1.一种面向无线传感器网络的两级节点信任评估方法，其特征在于通过第一级评估得到足够多的样本数据，在第二级评估中利用样本数据建立信任云，并且引入模式分类方法确定节点最终信任等级，包括以下步骤：步骤1：对被评估节点直接监测得到的行为数据经模糊系统处理，得到对被评估节点的直接信任值；包括：

通过行为动态监测系统获得的数据，即数据包平均传输时延AD和成功传输率PDR，首先经过信任模糊推理子系统处理以得到节点的直接信任评估值；模糊推理系统包含模糊化、模糊推理以及去模糊化处理三部分：(1)模糊化是根据知识库中的模糊集将输入的信任依据AD和PDR转化为对应的模糊集合；

(2)模糊推理是根据模糊规则将信任依据模糊集映射到信任值的模糊集；

(3)去模糊化是将信任模糊集转化为具体的信任数值；

去模糊化处理步骤如下：

①根据具体的行为数据AD和PDR值，分别表示为vAD和vPDR，联合行为数据模糊集隶属度函数，分别求出对应模糊集“低”、“中度”和“高”的三对隶属度：(DLAD,DLPDR)、(DMAD,DMPDR)、(DHAD,DHPDR)；

②选择4条模糊规则分别对应4组信任值模糊集，将①中得到的三对隶属度组合成4对分别对应4条模糊规则：(DLAD,DHPDR)、(DLAD,DMPDR)、(DMAD,DMPDR)、(DHAD,DLPDR)；

③分别取4对隶属度的最小值，映射到4组信任值模糊集，分别求与x轴相交区域的面积ACNT、AMNT、AMT和ACT；

对被评估节点直接监测得到的行为数据经模糊系统处理，最终得到对被评估节点的直接信任值TD，表示如下：

TD＝ACNT+AMNT+AMT+ACT；

步骤2：将步骤1得到的直接信任值结合节点的历史以及推荐信任数据，得到对被评估节点最终信任值；包括：

将三类信任数据进行融合处理实现对节点信任全面地评估，多源信任融合过程分三步：

(1)设计合理的信任预测模型，根据历史信任数据实现对当前信任值的预测，从而得到预测信任值TF；

根据时间先后顺序假设有n条被评估节点的历史信任值：Th1、Th2、...、Thn，其中Thn为最近历史信任值；若Thi和Thj，i＜j，为检测到恶意行为后得到的最终信任值，则这n条历史信任值的变化规律：对于连续的合作行为，节点的信任值会缓慢增大，当达到一定阈值Tthr时曲线出现拐点，随后信任值一直增大到无限接近1；当出现不合作行为时，信任值迅速下降，若出现连续不合作行为，则会下降到最小值0；通过分段寻找合适的二次或者指数函数模型可得到历史信任分布曲线，结合当前存储的历史信任数据对曲线具体参数拟合，从而得到完整的历史信任分布曲线方程，最终利用分布曲线方程得到被评估节点的预测信任值TF；

(2)根据信任推荐节点的价值实现对推荐信任数据的加权融合处理，从而得到推荐信任值TR；

在利用邻居节点推荐信任数据时，必须考虑推荐节点自身的信任状态，对于具有较高信任等级的推荐节点应给予其推荐数据更高的价值，并以价值为根据对推荐数据融合处理得到推荐信任值TR；假设评估节点一共得到m个邻居节点的推荐信任值为TR1、TR2、...、TRm，并且评估节点存储的m个邻居节点当前的信任值分别是TN1、TN2、...、TNm，则被评估节点的推荐信任值TR可计算如下：

(3)设计合理的自适应加权系统，实现对直接信任值TD、预测信任值TF以及推荐信任值TR的加权融合处理，以得到被评估节点的最终信任值T；

最终信任值计算如下：

T＝wD·TD+wF·TF+wR·TR其中wD、wF和wR分别为对应直接信任值TD、预测信任值TF以及推荐信任值TR的权值；

步骤3：通过利用多次评估得到的信任样本结合云模型对正态信任云重构，作为节点最终信任等级评估的依据；包括：

对节点的信任等级评估过程以轮进行，其中每一轮分多次对节点信任值进行评估，得到k个当前信任值T1、T2、…、Tk，将这些信任数据作为样本并结合信任云模型，重构节点的正态信任云，以作为节点最终信任等级评估的依据；

引入正态云模型理论，结合特定的生成算法利用每一轮k次信任评估样本值构造出符合正态分布的云滴，从而将认知中的随机性和模糊性纳入概率框架中统一描述；正态云模型以正态分布和高斯隶属函数为基础，引入三个数字特征来描述，即期望值Ex、熵En和超熵He；其中期望值Ex是所有云滴所在数域的重心，代表定性概念的基本确定性；熵En是对定性概念的不确定性的度量，反映了概念的随机性和模糊性；超熵He反映了熵En的不确定程度；

2

被评估节点信任云滴用TCD表示，根据正态云理论可得TCD～N(Ex,Eσ)，并且Eσ～N(En,2

He)；正态云滴的隶属度函数表示如下：将每轮信任等级评估中的k次信任评估值作为正态云模型的k个云滴，结合数理统计方法获得三个数字特征Ex、En和He，进而确定被评估节点的正态信任云；其中信任云期望Ex计算如下：

其中Ti表示某一轮信任等级评估中的第i次信任评估值；

信任云熵En表示为：

信任云超熵He表示为：

其中 为k次信任云滴的样本方差，表示为：步骤4：根据实际信任等级的划分结合正态云模型构造标准信任云，采用具有低复杂度的模式分类方法对节点信任云分类，从而得到最佳匹配标准信任云以确定节点信任等级；

包括：

假设将信任值区间[0,1]分为M个标准信任等级子区间，分别代表M个信任等级TG1,m m m m

TG2,…,TGM，其中第m个子区间表示为[Tmin ,Tmax]，Tmin表示该子区间的信任值下限，Tmax表示信任值上限；对应每一个信任子区间构建一个标准信任云，第m个信任子区间的标准信任m m m m m

云TCD的三个数字特征记为Ex、En和He；由于期望Ex是标准信任云的中心值，计算如下：m

熵En代表标准信任云滴的不确定性，根据云滴的随机性和模糊性来确定，计算如下：其中Prf为标准云滴不确定性参数，根据具体应用情况来确定，其值越大表示云滴的随机性和模糊性越大；

m

超熵He代表标准信任云的厚度，表示信任值的模糊性，其值越大则信任值越模糊，计算式如下：

1 2 M

要得到被评估节点的信任等级，需比较其信任云TCD与M个标准信任云TCD ,TCD ,…,TCD的相似度，以得到最佳匹配标准信任云，从而确定节点信任等级；首先采用模式识别方法得

1 2 M

到M个标准信任云与其中任意一个标准信任云的相似度，记为DS、DS、…、DS ；然后比较被评1

估节点信任云TCD与标准信任云TCD的相似度，记为DS；最后比较被评估节点的相似度DS与M个标准相似度之间的欧氏距离，选择距离最小的一个相似度对应的标准信任云作为最佳匹配云。

2.根据权利要求1所述的一种面向无线传感器网络的两级节点信任评估方法，其特征在于，在所述步骤1中，建立对节点直接信任的模糊推理模型，消除行为数据的模糊性和随机性对评估精度的影响。

3.根据权利要求1所述的一种面向无线传感器网络的两级节点信任评估方法，其特征在于，在所述步骤2中，对节点历史信任数据进行拟合，构造具有缓升速降特性的历史信任分布函数，从而建立对节点信任的预测机制，避免恶意节点迎合信任评估系统而做出的投机性攻击行为。

4.根据权利要求1所述的一种面向无线传感器网络的两级节点信任评估方法，其特征在于，在所述步骤2中，对信任推荐节点自身信誉度进行分析，建立对推荐信任数据的融合处理模型，防止恶意节点利用推荐信息对信任评估系统进行攻击行为。

5.根据权利要求1所述的一种面向无线传感器网络的两级节点信任评估方法，其特征在于，在所述步骤2中，分析多源信任数据的可靠度，并以此建立对多源信任数据的融合模型，从而得到精确度高的节点信任评估样本值。

6.根据权利要求1所述的一种面向无线传感器网络的两级节点信任评估方法，其特征在于，在所述步骤3中，将第一级信任评估得到的信任样本值作为云滴，结合云模型重建正态信任云，以剔除具有随机性和模糊性的云滴并得到更为完备的信任数据。

7.根据权利要求1所述的一种面向无线传感器网络的两级节点信任评估方法，其特征在于，在所述步骤4中，根据标准信任等级的划分建立标准信任云，将作为节点信任等级评估的参照标准。

8.根据权利要求1所述的一种面向无线传感器网络的两级节点信任评估方法，其特征在于，在所述步骤4中，使用适用于传感器网络的具有低复杂度的模式分类方法，从而根据标准信任云对节点信任云进行分类，以得到节点最佳匹配信任等级。