姜夢琦
摘 要：針對無線Mesh網絡易受到內外部攻擊和節點失效等問題，提出一種高效可靠的信任模型。該模型根據混合型WMN結構特點，首先將網絡分為多個社區，每個社區由Mesh路由器及其覆蓋範圍內的終端節點組成，根據節點通信的目標分為社區內信任及跨社區信任，此方法能夠降低網絡計算開銷；其次利用熵權法融合直接信任和間接信任，可避免主觀賦權重的局限性。仿真實驗表明，正常節點信任值收斂平緩，而惡意節點信任值下降迅速；在不同比例的惡意節點仿真中該模型仍可維持較高的成功交互率，說明該模型可以有效抵抗惡意節點攻擊，保證網絡可靠運行。
關鍵詞：信任模型；無線Mesh網絡；熵權法
DOIDOI：10.11907/rjdk.172446
中圖分類號：TP303
文獻標識碼：A 文章編號：1672-7800（2018）002-0047-03
0 引言
無線Mesh網絡（Wireless Mesh Network，WMN）作為新型無線網絡接入技術，承襲了Ad hoc和WLAN技術優勢，具有自組織、自癒合、自主配置和低成本特點，應用廣泛[1]。但WMN傳輸的暴露性和多跳性，使其易於被惡意節點攻擊，造成網絡性能下降甚至整個網絡癱瘓[2]。
考慮到WMN與社會網絡的相似性，利用社會網絡中的信任模型對WMN進行建模，不僅有助於發現惡意節點，也有利於加強節點間協作，從而保證網絡安全和性能最優。
信任模型主要應用於p2p網絡、Ad hoc網絡及無線傳感器網絡[3-6]，但由於混合型WMN結構與傳統網絡結構存在區別，導致現有的信任模型不完全適用WMN。丁旭陽等[7]提出基於不確定性度量極小化的WMN信任模型，根據網絡實際環境弱化證據樣本空間對信任值評估的影響。秦艷琳等[8]將混合型WMN中的信任關係分為5種類型，並分別採用灰色預測及蟻群算法計算信任值。YaoYu等[9]提出的DHRES是一種動態分層的信任模型，依據節點角色的不同採用不同計算信任值方法，並引入協同參數提高信任值的準確度。大部分信任模型存在信任管理複雜、信任收斂慢及網絡開銷大等缺點，為解決這些問題，結合網絡自身結構特點，本文提出一種適用於混合型WMN結構的社區信任模型，以有效提高網絡安全，降低風險。
1 基於社區的WMN混合結構信任模型
1.1 混合型WMN社區結構
在WMN中，依照節點所承載的不同功能通常分為兩種類型：Mesh路由器（Mesh Router）和Mesh終端節點（Mesh Client），圖1為混合型WMN體系結構。Mesh路由器之間以網狀方式相連，負責接入終端和轉發數據。Mesh終端節點既可通過點對點的方式相互通信，也可藉助Mesh路由器進行數據通信[10]。本文將Mesh路由器及覆蓋範圍內的終端節點定義為一個社區，每個社區內部只有一個Mesh路由器負責管理社區的終端節點。根據節點交互目標分為同社區和跨社區兩種類型，節點間重複交易通常集中於社區內部，因此計算信任度的數據量限制在社區局部範圍，大幅度節省了網絡開銷。
1.2 同社區內信任度計算
當交互節點處於同一社區時，節點間信任度即綜合信任度是直接信任度和間接信任度融合計算得出的，直接信任是直接交互行為的信任關係，間接信任則是根據第三方節點推薦的信任關係。
1.2.1 直接信任度
定義1 （直接信任度）直接信任度表示根據節點i與節點j的歷史交互情況而確定的信任值，見式（1）：
1.2.2 間接信任度
當節點間直接交互經驗不充分或沒有直接經驗可借鑑時，節點需要根據鄰居節點的推薦獲取目標節點的間接信任值。本文利用節點評價相似度表征節點的推薦可信度。
定義2 （推薦可信度）利用評價相似度作為推薦節點的推薦可信度，相似度越高表明對其它節點評價越一致，節點對節點的推薦越信任，定義如下：
當多個節點同時向服務請求節點發送推薦信息時，有可能給惡意節點帶來可趁之機。惡意節點通過發送虛假的推薦信任值，使評價節點的推薦信任偏離實際信任值。惡意推薦主要分為兩種：①故意降低可信節點的信任度；②刻意提高非可信節點的信任度。為降低惡意推薦在多節點推薦中的影響，利用信任合併規則解決此問題。本文以各推薦信任值與推薦信任均值的偏差作為推薦節點的權重，與均值距離越近其權重越大，推薦信任的參考價值也越大。推薦信任賦予權重如下：
1.2.3 綜合信任值
利用熵權法將直接信任和間接信任聚合，得到被評價節點的綜合信任值，不僅可提高信任評估的準確性，還避免了主觀分配權重的局限性。熵計算方法見式（6）。根據熵權法確定權重，其實質就是利用評價指標所提供信息的效用值，也就是根據評價指標值之間的差距程度，對指標權重進行修正，綜合信任度見式（7）：
1.3 跨社區信任度計算
當兩個交互節點處於不同社區時，需要參考跨社區的信任度決定是否交互。而跨社區交互比社區內部的交互稀疏，節點對另一社區不了解，兩個節點之間幾乎沒有共同的交易夥伴。因此，用社區信任度計算節點的跨社區信任度。
定義3 （社區信任度）社區Gi與Gj之間的信任度依靠Gi內節點對Gj內節點的總體信任建立，定義如下：
式（9）中，Gi，Gj分別代表節點i和節點j所屬的社區，S（Gi，Gj）為社區Gi中節點與社區Gj中節點成功交易總次數，F（Gi，Gj）為節點失敗交易總次數。社區信任度存儲在本社區的Mesh路由器中，當終端節點與跨社區的目標節點請求通信時，終端節點向所在社區的Mesh路由器發送信任度計算請求，Mesh路由器收集相關數據，根據信任度計算公式進行運算並將結果返回給終端節點。
2 仿真實驗與分析
2.1 仿真環境
利用Nelogo和Matlab2015作為仿真工具，模擬無線Mesh網絡環境並分析本文模型性能。假設網絡中所有節點都處於靜止狀態，仿真環境配置如下：將100個節點隨機分布在2 000m×2 000m矩形區域，節點通信覆蓋範圍均為250m，仿真周期為500次。網絡中的節點根據表現可分為：①正常節點。這類節點不論在服務和數據轉發還是對其它節點的評價都完全真實；②惡意節點。這類節點選擇性提供惡意服務和虛假推薦信息。具體仿真參數見表1。仿真實驗針對節點信任度的變化及成功交互率進行統計和分析，成功交互率即成功交互次數與所有交互次數的比例。
2.2 節點信任度變化
節點的初始直接信任度為0.5，正常節點和惡意節點的信任度變化如圖2所示。惡意節點對外不僅提供虛假服務，而且對正常節點作出負面評價。隨著交互次數增加，惡意節點的信任度呈下降趨勢，正常節點信任度逐漸上升。由圖2可知，節點的信任度增長受到限制，不能在短時間內迅速提高，有效地避免了節點協同增加成功交互次數來提高信任度的現象，實現了信任度慢增長的目標。而惡意節點的信任度下降迅速，說明懲罰因子對於惡意行為實現了信任度快下降的目標。
2.3 抗攻擊能力測試
通過設置惡意節點的不同比例，對比本文信任模型和無信任模型（NT）的成功交互率測試模型的抗攻擊能力。由圖3可知，當惡意節點比例較小時，本文信任模型和NT的成功交互率相差不大。隨著惡意節點的增加，NT的成功交互率大幅度降低，而本文信任模型的成功交互率下降緩慢，特別是在惡意節點比例達到0.5時，成功交互率仍可維持在0.7以上。
圖4為網絡中惡意節點比例為0.4時，本文信任模型與NT的成功交互率隨仿真周期的對比情況。由圖可知，在仿真初期，由於本模型沒有掌握足夠的節點信息，導致成功交互率出現波動。隨著交互次數的增加，網絡的成功交互率保持穩定並維持在較高水平。而沒有使用信任模型的網絡，成功交互率在仿真周期內呈下降趨勢，由此證明本模型能有效識別惡意節點，維護網絡穩定安全。
3 結語
針對混合型無線Mesh網絡自身結構特點，本文提出了一種基於社區的信任模型。該模型將信任分為社區內信任和跨社區信任，在給出各種信任度計算方式的同時，引入熵權法以克服主觀分配權重的局限性，仿真實驗驗證了該模型的有效性。
參考文獻：
[1] LIU Y， GUO L， WEI X. Optimizing backup optical-network-units selection and backup fibers deployment in survivable hybrid wireless-optical broadband access networks[J]. Journal of Lightwave Technology， 2012，30（10）：1509-1523.
[2] LIN H， HU J， NAGAR A. Role based privacy-aware secure routing in WMNs[C]. International Conference on Trust， Security and Privacy in Computing and Communications. IEEE， 2012：1872-1877.
[3] 劉義春，梁英宏.基於上下文因素的P2P動態信任模型[J].通信學報，2016，37（8）：34-45.
[4] LIN H， HU J， MA J， et al. CRM： a new dynamic cross-layer reputation computation model in wireless networks[J]. The Computer Journal， 2015，58（4）：656-667.
[5] JIANG J， HAN G， WANG F， et al. An efficient distributed trust model for wireless sensor networks[J]. IEEE Transactions on Parallel and Distributed Systems， 2015，26（5）：1228-1237.
[6] 王博，陳訓遜.ad hoc網絡中一種基於信任模型的機會路由算法[J].通信學報，2013，34（9）：92-104.
[7] 丁旭陽，范明鈺，朱大勇，等.無線網狀網基於不確定性度量極小化信任模型[J].軟體學報，2008，19（1）：116-124.
[8] 秦艷琳，吳曉平，王甲生.一種針對無線mesh網混合簇結構的信任模型[J].海軍工程大學學報，2013，25（4）：30-35.
[9] YU Y， PENG Y， YU Y， et al. A new dynamic hierarchical reputation evaluation scheme for hybrid wireless mesh networks[J]. Computers & Electrical Engineering， 2014，40（2）：663-672.
[10] KARTHIKA K C. Wireless mesh network： a survey[C].International Conference on Wireless Communications， Signal Processing and NETWORKING， 2016：1966-1970.
摘 要：針對無線Mesh網絡易受到內外部攻擊和節點失效等問題，提出一種高效可靠的信任模型。該模型根據混合型WMN結構特點，首先將網絡分為多個社區，每個社區由Mesh路由器及其覆蓋範圍內的終端節點組成，根據節點通信的目標分為社區內信任及跨社區信任，此方法能夠降低網絡計算開銷；其次利用熵權法融合直接信任和間接信任，可避免主觀賦權重的局限性。仿真實驗表明，正常節點信任值收斂平緩，而惡意節點信任值下降迅速；在不同比例的惡意節點仿真中該模型仍可維持較高的成功交互率，說明該模型可以有效抵抗惡意節點攻擊，保證網絡可靠運行。
關鍵詞：信任模型；無線Mesh網絡；熵權法
DOIDOI：10.11907/rjdk.172446
中圖分類號：TP303
文獻標識碼：A 文章編號：1672-7800（2018）002-0047-03
0 引言
無線Mesh網絡（Wireless Mesh Network，WMN）作為新型無線網絡接入技術，承襲了Ad hoc和WLAN技術優勢，具有自組織、自癒合、自主配置和低成本特點，應用廣泛[1]。但WMN傳輸的暴露性和多跳性，使其易於被惡意節點攻擊，造成網絡性能下降甚至整個網絡癱瘓[2]。
考慮到WMN與社會網絡的相似性，利用社會網絡中的信任模型對WMN進行建模，不僅有助於發現惡意節點，也有利於加強節點間協作，從而保證網絡安全和性能最優。
信任模型主要應用於p2p網絡、Ad hoc網絡及無線傳感器網絡[3-6]，但由於混合型WMN結構與傳統網絡結構存在區別，導致現有的信任模型不完全適用WMN。丁旭陽等[7]提出基於不確定性度量極小化的WMN信任模型，根據網絡實際環境弱化證據樣本空間對信任值評估的影響。秦艷琳等[8]將混合型WMN中的信任關係分為5種類型，並分別採用灰色預測及蟻群算法計算信任值。YaoYu等[9]提出的DHRES是一種動態分層的信任模型，依據節點角色的不同採用不同計算信任值方法，並引入協同參數提高信任值的準確度。大部分信任模型存在信任管理複雜、信任收斂慢及網絡開銷大等缺點，為解決這些問題，結合網絡自身結構特點，本文提出一種適用於混合型WMN結構的社區信任模型，以有效提高網絡安全，降低風險。
1 基於社區的WMN混合結構信任模型
1.1 混合型WMN社區結構
在WMN中，依照節點所承載的不同功能通常分為兩種類型：Mesh路由器（Mesh Router）和Mesh終端節點（Mesh Client），圖1為混合型WMN體系結構。Mesh路由器之間以網狀方式相連，負責接入終端和轉發數據。Mesh終端節點既可通過點對點的方式相互通信，也可藉助Mesh路由器進行數據通信[10]。本文將Mesh路由器及覆蓋範圍內的終端節點定義為一個社區，每個社區內部只有一個Mesh路由器負責管理社區的終端節點。根據節點交互目標分為同社區和跨社區兩種類型，節點間重複交易通常集中於社區內部，因此計算信任度的數據量限制在社區局部範圍，大幅度節省了網絡開銷。
1.2 同社區內信任度計算
當交互節點處於同一社區時，節點間信任度即綜合信任度是直接信任度和間接信任度融合計算得出的，直接信任是直接交互行為的信任關係，間接信任則是根據第三方節點推薦的信任關係。
1.2.1 直接信任度
定義1 （直接信任度）直接信任度表示根據節點i與節點j的歷史交互情況而確定的信任值，見式（1）：
1.2.2 間接信任度
當節點間直接交互經驗不充分或沒有直接經驗可借鑑時，節點需要根據鄰居節點的推薦獲取目標節點的間接信任值。本文利用節點評價相似度表征節點的推薦可信度。
定義2 （推薦可信度）利用評價相似度作為推薦節點的推薦可信度，相似度越高表明對其它節點評價越一致，節點對節點的推薦越信任，定義如下：
當多個節點同時向服務請求節點發送推薦信息時，有可能給惡意節點帶來可趁之機。惡意節點通過發送虛假的推薦信任值，使評價節點的推薦信任偏離實際信任值。惡意推薦主要分為兩種：①故意降低可信節點的信任度；②刻意提高非可信節點的信任度。為降低惡意推薦在多節點推薦中的影響，利用信任合併規則解決此問題。本文以各推薦信任值與推薦信任均值的偏差作為推薦節點的權重，與均值距離越近其權重越大，推薦信任的參考價值也越大。推薦信任賦予權重如下：
1.2.3 綜合信任值
利用熵權法將直接信任和間接信任聚合，得到被評價節點的綜合信任值，不僅可提高信任評估的準確性，還避免了主觀分配權重的局限性。熵計算方法見式（6）。根據熵權法確定權重，其實質就是利用評價指標所提供信息的效用值，也就是根據評價指標值之間的差距程度，對指標權重進行修正，綜合信任度見式（7）：
1.3 跨社區信任度計算
當兩個交互節點處於不同社區時，需要參考跨社區的信任度決定是否交互。而跨社區交互比社區內部的交互稀疏，節點對另一社區不了解，兩個節點之間幾乎沒有共同的交易夥伴。因此，用社區信任度計算節點的跨社區信任度。
定義3 （社區信任度）社區Gi與Gj之間的信任度依靠Gi內節點對Gj內節點的總體信任建立，定義如下：
式（9）中，Gi，Gj分別代表節點i和節點j所屬的社區，S（Gi，Gj）為社區Gi中節點與社區Gj中節點成功交易總次數，F（Gi，Gj）為節點失敗交易總次數。社區信任度存儲在本社區的Mesh路由器中，當終端節點與跨社區的目標節點請求通信時，終端節點向所在社區的Mesh路由器發送信任度計算請求，Mesh路由器收集相關數據，根據信任度計算公式進行運算並將結果返回給終端節點。
2 仿真實驗與分析
2.1 仿真環境
利用Nelogo和Matlab2015作為仿真工具，模擬無線Mesh網絡環境並分析本文模型性能。假設網絡中所有節點都處於靜止狀態，仿真環境配置如下：將100個節點隨機分布在2 000m×2 000m矩形區域，節點通信覆蓋範圍均為250m，仿真周期為500次。網絡中的節點根據表現可分為：①正常節點。這類節點不論在服務和數據轉發還是對其它節點的評價都完全真實；②惡意節點。這類節點選擇性提供惡意服務和虛假推薦信息。具體仿真參數見表1。仿真實驗針對節點信任度的變化及成功交互率進行統計和分析，成功交互率即成功交互次數與所有交互次數的比例。
2.2 節點信任度變化
節點的初始直接信任度為0.5，正常節點和惡意節點的信任度變化如圖2所示。惡意節點對外不僅提供虛假服務，而且對正常節點作出負面評價。隨著交互次數增加，惡意節點的信任度呈下降趨勢，正常節點信任度逐漸上升。由圖2可知，節點的信任度增長受到限制，不能在短時間內迅速提高，有效地避免了節點協同增加成功交互次數來提高信任度的現象，實現了信任度慢增長的目標。而惡意節點的信任度下降迅速，說明懲罰因子對於惡意行為實現了信任度快下降的目標。
2.3 抗攻擊能力測試
通過設置惡意節點的不同比例，對比本文信任模型和無信任模型（NT）的成功交互率測試模型的抗攻擊能力。由圖3可知，當惡意節點比例較小時，本文信任模型和NT的成功交互率相差不大。隨著惡意節點的增加，NT的成功交互率大幅度降低，而本文信任模型的成功交互率下降緩慢，特別是在惡意節點比例達到0.5時，成功交互率仍可維持在0.7以上。
圖4為網絡中惡意節點比例為0.4時，本文信任模型與NT的成功交互率隨仿真周期的對比情況。由圖可知，在仿真初期，由於本模型沒有掌握足夠的節點信息，導致成功交互率出現波動。隨著交互次數的增加，網絡的成功交互率保持穩定並維持在較高水平。而沒有使用信任模型的網絡，成功交互率在仿真周期內呈下降趨勢，由此證明本模型能有效識別惡意節點，維護網絡穩定安全。
3 結語
針對混合型無線Mesh網絡自身結構特點，本文提出了一種基於社區的信任模型。該模型將信任分為社區內信任和跨社區信任，在給出各種信任度計算方式的同時，引入熵權法以克服主觀分配權重的局限性，仿真實驗驗證了該模型的有效性。
參考文獻：
[1] LIU Y， GUO L， WEI X. Optimizing backup optical-network-units selection and backup fibers deployment in survivable hybrid wireless-optical broadband access networks[J]. Journal of Lightwave Technology， 2012，30（10）：1509-1523.
[2] LIN H， HU J， NAGAR A. Role based privacy-aware secure routing in WMNs[C]. International Conference on Trust， Security and Privacy in Computing and Communications. IEEE， 2012：1872-1877.
[3] 劉義春，梁英宏.基於上下文因素的P2P動態信任模型[J].通信學報，2016，37（8）：34-45.
[4] LIN H， HU J， MA J， et al. CRM： a new dynamic cross-layer reputation computation model in wireless networks[J]. The Computer Journal， 2015，58（4）：656-667.
[5] JIANG J， HAN G， WANG F， et al. An efficient distributed trust model for wireless sensor networks[J]. IEEE Transactions on Parallel and Distributed Systems， 2015，26（5）：1228-1237.
[6] 王博，陳訓遜.ad hoc網絡中一種基於信任模型的機會路由算法[J].通信學報，2013，34（9）：92-104.
[7] 丁旭陽，范明鈺，朱大勇，等.無線網狀網基於不確定性度量極小化信任模型[J].軟體學報，2008，19（1）：116-124.
[8] 秦艷琳，吳曉平，王甲生.一種針對無線mesh網混合簇結構的信任模型[J].海軍工程大學學報，2013，25（4）：30-35.
[9] YU Y， PENG Y， YU Y， et al. A new dynamic hierarchical reputation evaluation scheme for hybrid wireless mesh networks[J]. Computers & Electrical Engineering， 2014，40（2）：663-672.
[10] KARTHIKA K C. Wireless mesh network： a survey[C].International Conference on Wireless Communications， Signal Processing and NETWORKING， 2016：1966-1970.
收藏