ЗАХИСТ РЕПУТАЦІЙНОГО МЕХАНІЗМУ БЕЗДРОТОВОЇ МЕРЕЖІ ВІД ПОМИЛКОВИХ ОНОВЛЕНЬ ЗА НАЯВНОСТІ СКОМПРОМЕТОВАНИХ ВУЗЛІВ НА ОСНОВІ ТИПІЗОВАНОГО ПРАВИЛА k-з-N

Ольга Партика

doi:10.28925/2663-4023.2026.35.1467

Автор(и)

Ольга Партика Національний університет «Львівська Політехніка» https://orcid.org/0000-0002-3086-3160

DOI:

https://doi.org/10.28925/2663-4023.2026.35.1467

Ключові слова:

кібербезпека, бездротові мережі, скомпрометовані вузли, оцінювання довіри, репутація вузлів, правило k-з-N, злиття рішень, візантійська поведінка

Анотація

У бездротових мережах репутація вузла часто оновлюється шляхом порівняння його локального повідомлення з глобальним рішенням центру злиття. За неповного покриття або за наявності скомпрометованих джерел таке рішення не завжди є надійним еталоном, унаслідок чого правильне повідомлення чесного вузла може отримати негативне оновлення. У роботі розглянуто типізоване подання результату правила k-з-N, призначене для зменшення кількості таких помилкових штрафів. Базове бінарне рішення не змінюється, але додатково розрізняються однозначний кворум, подвійний кворум, недосягнутий кворум, брак покриття та відсутність даних. Репутація оновлюється лише у випадках однозначного кворуму H1 або H0. Коректність реалізації перевірено повним перебором 15 309 пар «конфігурація–квота». Експериментально порівняно класичне оновлення, фільтрацію за покриттям, двостороннє кворумне правило, байєсівські варіанти та бета-репутацію із забуванням. У базовому сценарії використовувались N=7, k=4, два скомпрометовані вузли та апріорна ймовірність P(H1)=0,5. За pA=0,5 класичне правило давало близько 34% несправедливих штрафів чесних вузлів, фільтрація за покриттям — близько 28%, а типізоване правило — 1,9%. Різниця середньої довіри між чесними та скомпрометованими вузлами становила близько 0,59. Абляційний аналіз показав, що за k=4 цей результат відтворюється простішим двостороннім кворумним правилом, тоді як за k=3 повна типологія дає невеликий додатковий ефект. Одержані результати свідчать, що врахування структури глобального рішення дає змогу зменшити кількість помилкових штрафів чесних вузлів без зміни базового правила k-з-N. Практично це дає змогу не використовувати недостатньо обґрунтоване глобальне рішення як еталон для зміни репутації вузлів.

Завантаження

Дані завантаження ще не доступні.

Посилання

Varshney, P. K. (1997). Distributed detection and data fusion. Springer. https://doi.org/10.1007/978-1-4612-1904-0

Chair, Z., & Varshney, P. K. (1986). Optimal data fusion in multiple sensor detection systems. IEEE Transactions on Aerospace and Electronic Systems, AES-22(1), 98–101. https://doi.org/10.1109/TAES.1986.310699

Svanström, F., Alonso-Fernandez, F., & Englund, C. (2022). Drone detection and tracking in real-time by fusion of different sensing modalities. Drones, 6(11), 317. https://doi.org/10.3390/drones6110317

Partyka, O., Imoize, A. L., & Li, C.-T. (2026). Cooperative V2X-based UAV detection in rural transportation corridors. Drones, 10(2), 153. https://doi.org/10.3390/drones10020153

Marano, S., Matta, V., & Tong, L. (2009). Distributed detection in the presence of Byzantine attacks. IEEE Transactions on Signal Processing, 57(1), 16–29. https://doi.org/10.1109/TSP.2008.2007335

Rawat, A. S., Anand, P., Chen, H., & Varshney, P. K. (2011). Collaborative spectrum sensing in the presence of Byzantine attacks in cognitive radio networks. IEEE Transactions on Signal Processing, 59(2), 774–786. https://doi.org/10.1109/TSP.2010.2091277

Dempster, A. P. (1967). Upper and lower probabilities induced by a multivalued mapping. The Annals of Mathematical Statistics, 38(2), 325–339. https://doi.org/10.1214/aoms/1177698950

Shafer, G. (1976). A mathematical theory of evidence. Princeton University Press.

Zadeh, L. A. (1986). A simple view of the Dempster-Shafer theory of evidence and its implication for the rule of combination. AI Magazine, 7(2), 85–90. https://doi.org/10.1609/aimag.v7i2.542

Smets, P., & Kennes, R. (1994). The transferable belief model. Artificial Intelligence, 66(2), 191–234. https://doi.org/10.1016/0004-3702(94)90026-4

Yager, R. R. (1987). On the Dempster-Shafer framework and new combination rules. Information Sciences, 41(2), 93–137. https://doi.org/10.1016/0020-0255(87)90007-7

Dubois, D., & Prade, H. (1988). Representation and combination of uncertainty with belief functions and possibility measures. Computational Intelligence, 4(3), 244–264. https://doi.org/10.1111/j.1467-8640.1988.tb00279.x

Lefèvre, E., Colot, O., & Vannoorenberghe, P. (2002). Belief function combination and conflict management. Information Fusion, 3(2), 149–162. https://doi.org/10.1016/S1566-2535(02)00053-2

Dubois, D., Liu, W., Ma, J., & Prade, H. (2016). The basic principles of uncertain information fusion. An organised review of merging rules in different representation frameworks. Information Fusion, 32, 12–39. https://doi.org/10.1016/j.inffus.2016.02.006

Murphy, C. K. (2000). Combining belief functions when evidence conflicts. Decision Support Systems, 29(1), 1–9. https://doi.org/10.1016/S0167-9236(99)00084-6

Xiao, F. (2019). Multi-sensor data fusion based on the belief divergence measure of evidences and the belief entropy. Information Fusion, 46, 23–32. https://doi.org/10.1016/j.inffus.2018.04.003

Lefèvre, E., & Elouedi, Z. (2013). How to preserve the conflict as an alarm in the combination of belief functions? Decision Support Systems, 56, 326–333. https://doi.org/10.1016/j.dss.2013.06.012

Liu, W. (2006). Analyzing the degree of conflict among belief functions. Artificial Intelligence, 170(11), 909–924. https://doi.org/10.1016/j.artint.2006.05.002

Jousselme, A.-L., Grenier, D., & Bossé, É. (2001). A new distance between two bodies of evidence. Information Fusion, 2(2), 91–101. https://doi.org/10.1016/S1566-2535(01)00026-4

Martin, A., Jousselme, A.-L., & Osswald, C. (2008). Conflict measure for the discounting operation on belief functions. Proceedings of the 11th International Conference on Information Fusion (FUSION 2008), Cologne, Germany. https://doi.org/10.1109/ICIF.2008.4632320

Mercier, D., Quost, B., & Denœux, T. (2008). Refined modeling of sensor reliability in the belief function framework using contextual discounting. Information Fusion, 9(2), 246–258. https://doi.org/10.1016/j.inffus.2006.08.001

Destercke, S., & Burger, T. (2013). Toward an axiomatic definition of conflict between belief functions. IEEE Transactions on Cybernetics, 43(2), 585–596. https://doi.org/10.1109/TSMCB.2012.2212703

Pichon, F., Dubois, D., & Denœux, T. (2012). Relevance and truthfulness in information correction and fusion. International Journal of Approximate Reasoning, 53(2), 159–175. https://doi.org/10.1016/j.ijar.2011.02.006

Pichon, F., Destercke, S., & Burger, T. (2015). A consistency-specificity trade-off to select source behavior in information fusion. IEEE Transactions on Cybernetics, 45(4), 598–609. https://doi.org/10.1109/TCYB.2014.2331800

Everaere, P., Konieczny, S., & Marquis, P. (2010). Disjunctive merging: Quota and Gmin merging operators. Artificial Intelligence, 174(12–13), 824–849. https://doi.org/10.1016/j.artint.2010.05.001

Rago, C., Willett, P., & Bar-Shalom, Y. (1996). Censoring sensors: A low-communication-rate scheme for distributed detection. IEEE Transactions on Aerospace and Electronic Systems, 32(2), 554–568. https://doi.org/10.1109/7.489500

Deng, Y. (2015). Generalized evidence theory. Applied Intelligence, 43(3), 530–543. https://doi.org/10.1007/s10489-015-0661-2

Skau, E., Armstrong, C., Truong, D. P., Gerts, D., & Sentz, K. (2023). Open world Dempster-Shafer using complementary sets. Proceedings of the Thirteenth International Symposium on Imprecise Probability: Theories and Applications, PMLR, 215, 438–449. https://proceedings.mlr.press/v215/skau23a.html

Raya, M., Papadimitratos, P., Gligor, V. D., & Hubaux, J.-P. (2008). On data-centric trust establishment in ephemeral ad hoc networks. IEEE INFOCOM 2008, 1238–1246. https://doi.org/10.1109/INFOCOM.2008.180

Zhang, W., Zhu, S., Tang, J., & Xiong, N. (2018). A novel trust management scheme based on Dempster-Shafer evidence theory for malicious nodes detection in wireless sensor networks. The Journal of Supercomputing, 74(4), 1779–1801. https://doi.org/10.1007/s11227-017-2150-3

Jøsang, A. (2016). Subjective logic: A formalism for reasoning under uncertainty. Springer. https://doi.org/10.1007/978-3-319-42337-1

Jøsang, A., Ivanovska, M., & Muller, T. (2015). Trust revision for conflicting sources. 18th International Conference on Information Fusion (FUSION 2015), 550–557. IEEE. https://isif.org/media/trust-revision-conflicting-sources

Jøsang, A., & Ismail, R. (2002). The beta reputation system. Proceedings of the 15th Bled Electronic Commerce Conference, Bled, Slovenia. https://domino.fov.um.si/proceedings.nsf/Proceedings/D9E48B66F32A7DFFC1256E9F00355B37/$File/josang.pdf