模型DTEM，從2個(gè)方面對(duì)被評(píng)估設(shè)備信任度值進(jìn)行仿真實(shí)驗(yàn)。由于本文信任模型在行為信任階段加入了激勵(lì)機(jī)制和動(dòng)態(tài)更新因子，使其在邊緣設(shè)備交互時(shí)，信任值上升緩慢，若交互失敗次數(shù)增加，則會(huì)使的其信任度值下降迅速。在該仿真實(shí)驗(yàn)中，同一設(shè)備在一定時(shí)間段內(nèi)分別對(duì)3種不同的交互設(shè)備(記為設(shè)備1，設(shè)備2，設(shè)備3)進(jìn)行行為信任評(píng)估，實(shí)驗(yàn)初始值為0.18，0.37，0.8。設(shè)備1為信任度較好的設(shè)備，并且在該時(shí)間段內(nèi)交互記錄都是成功的；設(shè)備2在該時(shí)間段內(nèi)的某一時(shí)刻交互記錄失敗率較高；設(shè)備3的初始狀態(tài)信任度較高，但長(zhǎng)期處于交互失敗的狀態(tài)。從圖6中可以看出，雖然設(shè)備1初始值較低，但由于長(zhǎng)期交互記錄成功率較高，信任值在該時(shí)間段內(nèi)一直平穩(wěn)上升。設(shè)備3由于在交互過(guò)程中交互結(jié)果失敗率過(guò)高，導(dǎo)致信任度值下降迅速，最終趨于0。設(shè)備2初始信任值為0.37，由于設(shè)備2在0～160 ms過(guò)程中交互記錄良好，信任值也平穩(wěn)上升，但在160 ms時(shí)刻被檢測(cè)出有惡意行為，致使該設(shè)備的信任度值快速下降。從該實(shí)驗(yàn)中可以看出，在加入激勵(lì)機(jī)制的信任評(píng)估模型中，信任度值在不同行為的設(shè)備節(jié)點(diǎn)下上升、下降的速度不同，有效地抑制了惡意節(jié)點(diǎn)不誠(chéng)實(shí)反饋的行為。

Figure 6 Comparison of trust value 圖6 信任度值對(duì)比

5 結(jié)束語(yǔ)

針對(duì)現(xiàn)有信任評(píng)估方法的準(zhǔn)確性和時(shí)間開(kāi)銷等問(wèn)題，本文主要完成了以下工作：引入了時(shí)間退化因子和滿意度修正因子，使得信任評(píng)估過(guò)程隨著時(shí)間和滿意度的變化動(dòng)態(tài)自適應(yīng)地進(jìn)行調(diào)整，有效增強(qiáng)了信任評(píng)估的合理性；利用改進(jìn)的灰關(guān)聯(lián)分析法量化推薦設(shè)備之間的權(quán)重值，有效地抑制了設(shè)備之間不誠(chéng)實(shí)的反饋行為，提高了交互成功率。本文的研究工作還存在一些問(wèn)題，比如沒(méi)有對(duì)信任度值進(jìn)行加密，保存的信任數(shù)據(jù)容易被篡改。下一步將對(duì)這2個(gè)問(wèn)題進(jìn)行研究，優(yōu)化設(shè)計(jì)邊緣計(jì)算局部信任更新方法，利用邊緣計(jì)算聯(lián)盟的全局信任更新方法來(lái)共享信任信息，從而實(shí)現(xiàn)更高效的邊緣計(jì)算。