劉 云，田 地，李公瑾，馬 儀

(昆明理工大學(xué) 信息工程與自動(dòng)化學(xué)院，云南 昆明 650500)

物聯(lián)網(wǎng)中的邊緣計(jì)算，節(jié)點(diǎn)存在有線和無(wú)線兩種情況.在物聯(lián)網(wǎng)節(jié)點(diǎn)中增加區(qū)塊鏈技術(shù)應(yīng)用[1-2]，就變?yōu)槲锫?lián)網(wǎng)中區(qū)塊鏈節(jié)點(diǎn)（簡(jiǎn)稱：區(qū)塊鏈節(jié)點(diǎn)）.由于物聯(lián)網(wǎng)中無(wú)線區(qū)塊鏈節(jié)點(diǎn)無(wú)線通信和節(jié)點(diǎn)性能弱的特點(diǎn)，存在安全性隱患[3]，有效提高節(jié)點(diǎn)安全性是拓展物聯(lián)網(wǎng)區(qū)塊鏈應(yīng)用范圍的關(guān)鍵[4-10].

Dedeoglu 等[11]提出了一種多維信任架構(gòu)（A Trust Architecture，ATA），算法由驗(yàn)證器定期計(jì)算信任評(píng)分并參與區(qū)塊鏈的生成.ATA 算法提高了信任評(píng)分準(zhǔn)確性，但新用戶的初始信任評(píng)分由管理員指定固定值，不能很好地反映真實(shí)情況，可采用動(dòng)態(tài)初始評(píng)分改進(jìn).Malik 等[12]提出了一種動(dòng)態(tài)評(píng)估系統(tǒng)（Trust Chain，TC），系統(tǒng)中新區(qū)塊鏈節(jié)點(diǎn)分配最低信任評(píng)分，其它用戶在交易后由驗(yàn)證其通過(guò)智能合約計(jì)算信任評(píng)分，并激勵(lì)用戶做出貢獻(xiàn).TC算法對(duì)系統(tǒng)的通信時(shí)延影響更低，但是當(dāng)系統(tǒng)通信數(shù)量增加，由于計(jì)算過(guò)程集中于驗(yàn)證器，此時(shí)驗(yàn)證器性能會(huì)影響通信時(shí)延，可采用去中心化的技術(shù)降低通信數(shù)量增加時(shí)評(píng)分計(jì)算對(duì)通信時(shí)延的影響.

為平衡通信時(shí)延和評(píng)估準(zhǔn)確性，本文提出了一種服務(wù)激勵(lì)算法(Service Incentive Algorithm，SIA).算法選擇5 個(gè)描述節(jié)點(diǎn)服務(wù)情況的指標(biāo)，服務(wù)提供節(jié)點(diǎn)的指標(biāo)分?jǐn)?shù)通過(guò)消費(fèi)節(jié)點(diǎn)監(jiān)控服務(wù)提供節(jié)點(diǎn)得出，并由消費(fèi)節(jié)點(diǎn)通過(guò)算法自動(dòng)計(jì)算設(shè)置各指標(biāo)占比，其中對(duì)得分較低的指標(biāo)設(shè)置較高的占比，再將各性能指標(biāo)評(píng)分按照占比合并得到新信任評(píng)分；當(dāng)新舊信任評(píng)分合并時(shí)，按照計(jì)算評(píng)分的消費(fèi)節(jié)點(diǎn)信任評(píng)分乘以計(jì)算得出的分?jǐn)?shù)，再合并得到最終信任評(píng)分；最后對(duì)分?jǐn)?shù)低于評(píng)分閾值的服務(wù)提供節(jié)點(diǎn)設(shè)置激勵(lì)機(jī)制鼓勵(lì)提高自身分?jǐn)?shù)的一種去中心化[13]的信任評(píng)分系統(tǒng).SIA 算法首先監(jiān)測(cè)服務(wù)，計(jì)算指標(biāo)評(píng)分；然后按不同占比將指標(biāo)評(píng)分相加，與舊信任評(píng)分合并得到最終評(píng)分，對(duì)分?jǐn)?shù)低于閾值的節(jié)點(diǎn)會(huì)設(shè)置激勵(lì)措施并重復(fù)算法指標(biāo)評(píng)分計(jì)算、信任評(píng)分計(jì)算部分；最后通過(guò)智能合約將評(píng)分與評(píng)分信息哈希值廣播至區(qū)塊鏈存儲(chǔ).仿真結(jié)果表明，SIA 算法動(dòng)態(tài)計(jì)算初始評(píng)分，設(shè)置激勵(lì)措施，在系統(tǒng)存在惡意節(jié)點(diǎn)時(shí)，評(píng)估準(zhǔn)確度更高；去中心化計(jì)算評(píng)分，使系統(tǒng)通信數(shù)量增加時(shí)，通信時(shí)延增加更少.

1 區(qū)塊鏈節(jié)點(diǎn)信任模型

1.1 信任模型物聯(lián)網(wǎng)中的區(qū)塊鏈無(wú)線系統(tǒng)中，區(qū)塊鏈節(jié)點(diǎn)能在接受服務(wù)的同時(shí)監(jiān)控提供服務(wù)節(jié)點(diǎn)信息，并且依靠搜集到的信息對(duì)服務(wù)提供節(jié)點(diǎn)進(jìn)行信任評(píng)分，考慮一個(gè)信任模型（圖1）由接受服務(wù)、計(jì)算評(píng)分、存儲(chǔ)評(píng)分3 個(gè)部分組成，包含物聯(lián)網(wǎng)中的區(qū)塊鏈無(wú)線系統(tǒng)中區(qū)塊鏈節(jié)點(diǎn)服務(wù)通信后處理信息整體流程.

圖1 一般的信任分?jǐn)?shù)建立過(guò)程模型Fig.1 The process model building by general trust score

區(qū)塊鏈節(jié)點(diǎn)計(jì)算信任評(píng)分應(yīng)當(dāng)完成以下步驟：首先，系統(tǒng)中服務(wù)節(jié)點(diǎn)為消費(fèi)節(jié)點(diǎn)提供服務(wù)，消費(fèi)節(jié)點(diǎn)在接受服務(wù)提供節(jié)點(diǎn)提供的服務(wù)后，對(duì)服務(wù)做出評(píng)價(jià)；然后， 服務(wù)結(jié)束后，消費(fèi)節(jié)點(diǎn)匯總一段時(shí)間中，系統(tǒng)內(nèi)所有接受過(guò)同一服務(wù)提供節(jié)點(diǎn)服務(wù)的消費(fèi)節(jié)點(diǎn)的評(píng)分，根據(jù)每一個(gè)消費(fèi)節(jié)點(diǎn)的信任評(píng)分[14]，按不同比重合并這些評(píng)分；最后，計(jì)算得出評(píng)分后，通過(guò)智能合約將最終得分與評(píng)分信息的哈希值廣播到區(qū)塊鏈當(dāng)中存儲(chǔ).

1.2 評(píng)價(jià)模型為了提高評(píng)分準(zhǔn)確性，在信任模型基礎(chǔ)上，引入了循環(huán)信任評(píng)價(jià)（圖2），信任評(píng)價(jià)模型是圖1 中評(píng)價(jià)服務(wù)的具體流程模型，包含指標(biāo)計(jì)算、合并計(jì)算評(píng)分、設(shè)置激勵(lì)循環(huán)運(yùn)行3 部分.

圖2 信任評(píng)分的循環(huán)評(píng)價(jià)和激勵(lì)模型Fig.2 Circular evaluation and incentive model of trust score

算法循環(huán)計(jì)算信任評(píng)分并設(shè)置激勵(lì)，具體流程為：消費(fèi)節(jié)點(diǎn)在接受服務(wù)后統(tǒng)計(jì)計(jì)算出指標(biāo)的初始評(píng)分，指標(biāo)包含服務(wù)提供節(jié)點(diǎn)的服務(wù)功能、服務(wù)質(zhì)量、消費(fèi)節(jié)點(diǎn)的信任評(píng)分3 個(gè)方面[15]；將指標(biāo)評(píng)分相加得到總和，計(jì)算各指標(biāo)在總和中的占比作為權(quán)值，通過(guò)權(quán)值合并指標(biāo)得出評(píng)分；接著，將評(píng)分與消費(fèi)節(jié)點(diǎn)信任評(píng)分合并，得出新的信任評(píng)分，將新信任評(píng)分與此服務(wù)節(jié)點(diǎn)舊評(píng)分合并得到最終信任評(píng)分；最后，低于閾值的評(píng)分，消費(fèi)節(jié)點(diǎn)設(shè)置激勵(lì)措施返回，循環(huán)進(jìn)行評(píng)價(jià).

信任評(píng)價(jià)的指標(biāo)評(píng)分作為計(jì)算最終信任評(píng)分的基礎(chǔ)，包含服務(wù)監(jiān)控、服務(wù)評(píng)級(jí)、服務(wù)完整性、服務(wù)參與度.

服務(wù)監(jiān)控：在服務(wù)的生命周期中不斷發(fā)生，由消費(fèi)節(jié)點(diǎn)完成.包括服務(wù)測(cè)試(Ssut/Ssrt)[16]、活躍度(Ssa)[17].

服務(wù)測(cè)試：包含服務(wù)可用性評(píng)分或服務(wù)性能評(píng)分.

對(duì)于服務(wù)可用性評(píng)分，一個(gè)好節(jié)點(diǎn)在系統(tǒng)中存在時(shí)間越長(zhǎng)，正常提供服務(wù)時(shí)間也應(yīng)當(dāng)越長(zhǎng)；當(dāng)一個(gè)節(jié)點(diǎn)加入系統(tǒng)，越長(zhǎng)時(shí)間不為其它節(jié)點(diǎn)提供服務(wù)，越有可能為惡意節(jié)點(diǎn)：

式中：Ssut為有關(guān)服務(wù)可用性評(píng)分，Tup為節(jié)點(diǎn)服務(wù)在線時(shí)間，Tdown為節(jié)點(diǎn)服務(wù)停機(jī)時(shí)間，Tup+Tdown為節(jié)點(diǎn)加入系統(tǒng)總時(shí)間.

對(duì)于服務(wù)性能評(píng)分，好節(jié)點(diǎn)對(duì)于服務(wù)請(qǐng)求應(yīng)當(dāng)及時(shí)響應(yīng)并處理：

式中：Ssrt為服務(wù)性能評(píng)分（大于1 為1，小于0 為0），Srt為 單次服務(wù)完成時(shí)間， m ax(Srt)為服務(wù)完成時(shí)間最大值.

活躍度：他人在規(guī)定期間使用的服務(wù)次數(shù)以及服務(wù)處理的積極響應(yīng)次數(shù).

式中：Ssa為 有關(guān)服務(wù)接受的評(píng)分，Nar為積極響應(yīng)的數(shù)量，Nr為請(qǐng)求總數(shù).

服務(wù)評(píng)級(jí)(Ssi)[17]：消費(fèi)節(jié)點(diǎn)對(duì)提供服務(wù)節(jié)點(diǎn)的服務(wù)評(píng)價(jià)Sss（0 表示不滿意和1 表示滿意）或雙方成功交互數(shù)量.

式中：Ssi為有關(guān)服務(wù)交互的評(píng)分，Nsi為成功交互的數(shù)量，Nai為交互的總數(shù).

節(jié)點(diǎn)任務(wù)參與度(Spt)：用戶參與不同社區(qū)任務(wù)的努力.參與度包含測(cè)試其他用戶指標(biāo)、對(duì)節(jié)點(diǎn)信任評(píng)估和參與區(qū)塊鏈活動(dòng).

式中：Spt為參與任務(wù)的評(píng)分，Ntd為完成的任務(wù)數(shù)，Natd為 完成的平均任務(wù)的平均數(shù)量，Tm2為任務(wù)的監(jiān)測(cè)時(shí)間，Tam2為任務(wù)的平均監(jiān)測(cè)時(shí)間.

服務(wù)完整性檢查(Ssiy)：考慮通過(guò)比較區(qū)塊鏈中的信息來(lái)檢查服務(wù)和信任數(shù)據(jù)的完整性.

式中：Ssiy為 服務(wù)完整性的評(píng)分，Ncm為正確的匹配數(shù)，Nac為檢查總數(shù)；

2 服務(wù)激勵(lì)算法

2.1 信任評(píng)分的計(jì)算根據(jù)圖1 計(jì)算最終信任評(píng)分，需要消費(fèi)節(jié)點(diǎn)首先對(duì)服務(wù)提供節(jié)點(diǎn)的服務(wù)進(jìn)行評(píng)價(jià)，具體為圖2 中4 大指標(biāo)的計(jì)算，系統(tǒng)運(yùn)行固定時(shí)間段后進(jìn)行信任評(píng)價(jià)，首先會(huì)匯總計(jì)算時(shí)間段內(nèi)無(wú)線網(wǎng)絡(luò)中所有接受同一服務(wù)的節(jié)點(diǎn)檢測(cè)的指標(biāo)數(shù)據(jù)：

當(dāng)一次評(píng)分有多次測(cè)試發(fā)生：

指標(biāo)匯總計(jì)算以后，節(jié)點(diǎn)會(huì)判斷該服務(wù)是否為新的服務(wù)，如果是進(jìn)行初始評(píng)分計(jì)算，對(duì)新節(jié)點(diǎn)提供的新服務(wù)：

對(duì)現(xiàn)有節(jié)點(diǎn)提供的新服務(wù)：

對(duì)舊服務(wù)的指標(biāo)首先會(huì)計(jì)算指標(biāo)的權(quán)重，為了激勵(lì)節(jié)點(diǎn)提高評(píng)分較低的指標(biāo)，通過(guò)公式(11)提高比重，之后計(jì)算權(quán)重.

式中：Ssrt、Ssra、Ssri、Sprt、Srsiy為指標(biāo)的排名值，服務(wù)測(cè)試Sst、活躍度Ssa、 服務(wù)評(píng)級(jí)Ssi、節(jié)點(diǎn)參與任務(wù)Spt、服務(wù)完整性檢查Ssiy， α為 指標(biāo)Sst的加權(quán)參數(shù).其他加權(quán)參數(shù)也進(jìn)行了類似的計(jì)算.

指標(biāo)權(quán)重計(jì)算后，按照權(quán)重將各指標(biāo)以一定的比例合并，得到新一輪服務(wù)評(píng)價(jià)最終評(píng)分：

式中：為新的信任評(píng)分.

舊服務(wù)存在舊評(píng)分，新舊評(píng)分合并能提高評(píng)價(jià)準(zhǔn)確度，將評(píng)分按評(píng)價(jià)的消費(fèi)節(jié)點(diǎn)評(píng)分乘積合并:

得出最終得信任評(píng)分后，消費(fèi)節(jié)點(diǎn)會(huì)將評(píng)分與標(biāo)準(zhǔn)信任評(píng)分比較，如果低于標(biāo)準(zhǔn)分，消費(fèi)節(jié)點(diǎn)將設(shè)置激勵(lì)（如優(yōu)先再次請(qǐng)求服務(wù)）.這些激勵(lì)連同相關(guān)的服務(wù)信息被發(fā)送給服務(wù)提供節(jié)點(diǎn).然后服務(wù)提供節(jié)點(diǎn)決定是否提供更好的服務(wù)以獲得更高信任評(píng)分.當(dāng)服務(wù)結(jié)束后將在觸發(fā)對(duì)服務(wù)提供節(jié)點(diǎn)和服務(wù)的新一次信任評(píng)估.信任循環(huán)的活動(dòng)通過(guò)智能合約去中心化[18]自主地實(shí)現(xiàn).

2.2 服 務(wù) 激 勵(lì) 算 法(SIA)流 程算 法 運(yùn) 行 過(guò) 程如下：

算法1服務(wù)激勵(lì)算法（SIA）

給定指標(biāo)評(píng)分Sst,Ssa,Ssi,Spt,Ssiy.

步驟1生成一個(gè)字典D(Ns:Nc)對(duì)應(yīng)服務(wù)節(jié)點(diǎn)與消費(fèi)節(jié)點(diǎn).

步驟2選擇字典每一個(gè)服務(wù)S的最后一個(gè)消費(fèi)節(jié)點(diǎn)N.

步驟3匯總所有同一服務(wù)消費(fèi)節(jié)點(diǎn)指標(biāo).

步驟4計(jì)算每一指標(biāo)的評(píng)分

步驟5根據(jù)服務(wù)節(jié)點(diǎn)類型計(jì)算信任評(píng)分.

當(dāng)服務(wù)S為新服務(wù)時(shí)：

當(dāng)提供服務(wù)節(jié)點(diǎn)Ns 為新節(jié)點(diǎn)：

信任評(píng)分為0.7 的性能測(cè)試與0.3 服務(wù)測(cè)試的加權(quán)合并.

當(dāng)提供服務(wù)節(jié)點(diǎn)Ns 為舊節(jié)點(diǎn)：

信任評(píng)分為0.6 的性能測(cè)試與0.2 服務(wù)測(cè)試和0.2 的舊信任評(píng)分加權(quán)合并.

當(dāng)服務(wù)S為舊服務(wù)時(shí)：

計(jì)算指標(biāo)排名

計(jì)算指標(biāo)權(quán)重(α ···ε)

計(jì)算新信任評(píng)分

新舊評(píng)分合并S

步驟6若分?jǐn)?shù)低于閾值的N設(shè)置激勵(lì)返回給S.

步驟7重復(fù)步驟1～6.

步驟8N將評(píng)分廣播至區(qū)塊鏈.

2.3 性能參數(shù)為了比較TC、ATA 與SIA 算法在信任評(píng)估準(zhǔn)確度和算法效率兩方面的性能，選取了兩個(gè)方面，分別是信任評(píng)分和通信時(shí)延.

2.3.1 信任評(píng)分 由于物聯(lián)網(wǎng)無(wú)線設(shè)備性能有限的特點(diǎn)，通常系統(tǒng)內(nèi)部的安全協(xié)議由于性能的限制會(huì)有很大的不足，當(dāng)惡意用戶成功加入系統(tǒng)后，他的惡意行為更加容易對(duì)系統(tǒng)造成傷害.因此能否準(zhǔn)確地判斷出惡意節(jié)點(diǎn)，將之與好節(jié)點(diǎn)區(qū)分，是提高系統(tǒng)整體安全性，維護(hù)好節(jié)點(diǎn)權(quán)益的重要方面.信任評(píng)估算法依靠信任評(píng)分高低識(shí)別惡意節(jié)點(diǎn)，所以信任評(píng)分越準(zhǔn)確，系統(tǒng)越能精確識(shí)別出惡意節(jié)點(diǎn)，系統(tǒng)抵抗惡意攻擊的能力越強(qiáng).仿真所用的信任評(píng)分為：

2.3.2 服務(wù)時(shí)延 信任評(píng)估算法需要系統(tǒng)內(nèi)所有設(shè)備參與測(cè)試指標(biāo)、評(píng)估評(píng)分、區(qū)塊鏈活動(dòng)，這些任務(wù)都會(huì)占用設(shè)備性能，當(dāng)通信越頻繁，設(shè)備需要參與的其它活動(dòng)也越多，就會(huì)和通信共同搶占設(shè)備資源，通信所需要的設(shè)備資源可能不足.因此一個(gè)算法的性能越高，它所占用設(shè)備資源越少，通信所需資源越足，通信時(shí)延的增加越少.計(jì)算通信時(shí)延方法定義如下：

式中：Ts為 請(qǐng)求發(fā)出時(shí)間，Te為服務(wù)結(jié)束時(shí)間.

仿真通過(guò)比較信任評(píng)分，分析TC、ATA 與SIA 算法在系統(tǒng)內(nèi)部存在惡意節(jié)點(diǎn)時(shí)信任評(píng)價(jià)的準(zhǔn)確度；通過(guò)比較服務(wù)時(shí)延，分析TC、ATA 與SIA算法在通信節(jié)點(diǎn)數(shù)量增加.通信次數(shù)增加時(shí)對(duì)通信速度的影響.

3 仿真實(shí)驗(yàn)及結(jié)果分析

3.1 數(shù)據(jù)集及仿真環(huán)境仿真考慮比較兩個(gè)內(nèi)容，分別設(shè)置了仿真場(chǎng)景.場(chǎng)景1 比較信任評(píng)分，有5個(gè)區(qū)塊鏈節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)通信10～50 次，ATA[11]、TC[12]算法有5 個(gè)驗(yàn)證器，節(jié)點(diǎn)中惡意節(jié)點(diǎn)占比分別為20%、40%、60%、80%.場(chǎng)景2 比較通信時(shí)延，節(jié)點(diǎn)數(shù)從10 到100 取10 個(gè)值，每個(gè)節(jié)點(diǎn)通信1～5 次，ATA、TC 算法有5 個(gè)驗(yàn)證器.編程使用的環(huán)境是Windows 10 系統(tǒng)中Python 3.9.9 下的PyTorch 1.10，在系統(tǒng)運(yùn)行時(shí)使用PBFT 共識(shí)協(xié)議[19]，仿真中涉及到參數(shù)的設(shè)置如表1 所示.

表1 仿真實(shí)驗(yàn)內(nèi)容及參數(shù)設(shè)置Tab.1 The content of simulation and setting of index

3.2 信任評(píng)分比較信任評(píng)分是衡量系統(tǒng)對(duì)節(jié)點(diǎn)好壞的指標(biāo)，算法對(duì)節(jié)點(diǎn)評(píng)分越準(zhǔn)確，系統(tǒng)安全性能越高.圖3、4 顯示了ATA[11]、TC[12]、SIA 在惡意節(jié)點(diǎn)占比分別為20%、40%、60%、80%誹謗攻擊和選票填充攻擊對(duì)于節(jié)點(diǎn)信任評(píng)分影響的情況.

圖3 誹謗攻擊下不同惡意節(jié)點(diǎn)比重信任評(píng)分Fig.3 Trust score of different malicious nodes under the bad-mouthing attack

誹謗攻擊對(duì)于物聯(lián)網(wǎng)中的區(qū)塊鏈無(wú)線系統(tǒng)中信任算法對(duì)節(jié)點(diǎn)信任評(píng)分影響如圖3(a)、(d)所示.隨著惡意節(jié)點(diǎn)占比的增加，ATA、TC、SIA 算法對(duì)節(jié)點(diǎn)的評(píng)分都在下降.當(dāng)惡意節(jié)點(diǎn)占比為40%[圖3(b)]時(shí)3 種算法出現(xiàn)明顯區(qū)別；當(dāng)惡意節(jié)點(diǎn)占比為60%[圖3(d)]，ATA 算法評(píng)分明顯下降并接近TC算法，SIA 算法明顯下降.因?yàn)樾湃卧u(píng)分的計(jì)算依靠節(jié)點(diǎn)接受服務(wù)時(shí)監(jiān)控服務(wù)性能、質(zhì)量得出的指標(biāo)評(píng)分合并計(jì)算得出，惡意節(jié)點(diǎn)接受服務(wù)時(shí)會(huì)返回虛假的低評(píng)分，導(dǎo)致好節(jié)點(diǎn)評(píng)分降低.TC 算法由于評(píng)分計(jì)算由特定節(jié)點(diǎn)充當(dāng)驗(yàn)證器，當(dāng)驗(yàn)證器存在惡意節(jié)點(diǎn)，會(huì)使得信任評(píng)分下降較為明顯；ATA 算法初始評(píng)分為固定值，當(dāng)惡意節(jié)點(diǎn)增加，惡意節(jié)點(diǎn)對(duì)好節(jié)點(diǎn)評(píng)分占比也會(huì)變大，好節(jié)點(diǎn)評(píng)分因此會(huì)下降更多；SIA 算法采用去中心化計(jì)算評(píng)分，動(dòng)態(tài)計(jì)算初始評(píng)分，隨著惡意節(jié)點(diǎn)占比增加，信任評(píng)分下降較少，準(zhǔn)確度高于ATA、TC 算法.

選票填充攻擊對(duì)于物聯(lián)網(wǎng)中的區(qū)塊鏈無(wú)線系統(tǒng)信任算法中節(jié)點(diǎn)信任評(píng)分影響如圖4(a)、4(d)所示.隨著惡意節(jié)點(diǎn)占比的增加，ATA、TC、SIA 算法對(duì)節(jié)點(diǎn)的評(píng)分都在上升.當(dāng)惡意節(jié)點(diǎn)占比為60%[圖4(c)]時(shí)3 種算法出現(xiàn)明顯區(qū)別；當(dāng)惡意節(jié)點(diǎn)占比為60%[圖4(d)]，ATA 算法評(píng)分明顯上升并接近TC 算法，SIA 算法明顯上升.惡意節(jié)點(diǎn)接受惡意節(jié)點(diǎn)服務(wù)時(shí)會(huì)返回好的評(píng)價(jià)，使得所有惡意節(jié)點(diǎn)評(píng)分均上升.TC 算法由于計(jì)算比重為固定值，面對(duì)惡意節(jié)點(diǎn)增加時(shí)上升較為明顯；ATA 算法初始評(píng)分為固定值，當(dāng)惡意節(jié)點(diǎn)增加，惡意節(jié)點(diǎn)對(duì)惡意節(jié)點(diǎn)評(píng)分占比也會(huì)變大，因此惡意節(jié)點(diǎn)會(huì)評(píng)分會(huì)上升；SIA 算法不同評(píng)分在不同時(shí)期比重不同，并且會(huì)綜合考慮舊的信任評(píng)分，隨著惡意節(jié)點(diǎn)占比增加，信任評(píng)分上升較少，準(zhǔn)確度高于ATA、TC 算法.

圖4 選票填充攻擊下不同惡意節(jié)點(diǎn)比重信任評(píng)分Fig.4 Trust score of different malicious nodes ratio under the ballot-stuffing attacks

3.3 通信時(shí)延比較數(shù)據(jù)計(jì)算需要占用節(jié)點(diǎn)性能，通信時(shí)延能夠反映系統(tǒng)通信質(zhì)量，當(dāng)信任評(píng)價(jià)算法通信時(shí)延越接近靜態(tài)算法，證明算法越高效.本研究通過(guò)逐漸增加系統(tǒng)節(jié)點(diǎn)數(shù)量，探究了TC、ATA、SIA 算法對(duì)通信時(shí)延的影響.

信任算法在不同節(jié)點(diǎn)數(shù)對(duì)系統(tǒng)通信時(shí)延的影響如圖5 所示，通過(guò)比較所有節(jié)點(diǎn)完成一次服務(wù)平均時(shí)間，ATA、TC、SIA 算法隨著節(jié)點(diǎn)數(shù)的增加通信時(shí)延都呈現(xiàn)上升的趨勢(shì).當(dāng)節(jié)點(diǎn)數(shù)為10～50 時(shí)，ATA、TC、SIA 算法和靜態(tài)信任方法的通信時(shí)延差別很小；當(dāng)節(jié)點(diǎn)數(shù)增加為70 時(shí)，TC 、ATA 算法通信時(shí)延比SIA 算法增加有了明顯的提升.通信時(shí)延表示消費(fèi)節(jié)點(diǎn)發(fā)送服務(wù)請(qǐng)求到服務(wù)提供節(jié)點(diǎn)響應(yīng)服務(wù)的時(shí)間差，相對(duì)于靜態(tài)算法增加的通信時(shí)延為服務(wù)提供節(jié)點(diǎn)完成信任評(píng)分的計(jì)算時(shí)間，時(shí)延增加越少，證明計(jì)算信任評(píng)分越快，算法越高效.ATA、TC 通過(guò)驗(yàn)證器來(lái)計(jì)算信任評(píng)分，當(dāng)節(jié)點(diǎn)數(shù)不大于60，驗(yàn)證器性能存在空閑，請(qǐng)求能夠得到及時(shí)響應(yīng)，通信時(shí)延相對(duì)于靜態(tài)方法增加較少.當(dāng)節(jié)點(diǎn)數(shù)大于70，新的服務(wù)請(qǐng)求發(fā)出時(shí)，舊的計(jì)算仍未完成，需要等待，因此造成通信時(shí)延增加更多.SIA 采用去中心化計(jì)算評(píng)分，由全部區(qū)塊鏈節(jié)點(diǎn)共同承擔(dān)評(píng)分計(jì)算的任務(wù)，節(jié)點(diǎn)數(shù)越多，能計(jì)算評(píng)分的節(jié)點(diǎn)越多，所以隨著節(jié)點(diǎn)數(shù)的增加SIA 算法時(shí)延增加低于ATA 和TC 算法.

圖5 NReq=5 時(shí)平均通信時(shí)延Fig.5 Average communication delay when N Req=5

4 結(jié)論

物聯(lián)網(wǎng)系統(tǒng)中無(wú)線節(jié)點(diǎn)隨著區(qū)塊鏈技術(shù)的引入變?yōu)榱藚^(qū)塊鏈節(jié)點(diǎn)，拓展了物聯(lián)網(wǎng)區(qū)塊鏈的應(yīng)用領(lǐng)域和價(jià)值，但在物聯(lián)網(wǎng)中的區(qū)塊鏈無(wú)線系統(tǒng)中仍存在安全隱患，需要提高區(qū)塊鏈節(jié)點(diǎn)安全性.文章提出一種服務(wù)激勵(lì)算法(SIA)，通過(guò)動(dòng)態(tài)初始評(píng)分，多維指標(biāo)按動(dòng)態(tài)比例結(jié)合評(píng)價(jià)節(jié)點(diǎn)信任評(píng)分去中心化地合并評(píng)估節(jié)點(diǎn)信任評(píng)分，并設(shè)置激勵(lì)措施，循環(huán)進(jìn)行評(píng)估計(jì)算，在提高評(píng)分準(zhǔn)確性情況下降低算法對(duì)通信的影響.仿真結(jié)果表明，系統(tǒng)存在惡意節(jié)點(diǎn)時(shí)，SIA 對(duì)節(jié)點(diǎn)的評(píng)估比ATA、TC 算法更準(zhǔn)確；當(dāng)系統(tǒng)通信數(shù)量增加，SIA 通信時(shí)延增加更少.SIA 目前只考慮了各終端位置不發(fā)生大范圍移動(dòng)時(shí)的情況，因此下一步研究可以考慮在物聯(lián)網(wǎng)各無(wú)線終端處于快速移動(dòng)時(shí)系統(tǒng)信任評(píng)分計(jì)算問(wèn)題.