针对现有无线传感器网络恶意节点检测方法效率较低的不足,提出一种基于增强低功耗自适应集簇分层(enhanced low energy adaptive clustering hierarchy,enhanced LEACH)路由协议信誉机制的恶意节点检测(malicious node detection based ...针对现有无线传感器网络恶意节点检测方法效率较低的不足,提出一种基于增强低功耗自适应集簇分层(enhanced low energy adaptive clustering hierarchy,enhanced LEACH)路由协议信誉机制的恶意节点检测(malicious node detection based on enhanced LEACH with reputation,MNDELR)模型.在无线传感器网络中使用增强LEACH路由协议选取簇首节点,其余节点选择对应簇首形成各簇集群并确定网络数据包传递路径.节点在数据包内添加节点编号、信誉评价等信息并按传递路径将数据包发送至汇聚节点;汇聚节点解析获取数据包内节点编号并与源节点编号比较判定,形成可疑节点列表;计算节点信誉值并与阈值比较判定网络中的恶意节点.实验结果表明,与其他方法相比,MNDELR模型在无线传感器网络中对恶意节点的检测效果较为显著.展开更多
为了降低恶意评价对信任模型造成的影响,提出了一种适用于开放分布式网络环境下的基于信任领域和评价可信度量的信任模型(trust model based on the trust area and evaluation credibility,TMEC),并给出了模型流程及相关定义.TMEC模型...为了降低恶意评价对信任模型造成的影响,提出了一种适用于开放分布式网络环境下的基于信任领域和评价可信度量的信任模型(trust model based on the trust area and evaluation credibility,TMEC),并给出了模型流程及相关定义.TMEC模型中将节点的信誉值区分为节点的全局信誉值和反馈信誉值,并基于信任领域进行模型的构建;提出了基于节点评分行为相似性的共谋团体识别算法;提出了基于评价支持度和评价一致性因子确定节点反馈权重的方法,从而使所构建的信任模型更加可信和可靠.仿真实验表明,该模型能够有效地检测和抵制夸大、诋毁和共谋等恶意评价行为,具有良好的抗攻击性.展开更多
针对委托权益证明共识机制(Delegated Proof of Stake,DPoS)中存在的节点选举不合理、中心化风险增加、节点投票不积极等问题,本文提出一种基于信誉值的多层委托权益证明共识机制(Reputation-based Multilayer Delegated Proof of Stake...针对委托权益证明共识机制(Delegated Proof of Stake,DPoS)中存在的节点选举不合理、中心化风险增加、节点投票不积极等问题,本文提出一种基于信誉值的多层委托权益证明共识机制(Reputation-based Multilayer Delegated Proof of Stake,RM-DPoS)。首先,提出基于信誉值的节点投票票据评估模型,计算节点信誉值,确定节点的投票权重。其次,引入多层委托投票机制,将投票节点分为不同层次,并允许投票节点将投票权重委托给更高一级的代理节点,防止权力过于集中,化解中心化风险。最后,设计了节点激励方案,依据信誉值和沙普利值进行代币奖励和惩罚,鼓励节点积极投票,维护系统稳定性。实验结果表明,RM-DPoS能够有效解决DPoS共识机制中的问题,能够防范中心化风险,增强系统的稳定性和安全性,具有广泛的应用潜力。展开更多
文摘针对现有无线传感器网络恶意节点检测方法效率较低的不足,提出一种基于增强低功耗自适应集簇分层(enhanced low energy adaptive clustering hierarchy,enhanced LEACH)路由协议信誉机制的恶意节点检测(malicious node detection based on enhanced LEACH with reputation,MNDELR)模型.在无线传感器网络中使用增强LEACH路由协议选取簇首节点,其余节点选择对应簇首形成各簇集群并确定网络数据包传递路径.节点在数据包内添加节点编号、信誉评价等信息并按传递路径将数据包发送至汇聚节点;汇聚节点解析获取数据包内节点编号并与源节点编号比较判定,形成可疑节点列表;计算节点信誉值并与阈值比较判定网络中的恶意节点.实验结果表明,与其他方法相比,MNDELR模型在无线传感器网络中对恶意节点的检测效果较为显著.
文摘为了降低恶意评价对信任模型造成的影响,提出了一种适用于开放分布式网络环境下的基于信任领域和评价可信度量的信任模型(trust model based on the trust area and evaluation credibility,TMEC),并给出了模型流程及相关定义.TMEC模型中将节点的信誉值区分为节点的全局信誉值和反馈信誉值,并基于信任领域进行模型的构建;提出了基于节点评分行为相似性的共谋团体识别算法;提出了基于评价支持度和评价一致性因子确定节点反馈权重的方法,从而使所构建的信任模型更加可信和可靠.仿真实验表明,该模型能够有效地检测和抵制夸大、诋毁和共谋等恶意评价行为,具有良好的抗攻击性.
文摘针对委托权益证明共识机制(Delegated Proof of Stake,DPoS)中存在的节点选举不合理、中心化风险增加、节点投票不积极等问题,本文提出一种基于信誉值的多层委托权益证明共识机制(Reputation-based Multilayer Delegated Proof of Stake,RM-DPoS)。首先,提出基于信誉值的节点投票票据评估模型,计算节点信誉值,确定节点的投票权重。其次,引入多层委托投票机制,将投票节点分为不同层次,并允许投票节点将投票权重委托给更高一级的代理节点,防止权力过于集中,化解中心化风险。最后,设计了节点激励方案,依据信誉值和沙普利值进行代币奖励和惩罚,鼓励节点积极投票,维护系统稳定性。实验结果表明,RM-DPoS能够有效解决DPoS共识机制中的问题,能够防范中心化风险,增强系统的稳定性和安全性,具有广泛的应用潜力。
