一种适用于车载与传感边缘云MANET的节点安全信任评估方法

本发明属于移动自组织网络安全，涉及一种适用于车载与传感边缘云manet的节点安全信任评估方法。

背景技术：

1、随着云计算与移动自组织网络的深度融合，大量轻量化、自治化分布式节点被部署于野外监测、车载组网、边缘云协同等场景，在无中心管控、拓扑高动态、资源受限、匿名自治的环境下承担数据转发、分布式计算与协同云服务任务，成为云服务高效运行的重要支撑。

2、区别于传统中心化服务器架构，manet分布式节点具备四类典型特征。一是去中心化自治，全网不存在统一可信管理节点，节点之间对等交互、自主完成路由转发与协作服务，缺乏全局权威机构对节点行为进行统一监管。二是资源强约束，多数分布式节点依托电池供电，存储、算力、带宽资源有限，节点天然存在节约自身能耗、减少转发开销的自利倾向。三是拓扑高度动态，节点具备移动能力，受位置变化、信号遮挡、电量耗尽等因素影响，邻居链路频繁断开与重建，分布式协作关系持续动态变更。四是身份匿名不可控，节点入网无强制身份核验机制，陌生节点可随时接入网络，恶意节点易伪装成正常分布式节点混入组网环境。

3、基于上述特性，分布式节点协作过程中衍生出两类典型安全风险。部分节点为降低自身开销表现出明显自私行为，收到转发请求后选择性丢弃数据包、谎报剩余能量以逃避协作。恶意分布式节点则通过持续丢包、篡改传输数据、伪造能量参数、节点共谋、身份伪装等方式发起攻击，破坏分布式数据传输链路，导致云服务数据传输不稳定、服务质量大幅下降，甚至引发业务隐私泄露、边缘云服务瘫痪等恶性安全事件，严重威胁融合场景下云服务的可信性与运行安全性。如说明书附图1所示，manet节点交互与邻居关系拓扑中，自私节点与恶意节点混杂在正常节点之间，对分布式协作的稳定性构成直接挑战。

4、信任评估是识别分布式节点可信程度、约束节点投机与恶意行为、防范网络攻击的关键技术，也是构建安全可靠分布式协作环境的重要前提。现有信任评估方法多依赖历史交互记录，通过统计转发成功率、交互频率等指标计算信任值，虽在有充足交互数据时具有一定参考价值，但针对分布式节点的固有特性存在明显不足。

5、纯交互观测类信任评估方案仅依靠节点自身监听获取的转发交互记录计算信任值，采用固定权重、全局累积统计方式评估节点可信程度。该类方案利用网卡混杂模式监听邻居转发行为，统计窗口内实际转发数据包占总请求数据包比例作为唯一信任依据，新节点入网无交互历史时统一赋予中性固定初始信任值。其固有缺陷在于，冷启动问题突出，陌生新节点无交互记录时无客观评估依据，固定中性初值易被恶意节点利用实施攻击；评估维度单一，完全忽略节点剩余能量、资源分配等私有关键属性，无法预判节点潜在自利行为；采用静态评估逻辑，无历史交互衰减机制，久远失效交互记录持续干扰当前信任结果；缺乏能量谎报、共谋攻击识别校验机制，面对节点伪造能量参数、联合恶意丢包等攻击时评估结果失真，网络鲁棒性差。

6、单一博弈类信任评估方案引入博弈理论构建信任模型，仅依托节点私有属性博弈推演输出信任值，不融合实际交互观测数据。该类方案基于节点能量、位置等静态属性构建博弈效用函数，求解纳什均衡得到节点协作收益，直接将收益映射为信任值，全程不参考真实数据包转发行为。其固有缺陷在于，长期网络运行中仅依靠静态属性推演，无法动态捕捉节点实时转发行为变化，对中途由正常节点转为自私或恶意节点的识别滞后；无自适应权重调节机制，全程博弈分量权重固定，随交互增多无法放大真实交互行为的评估占比，评估精准度持续偏低；未设计滑动窗口、行为惩罚机制，无法对高丢包、消极转发节点实施信任惩罚，难以约束节点投机行为。

7、固定加权融合博弈与观测的信任方案尝试融合博弈推演与交互观测两类信息，但采用人工预设固定权重完成信任加权融合，权重数值全程不可变更。该类方案分别计算博弈信任分量、观测信任分量，使用恒定不变的固定权重加权求和得到综合信任值。其固有缺陷在于，权重无法随交互次数、交互质量、节点活跃度自适应调整，冷启动阶段观测分量权重过高导致新节点信任评估失效，稳定交互阶段博弈分量权重过高弱化真实行为参考价值；未区分节点自身维持能量与转发服务能量，能量博弈效用函数建模粗糙，无法精准量化节点转发成本与协作收益；信任更新机制单一，仅支持定时批量更新，缺少拓扑变更、恶意异常行为触发的实时更新逻辑，网络拓扑高速变动时信任值时效性不足；缺少能量交叉校验、共谋行为识别配套机制，无法抑制节点虚报剩余能量逃避转发协作的行为。

8、综上，现有各类节点信任评估技术无法同时解决manet云融合场景下新节点冷启动评估失真、评估维度单一、权重静态固化、抗能量谎报与共谋攻击能力弱、动态拓扑适配性差等系列技术难题，难以满足高动态、资源受限分布式网络的安全可信转发需求。

技术实现思路

1、针对现有技术存在的缺陷和不足，本发明提供一种适用于车载与传感边缘云manet的节点安全信任评估方法。该方法构建包含博弈推演分量与直接观测分量的双分量信任评估框架，在冷启动阶段无历史交互记录时，通过将节点能量划分为自身事务保留能量与转发服务分配能量两个维度，构建二维策略空间的贝叶斯博弈效用函数，求解贝叶斯纳什均衡得到节点最大期望收益，据此计算博弈信任分量作为初始信任依据；随着交互行为的累积，基于滑动时间窗口统计邻居节点的数据包转发行为，对消极转发行为施加惩罚性扣减，计算观测信任分量；在此基础上，以评估节点与目标邻居节点之间的交互频次为依据动态确定加权因子，该加权因子随交互频次的增加而增大，从而实现从冷启动阶段以博弈推演为主到稳定交互阶段以直接观测为主的平滑过渡；通过加权因子对两类信任分量进行加权融合得到综合信任度，并响应于邻居拓扑变化或新增交互记录实时更新。该方法还配套提供针对节点能量谎报行为的多邻居交叉校验机制、基于多维度行为相关系数与两级阈值分层判定的共谋攻击识别机制，以及面向资源受限节点的轻量化均衡求解方式，全面提升移动自组织网络环境下节点信任评估的准确性、动态适应性与抗攻击能力。

2、本发明解决其技术问题具体采用的技术方案是：

3、本发明旨在解决现有移动自组织网络节点信任评估技术中存在的冷启动信任评估失真、评估维度单一、权重静态固化、抗攻击能力弱以及动态拓扑适配性不足等技术问题，提供一种适用于车载与传感边缘云manet的节点安全信任评估方法及装置。

4、本发明提供的节点安全信任评估方法具体包括如下步骤：

5、获取评估节点的一跳邻居拓扑信息、各邻居节点的能量属性信息以及历史交互记录。在无中心管控的分布式manet环境中，节点仅能获取一跳通信范围内的局部拓扑与邻居状态信息，上述三类信息构成了信任评估的基础数据输入，适配分布式节点的感知能力边界。

6、针对每一邻居节点，基于所述能量属性信息将节点能量划分为自身事务保留能量与转发服务分配能量两个维度，构建二维策略空间的贝叶斯博弈效用函数，求解贝叶斯纳什均衡得到节点最大期望收益，基于所述最大期望收益计算得到该邻居节点的博弈信任分量。节点的总能量资源有限，既需要预留部分能量支撑自身计算、传感等基础事务，也需要分配部分能量用于转发其他节点的数据以维持网络协作，二维能量划分能够更精准地刻画节点在资源节约与协作收益之间的权衡关系。在无历史交互的冷启动阶段，贝叶斯博弈模型可在信息不对称的条件下，基于节点能量属性的概率分布推演节点协作意愿，输出客观的初始信任估值，无需人为预设固定的中性初始值。

7、基于所述历史交互记录统计邻居节点的数据包转发行为，计算得到该邻居节点的观测信任分量。直接观测获得的转发行为数据是评估节点可信程度的实证依据，能够真实反映节点的实际协作表现。

8、根据评估节点与该邻居节点的交互频次动态确定加权因子，所述加权因子对应观测信任分量的权重，且所述加权因子的取值随所述交互频次的增加而增大。交互频次越高，意味着积累的实证证据越充分，观测分量的参考价值相应提升，该动态调整机制能够实现冷启动阶段以博弈推演为主、稳定交互阶段以实际观测为主的平滑过渡。

9、通过所述加权因子对所述博弈信任分量与所述观测信任分量进行加权融合，得到该邻居节点的综合信任度。

10、响应于邻居拓扑变化或新增交互记录，更新所述综合信任度，保障信任评估结果与网络实时状态保持同步。

11、进一步地，基于所述最大期望收益计算得到该邻居节点的博弈信任分量的具体方式为：计算评估节点与全部邻居节点共同参与博弈时的最大期望收益，以及剔除目标邻居节点后的最大期望收益，将二者差值作为目标邻居节点的边际贡献；当所述边际贡献大于0时，所述博弈信任分量为所述边际贡献与所述最大期望收益的比值；当所述边际贡献小于等于0时，所述博弈信任分量取0。边际贡献能够量化单个邻居节点对整体协作收益的净影响，贡献为正说明节点参与能够提升整体协作收益，对应可信程度更高；贡献非正则说明节点对协作收益无正向作用，对应低可信状态，以此映射信任值符合信任评估的内在逻辑。

12、进一步地，当所述一跳邻居拓扑信息对应的邻居集合不满足全连通条件时，即邻居集合内存在节点彼此不处于对方无线通信范围内的情况，对博弈计算空间进行裁剪适配：选取所述邻居集合中的完全连通子图作为博弈参与集合执行多人博弈求解；若所述邻居集合中任意两节点均无直接链路，则将多人博弈解耦为多个独立的双边博弈，基于各双边博弈的最大期望收益计算博弈信任分量。多人贝叶斯博弈的有效开展以参与节点两两可达为前提，该裁剪适配机制能够保障不同拓扑结构下博弈模型的计算有效性，避免拓扑不连通导致的模型失效与算力浪费。

13、进一步地，观测信任分量基于滑动时间窗口统计计算，取值为成功转发数据包数量与加权总量的比值；所述加权总量为所述成功转发数据包数量与惩罚项之和，所述惩罚项为预设惩罚系数与丢包数量的乘积，所述丢包数量为转发请求总数量与所述成功转发数据包数量的差值，其中惩罚系数取值不小于1。滑动时间窗口能够逐步弱化久远交互记录的影响，使评估结果更贴合节点近期的行为表现；惩罚项通过放大分母的方式实现信任扣减，丢包数量越多，观测信任分量越低，能够对消极转发、恶意丢包行为形成有效约束，同时该计算方式可保证观测信任分量的取值始终处于0至1区间内，数值收敛稳定。

14、进一步地，所述加权因子的确定方式为：将滑动时间窗口内目标邻居节点的交互频次，占评估节点所有邻居节点总交互频次的比例，确定为所述加权因子。同时设置两类边界处理规则：当评估节点在所述滑动时间窗口内无历史交互记录时，所述加权因子取0，所述综合信任度完全由所述博弈信任分量确定；当评估节点仅存在一个邻居节点时，所述加权因子取1，所述综合信任度完全由所述观测信任分量确定。两类边界规则分别对应零交互冷启动与单邻居极端拓扑场景，保障方案在各类网络状态下的逻辑自洽性。

15、进一步地，当触发邻居拓扑变化时，同步调整博弈计算空间：新增邻居节点时扩充博弈参与集合并重新求解均衡；邻居节点退出时缩减博弈参与集合并重新计算最大期望收益；拓扑变化导致全连通条件变更时，对应执行所述博弈空间裁剪或解耦操作。邻居集合的增减会改变博弈参与方构成与策略空间，同步调整博弈计算空间能够维持信任评估结果与当前网络拓扑的匹配度，保障评估结果的时效性与准确性。

16、进一步地，所述方法还包括能量谎报校验步骤：接收邻居节点上报的剩余能量值，与本地推算的剩余能量记录值比对，若所述上报的剩余能量值大于等于所述记录值，则判定为能量谎报行为；通过多邻居交叉核验确认后，对存在能量谎报行为的节点施加信任折扣惩罚，将对应节点的综合信任度乘以预设的折扣因子进行更新。本地推算的剩余能量基于历史转发记录与单位数据包转发能耗累计计算得出，由于节点能量随转发行为持续消耗，正常情况下上报值不应高于推算记录值，以此作为判定依据具备物理层面的合理性；多邻居交叉核验可进一步提升判定准确率，折扣惩罚能够有效抑制节点虚报能量以逃避转发协作的自私行为。

17、进一步地，所述方法还包括共谋攻击识别步骤：统计滑动时间窗口内各邻居节点的丢包率、能量上报偏差、信任波动幅度与交互频次密度，在一跳邻居间同步第三方节点统计指标均值，计算任意两节点针对同一目标节点的多维度行为相关系数；通过两级阈值分层判定识别共谋攻击节点，其中所述两级阈值中的行为相关系数阈值，根据本地一跳邻居总数与全网节点总数的比值进行自适应修正；对判定为共谋攻击的节点施加信任惩罚。多维度指标能够从转发行为、能量上报、信任变化多个层面捕捉节点的协同异常特征；两级阈值判定可逐步缩小嫌疑范围，提升识别准确率；阈值随节点密度动态调整，能够适配不同网络部署规模下的检测需求，平衡检测的漏检率与误检率。

18、进一步地，求解贝叶斯纳什均衡得到节点最大期望收益的过程，可采用至少一种轻量化处理方式适配资源受限节点：设置最大迭代次数与收敛精度阈值的数值迭代法，在收益变化量小于收敛阈值或达到迭代上限时终止计算；预存基准均衡策略的查表法，针对常见邻居规模与能量区间预存基准策略，运行时查表后经少量修正得到结果；采用压缩非线性计算项的简化效用函数的降复杂度计算法，保留二维能量分配的核心逻辑，以精度的小幅下降换取计算开销的显著降低。三类处理方式均在保留核心设计逻辑的前提下降低实时算力消耗，适配车载、传感边缘节点算力与能量资源有限的特性，提升方案的工程落地可行性。

19、相应地，本发明还提供一种适用于车载与传感边缘云manet的节点安全信任评估装置，包括信息获取模块、博弈计算模块、观测计算模块、加权融合模块与更新执行模块。

20、信息获取模块，用于获取评估节点的一跳邻居拓扑信息、各邻居节点的能量属性信息以及历史交互记录。

21、博弈计算模块，用于针对每一邻居节点，基于所述能量属性信息将节点能量划分为自身事务保留能量与转发服务分配能量两个维度，构建二维策略空间的贝叶斯博弈效用函数，求解贝叶斯纳什均衡得到节点最大期望收益，基于所述最大期望收益计算得到该邻居节点的博弈信任分量。

22、观测计算模块，用于基于所述历史交互记录统计邻居节点的数据包转发行为，计算得到该邻居节点的观测信任分量。

23、加权融合模块，用于根据评估节点与该邻居节点的交互频次动态确定加权因子，所述加权因子对应观测信任分量的权重，且所述加权因子的取值随所述交互频次的增加而增大，并通过所述加权因子对所述博弈信任分量与所述观测信任分量进行加权融合，得到该邻居节点的综合信任度。

24、更新执行模块，用于响应于邻居拓扑变化或新增交互记录，更新所述综合信任度。

25、相比于现有技术，本发明及其优选方案至少包括以下有益效果：

26、在无历史交互记录的冷启动阶段，基于节点私有的二维能量属性进行贝叶斯博弈推演，输出客观的初始信任值，从源头杜绝了陌生恶意节点借助中性初值混入网络的安全漏洞；随着交互数据的累积，通过随交互频次单调递增的动态加权因子，平滑过渡到以直接观测分量为主导的评估模式，避免了固定权重导致的评估失真，适配高动态拓扑网络环境。

27、区分自身事务保留能量与转发服务分配能量构建博弈效用函数，精准量化了节点的转发成本与长期协作收益，能够有效预判节点潜在自利倾向；观测分量采用放大分母的惩罚机制，在有效扣减消极转发节点信任值的同时，保证信任度始终在合理区间内收敛，提升了评估的准确性与鲁棒性。

28、支持基于拓扑变化的博弈空间裁剪与双边解耦，保障了高移动性环境下多人博弈计算的有效性与时效性；同时引入轻量化求解手段，显著降低了资源受限节点的算力开销，增强了工程落地可行性。

29、通过多邻居交叉核验校验能量上报数据并施加折扣惩罚，有效抑制了虚假能量上报行为；基于多维度行为相关系数与节点密度自适应阈值的共谋识别机制，能够准确检出协同丢包、伪造转发记录的共谋攻击团伙，显著提升了融合网络的整体抗攻击能力与运行安全性。