物聯網感知源數據可信性評估模型研究

吳 戈， 黎忠文， 黎 通， 陳二陽， 江 丹(．成都大學 信息科學與工程學院， 四川 成都 6006； .成都實驗外國語學校 西區, 四川 成都 603)

0 引 言

隨著物聯網、云計算和移動互聯網技術的飛速發展，傳感網絡越來越深入到各方面.由于傳感設備常常部署在無人值守或惡劣環境中，節點很容易遭受物理攻擊，從而導致源頭數據的無效[1].眾所周知，源頭數據是后臺專家決策系統進行決策的依據，直接影響各類智慧系統的可靠性，因此評測和保障這些源頭數據本身的可信性至關重要.近年來，感知源數據的可信性問題成為了該領域的研究熱點.主流研究通常是在感知源構建信任評估模型，通過計算工作節點之間的直接信任、單元推薦信任、監督信任及用戶行為等計算物聯網源數據的綜合信任值，實現對感知源的信任值評估[1-3].然而，基于感知源的信任評估模型雖然在一定程度上保障了數據源頭的可靠性，但沒有考慮能量對數據源的影響.在物聯網絡中，能量不僅可以保障設備的正常運行，而且可以根據能量的消耗情況來監測工作節點是否遭遇安全攻擊，從而判斷物聯網源數據的可信性.事實上，通過分析傳感器、通信活動和計算活動對耗能的影響，建立傳感網絡能量消耗模型并計算出節點信任度，是當前源數據可信性的研究方法之一[4-7].融合能量信任和數據信任對源數據可信性進行研究的文獻比較少.基于此，本研究探索了能量對源數據信任值的影響，并提出了包含能量因子在內的適于邊緣計算的物聯網感知源數據信任評估模型.

1 感知源信任值評估模型的設計

物聯網中影響感知源可靠性的因素較多，從技術層面上可以分為通信、能量和傳感器老化等.考慮到局域網內通信情況較好，本研究不將通信因素作為感知源信任值的評價因子.

1.1 模型中信任的含義

一般來說，系統的可信性是一個綜合的概念，包含可靠性、安全性、容錯性、可用性、聲譽、風險和服務質量等.本研究中的信任是指信任的程度，其取值區間為[0，1]，即物聯網中傳感器能正確采集到信息的程度，它反映了傳感器的工作狀態.本研究擬在負責數據融合與轉發的中繼器中對其所轄的傳感器進行信任值的計算.顯然傳感器的信任值越大，其采集到的數據可靠性就越高.當傳感器的信任值低于設定值時，中繼器將舍去該傳感器采集到的數據，從而保證后臺系統所獲得的數據是可靠的.當信任值分別為0和1時，分別表示傳感器處于不可信和完全可信2種極端狀態.同時，本研究通過直接信任、能量信任和同行信任的信任值進行評價.直接信任和能量信任是通過傳感器自身的實時數據、歷史數據和能量消耗進行信任評價，而同行信任是間接信任，通過比較傳感器與其他采集數據來進行信任值評價.

1.2 重要定義

本研究以物聯網數據中繼器和其連接的傳感器作為評測單位，對傳感源的信任值進行評價.每個評測單位包括多個工作節點，工作節點用來采集信息.物聯網中常常用多個傳感器完成相同的任務，即多個傳感器對同一對象進行數據采集.本研究探討的模型采用的幾個重要定義：

定義1 評測單位.它由數據采集器和連接的傳感器組成，是傳感器源數據信任評價的基本單位.

定義2 工作節點.在正常頻率下用于感知環境信息的傳感器.

定義3 同行節點.對于具體的工作節點而言，與它完成相同監測任務且在同一評測單位內的其他工作節點，都被稱為同行節點.

1.3 直接信任值的計算方法

工作節點按其固有的頻率采集數據(記為rdata)，并傳送給中繼節點.中繼節點按業務的需要保存工作節點中多個過時的數據，即歷史數據.令avedata為工作節點中多個歷史數據的平均值(具體采用的歷史數據的個數，可以根據情況現場設置).不失一般性，正常情況下工作節點采集到的數據具有平穩性，沒有忽高忽低的情況.假設limdata是工作節點當前感知數據和歷史數據之差的上限.

令，

x=|rdata-avedata|

則，工作節點的直接信任值Tdata(初值為1)計算方法如式(1)所示，

(1)

式中，α為經驗值，是傳感數據允許的誤差值，取值大于0.Tdata初值為1，0≤Tdata≤1.

1.4 能量信任值的計算方法

當工作節點的工作環境惡劣或遭受安全攻擊時，其能量消耗就會增加，因此能量消耗越多，則工作節點能量信任值就越低.當工作節點被攻擊后，也可能拒絕服務，因此，當工作節點的能量消耗過低時，其能量信任值也越低.

設工作節點安裝時的能量值記為Efull，它能正常工作的最小能量值記為Emin，剩余能量值記為Eres，則工作節點能量信任值Ten可以根據式(2)計算，

(2)

式中，β為經驗值，是能量數據允許的誤差值，大于0.Ten初值為1，0≤Ten≤1.

1.5 同行推薦信任值的計算方法

物聯網中，往往存在多個傳感器對同一信息進行采集.設同一評測單位有n個工作節點執行相同任務，即采集同一信息，記為工作節點集{N1,N2,…,Nn}.為便于說明，不妨設節點Nn為待評估節點，則{N1,N2,…,Nn-1}是其同行節點集.

令，

則，第j個同行節點對節點Nn的推薦信任值Trj由式(3)計算而得.

(3)

式中，γ為經驗值，是允許的誤差值，取值大于0，Trj初值為1，0≤Trj≤1.

則，對于工作節點Nn，它的n-1個同行對其推薦信任值Trec計算由式(4)而得.

(4)

式中，α為經驗值，是傳感數據允許的誤差值，取值大于0.Tdata初值為1，0≤Tdata≤1.

1.6 綜合信任值的計算方法

工作節點的綜合信任值Tc是直接信任值、能量信任值和同行信任值的加權平均值，由式(5)計算而得.

Tc=δ1×Tdata+δ2×Ten+δ3×Trec

(5)

式中，0<δi<1,i=1,2,3，為權重因子，根據經驗調整，需要滿足，δ1+δ2+δ3=1.Tdata、Ten、Trec與Tc初值均為1.

1.7 報警原理

2 仿真實驗及分析

仿真實驗中，本研究設定了5個工作節點.表1中的各常量和閾值取于日常經驗.

表1 信任評價模型常量取值表

圖1描述了工作節點正常工作時，能量對綜合信任值的影響.從圖1可以看出，在直接信任和同行信任值不變的情況下，綜合信任值隨著能量信任值的變化而變化，當能量信任值增加時，綜合信任值也隨之增加.相反，當能量信任值減小時，綜合信任值也隨之減小.在同等條件下，無能量信任值和有能量信任值相比，綜合信任值明顯減小.由此可知，能量信任值對綜合信任值影響顯著.

圖2描述了工作節點正常工作和發生異常時，綜合信任值的變化情況.當工作節點未發生異常時，綜合信任值的波動保持相對穩定狀態.而當工作節點發現異常時，綜合信任值波動幅度較大.從圖2中可以看出，當直接信任值和能量信任值分別為0和同時為0時，綜合信任值急劇減小，從而可以判斷出工作節點出現異常，此時采集到的數據不可靠，同時觸發報警.

圖3展示了不同加權因子對綜合信任值計算的影響.為了保證計算結果的準確性，本研究進行了3組對照實驗.每組實驗保證直接信任值、同行信任值和能量信任值不變，通過改變加權因子來觀察綜合信任的變化情況.從圖3可以看出，綜合信任值隨加權因子的變化而波動.不同的物聯網應用可以根據自身對直接信任值、能量信任值和同行信任值的重視程度，設置不同的加權系數.

圖2 工作節點正常與異常工作時綜合信任值的變化情況

圖3 不同加權因子對綜合信任值的影響

3 結 語

本研究提出了一種從物聯網源頭入手評價數據可信性的模型，從評測區中感知節點自身數據和同行節點數據及結合能量機制分別設計了直接信任值、同行推薦信任值和能量信任值的計算方法，并通過加權平均值計算出綜合信任值.本研究實現了對感知源數據可信性的評價，并由此可以提前預測感知節點是否受到人為攻擊或受環境侵蝕，從而提供預警.下一步的研究是進一步優化模型，并采用相似度對比方法來提高精度.