無線Mesh網絡協同節點信譽評價建模

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不穩定、節點通信資源有限以及節點行為不可預知條件下節點信譽評價問題，提出一種無線Mesh網絡信譽度評價模型。該方法通過可達骨干路由節點的最短跳數構建基礎信任關系，并通過協同服務質量QoS評價建模分析，實現信譽度評價反饋。實驗結果表明，信譽評價機制能夠在空閑狀態時反映路由鏈路特征，且收斂速度較快。該協同服務信譽評價機制能夠有效反映不同鏈路狀態和交互結果下節點間的信任關系，更有效地促進節點協作。

關鍵詞：信譽評價;協作服務評價;可信協同;信任路由

DOI：10. 11907/rjdk. 182688

中圖分類號：TP393文獻標識碼：A文章編號：1672-7800（2019）004-0158-05

0 引言

無線Mesh網絡（Wireless Mesh Networks，WMN）由Mesh骨干路由網絡和Mesh終端構成，具有自組織、自配置、組網靈活、易部署、穩定可靠和自主融合等特點，是下一代網絡接入關鍵技術之一。在無線Mesh網絡通信中，由于節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出理性、自私、利己等行為，使得無線通信節點在協同服務博弈中采取“理性利己”策略，某些節點甚至直接采取不協同行為。這種理性自私不協同行為直接導致網絡性能降低，若網絡骨干節點采取理性自私行為，則將導致網絡中斷[1]。研究表明，激勵機制是抑制節點自私性、提高網絡協作服務質量的有效方法[2-4]。

激勵機制一般基于社會網絡交互中節點信譽度評價思想構建[5-6]。其核心思想是利用節點間信任關系、行為特征等分析建模，構建可信協同服務節點集[7-12]。文獻[13-15]通過節點間多次協同服務交互進行迭代，更新節點間信任關系，構建協同服務節點集，保障網絡服務質量，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發路由中，節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，但存在節點間信任關系隨時間衰減后因區分度不足導致推薦效用降低問題。

針對上述問題，提出一種協同節點信譽度評價方法。該方法以節點到達骨干路由節點最短跳數的倒數為信譽度基準，利用延遲、丟包、抖動等特征進行網絡任務服務質量QoS評價方案協同效果反饋，動態更新節點信譽度。該方法通過將信譽認證信息捆綁至網絡幀中，降低信譽維護開銷，解決信任度隨時間衰減導致推薦效用降低問題。

1 相關研究

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——交易相關因素、反饋交易評價、反饋評價節點可信度、交易激勵機制等，可有效避免P2P網絡中惡意節點的搖擺策略攻擊行為，但是在大規模P2P系統中迭代收斂速度較慢，且算法時間、空間復雜度較高;文獻[19]提出一種基于信譽與風險評價的信任模型，考慮推薦者信譽值、信任評價者對推薦者直接交互經驗、推薦者與被評者的交易次數以及交易日期 4 個方面因素，將實體之間信任程度和不確定性統一起來，可以有效識別不同類型惡意節點;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，通過反饋控制機制動態更新簇內節點和簇頭節點信任度，使整體信任值具有時效性，提升了對節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動態信任模型，結合考慮時間衰減、交互重要性和交互次數度量實體交互信任，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。現有P2P信譽度評價模型已研究不同應用場景下節點信譽度評價方法，并通過信任獎懲機制進行動態信任評價，主要保證惡意行為危害網絡時節點能提供可靠資源和良好服務，提高網絡安全性。

文獻[22]針對無線傳感器網絡節點能量受限及部署環境惡劣所導致的典型網絡攻擊，提出一種具有輕量級特性并能同時抵御多種典型網絡攻擊的信任感知安全路由機制（TSSRM），從節點行為維度與能量維度構建綜合節點信任度計算模型，通過對多項 QoS指標量化，實現安全路徑選擇算法優化;文獻[23]將量子蟻群算法應用于大規模無線傳感網路由設計，考慮到無線傳感網節點間缺乏信任機制，采用可信網絡思想，以節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，通過量子旋轉門更新信息素，綜合能量消耗預測進行路徑選擇，實現基于全局能量均衡的無線傳感網可信安全路由算法。現有無線傳感網絡信譽度評價模型主要在有限能量下優化網絡能耗，保證節點提供共享資源和獲得服務質量，增強網絡安全性。

2 協同節點信譽度評價機制

2.1 信譽度評價模型

2.2 信譽度交互機制

當節點加入網絡時，通過廣播探知周圍潛在的可信協同傳輸節點，并通過多跳路由向Mesh路由節點獲取自身初始信任度和周圍可信協同節點信任度。當節點發起協同傳輸任務時，根據任務需求，設定協同節點的最小信譽閾值，并向可信協同鄰居節點集合廣播協同傳輸任務并請求REQ，只有高于信譽閾值的鄰居節點才能進行轉發。節點[Ni]收到來自鄰居節點的響應后，以機會路由方式根據信任度大小選擇節點建立協同傳輸路徑。

建立協同傳輸路徑時，需進行節點信任認證，如圖1所示。

當請求節點[Ni]向協同節點[Nj]請求協同服務時，首先基于傳輸層協議，在數據報文幀頭部加入信任度和節點標識的數字簽名，由目的節點進行簽名驗證。若節點[Ni]與[Nj]是首次交互，則從骨干路由節點獲取對方信譽度作為信任度。當信任認證成功后，雙方將建立傳輸鏈路。完成協同傳輸任務后，由請求節點對本次協同服務質量進行評價，并回饋協同節點信任度，加以認證。

2.3 協同節點服務質量QoS評價

根據文獻[24]的分類方法，將不同網絡傳輸任務需求分為硬QoS型、軟QoS型I類、軟QoS型II類任務，并針對不同任務需求類型，針對服務請求節點對協同節點的服務質量QoS評價[U]進行建模。

2.3.1 剛需QoS型業務

剛需QoS型業務是指用戶對傳輸速率、延遲和丟包等具有嚴格要求。通常用戶業務具有實時性質，例如實時監控、互聯網協議語音、實時測繪等。對于剛需用戶，在網絡質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。設[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型業務對網絡中斷零容忍，允許在通訊期間內進行通訊鏈路切換和服務平滑性遷移[24]。遷移過程不允許發生幀丟失，鏈路切換時延不可大于傳輸時延。如果發生網絡中斷或數據丟失，則都會使QoS評分為0。設任務進行200s時發生了網絡中斷導致數據幀丟失，此次任務評分為0，模型仿真結果如圖3所示。

2.3.2 軟QoS業務I型

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

2.3.3 軟QoS業務II型

與軟QoS業務I型類似，軟QoS 業務II型對用戶實時傳輸速率具有最低要求，如網絡視頻音頻點播、大文件下載等。若實時傳輸速率不滿足最低速率要求，則任務評分為0。軟QoS業務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。設仿真網絡規模為300，網絡節點均為靜態節點，節點網卡特征遵從IEEE 802.1標準，采樣周期30min，以分鐘統計系統參量。

仿真環境：服務端采用JDK1.8+Apache Tomcat 8.0+Mysql 5.7，WinServer2010系統，突發性性能實例Intel Xeon 4核4G內存，單核主頻2.5Ghz，帶寬1Mbps;客戶端Win7系統，i5雙核4線程，核心頻率2.7GHz，內存8G。采用Chrome瀏覽器基于Google V8 Engine展示網絡節點動態交互過程。

3.1 空閑狀態Mesh網絡節點平均信譽度變化

如圖6所示，FG-trust貝葉斯概率模型基于節點間交互記錄構建，空閑狀態下節點間信任度恒為0。TMIRS模型基于簇信譽和節點直接信任度構建，節點間信任度恒為0.13。TOR模型基于節點間消息路由構建，在14min時部分節點由于長時間未收到任務請求，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可信協同模型綜合考慮節點的服務能力和信任關系等因素，節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。

仿真結果表明：在空閑狀態下，FG-trust貝葉斯概率模型無法體現信譽度特征，TMIRS模型體現了初始狀態下的信譽特征，但其信譽度未體現時間衰減特征。TOR模型和本文Mesh可信協同模型能體現節點間信譽隨時間衰減的特征。但是，TOR模型隨時間衰減后，節點間信任度為0，不具有區分意義，而本文信譽模型能夠體現空閑狀態時節點信譽度變化，并隨時間衰減后仍具有區分節點協作效果的意義。

3.2 基于QoS反饋的Mesh網絡節點平均信譽度變化

設仿真背景為文件上傳和下載，服務質量評價隨機選擇剛需QoS型業務、軟QoS 業務I型或軟QoS 業務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由于節點協同熱情較低，節點間信譽度增速較緩，連續交付成功后，其信譽度變化快速增長，FG-trust模型收斂于第26min左右，TMIRS模型收斂于22min左右。TOR模型基于節點間消息路由構建，前5min信譽度快速增長，但由于高服務能力節點競爭能力強，主動承擔了大量協同任務，服務能力的節點無法參與協同任務，導致協同的熱情度降低，信譽增速放緩，直至22min收斂至1。本文Mesh可信協同模型在前5min激勵了大量節點進行協作，節點信譽度快速增長，同時由于高信譽節點無法通過完成小協同任務價值以維持信譽，使得低信譽節點收到協同任務，信譽度在13min時就快速收斂。

信譽度仿真結果表明：FG-trust貝葉斯概率模型和TMIRS模型節點信譽評價機制能夠選擇到最合適節點進行交互，而該模型需要較長學習時間。TOR模型能夠激勵節點間協作，而由于大量任務被服務能力強的節點強占，導致信譽度增速緩慢。本文Mesh可信協同模型能夠有效激勵節點間協作，同時節點根據服務能力選擇協作任務，平衡了協同任務競爭，激勵了低信譽節點參與熱情。

3.3 協作服務分析

協作任務接收率是指由源節點發起協作任務后，得到可達目的節點的協作節點響應概率。如圖8所示，前10min，由于熱心節點參與任務協作，節點信譽度得以增長，帶動大批用戶參與“跟風”，協作任務接收率呈曲線上升。本文Mesh可信協同模型第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，協作任務接收率收斂速度滿足：Mesh可信協同模型>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，由源節點發起任務后，協作任務傳輸效率呈曲線上升，驗證了信譽機制能夠有效激勵節點協作，使得網絡任務可信可靠傳輸。在前8min，由于節點采取“跟風”策略，協作任務得到大批響應，但節點通信資源存在差異，第8-10min部分節點出現協作疲態，協作成功率小幅下降。在第10min后，經過信譽機制的篩選，協同節點的可信度和可靠性得到保障，協作任務交付成功度不斷提高。在第25min時，各模型協作任務交付成功率達到0.9，在30min時收斂于0.91。

圖8和圖9所示結果表明，信譽機制能夠有效解決節點自私性問題，其激發節點協作的結果能夠有效提升系統效率，增強系統魯棒性。

4 結語

針對合理評價節點信譽度問題，本文提出了一種基于節點協作服務質量評價的節點信譽評價模型，并基于任務分類的服務質量QoS評價反饋更新節點信譽度。實驗結果表明，該機制能夠更有效反映在不同鏈路狀態和交互結果下節點間的信任關系，更有效促進節點協作。由于信任機制引入勢必帶來信任計算開銷，如何優化信任計算和路由機制能耗，將信任機制更深入融合到協作路由中，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-支付機制的網絡編碼自私節點激勵方案[J]. 計算機研究與發展， 2017， 54（11）：2620-2627.

[3] 樂光學，李仁發. P2P大規模可信流媒體節點抖動分析與建模[J].計算機研究與發展，2012，49（2）： 217-230.

[4] 樂光學，李仁發，陳志，等. P2P網絡中搭便車行為分析與抑制機制建模[J]. 計算機研究與發展， 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. 數據廣播調度自適應信道劃分與分配方法[J]. 軟件學報，2018，35（9）：2844-2860.

[8] 鄧曉衡，關培源，萬志文，等. 基于綜合信任的邊緣計算資源協同研究[J]. 計算機研究與發展，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環境下安全消息廣播中繼選擇方法研究[J]. 計算機學報，2017，40（4）：1004-1016.

[11] 車楠，李治軍，姜守旭. 異構無線網絡中Relay節點部署算法[J]. 計算機學報，2016， 39（5）： 905-918.

[12] 柴丹煒，張若昕，劉建生. 基于差分演化的復雜網絡社區挖掘算法研究[J]. 江西理工大學學報，2016，37（1）：95-101.

[13] 田俊峰，田瑞. 基于領域和貝葉斯網絡的P2P電子商務細粒度信任模型[J]. 計算機研究與發展，2011，48（6）： 974-982.

[14] 夏怒，李偉，陸悠，等. 一種面向域間路由系統的信任模型[J]. 計算機研究與發展， 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同過濾推薦算法[J]. 江西理工大學學報， 2017， 38（3）： 86-91.

[16] 李峰，司亞利，陳真，等. 基于信任機制的機會網絡安全路由決策方法[J]. 軟件學報，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. 一種基于信譽和風險評價的分布式P2P 信任模型[J].電子與信息學報，2007，29（7）：1628-1632.

[20] 趙治國，譚邦，夏石瑩，等. 基于時間序列的P2P網絡綜合信任模型研究[J]. 計算機工程與應用，2017，53（15）：127-131.

[21] 劉義春，梁英宏. 基于上下文因素的P2P動態信任模型[J]. 通信學報，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絡安全路由機制研究[J]. 通信學報，2017，38（10）： 60-70.

[23] 尹寶， 姜麗瑩，王潮. 量子蟻群算法的大規模無線傳感器可信安全路由設計[J]. 信息網絡安全， 2015 （3）：14-18.

[24] 付雷. 無線協同通信系統多業務的調度算法[D]. 北京：北京郵電大學，2010.

（責任編輯：何 麗）