边缘计算环境下基于内容中心模式的层次化广义信任模型与隐私保护策略

《Intelligent and Converged Networks》:Trust Model and Privacy Protection in Edge Computing Environment

【字体: 大 中 小 】 时间:2026年09月22日 来源:Intelligent and Converged Networks CS8.2

编辑推荐:

  随着接入互联网的终端数量及其生成数据的快速增长,边缘计算通过在网络"边缘"(由设备或本地服务器处理数据)处理数据,减少了发送至云端的数据量并降低了带宽压力。同时,互联网应用的持续演进使得以内容为中心的模式成为未来互联网的发展趋势。尽管"以内容为中心"的模式和网

  
随着接入互联网的终端数量及其生成数据的快速增长,边缘计算通过在网络"边缘"(由设备或本地服务器处理数据)处理数据,减少了发送至云端的数据量并降低了带宽压力。同时,互联网应用的持续演进使得以内容为中心的模式成为未来互联网的发展趋势。尽管"以内容为中心"的模式和网内缓存使内容中心模型比当前以IP地址为中心的模式更适合解决资源发现、计算重用和移动性管理等问题,但仍需解决一些重要的安全和隐私问题。因此,研究人员针对边缘计算环境提出了一种层次化的广义信任模型及相应的隐私保护策略。在该信任模型中,计算了层内及跨层不同交互关系中节点间的直接信任,通过来自直接交互节点的推荐信任获得非直接交互节点的间接信任,进而结合直接信任与间接信任得到综合信任。基于所提出的信任模型,通过对可信交互节点之间的传输内容进行加密来保护隐私。对于层内交互节点,采用对称加密算法。对于云/边缘层的交互节点,密钥长度基于其环境信任设定;而对于终端节点,密钥长度则基于其环境信任和可用资源设定。对于层间交互节点,采用非对称加密算法。对于从高层节点到低层节点的交互,密钥基于低层节点的环境信任以及低层节点请求内容的相似度进行计算。
一、研究背景与现存问题
近年来,随着物联网(IoT)的迅猛发展,全球已进入万物互联时代,海量终端设备接入互联网并产生巨量数据。据华为全球产业展望预测,到2030年,中国移动物联网连接数将达到数百亿规模,全球将有超过5000亿台物联网设备接入互联网,届时全球每年产生的数据总量将达到1YB。一方面,若将所有数据上传至云端处理,将对网络带宽造成巨大压力;另一方面,诸如自动驾驶等新兴网络应用对低延迟有极高要求,亟需在靠近数据生成的本地设备和网络中采集和分析数据。因此,传统云计算模式已无法满足应用需求,边缘计算模式应运而生。
与此同时,互联网的关注点逐渐从"从哪里获取数据"转向"获取什么数据",以内容为中心的模式成为未来互联网的趋势。与当前以IP地址为中心的架构不同,内容中心模式聚焦于内容本身,通过内容名称而非网络地址完成通信,具备更便捷和强大的网内缓存能力,有助于解决边缘计算中的资源发现、计算重用和移动性管理等固有挑战。然而,尽管边缘计算和内容中心模式各自在安全性和隐私保护方面具有一定优势,但在应用于高安全性标准的新兴应用时仍面临两大问题:其一,边缘计算涉及云、边、端三层设备间的交互,这些层内和层间交互易遭受拒绝服务攻击、内容投毒等多种攻击,严重制约了其应用;其二,即使构建信任模型确保参与节点处于可信状态,直接数据传输仍存在隐私泄露风险。
二、研究内容与结论
为解决上述问题,研究人员提出了一种覆盖云、边、端三层结构的层次化广义信任模型。该模型针对层内和层间不同的交互关系设计了不同的直接信任计算方式,以应对边缘计算环境中常见的网络攻击,并通过推荐机制获取间接信任,将直接信任与间接信任相结合建立综合信任,从而排除不可信节点。在此基础上,进一步提出了相应的隐私保护策略,分别对层内交互和层间交互采用对称加密和非对称加密算法,确保仅可信交互方共享密钥,防止隐私泄露。同时,基于环境信任和资源可用性等因素动态设置加密密钥长度,以降低开销。实验结果表明,与当前的双向双层模型相比,所提信任模型在交互成功率和准确率方面平均提升了2.8%和28.75%;与扩展的双向三层模型相比,平均提升了12.06%和35.13%。所提隐私保护方法比固定长度密钥方法更加灵活,在保证正确性的同时降低了开销:相较于56位固定长度密钥方法,开销平均降低39.5%;相较于128位固定长度密钥方法,开销平均降低70.3%。
三、关键技术方法
研究人员采用了以下几项关键技术方法:首先,构建了一个层次化的广义信任模型,涵盖云-边-端三层架构,定义了四种层间信任关系(云-边、边-端、端-边、边-云)和三种层内信任关系(云-云、边-边、端-端),并针对每种关系选择了代表性攻击类型(如拒绝服务攻击、内容投毒攻击、虚假内容攻击、灰洞/黑洞攻击等)设计相应的直接信任评估方案;其次,引入信息熵概念,基于中间节点与目标节点的历史交互次数计算推荐权重,从而获取间接信任;再次,采用加权融合的方式将直接信任与间接信任结合为综合信任,并利用历史信任值进行平滑更新;最后,基于信任模型设计了自适应加密策略,对层内交互使用对称加密,对层间交互使用非对称加密,并根据环境信任和资源可用性动态调整密钥长度。
四、研究结果
3.1 直接信任:研究人员将直接信任分为服务信任、内容信任和协作信任三类,分别对应不同交互场景。服务信任用于下层节点对上层节点的服务质量(QoS)评估,基于协商的QoS参数与实际测量值的比较,通过满意度统计周期性地计算信任值。内容信任用于上层节点验证下层节点提供内容的真实性与正确性,综合考虑签名验证和后续反馈。协作信任主要用于同层节点(尤其是终端节点)之间的合作行为监测,防范灰洞/黑洞攻击。所有直接信任均采用统一的计算公式,即成功交互次数与总交互次数的比值(含平滑因子)。
3.2 间接信任:当两节点无直接交互时,通过共同邻居节点的推荐来建立信任。研究人员引入信息熵衡量中间节点推荐的可信度,基于中间节点与目标节点在多个时间周期内的交互频率,经过标准化、归一化后计算信息熵,进而确定各中间节点的推荐权重,最终加权聚合得到间接信任。在稀疏网络或节点规模过大时,可忽略间接信任,仅依赖直接信任。
3.3 综合信任:在每个时间周期内,节点通过服务评价、邻居监控和内容验证获得直接信任,通过邻居推荐获得间接信任,然后按权重求和得到当前周期的信任变化量,再结合上一周期的综合信任进行指数平滑更新,得到当前周期的综合信任值。直接信任与间接信任的权重可根据具体任务和部署环境灵活调整。
五、讨论与结论
在讨论部分,研究人员指出,虽然现有研究在边缘计算的信任模型和隐私保护方面已有较多工作,但往往集中于单层模型或IP中心架构,忽略了多层、内容中心环境的复杂性,且隐私保护方案未能充分考虑边缘计算的动态特性,导致效率低下。相比之下,本文提出的层次化异构信任模型通过纳入跨层交互和基于环境信任水平的动态加密机制,提供了更全面的解决方案,增强了多层动态网络中的安全性和效率。
研究结论如下:针对未来基于内容中心模式的边缘计算环境,研究人员提出了一种层次化广义信任模型,覆盖云-边-端三层结构,包含多种交互关系,并针对不同信任关系划分信任类型,选择代表性攻击并应用相应解决方案作为直接信任依据,结合通过推荐机制获得的间接信任,建立了边缘计算环境下的综合信任模型。此外,其他攻击缓解措施也可轻松集成到该广义信任模型中。基于信任模型,研究人员进一步针对不同交互关系设计了隐私保护方法,分别对层内和层间交互应用对称和非对称加密算法,基于信任模型对传输数据进行加密,确保仅可信方能够访问数据,避免了隐私泄露风险。环境信任和资源可用性被用于调整加密算法的密钥长度,在保证安全性的同时降低了开销。最后,通过对比实验验证了所提信任模型和隐私保护方法的有效性和优越性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号