无线传感器网络中基于模糊逻辑的信任评估模型

作者:成坚;王宏新;鲍传美;包化 刊名:测控技术 上传者:夏红丽

【摘要】信任评估模型对无线传感器网络的可靠运行和安全保障具有重要意义。针对无线传感器网络主观信任的模糊性,提出了一种基于模糊逻辑的信任评估模型(TEFL,trust evaluation model based on fuzzylogic)。模型使用模糊集理论给出节点信任值的形式化定义;利用模糊推理方法量化本地信任值,通过邻居节点获取推荐信任值;在此基础上,对推荐信任值的综合权重进行模糊推理,并将本地、推荐信任值予以合成,最终得到节点综合信任值。仿真结果表明,该模型具有较好的鲁棒性,能实时、准确地发现恶意节点,确保网络安全性。

全文阅读

无线传感器网络常被应用于战场监控或安全保障,其节点极易被敌人俘获,并被改造成为恶意节点对网络实施破坏。被俘节点掌握有效的网络安全密钥,密钥安全机制不能有效阻止其发起的内部攻击[1]。而信任管理系统通过观察节点的行为和特征,评估其可信程度,藉此查找恶意节点并实施安全措施,弥补了密钥安全机制的不足。信任评估模型是信任管理系统的核心,决定了信任管理的有效性,正日益成为研究的焦点。网络中的信任关系有两种:基于客体验证的信任关系和基于主观信念的信任关系[2]。无线传感器网络中的信任关系基于主观信念,具有模糊性。近年来,一些学者提出了基于不同概率模型的信任评估模型。Crosby等人[3]提出了基于古典概型的信任评估模型,该模型在综合多个信任因子计算节点信任值时,难以确定因子计算权重的大小;Ganeriwal等人[4]提出了基于贝叶斯理论的信任评估模型,该模型对节点采用基于阈值的二元逻辑信任分类,限制了节点的使用效率;此外,文献[5-7]也分别进行了相关讨论。上述模型采用纯粹的概率统计方法评估信任,忽略了信任的主观模糊性。唐文等人[2]提出了基于模糊逻辑的信任评估模型,但只给出了形式化的推理机制,没有提供具体的量化算法。针对以上研究中存在的问题,本文提出了一种基于模糊逻辑的无线传感器网络信任评估模型(TEFL):利用模糊集理论对节点信任值进行形式定义;使用模糊推理方法量化本地信任值;通过邻居节点获取推荐信任值;最后,模糊推理推荐信任值的综合权重,并在此基础上将本地、推荐信任值合成为综合信任值,形成一套完整的主观信任评估体系。1信任值定义在传感器网络中,节点信任评估的主观模糊性主要体现在两个方面[8]:信任的分类不基于二值逻辑,而是“多值”的。即不能简单地把节点分为“可信”和“不可信”,需考虑中间过度状态;信任不是“非此即彼”的,而是“亦此亦彼”的。即节点不仅只属于某一种信任类别,而且可能同时在不同程度上属于多个信任类别。为体现这种主观模糊性,利用模糊集理论对节点信任值作如下定义。首先对节点进行信任分类。设t为节点的可信度,其论域为UT={t|t[0,1]}。如图1所示,用5个语言变量描述节点的信任分类:“绝对不可信”、“较不可信”、“不确定”、“较可信”和“绝对可信”,在UT上线性划分对应的模糊子集T1、T2、T3、T4和T5,并建立相应的隶属度函数T,1(t)、T,2(t)、T,3(t)、T,4(t)和T,5(t)。图1节点信任的模糊分类根据节点的信任分类,将节点的信任值表示为向量形式:VT=(vT,1,vT,2,vT,3,vT,4,vT,5)。其中,vT,k(k=1,2,…,5)为节点对信任类别Tk的隶属度。2TEFL模型在无线传感器网络中,信任评估采用分布式算法,相邻两节点相互进行信任的量化,评估主体称为评估节点,客体称为被评估节点。文献[1]指出:信任取决于主体对客体的观察以及第三方的推荐,并随着客体行为的变化而改变。因此,TEFL模型的设计如下:首先,评估节点初始化被评估节点的本地信任值,并通过观察信任因素的变化,结合模糊推理进行更新;其次,评估节点收集其他节点对被评估节点的推荐信任值;最后,评估节点利用推荐节点的本地可信度模糊推理其推荐信任值的综合权重,在此基础上将本地、推荐信任值合成为被评估节点的综合信任值。2.1本地信任值评估节点将自身对被评估节点多个信任因素的观察结果进行综合量化,所得的信任值称为本地信任值,用VDT表示,其向量形式标记为:VDT=(vDT,1,vDT,2,vDT,3,vDT,4,vDT,5)。本地信任值的量化过程分为初始化和

参考文献

引证文献

问答

我要提问