戴亞盛 游真旭 朱友康 楊曉慧
摘 要:為解決無線通信鏈路狀態(tài)不穩(wěn)定、節(jié)點通信資源有限以及節(jié)點行為不可預(yù)知條件下節(jié)點信譽評價問題,提出一種無線Mesh網(wǎng)絡(luò)信譽度評價模型。該方法通過可達骨干路由節(jié)點的最短跳數(shù)構(gòu)建基礎(chǔ)信任關(guān)系,并通過協(xié)同服務(wù)質(zhì)量QoS評價建模分析,實現(xiàn)信譽度評價反饋。實驗結(jié)果表明,信譽評價機制能夠在空閑狀態(tài)時反映路由鏈路特征,且收斂速度較快。該協(xié)同服務(wù)信譽評價機制能夠有效反映不同鏈路狀態(tài)和交互結(jié)果下節(jié)點間的信任關(guān)系,更有效地促進節(jié)點協(xié)作。
關(guān)鍵詞:信譽評價;協(xié)作服務(wù)評價;可信協(xié)同;信任路由
DOI:10. 11907/rjdk. 182688
中圖分類號:TP393文獻標(biāo)識碼:A文章編號:1672-7800(2019)004-0158-05
0 引言
無線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,是下一代網(wǎng)絡(luò)接入關(guān)鍵技術(shù)之一。在無線Mesh網(wǎng)絡(luò)通信中,由于節(jié)點具備的通信資源和計算資源有限,交互過程不可避免地表現(xiàn)出理性、自私、利己等行為,使得無線通信節(jié)點在協(xié)同服務(wù)博弈中采取“理性利己”策略,某些節(jié)點甚至直接采取不協(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,激勵機制是抑制節(jié)點自私性、提高網(wǎng)絡(luò)協(xié)作服務(wù)質(zhì)量的有效方法[2-4]。
激勵機制一般基于社會網(wǎng)絡(luò)交互中節(jié)點信譽度評價思想構(gòu)建[5-6]。其核心思想是利用節(jié)點間信任關(guān)系、行為特征等分析建模,構(gòu)建可信協(xié)同服務(wù)節(jié)點集[7-12]。文獻[13-15]通過節(jié)點間多次協(xié)同服務(wù)交互進行迭代,更新節(jié)點間信任關(guān)系,構(gòu)建協(xié)同服務(wù)節(jié)點集,保障網(wǎng)絡(luò)服務(wù)質(zhì)量,但其以犧牲通信資源為代價;文獻[16]通過將信譽機制融入包轉(zhuǎn)發(fā)路由中,節(jié)點只需付出較小存儲和計算代價即可完成信譽度更新,減少了通信資源開銷,但存在節(jié)點間信任關(guān)系隨時間衰減后因區(qū)分度不足導(dǎo)致推薦效用降低問題。
針對上述問題,提出一種協(xié)同節(jié)點信譽度評價方法。該方法以節(jié)點到達骨干路由節(jié)點最短跳數(shù)的倒數(shù)為信譽度基準(zhǔn),利用延遲、丟包、抖動等特征進行網(wǎng)絡(luò)任務(wù)服務(wù)質(zhì)量QoS評價方案協(xié)同效果反饋,動態(tài)更新節(jié)點信譽度。該方法通過將信譽認(rèn)證信息捆綁至網(wǎng)絡(luò)幀中,降低信譽維護開銷,解決信任度隨時間衰減導(dǎo)致推薦效用降低問題。
1 相關(guān)研究
文獻[17]提出一種基于信譽的全局信任模型EigenTrust。該模型是一種利用信任的傳遞特性,由直接信任度計算全局信任度的信任算法。該算法僅給出了一個迭代計算信任值的方法,通信代價太高,模型抗攻擊能力較弱。文獻[18]針對P2P在線社區(qū)提出一種基于信譽的信任模型PeerTrust,通過引入多維信任度影響因子——交易相關(guān)因素、反饋交易評價、反饋評價節(jié)點可信度、交易激勵機制等,可有效避免P2P網(wǎng)絡(luò)中惡意節(jié)點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,且算法時間、空間復(fù)雜度較高;文獻[19]提出一種基于信譽與風(fēng)險評價的信任模型,考慮推薦者信譽值、信任評價者對推薦者直接交互經(jīng)驗、推薦者與被評者的交易次數(shù)以及交易日期 4 個方面因素,將實體之間信任程度和不確定性統(tǒng)一起來,可以有效識別不同類型惡意節(jié)點;文獻[20]提出一種基于時間序列的P2P綜合信任模型,在計算直接信任度和間接信任度時引入時間衰減函數(shù),通過反饋控制機制動態(tài)更新簇內(nèi)節(jié)點和簇頭節(jié)點信任度,使整體信任值具有時效性,提升了對節(jié)點信任度的評價精確性和可靠性;文獻[21]提出一種基于上下文因素的P2P動態(tài)信任模型,結(jié)合考慮時間衰減、交互重要性和交互次數(shù)度量實體交互信任,聚合直接交互、評價相似度和信任鏈傳遞計算實體的推薦信任,綜合直接信任和推薦信任進行實體信任評估,并提出一種新的信任更新和獎懲機制?,F(xiàn)有P2P信譽度評價模型已研究不同應(yīng)用場景下節(jié)點信譽度評價方法,并通過信任獎懲機制進行動態(tài)信任評價,主要保證惡意行為危害網(wǎng)絡(luò)時節(jié)點能提供可靠資源和良好服務(wù),提高網(wǎng)絡(luò)安全性。
文獻[22]針對無線傳感器網(wǎng)絡(luò)節(jié)點能量受限及部署環(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特性并能同時抵御多種典型網(wǎng)絡(luò)攻擊的信任感知安全路由機制(TSSRM),從節(jié)點行為維度與能量維度構(gòu)建綜合節(jié)點信任度計算模型,通過對多項 QoS指標(biāo)量化,實現(xiàn)安全路徑選擇算法優(yōu)化;文獻[23]將量子蟻群算法應(yīng)用于大規(guī)模無線傳感網(wǎng)路由設(shè)計,考慮到無線傳感網(wǎng)節(jié)點間缺乏信任機制,采用可信網(wǎng)絡(luò)思想,以節(jié)點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,通過量子旋轉(zhuǎn)門更新信息素,綜合能量消耗預(yù)測進行路徑選擇,實現(xiàn)基于全局能量均衡的無線傳感網(wǎng)可信安全路由算法。現(xiàn)有無線傳感網(wǎng)絡(luò)信譽度評價模型主要在有限能量下優(yōu)化網(wǎng)絡(luò)能耗,保證節(jié)點提供共享資源和獲得服務(wù)質(zhì)量,增強網(wǎng)絡(luò)安全性。
2 協(xié)同節(jié)點信譽度評價機制
2.1 信譽度評價模型
2.2 信譽度交互機制
當(dāng)節(jié)點加入網(wǎng)絡(luò)時,通過廣播探知周圍潛在的可信協(xié)同傳輸節(jié)點,并通過多跳路由向Mesh路由節(jié)點獲取自身初始信任度和周圍可信協(xié)同節(jié)點信任度。當(dāng)節(jié)點發(fā)起協(xié)同傳輸任務(wù)時,根據(jù)任務(wù)需求,設(shè)定協(xié)同節(jié)點的最小信譽閾值,并向可信協(xié)同鄰居節(jié)點集合廣播協(xié)同傳輸任務(wù)并請求REQ,只有高于信譽閾值的鄰居節(jié)點才能進行轉(zhuǎn)發(fā)。節(jié)點[Ni]收到來自鄰居節(jié)點的響應(yīng)后,以機會路由方式根據(jù)信任度大小選擇節(jié)點建立協(xié)同傳輸路徑。
建立協(xié)同傳輸路徑時,需進行節(jié)點信任認(rèn)證,如圖1所示。
當(dāng)請求節(jié)點[Ni]向協(xié)同節(jié)點[Nj]請求協(xié)同服務(wù)時,首先基于傳輸層協(xié)議,在數(shù)據(jù)報文幀頭部加入信任度和節(jié)點標(biāo)識的數(shù)字簽名,由目的節(jié)點進行簽名驗證。若節(jié)點[Ni]與[Nj]是首次交互,則從骨干路由節(jié)點獲取對方信譽度作為信任度。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,由請求節(jié)點對本次協(xié)同服務(wù)質(zhì)量進行評價,并回饋協(xié)同節(jié)點信任度,加以認(rèn)證。
2.3 協(xié)同節(jié)點服務(wù)質(zhì)量QoS評價
根據(jù)文獻[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),并針對不同任務(wù)需求類型,針對服務(wù)請求節(jié)點對協(xié)同節(jié)點的服務(wù)質(zhì)量QoS評價[U]進行建模。
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)具有實時性質(zhì),例如實時監(jiān)控、互聯(lián)網(wǎng)協(xié)議語音、實時測繪等。對于剛需用戶,在網(wǎng)絡(luò)質(zhì)量滿足其要求時評分置1,否則置0,顯然其評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(ms),[V]為最小傳輸速率(KB/s),則QoS評分[U]如式(3)。
剛需QoS型業(yè)務(wù)對網(wǎng)絡(luò)中斷零容忍,允許在通訊期間內(nèi)進行通訊鏈路切換和服務(wù)平滑性遷移[24]。遷移過程不允許發(fā)生幀丟失,鏈路切換時延不可大于傳輸時延。如果發(fā)生網(wǎng)絡(luò)中斷或數(shù)據(jù)丟失,則都會使QoS評分為0。設(shè)任務(wù)進行200s時發(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)評分為1,否則任務(wù)評分隨協(xié)同傳輸速率增大而增大。軟QoS 業(yè)務(wù)I型評分模型如式(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型對用戶實時傳輸速率具有最低要求,如網(wǎng)絡(luò)視頻音頻點播、大文件下載等。若實時傳輸速率不滿足最低速率要求,則任務(wù)評分為0。軟QoS業(yè)務(wù)II型評分模型如式(5)。
3 實驗
為分析信譽機制在不同鏈路狀態(tài)下的有效性,通過FG-trust[13]、TMIRS[14]、TOR[16]信任評價模型進行對比分析。設(shè)仿真網(wǎng)絡(luò)規(guī)模為300,網(wǎng)絡(luò)節(jié)點均為靜態(tài)節(jié)點,節(jié)點網(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)點動態(tài)交互過程。
3.1 空閑狀態(tài)Mesh網(wǎng)絡(luò)節(jié)點平均信譽度變化
如圖6所示,F(xiàn)G-trust貝葉斯概率模型基于節(jié)點間交互記錄構(gòu)建,空閑狀態(tài)下節(jié)點間信任度恒為0。TMIRS模型基于簇信譽和節(jié)點直接信任度構(gòu)建,節(jié)點間信任度恒為0.13。TOR模型基于節(jié)點間消息路由構(gòu)建,在14min時部分節(jié)點由于長時間未收到任務(wù)請求,其信譽度開始隨時間逐漸衰減,20min時衰減至0,其衰減過程為線性衰減。本文Mesh可信協(xié)同模型綜合考慮節(jié)點的服務(wù)能力和信任關(guān)系等因素,節(jié)點間信任度初值最高為0.3,在第3min時開始衰減,直至20min時達到0.128左右,其衰減過程為線性衰減。
仿真結(jié)果表明:在空閑狀態(tài)下,F(xiàn)G-trust貝葉斯概率模型無法體現(xiàn)信譽度特征,TMIRS模型體現(xiàn)了初始狀態(tài)下的信譽特征,但其信譽度未體現(xiàn)時間衰減特征。TOR模型和本文Mesh可信協(xié)同模型能體現(xiàn)節(jié)點間信譽隨時間衰減的特征。但是,TOR模型隨時間衰減后,節(jié)點間信任度為0,不具有區(qū)分意義,而本文信譽模型能夠體現(xiàn)空閑狀態(tài)時節(jié)點信譽度變化,并隨時間衰減后仍具有區(qū)分節(jié)點協(xié)作效果的意義。
3.2 基于QoS反饋的Mesh網(wǎng)絡(luò)節(jié)點平均信譽度變化
設(shè)仿真背景為文件上傳和下載,服務(wù)質(zhì)量評價隨機選擇剛需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)點協(xié)同熱情較低,節(jié)點間信譽度增速較緩,連續(xù)交付成功后,其信譽度變化快速增長,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)點間消息路由構(gòu)建,前5min信譽度快速增長,但由于高服務(wù)能力節(jié)點競爭能力強,主動承擔(dān)了大量協(xié)同任務(wù),服務(wù)能力的節(jié)點無法參與協(xié)同任務(wù),導(dǎo)致協(xié)同的熱情度降低,信譽增速放緩,直至22min收斂至1。本文Mesh可信協(xié)同模型在前5min激勵了大量節(jié)點進行協(xié)作,節(jié)點信譽度快速增長,同時由于高信譽節(jié)點無法通過完成小協(xié)同任務(wù)價值以維持信譽,使得低信譽節(jié)點收到協(xié)同任務(wù),信譽度在13min時就快速收斂。 信譽度仿真結(jié)果表明:FG-trust貝葉斯概率模型和TMIRS模型節(jié)點信譽評價機制能夠選擇到最合適節(jié)點進行交互,而該模型需要較長學(xué)習(xí)時間。TOR模型能夠激勵節(jié)點間協(xié)作,而由于大量任務(wù)被服務(wù)能力強的節(jié)點強占,導(dǎo)致信譽度增速緩慢。本文Mesh可信協(xié)同模型能夠有效激勵節(jié)點間協(xié)作,同時節(jié)點根據(jù)服務(wù)能力選擇協(xié)作任務(wù),平衡了協(xié)同任務(wù)競爭,激勵了低信譽節(jié)點參與熱情。 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)點發(fā)起協(xié)作任務(wù)后,得到可達目的節(jié)點的協(xié)作節(jié)點響應(yīng)概率。如圖8所示,前10min,由于熱心節(jié)點參與任務(wù)協(xié)作,節(jié)點信譽度得以增長,帶動大批用戶參與“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接收率達到98%,TOR模型為18min,TMIRS模型和FG-trust貝葉斯概率模型花費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評價模型>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%收斂時間。 由圖9可知,由源節(jié)點發(fā)起任務(wù)后,協(xié)作任務(wù)傳輸效率呈曲線上升,驗證了信譽機制能夠有效激勵節(jié)點協(xié)作,使得網(wǎng)絡(luò)任務(wù)可信可靠傳輸。在前8min,由于節(jié)點采取“跟風(fēng)”策略,協(xié)作任務(wù)得到大批響應(yīng),但節(jié)點通信資源存在差異,第8-10min部分節(jié)點出現(xiàn)協(xié)作疲態(tài),協(xié)作成功率小幅下降。在第10min后,經(jīng)過信譽機制的篩選,協(xié)同節(jié)點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,各模型協(xié)作任務(wù)交付成功率達到0.9,在30min時收斂于0.91。 圖8和圖9所示結(jié)果表明,信譽機制能夠有效解決節(jié)點自私性問題,其激發(fā)節(jié)點協(xié)作的結(jié)果能夠有效提升系統(tǒng)效率,增強系統(tǒng)魯棒性。 4 結(jié)語 針對合理評價節(jié)點信譽度問題,本文提出了一種基于節(jié)點協(xié)作服務(wù)質(zhì)量評價的節(jié)點信譽評價模型,并基于任務(wù)分類的服務(wù)質(zhì)量QoS評價反饋更新節(jié)點信譽度。實驗結(jié)果表明,該機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)點間的信任關(guān)系,更有效促進節(jié)點協(xié)作。由于信任機制引入勢必帶來信任計算開銷,如何優(yōu)化信任計算和路由機制能耗,將信任機制更深入融合到協(xié)作路由中,則是下一步研究工作。 參考文獻: [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-支付機制的網(wǎng)絡(luò)編碼自私節(jié)點激勵方案[J]. 計算機研究與發(fā)展, 2017, 54(11):2620-2627. [3] 樂光學(xué),李仁發(fā). P2P大規(guī)??尚帕髅襟w節(jié)點抖動分析與建模[J].計算機研究與發(fā)展,2012,49(2): 217-230. [4] 樂光學(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制建模[J]. 計算機研究與發(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,2018,35(9):2844-2860. [8] 鄧曉衡,關(guān)培源,萬志文,等. 基于綜合信任的邊緣計算資源協(xié)同研究[J]. 計算機研究與發(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]. 計算機學(xué)報,2017,40(4):1004-1016. [11] 車楠,李治軍,姜守旭. 異構(gòu)無線網(wǎng)絡(luò)中Relay節(jié)點部署算法[J]. 計算機學(xué)報,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,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]. 計算機研究與發(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]. 計算機研究與發(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)同過濾推薦算法[J]. 江西理工大學(xué)學(xué)報, 2017, 38(3): 86-91. [16] 李峰,司亞利,陳真,等. 基于信任機制的機會網(wǎng)絡(luò)安全路由決策方法[J]. 軟件學(xué)報,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. 一種基于信譽和風(fēng)險評價的分布式P2P 信任模型[J].電子與信息學(xué)報,2007,29(7):1628-1632. [20] 趙治國,譚邦,夏石瑩,等. 基于時間序列的P2P網(wǎng)絡(luò)綜合信任模型研究[J]. 計算機工程與應(yīng)用,2017,53(15):127-131. [21] 劉義春,梁英宏. 基于上下文因素的P2P動態(tài)信任模型[J]. 通信學(xué)報,2016, 37(8): 34- 45. [22] 秦丹陽,賈爽,楊松祥,等. 基于信任感知的無線傳感器網(wǎng)絡(luò)安全路由機制研究[J]. 通信學(xué)報,2017,38(10): 60-70. [23] 尹寶, 姜麗瑩,王潮. 量子蟻群算法的大規(guī)模無線傳感器可信安全路由設(shè)計[J]. 信息網(wǎng)絡(luò)安全, 2015 (3):14-18. [24] 付雷. 無線協(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)