無(wú)線Mesh網(wǎng)絡(luò)協(xié)同節(jié)點(diǎn)信譽(yù)評(píng)價(jià)建模

戴亞盛 游真旭 朱友康 楊曉慧

摘 要：為解決無(wú)線通信鏈路狀態(tài)不穩(wěn)定、節(jié)點(diǎn)通信資源有限以及節(jié)點(diǎn)行為不可預(yù)知條件下節(jié)點(diǎn)信譽(yù)評(píng)價(jià)問(wèn)題，提出一種無(wú)線Mesh網(wǎng)絡(luò)信譽(yù)度評(píng)價(jià)模型。該方法通過(guò)可達(dá)骨干路由節(jié)點(diǎn)的最短跳數(shù)構(gòu)建基礎(chǔ)信任關(guān)系，并通過(guò)協(xié)同服務(wù)質(zhì)量QoS評(píng)價(jià)建模分析，實(shí)現(xiàn)信譽(yù)度評(píng)價(jià)反饋。實(shí)驗(yàn)結(jié)果表明，信譽(yù)評(píng)價(jià)機(jī)制能夠在空閑狀態(tài)時(shí)反映路由鏈路特征，且收斂速度較快。該協(xié)同服務(wù)信譽(yù)評(píng)價(jià)機(jī)制能夠有效反映不同鏈路狀態(tài)和交互結(jié)果下節(jié)點(diǎn)間的信任關(guān)系，更有效地促進(jìn)節(jié)點(diǎn)協(xié)作。

關(guān)鍵詞：信譽(yù)評(píng)價(jià);協(xié)作服務(wù)評(píng)價(jià);可信協(xié)同;信任路由

DOI：10. 11907/rjdk. 182688

中圖分類號(hào)：TP393文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1672-7800（2019）004-0158-05

0 引言

無(wú)線Mesh網(wǎng)絡(luò)（Wireless Mesh Networks，WMN）由Mesh骨干路由網(wǎng)絡(luò)和Mesh終端構(gòu)成，具有自組織、自配置、組網(wǎng)靈活、易部署、穩(wěn)定可靠和自主融合等特點(diǎn)，是下一代網(wǎng)絡(luò)接入關(guān)鍵技術(shù)之一。在無(wú)線Mesh網(wǎng)絡(luò)通信中，由于節(jié)點(diǎn)具備的通信資源和計(jì)算資源有限，交互過(guò)程不可避免地表現(xiàn)出理性、自私、利己等行為，使得無(wú)線通信節(jié)點(diǎn)在協(xié)同服務(wù)博弈中采取“理性利己”策略，某些節(jié)點(diǎn)甚至直接采取不協(xié)同行為。這種理性自私不協(xié)同行為直接導(dǎo)致網(wǎng)絡(luò)性能降低，若網(wǎng)絡(luò)骨干節(jié)點(diǎn)采取理性自私行為，則將導(dǎo)致網(wǎng)絡(luò)中斷[1]。研究表明，激勵(lì)機(jī)制是抑制節(jié)點(diǎn)自私性、提高網(wǎng)絡(luò)協(xié)作服務(wù)質(zhì)量的有效方法[2-4]。

激勵(lì)機(jī)制一般基于社會(huì)網(wǎng)絡(luò)交互中節(jié)點(diǎn)信譽(yù)度評(píng)價(jià)思想構(gòu)建[5-6]。其核心思想是利用節(jié)點(diǎn)間信任關(guān)系、行為特征等分析建模，構(gòu)建可信協(xié)同服務(wù)節(jié)點(diǎn)集[7-12]。文獻(xiàn)[13-15]通過(guò)節(jié)點(diǎn)間多次協(xié)同服務(wù)交互進(jìn)行迭代，更新節(jié)點(diǎn)間信任關(guān)系，構(gòu)建協(xié)同服務(wù)節(jié)點(diǎn)集，保障網(wǎng)絡(luò)服務(wù)質(zhì)量，但其以犧牲通信資源為代價(jià);文獻(xiàn)[16]通過(guò)將信譽(yù)機(jī)制融入包轉(zhuǎn)發(fā)路由中，節(jié)點(diǎn)只需付出較小存儲(chǔ)和計(jì)算代價(jià)即可完成信譽(yù)度更新，減少了通信資源開(kāi)銷，但存在節(jié)點(diǎn)間信任關(guān)系隨時(shí)間衰減后因區(qū)分度不足導(dǎo)致推薦效用降低問(wèn)題。

針對(duì)上述問(wèn)題，提出一種協(xié)同節(jié)點(diǎn)信譽(yù)度評(píng)價(jià)方法。該方法以節(jié)點(diǎn)到達(dá)骨干路由節(jié)點(diǎn)最短跳數(shù)的倒數(shù)為信譽(yù)度基準(zhǔn)，利用延遲、丟包、抖動(dòng)等特征進(jìn)行網(wǎng)絡(luò)任務(wù)服務(wù)質(zhì)量QoS評(píng)價(jià)方案協(xié)同效果反饋，動(dòng)態(tài)更新節(jié)點(diǎn)信譽(yù)度。該方法通過(guò)將信譽(yù)認(rèn)證信息捆綁至網(wǎng)絡(luò)幀中，降低信譽(yù)維護(hù)開(kāi)銷，解決信任度隨時(shí)間衰減導(dǎo)致推薦效用降低問(wèn)題。

1 相關(guān)研究

文獻(xiàn)[17]提出一種基于信譽(yù)的全局信任模型EigenTrust。該模型是一種利用信任的傳遞特性，由直接信任度計(jì)算全局信任度的信任算法。該算法僅給出了一個(gè)迭代計(jì)算信任值的方法，通信代價(jià)太高，模型抗攻擊能力較弱。文獻(xiàn)[18]針對(duì)P2P在線社區(qū)提出一種基于信譽(yù)的信任模型PeerTrust，通過(guò)引入多維信任度影響因子——交易相關(guān)因素、反饋交易評(píng)價(jià)、反饋評(píng)價(jià)節(jié)點(diǎn)可信度、交易激勵(lì)機(jī)制等，可有效避免P2P網(wǎng)絡(luò)中惡意節(jié)點(diǎn)的搖擺策略攻擊行為，但是在大規(guī)模P2P系統(tǒng)中迭代收斂速度較慢，且算法時(shí)間、空間復(fù)雜度較高;文獻(xiàn)[19]提出一種基于信譽(yù)與風(fēng)險(xiǎn)評(píng)價(jià)的信任模型，考慮推薦者信譽(yù)值、信任評(píng)價(jià)者對(duì)推薦者直接交互經(jīng)驗(yàn)、推薦者與被評(píng)者的交易次數(shù)以及交易日期 4 個(gè)方面因素，將實(shí)體之間信任程度和不確定性統(tǒng)一起來(lái)，可以有效識(shí)別不同類型惡意節(jié)點(diǎn);文獻(xiàn)[20]提出一種基于時(shí)間序列的P2P綜合信任模型，在計(jì)算直接信任度和間接信任度時(shí)引入時(shí)間衰減函數(shù)，通過(guò)反饋控制機(jī)制動(dòng)態(tài)更新簇內(nèi)節(jié)點(diǎn)和簇頭節(jié)點(diǎn)信任度，使整體信任值具有時(shí)效性，提升了對(duì)節(jié)點(diǎn)信任度的評(píng)價(jià)精確性和可靠性;文獻(xiàn)[21]提出一種基于上下文因素的P2P動(dòng)態(tài)信任模型，結(jié)合考慮時(shí)間衰減、交互重要性和交互次數(shù)度量實(shí)體交互信任，聚合直接交互、評(píng)價(jià)相似度和信任鏈傳遞計(jì)算實(shí)體的推薦信任，綜合直接信任和推薦信任進(jìn)行實(shí)體信任評(píng)估，并提出一種新的信任更新和獎(jiǎng)懲機(jī)制。現(xiàn)有P2P信譽(yù)度評(píng)價(jià)模型已研究不同應(yīng)用場(chǎng)景下節(jié)點(diǎn)信譽(yù)度評(píng)價(jià)方法，并通過(guò)信任獎(jiǎng)懲機(jī)制進(jìn)行動(dòng)態(tài)信任評(píng)價(jià)，主要保證惡意行為危害網(wǎng)絡(luò)時(shí)節(jié)點(diǎn)能提供可靠資源和良好服務(wù)，提高網(wǎng)絡(luò)安全性。

文獻(xiàn)[22]針對(duì)無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)能量受限及部署環(huán)境惡劣所導(dǎo)致的典型網(wǎng)絡(luò)攻擊，提出一種具有輕量級(jí)特性并能同時(shí)抵御多種典型網(wǎng)絡(luò)攻擊的信任感知安全路由機(jī)制（TSSRM），從節(jié)點(diǎn)行為維度與能量維度構(gòu)建綜合節(jié)點(diǎn)信任度計(jì)算模型，通過(guò)對(duì)多項(xiàng) QoS指標(biāo)量化，實(shí)現(xiàn)安全路徑選擇算法優(yōu)化;文獻(xiàn)[23]將量子蟻群算法應(yīng)用于大規(guī)模無(wú)線傳感網(wǎng)路由設(shè)計(jì)，考慮到無(wú)線傳感網(wǎng)節(jié)點(diǎn)間缺乏信任機(jī)制，采用可信網(wǎng)絡(luò)思想，以節(jié)點(diǎn)可信度作為信息素分配策略，然后用量子位編碼表示信息素，通過(guò)量子旋轉(zhuǎn)門(mén)更新信息素，綜合能量消耗預(yù)測(cè)進(jìn)行路徑選擇，實(shí)現(xiàn)基于全局能量均衡的無(wú)線傳感網(wǎng)可信安全路由算法。現(xiàn)有無(wú)線傳感網(wǎng)絡(luò)信譽(yù)度評(píng)價(jià)模型主要在有限能量下優(yōu)化網(wǎng)絡(luò)能耗，保證節(jié)點(diǎn)提供共享資源和獲得服務(wù)質(zhì)量，增強(qiáng)網(wǎng)絡(luò)安全性。

2 協(xié)同節(jié)點(diǎn)信譽(yù)度評(píng)價(jià)機(jī)制

2.1 信譽(yù)度評(píng)價(jià)模型

2.2 信譽(yù)度交互機(jī)制

當(dāng)節(jié)點(diǎn)加入網(wǎng)絡(luò)時(shí)，通過(guò)廣播探知周圍潛在的可信協(xié)同傳輸節(jié)點(diǎn)，并通過(guò)多跳路由向Mesh路由節(jié)點(diǎn)獲取自身初始信任度和周圍可信協(xié)同節(jié)點(diǎn)信任度。當(dāng)節(jié)點(diǎn)發(fā)起協(xié)同傳輸任務(wù)時(shí)，根據(jù)任務(wù)需求，設(shè)定協(xié)同節(jié)點(diǎn)的最小信譽(yù)閾值，并向可信協(xié)同鄰居節(jié)點(diǎn)集合廣播協(xié)同傳輸任務(wù)并請(qǐng)求REQ，只有高于信譽(yù)閾值的鄰居節(jié)點(diǎn)才能進(jìn)行轉(zhuǎn)發(fā)。節(jié)點(diǎn)[Ni]收到來(lái)自鄰居節(jié)點(diǎn)的響應(yīng)后，以機(jī)會(huì)路由方式根據(jù)信任度大小選擇節(jié)點(diǎn)建立協(xié)同傳輸路徑。

建立協(xié)同傳輸路徑時(shí)，需進(jìn)行節(jié)點(diǎn)信任認(rèn)證，如圖1所示。

當(dāng)請(qǐng)求節(jié)點(diǎn)[Ni]向協(xié)同節(jié)點(diǎn)[Nj]請(qǐng)求協(xié)同服務(wù)時(shí)，首先基于傳輸層協(xié)議，在數(shù)據(jù)報(bào)文幀頭部加入信任度和節(jié)點(diǎn)標(biāo)識(shí)的數(shù)字簽名，由目的節(jié)點(diǎn)進(jìn)行簽名驗(yàn)證。若節(jié)點(diǎn)[Ni]與[Nj]是首次交互，則從骨干路由節(jié)點(diǎn)獲取對(duì)方信譽(yù)度作為信任度。當(dāng)信任認(rèn)證成功后，雙方將建立傳輸鏈路。完成協(xié)同傳輸任務(wù)后，由請(qǐng)求節(jié)點(diǎn)對(duì)本次協(xié)同服務(wù)質(zhì)量進(jìn)行評(píng)價(jià)，并回饋協(xié)同節(jié)點(diǎn)信任度，加以認(rèn)證。

2.3 協(xié)同節(jié)點(diǎn)服務(wù)質(zhì)量QoS評(píng)價(jià)

根據(jù)文獻(xiàn)[24]的分類方法，將不同網(wǎng)絡(luò)傳輸任務(wù)需求分為硬QoS型、軟QoS型I類、軟QoS型II類任務(wù)，并針對(duì)不同任務(wù)需求類型，針對(duì)服務(wù)請(qǐng)求節(jié)點(diǎn)對(duì)協(xié)同節(jié)點(diǎn)的服務(wù)質(zhì)量QoS評(píng)價(jià)[U]進(jìn)行建模。

2.3.1 剛需QoS型業(yè)務(wù)

剛需QoS型業(yè)務(wù)是指用戶對(duì)傳輸速率、延遲和丟包等具有嚴(yán)格要求。通常用戶業(yè)務(wù)具有實(shí)時(shí)性質(zhì)，例如實(shí)時(shí)監(jiān)控、互聯(lián)網(wǎng)協(xié)議語(yǔ)音、實(shí)時(shí)測(cè)繪等。對(duì)于剛需用戶，在網(wǎng)絡(luò)質(zhì)量滿足其要求時(shí)評(píng)分置1，否則置0，顯然其評(píng)分曲線具有躍遷性質(zhì)。設(shè)[D]為最大延遲（ms），[G]為最大延遲抖動(dòng)（ms），[V]為最小傳輸速率（KB/s），則QoS評(píng)分[U]如式（3）。

剛需QoS型業(yè)務(wù)對(duì)網(wǎng)絡(luò)中斷零容忍，允許在通訊期間內(nèi)進(jìn)行通訊鏈路切換和服務(wù)平滑性遷移[24]。遷移過(guò)程不允許發(fā)生幀丟失，鏈路切換時(shí)延不可大于傳輸時(shí)延。如果發(fā)生網(wǎng)絡(luò)中斷或數(shù)據(jù)丟失，則都會(huì)使QoS評(píng)分為0。設(shè)任務(wù)進(jìn)行200s時(shí)發(fā)生了網(wǎng)絡(luò)中斷導(dǎo)致數(shù)據(jù)幀丟失，此次任務(wù)評(píng)分為0，模型仿真結(jié)果如圖3所示。

2.3.2 軟QoS業(yè)務(wù)I型

軟QoS業(yè)務(wù)I型主要是“盡力而為”型業(yè)務(wù)，如Web瀏覽、小文件下載等。若協(xié)同傳輸速率滿足期望，則任務(wù)評(píng)分為1，否則任務(wù)評(píng)分隨協(xié)同傳輸速率增大而增大。軟QoS 業(yè)務(wù)I型評(píng)分模型如式（4）。

2.3.3 軟QoS業(yè)務(wù)II型

與軟QoS業(yè)務(wù)I型類似，軟QoS 業(yè)務(wù)II型對(duì)用戶實(shí)時(shí)傳輸速率具有最低要求，如網(wǎng)絡(luò)視頻音頻點(diǎn)播、大文件下載等。若實(shí)時(shí)傳輸速率不滿足最低速率要求，則任務(wù)評(píng)分為0。軟QoS業(yè)務(wù)II型評(píng)分模型如式（5）。

3 實(shí)驗(yàn)

為分析信譽(yù)機(jī)制在不同鏈路狀態(tài)下的有效性，通過(guò)FG-trust[13]、TMIRS[14]、TOR[16]信任評(píng)價(jià)模型進(jìn)行對(duì)比分析。設(shè)仿真網(wǎng)絡(luò)規(guī)模為300，網(wǎng)絡(luò)節(jié)點(diǎn)均為靜態(tài)節(jié)點(diǎn)，節(jié)點(diǎn)網(wǎng)卡特征遵從IEEE 802.1標(biāo)準(zhǔn)，采樣周期30min，以分鐘統(tǒng)計(jì)系統(tǒng)參量。

仿真環(huán)境：服務(wù)端采用JDK1.8+Apache Tomcat 8.0+Mysql 5.7，WinServer2010系統(tǒng)，突發(fā)性性能實(shí)例Intel Xeon 4核4G內(nèi)存，單核主頻2.5Ghz，帶寬1Mbps;客戶端Win7系統(tǒng)，i5雙核4線程，核心頻率2.7GHz，內(nèi)存8G。采用Chrome瀏覽器基于Google V8 Engine展示網(wǎng)絡(luò)節(jié)點(diǎn)動(dòng)態(tài)交互過(guò)程。

3.1 空閑狀態(tài)Mesh網(wǎng)絡(luò)節(jié)點(diǎn)平均信譽(yù)度變化

如圖6所示，F(xiàn)G-trust貝葉斯概率模型基于節(jié)點(diǎn)間交互記錄構(gòu)建，空閑狀態(tài)下節(jié)點(diǎn)間信任度恒為0。TMIRS模型基于簇信譽(yù)和節(jié)點(diǎn)直接信任度構(gòu)建，節(jié)點(diǎn)間信任度恒為0.13。TOR模型基于節(jié)點(diǎn)間消息路由構(gòu)建，在14min時(shí)部分節(jié)點(diǎn)由于長(zhǎng)時(shí)間未收到任務(wù)請(qǐng)求，其信譽(yù)度開(kāi)始隨時(shí)間逐漸衰減，20min時(shí)衰減至0，其衰減過(guò)程為線性衰減。本文Mesh可信協(xié)同模型綜合考慮節(jié)點(diǎn)的服務(wù)能力和信任關(guān)系等因素，節(jié)點(diǎn)間信任度初值最高為0.3，在第3min時(shí)開(kāi)始衰減，直至20min時(shí)達(dá)到0.128左右，其衰減過(guò)程為線性衰減。

仿真結(jié)果表明：在空閑狀態(tài)下，F(xiàn)G-trust貝葉斯概率模型無(wú)法體現(xiàn)信譽(yù)度特征，TMIRS模型體現(xiàn)了初始狀態(tài)下的信譽(yù)特征，但其信譽(yù)度未體現(xiàn)時(shí)間衰減特征。TOR模型和本文Mesh可信協(xié)同模型能體現(xiàn)節(jié)點(diǎn)間信譽(yù)隨時(shí)間衰減的特征。但是，TOR模型隨時(shí)間衰減后，節(jié)點(diǎn)間信任度為0，不具有區(qū)分意義，而本文信譽(yù)模型能夠體現(xiàn)空閑狀態(tài)時(shí)節(jié)點(diǎn)信譽(yù)度變化，并隨時(shí)間衰減后仍具有區(qū)分節(jié)點(diǎn)協(xié)作效果的意義。

3.2 基于QoS反饋的Mesh網(wǎng)絡(luò)節(jié)點(diǎn)平均信譽(yù)度變化

設(shè)仿真背景為文件上傳和下載，服務(wù)質(zhì)量評(píng)價(jià)隨機(jī)選擇剛需QoS型業(yè)務(wù)、軟QoS 業(yè)務(wù)I型或軟QoS 業(yè)務(wù)II型，交易頻率[f]滿足[0

FG-trust貝葉斯概率模型和TMIRS模型，前5min由于節(jié)點(diǎn)協(xié)同熱情較低，節(jié)點(diǎn)間信譽(yù)度增速較緩，連續(xù)交付成功后，其信譽(yù)度變化快速增長(zhǎng)，F(xiàn)G-trust模型收斂于第26min左右，TMIRS模型收斂于22min左右。TOR模型基于節(jié)點(diǎn)間消息路由構(gòu)建，前5min信譽(yù)度快速增長(zhǎng)，但由于高服務(wù)能力節(jié)點(diǎn)競(jìng)爭(zhēng)能力強(qiáng)，主動(dòng)承擔(dān)了大量協(xié)同任務(wù)，服務(wù)能力的節(jié)點(diǎn)無(wú)法參與協(xié)同任務(wù)，導(dǎo)致協(xié)同的熱情度降低，信譽(yù)增速放緩，直至22min收斂至1。本文Mesh可信協(xié)同模型在前5min激勵(lì)了大量節(jié)點(diǎn)進(jìn)行協(xié)作，節(jié)點(diǎn)信譽(yù)度快速增長(zhǎng)，同時(shí)由于高信譽(yù)節(jié)點(diǎn)無(wú)法通過(guò)完成小協(xié)同任務(wù)價(jià)值以維持信譽(yù)，使得低信譽(yù)節(jié)點(diǎn)收到協(xié)同任務(wù)，信譽(yù)度在13min時(shí)就快速收斂。

信譽(yù)度仿真結(jié)果表明：FG-trust貝葉斯概率模型和TMIRS模型節(jié)點(diǎn)信譽(yù)評(píng)價(jià)機(jī)制能夠選擇到最合適節(jié)點(diǎn)進(jìn)行交互，而該模型需要較長(zhǎng)學(xué)習(xí)時(shí)間。TOR模型能夠激勵(lì)節(jié)點(diǎn)間協(xié)作，而由于大量任務(wù)被服務(wù)能力強(qiáng)的節(jié)點(diǎn)強(qiáng)占，導(dǎo)致信譽(yù)度增速緩慢。本文Mesh可信協(xié)同模型能夠有效激勵(lì)節(jié)點(diǎn)間協(xié)作，同時(shí)節(jié)點(diǎn)根據(jù)服務(wù)能力選擇協(xié)作任務(wù)，平衡了協(xié)同任務(wù)競(jìng)爭(zhēng)，激勵(lì)了低信譽(yù)節(jié)點(diǎn)參與熱情。

3.3 協(xié)作服務(wù)分析

協(xié)作任務(wù)接收率是指由源節(jié)點(diǎn)發(fā)起協(xié)作任務(wù)后，得到可達(dá)目的節(jié)點(diǎn)的協(xié)作節(jié)點(diǎn)響應(yīng)概率。如圖8所示，前10min，由于熱心節(jié)點(diǎn)參與任務(wù)協(xié)作，節(jié)點(diǎn)信譽(yù)度得以增長(zhǎng)，帶動(dòng)大批用戶參與“跟風(fēng)”，協(xié)作任務(wù)接收率呈曲線上升。本文Mesh可信協(xié)同模型第11min接收率達(dá)到98%，TOR模型為18min，TMIRS模型和FG-trust貝葉斯概率模型花費(fèi)22min，協(xié)作任務(wù)接收率收斂速度滿足：Mesh可信協(xié)同模型>TOR評(píng)價(jià)模型>TMIRS模型>FG-trust貝葉斯概率模型。相比貝葉斯概率模型，本文Mesh可信模型減少了近50%收斂時(shí)間。

由圖9可知，由源節(jié)點(diǎn)發(fā)起任務(wù)后，協(xié)作任務(wù)傳輸效率呈曲線上升，驗(yàn)證了信譽(yù)機(jī)制能夠有效激勵(lì)節(jié)點(diǎn)協(xié)作，使得網(wǎng)絡(luò)任務(wù)可信可靠傳輸。在前8min，由于節(jié)點(diǎn)采取“跟風(fēng)”策略，協(xié)作任務(wù)得到大批響應(yīng)，但節(jié)點(diǎn)通信資源存在差異，第8-10min部分節(jié)點(diǎn)出現(xiàn)協(xié)作疲態(tài)，協(xié)作成功率小幅下降。在第10min后，經(jīng)過(guò)信譽(yù)機(jī)制的篩選，協(xié)同節(jié)點(diǎn)的可信度和可靠性得到保障，協(xié)作任務(wù)交付成功度不斷提高。在第25min時(shí)，各模型協(xié)作任務(wù)交付成功率達(dá)到0.9，在30min時(shí)收斂于0.91。

圖8和圖9所示結(jié)果表明，信譽(yù)機(jī)制能夠有效解決節(jié)點(diǎn)自私性問(wèn)題，其激發(fā)節(jié)點(diǎn)協(xié)作的結(jié)果能夠有效提升系統(tǒng)效率，增強(qiáng)系統(tǒng)魯棒性。

4 結(jié)語(yǔ)

針對(duì)合理評(píng)價(jià)節(jié)點(diǎn)信譽(yù)度問(wèn)題，本文提出了一種基于節(jié)點(diǎn)協(xié)作服務(wù)質(zhì)量評(píng)價(jià)的節(jié)點(diǎn)信譽(yù)評(píng)價(jià)模型，并基于任務(wù)分類的服務(wù)質(zhì)量QoS評(píng)價(jià)反饋更新節(jié)點(diǎn)信譽(yù)度。實(shí)驗(yàn)結(jié)果表明，該機(jī)制能夠更有效反映在不同鏈路狀態(tài)和交互結(jié)果下節(jié)點(diǎn)間的信任關(guān)系，更有效促進(jìn)節(jié)點(diǎn)協(xié)作。由于信任機(jī)制引入勢(shì)必帶來(lái)信任計(jì)算開(kāi)銷，如何優(yōu)化信任計(jì)算和路由機(jī)制能耗，將信任機(jī)制更深入融合到協(xié)作路由中，則是下一步研究工作。

參考文獻(xiàn)：

[1] NORMALIA S，ZURIATI A Z，WINSTON K G S， et al. Cooperation stimulation mechanisms for wireless multihop networks： a survey[J]. Journal of Network and Computer Applications，2015，54：88-106.

[2] 張曉宇，尚濤，劉建偉. 基于探測(cè)-支付機(jī)制的網(wǎng)絡(luò)編碼自私節(jié)點(diǎn)激勵(lì)方案[J]. 計(jì)算機(jī)研究與發(fā)展， 2017， 54（11）：2620-2627.

[3] 樂(lè)光學(xué)，李仁發(fā). P2P大規(guī)?？尚帕髅襟w節(jié)點(diǎn)抖動(dòng)分析與建模[J].計(jì)算機(jī)研究與發(fā)展，2012，49（2）： 217-230.

[4] 樂(lè)光學(xué)，李仁發(fā)，陳志，等. P2P網(wǎng)絡(luò)中搭便車行為分析與抑制機(jī)制建模[J]. 計(jì)算機(jī)研究與發(fā)展， 2011， 48 （3）： 382-397.

[5] WU W， MA R T B， LUI J C S. Distributed caching via rewarding： an incentive scheme design in P2P vod systems[J]. IEEE Transactions on Parallel and Distributed Systems， 2014， 25（3）：612-621.

[6] GAO Y，CHEN Y，LIU K. On cost-effective incentive mechanisms in microtask crowdsourcing[J]. IEEE Transactions on Computational Intelligence and AI in Games，2015，7（1）： 3-15.

[7] 胡文斌，邱振宇，聶聰，等. 數(shù)據(jù)廣播調(diào)度自適應(yīng)信道劃分與分配方法[J]. 軟件學(xué)報(bào)，2018，35（9）：2844-2860.

[8] 鄧曉衡，關(guān)培源，萬(wàn)志文，等. 基于綜合信任的邊緣計(jì)算資源協(xié)同研究[J]. 計(jì)算機(jī)研究與發(fā)展，2018，55（3）：449-477.

[9] GAI KEKE，QIU MEIKANG，ZHAO HUI，et al. Dynamic energy aware cloudlet-based mobile cloud computing model for green computing[J]. Journal of Network & Computer Applications，2016，59（C）： 46-54.

[10] 吳黎兵，劉冰藝，聶雷，等. VANET-Cellular環(huán)境下安全消息廣播中繼選擇方法研究[J]. 計(jì)算機(jī)學(xué)報(bào)，2017，40（4）：1004-1016.

[11] 車楠，李治軍，姜守旭. 異構(gòu)無(wú)線網(wǎng)絡(luò)中Relay節(jié)點(diǎn)部署算法[J]. 計(jì)算機(jī)學(xué)報(bào)，2016， 39（5）： 905-918.

[12] 柴丹煒，張若昕，劉建生. 基于差分演化的復(fù)雜網(wǎng)絡(luò)社區(qū)挖掘算法研究[J]. 江西理工大學(xué)學(xué)報(bào)，2016，37（1）：95-101.

[13] 田俊峰，田瑞. 基于領(lǐng)域和貝葉斯網(wǎng)絡(luò)的P2P電子商務(wù)細(xì)粒度信任模型[J]. 計(jì)算機(jī)研究與發(fā)展，2011，48（6）： 974-982.

[14] 夏怒，李偉，陸悠，等. 一種面向域間路由系統(tǒng)的信任模型[J]. 計(jì)算機(jī)研究與發(fā)展， 2016， 53（4）： 845-860.

[15] 胡健，覃慧，梁雪雷. 基于用戶量化屬性的多維相似度的協(xié)同過(guò)濾推薦算法[J]. 江西理工大學(xué)學(xué)報(bào)， 2017， 38（3）： 86-91.

[16] 李峰，司亞利，陳真，等. 基于信任機(jī)制的機(jī)會(huì)網(wǎng)絡(luò)安全路由決策方法[J]. 軟件學(xué)報(bào)，2018，29（9）： 2829-2843.

[17] KAMVAR S. The eigentrust algorithm for reputation management in P2P networks[C]. 12th International World Wide Web Conference，2003： 640-651.

[18] XIONG L， LIU L. PeerTrust： supporting reputation-based trust for peer-to-peer electronic communities[J]. IEEE Transactions on Knowledge Data Engineering，2004，16（7）： 843-857.

[19] 田春岐，鄒仕洪，田慧蓉，等. 一種基于信譽(yù)和風(fēng)險(xiǎn)評(píng)價(jià)的分布式P2P 信任模型[J].電子與信息學(xué)報(bào)，2007，29（7）：1628-1632.

[20] 趙治國(guó)，譚邦，夏石瑩，等. 基于時(shí)間序列的P2P網(wǎng)絡(luò)綜合信任模型研究[J]. 計(jì)算機(jī)工程與應(yīng)用，2017，53（15）：127-131.

[21] 劉義春，梁英宏. 基于上下文因素的P2P動(dòng)態(tài)信任模型[J]. 通信學(xué)報(bào)，2016， 37（8）： 34- 45.

[22] 秦丹陽(yáng)，賈爽，楊松祥，等. 基于信任感知的無(wú)線傳感器網(wǎng)絡(luò)安全路由機(jī)制研究[J]. 通信學(xué)報(bào)，2017，38（10）： 60-70.

[23] 尹寶， 姜麗瑩，王潮. 量子蟻群算法的大規(guī)模無(wú)線傳感器可信安全路由設(shè)計(jì)[J]. 信息網(wǎng)絡(luò)安全， 2015 （3）：14-18.

[24] 付雷. 無(wú)線協(xié)同通信系統(tǒng)多業(yè)務(wù)的調(diào)度算法[D]. 北京：北京郵電大學(xué)，2010.

（責(zé)任編輯：何 麗）