针对无线传感器网络中的搭便车现象，在博弈论的基础上建立了惩罚自私节点的机制。
感器的可靠性分为几个级别，并进行了多策略游戏以使其更符合无线传感器网络的复杂性特征，以鼓励节点选择可信的合作策略。果表明，基于博弈论的无线传感器网络自私节点惩罚机制可以有效解决网络中的搭便车问题，从而验证了惩罚机制的有效性。线传感器网络（WSN）由大量传感器节点组成，其中大多数是自组织和多跳的，这些传感器节点可以协作地感知和处理信息与感知对象相关联，并将感知信息发送给网络所有者[1-2]。WSN具有典型的复杂网络特征，其应用也变得越来越复杂。果，WSN的安全性已成为亟待解决的问题。统的WSN解析方法主要是基于加密的安全机制。方法主要用于抵抗外部攻击。是，基于密码的安全机制不能有效地抑制WSN内部传感器节点的自私行为。
着无线传感器网络研究领域的日趋成熟，对其信任管理的研究也成为无线传感器网络领域的研究热点。WSN中，由于资源的限制，传感器节点为了获得更多的资源而自私地工作，这导致了WSN中的节点随心所欲的问题。是，节点的这种自私行为严重影响了网络性能和WSN的正常运行。此，考虑到无线传感器网络中的搭便车现象，作者建立了一种基于博弈论的自私打结惩罚机制，将传感器的可信度分为几个等级，进行多人游戏。其与无线传感器网络的复杂性更加一致的策略。点，以便制定更有效的激励和制裁机制，并鼓励节点选择可信赖的合作策略。
了解决无线传感器网络中的搭便车问题，有必要引入信任管理来度量和管理传感器节点的行为，恒温阀芯以制定相应的激励和惩罚机制来抑制传感器网络的自私行为。感器节点。查显示，在WSN，社交网络和P2P网络中，几乎70％的节点在交互期间不共享任何网络资源，而这些自私的节点释放了共享信息的用户。络中很少有节点可以共享信息或向其他节点提供服务。乎50％的文件搜索响应对应于位于信息共享节点顶部的文件的1％。前，关于激励和制裁机制的研究越来越成熟。励机制算法的基本流程如图1所示。前，提出的激励和制裁机制分为基于节点的激励方法[3-4]。
]，基于博弈论的方法[5-6]和控制社交网络或经济模型的策略[5，7-9]。3类。于结行为的激励方法与Freeride问题相关的第一种抑制方法是基于节点行为的激励方法，这种方法已被广泛使用。于节点行为的激励方法的某些问题，例如如何计算节点的信誉，已成为WSN和其他网络的研究热点。用函数的定义，度量和选择是基于节点的不同行为激励方法之间的差异[10]。方法可以有效地防止自私节点的欺骗行为，并鼓励节点遵循相关的网络协议。是，在实际应用中，由于分布式的测量和监视机制，节点之间的相互监视会产生大量开销。络的高密度导致生成节点由于监视相邻节点而增加了负载。于博弈论的方法由于WSN的复杂性，可以将节点的行为建模为长期博弈过程。点有多种策略可供选择，例如为系统做贡献，仅接收信息，不发送信息以及帮助平衡收入等，以便它们可以从中获得最大收益。于博弈论的方法包括分析节点策略的选择，以及在不同网络节点策略上玩游戏，以分析它们之间的关系[11]。而，在对真实的无线传感器网络，社交网络和P2P激励机制的研究中，博弈论方法存在以下两个主要问题：当前的博弈激励机制主要针对这两个方面。戏的策略，即完全合作和完全不合作，但是，在一个真正的复杂网络中，网络节点的策略是复杂的，因此两个策略游戏无法满足游戏的复杂性特征。实网络中的策略；在现有的基于博弈论的激励机制中，提出的假设过于严格，与实际复杂的网络环境存在较大差异，因此获得的纳什均衡的准确性较低。于社交网络或业务模型的控制策略在诸如WSN，社交网络和P2P网络之类的复杂网络中，节点的自私行为是用户个人心理因素的扩展，因此网络社会或经济模型可用于研究个人的自私行为。是，大多数使用社交网络或经济模型的控制策略都需要一个集中的第三方来审核节点的信任行为。此，该方法的可扩展性较低，限制了诸如WSN，社交网络和P2P网络等复杂网络的发展，并且在计算网络时很难获得网络所有节点的认可。
誉。此，由于复杂网络的动态和复杂特性，这种需要第三方审核的方法很难执行。于激励和惩罚机制的上述缺陷，基于无线传感器网络的特点，本研究基于博弈论研究了无线传感器网络自私节点的惩罚机制。征的复杂性，以期制定出更有效的激励和制裁机制，并鼓励节点选择可信赖的合作策略。
统的基于博弈论的激励和惩罚机制主要针对两种策略的博弈论，也就是说，打结行为分为两种策略：自私策略和自私策略。得信赖的合作策略。下来，表1给出了对称博弈收入矩阵，满足D> T> S> C，2T> C D。句话说，博弈的两个部分选择了可靠的合作策略来获得更好的整体表现。么，无论对手采取何种策略，自私策略的选择都是最佳选择，也就是说理性个体最终将选择自私策略。种自私的状态是系统的纳什均衡状态。WSN中，自私结和合作信任结在玩游戏时，自私结会损害合作信任结的优势而获得优势，其行为违反了公平的标准。此，为了抑制WSN中感觉自私节点的产生，本研究提出了一种基于博弈论的自私节点惩罚机制，从而提高了合作信任策略的收益，减少了自私节点的收益并鼓励节点选择信任的合作策略。大化WSN的整体利益。此，如果游戏的个人受到公平标准的影响，由于违反公平性而导致的“罪恶感”，自私结效用的收益将减少，而效用的收益将减少可信合作节点的数量将导致额外的增加。满加剧。据惩罚机制的特点，根据表1中两个战略博弈的收入矩阵中每个战略的收益值，本研究给出了添加惩罚机制后的收益计算方法，如式（1）所示。于WSN的网络特性复杂，因此必须将传感器的行为划分为多个级别，并且必须在两种策略的游戏基础上进行多策略游戏。究通过仿真实验验证了信息传播模型的有效性。
件测试环境是使用Windows 8操作系统，使用Matlab 7.0编程平台的2.60 GHz英特尔酷睿i5-3230M处理器，12.0 GB的内存。项研究模拟了WSN中1，000个不同传感器节点数量的趋势，以验证所提出的惩罚机制的有效性。2显示了不添加惩罚机制的多策略游戏的演变。图2可以看出，当没有添加惩罚机制时，自私的节点将主导整个网络的发展方向，即一种自由行为。现皱纹。添加了本研究提出的惩罚机制之后，仿真测试的结果如图3所示。们可以在图3中看到，在不包含传感器网络的自私节点的惩罚机制之后，基于博弈论的线程，选择协作信任策略的传感器节点最终支配了整个WSN的发展方向。于消失了。以看出，本文提出的惩罚机制可以有效解决WSN中搭便车者的问题，从而验证了惩罚机制的有效性。为战略选择。查制裁机制的有效性。以后的工作中，我们将更详细地研究WSN的复杂特性，并建立更有效的激励和制裁机制，以鼓励节点选择可靠的合作策略，从而提高WSN的整体性能。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com