论文部分内容阅读
社交物联网范例的提出为下一代物联网的发展揭开了新的道路,但同时也带来了新的安全隐患,网内节点之间充分开放的合作关系给恶意对象发动攻击提供了更好的契机,其内含的社会属性加剧了病毒对网络的危害,因此分析病毒的传播特性及影响病毒传播的核心因素至关重要。综合考虑社交物联网中智能设备的传播能力差异和对病毒的判别能力差异,本文的研究主要包含以下几个方面:(1)针对社交物联网中智能设备的传播能力差异,本文介绍了两种计算智能设备传播能力的方案。第一种方案为一种改进的K-shell分解算法,一个节点的传播能力强弱应由其在网络中的拓扑位置和其邻居节点的传播能力共同决定,这个改进的K-shell算法不仅考虑节点自身所在核数和删除顺序对传播能力的影响,而且考虑各类邻居节点的数量和邻居节点的传播能力对传播的贡献。第二种方案为一种以证据理论和K-shell算法为基础的DKs-HN算法来计算节点的传播能力,这个算法利用证据理论的组合规则融合节点自身的直接影响以及一跳邻居的间接影响力。(2)设备辨别能力差异直接影响病毒被激活的概率,本文介绍了两种计算智能设备辨别能力的方案。第一种方案综合考虑多种影响因素,并根据社会学理论将智能设备对病毒的判别能力分为理性辨别和非理性辨别两类,其中理性辨别的计算借助PageRank算法的思想实现。第二种方案是一种基于社会层次理论和非负矩阵的三维分解方法的Pvius方法,每一个智能设备都可以通过使用Pvirus识别其与其他设备的信任关系,从而可以预测在设备中潜伏的病毒被激活的概率。(3)将针对物联网社交属性的方案进行整合,本文首先提出一种基于智能设备传播能力和辨别能力的病毒传播模型(Ignorant-Diffuse-Exposed-Discriminant-Spread-Recover,IDEDSR)。IDEDSR 分别采用 DKs-HN 算法和Pvirus方法来计算设备的传播能力和辨别能力。并用真实的数据集来构建具有社交意识的物联网。详实的实验结果表明IDEDSR在设计和性能上更合理。IDEDSR在控制病毒传播方面比其他5个模型表现得更好。本文还提出IoT-VSI(IoT-virus with dis-semination capacity and discriminant ability)模型,该模型采用改进的K-shell算法来评估节点的传播能力,并采用计算辨别能力的第一种方案。本文利用平均场方程来分析IoT-VSI模型的动力学特征,以及各因素对病毒传播的影响,并对病毒传播的规模和传播阈值进行推导。