TRM-IoT: A Trust Management Model Based on Fuzzy Reputation for Internet of Things
TRM-IoT:基于模糊信誉的物联网信任管理模型
作者:Dong Chen, Guiran Chang,Dawei Sun | 发表时间:2011 |
期刊:Computer Science and Information Systems | 4Q |
链接: https://www.researchgate.net/publication/220117811 | |
Keywords: Internet of Things, Cyber Physical System, Wireless Sensor Network, Trust, Reputation, Fuzzy Sets. |
本文提出了基于模糊理论的信任和声誉模型,本文的贡献可分为以下几个方面。
- IoT/CPS的特殊特性和独特的信任挑战分析;
- IoT/CPS中信任与声誉的概念及信任与声誉的关系探讨;
- 一种新的基于模糊理论的IoT/CPS信任声誉管理模型;
- 信任评价指标、局部信任关系评价和全局信任关系评价;
- 对所提出的模糊信任和声誉管理模型进行了广泛的仿真、性能评价。
在本文中对信任和声誉采用以下定义:定义1。信任是个体A期望另一个个体B执行其福利所依赖的特定行为的主观概率。定义2。声誉是人们对一件事物的品质或地位的普遍评价或相信。声誉只存在于以这样或那样的方式观察其成员的社区中。因此,声誉是收集和处理的信息,其中一个合作伙伴以前的行为为其他人所经历。定义3。在IoT/CPS无线网络中,节点S对另一个节点P的信任是节点S通过与节点P的交易获得积极结果的主观期望。在IoT/CPS中,节点S的声誉是其在无线网络中的可信度的全球感知。此外,可以从其过去和现在的行为来评估其可信度。本文中的信任描述了依赖节点对服务或资源提供者节点的信任,当依赖方是寻求保护的用户,免受恶意或不可靠的服务提供者的攻击时,它是相关的。
声誉通常是由过去观察到的行为所激发的。信任反映了依赖方对实体可信度的主观看法,而声誉则是整个社会都能看到的分数。值得注意的是,在本文中,信任被认为是一个主观的概率值,而声誉被认为是一个特定社区背景下的客观和公认的价值。
每个节点通过邻居监控进程来收集邻居节点的报文转发行为信息。此外,每个节点都能够以混杂模式侦听相邻节点的传输。每个节点独立地监听其相邻节点的数据包转发活动。这种监听与在固定的时间窗口内正确转发的数据包占要转发的数据包总数的比例有关。然后,网络中的每个节点维护一个数据转发信息表。该表只包含通过侦听邻近节点的数据转发事务信息:
- 端到端包转发率。EPFR定义为目的节点的应用层接收到的报文数与源节点的应用层发送的报文数之比
- AEC.在IoT/CPS基础设施中设计WSN的关键标准是能耗
- PDR。实际上,包投递率(PDR)受丢包和重传的影响。丢包的原因有很多。本文只关注中间节点有意丢弃接收到的数据包而不是将其转发给下一跳节点的行为。
在仿真实验中,本文将传感器节点分为良好节点和恶意节点两种类型。根据恶意节点在路由发现、路由维护和数据转发方面的行为,将恶意节点进一步分为两类。对于第一种类型(类型1):恶意节点不执行包转发功能;对于第二种类型(type 2),恶意节点不参与路由发现阶段。在每次运行中,根据设置百分比随机选择这些恶意节点,如下图:
指标:
- 端到端报文转发率(EPFR)是指目的节点的应用层接收到的报文数与源节点的应用层发送的报文数之比。该参数显著反映了数据包传输过程中对丢包率、路径中断修复、发送缓冲区溢出、接口队列溢出、冲突MAC包和端到端包的影响。
- 恶意节点影响:本文恶意节点占网络中传感器节点的10%到60%,每次实验增加10%,而网络中的其他节点表现良好。由于任何恶意节点都不参与AODV协议的路由发现阶段,或者不诚实地执行数据包转发,因此恶意节点的AEC小于其他正常节点。
- 包的传递速率:在下图中,在PDR方面比较了提出的IoT/CPS、TRM-IoT的信任和声誉方案,以及现有的基于声誉机制的两种信任模型,即DRBTS[10]和BRTM-WSN[11]。实际上,包投递率(PDR)受丢包和重传包的影响。丢包的原因有很多。本文主要研究中间节点有意丢弃接收到的数据包,而不是将其转发到下一跳节点的行为。从图中,我们可以看到,提出的信任和声誉模型优于其他两种方案,特别是在网络负载较高的情况下。
- 收敛速度:收敛速度(收敛速度CS)定义为处理失败的数据转发事务所需的最少循环次数。即CS越大,越不公平,表示如果信任模型有效,在几个交易周期后,可以通过信任值将良好节点与不良行为节点区分开来[31]。一开始,所有传感器节点具有相同的初始信任值,源传感器节点随机选择一个节点进行数据包转发。在少量交易后,良好节点比其他恶意节点获得更高的信任值。
- 探测概率:DP (Detection Probability)表示信任信誉模型是否能够更好地处理来自第三方的错误推荐。在下图中,BRTM-WSN[11]模型的性能优于DRBTS[10]模型。这是因为BRTM-WSN模型可以更好地处理来自第三方的错误推荐。
心得体会:
本篇论文是通过从IoT/CPS无线网络中得出的基于模糊信誉的物联网信任管理模型,但是模糊理论在信誉模型的搭建上的贡献在这之前就已经有了,而且也有很多的成果,但是从实验的完整性以及理论的实现上,本篇文章还是提供了很多可以学习以及在现的东西,值得读者思考以及复现对信誉模型以及模糊理论有进一步的了解。