[发明专利]一种基于贝叶斯信任模型的网络端到端延迟优化方法

说明书

本发明涉及一种基于贝叶斯信任模型的网络端到端延迟优化方法，其步骤包括：初始化移动自组网的单位平方网络场景、传输数据流以及传输调度模型；对每个节点的转发数据行为进行监控，收集、统计T时刻所有节点转发数据的成功次数和失败次数，并计算成功和失败的平均次数；利用贝叶斯方法评估T+1时刻网络环境中所有节点的信任度以及环境信任度；通过对两跳移动自组网的基于贝叶斯信任模型的网络端到端延迟上界的封闭式理论分析，得到最优理论端到端延迟上界以及对应的信任阈值；将信任阈值引入到网络环境中，对相遇的非目的节点进行信任评估，做出是否选择相遇节点作为中继节点的决策。本发明能够降低两跳移动自组网络中数据传输的端到端延迟。

技术领域

本发明属于网络技术领域，具体涉及一种在两跳单副本移动自组网络中通过贝叶斯信任模型来优化网络端到端延迟的方法。

背景技术

目前，无线移动通信和移动终端设备高速发展，移动自组网(Mobile Ad hocNetworks，简称MANETs)作为一种无中心自组织网络，已经在灾后救援通信、网络语音通话、流媒体视频等小范围临时性组网环境中广泛应用。实施移动自组网的目标之一就是在尽可能短的时间内提供高质量的数据通信服务，而且移动自组网络所服务的用户对于网络延迟时间的要求通常极为严苛。

在传统移动自组网络中，由于节点是随机的移动而且随机的选择是否和邻居节点合作，这就造成数据资源的浪费，增加无关的延迟。理性的选择中继节点来转发数据会对网络延迟产生良好的影响，这就需要对中继节点的选择做出科学的判断。贝叶斯概率估计模型是一种基于概率分布的信任模型，在记录信任评估结果时，采用二项事件的后验概率服从beta分布。贝叶斯概率估计模型巧妙的结合了先验知识，能对调查结果的可能性加以数量化的评价，为信任度的计算提供了一种理论基础。相比传统的概率估计模型，贝叶斯评估模型中的信任可以从不同的方面得到反映，具有一定的灵活性和针对性，可以使决策更加科学。2013年Marcin Seredynski给出了一种MANETs中的基于信任的合作制裁方案，其中利用贝叶斯方法来对节点的信任值进行评估(Seredynski M,Aggoune R,Szczypiorski K,Khadraoui D,Performance Evaluation of Trust-Based Collaborative Sanctioningin MANETs.Trust,Security and Privacy in Computing and Communications(TrustCom),2013 12th IEEE International Conference on.IEEE,2013.)，使网络的吞吐量性能得到很好的提升。但是这篇文章没有对网络的端到端延迟性能进行研究。在基于信任的移动自组网模型中引入信任阈值，调控网络中的信任阈值可以达到控制网络端到端延迟的效果。