一种面向车联网的节点信任评估方法与流程

技术特征：

1.一种面向车联网的节点信任评估方法，其特征在于，包括如下步骤，

步骤1，在面向车联网中，计算发送节点i对目标节点j的直接可信程度；根据节点i对目标节点j历史通信记录，依据C-F模型得到不确定性推理规则；根据不确定性推理规则得到节点i对目标节点j的直接信任度；

步骤2，计算目标节点j的间接信任度；

2.1通过发送节点i向邻居节点u发送请求数据包，请求邻居节点u对目标节点j的可信程度进行反馈；

2.2邻居节点u收到该请求数据包，如果与目标节点j有过通信交互行为，则邻居节点u依据步骤1计算其对目标节点j的直接信任度r_u,j，并发送回复数据包，否则将丢弃该请求数据包；

2.3建立数据集合D1，将所有回复数据包中包含的邻居节点u对目标节点j的直接信任度r_u,j放入数据集合D1中；

2.4对数据集合D1进行过滤得到数据集合D2，对数据集合D2中的数据应用模糊C-means算法，最终获得数据集合D3；

2.5采用C-F模型，对数据集合D3进行计算，获得目标节点j的间接信任度；

步骤3，计算目标节点j的全局信任度；依据已获得的对目标节点j的直接信任度和间接信任度，采用C-F模型对目标节点j的可信程度进行全面评估，获取其全局信任度。

2.根据权利要求1所述的一种面向车联网的节点信任评估方法，其特征在于，所述的C-F模型为基于不确定性推理的信任度计算C-F模型，应用C-F模型表示车联网节点信任度的产生式规则如下：

CF(H)＝CF(H，E)×{0，CF(E)}；

其中，证据E表示发送节点i对目标节点的通信行为进行了直接观测，H表示依据证据E得出的结论；CF(E)表示证据E的可信度，CF(H)表示结论的可信度，CF(H,E)表示该规则的可信程度。

3.根据权利要求2所述的一种面向车联网的节点信任评估方法，其特征在于，步骤1中，依据C-F模型得到不确定性推理规则如下式：

$CF(H,E_{i,j})=\frac{a_{i,j}-\left(n_{i,j}-a_{i,j}\right)}{n_{i,j}}$

其中，E_i,j表示节点i对目标节点j的行为直接观测，n_i,j表示节点i与目标节点j通信行为的历史次数，a_i,j表示目标节点j的合作行为次数。

4.根据权利要求3所述的一种面向车联网的节点信任评估方法，其特征在于，步骤1中，不确定性推理规则，计算节点i对目标节点j的直接信任度DB_i,j如下：

${\mathrm{DB}}_{i,j}=CF(H_{i,j},E_{i,j})\×\max \left\{0,CF\left(E_{i,j}\right)\right\}=\frac{a_{i,j}-\left(n_{i,j}-a_{i,j}\right)}{n_{i,j}}.$

5.根据权利要求4所述的一种面向车联网的节点信任评估方法，其特征在于，2.4中，对数据集合D1进行过滤得到数据集合D2时，设置阈值Y，检测D1中的数据，如果r_u,j大于Y，则将r_u,j放入数据集合D2中，否则将r_u,j丢弃。

6.根据权利要求4所述的一种面向车联网的节点信任评估方法，其特征在于，2.5中，采用C-F模型，对数据集合D3进行计算，获得目标节点j的间接信任度如下：

${\mathrm{IB}}_{i,j}=\frac{p-q}{p+q}\×\frac{{\mathrm{\Σ}}_{k=1}^n{r}_{k,j}}{n};$

其中，IB_i,j表示节点i对目标节点j的间接信任度，p表示数据集合D3中r_u,j大于0的个数，q表示r_u,j小于或者等于0的个数。

7.根据权利要求6所述的一种面向车联网的节点信任评估方法，其特征在于，步骤3中获取的目标节点j的全局信任度如下：

R_i，j＝DB_i，j×α+IB_i，j×β；

其中，R_i,j为节点i对目标节点j的全局信任度，α和β为权重参数，且α+β＝1。

8.根据权利要求7所述的一种面向车联网的节点信任评估方法，其特征在于，能够依据网络现状对权重参数α和β进行调整。