一种基于灰色系统理论的主观信任评估方法

针对开放网络环境下的电子交易存在的安全性、可信度低和信任评估难的问题,在文中将灰色系统理论应用于主观信任的度量与评估,提出了一种新型主观信任评估方法,即针对一个给定实体,根据不同用户对这一实体多个关键属性的评价,经过灰色关联度分析以及灰色聚类分析综合出对于此实体的总评价.仿真实验结果表明,在评价可信度未知的情况下,该方法可以较好地保留样本的完整性,提高了信任值的准确性,能够有效地遏制虚假评价对最终评价的影响,弥补了传统方法在客观性和可信性方面的不足.     

基于云模型和风险评估的信任模型研究

针对基于云模型的信任模型缺乏对反馈信息的可信度量以及风险评估等问题,提出一种新的信任模型。综合反馈实体的评价次数、评价行为一致性等因素对反馈者提交的评价信息进行可信度量,基于加权逆向云生成算法构造被评估实体的实体信任云,根据被评估实体的活跃度和实体信任云的数字特征参数进行交互风险的评估。仿真结果表明,该模型能较好地反映实体的行为特点,提高实体间的交互成功率。     

基于多维信任云的信任模型研究

针对主观信任的模糊性和不确定性以及现有的基于云模型的信任模型中粒度粗糙的问题,提出了一种基于多维信任云的信任模型。首先,依据实体间的直接交互经验和交互时间,利用加权逆向云生成算法计算被评估实体的直接信任云;然后,通过评估推荐实体的推荐可信度,计算被评估实体的推荐信任云;最后,综合直接信任云和推荐信任云产生综合信任云,并依此进行可信实体的选择。仿真结果表明,基于多维信任云的信任模型能够有效地识别系统中的各类服务实体,可提高实体间的交易成功率。     

开放网络环境下基于多元联系数的主观信任评估与决策研究

针对目前开放网络环境中主观信任评估存在的模糊性和不确定性问题,通过在主观信任模型中引入集对分析理论,提出一种基于多元联系数的表示主观信任的新方法.该方法利用多元联系将实体之间的信任程度和信任的不确定性统一起来,解决了信任表达中的模糊性和不确定性难题,为主观信任评价和决策研究提供了一种有价值的新思路.最后,通过实验仿真,证明该方法在提高网络平均信任水平及促进网络中实体的合作方面能取得良好的效果.     

云计算环境下基于灰色AHP的供应商信任评估研究

针对传统信任模型的不足,以改善供应链企业间的信任危机为目标,以灰色系统理论为基础,将层次分析法(analytic hierarchy process,AHP)与灰色评估法相结合,提出一种基于灰色AHP的云计算供应商信任评估模型。通过定义信任评价等级灰类及白化权函数,计算云环境下供应商企业实体各信任证据的灰色评价权,结合层次分析法构建层次结构并确定信任证据权值,最后求出供应商企业的信任评估值及信任等级灰类。实例说明,该信任评估方法能够有效应用于云环境供应商评价中,评价结果客观有效。     

基于概率和可信度方法的普适计算信任模型

根据普适计算环境下信任的特点以及现有信任模型存在的不足,提出一种基于概率和可信度方法的信任模型。模型综合考虑影响信任的主观和客观因素,通过主观信任、直接信任和推荐信任得到总体信任。计算推荐信任时引入基于可信度的匹配度算法对多个推荐实体进行取舍,在计算前就把不符合推荐条件的实体排除,再结合对推荐链路的更新,能够更有效地避免恶意推荐的影响,计算出来的信任值可靠度更高。     

GIS中基于FAHP的实体行为信任评估

提出一种新的分布式GIS中访问实体行为可信度评估方法,介绍访问实体行为证据的信任化和归一化方法,给出访问实体行为可信度评估层次结构模型,用模糊层次分析法(FAHP)原理确定各访问实体行为证据和特性的权重,对可信度进行整体评估。通过实例说明评估过程并对结果进行分析。证明该评估方法能够科学地确定各访问实体行为证据和特性的权重,易于实现访问实体行为可信度评估。     

可信计算信任模型的模糊评估方法研究

基于可信计算中可信性影响因素,详细地讨论了基于模糊集合理论的可信计算信任模型的评估方法。把模糊逻辑推理同信任传递结合起来,采用基于相似度的加权模糊推理方法得到委托实体的可信度,评价信任模型的可信性,为可信计算信任评估提供了一种新的思路。     

融合采纳函数的动态信任度测模型

从网格的分布性、动态性和不确定性等特征出发,借鉴人类社会主观信任关系的概念,提出了一种新的信任评估模型与方法.该模型引入了采纳函数,区分了节点的反馈可信度和服务可信度,给出了反馈可信度与采纳强度的映射关系,动态调整了对具有不同推荐信任度的第三方实体所推荐信息的不同采信程度,提高了推荐信息的精确度.将采纳强度映射为等效的推荐信任的权重,给出了一个基于动态信任权重的综合信任度计算新方法.仿真实验结果表明,基于采纳函数的动态信任评估方法具有抑制恶意节点的策略性欺骗和不诚实推荐的能力,同时还体现出良好的动态适应性.     

基于灰色系统理论的信誉报告机制

信任是决定实体双方在互联网上成功交易的一个重要原因,而商家的信誉又是客户选择交易对象的关键因素.传统的信任评估方法对评估对象提出种种假设,不能分辨恶意客户的虚假推荐,因而影响了评估结果的客观性和可信性.针对上述问题,提出了以灰色系统理论为基础、以灰色聚类评估算法为主要内容的信誉报告机制方案,同时证明了实体的灰关联度在t时刻存在的充分必要性.方案首先采用味集群方式采集原始数据,以被评估的实体为聚类实体、以客户对实体关键属性的评分为评估依据,运用灰关联分析得到实体的评估向量,按事先约定的灰类归纳整理,判断聚类实体的灰类,得到相应实体的信任度.方案的评估依据是客户对实体关键属性的实际评分,并且允许用贴近实际的灰数表达形式,避免了种种假设数据;味集群方法采集原始数据,能够有效地避免恶意推荐.实例说明,实体的信任可以被量化,实体间的信任可以具有可比性.方案具有评价可靠、可操作性强、适合软件自动处理等特点,是网络环境中具有实用价值的一种对实体信任度评估的新方法.     

一种边缘设备动态信任度的评估模型

面向边缘计算环境中设备信任度评估的准确性和时间开销等问题,提出一种边缘设备动态信任度评估模型—DTEM。首先,利用时间退化因子表达直接信任度时效性,引入满意度函数修正贝叶斯方程,并结合激励机制评估边缘设备间的直接信任度。其次,利用改进的灰关联分析法确定指标权重,解决了间接信任度评估过程中推荐设备权重的问题。最后,通过信息熵融合直接信任度和间接信任度得出设备综合信任值,同时利用动态更新因子,动态更新综合信任值。仿真分析表明,相比RFSN模型,DTEM在检测恶意设备中误检率平均降低5.7%,设备间交互成功率平均提升4.1%,同时验证了DTEM在时间开销方面优于FHTM模型和RFSN模型,能够更准确高效地评估边缘设备的信任度。     

面向个性化云服务的动态信任模型

为更好地实践云计算为用户提供廉价按需服务的宗旨,满足服务请求者的个性化需求,提出一种面向个性化云服务的动态信任模型。基于细粒度服务思想定义个性化云服务,通过引入时间衰减因子和建立高效激励机制修正直接信任值,以灰色系统理论为基础计算实体间的评价相似度,并将评价相似度和推荐者的推荐可信度作为合成推荐信任值的重要因素,同时提出一种基于评价相似度的自信因子赋值方法,以提高合成综合信任值的准确性。实验结果表明,与GM-Trust模型及CCIDTM模型相比,该模型的交互成功率分别平均提高了4%和11%。     

基于灰色关联分析和MYCIN 不确定因子的直觉模糊决策方法

针对方案的指标值为直觉模糊数的决策问题,提出一种基于灰色关联分析和MYCIN不确定因子的决策方法.根据直觉模糊数的记分函数得到各指标下不同方案的MYCIN不确定因子,运用灰色关联方法确定各指标的信任度;推导出多证据下不确定因子的融合方法,证明其满足交换律和结合律,并通过该融合方法确定最优方案.数值算例表明,所提出的方法能有效解决D-S证据推理与决策问题相结合中存在的计算复杂、合成不稳定等问题.     

基于灰色关联分析和MYCIN 不确定因子的区间直觉模糊决策方法

针对方案的指标值为区间直觉模糊数的决策问题,提出一种基于灰色关联分析和MYCIN不确定因子的决策方法.该方法将MYCIN不确定因子方法融合到决策方法中,运用灰色关联方法确定各指标的信任度,通过计算各方案在不同指标下的不确定因子并对其进行融合来确定最佳方案.实例分析表明了该方法的有效性和可行性.     

基于灰色系统理论的主观信任模型

通过对传统信任计算模型的讨论,提出了以灰色系统理论为基础的灰关联分析模型,证明了模型稳定性的充分必要性.新模型主要将实体的某些难以用数值精确刻画的关键属性以白化权函数量化,引入灰关联度的概念和计算方法,将实体的信任水平定义为实体的关键属性值序列与最优属性值序列的灰关联度,从而得到该实体信任水平的相对参考值.实例表明,该模型不仅发挥了灰关联分析可靠性高、所需样本量少等优点,而且很适合软件作自动化处理,是一个既能反映主体信任的灰性,又具有直观、简洁语义的定量描述机制,为进一步建立信誉数据库进行大规模分析提供了较好的基础,也为网络环境中的信任计算提供了一个具有实用价值的新方法.     

移动自组网中一种基于分簇的信任评估方案

移动自组网中信任评估方案主要用来防止网络中不良行为节点的安全威胁，本文提出一种基于分簇的信任评估方案。节点通过参考簇首发放的信任值证书可以对陌生节点进行准确有效的信任评估，并给出了该方案所涉及的信任评估公式以及簇的形成与管理的部分具体措施。它克服了移动自组网内传统信任评估方案中陌生节点间受限的信息交流的问题，减少了所需的存储空间，最后针对移动自组网部分安全问题给出了方案分析。     

网格环境下基于灰预测的信任评估模型

提出了一种基于灰预测的信任评估模型,利用灰预测相关理论,根据实体历史信任信息的变化特性建立GM（1,1）预测模型,并利用模型预测出实体下一次交互时的信任值。结合预测信任值给出了交互结束后实体信任值的更新机制。实例表明,该模型计算简便、预测精度高,是解决网格环境下信任评估问题的一种较好方案。     

面向个性化需求的云制造服务可信评价模型

针对传统的云制造服务可信评价模型中存在的可扩展性弱、难以满足个性化需求等问题,提出一种可扩展性强、可以较好地满足个性化需求的可信评价模型。首先构建多层次的、多粒度的云制造服务可信评价框架;然后基于此框架,提出了基于云模型的云制造服务可信评价方法,在该方法中,引入云模型理论,用于统一表征不同类型的评价指标,以及描述用户的个性化需求,采用标准离差法计算不同评价指标的权重系数;最后通过应用案例检测所提方法的有效性,并通过时间开销的对比实验验证该方法的可行性。实验结果表明,与传统的方法相比,该模型在合理的时间开销范围内,可以根据用户的个性化需求,对不同的云制造服务提供方进行更为准确的可信评价,进而帮助用户选择满意度更高的云制造服务。     

移动自组网的一种信任评估模型

针对现有信任模型的缺点和信任本身的模糊性和主观性,提出了一个基于灰色理论和神经网络的信任模型。在模型实施中使用灰色关联方法进行关键因素筛选,减小了计算量,有效地延长了移动自组网的使用寿命。利用神经网络进行信任评估,综合考虑节点本身的全局信任值,提高了信任模型的可行性和客观性,并有助于节点的行为选择。