工业物联网(IIoT)是物联网(IoT)技术与传统工业生产结合的产物，它通过实时收集数据，智能分析以及移动通信技术的进步，改善了工业制造水平和制造产品的质量。随着工业环境中IIoT设备数量的增加，安全威胁和服务质量问题也显著增多。内部攻击是一种重要的安全威胁，它会恶化服务环境并降低其可靠性。然而，目前缺乏一种统一且精细的信任评估机制来处理内部攻击的威胁，并提高IIoT的服务质量(QoS)。
为了解决上述问题，提出了一个基于边缘计算的统一可信环境，该环境能够及时检测恶意的服务提供者和服务消费者，过滤虚假信息，并推荐可信的服务提供者。边缘计算被引入作为一种有效的服务接入点，因为边缘计算支持收集服务记录以执行信任评估。此外，还设计了一种服务选择方法，根据信任评估和记录标准选择相应的可信和可靠的服务提供者，该方法在信任管理的简洁性、便捷的服务搜索和准确的服务匹配方面具有明显的优势。实验验证了所提出的可信环境的可行性。
边缘计算是一种分布式计算范式，它将计算任务、数据存储和应用服务从网络中心移动到网络边缘的设备中，比如手机、家用电器、传感器等。边缘计算的引入可以在网络边缘处支持对数据的快速分析和处理，从而减小延迟，提高响应速度，增强数据处理能力，并减少中心云服务器的数据流量和处理负载。这在工业物联网中尤为重要，因为工业场景通常对实时性要求较高，且在网络覆盖不全或网络延迟较大的情况下，边缘计算可以提供更为稳定的性能。
在统一可信环境中，信任评估机制是核心组成部分。信任评估机制利用收集到的服务记录，通过计算分析来评估服务提供者和服务消费者之间的信任关系。在IIoT的背景下，服务提供者可能是各种传感器、控制器、机器人等设备，而服务消费者可能是各种管理软件、分析平台等。为了建立这种信任关系，需要开发一套精细的评估标准和算法，以确保评估的准确性，并据此建立服务的可信等级，以区分不同服务的质量和可靠性。
同时，可信环境还需要一套机制来过滤掉不可靠或恶意的服务，这包括对服务记录的实时监控和异常检测。通过对异常行为的分析，可以及时发现并阻止那些可能对服务环境造成破坏的行为。例如，通过分析服务提供者和服务消费者之间的交互记录，可以识别出不正常的行为模式，如频繁的服务失败、异常的延迟或资源使用情况，从而采取措施来阻止这些恶意行为。
服务选择方法是可信环境的重要组成部分，它根据信任评估结果和记录标准，帮助用户选择最合适的、可信的服务提供者。该方法需要能够快速高效地从众多的服务提供者中筛选出符合条件的候选者，并进行准确的服务匹配。这不仅要求服务选择算法高效运行，还需要支持灵活的查询和快速的响应时间，以便用户能够实时地获得所需服务。
实验验证了提出的可信环境的可行性，这意味着通过实证研究证明了所提出方案的有效性和实用性。该实验可能涉及模拟不同的IIoT场景，通过模拟内部攻击、恶意服务行为来测试边缘计算支持下的统一可信环境对于服务提供者和服务消费者的影响。测试可能包括验证信任评估机制的准确度、验证服务选择方法的效率和准确性，以及评估整个环境对服务质量的改善作用。
IIoT、边缘计算、信任评估、服务选择等关键词是文章中不断出现的核心概念，它们共同构成了整个可信环境的理论框架和实现路径。通过这些技术的融合，工业物联网能够实现更为安全可靠的服务提供和消费，为工业生产带来更高的效率和更好的产品质量。
