Relation de confiance " Trust relationship "

Chapitre 4 Contexte de notre approche

Figure 4.1 : Les zones de la confiance.

Dans ce schéma, on peut identifier trois zones :

 La défiance : La valeur de confiance dans cette zone est négative parce que le confiant pense que le voisin a des intentions négatives.

 La méfiance : L'estimation du confiant est positive, les intentions du voisin ne présentent pas de danger pour lui, mais la valeur reste en dessous du seuil de coopération. Cela parce que le confiant juge que le voisin est incapable d’exécuter la tâche, même si ses intentions sont positives. Par conséquent, le confiant ne va pas coopérer avec ce voisin tant qu’il émet des doutes sur sa compétence.

 La confiance : La valeur ici est au-dessus du seuil de coopération, alors le confiant prendra le risque de coopérer avec ce voisin.

Les zones de confiance numérisent l’opinion du confiant à l’égard de ses voisins. Le point le plus déterminant sur cette barre est le seuil de coopération : où se positionne-t-il exactement sur la barre? Quand et comment change-t-il sa position ? Afin de mieux comprendre la notion du seuil de coopération, il faut prendre conscience du contexte de la confiance.

2.3 Relation de confiance

Trust relationship

En MANET, la confiance est représentée et réalisée par les relations de confiance en interaction les uns avec les autres. En conséquence les relations de confiance sont déterminées par les règles d’évaluation afin d’évaluer et de juger les éléments de preuve d'une manière quantitative générés par les comportements antérieurs d'un nœud [116]. Pour augmenter la portée et pouvoir établir la confiance entre les nœuds du réseau, le contact entre le confiant et le crédible (le nœud qui sera évalué) se fait par les trois moyens suivants (Figure 4.1).

2.3.1 La Confiance directe

La confiance directe est un contact personnel direct ou une interaction directe entre un couple de nœuds dans le réseau (le nœud confiant et le nœud crédible), ce type de confiance est défini comme étant la fiabilité calculée pour un nœud par rapport à la preuve capturée pendant les interactions de

-1 0 +1 Valeur de confiance Seuil de coopération Ignorance

Défiance (absence de confiance) Confiance Méfiance

(Manque de confiance)

Chapitre 4 Contexte de notre approche

102 Un modèle de confiance pour la sécurité des communications dans les réseaux mobiles Ad hoc.

type un à un "one-to-one". La confiance directe est établie grâce à des observations préliminaires si les interactions précédentes entre les nœuds voisins ont réussi. (Figure 4.1{a})

Figure 4.2 {a} : Confiance directe.

2.2.2 La confiance à base de recommandation (Confiance indirecte)

Dans ce type de confiance, le nœud confiant et le nœud crédible ne se connaissent pas directement. La confiance est établie par un ou plusieurs tiers intermédiaires, d’une manière que l’opinion sur un nœud pourrait le recevoir sur d'autres nœuds. (Figure 4.1{b})

Figure 4.2 {b} : Confiance indirecte (Recommandation).

2.2.3 Contact à travers l'examen de l’historique

Quand un nœud confiant n'a pas assez d'expérience directe sur un nœud crédible, le nœud confiant peut enquêter à un troisième nœud pour la recommandation. Nous supposons que le troisième nœud a une certaine valeur de confiance sur le nœud crédible à base de sa propre évaluation. (Figure 4.1{c})

Figure 4.2 {c} : Contact à travers l'examen de l’historique.

Étape 3, Confiance sur "𝑗" par "𝑖"

Étape1, Interactions directes entre "𝑖" & "𝑗"

Étape 2, Confiance directe entre "𝑖" & "𝑗"

𝑗

𝑖

Étape 1, Recommandation sur "𝑗" par "𝑘" & "𝑗"

Étape 2, Confiance indirecte entre "𝑖" & "𝑗"

𝑗

𝑖

𝐾

Étape 2, Recommandation sur "𝑗" par "𝑘" & "𝑗"

Étape 1, Interaction directe entre "𝑖" & "𝑗"

𝑗

𝑖

Chapitre 4 Contexte de notre approche

3. LOGIQUE FLOUE POUR LA CONFIANCE "FUZZY TRUST"

Comme nous le savons, le cerveau humain interprète les informations sensorielles imprécises et incomplètes fournies par les organes perceptifs. La théorie des ensembles flous représente et manipule numériquement ces informations linguistiques de façon naturelle par l'intermédiaire des fonctions d'appartenance et des règles floues. Il peut être une méthodologie générale pour intégrer les connaissances, les heuristiques ou la théorie en contrôleurs et les décideurs. Par conséquent, la théorie des ensembles flous a été appliqué dans un système de décision de contrôle, soit pour améliorer les performances ou pour gérer les problèmes que la théorie classique de commande ne peut pas aborder avec succès, car celui-ci repose sur un modèle valide et précis qui n'existe pas toujours.

La confiance est par nature un concept flou, ce qui pose une contrainte floue sur la prise de décision de l'itinéraire de confiance. Dans les relations humaines, la confiance est souvent exprimée linguistiquement plutôt que numériquement [11]. Il est bien établi que la logique floue est adaptée pour quantifier la confiance entre les entités qui composent un réseau ou un groupe. Un des avantages de l'utilisation de la logique floue pour quantifier la confiance entre les nœuds dans les réseaux Ad hoc, est sa capacité à quantifier des données imprécises ou de l'incertitude dans la mesure de l'indice de sécurité des nœuds Ad hoc.

La logique floue est une extension de la logique booléenne créée par L. Zadeh [117] en se basant sur sa théorie mathématique des ensembles flous, qui est une généralisation de la théorie des ensembles classiques, la logique floue confère une flexibilité très appréciable aux raisonnements qui l’utilisent, ce qui permet la modélisation des imperfections des données et se rapproche dans une certaine mesure de la flexibilité du raisonnement humain.

Comme la science s’appuie sur la notion de mesure, les questions qui se posent ici sont :

 Comment représenter les valeurs non mesurables ? (Dans notre cas, les valeurs de confiance)  Comment représenter ce qui est incertain ou subjectif ?

 Comment représenter les termes du langage humain ?

Les descriptions linguistiques d’un système sont souvent vagues. Mais le flou n’est pas imprécis. Si une donnée n’est pas connue précisément, elle peut être exprimée par un intervalle de confiance précis. Cet intervalle est un ensemble de valeurs possibles pour la donnée.

La logique floue est très utile lorsque le modèle mathématique du problème à traiter n’existe pas ou existe mais difficile à implémenter, ou il est trop complexe pour être évalué assez rapidement pour des opérations en temps réel [118], elle est aussi supposée de travailler dans les situations où il y a de large incertitude et des variations inconnues dans les paramètres et la structure du système.

Chapitre 4 Contexte de notre approche

104 Un modèle de confiance pour la sécurité des communications dans les réseaux mobiles Ad hoc.

Un système flou est caractérisé par le système d'inférence qui contient la base de règles du système, des fonctions d'appartenance qui fuzzifer les variables d'entrée et le processus de dé-fuzzification pour dé-fuzzifer les variables de sortie, comme le montre la figure 4.3.