融合多指标的WSN动态信任评估预测模型

针对无线传感器网络中恶意节点引发的安全问题，在贝叶斯信任模型基础上，引入信誉维护函数自适应降低前期节点交互行为次数的影响，引入异常弱化因子，降低由网络自身故障所带来的节点异常行为的误检，结合模糊评判方法进行直接信任计算，为提高推荐信任评估的可靠性，采用贴近度理论对不同的推荐节点赋予权重再分配获取间接信任，为提高信任模型的检测精度，采用加权因子，由直接信任值以及间接信任中的变量共同确定综合信任值的大小，借助自适应权值动态更新综合信任值，有效避免短时间内信任的迅速提升，并利用滑动时间窗对综合信任值进行预测，搭建了融合多指标的WSN动态信任评估预测模型FSEPM,将预测信任值与实际信任值的差值与信任阈值相比较，以判定节点性质。仿真结果表明：该信任评估模型可精确可靠评估节点之间的信任关系，能够有效检测出网络中的恶意节点，提高网络的安全性。