1.一种边缘计算网络视频处理中基于声誉的信任评估方法，其特征在于，包括如下步骤：步骤1：对身份信任建模；

步骤2：对能力信任建模；

步骤3：对行为信任建模；

步骤4：根据步骤1-3所建立的模型，在交互完成后任务请求节点根据交互结果向边缘服务器提交评价，边缘服务器根据评价结果计算更新存储服务提供节点声誉值，并将更新后的结果通知服务提供节点。

2.如权利要求1所述的一种边缘计算网络视频处理中基于声誉的信任评估方法，其特征在于，步骤1进一步包括：对身份信任建模，具体建模步骤如下：

在边缘计算网络中，设定当边缘节点加入边缘计算网络系统时，重定向至距离最近的边缘服务器，若终端节点为首次加入，则需要实名认证注册；认证信息发至边缘服务器审核保存，确保身份认证信息能够维护边缘节点身份的真实性和唯一性；设置一个时间阈值t，在这个时间段t内若边缘终端节点没有加入系统进行交互，边缘服务器会把其身份认证信息以及交互历史信任值信息上传至云服务器，当该终端节点加入系统，可通过云服务器将历史信息加载至距离最近的边缘服务器。

3.如权利要求2所述的一种边缘计算网络视频处理中基于声誉的信任评估方法，其特征在于，步骤2进一步包括：能力信任建模，具体建模步骤如下：

在边缘计算定义为对服务请求的响应能力的总称，包括可用服务时长(onlineTime)、CPU处理能力(cpu)、存储空间大小(memory)、硬盘大小(disk)；根据问题研究应用背景视频处理，选取节点设备可用服务时长(onlineTime)，CPU处理能力(cpu)，存储空间大小(memory)，硬盘大小(disk)四个较具代表性的节点能力属性；边缘服务器利用属性一一匹配方法筛选出符合任务要求的节点作为服务提供候选节点，其中，Pc为服务提供节点所能提供能力属性大小，Tr为任务所要求能力属性大小，即需满足 分别表示四种属性。

4.如权利要求3所述的一种边缘计算网络视频处理中基于声誉的信任评估方法，其特征在于，步骤3进一步包括：对行为信任建模，具体建模步骤如下：

节点p对所在区域边缘服务器发起任务请求，边缘服务器根据在步骤2筛选出的所述服务提供候选节点中随机挑选节点q，计算其相对任务请求节点p的声誉值；边缘节点q相对于边缘节点p的局部声誉，不仅决定于二者之间的交互历史，也与p对历史交互的评价有关，记为：Lpq＝α*DTpq+β*RTpq

式中DTpq为节点p对节点q的直接信任值，RTpq为节点p对节点q的间接信任值，α、β作为权衡因子，满足α>0，β>0且α+β＝1，边缘节点p在最初进入网络的时间段内，它和其他边缘节点的交互次数可能极少，所以综合信任评估结果主要需要依赖间接信任，从而β较大，随着边缘计算网络中交互经验的积累，综合信任评估又将以主观评价为主，α较大；

全局声誉值即边缘服务器对边缘节点q的信任值：

其中，T(ti)为时间衰减因子，δ>0为调节参数，当所有交互评价记录地位均等时δ趋于0，当所有之前的历史交互评价记录全都忽略不计时δ趋于无穷大，(q)是与边缘节点q交互过的节点集合，|J(q)|是交互节点的总个数，J(Ni)是边缘节点i与边缘节点q交互的次数，交互次数越多，i对q的局部声誉值所占权重越大,Liq为节点q相对于节点i的局部信任值；

直接信任值RTpq，当边缘节点p和边缘节点q直接进行交互的时，交互结果受主观和客观因素影响，主观因素即为节点恶意行为；间接信任值是指其他与边缘节点q有过交互历史边缘节点对q的推荐信任值：Prpi为边缘节点p对边缘节点i的评价信任度，Riq表示边缘节点i对q的直接信任度；T(ti)为时间衰减因子，n表示与节点q有过交互历史节点的个数；

边缘节点评价信任度Pr；

其中，在动态异构的边缘计算网络中，边缘恶意节点通过不诚实的评价来拉低正常边缘节点的信任值或者抬高其它边缘恶意合作节点的信任值，尤其是对边缘计算网络系统的危害更大的合作作弊行为，合作作弊的边缘节点彼此之间互相提交虚假的高评价，对团伙外的边缘节点成员信任值进行恶意拉低；

记边缘节点p和q的公共交互边缘节点的集合为Nset(p,q)，那么边缘节点p和q对公共交互边缘节点评价差异计算式如下：RTpi和RTqi分别表示节点p对节点i的直接信任值和节点q对节点i的直接信任值，|Nset(p,q)|为公共交互边缘节点数目；

设τ为边缘节点p对q允许的最大评价偏差，评价可信度更新公式为：

Prnpq表示第n次评价后节点p对节点q的评价信任度；

其他交互完成后任务请求节点根据交互结果向边缘服务器提交评价，边缘服务器根据评价结果计算更新存储服务提供节点声誉值，并将更新后的结果通知服务提供节点。

5.如权利要求4所述的一种边缘计算网络视频处理中基于声誉的信任评估方法，其特征在于，所述交互结果受客观因素影响进一步包括：puni为惩罚项，χ(0<χ<1)为调节因子,n(n>0)为边缘节点p与边缘节点q直接交互历史中受客观因素影响的次数，随着次数n的增多，惩罚力度越大；由于受到不可控的客观因素影响，此次交互结果对于声誉评价不具有参考性，边缘服务器综合所有与q交互过的节点形成q的全局声誉值，具有全局可参考性。

6.如权利要求5所述的一种边缘计算网络视频处理中基于声誉的信任评估方法，其特征在于，交互结果进一步受边缘设备性能影响，公式如下：式中P为惩罚项，Pc为服务提供节点声称能够提供的性能参数，Ps服务提供节点实际提供的性能参数，声称和实际所提供的性能值之差越大，惩罚力度越大，k为性能指标的数目。

7.如权利要求6所述的一种边缘计算网络视频处理中基于声誉的信任评估方法，其特征在于，正常交互满足如下公式：式中Prpq为边缘节点p的评价可信度，Epq为第i次交互所给评价值，

边缘节点p对边缘节点q的总直接信任值综合历史直接交互评价值记录得到：

式中f为矫正参数，防止一些恶意边缘节点通过少量的成功交互来提高声誉值，在f矫正作用之下，边缘节点只有通过多次良好行为获得好的评价才能得到较高的声誉值，I(k)是边缘节点p与q在时间段t内的交互总次数，T(ti)为时间衰减因子，RTipq表示第i时刻节点p对q的直接信任值。