一种利用用户之间社交关系的D2D设备发现方法与流程

本发明属于社交网络与d2d通信领域的结合，涉及一种利用用户之间社交关系的d2d设备发现方法。

背景技术：

随着智能手机的普及和移动数据流量的增长，d2d通信被认为是下一代移动通信网络的关键技术，在增强系统容量和频谱利用率方面有极其明显的增益。设备发现作为实现d2d通信的第一步，扮演着十分重要的角色。现有的设备发现技术主要有集中式和分布式发现方法。在集中式的发现方法下，基站需要掌握每个设备的位置，然后根据设备之间的距离集中调度，决定设备之间是否建立通信连接。分布式发现方法又分为自主发现和基站辅助发现。在自主发现机制下，设备一方发送已知的同步或参考信号，一般称为信标，只有当两个设备在时间和空间上完美的协调，设备发现过程才能成功，所以这种方式在一定程度上会造成时间和能源的浪费。在基站辅助发现机制下，网络可以通过协调发送和接收信号的时间和频率来参与到设备发现的过程当中，使得设备发现过程更有效率。本文提出的方案也是一种基站辅助的发现方法。

先前很多关于设备发现的相关工作没有考虑社交域的影响。通常情况下，移动设备是由用户携带，不同的用户之间有着稳定的社交关系，比如，同事，朋友，家人。这些社交关系会在某种程度上会影响用户之间的通信行为，因此，利用一些社交属性来协助设备发现成为现在很热门的研究方向。

技术实现要素：

本发明的目的是针对目前为了降低设备连接到不信任节点的概率，需要计算用户之间的信任度以及为了提高用户获得所需服务的概率，需要计算用户之间的相似程度以及每个用户的中心度的问题。

为解决上述技术问题，本发明采用的技术方案是提出一种利用用户之间社交关系的d2d设备发现方法，具体包括如下步骤：

步骤1：目标用户向基站发起d2d通信请求；

步骤2：基站在收到目标用户的请求后，根据其存储的用户的历史记录及其社交属性计算三个指标：

步骤2-1：计算目标用户和其他用户之间的信任度；

步骤2-2：计算目标用户和其他用户之间的相似度；

步骤2-3：计算每个用户的中心度；

步骤3：用效用函数将上面三个准则统一起来，与提前设定好的阈值进行比较，若大于设定阈值，则可作为目标用户的邻居用户；

步骤4：基站将生成的邻居用户集反馈给目标用户，目标用户在邻居用户集中进行对等发现。

进一步，上述步骤1中，用含权无向图g＝(n,e)来分析和表示社交网络，n＝{u1,u2,…un}是图中所有的节点的集合，表示社交网络中的用户，e＝{(ui,uj),ui,uj∈n}是图中所有边的集合，表示社交网络中用户之间的连接关系，表示与用户ui直接连接的用户的集合，一条边e＝(ui,uj)的权重为表示社交网络中用户之间的社交关系强度，对其进行归一化处理，使得对于每个节点ui，其中令表示用户ui到uj所有路径的集合，p为路径中的某一条，路径p的长度|p|为路径p中边的数目，则每条路径的权重可表示为该路径上所有边的权重的乘积，即w(p)＝πe∈pwe′。

进一步，上述步骤2-1中，目标用户和其他用户之间的信任度可由用户之间的社交关系强度来衡量，即用户之间的社交关系越亲密，就越信任彼此，两个相邻节点的社交关系的强度由他们之间的通信频率和其通信时间来反映，即其中i≠j，cf(ui,uj)表示用户ui和uj的连接频率，cd(ui,uj)表示用户ui和uj的连接时间，也就是用户ui对网络中其他用户uj的信任度可表示为

进一步，上述步骤2-2中，目标用户和其他用户之间的相似度为其中ui,uj∈n,i≠j，m(ui)表示用户ui的兴趣集合，m(uj)表示用户uj的兴趣集合。

进一步，上述步骤2-3中，每个用户的中心度由运行在移动用户智能设备后台中的固定长度的随机游走来度量，其具体流程为：每隔δt分钟，每个用户的智能设备会以指定概率a生成一个探测消息，每个消息的存活时间为l，当用户ui与用户uj连接时，如果ui在本地序列中有探测消息，则将探测消息以概率发送给uj，为与用户ui有过连接的用户集合，如果ui与用户uj从未进行过连接，则prob(uj)＝0.5，当用户uj接收到探测消息后，将l的值减1，并将探测消息保存在自己的本地序列中，等待下一次连接时再转发给其他用户，当探测消息的l值变为0则消失，每个用户的智能设备中有一个随机游走的计数器，初始值为0，记录该设备接收到探测消息的次数即随机游走拜访的次数randw(ui)，则用户ui的中心度为

进一步，上述步骤3中，效用函数为util(ui,uj)＝α·tru(ui,uj)+β·sim(ui,uj)+γ·cen(uj)，其中α，β，γ是可调参数，可根据不同的场景进行调整，且α+β+γ＝1，设定阈值utilth，将大于阈值的用户放入目标用户的邻居集中。

与现有技术相比，本发明具有以下有益效果：

1、本发明提出一种有效利用用户之间社交关系的d2d设备发现方法，该方法首先从基站的历史记录得到用户之间的通信历史，通过计算用户之间社交关系的强度来评估用户之间的信任度，滤除了大部分不被信任的节点，比如广告节点，病毒节点等，很大程度上保证了d2d通信链路的安全性。

2、传统的发现方案因为没有考虑用户的通信需求，导致发现的设备很多无法满足用户的实际所需的服务，而本方法通过计算用户之间的相似度及每个用户的中心度，将与用户有着相似兴趣爱好且中心度较高的用户群推荐给用户，大大提高了通信的有效性。

附图说明

图1为基于社交网络的设备发现过程示意图。

图2为计算节点之间信任度示意图。

具体实施方式

以下结合说明书附图对本发明创造作进一步的详细说明。

本发明的目的在于提供一种利用用户之间社交关系的d2d设备发现方法，本方法将社交网络应用于d2d通信，利用一些社交属性协助d2d设备发现。首先，需要进行d2d通信的设备(目标用户)向基站发送请求，基站存储着所有用户的状态信息及其历史记录，在收到设备发送的通信的请求后，基站根据历史记录和社交属性计算用户之间的信任度、相似度和每个用户的中心度，然后用效用函数将上面三个准则统一起来，设定合适的阈值，将效用函数值大于设定阈值的用户作为目标用户的邻居用户，最后目标用户在邻居用户中进行对等发现。与现有方案相比，本发明主要包括：首先，本发明考虑了社交属性对设备发现的影响，通过用户的社交历史记录，可以得到用户之间的社交关系强度，从而进一步评估用户之间的信任度，排除掉那些恶意节点，接着，通过计算用户之间的相似度，可以找到与目标用户兴趣相似的用户群，从而使目标用户更易得到想要的服务，最后计算每个用户的中心度，将中心度较高的用户推荐给目标用户，可以大大提高目标用户通信成功的概率。

如图1所示，目标用户ui向基站发送d2d通信请求，基站存储着所有用户的状态信息及其历史记录，在收到设备发送的通信的请求后，基站根据历史记录和社交属性计算目标用户ui与其他用户之间的信任度、相似度和每个用户的中心度，然后用效用函数将上面三个准则统一起来，设定合适的阈值，将效用函数值大于设定阈值的用户作为目标用户ui的邻居用户，最后目标用户ui在邻居用户中进行对等发现。具体的发现过程如下：

步骤1：目标用户向基站发起d2d通信请求；

步骤2：基站在收到目标用户的请求后，根据其存储的用户的历史记录及其社交属性计算三个指标：

步骤2-1：计算目标用户和其他用户之间的信任度；

步骤2-2：计算目标用户和其他用户之间的相似度；

步骤2-3：计算每个用户的中心度；

步骤3：用效用函数将上面三个准则统一起来，与提前设定好的阈值进行比较，若大于设定阈值，则可作为目标用户的邻居用户；

步骤4：基站将生成的邻居用户集反馈给目标用户，目标用户在邻居用户集中进行对等发现。

本发明步骤1中用含权无向图g＝(n,e)来分析和表示社交网络，n＝{u1,u2,…un}是图中所有的节点的集合，表示社交网络中的用户，e＝{(ui,uj),ui,uj∈n}是图中所有边的集合，表示社交网络中用户之间的连接关系，表示与用户ui直接连接的用户的集合，一条边e＝(ui,uj)的权重为表示社交网络中用户之间的社交关系强度，对其进行归一化处理，使得对于每个节点ui，其中令表示用户ui到uj所有路径的集合，p为路径中的某一条，路径p的长度|p|为路径p中边的数目，则每条路径的权重可表示为该路径上所有边的权重的乘积，即w(p)＝пe∈pwe′。

本发明步骤2是利用基站存储的用户的历史记录及其社交属性计算目标用户与其他用户之间的信任度、相似度以及每个用户的中心度。

步骤2的具体处理步骤为：

步骤2-1：目标用户和其他用户之间的信任度可由用户之间的社交关系强度来衡量，即用户之间的社交关系越亲密，就越信任彼此，两个相邻节点的社交关系的强度由他们之间的通信频率和其通信时间来反映，即其中i≠j，cf(ui,uj)表示用户ui和uj的连接频率，cd(ui,uj)表示用户ui和uj的连接时间，也就是用户ui对网络中其他用户uj的信任度可表示为

步骤2-2：目标用户和其他用户之间的相似度为其中ui,uj∈n,i≠j，m(ui)表示用户ui的兴趣集合，m(uj)表示用户uj的兴趣集合；

步骤2-3：每个用户的中心度由运行在移动用户智能设备后台中的固定长度的随机游走来度量，其具体流程为：每隔δt分钟，每个用户的智能设备会以指定概率a生成一个探测消息，每个消息的存活时间为l，当用户ui与用户uj连接时，如果ui在本地序列中有探测消息，则将探测消息以概率发送给uj，为与用户ui有过连接的用户集合，如果ui与用户uj从未进行过连接，则prob(uj)＝0.5，当用户uj接收到探测消息后，将l的值减1，并将探测消息保存在自己的本地序列中，等待下一次连接时再转发给其他用户，当探测消息的l值变为0，则消失。每个用户的智能设备中有一个随机游走的计数器，初始值为0，记录该设备接收到探测消息的次数(即随机游走拜访的次数)randw(ui)，则用户ui的中心度为

本发明步骤3中的效用函数为util(ui,uj)＝α·sim(ui,uj)+β·tru(ui,uj)+γ·cen(uj)，其中α，β，γ是可调参数，可根据不同的场景进行调整，且α+β+γ＝1。设定阈值utilth，将大于阈值的用户放入目标用户的邻居集中。计算节点之间信任度的示意图如图2所示，从图中可以看到用户ui与uj的连接路径有3条，则用户ui对uj的信任度可由3条路径的权重之和求得，即