1.一种雾计算中多因素数据可靠性评估方法，其特征在于：该方法包括以下步骤：S1：建立基于雾网络的两层数据共享模型；

S2：基于贝叶斯推论的数据预判断方法；

S3：基于用户历史交互及经验的信任值更新；

S4：基于熵权法的数据可靠性评估。

2.根据权利要求1所述的一种雾计算中多因素数据可靠性评估方法，其特征在于：在所述S1中，建立一个数据共享模型；该系统包括用户和相互连接的雾节点；用户配备先进的通信设备，具有无线通信能力；用户从传感设备收集本地数据，并将数据摘要上传至其通信距离最近的雾节点，与数据请求者共享内容；雾节点具有一定存储和计算能力，收集其通信范围内用户上传的数据，预判断数据的可信度；其中，数据摘要包括数据大小、时间和地址。

3.根据权利要求2所述的一种雾计算中多因素数据可靠性评估方法，其特征在于：在所述S2中，数据具有不确定性，为防止用户传播虚假信息，雾节点对覆盖范围内用户上传的数据进行预判断；对某数据l的可信性定义为 该可信性与内容发生的距离和时效性有关；

雾节点收集在其通信范围内的数据集及相应的可信性集C，在获得可信性集合的基础上，利用贝叶斯推论计算出数据l的聚合可信度P，当P大于阈值Thr，则认为该数据本身是可信的。

4.根据权利要求3所述的一种雾计算中多因素数据可靠性评估方法，其特征在于：在所述S3中，用户在请求数据时不只考虑数据本身的可信度，还考虑数据提供者在数据共享中的行为；若提供者是恶意的，存在漏传和伪造数据的情况，提供虚假的数据服务；请求者在雾节点对数据预判断结果的基础上结合用户的过往行为以及提供者之前所提供服务的满意度判断数据的真实性；用户的历史交互是请求者向提供者发起共享请求时，衡量提供者之前所提供服务的满意度，该满意度与两者之间的历史交互有关；基于经验的信任值是利用用户的过往行为来更新用户的信任值，间接判断数据的真实性，该信任值随着时间的推移不断累积。

5.根据权利要求4所述的一种雾计算中多因素数据可靠性评估方法，其特征在于：在所述S4中，在选择数据提供者阶段，请求者Ri基于数据的预判断、用户的历史交互和用户基于经验的信任值的三个指标对相关提供者进行评估，建立n×m的提供者评分矩阵为W；得到评分矩阵W后采用熵权法对数据三个评分指标的评分权重进行评估，对用户提供的数据进行全面的评价最终得出对数据的满意度值。