IOT、数据驱动决策和网络安全

其中，Pi与Pj是两个交互实体，Γ(Pi,Pj)是总体信任度，ΓD(Pi,Pj)是直接信任度，ΓI(Pi,Pj)是反馈信任度，W1和W2分别为直接信任度与反馈信任度的分类权重。

当W1=0时，信任由推荐决定；但当W2=0时，信任由行为观测决定。

（2）基于历史证据窗口的总体信任度计算

在一个信任管理系统中，信任评估和预测的依据是系统检测到的、保存在主体节点本地数据库中的一些交互上下文数据，这些上下文数据被称为历史证据。信任管理系统所设定的参与信任度评估的最大历史记录个数，称为历史证据窗口（History Evidence Window，HEW）。

基于HEW的总体信任度计算方法可以定义如下：
 

一般来说，信任关系不是绝对的，而是动态变化的。A信任B提供某种服务的能力，随着与B交互次数的增多，A会根据每次交互的成功与否而逐渐调整对B的信任度，形成A对B的直接信任。另外，信任还存在反馈关系，当实体以前没有直接与某个实体交互时，则只能参考别的实体提供的反馈信息，并根据自己的策略来判断交互实体的信任度。

在图3中，若A信任B，而B信任C，则A具有对B提供的关于目标C的某一信任目标的信任度，B是推荐人，A对B有直接信任，A对C有反馈信任。若D对E有直接信任，而A对D没有直接信任（不信任），那么，A对E会有什么样的信任关系呢？目前有两种认知。一种是接受来自陌生节点的推荐信息。在这种方法中，若E请求A提供的服务，而A事先没有E的任何信息，则A会在整个网络中使用广播的方式查询对E的推荐信息，然后再对收集到的推荐信息进行聚合，从而得到E的反馈信任度。另一种是A只相信可信节点的反馈信息，而不采纳陌生节点的反馈信息。因此，在图3中，A不会通过D形成对E的反馈信任度。第一种方法虽然简单，但是不太符合人类社会对推荐过程的认知规律，而且容易引发陌生节点的恶意反馈问题，第二种是一种比较符合人类认知规律的反馈聚合机制。根据上面的描述，下面给出直接信任度、反馈信任度以及总体信任度的定义。

直接信任度（Direct Trust Degree，DTD），是指通过实体之间的直接交互经验得到的信任关系的度量值。直接信任度建立在源实体与目标实体交互经验的基础上，随着双方交互的不断深入，源实体对目标实体的信任关系会更加明晰。相对于其他来源的信任关系，源实体会更倾向于根据直接经验来对目标实体作信任评价。

反馈信任度（Feedback Trust Degree，FTD），表示实体间通过第三者的间接推荐形成的信任度，也叫声誉（Reputation）、推荐信任度（Recommendation Trust Degree）、间接信任度（Indirect Trust）等（本书统一称为反馈信任度）。反馈信任建立在中间推荐实体的推荐信息的基础上，根据源实体对这些推荐实体信任程度的不同，推荐信任也会被不同程度地取舍。但是由于推荐实体的不稳定性，或者有伪装的恶意推荐实体的存在，反馈信任度的可靠性难以度量。

总体信任度（Overall Trust Degree，OTD），也叫作综合信任度或者全局信任度。信任关系的评价，就是源实体根据直接交互得到对目标实体的直接信任关系，以及根据反馈得到目标实体的推荐信任关系，将两种信任关系进行合成即可得到对目标实体的综合信任评价。

（2）信任度计算

信任度计算是实现身份认证的前提。典型的信任度计算方法介绍如下。

1）基于加权平均的总体信任度计算

目前的信任模型在获取总体信任度时大多采用直接信任度与反馈信任度加权平均的方式进行聚合计算：
 

当然，挑战在于没有人真正知道我们将在5-10年内谈论什么连通性和室内技术，更不用说50年了。

在747飞机的例子中，飞机是专门为应对这一挑战而设计的。老化技术可以轻松删除并以最小的中断量进行替换-工程师不必知道几年后会出现什么技术，他们只需将升级路径作为设计的一部分即可。

这是我们需要在当今的智能建筑中复制的方法。采用标准化的方法，后续可以进行一系列的局部修补和少量添加，设计具有真正面向未来的基础架构。

最终，随着时间的推移维持智能建筑系统取决于未来制定迁移到新系统的计划。但是我们经常看到项目的设计与建设和运营与维护阶段之间存在脱节。当今的许多建筑物都是在最终用户的投入有限的情况下建造的，结果，它们充斥着技术妥协的机会。

（编辑：揭阳站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!