E-PTES-S：通过多维时空融合和基于方差的稳定性序列提取技术在物联网传感网络中增强信任评估 刘金泽（Jinze Liu） 姚永涛（Yongtao Yao） 刘晓（Xiao Liu） 陈金宁（Jining Chen） 李绍轩（Shaoxuan Li） 林家毅（Jiayi Lin）

《Sensors》：E-PTES-S: Enhanced Trust Evaluation via Multidimensional Spatiotemporal Fusion and Variance-Based Stability Sequence Extraction in IoT Sensing Networks Jinze Liu, Yongtao Yao, Xiao Liu, Jining Chen, Shaoxuan Li and Jiayi Lin

物联网中移动数据收集器的信任评估面临时空伪造等威胁，本文提出E-PTES-S系统，通过整合区域一致性、任务时效性等五维证据，结合滑动窗口技术和稳定性序列计算，实现动态自适应权重分配，在复杂环境下检测率达98.7%，收益提升4.8%，环境阴影下仍保持84.4%检测率。

　　

摘要

移动数据收集器（MDCs）在物联网（IoT）传感网络中扮演着非常重要的角色。然而，确保它们能够抵御内部威胁（如开关攻击和时空伪造）的可靠性仍然是一个关键挑战。现有的信任评估方法往往因证据维度不足以及无法量化行为稳定性而难以应对这些威胁。为了解决这些问题，本文提出了一种基于稳定性序列提取（E-PTES-S）的增强型主动信任评估系统。E-PTES-S通过整合五个证据因素、稳定性计算机制和自适应权重分配方案来提高评估准确性，从而在主动验证数据稀缺的情况下仍能保持系统的鲁棒性。除了常规的交互和主动验证指标外，还引入了区域一致性（???????）和任务时效性（???????），以更严格地防止位置伪造和传输时间偏差。随后，使用滑动窗口技术获得一个综合证据序列，该序列包括一个新的连续稳定性序列（?????????）以及传统的可信、不可信和不确定序列。这个连续稳定性序列引入了基于方差的激励机制来衡量行为稳定性。最终，从包括多维时空证据和稳定性指标在内的多个指标中得出标准化信任值。实验结果表明，在复杂的动态条件下，所提出的E-PTES-S的节点检测率为98.7%，比基线PTES和Trust-SIoT算法分别高出约9%和1%，同时累计数据收集利润提高了4.8%。此外，鲁棒性分析表明，E-PTES-S对物理层不确定性具有出色的鲁棒性，即使在严重的环境遮挡情况下也能保持84.4%的检测率。