1.一种基于影响力自适应聚合的边缘计算可信协同服务方法，其特征在于，包括如下步骤：

1)根据网络节点的网络状态、行为特征、服务质量、服务能力特征表征其协同服务资源吸引力，结合节点间的相似性评价节点影响力，基于影响力聚类构建边缘计算协同服务系统，每个边缘计算协同服务簇的簇头节点设为初始盟主节点，簇内提供协同服务的节点为盟员节点；

2)每个盟主节点根据盟员节点的影响力，将盟员节点分为Leader级、Cooperation级和Partner级，并定义协同服务规则、协同服务框架、协同边界和服务模式；

3)请求协同服务的节点需定义协同服务任务需求、约束条件和协同服务目标，并发送至边缘计算协同服务节点；接收此次协同服务任务的节点将根据任务需求，组织边缘计算协同服务节点，定义协同服务策略、约束条件、协同服务协议，启动网络资源聚合机制，映射迁移服务和节点特征，完成服务节点间的聚合，协同执行计算任务；

4)执行协同服务时，若盟主节点的负载、信任度、服务能力下降导致其影响力小于设定阈值时，原盟主节点实施降级操作，根据相关策略选取新的盟主节点；若协同服务簇规模超过上界或小于下界时，协同服务簇分裂或合并触发器触发，由原盟主节点根据策略相关引导边缘计算协同服务簇执行分裂或合并操作；

5)边缘计算协同服务节点将执行结果反馈至请求节点；请求节点将在限定的时间内做出评价，更新协同服务节点的信任度、优先级、协同服务能力特征参数，并将评价结果在协同服务簇内周期推送；

所述步骤1)，具体包括如下步骤：

1‑1)在边缘计算协同服务系统中构建信任网络，设边缘计算协同服务系统是一个无向图G＝(V,E)，V是由n个节点组成的节点集合，E是由m条边组成的边集合，设连接矩阵E＝(eij)n×n，eij＝1表示节点i和节点j相连，连接关系强度矩阵A＝(ρij)n×n的元素ρij计算如(1)式：

(1)式中，Rtt(i,j)表示节点i到节点j的延迟；设系统的观察周期为T，在第k个观察期节点i向节点j提供协同服务成功和失败的次数分别为Sij，Fij，则节点j对节点i在第k个观察期的局部信任度函数Trust(i)如(2)式：(2)式中，μ为局部信任度控制因子，ε为第k个观察期节点的不诚信任务迁移处罚因子，t为第k个观察期节点在线时长；节点信任度计算具体包括如下步骤：

1‑1‑1)由于服务节点周围可能存在若干亚信任节点，这些节点曾经与盟主服务节点构成协同体，以形成一定的信任协同关系，初始化时将其历史交互信息代入(2)式计算节点的初始信任度，并构建节点信任度采样记录表和节点协同服务特征记录表；

1‑1‑2)在观察周期T内，监测服务节点的协同服务状态，更新节点协同服务特征记录表；将第k个观察期分为d个等长的时间区段，统计每个时间区段中节点的协同服务成功和失败的次数Sij，Fij，根据(2)式迭代计算节点的不诚信任务迁移处罚因子ε；

1‑1‑3)统计第k个观察期内，节点的协同服务成功和失败总次数分别为Sij，Fij，根据步骤1‑1‑2)计算得到的ε，代入(2)式计算第k个观察期的节点的信任度，并更新信任度采样记录表；

1‑1‑4)当需要评价第k个观察期节点信任度时，从信任度采样记录表获取前d个观察期‑(k‑l)T

采样获取的信任度，以时间衰减因子e 为权值，l为周期号，T是观察周期时间长度，加权平均计算节点的信任度；

1‑2)根据信任网络构建协同服务资源引力网络，节点i对节点j的局部吸引力F(i)如(3)式：

(3)式中，f(i)表示节点i的服务能力，Q(i)表示节点i的负载率，dmin,ij表示节点i路由到节点j的最短跳数， 表示吸引力传播具有级联衰减性，wi、hi、mi分别表示节点i可提(t)

供边缘计算服务的带宽、计算能力、内存大小，ti表示节点i的平均在线时长，βi 、分别表示第t个观察期内节点i平均提供的边缘计算服务的计算负载、内存大小和带宽；

构建盟主节点i的影响力模型G(i)如(4)式：(4)式中，αi为离散化因子，jaccard(i,j)系数主要衡量节点i与节点j的关联度，ρik，ρjk定义如式(1)；

1‑3)基于影响力聚类构建边缘计算协同服务集，具体包括如下步骤：

1‑3‑1)设初始边缘计算网络节点均为协同服务盟员，盟主对候选盟员分辨阈值系数λ，λmin≤λ≤λmax，令λ＝λmax，0<λ≤1

1‑3‑2)若节点i对节点j局部影响力Gi≥λ(i≠j，i，j≤n)，则节点i和节点j彼此为盟友，将节点j划入节点i的备选盟员集中；否则转1‑3‑3)；

1‑3‑3)λ＝λ‑ζ，ζ为系数，循环执行如下操作：a)转1‑3‑2)，将边缘计算节点划分为m个不相交的协同服务盟员集；如果某个节点j不属于任何协同服务盟员集，则加入相邻节点中影响力Gi最大的节点i所在的协同服务盟员集中；在划分的协同服务盟员集中，将影响力小的节点加入到相邻节点对其影响力Gi最大的节点i协同服务盟员集中；

b)若边缘计算网络节点集无划分操作，转a)；若边缘计算网络节点集被划分为2个以上协同盟员服务子集，则停止分解，令λ＝λmin，将划分的协同盟员服务子集视为1个新边缘计算网络，令λ＝λmax，转1‑3‑2)，直到所有的协同盟员服务子集不能被再划分为止；

c)构建协同盟员服务子集间的关系映射图，标识各协同盟员服务子集分辨系数阈值λ的界。

2.根据权利要求1所述的一种基于影响力自适应聚合的边缘计算可信协同服务方法，其特征在于，所述步骤2)，具体包括如下步骤：

2‑1)盟主节点通过网络心跳数据检测边缘计算协同服务簇中盟员节点的特征信息，计算其影响力G(i)，将G(i)＞λg的盟员节点归入Leader级队列，将G(i)＞λc的盟员节点分为Cooperation级队列，G(i)＞λp的盟员节点分为Partner级队列；

2‑2)当节点发起边缘计算协同服务请求时，按Leader级队列、Cooperation级队列、Partner级队列的顺序选择队列中的节点受理请求，具体包括如下步骤：

2‑2‑1)首先从Leader级队列中选择节点，通过随机哈希种子函数生成映射键值从队列中提取目标节点，并向目标节点发起协同服务请求，若访问被拒或超时，则根据当前键值，提取其前驱或后继节点发起协同服务请求，若前驱和后继节点均访问被拒或超时，则放弃Leader级队列；

2‑2‑2)从Cooperation级队列选择协同服务节点，按其影响力从大到小排列，按顺序选择服务节点发起边缘计算任务迁移受理请求，若队列中所有节点均未受理，则放弃Cooperation级队列；

2‑2‑3)从Partner级队列中选择节点，与Leader级队列中选择节点的过程类似，通过随机哈希种子函数生成映射键值从队列中提取目标节点，并向目标节点发起协同服务请求，若访问被拒或超时，则根据当前键值，提取其前驱或后继节点发起协同服务请求，若前驱和后继节点均访问被拒或超时，则放弃Partner级队列；

2‑3)若所有服务节点均未受理，则此次协同服务请求失败。

3.根据权利要求1所述的一种基于影响力自适应聚合的边缘计算可信协同服务方法，其特征在于，所述步骤3)，具体包括如下步骤：

3‑1)请求节点将定义此次协同服务任务的需求、协同目标、任务内容和服务模式，并发送至协同服务节点；

3‑2)协同服务节点根据任务需求，确立协同服务的约束条件、控制策略和服务边界；

3‑3)协同服务节点与协同服务盟员进行协商，根据步骤2)选择适宜参与此次协同服务的盟员，并分析协同服务任务量、复杂度、任务执行周期、资源需求；

3‑4)协同服务节点创建或更新协同服务池，实现协同服务虚拟化、资源量化和可视化；

3‑5)协同服务节点定义协同服务协议，建立协同服务盟员特征映射关系和协同服务映射关系，调度协同服务资源以映射盟员；

3‑6)协同服务节点启动网络资源聚合机制，调度协同服务资源以匹配盟员，并迁移协同任务至盟员执行；

3‑7)盟员执行完成后，反馈执行结果至协同服务请求节点，协同服务节点记录盟员服务特征信息，通过被动响应方式在协同服务簇内推送。

4.根据权利要求1所述的一种基于影响力自适应聚合的边缘计算可信协同服务方法，其特征在于，所述步骤4)，具体包括如下步骤：

4‑1)当盟主节点的影响力在2个观察期持续低于影响力阈值λg，将触发协同服务簇分裂的示警，在观察期结束时，将释放其协同服务资源，并引导边缘计算协同服务簇进行分裂，假设盟主节点i和j的服务辖域相邻时将存在排斥力H(i,j)如(5)式：ρik，ρjk定义如式(1)，协同服务簇分裂操作具体包括如下步骤：

4‑1‑1)统计簇中服务节点的影响力G(j)， 包括盟主节点自身，若存在两个服务节点l1、l2，满足G(l1)、G(l2)＞λg且不存在现有盟主节点排斥力H(ll∈L,l1,2)＞λh，则令节点l1、l2成为协同服务簇盟主，重复1‑3‑2)聚类；

4‑1‑2)若不存在符合条件的服务节点，则将引导具有多重吸引力的簇内节点归入其他协同服务簇；

4‑2)当协同服务簇规模低于下界，盟主节点的影响力在2个观察期内持续高于λg时，将引导协同服务簇与邻簇合并，其具体步骤如下：

4‑2‑1)盟主节点统计合并后的协同服务簇中服务节点的影响力G(j)， 包括盟主节点自身，若存在某个协同服务盟员l，满足G(l)＞λg且不存在现有盟主节点排斥力H(ll∈L,l)＞λh，则令该节点l成为盟主节点，原盟主自动成为候选盟主节点，重复1‑3‑2)聚类；

4‑2‑2)若不存在符合条件的服务节点，则放弃合并。