Simulation of the history-based alg

Simulation of the history-based algorithm for trust management. The aim
of the history-based trust evaluation is to distinguish between trustworthy and malicious
nodes. We expect the ratio of malicious to trustworthy nodes as well as node density to
play an important role in this decision. The node density ρ is the number of nodes per unit
of the area. In our simulation experiments the size of the area is constant but the number
of nodes increases from 500 to 2 000 thus, the node density increases by a factor of four.
The ratio of the number of malicious to the total number of nodes varies between α = 0.2
to a worst case of α = 0.6.
The performance metrics we consider are: the average trust for all nodes, the average
trust of individual nodes, and the error of honest/trustworthy nodes. We wish to see how
the algorithm behaves when the density of the nodes increases; we consider four cases with
500, 1000, 1 500 and 2 000 nodes on the same area thus, we allow the density to increase by
a factor of four. We also investigate the average trust when α, the ratio of malicious nodes
to the total number of nodes increases from α = 0.2 to α = 0.4 and, finally, to α = 0.6.

Kết quả (Việt) 1:

Mô phỏng của thuật toán dựa trên lịch sử để quản lý tin tưởng. Mục đíchđộ tin cậy dựa trên lịch sử đánh giá là để phân biệt giữa đáng tin cậy và độc hạinút. Chúng tôi hy vọng tỷ lệ độc hại đáng tin cậy nút cũng như mật độ nútđóng một vai trò quan trọng trong quyết định này. Nút mật độ ρ laø soá löôïng nút cho mỗi đơn vịcủa khu vực. Trong các thí nghiệm mô phỏng của chúng tôi kích thước của khu vực là không đổi nhưng sốnút tăng từ 500 đến 2 000 do đó, mật độ nút tăng bởi một nhân tố của 4.Tỷ lệ của số lượng độc hại với tổng số các nút khác nhau giữa α = 0,2cho một trường hợp xấu nhất của α = 0,6.Số liệu hiệu suất mà chúng tôi xem xét là: sự tin tưởng trung bình cho tất cả các nút, mức trung bìnhsự tin tưởng của các nút cá nhân, và sai số trung thực đáng tin cậy/nút. Chúng tôi muốn xem như thế nàoCác thuật toán ứng xử khi mật độ của các nút tăng; chúng tôi xem xét các trường hợp bốn với500, 1000, 1 500 và 2 000 nút trên cùng một khu vực do đó, chúng tôi cho phép mật độ tăngmột yếu tố của 4. Chúng tôi cũng điều tra mức trung bình là tin tưởng khi α, tỷ lệ của độc hại nútđể tổng số nút tăng từ α = 0.2 đến α = 0,4, và cuối cùng, để α = 0,6.

Kết quả (Việt) 2:

Mô phỏng các thuật toán dựa trên lịch sử cho quản lý tin tưởng. Mục đích
của việc đánh giá tín nhiệm lịch sử dựa trên là để phân biệt giữa đáng tin cậy và độc hại
nút. Chúng tôi kỳ vọng tỷ lệ độc hại vào các nút đáng tin cậy cũng như mật độ nút để
đóng một vai trò quan trọng trong quyết định này. Mật độ nút ρ là số nút trên một đơn vị
diện tích. Trong các thí nghiệm mô phỏng của chúng tôi kích thước của khu vực này là không đổi nhưng số
lượng các nút tăng 500-2 000 do đó, việc tăng mật độ nút bởi một yếu tố của bốn.
Tỷ lệ số lượng độc hại cho tổng số các nút khác nhau giữa α =
0,2. cho một trường hợp tồi tệ nhất của α = 0.6
Các số liệu hiệu suất, chúng tôi xem xét là: sự tin tưởng trung bình cho tất cả các nút, các trung bình
tin tưởng của các nút riêng lẻ, và các lỗi của trung thực / nút đáng tin cậy. Chúng tôi muốn xem làm thế nào
các thuật toán xử khi mật độ của các nút tăng; chúng ta xem xét bốn trường hợp với
500, 1000, 1 500 000 và 2 nút trên cùng một khu vực như vậy, chúng tôi cho phép mật độ tăng
gấp bốn. Chúng tôi cũng tìm hiểu sự tin tưởng trung bình khi α, tỷ lệ của các nút độc hại
với tổng số nút tăng từ α = 0,2 đến alpha = 0,4 và, cuối cùng, để alpha = 0,6.