| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 本文的研究思路 | 第11页 |
| 1.3 本文主要研究内容和创新成果 | 第11-12页 |
| 1.4 研究生期间工作 | 第12页 |
| 1.5 本文的组织结构 | 第12-14页 |
| 第二章 信任管理相关工作 | 第14-21页 |
| 2.1 信任管理 | 第14-16页 |
| 2.1.1 信任的定义 | 第14-15页 |
| 2.1.2 信任关系的分类 | 第15页 |
| 2.1.3 信任关系的相关性质 | 第15-16页 |
| 2.2 Ad-Hoc网络中信任管理模型 | 第16-20页 |
| 2.2.1 信任管理模型的分类 | 第16-18页 |
| 2.2.2 基于Watchdog机制的MANETs信任管理模型 | 第18-19页 |
| 2.2.3 基于Bayesian方法的信任管理模型 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 基于相似度和激励机制的直接信任更新方法 | 第21-28页 |
| 3.1 引言 | 第21页 |
| 3.2 直接信任合成更新 | 第21-22页 |
| 3.3 相似度的定义与计算 | 第22-23页 |
| 3.4 激励机制的设计规则 | 第23-25页 |
| 3.5 仿真实验分析 | 第25-27页 |
| 3.5.1 动态适应性 | 第25-26页 |
| 3.5.2 抵御恶意节点能力 | 第26-27页 |
| 3.6 小结 | 第27-28页 |
| 第四章 基于D-S理论和过滤机制的信任评估模型 | 第28-37页 |
| 4.1 引言 | 第28页 |
| 4.2 D-S证据理论 | 第28-30页 |
| 4.2.1 证据、识别框架及信度函数 | 第28-29页 |
| 4.2.2 Dempster合成规则 | 第29-30页 |
| 4.3 推荐节点的过滤机制 | 第30-32页 |
| 4.4 间接信任合成 | 第32-34页 |
| 4.4.1 推荐向量相似度矩阵 | 第32-33页 |
| 4.4.2 折扣系数设计 | 第33-34页 |
| 4.5 仿真实验分析 | 第34-35页 |
| 4.5.1 恶意节点发现比例 | 第34-35页 |
| 4.5.2 成功交易率 | 第35页 |
| 4.6 小结 | 第35-37页 |
| 第五章 总结与展望 | 第37-39页 |
| 参考文献 | 第39-41页 |
| 致谢 | 第41-42页 |
| 作者攻读学位期间发表的学术论文目录 | 第42页 |