مدل اعتماد توزیع‌شده رویداد محور برای شبکه اینترنت اشیا

چشم‌اندازی از اینترنت آینده به‌گونه‌ای معرفی شده که دستگاه‌های محاسباتی مختلف به یکدیگر متصل می‌شوند تا شبکه‌ای به نام اینترنت اشیا را تشکیل دهند. اینترنت اشیا با ارائه بسیاری از برنامه‌ها و وسایل هوشمند که می‌توان از راه دور کنترل کرد، زندگی انسان را تسهیل می‌کند. امنیت اینترنت اشیا به دلیل ویژگی‌های ذاتی اینترنت اشیا به‌ویژه ناهمگونی گره‌ها از نظر منابع، یک کار چالش‌برانگیز است. مدیریت اعتماد با محاسبه و تجزیه‌وتحلیل اعتماد بین گره‌ها، در برقراری ارتباط بین گره‌ها این امکان را فراهم می‌کند که گره، تصمیم مناسب و قابل اعتمادی بگیرد. هدف طرح‌های مدیریت در یک سیستم توزیع‌شده این است که بر اساس رفتارهای قبلی گره‌ها، رفتارهای آینده آنها را پیش‌بینی کند. در این مقاله یک روش مدیریت اعتماد توزیع‌شده رویدادمحور پیشنهاد شده که به محاسبه اعتماد بین اشیا با استفاده از جمع وزنی می‌پردازد. در این روش، گره‌ها می‌توانند رفتار دیگر گره‌ها را ارزیابی کنند. با توجه به شبیه‌سازی انجام‌شده، روش پیشنهادی در مقایسه با روش ddtms، سریع‌تر است و در تعداد تراکنش کمتری گره های مخرب را شناسایی می کند و همچنین در برابر حملات روشن- خاموش و بدگویی مقاوم تر است.

event-driven distributed trust model for internet of things network

a vision of the future internet has been introduced in which various computing devices will be connected to each other to form a network called the internet of things. the internet of things facilitates human life by providing many applications and smart devices that can be controlled remotely. iot security is a challenging task due to the inherent characteristics of iot, especially the heterogeneity of nodes in terms of resources. trust management, by calculating and analyzing the trust between nodes, enables the node to make an appropriate and reliable decision in communication between nodes. the goal of trust management schemes in a distributed system is to predict the future behavior of nodes based on their previous behavior. in this paper, an event-based distributed trust management method is proposed that calculates the trust between objects using weighted summation. in this method, nodes can evaluate the behavior of other nodes. according to the performed simulation, the proposed method is faster in comparison with the ddtms method and identifies malicious nodes in fewer transactions and is also more resistant to on-off and bad-mouthing attacks.