基于多源反馈信息融合的IOT边缘设备信任计算机制
解决问题:
边缘设备之间缺乏信任,设备间的恶意攻击
传统的信任计算机制,只考虑设备间的直接信任进行信任评估,而且计算方法复杂,让云端承担计算任务,信任因素手动或主观加权
该方案通过设备间的直接信任以及代理对设备的客观评级进行聚合,得到设备的整体信任,并采用了轻量级的信任评估机制,设备和代理承担运算任务,设备不存储信任值,信任因素权重动态变化
现存的3个问题:
1.没有研究集中于信任计算机制本身的可靠性问题
2.完全忽略了有反馈机制本身引起的串谋或饱腹问题
3.在全局信任聚合计算中缺乏适应性
贡献:
1.全局信任度:D-D直接信任、D-D反馈信任、B-D反馈信任
2.轻量级:信任计算完全由代理层和设备层完成
3.适应性和可靠性:基于客观信息地理论的反馈信息融合算法
III. 体系结构
提出体系结构,讨论攻击模式
A.体系结构
架构包括3层:网络、代理、设备层。
- 网络层
由传统的云计算平台支持
假设云数据中心是可靠和总是可用的,不考虑它的攻击和风险问题
- 代理层
监视设备的服务行为,负责反馈信息的信任聚合计算
基站:有线网络和无线网络之间的网关/作为本地无线网络集线器的无线接收器发射器
- 设备层
通过wifi或者蜂窝接入点进行网络通信
根据位置和特征被划分为不同的域
B.信任关系分析
信任计算完全有代理层和设备层完成
参考文献【41】 提出信任关系的定义
- 定义1 D-D直接信任 完成请求任务能力的量化值
- 定义2 B-D反馈 代理的客观计算评级
- 定义3 D-D整体信任 直接信任+代理反馈
算法1
输入:设备集、代理集、时间窗
输出:全局信任
IV. 信任和反馈计算
A.信任因子计算
D-D直接信任计算
Tdi;dj [0,1];∆t是历史交互的时间窗
风险概率模型:
(+)是T>=0.5 (-)是T<0.5
(+) 0 &(-)=0 => D=1
(+)+(-)=>D=0
B-D反馈信任计算
bk周期性请求,其他设备转发对di的信任值,bk保存到一个矩阵里
i=j时,D是自我评级,反馈信任聚合时会丢弃该值
等式2中D属于[0,1],矩阵是正规化矩阵
算法2
B.全局信任计算
是权重因子,当失败的交互增多, 无限接近于0
C.时空复杂度分析
V. 实验效率评估
A.参数
Netlogo模拟器
通过控制PCD (交互设备的百分比 ) 、MD (恶意设备的百分比)来比较
分三种环境:空闲且诚实、繁忙且不诚实、高度繁忙且高度不诚实
B.效率
通过全局收敛时间,即信任聚合所需的总时间[32]判定
C可靠性.
通过任务失败率[33]判定
阅读更多
- 一种基于多源反馈的边缘计算信任计算机制
- C#:基于WMI查询USB设备信息 及 Android设备厂商VID列表
- 基于power supply信息传递的uevent机制
- 请求、信息-Cloud Foundry中基于Master/Slave机制的Service Gateway——解决Service Gateway单点故障问题-by小雨
- 基于亚像素边缘检测的齿轮内孔计算
- Direct3D轮回:构建基于DirectInput机制的键盘输入设备
- Predix边缘计算的数据总线 - 基于MQTT协议的代理服务器
- 基于SNMP网络设备MIB信息采集 (论文+源码)
- 边缘计算:推动“人-机-物”跨界融合
- IoT 边缘计算框架的新进展
- Direct3D轮回:构建基于DirectInput机制的鼠标输入设备
- 一种基于元数据和Ontology 计算的网络信息过滤方法
- systool命令_Linux systool 命令用法详解:显示基于总线、类和拓扑显示系统中设备的信息
- 看我如何黑掉基于ZigBee的IoT设备
- 智能边缘计算,让IoT有大智慧
- 基于L0边缘保持滤波的图像融合 matlab代码
- 基于power supply信息传递的uevent机制
- 云中树莓派(5):利用 AWS IoT Greengrass 进行 IoT 边缘计算
- [源代码]基于D-S证据理论的雷达探测信息融合
- 多源信息融合