徐 玲,喬建忠,林樹寬,祁瑞華

(1.東北大學 計算機科學與工程學院,沈陽 110169; 2.大連外國語大學 軟件學院,遼寧 大連 116044)

0 概述

近年來,一些分布式計算模式如對等計算、志愿計算、云計算等被應用于文件共享、科學計算、企業(yè)IT建設等方面,給人們的生活方式帶來了巨大的變革,但這些分布式計算模式的發(fā)展仍然面臨很多問題和挑戰(zhàn),其中一個關鍵問題就是系統(tǒng)安全性問題[1]。本文針對志愿計算中節(jié)點的非預期退出計算或蓄意破壞計算等影響系統(tǒng)的安全性行為[2],設計相應的模型來解決這些不可靠的捐獻資源的節(jié)點帶來的系統(tǒng)安全性問題。

志愿計算主要是通過網(wǎng)絡中節(jié)點捐獻自己閑置資源來進行大規(guī)?？茖W計算的求解[3],從而實現(xiàn)資源的深度共享。志愿計算主要基于主從分布式計算模型[4-5],其中主節(jié)點是中心服務器,負責任務的分發(fā)和結果的回收,子節(jié)點是志愿計算機,可以自愿選擇加入或隨時退出計算而不受主節(jié)點控制。如何在這些子節(jié)點中選擇可信節(jié)點從而提高系統(tǒng)的安全性,是亟需解決的問題。

傳統(tǒng)解決分布式計算系統(tǒng)安全性的方法為采用身份認證、信息加密、訪問控制等方法。這種安全機制被稱為硬安全機制。對于由系統(tǒng)內(nèi)部節(jié)點的行為動態(tài)變化帶來的系統(tǒng)安全問題,硬安全機制的解決效果不佳,為此一些研究者[6-7]提出采用信任和信譽模型來提高分布式計算系統(tǒng)的安全性。然而在志愿計算中目前關于信任和信譽的研究工作較少。與本文工作較相關的研究為文獻[8],其利用信譽模型提高志愿計算系統(tǒng)的安全性,該文提出節(jié)點歷史表現(xiàn)中返回正確計算結果的概率值即為節(jié)點的信譽值,但是模型在計算信譽值時沒有考慮信譽值隨時間動態(tài)更新的情況。

針對文獻[8]模型存在的不足,本文構建志愿計算中基于貝葉斯定理的信任模型。對節(jié)點的非預期退出計算或蓄意破壞計算行為,利用BTMS模型[9]的二值邏輯描述節(jié)點行為,通過添加不確定性來更全面地描述節(jié)點的行為。在此基礎上,對節(jié)點的不確定行為采用貝葉斯定理預測節(jié)點返回正確計算結果的概率,并在計算節(jié)點信任值時加入處罰因子和調(diào)節(jié)函數(shù),實現(xiàn)信任值慢增長快下降,從而有效防止節(jié)點通過連續(xù)幾次返回正確計算結果行為刷取信任值。此外,本文模型還采用基于時間的滑動窗口對節(jié)點的信任值進行更新。

1 相關工作

自從計算領域中信任模型被提出后,越來越多的研究學者對其進行研究,提出了多種信任模型。已有的信任模型主要可以分為集中式和分布式兩類。較典型的集中式信任模型主要應用于在線電子商務如e-bay[10]、阿里巴巴、京東,這類模型通過中心節(jié)點集中管理信任,雖然簡單、高效,但是可擴展性差,不適合在大型的分布式計算環(huán)境下使用。目前,國內(nèi)外許多研究者針對分布式網(wǎng)絡環(huán)境如P2P網(wǎng)絡、無線傳感器網(wǎng)絡提出了多種分布式信任模型。文獻[11]提出的基于P2P網(wǎng)絡的Eigen Trust信任模型通過多次迭代求得節(jié)點的全局信任值,缺點在于通信開銷過大。文獻[12]提出的PeerTrust信任模型利用反饋評價計算節(jié)點的信任值,在模型中加入了用戶激勵機制,缺點在于沒有對節(jié)點惡意行為的懲罰。針對文獻[11-12]全局信任模型存在計算復雜性較高、收斂速度較慢的問題,文獻[13]提出了基于結構化P2P網(wǎng)絡的GeTrust信任模型,該文受人類社會建立信任關系的啟發(fā),提出每個服務節(jié)點在向服務請求節(jié)點提供服務時,需要同時向服務請求節(jié)點提供服務信任值及其擔保節(jié)點的信任值做抵押,服務請求節(jié)點對每個服務節(jié)點綜合評價其信任值,選擇信任值高的服務節(jié)點提供服務。該模型在提高任務交互成功率和抵御攻擊方面具有一定的有效性,但是只適用于結構化的P2P網(wǎng)絡。文獻[14]提出的信任模型綜合考慮時間衰減、交互重要性和交互次數(shù)等上下文屬性計算P2P網(wǎng)絡中節(jié)點信任值。文獻[9,15-16]提出的基于無線傳感器網(wǎng)絡的信任模型,在信任評價時綜合考慮節(jié)點的直接信任和推薦信任,其中在計算直接信任值時是在文獻[17]基礎上加入對惡意節(jié)點的懲罰機制。文獻[18]提出的基于無線傳感器網(wǎng)絡的EDTM信任模型,其直接信任值的計算主要包括通信信任、能量信任和數(shù)據(jù)信任3個部分,EDTM信任模型可以更精確地評估傳感器節(jié)點的可信度。雖然現(xiàn)有的針對于其他分布式計算環(huán)境的信任模型提高了系統(tǒng)安全性,但無法直接用于志愿計算,這主要是因為志愿計算在以下兩點與其他分布式計算環(huán)境不一致:1)志愿計算存在中心服務器;2)節(jié)點可以不用負責隨時退出計算。

目前在志愿計算中關于信任和信譽模型的研究工作較少。文獻[8]提出利用信譽模型提高志愿計算系統(tǒng)的安全性,該文定義節(jié)點的信譽值為節(jié)點歷史表現(xiàn)中節(jié)點返回正確計算結果的概率值,同時通過設計簡單的調(diào)度算法來驗證所構建模型的有效性。但是該模型計算節(jié)點信譽值時僅考慮節(jié)點返回正確計算結果和錯誤計算結果2種行為對信譽值的影響,沒有考慮節(jié)點非預期退出計算行為對信譽值計算帶來的影響,同時由于信譽值是隨時間動態(tài)變化的,該模型也沒有考慮信譽值的動態(tài)更新過程。文獻[19]提出在任務調(diào)度時基于節(jié)點信譽提高系統(tǒng)可靠性,該文將節(jié)點信譽定義為節(jié)點能夠提供穩(wěn)定計算時間間隔的能力,若節(jié)點能持續(xù)提供的計算時間間隔長,則認為該節(jié)點更可靠,但該模型也沒有考慮信譽隨時間動態(tài)更新?？紤]上述不足,本文構建考慮節(jié)點非預期退出計算或蓄意破壞計算等行為動態(tài)變化的信任模型。

2 節(jié)點信任模型

2.1 信任評估基本框架

針對志愿計算環(huán)境自身的特點,本文構建的信任模型不考慮節(jié)點間的推薦信任值,節(jié)點信任值的計算主要來自于節(jié)點的歷史交互。模型中的信任機制框架如圖1所示。

圖1 信任機制框架Fig.1 Framework of trust mechanism

本文模型通過收集節(jié)點間的歷史交互記錄計算節(jié)點的信任值,通過計算節(jié)點信任值為選擇下次的交互對象提供依據(jù)。對于系統(tǒng)中新加入的節(jié)點,采用分配固定值的方法初始化信任值。由于志愿計算自身的特性,本文中VC-trust模型采用集中式管理,但也可以將其擴展應用于分布式管理中。

下文從信任值計算涉及的相關定義、信任值計算和更新、仿真分析模型的有效性等方面對模型進行詳細闡述。為描述方便,在表1中給出本文中所用符號的定義。

表1 符號定義Table 1 Definition of symbols

2.2 相關定義

定義1(信任) 信任是志愿網(wǎng)絡中心服務器server在歷史交互記錄基礎上對節(jié)點i針對計算任務t能提供滿意服務的主觀期望值。

定義2(信任值) 信任值表示志愿網(wǎng)絡中節(jié)點的可信程度。本文將信任值規(guī)范化為[0,1]區(qū)間上的值,越接近1代表節(jié)點的可信度越高,越接近0代表節(jié)點越不可信,0代表節(jié)點完全不可信,1代表節(jié)點完全可信。

定義3(交互) 節(jié)點i完成志愿網(wǎng)絡中心服務器server分發(fā)的一次計算任務稱為一次交互。

2.3 信任值

節(jié)點i的信任值用Ti表示,根據(jù)定義1,有:

(1)

其中,m為節(jié)點i在Δt時間內(nèi)完成的計算任務的數(shù)目,f為節(jié)點i在Δt時間內(nèi)返回正確計算結果行為的數(shù)目,s為節(jié)點i在Δt時間內(nèi)返回錯誤計算結果行為的數(shù)目,u為節(jié)點i在Δt時間內(nèi)出現(xiàn)了不確定性行為的數(shù)目。當m=0時,節(jié)點為新加入的節(jié)點,其信任值初始化為0.5。

在式(1)中,當節(jié)點出現(xiàn)不確定性行為時,為使信任計算計算結果更精確,用貝葉斯定理預測節(jié)點返回正確計算結果的概率值來替換式(1)中的u值,下文將詳細介紹這一過程。

2.4 貝葉斯定理預測

在VC-trust計算信任值時,當節(jié)點出現(xiàn)不確定性行為時,為消除不確定性使得信任值的計算更精確,本文使用貝葉斯定理計算節(jié)點出現(xiàn)不確定性行為時返回正確計算結果的概率:

(2)

(3)

其中,f′和s′分別代表節(jié)點在Δt時間內(nèi)返回的正確計算結果數(shù)目和錯誤計算結果數(shù)目。

實際網(wǎng)絡中節(jié)點的行為動態(tài)變化,當節(jié)點的歷史交互記錄中出現(xiàn)多個不確定性行為時,本文假設志愿計算系統(tǒng)的容錯率為ε,則通過貝葉斯公式預測節(jié)點出現(xiàn)不確定性行為時返回正確計算結果的概率為p,如果p>1-ε,默認節(jié)點此次計算返回正確計算結果來進行下個不確定性行為的預測;反之,默認節(jié)點返回錯誤計算結果來進行下個不確定項的預測。通過貝葉斯定理消除節(jié)點不確定性行為后,式(1)中的u利用下式替換:

(4)

其中,pk為節(jié)點在第k次出現(xiàn)不確定性行為時返回正確計算結果的概率,可由式(3)計算得到。

例如:節(jié)點i在Δt時間內(nèi)的歷史交互記錄集合ti={1,1,1,0,1,0},ε=0.01,根據(jù)式(1)計算得到節(jié)點i的信任值Ti=0.632。

2.5 信任值更新

由于信任是隨時間動態(tài)變化的,越舊的交互記錄對信任值的計算參考價值越小,越新的交互記錄對信任值的計算參考價值越大,因此本文使用基于時間的滑動窗口存儲最新的歷史交互記錄用于更新節(jié)點信任值。

假設每個時間滑動窗口大小為w,存儲的是最新w個單位時間內(nèi)的歷史交互記錄信息,每當窗口向前移動r個單位時間,根據(jù)時間窗口內(nèi)存儲的歷史交互記錄對每個節(jié)點i的信任值進行一次更新,則:

(5)

圖2 基于時間的滑動窗口Fig.2 Sliding window based on time

3 實驗與結果分析

本文通過仿真實驗對VC-trust模型進行有效性驗證。首先,在實驗中驗證信任值計算過程中調(diào)節(jié)函數(shù)和處罰因子對節(jié)點信任值變化的影響,判斷模型是否能針對節(jié)點動態(tài)行為變化調(diào)整其信任值,從而識別善意節(jié)點和惡意節(jié)點,抵御內(nèi)部攻擊;然后,通過驗證在任務分配時優(yōu)先分配給信任值高的節(jié)點對系統(tǒng)交互成功率的影響,判斷模型是否能提高系統(tǒng)安全性;最后,與BTMS模型進行對比分析,驗證本文模型的有效性和合理性。為實現(xiàn)對模型上述性能的驗證,本文仿真實驗采用C語言編程模擬實現(xiàn)不同類節(jié)點出現(xiàn)的3種行為情況。假設網(wǎng)絡中的節(jié)點分為以下2類:

1)善意節(jié)點。此類節(jié)點長期提供友好服務,且在歷史交互過程中很少有惡意破壞計算行為及不確定行為出現(xiàn),但在實際網(wǎng)絡中服務良好的節(jié)點也無法100%提供真實可靠的服務。本文假設此類節(jié)點的歷史交互記錄中只有2%的不確性行為出現(xiàn),95%返回正確的計算結果的行為。

2)惡意節(jié)點。此類節(jié)點長期提供較差服務,在歷史交互過程中存在較多破壞計算行為和不確定行為。本文假設此類節(jié)點的歷史交互記錄中20%返回錯誤計算結果的行為,10%有不確定性行為出現(xiàn)。

本文在計算節(jié)點信任值時加入了處罰因子和調(diào)節(jié)函數(shù),實現(xiàn)節(jié)點信任值累積慢而下降快的目標。實驗驗證VC-trust模型中處罰因子和調(diào)節(jié)函數(shù)對信任值的影響,并與BTMS模型進行比較分析。由于志愿計算環(huán)境的特點,本文不考慮推薦信任值的計算,因此在計算BTMS模型的信任值時只考慮節(jié)點的直接信任值計算。仿真實驗默認參數(shù)設置如表2所示。

表2 實驗默認參數(shù)Table 2 Default parameters of experiment

3.1 調(diào)節(jié)函數(shù)與處罰因子對信任值的影響

為分析調(diào)節(jié)函數(shù)和處罰因子對信任值的影響,本文提取節(jié)點i的一組特殊仿真數(shù)據(jù)進行說明。節(jié)點i在同一時間段內(nèi)出現(xiàn)3種節(jié)點行為的信任值如表3所示。通過對比可知,隨著節(jié)點返回正確計算結果行為次數(shù)的增加,由BTMS模型計算的信任值是逐漸增加的。本文模型綜合考慮了節(jié)點行為對信任值變化的影響,當節(jié)點總的計算次數(shù)增加使得返回正確計算結果行為增多時,節(jié)點信任值沒有增加反而下降,這是模型中處罰因子和調(diào)節(jié)函數(shù)共同作用的結果,因為調(diào)節(jié)函數(shù)使信任值增加的速度慢于處罰因子使信任值下降的速度,所以信任值沒有增加反而下降。同時可以注意到節(jié)點i表現(xiàn)出的行為屬于惡意節(jié)點,通過本文模型計算的惡意節(jié)點的信任值約為0.5,這樣更有利于區(qū)分善意節(jié)點和惡意節(jié)點。

表3 調(diào)節(jié)函數(shù)與衰減因子對信任值的影響Table 3 Effects of regulatory function and attenuation factor on trust value

3.2 與其他模型性能的比較分析

由于節(jié)點的信任值越高,節(jié)點返回正確計算結果行為出現(xiàn)的概率也越高,因此為更全面地衡量模型的性能,本文以系統(tǒng)交互成功率作為指標設計仿真實驗。

定義5(交互成功率) 每次仿真實驗由若干個單位時間組成,在一個單位時間內(nèi)節(jié)點返回正確計算結果行為的數(shù)目和總的計算任務數(shù)目的比率即為交互成功率。

在本文實驗過程中,假設系統(tǒng)中活躍在線節(jié)點數(shù)目為100個,惡意節(jié)點比例為50%,服務器在選擇節(jié)點分配任務時,假設選擇信任值排名在前五十的節(jié)點分發(fā)計算任務。由于志愿計算環(huán)境的特點,本文不考慮推薦信任值的計算,因此利用BTMS模型計算交互成功率時只考慮節(jié)點直接信任值的計算。VC-trust模型和BTMS模型的系統(tǒng)交互成功率對比如圖3所示?？梢钥闯?在第9 h后,由于節(jié)點行為變化,本文模型的交互成功率下滑后恢復較快,而BTMS模型恢復較慢,且由于BTMS模型適應環(huán)境與本文不同,因此在系統(tǒng)交互成功率上,本文模型的交互成功率整體要高于BTMS模型。

圖3 VC-trust模型與BTMS模型的交互成功率對比Fig.3 Comparison of interaction success ratio betweenVC-trust model and BTMS model

綜上可知,本文VC-trust模型在系統(tǒng)交互成功率和對節(jié)點行為變化的靈敏度2個方面要優(yōu)于BTMS模型,表明該模型具有一定的合理性和有效性。

4 結束語

本文構建志愿計算環(huán)境中一種基于貝葉斯定理的信任模型。考慮到節(jié)點行為的不確定性,在模型中對節(jié)點的不確定性行為采用貝葉斯定理進行預測。在計算信任值更新時,利用基于時間的滑動窗口更新節(jié)點信任值,體現(xiàn)其隨時間的動態(tài)變化的特性。實驗結果表明,該模型在系統(tǒng)交互成功率和適應節(jié)點行為變化靈敏度方面性能優(yōu)于BTMS模型。后續(xù)將把本文模型擴展應用到其他分布式計算系統(tǒng)中,同時考慮更多的上下文因素以進一步提升交互準確率。