1.一种基于证据序列提取的主动信任评估方法，其特征在于，包括如下步骤：

步骤一，通过与无人机获取的样本数据对比与分析历史交互行为获取信任证据,步骤一的具体操作为：(1)通过对比系统派遣的无人机获得的样本数据与移动数据收集者提交的数据，来得到主动验证信任，若将一个数据包 的数据质量用U维属性信息表示，其中 是 的第i个属性的信息，ωi表示第i个属性的权重，那么归一化数据质量表示为： 其中 0≤ωi≤1，对于某个移动

数据收集者提交的数据 假设通过无人机获取的样本数据是 若提交的数据 与的数据质量差异 小于阈值θd，则认为这是一次成功的数据交互，记为cs,d＝1，否则cf,d＝1，最后，根据成功与失败数据交互，计算得到主动验证信任：(2)通过累计被评价者的所有通信交互的成功与失败次数

计算出被动交互信任；(3)在被动交互信任获取过程中，若两个移动数据收集者之前没有直接交互，就要引入第三方的推荐信任来判断对方的信任情况，也就是推荐信任；

步骤二，引入可信门限值对信任证据进行标签化处理,步骤二的具体操作为：在获得被评价者的主动验证信任和被动交互信任之后，加权得到综合信任值，同时引入可信门限值α和γ，满足0≤α≤γ≤1，若 时，将该条信任记录标签化为可信；若 时，将该条信任记录标签化为不确定；若 时，将该条信任记录标签化为不可信；

步骤三，基于滑动窗口机制将信任证据按交互时间有序存储，步骤三的具体操作为：信任记录标签化后，得到其完整结构为 其中MDCid是被评估的移动数据收集者标识， 是综合信任，βlabel是证据类别标签，然后按照它的交互时间由近及远存储，其中记录Z表示离现在最近的一次记录，而记录1表示离现在最远的一次记录，保存被评价对象距离当前最近的Z次信任证据，存储时采用滑动窗口机制，当前信任证据获取之后，上一个信任证据会存放在记录Z的位置，而之前的记录Z到记录2会逐个往后移动，记录1因为超过了最大有效记录Z而被擦除，假设被评估对象是MDCa,它的信任证据存储为则整个网络的信任证据存储矩阵可以表示为：步骤四，从存储空间提取有效证据序列，基于序列因子与时间因子计算归一化信任值，步骤四的具体操作为：从有效证据序列中提取持续可信序列CCS、持续不可信序列CUS以及持续不确定的序列CUCS，基于持续可信序列的评估函数计算如下：其中0<β<1，κ是持续可信序列总数， 是第i个持续可信子序列 的时间衰减函数，β是控制衰减速度的因子，0<β<1,t‑ti,near是序列 中最近的最后一次交互时间ti,near与当前时间t的衰减时间， 是序列 的长度；基于持续不可信序列的评估函数计算如下： 其中η是持续不可信序列的总数，是第i个持续不可信子序列 的时间衰减函数，t‑ti,far是序列 中最远的第一次交互时间ti,far与当前时间t的衰减时间， 是序列 的长度， 是惩罚函数；基于持续不确定序列的评估函数 的计算为： 其中μ是持续不

确定序列的总数， 是第i个持续不确定子序列 的时间衰减函数，t‑ti,far是序列中最远的第一次交互时间ti,far与当前时间t的衰减时间；根据以上三项值进行归一化处理，得到最终的信任值： 其中