物联网感知源数据可信性评估模型研究

吴 戈， 黎忠文， 黎 通， 陈二阳， 江 丹(．成都大学 信息科学与工程学院， 四川 成都 6006； .成都实验外国语学校 西区, 四川 成都 603)

0 引 言

随着物联网、云计算和移动互联网技术的飞速发展，传感网络越来越深入到各方面.由于传感设备常常部署在无人值守或恶劣环境中，节点很容易遭受物理攻击，从而导致源头数据的无效[1].众所周知，源头数据是后台专家决策系统进行决策的依据，直接影响各类智慧系统的可靠性，因此评测和保障这些源头数据本身的可信性至关重要.近年来，感知源数据的可信性问题成为了该领域的研究热点.主流研究通常是在感知源构建信任评估模型，通过计算工作节点之间的直接信任、单元推荐信任、监督信任及用户行为等计算物联网源数据的综合信任值，实现对感知源的信任值评估[1-3].然而，基于感知源的信任评估模型虽然在一定程度上保障了数据源头的可靠性，但没有考虑能量对数据源的影响.在物联网络中，能量不仅可以保障设备的正常运行，而且可以根据能量的消耗情况来监测工作节点是否遭遇安全攻击，从而判断物联网源数据的可信性.事实上，通过分析传感器、通信活动和计算活动对耗能的影响，建立传感网络能量消耗模型并计算出节点信任度，是当前源数据可信性的研究方法之一[4-7].融合能量信任和数据信任对源数据可信性进行研究的文献比较少.基于此，本研究探索了能量对源数据信任值的影响，并提出了包含能量因子在内的适于边缘计算的物联网感知源数据信任评估模型.

1 感知源信任值评估模型的设计

物联网中影响感知源可靠性的因素较多，从技术层面上可以分为通信、能量和传感器老化等.考虑到局域网内通信情况较好，本研究不将通信因素作为感知源信任值的评价因子.

1.1 模型中信任的含义

一般来说，系统的可信性是一个综合的概念，包含可靠性、安全性、容错性、可用性、声誉、风险和服务质量等.本研究中的信任是指信任的程度，其取值区间为[0，1]，即物联网中传感器能正确采集到信息的程度，它反映了传感器的工作状态.本研究拟在负责数据融合与转发的中继器中对其所辖的传感器进行信任值的计算.显然传感器的信任值越大，其采集到的数据可靠性就越高.当传感器的信任值低于设定值时，中继器将舍去该传感器采集到的数据，从而保证后台系统所获得的数据是可靠的.当信任值分别为0和1时，分别表示传感器处于不可信和完全可信2种极端状态.同时，本研究通过直接信任、能量信任和同行信任的信任值进行评价.直接信任和能量信任是通过传感器自身的实时数据、历史数据和能量消耗进行信任评价，而同行信任是间接信任，通过比较传感器与其他采集数据来进行信任值评价.

1.2 重要定义

本研究以物联网数据中继器和其连接的传感器作为评测单位，对传感源的信任值进行评价.每个评测单位包括多个工作节点，工作节点用来采集信息.物联网中常常用多个传感器完成相同的任务，即多个传感器对同一对象进行数据采集.本研究探讨的模型采用的几个重要定义：

定义1 评测单位.它由数据采集器和连接的传感器组成，是传感器源数据信任评价的基本单位.

定义2 工作节点.在正常频率下用于感知环境信息的传感器.

定义3 同行节点.对于具体的工作节点而言，与它完成相同监测任务且在同一评测单位内的其他工作节点，都被称为同行节点.

1.3 直接信任值的计算方法

工作节点按其固有的频率采集数据(记为rdata)，并传送给中继节点.中继节点按业务的需要保存工作节点中多个过时的数据，即历史数据.令avedata为工作节点中多个历史数据的平均值(具体采用的历史数据的个数，可以根据情况现场设置).不失一般性，正常情况下工作节点采集到的数据具有平稳性，没有忽高忽低的情况.假设limdata是工作节点当前感知数据和历史数据之差的上限.

令，

x=|rdata-avedata|

则，工作节点的直接信任值Tdata(初值为1)计算方法如式(1)所示，

(1)

式中，α为经验值，是传感数据允许的误差值，取值大于0.Tdata初值为1，0≤Tdata≤1.

1.4 能量信任值的计算方法

当工作节点的工作环境恶劣或遭受安全攻击时，其能量消耗就会增加，因此能量消耗越多，则工作节点能量信任值就越低.当工作节点被攻击后，也可能拒绝服务，因此，当工作节点的能量消耗过低时，其能量信任值也越低.

设工作节点安装时的能量值记为Efull，它能正常工作的最小能量值记为Emin，剩余能量值记为Eres，则工作节点能量信任值Ten可以根据式(2)计算，

(2)

式中，β为经验值，是能量数据允许的误差值，大于0.Ten初值为1，0≤Ten≤1.

1.5 同行推荐信任值的计算方法

物联网中，往往存在多个传感器对同一信息进行采集.设同一评测单位有n个工作节点执行相同任务，即采集同一信息，记为工作节点集{N1,N2,…,Nn}.为便于说明，不妨设节点Nn为待评估节点，则{N1,N2,…,Nn-1}是其同行节点集.

令，

则，第j个同行节点对节点Nn的推荐信任值Trj由式(3)计算而得.

(3)

式中，γ为经验值，是允许的误差值，取值大于0，Trj初值为1，0≤Trj≤1.

则，对于工作节点Nn，它的n-1个同行对其推荐信任值Trec计算由式(4)而得.

(4)

式中，α为经验值，是传感数据允许的误差值，取值大于0.Tdata初值为1，0≤Tdata≤1.

1.6 综合信任值的计算方法

工作节点的综合信任值Tc是直接信任值、能量信任值和同行信任值的加权平均值，由式(5)计算而得.

Tc=δ1×Tdata+δ2×Ten+δ3×Trec

(5)

式中，0<δi<1,i=1,2,3，为权重因子，根据经验调整，需要满足，δ1+δ2+δ3=1.Tdata、Ten、Trec与Tc初值均为1.

1.7 报警原理

2 仿真实验及分析

仿真实验中，本研究设定了5个工作节点.表1中的各常量和阈值取于日常经验.

表1 信任评价模型常量取值表

图1描述了工作节点正常工作时，能量对综合信任值的影响.从图1可以看出，在直接信任和同行信任值不变的情况下，综合信任值随着能量信任值的变化而变化，当能量信任值增加时，综合信任值也随之增加.相反，当能量信任值减小时，综合信任值也随之减小.在同等条件下，无能量信任值和有能量信任值相比，综合信任值明显减小.由此可知，能量信任值对综合信任值影响显著.

图2描述了工作节点正常工作和发生异常时，综合信任值的变化情况.当工作节点未发生异常时，综合信任值的波动保持相对稳定状态.而当工作节点发现异常时，综合信任值波动幅度较大.从图2中可以看出，当直接信任值和能量信任值分别为0和同时为0时，综合信任值急剧减小，从而可以判断出工作节点出现异常，此时采集到的数据不可靠，同时触发报警.

图3展示了不同加权因子对综合信任值计算的影响.为了保证计算结果的准确性，本研究进行了3组对照实验.每组实验保证直接信任值、同行信任值和能量信任值不变，通过改变加权因子来观察综合信任的变化情况.从图3可以看出，综合信任值随加权因子的变化而波动.不同的物联网应用可以根据自身对直接信任值、能量信任值和同行信任值的重视程度，设置不同的加权系数.

图2 工作节点正常与异常工作时综合信任值的变化情况

图3 不同加权因子对综合信任值的影响

3 结 语

本研究提出了一种从物联网源头入手评价数据可信性的模型，从评测区中感知节点自身数据和同行节点数据及结合能量机制分别设计了直接信任值、同行推荐信任值和能量信任值的计算方法，并通过加权平均值计算出综合信任值.本研究实现了对感知源数据可信性的评价，并由此可以提前预测感知节点是否受到人为攻击或受环境侵蚀，从而提供预警.下一步的研究是进一步优化模型，并采用相似度对比方法来提高精度.