[发明专利]一种恶意节点识别方法、设备及存储介质

权利要求书

1.一种恶意节点识别方法，其特征在于，包括：

根据移动节点在的源信任域的历史信任分布，构造所述移动节点的近似信任分布；

将所述近似信任分布更新到目标信任域的信任分布中，并根据更新后的所述目标信任域的信任分布，确定动态信任阈值；

当所述移动节点的信任度小于所述动态信任阈值，识别所述移动节点为恶意节点。

2.如权利要求1所述的恶意节点识别方法，其特征在于，所述根据移动节点在的源信任域的历史信任分布，构造所述移动节点的近似信任分布，包括：

根据所述移动节点在的源信任域的历史信任分布，采用BP神经网络对所述移动节点加入到所述目标信任域后的信任分布的均值和方差进行预测；

根据所述均值和所述方差，确定所述移动节点加入到所述目标信任域后的信任分布估计值；

对所述信任分布估计值和所述历史信任分布进行相似度分析；

当相似度小于设定相似度阈值时，确定将所述信任分布估计值作为所述移动节点加入到所述目标信任域的近似信任分布。

3.如权利要求2所述的恶意节点识别方法，其特征在于，所述根据所述均值和所述方差，确定所述移动节点加入到所述目标信任域后的信任分布估计值，包括：

根据所述均值和所述方差，构建后验分布；

采用随机采样的方式对所述后验分布进行数据采样，生成所述移动节点加入到所述目标信任域后的信任分布估计值。

4.如权利要求3所述的恶意节点识别方法，其特征在于，所述根据所述均值和所述方差，构建后验分布，包括：

对所述均值和所述方差进行正态分布统计分析，得到多个所述移动节点加入到所述目标信任域后的信任分布预测值；

根据多个所述信任分布预测值，构建后验分布。

5.如权利要求2所述的恶意节点识别方法，其特征在于，所述对所述信任分布估计值和所述历史信任分布进行相似度分析，包括：

采用KL散度衡量多个所述信任分布估计值与所述历史信任分布的相似度。

6.如权利要求1所述的恶意节点识别方法，其特征在于，所述将所述近似信任分布更新到目标信任域的信任分布中，并根据更新后的所述目标信任域的信任分布，确定动态信任阈值，包括：

在将所述近似信任分布更新到目标信任域的信任分布中后，根据更新后的所述目标信任域的信任分布的，计算所述目标信任域的信任度平均值和信任度中位数；

根据所述目标信任域的信任度平均值和信任度中位数，计算所述动态信任阈值。

7.如权利要求6所述的恶意节点识别方法，其特征在于，所述根据所述目标信任域的信任度平均值和信任度中位数，计算所述动态信任阈值，包括：

根据公式(1)，计算所述动态信任阈值；

其中，表示所述目标信任域的信任度平均值；表示所述目标信任域的中位数；表示移动节点未加入前目标信任域中所有节点的信任度平均值；表示移动节点加入后目标信任域中所有节点的信任度平均值；E_m表示移动节点未加入前目标信任域中所有节点的信任度中位数；表示移动节点加入后目标信任域中所有节点的信任度中位数；N_m表示所有节点在所述目标信任域中的交互次数。

8.如权利要求2所述的恶意节点识别方法，其特征在于，所述方法还包括：

当所述移动节点的信任度不小于所述动态信任阈值，调整所述BP神经网络的网络参数，并重新进行所述移动节点的近似信任分布构造直至所述移动节点的信任度小于所述动态信任阈值。

9.一种恶意节点识别设备，其特征在于，包括：处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至8中任意一项所述的恶意节点识别方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至8中任意一项所述的恶意节点识别方法。