面向社会物联网中基于 Hellinger 距离的信任管理的矩阵分解模型
机器学习
2021-03-04 v3 密码学与安全
社会与信息网络
机器学习
摘要
社会物联网（SIoT）是物联网与社交网络范式的融合，旨在构建能够建立社交链接的智能节点网络。为应对行为不当的服务提供节点，服务请求节点必须评估其可信度水平。本文提出一种 SIoT 中新颖的信任管理机制，用于为每个服务请求者预测最可靠的服务提供者，从而降低暴露于恶意节点的风险。我们用灵活的二部图（包含两类节点：服务提供者与 service 请求者）对 SIoT 建模，随后利用 Hellinger 距离在服务请求者节点间构建社交网络。接着，我们基于节点中心性与相似性度量开发社交信任模型，以提取社交网络节点间的信任行为。最后，设计一种矩阵分解技术以提取 SIoT 节点的潜在特征、发现可信节点，并缓解数据稀疏与冷启动问题。我们分析了所提信任预测机制中参数对预测精度的影响。结果表明，在我们的机制中，来自具有高 Hellinger 相似度的特定服务请求者邻居节点的反馈优于现有最佳方法。我们还表明，仅考虑相似性度量的社交信任模型显著提升了预测机制的精度。此外，我们通过真实世界的 SIoT 用例评估了所提信任管理系统的有效性。我们的结果表明，该机制对不同类型的网络攻击具有鲁棒性，并能准确找到最合适且可信的服务提供者。
引用
@article{arxiv.1909.12432,
title = {A Matrix Factorization Model for Hellinger-based Trust Management in Social Internet of Things},
author = {Soroush Aalibagi and Hamidreza Mahyar and Ali Movaghar and H. Eugene Stanley},
journal= {arXiv preprint arXiv:1909.12432},
year = {2021}
}