CN109474463A - IoT边缘设备信任评估方法、装置、***及代理服务器 - Google Patents

Abstract

本发明公开了一种IoT边缘设备信任评估方法，采用时间窗口方法根据设备在过去时间周期内的信任值得到当前周期内的预测信任值，由于信任具有时间相关性，预测信任值在一定程度上划定了当前信任值的可能范围，将收到的实际信任值与预测信任值的差值与误差阈值进行比较，判断交互的信任值是否可信，若不可信，通过实行惩罚制度对信任值进行修正，修正后再进行反馈信任的聚合计算，可以得到一个更为可靠的整体信任值，避免了虚假反馈、恶意攻击和串通作弊等恶意行为造成的恶意评价，提高整体信任的可靠性及***的安全性。本发明还公开了一种IoT边缘设备信任评估装置、一种边缘代理服务器及一种IoT边缘设备信任评估***，具有上述有益效果。

Description

IoT边缘设备信任评估方法、装置、***及代理服务器

技术领域

本发明涉及物联网领域，特别涉及一种IoT边缘设备信任评估方法、一种IoT边缘设备信任评估装置、一种边缘代理服务器及一种IoT边缘设备信任评估***。

背景技术

物联网与边缘计算的集成是当前研究的热点之一，边缘计算服务可以显著减少需要传输的数据量，减少网络延迟更快地响应服务请求。由于物联网边缘设备之间缺乏信任，妨碍了人们将物联网边缘计算作为外包计算服务。所以需要使用可靠的、轻量级的信任机制保证服务质量协作行为和建立物联网边缘设备之间的可靠信任。

目前基于反馈的信任计算机制的物联网边缘计算体系结构如图1所示：主要包括网络层、代理层和设备层。网络层采用传统的云计算平台，代理层用来监视物联网设备的服务行为并对来自物联网设备的反馈进行聚合，降低了在设备层的信任计算开销。设备层主要是在服务协作过程中，将相互评估的信任值提交给代理。而一个设备的整体信任包括设备之间的直接信任、来自其他边缘设备的反馈信任以及来自服务代理的反馈信任。且信任计算完全由代理层和设备层完成，不需要中央网络的参与。对于目前的网络带宽和可靠性，在网络边缘进行信任计算可以获得较短的响应时间，较高的执行效率和较小的网络负载压力。

现有的解决物联网边缘设备之间的信任问题主要是通过设备间的直接信任和代理对设备的客观评级进行聚合得到设备的整体信任，以此来建立有效的信任机制。在拥有物联网边缘设备的环境中，如果两个设备之间进行服务协作，其中一个设备向其代理发送合作者的信任值请求。由于物联网中各种安全风险和攻击，物联网边缘设备正遭受着虚假反馈、恶意攻击和串通作弊等各种恶意行为，所以设备间的直接信任以及代理收到来自设备层其他设备的所有反馈可能存在虚假的信任值，从而使得在代理层聚合计算后得到的反馈信任存在一定误差并影响了设备整体信任的计算，整体信任准确率低，影响***安全性及可靠性。

因此，如何在信任机制中的提高边缘设备的评价的可信度，提高物联网边缘设备环境的安全性及可靠性，是本领域技术人员需要解决的技术问题。

发明内容

本发明的目的是提供一种IoT边缘设备信任评估方法，该方法可以对边缘设备信任值的检测判断，并对来自不可信设备的信任值通过惩罚制度对其信任值进行修正，以此来应对虚假反馈、恶意攻击和串通作弊等恶意行为，从而提高整体信任的准确性和***的安全可靠性；本发明的另一目的是提供一种IoT边缘设备信任评估装置、一种边缘代理服务器及一种IoT边缘设备信任评估***。

为解决上述技术问题，本发明提供一种IoT边缘设备信任评估方法，包括：

边缘代理服务器接收到对第一设备的信任值请求时，筛选出当前与所述第一设备交互的边缘设备，得到第二设备；

向所述第二设备发送第一设备信任值计算指令；

根据存储的历史信任值预测所述第二设备对所述第一设备的信任值，得到预测信任值；

计算接收到的实际信任值与对应的预测信任值的差值；

对所述差值与误差阈值进行大小比较，并根据比较结果将所述直接信任值划分为异常信任值以及正常信任值；

通过惩罚机制对所述异常信任值进行修正，得到修正后的信任值；

将所述修正后的信任值与所述正常信任值进行聚合，得到反馈信任值；

将所述反馈信任值反馈至请求发起方，以便所述请求发起方将所述反馈信任值与自身对所述第一设备评估得到的直接信任值进行融合计算，得到所述第一设备的整体信任值。

优选地，根据存储的历史信任值预测所述第二设备对所述第一设备的信任值，包括：

筛选出预设时间周期跨度内所述第二设备对所述第一设备的信任值，得到历史信任值；

计算所述历史信任值的平均值，将计算得到的平均值作为预测信任值。

优选地，所述直接信任值的计算方法包括：

获取预设时间内两设备交互过程中对方完成请求任务能力正面评分的总数以及负面评分的总数；其中，所述正面评分以及所述负面评分为交互双方对对方的服务质量评分得到；

统计所述正面评分的总数占所述正面评分以及所述负面评分的总数的比例，得到直接信任值。

优选地，所述误差阈值的计算方法包括：

当表示设备d_i与d_j之间Δt时间内的直接信任值，n为时间周期跨度时，按照阈值计算公式进行误差阈值的计算，得到误差阈值；

其中，所述阈值计算公式具体为：

优选地，请求发起方将所述反馈信任值与自身对所述第一设备评估得到的直接信任值进行融合计算，包括：

获取预先设定的直接信任以及反馈信任对应的权重因子，得到直接权重以及反馈权重；

对所述直接信任值与所述直接权重的乘积值以及所述反馈信任值与所述反馈权重的乘积值求和，得到整体信任值。

优选地，所述权重因子的确定方法包括：

当为在Δt时间内设备d_i对d_j完成请求任务能力负面评分的总数时，根据因子计算公式进行计算，将得到的数据作为直接权重；

计算1与所述直接权重的差值，将得到的结果作为反馈权重；

其中，所述因子计算公式具体为：

优选地，通过惩罚机制对所述异常信任值进行修正，包括：

当为在Δt时间内设备d_i对d_j完成请求任务能力负面评分的总数，表示设备d_i与d_j之间Δt时间内的直接信任值时，根据修正公式对异常信任值进行修正，得到修正后的信任值；

其中，所述修正公式具体为：其中β为修正因子，

本发明公开一种IoT边缘设备信任评估装置，包括：

边缘设备筛选单元，用于接收到对第一设备的信任值请求时，筛选出当前与所述第一设备交互的边缘设备，得到第二设备；

计算指令发送单元，用于向所述第二设备发送第一设备信任值计算指令；

信任预测单元，用于根据存储的历史信任值预测所述第二设备对所述第一设备的信任值，得到预测信任值；

差值计算单元，用于计算接收到的实际信任值与对应的预测信任值的差值；

差值比较单元，用于对所述差值与误差阈值进行大小比较，并根据比较结果将所述直接信任值划分为异常信任值以及正常信任值；

异常修正单元，用于通过惩罚机制对所述异常信任值进行修正，得到修正后的信任值；

反馈信任聚合单元，用于将所述修正后的信任值与所述正常信任值进行聚合，得到反馈信任值；

反馈信任发送单元，用于将所述反馈信任值反馈至请求发起方，以便所述请求发起方将所述反馈信任值与自身对所述第一设备评估得到的直接信任值进行融合计算，得到所述第一设备的整体信任值。

本发明公开一种边缘代理服务器，包括：

存储器，用于存储程序；

处理器，用于执行所述程序时实现所述IoT边缘设备信任评估方法的步骤。

本发明公开一种IoT边缘设备信任评估***，包括：

请求发起方，用于向边缘代理服务器发送对第一设备的信任值请求；根据与自身第一设备的交互情况计算对第一设备的信任值，得到对第一设备的直接信任值；接收到反馈信任值时，将所述反馈信任值与所述直接信任值进行融合计算，得到所述第一设备的整体信任值；

边缘代理服务器，用于接收到对第一设备的信任值请求时，筛选出当前与所述第一设备交互的边缘设备，得到第二设备；向所述第二设备发送第一设备信任值计算指令；根据存储的历史信任值预测所述第二设备对所述第一设备的信任值，得到预测信任值；计算接收到的实际信任值与对应的预测信任值的差值；对所述差值与误差阈值进行大小比较，并根据比较结果将所述直接信任值划分为异常信任值以及正常信任值；通过惩罚机制对所述异常信任值进行修正，得到修正后的信任值；将所述修正后的信任值与所述正常信任值进行聚合，得到反馈信任值；将所述反馈信任值反馈至请求发起方；

第二设备，用于接收到所述第一设备信任值计算指令时，根据与第一设备的交互情况计算对第一设备的信任值，得到实际信任值；向所述边缘代理服务器返回所述实际信任值。

本发明所提供的IoT边缘设备信任评估方法，在基于反馈的信任计算机制的物联网边缘计算体系结构下，采用时间窗口方法根据设备在过去时间周期内的信任值得到当前周期内的预测信任值，由于信任具有时间相关性，预测信任值在一定程度上划定了当前信任值的可能范围，将当前收到的实际信任值与预测信任值的差值与设定的误差阈值进行比较，判断信息交互中交互的信任值是否可信，若为不可信设备的信任值，通过实行惩罚制度对信任值进行修正，以实现对不信任设备的标定，修正后再进行反馈信任的聚合计算，可以得到一个更为可靠的整体信任值，避免了虚假反馈、恶意攻击和串通作弊等恶意行为造成的恶意评价，可以提高整体信任的可靠性及***的安全性。此外，本实施例提供的IoT边缘设备信任评估方法还可以应用于推荐***中的信任计算，实现设备的准确推荐，提升工作效率。

本发明还提供了一种IoT边缘设备信任评估装置、一种边缘代理服务器及一种IoT边缘设备信任评估***，具有上述有益效果，在此不再赘述。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为现有基于云平台信任计算机制的可信的物联网边缘计算架构示意图；

图2为本发明实施例提供的一种IoT边缘设备信任评估方法的信令图；

图3为本发明实施例提供的一种信任值预测原理图；

图4为本发明实施例提供的一种边缘设备d₁、d₂、d₃、d₄边缘设备交互示意图；

图5为本发明实施例提供的一种IoT边缘设备信任评估装置的结构框图；

图6为本发明实施例提供的一种边缘代理服务器的结构示意图；

图7为本发明实施例提供的一种IoT边缘设备信任评估***的结构框图。

具体实施方式

本发明的核心是提供一种IoT边缘设备信任评估方法，该方法可以对边缘设备信任值的检测判断并对来自不可信设备的信任值通过惩罚制度对其信任值进行修正，以此来应对虚假反馈、恶意攻击和串通作弊等恶意行为，从而提高整体信任的准确性和***的安全可靠性；本发明的另一核心是提供一种IoT边缘设备信任评估装置、一种边缘代理服务器及一种IoT边缘设备信任评估***。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为现有基于云平台信任计算机制的可信的物联网边缘计算架构示意图，该架构主要包括三层：网络层、代理层和设备层。比如设备D_i向其代理请求D_j的信任值，该信任值主要来自设备D_i与设备D_j之间的直接信任以及代理将其他多个设备关于D_j的信任值进行聚合后的反馈信任值。D_i将直接信任与反馈信任融合计算得到D_j的整体信任。这种信任计算机制可以在进行交互前了解交互设备的受信任情况，有效性地减少网络风险，具有较高的可靠性。

但是由于物联网中各种安全风险和攻击，物联网边缘设备正遭受着虚假反馈、恶意攻击和串通作弊等各种恶意行为，设备间的直接信任以及代理收到来自设备层其他设备的所有反馈可能存在虚假的信任值，影响了设备整体信任的计算。本申请提供的IoT边缘设备信任评估方法可以对边缘设备信任值的检测判断并对来自不可信设备的信任值通过惩罚制度对其信任值进行修正，以此来应对虚假反馈、恶意攻击和串通作弊等恶意行为，从而提高整体信任的准确性和***的安全可靠性。

本申请中物联网架构现有架构基本相同，本实施例中以图1所示架构进行介绍，图2为本实施例提供的一种IoT边缘设备信任评估方法的信令图；该方法主要包括：

步骤s111、请求发起方向边缘代理服务器发送对第一设备的信任值请求。

其中，请求发起方与第一设备均为边缘设备。在请求发起方需要与第一设备进行交互时，或者请求发起方需要对交互设备进行筛选等情况下，想要获取边缘设备的受信任程度，即向所属的边缘代理服务器发送对该设备的信任值请求。

对第一设备的信任值主要包括其它设备对第一设备的反馈信任值以及请求发起方对第一设备的直接信任值，融合后即可得到对第一设备的整体信任值。

步骤s121、边缘代理服务器筛选出当前与第一设备交互的边缘设备，得到第二设备。

当然，也可以考虑以往曾经与第一设备交互过的设备对第一设备信任值的影响，对以往交互中产生的信任值分配一定的权重进行第一设备整体信任值的计算，本实施例中对该种情况不做限定。

步骤s121、边缘代理服务器向第二设备发送第一设备信任值计算指令。

步骤s131、第二设备根据与第一设备的交互情况计算对第一设备的信任值，得到实际信任值。

各个第二设备在接收到指令后根据距离当前一段时间内与第二设备的交互情况对第一设备完成任务的情况对第二设备进行直接信任值的计算。

本实施例中对直接信任值的计算过程不做限定(包括各个第二设备对第一设备直接信任值的计算以及请求发起方对第一设备直接信任值的计算)，可以参照现有的直接信任值的计算方法。

其中，优选地，可以获取预设时间内两设备交互过程中对方完成请求任务能力正面评分的总数以及负面评分的总数；其中，正面评分以及负面评分为交互双方对对方的服务质量评分得到；统计正面评分的总数占正面评分以及负面评分的总数的比例，得到直接信任值。

具体地，假定为在Δt时间内设备d₁对d₂完成请求任务能力正面评分的总数，为在Δt时间内设备d₁对d₂完成请求任务能力负面评分的总数，直接信任值可以参照下述公式来计算，直接信任值：

在此仅以上述直接信任值的计算方式为例进行介绍，其它计算方式在此不做赘述。

步骤s132、第二设备向边缘代理服务器返回实际信任值。

步骤s123、边缘代理服务器根据存储的历史信任值预测第二设备对第一设备的信任值，得到预测信任值。

随着物联网边缘设备环境中的网络攻击频率不断增加，边缘设备可能受到恶意设备的攻击，信任值会发生改变，可能会出现在进行服务协作过程中不可信设备将虚假的信任值提供给边缘层的代理，如果在代理层不对这些来自设备层的信任值进行判断，会最终导致得到一个不可靠的整体信任。

由于信任具有时间相关性，基于反馈的信任计算机制的物联网边缘计算体系结构的情况下，为避免虚假反馈、恶意攻击和串通作弊等恶意行为造成的恶意评价，本实施例中利用时间窗口方法根据设备在过去时间周期内的信任值得到当前周期内的信任预测值，将得到的实际信任值与信任预测值的差值与设定的误差阈值进行比较，判断进行交互的过程中信任值是否可信，实现对边缘设备信任值的检测判断，如果误差较大，则证明该设备不可信，对于不可信设备的信任值通过实行惩罚制度对其信任值进行修正，以此来应对虚假反馈、恶意攻击和串通作弊等恶意行为，提高***的安全及可靠性。

由于信任的时间相关性，可以取若干个距离当前周期最近的时间周期内的历史信任值进行信任值的预测，在此对根据获取的历史信任值进行信任值预测的具体过程不做限定，其中，优选地，可以筛选出预设时间周期跨度内第二设备对第一设备的信任值，得到历史信任值；计算历史信任值的平均值，将计算得到的平均值作为预测信任值。平均值既可以反映该设备目前的常规信任值情况，若某一次信任值与平均值差别较大时，出现异常的可能性较大，可以以平均值作为评判标准，而且平均值的计算过程简单快速。当然，也可以选用其他计算方式进行预测值的计算过程，比如将按照逐渐变大的权重与间隔逐渐接近的历史信任值相乘，权重总和为1等，在此对具体的预测信任值的计算过程不做限定，可以自行设定。

在此以平均值为例进行介绍，信任值预测原理图如图3所示。

表示t时刻设备d_i对d_j的信任预测值。

表示t时刻设备d_i对d_j的实际信任值。

设时间周期跨度为n(n的值一般取距离当前最近的几个时刻，比如n可以取3)，当预测t时刻的信任值时，提取t-1，t-2,.....t-n时刻的信任值计算

步骤s124、边缘代理服务器计算接收到的实际信任值与对应的预测信任值的差值。

步骤s125、边缘代理服务器对差值与误差阈值进行大小比较，并根据比较结果将直接信任值划分为异常信任值以及正常信任值。

将实际信任值与预测信任值的差值与设定的误差阈值进行比较，得到可靠的信任值可以提高整体信任值的可靠程度，若差值大于误差阈值，判定该差值对应的直接信任值为异常信任值；若某差值不大于误差阈值，判定该差值对应的直接信任值为正常信任值。

异常信任值表示该信任值与历史中记录的信任值出入较大，可能在传输过程中存在避免虚假反馈、恶意攻击和串通作弊等恶意行为，需要对该信任值进行修正后再利用其进行反馈信任值的计算。正常信任值表示该信任值与历史极力中的信任值相差无几，判定可信，可以直接利用该信任值进行反馈信任值的计算。

具体的误差阈值的设定不做限定，误差阈值可以根据多设备的交互情况统计后设定固定的值，也可以根据贴合设备信任值的变化情况进行相应的浮动设定，可以不同设备设定统一的误差阈值，也针对不同的设备设置对应的误差阈值(比如统计一段时间内的信任值的变化情况进行误差阈值的设定)等，可以根据需求自动设定。

其中，优选地，当表示设备d_i与d_j之间Δt时间内的直接信任值，n为时间周期跨度时，可以按照阈值计算公式进行误差阈值的计算，得到误差阈值；

其中，阈值计算公式具体为：

通过上述方式确定的误差阈值更贴合实际信任值的变化情况，尽量避免误检的情况，提高整体信任值极端的准确度。

步骤s126、边缘代理服务器通过惩罚机制对异常信任值进行修正，得到修正后的信任值。

将当前收到的实际信任值与对应的信任预测值的差值与设定的误差阈值ε进行比较，判断信任值是否可信，若为不可信设备的信任值，通过实行惩罚制度对信任值进行修正后再进行反馈信任的聚合计算。

对异常信任值的修正方法不做限定，可以设置在得到的信任值上减少预设值(比如一旦检测到为异常信任值时，对信任值减10)，或者也可以根据以往该设备的受信任程度以及本次实际信任值与预测值的差值进行相应的修正(比如设定对该设备信任值-实际信任值与预测值的差值/2)

其中，优选地，当为在Δt时间内设备d_i对d_j完成请求任务能力负面评分的总数，表示设备d_i与d_j之间Δt时间内的直接信任值时，可以根据修正公式对异常信任值进行修正，得到修正后的信任值；

其中，修正公式具体为：其中β为修正因子，

经试验，通过上述修正方式不仅考虑到信任值的异常程度，而且根据以往设备的受信任程度进行修正，若以往交互中设备出现作假现象，则信任值减少程度较多，以避免不信任设备的选用。

步骤s127、边缘代理服务器将修正后的信任值与正常信任值进行聚合，得到反馈信任值。

反馈信任值的聚合方式可以参照现有的聚合方式，其中，优选地，可以通过信息熵理论聚合计算得到反馈信任，通过信息熵理论进行聚合的方式可以充分考虑到各信任值的重要程度，实现设备信任情况的高效统计。

例如，边缘代理服务器b₁，b₁将设备d₃，d₄与设备d₂交互产生的直接信任值和直接通过信息熵理论聚合计算得到反馈信任。反馈信任的计算可以参照下述公式：

其中W_i为权重因子，E_i为信任值的信息熵。

步骤s128、边缘代理服务器将反馈信任值反馈至请求发起方。

步骤s112、请求发起方将反馈信任值与自身对第一设备评估得到的直接信任值进行融合计算，得到第一设备的整体信任值。

实际信任值融合直接信任值以及反馈信任值，可以对设备的任务相应情况进行全面评价，具体地信任值的融合过程不做限定，优选地，可以为直接信任值与反馈信任值分别分配一定的权重，将信任值与对应的权重相乘，得到整体信任。其中权重的具体分配不做限定，可以根据各设备之前的受信任程度进行设定，比如设备完成请求任务能力高则设定大权重，低则设定小权重等；另外直接信任值反映信任值请求方与信任值被请求方之前交互过程的信任情况，可以设定直接信任值的权重略大于反馈信任值。优选地，采用前者进行权重的设置可以更合理地反映不同设备受信任程度，根据不同设备的信任程度确定权值时可以得到更准确的融合信任值

权重因子的确定方法具体为：当为在Δt时间内设备d_i对d_j完成请求任务能力负面评分的总数时，根据因子计算公式进行计算，将得到的数据作为直接权重；计算1与直接权重的差值，将得到的结果作为反馈权重；其中，因子计算公式具体为：

在此以设备d₁将直接信任与反馈信任进行融合计算，获得d₂的整体信任为例。整体信任值的计算可以为：其中ω为权重因子，为在Δt时间内设备d_i对d_j完成请求任务能力负面评分的总数。在此仅以上述数据融合方法为例进行介绍，其它数据融合方法均可参照上述介绍。

经试验，在使用相同的体系架构条件下，应用本实施例提供的方法对信任值进行预测和设置相应的误差阈值，能够提高整体信任的准确性，使物联网边缘设备之间的服务协作更加可靠。

基于上述介绍，本实施例提供的IoT边缘设备信任评估方法，在基于反馈的信任计算机制的物联网边缘计算体系结构下，采用时间窗口方法根据设备在过去时间周期内的信任值得到当前周期内的预测信任值，由于信任具有时间相关性，预测信任值在一定程度上划定了当前信任值的可能范围，将当前收到的实际信任值与预测信任值的差值与设定的误差阈值进行比较，判断信息交互中交互的信任值是否可信，若为不可信设备的信任值，通过实行惩罚制度对信任值进行修正，以实现对不信任设备的标定，修正后再进行反馈信任的聚合计算，可以得到一个更为可靠的整体信任值，避免了虚假反馈、恶意攻击和串通作弊等恶意行为造成的恶意评价，可以提高整体信任的可靠性及***的安全性。此外，本实施例提供的IoT边缘设备信任评估方法还可以应用于推荐***中的信任计算，实现设备的准确推荐，提升工作效率。

为加深对本发明提供的IoT边缘设备信任评估方法的理解，假定边缘设备包括d₁、d₂、d₃、d₄、d₅，其中，设备d₁想要获得设备d₂的整体信任值，d₃与d₄当前与d₂处于交互状态，d₅当前与d₂无交互，本实施例以上述情况为例对整体流程进行介绍，边缘设备d₁、d₂、d₃、d₄边缘设备交互示意图如图4所示，信任评估过程主与要包括以下步骤：

设备d₁想要获得设备d₂的整体信任值，向其边缘代理服务器发送请求。

边缘代理服务器接收到请求后经过设备信息筛选，发现d₃、d₄正在处于与设备d₂的交互状态。

设备d₁以及d₃、d₄根据与d₂进行的交互情况，分别计算各自产生的直接信任值设备d₁、d₃、d₄将该信任值反馈给边缘代理服务器，此时边缘代理服务器收到的实际信任值就是设备d₁、d₃、d₄对d₂的直接信任值

边缘代理服务器根据设备d₃、d₄对d₂反馈来的历史信任其中n为时间周期跨度，分别计算各自关于设备d₂的预测信任值

将收到的实际信任值分别计算与各自的预测信任值的差值，与设定的误差阈值进行比较，以此来判断收到的实际信任值是否为可信的信任值，若不在误差阈值范围内，则对该设备的信任值进行修正。信任值的修正规则为：

修正后的信任值：其中β为修正因子，

为在Δt时间内负面评分的总数。其中i＝[3,4],i∈Z,j＝2。

边缘代理服务器将修正后的信任值其中i＝[3,4],i∈Z。进行聚合计算得到反馈信任并发送给设备d₁，而该反馈信任主要是设备d₃、d₄对d₂的信任值。

设备d₁将收到来自边缘代理服务器的反馈信任与自己关于设备d₂的直接信任值进行融合计算，得到设备d₂的整体信任值

随着物联网边缘设备环境中的网络攻击频率不断增加，边缘设备可能受到恶意设备的攻击，信任值会发生改变。在进行服务协作过程中不可信设备将虚假的信任值提供给边缘层的代理。如果在代理层不对这些来自设备层的信任值进行判断，会最终导致得到一个不可靠的整体信任。但是通过将实际信任值与预测信任值的差值与设定的误差阈值进行比较，得到可靠的信任值。最后并结合直接信任计算设备的整体信任。

本实施例根据过去时间周期内的历史交互记录，采用时间窗口方法对信任值进行预测，代理层的边缘代理服务器将实际得到的信任值与预测的信任值进行比较，通过计算两个信任值的差值绝对值是否大于设定的误差阈值来判断该信任值是否可信，若判断为不可信设备则对其信任值通过惩罚制度进行修正。以此来计算得到一个更为可靠的整体信任值。

请参考图5，图5为本实施例提供的一种IoT边缘设备信任评估装置的结构框图；可以包括：边缘设备筛选单元510、计算指令发送单元520、信任预测单元530、差值计算单元540、差值比较单元550、异常修正单元560、反馈信任聚合单元570以及反馈信任发送单元580。本实施例提供的IoT边缘设备信任评估装置可与上述IoT边缘设备信任评估方法相互对照。

其中，边缘设备筛选单元510主要用于接收到对第一设备的信任值请求时，筛选出当前与第一设备交互的边缘设备，得到第二设备；

计算指令发送单元520主要用于向第二设备发送第一设备信任值计算指令；

信任预测单元530主要用于根据存储的历史信任值预测第二设备对第一设备的信任值，得到预测信任值；

差值计算单元540主要用于计算接收到的实际信任值与对应的预测信任值的差值；

差值比较单元550主要用于对差值与误差阈值进行大小比较，并根据比较结果将直接信任值划分为异常信任值以及正常信任值；

异常修正单元560主要用于通过惩罚机制对异常信任值进行修正，得到修正后的信任值；

反馈信任聚合单元570主要用于将修正后的信任值与正常信任值进行聚合，得到反馈信任值；

反馈信任发送单元580主要用于将反馈信任值反馈至请求发起方，以便请求发起方将反馈信任值与自身对第一设备评估得到的直接信任值进行融合计算，得到第一设备的整体信任值。

本实施例提供的IoT边缘设备信任评估装置可以对边缘设备信任值的检测判断，并对来自不可信设备的信任值通过惩罚制度对其信任值进行修正，以此来应对虚假反馈、恶意攻击和串通作弊等恶意行为，从而提高整体信任的准确性和***的安全可靠性。

其中，优选地，本实施例中信任预测单元具体可以包括：

信任值筛选子单元，用于筛选出预设时间周期跨度内第二设备对第一设备的信任值，得到历史信任值；

平均值计算子单元，用于计算历史信任值的平均值，将计算得到的平均值作为预测信任值。

优选地，IoT边缘设备信任评估装置中的误差阈值计算单元具体可以用于：当表示设备d_i与d_j之间Δt时间内的直接信任值，n为时间周期跨度时，按照阈值计算公式进行误差阈值的计算，得到误差阈值；其中，阈值计算公式具体为：

优选地，异常修正单元具体可以用于：当为在Δt时间内设备d_i对d_j完成请求任务能力负面评分的总数，表示设备d_i与d_j之间Δt时间内的直接信任值时，根据修正公式对异常信任值进行修正，得到修正后的信任值；其中，修正公式具体为：其中β为修正因子，

本实施例提供一种边缘代理服务器，包括：存储器以及处理器。

其中，存储器用于存储程序；

处理器用于执行程序时实现如上述IoT边缘设备信任评估方法的步骤，具体可参照上述实施例中关于IoT边缘设备信任评估方法的介绍。

请参考图6，为本实施例提供的一种边缘代理服务器的结构示意图，该边缘代理服务器可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(centralprocessing units，CPU)322(例如，一个或一个以上处理器)和存储器332，一个或一个以上存储应用程序342或数据344的存储介质330(例如一个或一个以上海量存储设备)。其中，存储器332和存储介质330可以是短暂存储或持久存储。存储在存储介质330的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对数据处理设备中的一系列指令操作。更进一步地，中央处理器322可以设置为与存储介质330通信，在边缘代理服务器301上执行存储介质330中的一系列指令操作。

边缘代理服务器301还可以包括一个或一个以上电源326，一个或一个以上有线或无线网络接口350，一个或一个以上输入输出接口358，和/或，一个或一个以上操作***341，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。

上面图1所描述的IoT边缘设备信任评估方法中的步骤可以由边缘代理服务器的结构实现。

请参考图7，图7为本实施例提供的一种IoT边缘设备信任评估***的结构框图；该***主要包括：请求发起方710、边缘代理服务器720以及第二设备730。

请求发起方710以及第二设备730均为边缘代理服务器720控制下的边缘设备，设备类型不做限定，可以为比如手机、电脑等。

其中，请求发起方710主要用于向边缘代理服务器发送对第一设备的信任值请求；根据与自身第一设备的交互情况计算对第一设备的信任值，得到对第一设备的直接信任值；接收到反馈信任值时，将反馈信任值与直接信任值进行融合计算，得到第一设备的整体信任值。

任意一个可以实现上述功能的边缘设备均可作为请求发起方，可以对即将进行协作的边缘设备进行信任判断，判断是否可信。

请求发起方710中进行融合计算的模块具体用于：获取预先设定的直接信任以及反馈信任对应的权重因子，得到直接权重以及反馈权重；对直接信任值与直接权重的乘积值以及反馈信任值与反馈权重的乘积值求和，得到整体信任值。

其中，权重因子可以通过权重因子确定模块来确定，具体地，权重因子确定模块用于：当为在Δt时间内设备d_i对d_j完成请求任务能力负面评分的总数时，根据因子计算公式进行计算，将得到的数据作为直接权重；计算1与直接权重的差值，将得到的结果作为反馈权重；其中，因子计算公式具体为：

边缘代理服务器720主要用于接收到对第一设备的信任值请求时，筛选出当前与第一设备交互的边缘设备，得到第二设备；向第二设备发送第一设备信任值计算指令；根据存储的历史信任值预测第二设备对第一设备的信任值，得到预测信任值；计算接收到的实际信任值与对应的预测信任值的差值；对差值与误差阈值进行大小比较，并根据比较结果将直接信任值划分为异常信任值以及正常信任值；通过惩罚机制对异常信任值进行修正，得到修正后的信任值；将修正后的信任值与正常信任值进行聚合，得到反馈信任值；将反馈信任值反馈至请求发起方；

第二设备730主要用于接收到第一设备信任值计算指令时，根据与第一设备的交互情况计算对第一设备的信任值，得到实际信任值；向边缘代理服务器返回实际信任值。

其中，第二设备730以及请求发起方710中的直接信任值的计算模块具体可以用于：获取预设时间内两设备交互过程中对方完成请求任务能力正面评分的总数以及负面评分的总数；其中，正面评分以及负面评分为交互双方对对方的服务质量评分得到；统计正面评分的总数占正面评分以及负面评分的总数的比例，得到直接信任值。

具体地，***中三者进行信息交互的过程可以参照图2对应的具体实施方式，在此不再赘述。

本实施例提供的IoT边缘设备信任评估***可以对边缘设备信任值的检测判断，并对来自不可信设备的信任值通过惩罚制度对其信任值进行修正，以此来应对虚假反馈、恶意攻击和串通作弊等恶意行为，从而提高整体信任的准确性和***的安全可靠性。

说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上对本发明所提供的IoT边缘设备信任评估方法、装置、***及边缘代理服务器进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (10)

1.一种IoT边缘设备信任评估方法，其特征在于，包括：

边缘代理服务器接收到对第一设备的信任值请求时，筛选出当前与所述第一设备交互的边缘设备，得到第二设备；

向所述第二设备发送第一设备信任值计算指令；

根据存储的历史信任值预测所述第二设备对所述第一设备的信任值，得到预测信任值；

计算接收到的实际信任值与对应的预测信任值的差值；

对所述差值与误差阈值进行大小比较，并根据比较结果将所述直接信任值划分为异常信任值以及正常信任值；

通过惩罚机制对所述异常信任值进行修正，得到修正后的信任值；

将所述修正后的信任值与所述正常信任值进行聚合，得到反馈信任值；

将所述反馈信任值反馈至请求发起方，以便所述请求发起方将所述反馈信任值与自身对所述第一设备评估得到的直接信任值进行融合计算，得到所述第一设备的整体信任值。

2.如权利要求1所述的IoT边缘设备信任评估方法，其特征在于，根据存储的历史信任值预测所述第二设备对所述第一设备的信任值，包括：

筛选出预设时间周期跨度内所述第二设备对所述第一设备的信任值，得到历史信任值；

计算所述历史信任值的平均值，将计算得到的平均值作为预测信任值。

3.如权利要求1所述的IoT边缘设备信任评估方法，其特征在于，所述直接信任值的计算方法包括：

获取预设时间内两设备交互过程中对方完成请求任务能力正面评分的总数以及负面评分的总数；其中，所述正面评分以及所述负面评分为交互双方对对方的服务质量评分得到；

统计所述正面评分的总数占所述正面评分以及所述负面评分的总数的比例，得到直接信任值。

4.如权利要求1所述的IoT边缘设备信任评估方法，其特征在于，所述误差阈值的计算方法包括：

当表示设备d_i与d_j之间Δt时间内的直接信任值，n为时间周期跨度时，按照阈值计算公式进行误差阈值的计算，得到误差阈值；

其中，所述阈值计算公式具体为：

5.如权利要求1所述的IoT边缘设备信任评估方法，其特征在于，请求发起方将所述反馈信任值与自身对所述第一设备评估得到的直接信任值进行融合计算，包括：

获取预先设定的直接信任以及反馈信任对应的权重因子，得到直接权重以及反馈权重；

对所述直接信任值与所述直接权重的乘积值以及所述反馈信任值与所述反馈权重的乘积值求和，得到整体信任值。

6.如权利要求5所述的IoT边缘设备信任评估方法，其特征在于，所述权重因子的确定方法包括：

当为在Δt时间内设备d_i对d_j完成请求任务能力负面评分的总数时，根据因子计算公式进行计算，将得到的数据作为直接权重；

计算1与所述直接权重的差值，将得到的结果作为反馈权重；

其中，所述因子计算公式具体为：

7.如权利要求1所述的IoT边缘设备信任评估方法，其特征在于，通过惩罚机制对所述异常信任值进行修正，包括：

当为在Δt时间内设备d_i对d_j完成请求任务能力负面评分的总数，表示设备d_i与d_j之间Δt时间内的直接信任值时，根据修正公式对异常信任值进行修正，得到修正后的信任值；

其中，所述修正公式具体为：其中β为修正因子，

8.一种IoT边缘设备信任评估装置，其特征在于，包括：

边缘设备筛选单元，用于接收到对第一设备的信任值请求时，筛选出当前与所述第一设备交互的边缘设备，得到第二设备；

计算指令发送单元，用于向所述第二设备发送第一设备信任值计算指令；

信任预测单元，用于根据存储的历史信任值预测所述第二设备对所述第一设备的信任值，得到预测信任值；

差值计算单元，用于计算接收到的实际信任值与对应的预测信任值的差值；

差值比较单元，用于对所述差值与误差阈值进行大小比较，并根据比较结果将所述直接信任值划分为异常信任值以及正常信任值；

异常修正单元，用于通过惩罚机制对所述异常信任值进行修正，得到修正后的信任值；

反馈信任聚合单元，用于将所述修正后的信任值与所述正常信任值进行聚合，得到反馈信任值；

反馈信任发送单元，用于将所述反馈信任值反馈至请求发起方，以便所述请求发起方将所述反馈信任值与自身对所述第一设备评估得到的直接信任值进行融合计算，得到所述第一设备的整体信任值。

9.一种边缘代理服务器，其特征在于，包括：

存储器，用于存储程序；

处理器，用于执行所述程序时实现如权利要求1至7任一项所述IoT边缘设备信任评估方法的步骤。

10.一种IoT边缘设备信任评估***，其特征在于，包括：

请求发起方，用于向边缘代理服务器发送对第一设备的信任值请求；根据与自身第一设备的交互情况计算对第一设备的信任值，得到对第一设备的直接信任值；接收到反馈信任值时，将所述反馈信任值与所述直接信任值进行融合计算，得到所述第一设备的整体信任值；

边缘代理服务器，用于接收到对第一设备的信任值请求时，筛选出当前与所述第一设备交互的边缘设备，得到第二设备；向所述第二设备发送第一设备信任值计算指令；根据存储的历史信任值预测所述第二设备对所述第一设备的信任值，得到预测信任值；计算接收到的实际信任值与对应的预测信任值的差值；对所述差值与误差阈值进行大小比较，并根据比较结果将所述直接信任值划分为异常信任值以及正常信任值；通过惩罚机制对所述异常信任值进行修正，得到修正后的信任值；将所述修正后的信任值与所述正常信任值进行聚合，得到反馈信任值；将所述反馈信任值反馈至请求发起方；

第二设备，用于接收到所述第一设备信任值计算指令时，根据与第一设备的交互情况计算对第一设备的信任值，得到实际信任值；向所述边缘代理服务器返回所述实际信任值。