車載社交網(wǎng)絡(luò)中基于霧計算的信任評估算法

董文遠(yuǎn),丁任霜,黃文艷,張光華

1(河北科技大學(xué) 信息科學(xué)與工程學(xué)院,石家莊 050018)2(河北師范大學(xué) 數(shù)學(xué)與信息科學(xué)學(xué)院,石家莊 050024)

1 引 言

近年來,隨著新一代信息和通信技術(shù)(例如4G、5G)的發(fā)展,汽車保有量持續(xù)快速增長,一方面造成了車輛缺乏統(tǒng)一管理、數(shù)據(jù)安全等問題,另一方面使車輛進(jìn)一步受人為因素影響[1,2].因而,人們對車輛有序運(yùn)行、信息安全的需求越來越迫切.車載社交網(wǎng)絡(luò)(Vehicular Social Network VSN)應(yīng)運(yùn)而生,并成為政府、工業(yè)界與學(xué)術(shù)界共同關(guān)注的熱點問題.VSN是一類特殊的車載自組織網(wǎng),既考慮車載用戶之間的人為因素,又包含車載用戶之間的通信,同時為車載用戶提供各種服務(wù)信息,但是也相應(yīng)的存在安全問題[3-5].

對于VSN安全問題的研究主要集中在認(rèn)證機(jī)制、隱私保護(hù)、安全通信協(xié)議、信任機(jī)制等[6,7].信任機(jī)制是解決VSN中其它安全問題的重要一環(huán).信任機(jī)制通過計算車輛節(jié)點信任度,排除惡意車輛節(jié)點和自私車輛節(jié)點,幫助轉(zhuǎn)發(fā)車輛節(jié)點從多個下一跳車輛節(jié)點中選擇安全、有效、質(zhì)優(yōu)的車輛進(jìn)行合作.然而,現(xiàn)有的信任機(jī)制忽略了信任可靠度,導(dǎo)致信任度不可靠時信任管理機(jī)制失效[8,9].

本文考慮到可靠度對信任機(jī)制帶來的影響,在VSN中,提出了一種基于霧計算的信任評估算法(Trust evaluation scheme of vehicle social network based on fog computing,TEVSNF),該算法在車載自組織網(wǎng)信任模型的基礎(chǔ)上增加了可靠度和人為因素,利用車輛交互時間、車輛相隔距離、車輛所在區(qū)域計算下一跳車輛節(jié)點全局信任的信任度和可靠度,并采取最高信任優(yōu)選算法進(jìn)行決策;最后,基于霧計算技術(shù)實現(xiàn)該信任評估算法.

本文的其余部分安排如下:第2節(jié)介紹相關(guān)的工作,第3節(jié)提出了一種基于可靠度的車載社交網(wǎng)絡(luò)信任評估算法,第4節(jié)利用霧計算技術(shù)實現(xiàn)該信任評估算法,第5節(jié)介紹了仿真實驗并探究了實驗結(jié)果,第6節(jié)對全文進(jìn)行總結(jié),并探討下一步工作.

2 相關(guān)工作

目前,車載自組織網(wǎng)的信任機(jī)制很多,大致可分為傳統(tǒng)車載自組織網(wǎng)的信任機(jī)制和車載社交網(wǎng)絡(luò)的信任機(jī)制兩種.在傳統(tǒng)車載自組織網(wǎng)的信任機(jī)制中,信任管理模型只考慮車輛節(jié)點之間的交互行為,復(fù)雜性低[10-15];在車載社交網(wǎng)絡(luò)的信任機(jī)制中,不僅考慮到車輛節(jié)點之間的交互行為,還考慮到人為因素,復(fù)雜性高,但評估出的信任度準(zhǔn)確[16-21].

在傳統(tǒng)車載自組織網(wǎng)中,信任機(jī)制的研究較多,文獻(xiàn)[10]提出了一種新的信任計算和路由技術(shù),該技術(shù)將車聯(lián)網(wǎng)中特定時間點的車輛數(shù)量劃分成多個網(wǎng)格,并在每個網(wǎng)格中放置一個可信的權(quán)限,這樣不僅能夠增強(qiáng)信任模型,還可以查找出惡意行為.文獻(xiàn)[11,12]提出了一種基于區(qū)塊鏈的車輛網(wǎng)絡(luò)信任管理機(jī)制,該機(jī)制利用區(qū)塊鏈去中心化方法有效的收集、計算和存儲信任值,提高信任模型的可靠性,保護(hù)車輛隱私.文獻(xiàn)[13]提出了一種基于證據(jù)組合的車輛抗攻擊協(xié)同信任管理方案,該方案將局部數(shù)據(jù)與外部證據(jù)相結(jié)合,在惡意節(jié)點比例較大的情況下抵御惡意攻擊、選擇性錯誤攻擊和實效性攻擊.文獻(xiàn)[14]提出了一種保護(hù)節(jié)點排名隱私的信任投票算法,該算法利用同態(tài)密碼系統(tǒng)隱藏車輛的反饋信息,防止惡意車輛提供超出節(jié)點范圍的反饋值,確保在惡意車輛存在的情況下正確計算可信度.文獻(xiàn)[15]提出了一種基于博弈論的信任模型,該模型引入時間衰減函數(shù)來提高信任評價的準(zhǔn)確性和動態(tài)適應(yīng)能力,進(jìn)而激勵車輛提供高質(zhì)量的服務(wù).上述這些方案雖然在車載自組織網(wǎng)中建立了信任模型,但均沒有考慮到是人為因素和可靠度對信任模型的影響,分組投遞率較低.

在車載社交網(wǎng)絡(luò)中,一些學(xué)者們也做了相應(yīng)研究.文獻(xiàn)[19]提出了一種基于信任的車載社交網(wǎng)絡(luò)架構(gòu)(TACASHI),TACASHI將車載自組織網(wǎng)和在線社交網(wǎng)絡(luò)連接起來,以便根據(jù)司機(jī)和乘客的在線社交網(wǎng)絡(luò)檔案來評估車輛可信度,進(jìn)而獲取更加可靠的信任模型.文獻(xiàn)[20]提出了一種基于云計算的車載社交網(wǎng)絡(luò)信任評估方案,該方案將車輛歷史信任、鄰居車輛信任和朋友車輛信任作為計算全局信任的依據(jù),能夠較好的評估節(jié)點信譽(yù)值,促進(jìn)車輛信息交互.文獻(xiàn)[21]在車載自組織網(wǎng)中提出了一種基于應(yīng)用的混合信任管理系統(tǒng),以保證信息的可信性,該系統(tǒng)由兩個模塊組成:電子郵件信任模塊和社交網(wǎng)絡(luò)信任模塊,通過這兩個模塊,車輛可以計算相應(yīng)的信任值,并從鄰居車輛中查詢信任狀態(tài).上述方案雖然考慮到人為因素對信任模型的影響,但并未提及信任數(shù)據(jù)的可靠度.

綜上所述,一方面是針對傳統(tǒng)車載自組織網(wǎng)而設(shè)計的信任模型;另一方面是針對車載社交網(wǎng)絡(luò)而設(shè)計的信任模型,均未考慮到可靠度對信任模型的影響.基于以上,為了提高車載信任模型的可靠度,促進(jìn)車輛之間合作,在車載社交網(wǎng)絡(luò)信任模型的基礎(chǔ)上,提出了一種基于霧計算的信任評估算法.

3 信任評估算法的設(shè)計

為了準(zhǔn)確地計算出下一跳車輛節(jié)點信任值,并提高交互成功率,信任評估算法的設(shè)計可分為兩個階段,如圖1所示.第一階段(信任評估),轉(zhuǎn)發(fā)車輛節(jié)點請求獲取下一跳車輛節(jié)點全局信任,之后霧節(jié)點存儲轉(zhuǎn)發(fā)車輛節(jié)點、下一跳車輛節(jié)點、推薦車輛節(jié)點和朋友車輛節(jié)點的歷史交互信息,考慮到時間衰減函數(shù)、距離衰減函數(shù)和區(qū)域影響函數(shù)對信任度和可靠度的影響,從歷史信任、直接信任、推薦信任和朋友信任四個方面進(jìn)行分析,求出下一跳車輛節(jié)點的全局信任,并發(fā)送至轉(zhuǎn)發(fā)車輛節(jié)點.第二階段(信任決策),轉(zhuǎn)發(fā)車輛節(jié)點收到多個下一跳車輛節(jié)點全局信任后,利用最高信任優(yōu)選算法選擇下一跳車輛節(jié)點進(jìn)行交互.

圖1 信任評估算法的工作流程Fig.1 Working process of trust evaluation algorithm

在圖1中,信任度、可靠度的定義如下.

信任度信任度是指轉(zhuǎn)發(fā)車輛節(jié)點對下一跳車輛節(jié)點的交互能力預(yù)期判斷,信任度受交互相隔時間的影響,代表該節(jié)點對其他節(jié)點的交互能力的評價.信任度的取值范圍為[0,1]:0表示對其他節(jié)點絕對不信任,1表示對其他節(jié)點絕對信任.

可靠度可靠度是描述信任數(shù)據(jù)的可靠程度,可靠度受交互信任度相隔時間、交互車輛節(jié)點相隔距離、交互車輛節(jié)點所在區(qū)域、信任來源等因素的影響.可靠度的取值范圍為[0,1]:0代表信任數(shù)據(jù)評估絕對不可靠,1代表信任數(shù)據(jù)評估絕對可靠.

3.1 信任評估

本節(jié)中,為了確定下一跳車輛節(jié)點的信任值,需要定義一些符號,如表1所示.

3.1.1 數(shù)據(jù)存儲

在信任評估算法中,信任評估過程無論是計算歷史信任HT、直接信任DT、推薦信任RT還是朋友信任FT,均需車輛交互數(shù)據(jù)的參與,霧節(jié)點需要存儲3類數(shù)據(jù).

1)歷史交互列表Hall,從中讀取歷史信任與直接信任計算所需的歷史數(shù)據(jù),包含節(jié)點歷史信任度、節(jié)點歷史可靠度、交互節(jié)點信息、交互信任度信息、交互時間信息、交互次數(shù)等.

2)節(jié)點推薦列表Rall,從中讀取推薦信任與朋友信任計算所需的鄰居數(shù)據(jù),包含交互節(jié)點信息、推薦節(jié)點信息、交互信任度、交互時間信息、交互次數(shù)等.

3)節(jié)點推薦可靠度列表SRall,從中讀取轉(zhuǎn)發(fā)節(jié)點對推薦節(jié)點的信任程度,包含推薦節(jié)點信息,推薦節(jié)點位置,推薦正確次數(shù),推薦錯誤次數(shù),推薦時間.

4)朋友節(jié)點可靠度列表FRall,從中讀取轉(zhuǎn)發(fā)節(jié)點對朋友節(jié)點的信任程度,包含朋友節(jié)點信息和朋友節(jié)點所在區(qū)域.

表1 符號的定義
Table 1 Define the symbol

符號含義n交互次數(shù)hti轉(zhuǎn)發(fā)車輛節(jié)點對下一跳車輛節(jié)點歷史信任度ti轉(zhuǎn)發(fā)車輛節(jié)點與下一跳車輛節(jié)點交互所處時間shti轉(zhuǎn)發(fā)車輛節(jié)點對下一跳車輛節(jié)點的可靠度rdti推薦車輛節(jié)點對下一跳車輛節(jié)點的信任度rsdti推薦車輛節(jié)點對下一跳車輛節(jié)點的可靠度sri推薦節(jié)點可靠度fdti朋友車輛節(jié)點對下一跳車輛節(jié)點的信任度fsdti朋友車輛節(jié)點隊下一跳車輛節(jié)點的可靠度fri朋友節(jié)點可靠度drrsi推薦信任中轉(zhuǎn)發(fā)車輛節(jié)點對下一跳車輛節(jié)點的可靠度dfrsi朋友信任中轉(zhuǎn)發(fā)車輛節(jié)點對下一跳車輛節(jié)點的可靠度IFL(m)與轉(zhuǎn)發(fā)車輛節(jié)點在同一區(qū)域的朋友節(jié)點列表EFL(m)與轉(zhuǎn)發(fā)車輛節(jié)點在不同區(qū)域的朋友節(jié)點列表

3.1.2 直接信任

直接信任為轉(zhuǎn)發(fā)車輛節(jié)點與下一跳車輛節(jié)點直接交互產(chǎn)生的信任值,受轉(zhuǎn)發(fā)車輛交互信息和交互相隔時間因素影響.

如算法1所示,轉(zhuǎn)發(fā)車輛節(jié)點對下一跳車輛節(jié)點的直接信任計算步驟如下.

步驟1.讀取轉(zhuǎn)發(fā)車輛節(jié)點對下一跳車輛節(jié)點的歷史信任度hti和發(fā)生時間ti.

步驟2.計算直接信任度DT.如果某一hti有較高的可靠度,說明參考價值高,應(yīng)該提高該數(shù)據(jù)對DT的影響;反之,若hti的可靠度較低,說明參考價值低,應(yīng)該降低該數(shù)據(jù)對DT的影響.歷史信任度hti具有時效性,隨著時間的延長,hti的可靠度降低,為了便于本文研究,令hti的可靠度shti=α(t-ti),α為時間影響函數(shù),t代表當(dāng)前時間,ti代表記錄hti發(fā)生的時間.

綜上,可求出DT的計算公式,如公式(1)所示.

(1)

假定轉(zhuǎn)發(fā)車輛節(jié)點對下一跳車輛節(jié)點不存在歷史信任值時DT取0.5.

步驟3.計算直接信任度的可靠度SDT.如果直接信任度DT和歷史信任度hti的離散度較低,說明節(jié)點信任度穩(wěn)定,DT與當(dāng)前節(jié)點真實信任度預(yù)計偏差較小,即DT擁有較高的可靠度;反之,如果DT和hti的離散度較大,DT與節(jié)點真實信任值存在較大的偏差,所以DT結(jié)論不可靠,

綜上所述,直接信任的可靠度與歷史信任度的離散度有關(guān),直接信任的可靠度計算方法見公式(2).

(2)

當(dāng)沒有歷史信任度時取值0.表示歷史記錄不可靠.

算法1.直接信任評估

1 Inputs:hti(F),ti(F)

2 Outputs:DT,SDT

3 Fortido

4 Calculateshti;

5 End for

6 Forhtido

7 CalculateDT;

8 End for

9 Forshtido

10 CalculateSDT

11 End for

12 End

3.1.3 推薦信任

推薦信任為車載社交網(wǎng)絡(luò)中推薦車輛節(jié)點提供給轉(zhuǎn)發(fā)車輛節(jié)點的信任值,受兩個方面影響,一是推薦車輛節(jié)點對下一跳車輛節(jié)點的信任度和可靠度,二是轉(zhuǎn)發(fā)車輛節(jié)點對推薦車輛節(jié)點的可靠度,與推薦車輛節(jié)點到轉(zhuǎn)發(fā)車輛節(jié)點的距離有關(guān).

區(qū)域內(nèi)推薦車輛節(jié)點在選擇上必須滿足兩個條件:

①轉(zhuǎn)發(fā)車輛節(jié)點與推薦車輛節(jié)點曾經(jīng)發(fā)生交互;

②轉(zhuǎn)發(fā)車輛節(jié)點與下一跳車輛節(jié)點曾經(jīng)發(fā)生交互;當(dāng)區(qū)域內(nèi)推薦車輛節(jié)點不足時,選擇區(qū)域外滿足①和②條件的車輛節(jié)點.

如算法2所示,轉(zhuǎn)發(fā)車輛節(jié)點A對下一跳車輛節(jié)點B的推薦信任計算步驟如下.

步驟1.獲取推薦車輛節(jié)點關(guān)于下一跳車輛節(jié)點的直接信任度DT和可靠度SDT.利用3.1.2節(jié)中直接信任的計算方法計算出每個推薦車輛節(jié)點的DT與SDT.將處理后的數(shù)據(jù)序列記為推薦直接信任度序列RDT和推薦直接信任可靠度序列RSDT.令序列RDT={rdt1,rdt2,…,rdtk}為推薦車輛節(jié)點的直接信任度序列,RSDT={rsdt1,rsdt2,…,rsdtk}為推薦車輛節(jié)點的直接信任可靠度序列.

步驟2.計算轉(zhuǎn)發(fā)車輛節(jié)點對推薦車輛節(jié)點的可靠度序列SR={sr1,sr2,…,srk}.在推薦信任中,轉(zhuǎn)發(fā)車輛節(jié)點對推薦車輛節(jié)點的可靠度受距離因素影響,距離越遠(yuǎn)可靠度越低,距離越近可靠度越高,推薦車輛節(jié)點的可靠度srk=β(d-dk),β為距離影響函數(shù),d代表轉(zhuǎn)發(fā)節(jié)點所在位置,di為推薦車輛節(jié)點所在位置.

步驟3.計算推薦車輛節(jié)點的綜合可靠度序列

DRRS={drrs1,drrs2,…,drrsk}.轉(zhuǎn)發(fā)車輛節(jié)點需要從兩個方面計算rdtk的可靠度:1)推薦車輛節(jié)點對rdtk的可靠度rsdtk;2)轉(zhuǎn)發(fā)車輛節(jié)點對推薦車輛節(jié)點的可靠度srk.綜上,本文使用drrsk=rsdtk×srk表達(dá)轉(zhuǎn)發(fā)車輛節(jié)點F對rdtk的綜合可靠度.

步驟4.計算推薦信任度RT.如果推薦車輛節(jié)點的直接信任度rdtk對應(yīng)的綜合可靠度drrsk較高,說明轉(zhuǎn)發(fā)車輛節(jié)點認(rèn)為推薦車輛節(jié)點可靠且rdtk比較準(zhǔn)確,所以rdtk參考價值高,應(yīng)該提高rdtk對RT的影響;反之,若rdtk對應(yīng)的綜合可靠度較低,說明轉(zhuǎn)發(fā)車輛節(jié)點認(rèn)為推薦車輛節(jié)點不可靠或rdtk不準(zhǔn)確,則降低rdtk對RT的影響.

綜上,可求出推薦信任度RT的計算方法,如公式(3)所示,rn為推薦車輛節(jié)點數(shù)量.

(3)

步驟5.計算推薦信任可靠度SRT.考慮到社交網(wǎng)路中眾多車輛節(jié)點公認(rèn)的結(jié)果更加可靠,眾多車輛節(jié)點存在分歧的結(jié)果不可靠.當(dāng)推薦信任的離散度較低,說明RT的結(jié)論是眾多車輛節(jié)點公認(rèn)的結(jié)果,擁有較高的可靠度;反之,推薦信任的離散度較高,說明推薦車輛節(jié)點對下一跳車輛節(jié)點的信任度存在較大分歧,RT的結(jié)果不可靠,

綜上所述,推薦信任的可靠度計算方法如公式(4)所示.

(4)

算法2.推薦信任評估

1 Inputs:IRL(F),ERL(F),SRall

2 Outputs:RT,SRT

3 If rn in the region is sufficient

4 For allk∈IRL(F) do

5 Calculaterdtkandrsdtk;

6 Forsrkandrsdtkdo

7 Calculatedrrsk;

8 Forddrskdo

9 CalculateRT;

10 ForRTandrdtkdo

11 CalculateSRT;

12 End for

13 End for

14 End for

15 End for

16 Else

17 For allk∈{IRL(F)∪ERL(F)} do

18 Repeat 5 to 15;

19 End for

20 End

3.1.4 朋友信任

朋友信任為車載用戶中朋友車輛節(jié)點提供的信任度,朋友車輛節(jié)點由于朋友車輛節(jié)點數(shù)量少且分布在不同的區(qū)域,為此,引入?yún)^(qū)域影響函數(shù)來提高朋友信任的可靠度.

1)朋友車輛節(jié)點

朋友車輛節(jié)點為車輛駕駛員在社會關(guān)系中朋友所處的車輛節(jié)點.在車載社交網(wǎng)絡(luò)中,利用字典編輯法確認(rèn)朋友車輛節(jié)點,主要考慮兩個方面:1)與轉(zhuǎn)發(fā)車輛節(jié)點相遇頻數(shù)fm,2)與轉(zhuǎn)發(fā)車輛節(jié)點相遇時間長短tm.如表2和表3所示,fmax代表相遇次數(shù)多,fmin代表相遇次數(shù)少,tmax代表相遇時間長,tmix代表相遇時間短.

從表2中可知N=N1和N=N2時,fm最大,于是優(yōu)選出方案N1和N2.其次,從表3中進(jìn)行優(yōu)選,選出N=N1時,tm最大,因此,N2是選中的朋友車輛節(jié)點.

2)朋友信任計算

如算法3所示,轉(zhuǎn)發(fā)車輛節(jié)點和下一跳車輛節(jié)點之間朋友信任計算步驟如下.

步驟1.獲取朋友車輛節(jié)點關(guān)于下一跳車輛節(jié)點的直接信任度和可靠度.與3.1.3節(jié)中推薦信任的步驟1類似,可求出朋友車輛節(jié)點的直接信任序列FDT和可靠度序列FSDT,記FDT={fdt1,fdt2,…,fdtm}和FSDT={fsdt1,fsdt2,…,fsdtm}.

步驟2.從FRall中獲取不同區(qū)域內(nèi)朋友車輛節(jié)點的可靠度frm.在朋友信任中,可靠度frm與區(qū)域影響函數(shù)χ有關(guān),距離該區(qū)域越遠(yuǎn)的朋友車輛節(jié)點可靠度越低.轉(zhuǎn)發(fā)車輛節(jié)點從ERm中讀取不同區(qū)域內(nèi)朋友車輛節(jié)點的可靠度frm,FR={fr1,fr2,…,frm}為朋友車輛節(jié)點的可靠度序列.

表2 節(jié)點屬性
Table 2 Node property

屬性N1N2N3N4fmfmaxfmaxfminfmintmtmaxtmintmaxtmin

步驟3.計算朋友車輛節(jié)點的綜合可靠度序列

DFRS={dfrs1,dfrs2,…,dfrsm}.轉(zhuǎn)發(fā)車輛節(jié)點需要從兩個方面考慮fdtm的可靠度:1)朋友車輛節(jié)點關(guān)于fdtm的可靠度fdtm;2)轉(zhuǎn)發(fā)車輛節(jié)點對不同區(qū)域內(nèi)朋友車輛節(jié)點的可靠度frm.綜上,本文使用dfrsm=fsdtm×frm表達(dá)轉(zhuǎn)發(fā)車輛節(jié)點F對fdtm的可靠度.

表3 方案優(yōu)選
Table 3 Scheme optimization

屬性N1N2tmtmaxtmin

步驟4.計算朋友信任度FT.如果朋友車輛節(jié)點m的直接信任度fdtm對應(yīng)的綜合可靠度dfrsm較高,說明轉(zhuǎn)發(fā)車輛節(jié)點認(rèn)為fdtm可靠,所以應(yīng)該提高fdtm對FT的影響;反之,則降低fdtm對FT的影響.

綜上,可求出朋友信任度FT的計算方法,如公式(5)所示.

(5)

步驟5.計算朋友信任可靠度SFT.同3.1.3中推薦信任的步驟五,可求出朋友信任的可靠度計算方法,如公式(6)所示,fn為朋友節(jié)點數(shù)量.

(6)

算法3.朋友信任評估

1 Inputs:IFL(F),EFL(F),FRall

2 Outputs:FT,SFT

3 For allm∈{IFL(F)∪EFL(F)} do

4 Calculatefdtmandfsdtm;

5 For allFRallandfsdtmdo

6 Calculatedfrsm;

7 For alldfrsmdo

8 CalculateFT;

9 For allFTandfdtmdo

10 CalculateSFT;

11 End for

12 End for

13 End for

14 End for

15 End

3.1.5 歷史信任

為了增加對下一跳車輛節(jié)點的正確評估,需要考慮下一跳車輛節(jié)點自身的信任度與可靠度,從Hall中獲取下一跳車輛節(jié)點的歷史信任度HT和歷史信任可靠度SHT.

3.1.6 全局信任

如算法4所示,車輛節(jié)點的全局信任由直接信任、推薦信任、朋友信任和歷史信任構(gòu)成.全局信任定義見公式(7).

GT=ωDT+ξFT+ΨRT+ζHT

(7)

其中ω代表直接信任權(quán)重,ξ代表推薦信任權(quán)重,Ψ代表朋友信任權(quán)重,ζ代表歷史信任權(quán)重.由公式(8-11)計算得到.

(8)

(9)

(10)

(11)

在車載社交網(wǎng)絡(luò)中,人類往往認(rèn)為車輛的直接信任最可靠,其次是朋友信任、歷史信任和推薦信任.但在實際過程中,轉(zhuǎn)發(fā)車輛節(jié)點與下一跳車輛節(jié)點交互過少可能導(dǎo)致直接信任度更加不可靠,無法準(zhǔn)確確定權(quán)重.本文從直接信任可靠度、朋友信任可靠度、推薦信任可靠度和歷史信任可靠度四個方面考慮權(quán)重.可靠度越大,全局信任中占有比重就越大.

算法4.全局信任評估

1 Inputs:DT、FT、RT、HT、SDT、SFT、SRT、SHT

2 Outputs:GT

3 ForSDT、SFT、SRTandSHTdo

4 Calculateω、ξ、ψandζ;

5GT=ωDT+ξFT+ψRT+ζHT;

6 andω+ξ+ψ+ζ=1;

7 End for

8 End

3.2 信任決策

為了提高交互的成功率,促進(jìn)車輛節(jié)點之間的合作.轉(zhuǎn)發(fā)車輛節(jié)點在進(jìn)行信息轉(zhuǎn)發(fā)前,根據(jù)全局信任GT從多個下一跳車輛節(jié)點中選擇一個下一跳車輛節(jié)點進(jìn)行信息交互.

針對多個下一跳車輛節(jié)點,目前存在兩種決策算法:

1)最高信任優(yōu)選算法;

2)基于信任度的隨機(jī)算法.一些學(xué)者認(rèn)為最高優(yōu)選算法中信任度最高的節(jié)點容易陷入“被選擇—獲得信任—又被選中”的死循環(huán)和承受較大的訪問壓力,因此選用基于信任度的隨機(jī)算法進(jìn)行決策.

然而,由于車載社交網(wǎng)絡(luò)中節(jié)點的高移動性和區(qū)域化,同一區(qū)域內(nèi)信任度最高的節(jié)點時刻發(fā)生變化,不存在信任度最高的節(jié)點陷入“被選擇—獲得信任—又被選中”的死循環(huán)和承受較大的訪問壓力的問題.同時,信任度高的節(jié)點較為可靠、穩(wěn)定和安全,因此本文選擇最高信任優(yōu)選算法,從下一跳車輛節(jié)點中選擇全局信任度最高的車輛節(jié)點進(jìn)行交互,如算法5所示.

算法5.最高信任優(yōu)選算法

1 Inputs:GT

2 Outputs:IN

3 For allgti∈GTdo

4 CalculateIN=maxnode(gti);

5 If(number(IN)>1)

6 Interact with theIN;

7 Else

8 select n min(IN);

9 End if

10 End for

11 End

4 信任評估算法的實現(xiàn)

4.1 通用社交網(wǎng)絡(luò)架構(gòu)

具體來說,基于云計算的通用社交網(wǎng)絡(luò)架構(gòu)是一個三級信任管理機(jī)制,主要包括云計算層(CCL)、霧計算層(FCL)和車載終端層(VTL),不同的層次有不同的職責(zé),也有其特殊的功能,各層之間相互聯(lián)系,相互合作.下面將對通用社交網(wǎng)絡(luò)架構(gòu)進(jìn)行詳細(xì)介紹[22-24],如圖2所示.

圖2 通用社交網(wǎng)絡(luò)架構(gòu)Fig.2 Universal social networking architecture

云計算層云計算層主要由中央服務(wù)器構(gòu)成,與全局信任評估機(jī)制相關(guān)聯(lián),具有強(qiáng)大的計算和存儲能力,主要是維護(hù)VSN中所有認(rèn)證車輛的信息,制定合理的信息傳遞方案,并為霧計算層與車載終端層的交互提供信息服務(wù).

霧計算層霧計算層由性能較弱、具有存儲和計算能力的霧節(jié)點構(gòu)成,可以直接與覆蓋區(qū)域內(nèi)的RSU相連接.霧節(jié)點作為RSU站點,一方面將RSU收集的車輛信息進(jìn)行分析、處理、過濾,及時應(yīng)對緊急事件,在選擇性的把一部分信息發(fā)送給其他霧節(jié)點或云計算層.另一方面,它們可以將云計算層的數(shù)據(jù)或車載終端層上傳的數(shù)據(jù)緩存在本地,盡可能地將計算任務(wù)在本地處理.在VSN中引入霧節(jié)點可以協(xié)助云計算層完成信任評估,實現(xiàn)數(shù)據(jù)實時共享,降低了云計算層的壓力,提高了傳輸效率.

車載終端層車載終端層由車載網(wǎng)絡(luò)中的RSU和車載終端構(gòu)成.RSU負(fù)責(zé)收集區(qū)域內(nèi)的車輛信息(包括車輛歷史交互信息、推薦節(jié)點信息、節(jié)點推薦可靠度信息、車輛信息、車流量信息等),并將這些信息發(fā)送給區(qū)域內(nèi)的車輛和霧節(jié)點.車載終端接入網(wǎng)絡(luò)后,可以快速獲取霧節(jié)點所提供的服務(wù),大大降低了時延.

4.2 算法實現(xiàn)

為了實現(xiàn)第3節(jié)中的信任評估算法,在通用社交網(wǎng)絡(luò)架構(gòu)的基礎(chǔ)上,本節(jié)提出了基于霧計算的車載社交網(wǎng)絡(luò)架構(gòu)(Vehicle social network architecture based on fog computing,FC-SIOV).

根據(jù)通用社交網(wǎng)絡(luò)架構(gòu),本節(jié)將對FC-SIOV的實現(xiàn)過程進(jìn)行說明,主要包括四個部分:

1)車輛單元;

2)RSU;

3)霧節(jié)點;

4)中央云服務(wù)器.

車輛單元作為車載社交網(wǎng)絡(luò)中的基本元素,負(fù)責(zé)向RSU提供個人信息和采取相應(yīng)的方案.RSU收集區(qū)域內(nèi)的車輛信息,為霧節(jié)點提供本地服務(wù).霧節(jié)點是一個基本站,與RSU和車輛相連,專注于數(shù)據(jù)收集與信息處理.中央云服務(wù)器主要是分析和存儲霧節(jié)點提供的數(shù)據(jù)結(jié)果.

圖3 VSN中信任評估算法的實現(xiàn)過程Fig.3 Implementation of trust evaluation algorithm in VSN

如圖3所示.在步驟1中,轉(zhuǎn)發(fā)車輛節(jié)點向霧節(jié)點發(fā)送一個獲取下一跳車輛節(jié)點信任值的請求.從而,霧節(jié)點開始收集相關(guān)信息并計算.其中,步驟2-步驟4為直接信任度和可靠度的評估過程,霧節(jié)點與RSU進(jìn)行交互,獲取轉(zhuǎn)發(fā)車輛節(jié)點與下一跳車輛節(jié)點的Hall.步驟5-步驟9為推薦信任度和可靠度的評估過程,當(dāng)區(qū)域內(nèi)推薦車輛節(jié)點充足,霧節(jié)點根據(jù)RSU發(fā)送的信息直接求解推薦信任度和可靠度(步驟5-步驟6),否則,需從中央云服務(wù)器中獲取區(qū)域外的推薦節(jié)點信息在做運(yùn)算(步驟7-步驟8).步驟10-步驟15為朋友信任度和可靠度的評估過程,包括區(qū)域內(nèi)朋友車輛節(jié)點(步驟10-步驟11)和區(qū)域外朋友車輛節(jié)點(步驟12-步驟14).步驟16-步驟17為下一跳車輛節(jié)點歷史信任度和可靠度的獲取過程.步驟18,霧節(jié)點根據(jù)DT、FT、RT、HT、SDT、SFT、SRT、SHT計算出下一跳車輛節(jié)點的全局信任GT.最后,將求解的GT發(fā)送給轉(zhuǎn)發(fā)車輛節(jié)點進(jìn)行決策(步驟19-步驟20)并轉(zhuǎn)發(fā)給中央云服務(wù)器進(jìn)行更新.

5 實驗分析

5.1 仿真模型

本文使用NS-2仿真模擬器建立模型,模擬車聯(lián)網(wǎng)中車輛節(jié)點的信息轉(zhuǎn)發(fā)過程.設(shè)置四組實驗,A組采用TEVSNF模型,B組采用基于云計算的信任評估模型,C組采用無VVM的基于云計算的信任評估模型,D組未采用任何模型.以此來驗證TEVSNF模型的性能.

表4 參數(shù)設(shè)置
Table 4 Set the parameters

主要參數(shù)參數(shù)值路徑損耗模型Two Ray Ground路由協(xié)議AODV通信協(xié)議IEEE 802.11p惡意攻擊方式黑洞攻擊、協(xié)同黑洞攻擊車輛類型正常車輛、自私車輛、惡意車輛、朋友車輛區(qū)域2000?2000(m?m)車輛信息傳輸范圍100(m)車輛運(yùn)行速度0-40(m/s)車載數(shù)量(0,100)車輛移動方式隨機(jī)移動

實驗共設(shè)置了1個云服務(wù)器中心、3個霧節(jié)點,10個RSU節(jié)點,100個車輛節(jié)點.RSU節(jié)點將2000*2000(m*m)的區(qū)域劃分為10個小區(qū)域.100個車輛節(jié)點中包括82個正常車輛節(jié)點、10個朋友車輛節(jié)點、5個自私車輛節(jié)點和3個惡意車輛節(jié)點.將仿真時間依次設(shè)置為50s、100s、150s、200s、250s、300s,其他實驗主要參數(shù)設(shè)置見表4.

5.2 性能分析

在車輛速度變化的情況下,本文將4組實驗從端到端傳輸時延、誤檢率、分組投遞率和開銷四個方面分析驗證TEVSNF模型.端到端傳輸時延反映了數(shù)據(jù)分組從發(fā)送節(jié)點傳遞到目的節(jié)點所用時間,誤檢率反映了檢測機(jī)制將惡意節(jié)點檢測為正常節(jié)點的概率,分組投遞率反映了目的節(jié)點成功接收的數(shù)據(jù)分組比例,網(wǎng)絡(luò)開銷反映了車載自組織網(wǎng)中消耗的能量.下一步將討論實驗的結(jié)果.

5.2.1 端到端傳輸時延

圖4顯示了在車輛速度提高時,TEVSNF與文獻(xiàn)[15]模型及文獻(xiàn)[20]模型的端到端傳輸時延測試結(jié)果.由圖4可知,隨著車輛速度的不斷提高,TEVSNF與對照模型在端到端傳輸時延上均有所上升.但是,TEVSNF引入了霧計算技術(shù),不依賴處于中心位置的遠(yuǎn)程服務(wù)器,支持車載社交網(wǎng)絡(luò)的高移動性,在數(shù)據(jù)包傳遞的過程中,加快了處理數(shù)據(jù)的進(jìn)程,從而在端到端傳輸時延上始終要低于其他模型.

圖4 端到端傳輸時延隨車輛節(jié)點速度的變化情況Fig.4 Change of End-to-end transmission delay with the speed of vehicle node velocity

5.2.2 誤檢率

圖5顯示了在車輛速度不斷增大的情況下,TEVSNF與文獻(xiàn)[15]模型及文獻(xiàn)[20]模型的誤檢率測試.由圖5可知,隨著車輛速度的不斷增大,TEVSNF與文獻(xiàn)[15]模型及文獻(xiàn)[20]模型呈現(xiàn)誤檢率上升的趨勢.與其他三種信任模型相比,TEVSNF引入信任度、可靠度、時間衰減函數(shù)、距離衰減函數(shù)和區(qū)域影響函數(shù),提高了全局信任的準(zhǔn)確性,從而降低了在檢測惡意節(jié)點時因信任值不準(zhǔn)確所造成的誤差,保持誤檢率最低.

圖5 誤檢率隨車輛節(jié)點速度的變化情況Fig.5 Change of malicious node error detection rate with the vehicle node velocity

5.2.3 分組投遞率

圖6顯示了TEVSNF與文獻(xiàn)[15]模型及文獻(xiàn)[20]模型在車輛速度不斷增加時,目的車輛節(jié)點成功接收的數(shù)據(jù)分組比例.由圖6可知,隨著車輛速度的不斷增加,TEVSNF與文獻(xiàn)[15]模型及文獻(xiàn)[20]模型均呈現(xiàn)分組投遞率下降的態(tài)勢,無VVM的文獻(xiàn)[20]模型下降幅度最大,其次為有VVM的文獻(xiàn)[20]模型和文獻(xiàn)[15]模型,TEVSNF下降幅度最小.相較于其他模型,TEVSNF采取最高信任優(yōu)選算法,從下一跳車輛節(jié)點中選擇全局信任最高的車輛節(jié)點進(jìn)行數(shù)據(jù)包傳遞,降低了自私節(jié)點和惡意節(jié)點對信息交互的影響,維持較高的分組投遞率.

5.2.4 網(wǎng)絡(luò)開銷

圖7是TEVSNF與另外兩種信任模型的網(wǎng)絡(luò)開銷對比圖.可以看出,隨著車輛速度的增加,TEVSNF、文獻(xiàn)[15]和文獻(xiàn)[20]的信任模型開銷逐漸增加,而TEVSNF采用的信任模型開銷明顯大于文獻(xiàn)[15]和文獻(xiàn)[20]中的方法.因為,TEVSNF隨著速度的增加,車輛位置變化更加明顯,需要更多的霧節(jié)點提供服務(wù),從而在車載社交網(wǎng)絡(luò)中消耗了更大的開銷.

圖6 分組投遞率隨車輛節(jié)點速度的變化情況Fig.6 Change of packet delivery rate with the vehicle node velocity

圖7 網(wǎng)絡(luò)開銷隨車輛節(jié)點速度的變化情況Fig.7 Change of network overhead with the vehicle node velocity

6 結(jié) 語

在車載自組織網(wǎng)中,為了提高車載社交網(wǎng)絡(luò)中信任模型的可靠度,促進(jìn)車輛之間進(jìn)行信息交互,提出了基于霧計算的信任評估算法.考慮到可靠度對信任模型造成的影響,本算法從時間、距離、區(qū)域三個方面計算下一跳車輛節(jié)點的直接信任、推薦信任、朋友信任、歷史信任和全局信任,并與最高信任優(yōu)選算法相結(jié)合,從而以較安全的交互行為將信息發(fā)送到目的車輛,最后,利用FC-SIOV實現(xiàn)該信任評估算法,此外,從端到端傳輸時延、分組投遞率、誤檢率和網(wǎng)絡(luò)開銷四個方面驗證了TEVSNF的可行性與有效性.下一步工作將在此方案的基礎(chǔ)上引入車主心理因素,進(jìn)一步優(yōu)化信任評估模型,并分析區(qū)塊鏈和霧計算技術(shù)在去中心化方面對本模型的影響.