面向社交物联网的自适应信任评估模型

The malicious attack between nodes based on social relations in social networking is a major obstacle to realize the automatic service composition and meet the needs of users. The traditional protection mechanism for social network or Internet of Things can not meet the needs of mixed structure. Through the identification and aggregation of network user relationships, the user's multi-dimensional feature modeling, false user identification technology, this project will treat the social network of information content and the user as the main research objects and simplify the establishment of social networking on the scale. The distributed adaptive evaluation model of social object network is proposed in a small scale. The nodes are directly observed and the dual source data is indirectly recommended. The propagation and aggregation of two sources are controlled by the corresponding parameters in response to the conditions of dynamic change. Making the trust assessment results in highly accurate and maximizing application performance. This project provides a series of theoretical methods for addressing the issue of user attribute modeling, identity recognition and trust evaluation between nodes in social networking.

社交物联网中基于社会关系的节点间恶意攻击是实现自动服务组合，满足用户需求的重大阻碍，传统的面向社交网络或物联网的保护手段已不能满足混合结构的需求。本项目将社交网络的信息内容和用户个体作为分析对象，通过网络用户关系的识别和聚合，研究用户的多维特征建模、虚假用户识别技术以简化建立在其之上的社交物联网规模。在较小规模下提出分布式自适应的社交物联网信任评估模型，采用节点直接观察和间接推荐双信源数据，通过相应的参数控制两个信源的传播和聚合以响应动态变化的条件，使得信任评估结果具有高准确度，并且最大化应用性能。项目拟在社交物联网中用户属性建模、身份识别、节点间信任评估等问题上提出具有理论价值的方法。

项目的主要工作包括用户行为模式识别和信任评估两部分：在用户行为模式识别方面，我们首先通过wifi和rfid信号对用户的日常行为模式进行分析和识别，完成了人体综合动作识别和句子级别的手势识别，使其能够方便的用于一般生活和工作环境，并比只使用RSS或相位的方法识别准确度有明显的提高。其中利用WiFi进行手势识别的系统具有较高的可扩展性，在后续的研究中可以支持更多手势、连续手势过程识别，区分同时执行的手势多用户和其他情况，有望用于各种无线传感应用程序。为了能够进一步拓展应用的范围，解决户外采集设备能耗大的问题，我们提出了无线传感器网络中的移动站三层节能数据收集框架，框架由可充电无线传感器网络中的传感器层，簇头层和移动站层组成，了最小化整个系统的能耗，我们研究了移动CBW的充电时间表和行进路径问题以及集群选择算法。仿真结果表明，与MSiRSN相比，该方案可以降低整个系统的能耗。在信任评估方面提出一种用于社交物联网的分布式自适应的信任管理模型。信任值的计算由直接观察和间接推荐双信息源协同进行。通过相应的参数控制这两个信息源的传播和聚合以响应动态变化的条件，进而提高信任评估的性能。实验结果表明：该模型能够自适应的进行信任评估，并且评估值接近真实状态，可以权衡信任收敛速度，以降低信任波动，以及抵抗行为不端的攻击。