基于隐性社交关系的社交物联网信任评估模型

doi:10.11959/j.issn.2096-109x.2023021

网络与信息安全学报 ›› 2023, Vol. 9 ›› Issue (2): 56-69.doi: 10.11959/j.issn.2096-109x.2023021

基于隐性社交关系的社交物联网信任评估模型

张红斌¹^,², 樊凡¹, 赵冬梅², 刘滨³^,⁴, 尹彦¹, 刘建¹

¹ 河北科技大学信息科学与工程学院，河北石家庄 050018
² 河北师范大学河北省网络与信息安全重点实验室，河北石家庄 050024
³ 河北科技大学经济管理学院，河北石家庄 050018
⁴ 河北科技大学大数据与社会计算研究中心，河北石家庄 050018

修回日期:2023-02-22 出版日期:2023-04-25 发布日期:2023-04-01
作者简介:张红斌（1976- ），男，河北赵县人，博士，河北科技大学教授，主要研究方向为网络安全与管理、社交物联网
樊凡（1998- ），女，河北邢台人，河北科技大学硕士生，主要研究方向为社交物联网与信任
赵冬梅（1966- ），女，河北深州人，博士，河北师范大学教授，主要研究方向为网络空间安全、人工智能及应用
刘滨（1975- ），男，河北唐山人，博士，河北科技大学教授，主研方向为大数据、社会计算、人工智能
尹彦（1997- ），女，山东德州人，河北科技大学硕士生，主要研究方向为网络安全与管理
刘建（1992- ），男，河北邢台人，河北科技大学硕士生，主要研究方向为社交物联网与访问控制
基金资助:
国家自然科学基金(61672206);国家自然科学基金(61572170);中央引导地方科技发展资金(216Z0701G);河北省科技支撑计划(18210109D);河北省科技支撑计划(20310701D);河北省科技支撑计划(20310802D);河北省科技支撑计划(21310101D);国家文化和旅游科技创新工程(2020)

Trust evaluation model of social internet of things based on implicit social relationship

Hongbin ZHANG¹^,², Fan FAN¹, Dongmei ZHAO², Bin LIU³^,⁴, Yan YIN¹, Jian LIU¹

¹ School of Information Science and Engineering, Hebei University of Science and Technology, Shijiazhuang 050018, China
² Hebei Key Laboratory of Network and Information Security, Hebei Normal University, Shijiazhuang 050024, China
³ School of Economics and Management, Hebei University of Science and Technology, Shijiazhuang 050018, China
⁴ Research Center of Big Data and Social Computing, Hebei University of Science and Technology, Shijiazhuang 050018, China

Revised:2023-02-22 Online:2023-04-25 Published:2023-04-01
Supported by:
The National Natural Science Foundation of China(61672206);The National Natural Science Foundation of China(61572170);Central Guide Local Science and Technology Development Fund(216Z0701G);S＆T Program of Hebei(18210109D);S＆T Program of Hebei(20310701D);S＆T Program of Hebei(20310802D);S＆T Program of Hebei(21310101D);The National Cultural and Tourism Science and Technology Innovation Project(2020)

摘要/Abstract

摘要：

社交物联网是社交网络和物联网融合形成的新范式，增强了网络的扩展性和可导航性。然而，由于智能设备的开放性和移动性增强，智能对象的信息安全、可靠服务提供等方面的安全风险进一步扩大，安全问题面临严峻挑战。信任被视为提供安全、可靠服务的关键因素，因此，从社交关系角度出发，提出了一种新的信任评估模型。提出一种信任传递算法，根据节点间的显性社交关系和潜在特征，挖掘并建立节点间的隐性社交关系，达到解决社交物联网网络稀疏性、冷启动问题的目的。对社交关系进行细粒度划分，构建单关系子网，并将多个单关系子网融合构建多重关系复合网，从而有效融合节点间多种动态变化的社交关系对信任评估的影响。根据直接信任、间接推荐信任及服务满意度3个信任指标对智能对象进行综合信任评估。通过在真实智慧城市数据集上的实验结果表明，无论是在不稀疏网络场景还是稀疏网络场景中，该模型都具有较好的鲁棒性，能够有效地评估网络中的可信对象和不可信对象，并提高信任评估的准确性和收敛性。

关键词: 隐性社交关系, 多重社交关系, 社交物联网, 信任评估

Abstract:

The social internet of things （SIoT） is a new paradigm that combines social networks and the internet of things to enhance network scalability and navigability.However, with increased openness and mobility of intelligent objects, there are rising security risks related to information security and reliable service delivery, which poses a significant challenge to the SIoT.Trust is a critical factor in providing secure and reliable services.Therefore, a new trust assessment model was proposed from the perspective of social relationships.A trust transfer algorithm was proposed based on the explicit social relationships and potential features between nodes.The algorithm can tap and establish the implicit social relationships among nodes to solve the SIoT sparsity and cold start problem.Additionally, the social relations were fine-grained and divided to build a single-relationship sub-network.Multiple single-relationship sub-networks were fused to build a multiple-relationship composite network.Thus, the impact of multiple dynamically changing social relationships among nodes on trust evaluation can be effectively fused.The comprehensive trust assessment of intelligent objects was conducted based on three indicators: direct trust, indirect recommendation trust, and service satisfaction.The experimental results on real smart city datasets demonstrate the model’s robustness in non-sparse and sparse network scenarios.It can effectively evaluate trusted and untrusted objects in the network and improve the accuracy and convergence of trust evaluation.

Key words: implicit social relationship, multiple social relationships, social internet of things, trust assessment

中图分类号:

TN915

张红斌, 樊凡, 赵冬梅, 刘滨, 尹彦, 刘建. 基于隐性社交关系的社交物联网信任评估模型[J]. 网络与信息安全学报, 2023, 9(2): 56-69.

Hongbin ZHANG, Fan FAN, Dongmei ZHAO, Bin LIU, Yan YIN, Jian LIU. Trust evaluation model of social internet of things based on implicit social relationship[J]. Chinese Journal of Network and Information Security, 2023, 9(2): 56-69.

图/表 14

表1

表2

图1

图2

图3

表3

表4

图4

表5

表6

图5

表7

表8

表9

参考文献 22

[1]	KHAN W Z , ARSHAD Q U A , HAKAK S ,et al. Trust management in social internet of things:architectures,recent advancements,and future challenges[J]. IEEE Internet of Things, 2021,8(10): 7768-7788.
[2]	弭宝瞳, 梁循, 张树森 . 社交物联网研究综述[J]. 计算机学报, 2018,41(7): 1448-1475.
	MI B T , LIANG X , ZHANG S S . Review of social internet of things[J]. Chinese Journal of Computers, 2018,41(7): 1448-1475.
[3]	LUIGI A , ANTONIO I , GIACOMO M ,et al. The social internet of things （SIoT）-when social networks meet the internet of things:concept,architecture and network characterization[J]. Computer Networks, 2012,56(16): 3594-3608.
[4]	ARTZ D , GIL Y . A survey of trust in computer science and the semantic web[J]. Journal of Web Semantics, 2007,5(2): 58-71.
[5]	ATZORI L , IERA A , MORABITO G . From" smart objects" to"social objects":the next evolutionary step of the internet of things[J]. IEEE Communications Magazine, 2014,52(1): 97-105.
[6]	PREMARATHNE U S , . MAG-SIoT:a multiplicative attributes graph model based trust computation method for social Internet of Things[C]// Proceedings of IEEE International Conference on Industrial and Information Systems (ICIIS). 2017: 1-6.
[7]	EKBATANIFARD G , YOUSEFI O . A novel trust management model in the social internet of things[J]. Journal of Advances in Computer Engineering and Technology, 2019,5(2): 57-70.
[8]	盖方宇 . 物联网中基于信任管理的安全机制研究[D]. 长沙:国防科技大学, 2017.
	GAI F Y . Research on security mechanism based on trust management in internet of things[D]. Changsha:National University of Defense Technology, 2017.
[9]	WEI L , WU J , LONG C ,et al. On designing context-aware trust model and service delegation for social internet of things[J]. IEEE Internet of Things Journal, 2021,8(6): 4775-4787.
[10]	JAFARIAN B , YAZDANI N , HAGHIGHI M S . Discrimination-aware trust management for social internet of things[J]. Computer Networks, 2020,178: 107254.
[11]	MEENA KOWSHALYA A , VALARMATHI M L . Dynamic trust management for secure communications in social internet of things （SIoT）[J]. Sādhanā, 2018,43(9): 1-8.
[12]	CHEN I , BAO F , GUO J . Trust-based service management for social internet of things systems[J]. IEEE Transactions on Dependable and Secure Computing, 2016,13(6): 684-696.
[13]	SAGAR S , MAHMOOD A , KUMAR J ,et al. A time-aware similarity-based trust computational model for social internet of things[C]// Proceedings of GLOBECOM 2020 Global Communications Conference, 2020: 1-6.
[14]	TRUONG N B , LEE H , ASKWITH B ,et al. Toward a trust evaluation mechanism in the social internet of things[J]. Sensors, 2017,17(6): 1346.
[15]	SAGAR S , MAHMOOD A , SHENG M ,et al. Towards a machine learning-driven trust evaluation model for social internet of things:a time-aware approach[C]// Proceedings of MobiQuitous 2020-17th EAI International Conference on Mobile and Ubiquitous Systems:Computing,Networking and Services. 2020: 283-290.
[16]	周双, 宾晟, 邵峰晶 ,等. 基于多子网复合复杂网络模型的物质扩散推荐算法[J]. 复杂系统与复杂性科学, 2018,15(4): 77-84.
	ZHOU S , BIN S , SHAO F J ,et al. Material diffusion recommendation algorithm based on multi subnet composite complex network model[J]. Complex Systems and Complexity Science, 2018,15(4): 77-84.
[17]	隋毅 . 多子网复合复杂网络模型及其相关性质的研究[D]. 青岛:青岛大学, 2012.
	SUI Y . Research on multi subnet composite complex network model and its related properties[D]. Qingdao:Qingdao University, 2012.
[18]	MARCHE C , ATZORI L , IERA A ,et al. Navigability in social networks of objects:the importance of friendship type and nodes＇distance[C]// Proceedings of IEEE Globecom Workshops (GC Wkshps). 2017: 1-6.
[19]	NITTI M , ATZORI L , CVIJIKJ I P . Network navigability in the social internet of things[C]// Proceedings of 2014 IEEE World Forum on Internet of Things (WF-IoT). 2014: 405-410.
[20]	OUECHTATI H , NADIA B A , LAMJED B S . A fuzzy logic-based model for filtering dishonest recommendations in the social internet of things[J]. Journal of Ambient Intelligence and Humanized Computing, 2021: 1-20.
[21]	MARCHE C , ATZORI L , NITTI M . A dataset for performance analysis of the social internet of things[C]// 2018 IEEE 29th Annual International Symposium on Personal,Indoor and Mobile Radio Communications (PIMRC). 2018: 1-5.
[22]	秦琴, 张恒汝 . 基于信任传递机制的三支推荐[J]. 模式识别与人工能, 2020,33(7): 600-609.
	QIN Q , ZHANG H R . Three recommendations based on trust transfer mechanism[J]. Pattern Recognition and Artificial Energy, 2020,33(7): 600-609.

社交关系类型	描述	初始值
所有权对象关系（OOR）	在属于同一用户的异构对象之间建立	0.90
父对象关系（POR）	在属于同一生产批次的对象之间建立	0.80
协同位置对象关系（C-LOR）	在同一位置使用的对象（同质或异质）之间建立	0.70
协同工作对象关系（C-WOR）	在提供一个共同的物联网应用程序的对象之间建立	0.60

符号	说明	符号	说明
	显性社交关系矩阵		隐性社交关系信任矩阵
	隐性社交关系矩阵		显性多关系信任矩阵
	正则化矩阵		隐性多关系信任矩阵
i	节点i		X 属性下i对j的间接信任
j	节点 j		X 属性下i对j的直接信任
	多关系信任矩阵		X 属性下i对j的综合信任
	显性社交关系信任矩阵		多关系矩阵

指标	模型均值				模型标准差				模型残差
指标	文献[11]	文献[12]	文献[13]	本文	文献[11]	文献[12]	文献[13]	本文	文献[11]	文献[12]	文献[13]	本文
（1,10）	0.696	0.711	0.8	0.779	0.051	0.067	0.057	0.048	0.304	0.289	0.2	0.221
（11,20）	0.745	0.781	0.854	0.869	0.005	0.005	0.001	0.004	0.255	0.219	0.146	0.131
（21,30）	0.755	0.793	0.854	0.881	0	0	0.001	0.002	0.245	0.207	0.146	0.119
（31,40）	0.755	0.793	0.851	0.885	0	0	0.002	0.002	0.245	0.207	0.148	0.115
（41,50）	0.755	0.793	0.848	0.891	0	0	0	0	0.245	0.207	0.152	0.109
（51,60）	0.767	0.805	0.853	0.916	0.012	0.013	0.005	0.026	0.233	0.195	0.146	0.084
（61,70）	0.782	0.823	0.861	0.954	0	0	0.001	0.002	0.218	0.177	0.139	0.046
（71,80）	0.783	0.826	0.864	0.956	0.002	0.002	0.002	0	0.217	0.174	0.137	0.044
（81,90）	0.785	0.829	0.868	0.957	0	0	0	0	0.215	0.171	0.131	0.043
（91,100）	0.791	0.832	0.873	0.958	0.004	0.007	0.001	0.001	0.209	0.168	0.127	0.042

指标	模型均值				模型标准差				模型残差
指标	文献[11]	文献[12]	文献[13]	本文	文献[11]	文献[12]	文献[13]	本文	文献[11]	文献[12]	文献[13]	本文
（1,10）	0.301	0.378	0.625	0.494	0.037	0.036	0.025	0.112	0.699	0.622	0.375	0.506
（11,20）	0.375	0.391	0.692	0.768	0.014	0.014	0.007	0.029	0.625	0.609	0.308	0.232
（21,30）	0.393	0.419	0.701	0.854	0.001	0.001	0.002	0.009	0.607	0.581	0.299	0.146
（31,40）	0.389	0.414	0.696	0.863	0.004	0.003	0.003	0.005	0.611	0.586	0.303	0.137
（41,50）	0.387	0.393	0.679	0.88	0.003	0.003	0.002	0.002	0.613	0.607	0.321	0.12
（51,60）	0.391	0.393	0.675	0.887	0.002	0.004	0.003	0.009	0.609	0.607	0.325	0.113
（61,70）	0.406	0.408	0.613	0.913	0.006	0.006	0.04	0.007	0.594	0.592	0.387	0.187
（71,80）	0.425	0.426	0.603	0.946	0.008	0.007	0.024	0.008	0.575	0.574	0.396	0.054
（81,90）	0.446	0.448	0.654	0.961	0.004	0.004	0.003	0.001	0.554	0.552	0.346	0.039
-91,100	0.541	0.456	0.656	0.963	0	0.001	0.002	0.002	0.459	0.544	0.344	0.037

指标	模型均值				模型标准差				模型残差
指标	文献[11]	文献[12]	文献[13]	本文	文献[11]	文献[12]	文献[13]	本文	文献[11]	文献[12]	文献[13]	本文
（1,10）	0.677	0.672	0.574	0.534	0.037	0.037	0.025	0.022	0.677	0.672	0.574	0.534
（11,20）	0.678	0.634	0.53	0.501	0.009	0.025	0.023	0.02	0.678	0.634	0.53	0.501
（21,30）	0.644	0.544	0.449	0.437	0.012	0.026	0.021	0.018	0.644	0.544	0.449	0.437
（31,40）	0.601	0.45	0.377	0.37	0.014	0.03	0.023	0.018	0.601	0.45	0.377	0.37
（41,50）	0.563	0.346	0.31	0.307	0.012	0.028	0.018	0.017	0.563	0.346	0.31	0.307
（51,60）	0.478	0.265	0.251	0.257	0.029	0.021	0.012	0.014	0.478	0.265	0.251	0.257
（61,70）	0.385	0.222	0.212	0.196	0.024	0.007	0.008	0.021	0.385	0.222	0.212	0.196
（71,80）	0.288	0.186	0.177	0.128	0.034	0.023	0.017	0.0217	0.288	0.186	0.177	0.128
（81,90）	0.2	0.108	0.122	0.063	0.012	0.012	0.008	0.01	0.2	0.108	0.122	0.063
-91,100	0.151	0.094	0.113	0.054	0.007	0.001	0.001	0.003	0.151	0.094	0.113	0.054

基于隐性社交关系的社交物联网信任评估模型

Trust evaluation model of social internet of things based on implicit social relationship

在线阅读

pdf下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 14

参考文献 22

相关文章 1

Metrics

推荐阅读 0

模型	场景	节点状态	准确性	收敛速度
		良好	低	慢
	非稀疏	恶意	低	慢
文献[11]		动态变化	低	慢
		良好	低	慢
	稀疏	恶意	低	较慢
		动态变化	低	慢
		良好	较低	较慢
	非稀疏	恶意	较高	较慢
文献[12]		动态变化	较低	较慢
		良好	较低	较慢
	稀疏	恶意	较高	慢
		动态变化	较低	较慢
		良好	较高	快
	非稀疏	恶意	较低	较快
文献[13]		动态变化	较高	较快
		良好	较高	快
	稀疏	恶意	高	较快
		动态变化	较高	较快
		良好	高	较快
	非稀疏	恶意	高	快
本文模型		动态变化	高	快
		良好	高	较快
	稀疏	恶意	高	快
		动态变化	高	快

指标	模型均值				模型标准差				模型残差
指标	文献[11]	文献[12]	文献[13]	本文	文献[11]	文献[12]	文献[13]	本文	文献[11]	文献[12]	文献[13]	本文
（1,10）	0.264	0.372	0.625	0.488	0.04	0.036	0.025	0.08	0.736	0.628	0.375	0.512
（11,20）	0.348	0.392	0.692	0.739	0.022	0.015	0.007	0.04	0.652	0.608	0.307	0.261
（21,30）	0.373	0.419	0.701	0.835	0.001	0.002	0.003	0.013	0.627	0.581	0.299	0.165
（31,40）	0.369	0.413	0.697	0.86	0.003	0.003	0.003	0.005	0.631	0.587	0.303	0.14
（41,50）	0.37	0.392	0.679	0.879	0	0.003	0.002	0.001	0.63	0.608	0.32	0.121
（51,60）	0.318	0.354	0.331	0.258	0.015	0.016	0.053	0.213	0.318	0.354	0.331	0.258
（61,70）	0.277	0.29	0.249	0.116	0.011	0.02	0.019	0.009	0.277	0.29	0.248	0.116
（71,80）	0.227	0.206	0.165	0.088	0.011	0.026	0.025	0.011	0.227	0.206	0.164	0.088
（81,90）	0.187	0.114	0.075	0.05	0.01	0.028	0.028	0.011	0.187	0.114	0.074	0.05
-91,100	0.172	0.05	0.023	0.023	0.001	0.001	0.003	0.002	0.172	0.05	0.023	0.023