通过超图赋能的自监督对比学习实现社交物联网系统的有效运行与准确信任评估
社会与信息网络
2025-09-17 v1
摘要
社交物联网通过赋予物联网系统社交属性来增强设备间的协作。然而，基于复杂且动态的社交属性计算设备间的信任值——类似于人类社会的信任形成机制——构成了重大挑战。为了解决这个问题，本文提出了一种新的超图赋能自监督对比学习（HSCL）方法，以准确确定设备间的信任值。为了实现所提出的 HSCL，首先利用超图基于社交属性发现和表示高阶关系。然后应用超图增强来增强生成社交超图的语义，随后使用参数共享的超图神经网络非线性融合高阶社交关系。此外，利用自监督对比学习方法，通过对设备、超边以及设备到超边的关系进行比较，获得有意义的设备嵌入。最后，基于封装了高阶社交关系的设备嵌入计算设备间的信任值。大量实验表明，所提出的 HSCL 方法在有效区分受信任节点与不受信任节点以及识别最受信任节点方面优于基线算法。
引用
@article{arxiv.2509.12240,
title = {Accurate Trust Evaluation for Effective Operation of Social IoT Systems via Hypergraph-Enabled Self-Supervised Contrastive Learning},
author = {Botao Zhu and Xianbin Wang},
journal= {arXiv preprint arXiv:2509.12240},
year = {2025}
}