A novel trust management model for edge computing
一种新的边缘计算信任管理模型
作者:Rabia Latif Malik Uzair Ahmed Shahzaib Tahir | 时间:2021 |
刊物:ORIGINAL ARTICLE | SCI 1Q |
链接:A novel trust management model for edge computing | Complex & Intelligent Systems | |
keywords:Edge computing · Edge devices · Cloud computing · Internet of Things · Trust management models |
身份验证以及安全管理器生成和分发公钥的一些技术:
零知识协议、访问控制机制、上下文感知位置隐私和椭圆曲线密码系统。
这篇论文在对节点的属性选择上有很详细的描述,他分别使用了下面五种属性:
- QoS参数
- 丢包率
- 抖动(包延迟)
- 输出字节数
- 任务失败率
设备的得分主要有两个:
- 评级:设备的评级是根据两个设备之间的通信确定的值。设备将根据其QoS参数使用公式10进行评级。评级可以被看作是一种基于其交互作用的设备的意见。
- 信任:另一方面,信任是设备的最终整体等级,依赖于其他设备提供的评级。信任可以被看作是社区基于他们与该设备的所有交互而对该设备的意见。
评级和信任的主要区别在于,评级是通过两个设备之间一对一通信的因素来计算的。该评级将根据对一个设备的分析来区分设备的好坏。即使许多设备对单个设备进行评级,它仍然缺乏社区投入的因素。在奇异值分解中,我们取一个矩形矩阵X × Y,然后把它分解成另外三个矩阵。评级矩阵作为SVD的输入。在额定值矩阵中,设备的所有单独额定值被映射。被额定的每个设备以列表示,各设备的额定以行表示。
本文使用的仿真平台是EdgeCloudSim,它是用Java实现的,也是一个不错的仿真平台,他是开源的,有感兴趣的或者想要学习使用的可以查看:
EdgeCloudSim初体验之安装及初步使用_lippon的博客-CSDN博客
模拟结果(1000个节点)
图5表示网络中1000个设备的额定值散点图。这个散点图显示了每个设备的额定值位置。在样本空间中,根据图中所示的趋势,大多数评分处于中间位置,而最低评分接近1.5,少数设备的最高评分为5。大多数评级都处于平均距离。评级显示了基于QoS参数的估计,但这些评级缺乏社区输入的因素。社区因素是计算信任等级的一个重要方面。
心得体会:
这篇论文思维与实验逻辑写得十分清楚,看完之后就会明白他的思路,并且很适合思路复现出来,他也针对现有技术提出了自己的看法与改进,并且对节点的属性选择上有清楚的描述,这对于我们这些菜鸟来说是非常重要的。
协同过滤讲解推荐:
推荐算法之协同过滤算法详解(原理,流程,步骤,适用场景)_协同过滤算法原理_忘川之水&的博客-CSDN博客
矩阵奇异值分解(SVD)教学推荐: