[发明专利]面向移动自组网的节点合作度评估方法

摘要

本发明公开了一种面向移动自组网的节点合作度评估方法，用于解决现有的节点合作度评估方法需要大量样本的技术问题。技术方案是：首先对节点网络行为建模，将刻画节点的网络行为分为网络通信特性、无线信号特性、移动特性以及空间特性四类指标集；再进行信息获取、初始评价算法及推荐评价交换；最后进行灰聚类评估及味集群决策。该方法针对移动自组网环境下“样本信息来源少，信息不完全”的“少数据不确定性”问题，采用灰聚类评估方法，避免了现有的评估方法需要大量样本的问题，而且算法简单，易于工程实现。

主权项

一种面向移动自组网的节点合作度评估方法，其特征在于包括以下步骤：（1）对节点网络行为建模，将刻画节点的网络行为分为四类指标集：网络通信特性、无线信号特性、移动特性以及空间特性；（2）信息获取由节点根据指标集进行采样；节点把发送给邻节点的数据包放在缓冲区中，侦听该邻节点是否转发该数据包；若在规定的时间内邻节点转发了该数据包，且与缓冲区中的数据包相匹配，则证明已成功转发，释放缓冲区中的数据包；若不匹配，则说明邻节点修改了该数据包，有异常行为；如果在规定时间内节点都没有侦听到邻节点转发该数据包，则说明有错误发生，要么是该节点不合作不给转发，要么是有信道冲突，两种原因都归结为转发不成功；至于邻节点的信号强度、网络拥塞、通信冲突等信道问题都通过MAC层或物理层获取；在获得信息样本后，初始评价通过概率统计的方法来计算评分，对一段时间内路由数据转发成功和失败的次数进行统计，通过公式计算成功的概率为p，以此对邻节点的数据转发指标作出初始评价；当节点A对它的邻居集Neighbor(A)作出初始评价后，由事件触发或与定时刷新相结合，在两跳距离内进行广播，以保证Neighbor(A)中所有节点的邻居都能得到；节点A收到其他节点对邻节点B的评价后，由味集群算法进行预处理，降低恶意评价对信任度计算的影响；选定一个核心圈评价作为参照，普通评价将与核心评价进行比较，如果偏离超出了一定范围，则认为该评价无效，当该实体节点的无效评价超过一定阈值时，将认定该实体节点为恶意节点；反之，如果评价有效，将接受评价，同时如果该评价最接近核心评价，并且达到一定次数时，那么将该实体节点的评价权重将有所提高；（3）评估发起节点将收到的评估样本进行味集群划分与选取，对味集群数据进行灰色聚类分析，最后通过味集群决策得出最终结论；①节点T0发起评估请求广播，将属性集A={ah｜h＝1，2，…，e}告诉各个节点，通信细节由评估通信协议决定；②各个评估节点将样本进行安全验证后发给T0，由T0进行味集群选择，得到味集群T1，T2，…，Tq；③对每个味集群Tj得到的样本矩阵进行指标极性转换；为应对移动自组网中的多 属性指标极性不统一问题，采用成本余值法进行极性转换；成本余值法处理过程如下：设某属性ai‑ξi，且0≤ai≤max(ai)，该属性对评估方来讲越小越好，为极小值极性，令ai*=max(ai)‑ξi，则ai*对评估方来讲，变化为越大越好，为极大值极性；④属性量化单位统一处理，采用样本初值化方法；处理过程如下：设有节点d1属性样本D1＝{ξ11，ξ12，ξ13}与d2属性样本D2＝{ξ21，ξ22，ξ23}，任取节点d1，令其样本为D2*=｛ξ11/ξ11，ξ12/ξ12，ξ13/ξ13，｝={1，1，1}，则D2*=｛ξ21/ξ11，ξ22/ξ12，ξ23/ξ13，｝，消去所有单位；样本初值化后，对应的白化函数也按照选取的节点进行初值化；结合移动自组网的通信需求，定义各个属性的白化函数，然后T0针对每个味集群Tj得到的样本矩阵进行灰色聚类评估，得到被评估节点di(di∈D，1≤i≤m)的灰类gji*。