面向社会物联网的机器学习驱动信任评估模型：一种时间感知方法
密码学与安全
2021-02-23 v1 社会与信息网络
摘要
新兴的社会物联网（SIoT）范式通过将社交网络特性整合其中，将物联网（IoT）的传统概念转变为由数十亿互联智能对象组成的社交网络。在SIoT中，对象可自主建立社会关系，并基于其社交行为与该网络中其他对象交互。一个亟需关注的基本问题是以可靠且可信的方式建立这些关系，即在对象间建立可信关系并构建信任。此外，确定并预测SIoT网络中对象在一段时间内的行为也必不可少。为此，本文提出一种高效的时间感知机器学习驱动信任评估模型以解决该特定问题。所构想的模型从友谊与社区兴趣角度考量社会关系，并进一步将工作关系与合作性（对象-对象交互）作为信任参数以量化对象的可信度。随后，与传统加权求和启发式不同，阐明了一种机器学习驱动的聚合方案，以综合这些信任参数来确定单一信任评分。实验结果表明，所提模型能高效区分网络内可信与不可信对象，并进一步揭示对象信任随时间的变化情况，以及各信任参数对信任评分的影响。
引用
@article{arxiv.2102.10998,
title = {Towards a Machine Learning-driven Trust Evaluation Model for Social Internet of Things: A Time-aware Approach},
author = {Subhash Sagar and Adnan Mahmood and Quan Z. Sheng and Munazza Zaib and Wei Emma Zhang},
journal= {arXiv preprint arXiv:2102.10998},
year = {2021}
}