基于云模型的服务信任模型

针对Web服务中信任的主观性和不确定性等特点,提出一种基于云模型的信任建模方法,并给出了直接信任云、推荐信任云、综合信任云的计算方法及基于时间权重的信任更新算法．同时,该模型运用具体的服务能力评价信息来量化服务的信任度,增强了模型的客观性,使其能较好地量化实体的真实信任水平,提高网络中实体的交互成功率．实验与分析结果表明,该模型在网络环境中具有较好的效果．     

普适计算环境下信任机制的研究进展

在普适计算环境下,各种资源、设备和用户均是高度动态变化的,服务请求者和服务提供者一般互相不了解,因此普适计算环境下各陌生实体间的相互认证是传统的基于身份的认证机制无法解决的.普适计算信任建模机制可以解决普适计算环境下的不确定性问题,为陌生实体间建立信任关系,因此成为普适计算中的一个研究热点.基于此,本文对于目前国外关于普适计算信任建模机制的研究现状做了一个总结,通过分析和比较,给出了普适计算信任建模的设计原则,探讨了普适计算信任建模问题的未来发展方向.     

BTrust：普适计算环境下的信任管理

利用Beta概率密度函数建立起普适计算环境下各个设备间轻量级的信任管理模型BTrust。通过源实体对目标实体直接服务结果的观察计算出直接信任服务值,并结合第三方实体的推荐服务值计算出目标实体服务的总信任值。加入的推荐信任的计算,给予不同的第三方实体推荐服务信任值不同的权重。该模型建立起设备间的信任关系,提高了服务成功率,并运用过滤机制抵制恶意推荐。仿真结果表明,该模型同时解决了该环境下小型设备的资源受限问题。     

BTrust:普适计算环境下的信任管理

利用Beta概率密度函数建立起普适计算环境下各个设备间轻量级的信任管理模型BTrust。通过源实体对目标实体直接服务结果的观察计算出直接信任服务值,并结合第三方实体的推荐服务值计算出目标实体服务的总信任值。加入的推荐信任的计算,给予不同的第三方实体推荐服务信任值不同的权重。该模型建立起设备间的信任关系,提高了服务成功率,并运用过滤机制抵制恶意推荐。仿真结果表明,该模型同时解决了该环境下小型设备的资源受限问题。     

普适计算环境下信任管理模型的研究

普适计算环境下,各种资源、设备、应用以及环境均是高度动态变化的,因此如何衡量实体间的信任关系成为了一个十分重要的问题.传统的安全和认证方法基于可信第三方,而在动态的普适计算环境下,可信第三方的设置是不现实的,也是不可行的.基于以上问题,提出了一个新的普适计算信任管理模型,该模型集成了信誉和风险分析机制,考虑了多种相关因素,可以有效建立和度量各实体间的信任关系.相关仿真结果证明,该模型是行之有效的.     

普适环境中基于云理论的信任模型

现有服务选择模型仅计算信任和不信任条件下的信任度且计算比较复杂,针对此问题,借助云理论的定性定量互换模型,提出云理论信任服务选择模型,给出普适计算服务选择中信任云的计算、评估和更新方法。该信任模型计算简单,可以较好地表达信任的不确定性、提高网络平均信任密度和合作成功率,减少网络欺骗。     

普适计算环境下基于信任的级联服务模型

借鉴人类社会行为关系的规律和普适计算环境的特点,依据信任的滞后性和服务的前瞻性矛盾的动态演化规律,提出普适计算环境中信任关系的建立、信任度的衡量和更新以及基于信任的级联服务模型;通过直接和间接（第三方推荐）的方法动态地对信任程度进行多角度评估,以级联服务的方式从众多可选择的服务目标中筛选出最符合用户要求的服务,克服了单一设备不能完全满足服务请求属性和服务选择盲目性的缺点,提高服务的质量和效率。     

基于集对分析的信任评估模型及其在服务选择中的应用

网络的大规模、异构、动态、分布和自治性造成了资源和服务的不确定性和欺骗性,从而导致服务交易双方风险增大,因此构建有效的信任模型是降低交易双方风险的重要途径。针对当前基于模糊理论的信任模型和基于反馈信息的信任评估方法存在的缺陷,提出了一种基于集对分析理论中联系数概念的主观信任表示方法,以克服模糊数学中用一个精确、唯一的隶属函数严格表示模糊概念的缺点,同时,在此模型中不是单纯基于用户的反馈信息来评价服务的信任度,而是结合服务资源在服务过程达到的服务能力来增加模型的客观性、实时性。将新的信任函数并入到传统的组件服务选择算法中,提出了两种基于信任的服务选择算法,并进行了实验仿真。结果表明,基于信任驱动的服务选择算法的任务执行成功率较传统方法有明显的提高。     

一种基于推荐的Web服务信任模型

借鉴信任管理概念和Beth信任模型，提出了一种基于推荐的新型自适应Web服务信任模型，给出了相应的信任度和信任度合成的方法，并针对恶意推荐采取惩罚机制。实验证明，该模型可以使得实体的信任度能根据服务经验自适应地变动，并能根据惩罚机制对欺骗的实体进行惩罚，从而在一定程度上减少访问到恶意实体的次数。     

上下文感知在Web服务动态信任计算中的应用

针对当前信任模型未能充分考虑环境因素在信任评估中的影响问题,提出了一种基于上下文本体的Web服务动态信任计算模型（CO-WTCM）。该模型通过感知服务实体所处上下文信息,对这些动态、分布、异构的信息进行本体建模,在此基础上采用主客观组合赋权法和模糊综合评估算法对服务实体间的信任关系进行综合评估并通过信任度的综合计算实时更新实体间的信任关系,从而最大程度地保证实体行为的安全和可信。通过与EigenTrust模型相对比,仿真实验验证了该模型的可靠性和有效性。