基于服务质量和恶意结点消除的云计算环境信任模型分析

云计算环境下如何为应用程序选择可靠的服务是一个关键问题。论文借鉴人类社会建立推荐信任模型的方法,考虑云计算服务结点之间推荐信息的不确定性,提出基于服务提供的QoS属性为参考元素建立基本可信度函数,将历史交互信息转化为结点之间的推荐偏好意见,并采用衰减算子和融合算子综合不同云计算结点的推荐信息;针对推荐结点中的恶意结点,采用基于三角模糊数的方法对推荐结点进行分类,并采用不同的衰减算子计算每个推荐结点的推荐信任空间。分析和仿真实验证明该模型的有效性。     

基于MADM理论的网格信任模型

提出了一个针对开放网格市场的信任模型。在评价网格服务提供者的信用值时,该模型强调直接信任和间接信任两者的重要性。因为直接信任和间接信任与很多因素有关,基于多重属性决定（MADM）理论提出了一个创新的方法来决定直接和间接信任的客观权值。模拟结果说明该信任模型相比权值反馈模型和eBay信任模型更为准确地反映服务提供者的信用值,因此能够在开放网格环境中提高用户的满意度。     

基于网格节点服务质量约束的信任模型研究

网格环境中提供大量不同QoS保证的服务,如何选择可靠的服务成为一个关键问题。本文提出以服务提供的质量属性为参考对象建立直接信任模型的方法,并在建立过程中引入偏序关系以达到屏蔽一些没有价值的参考历史纪录的目的;同时参考人类社会行为规律建立推荐信任模型,以及借鉴人类竞赛的打分机制,通过比较每个推荐信任度方差的方法屏蔽恶意推荐信息。最后针对采用本模型进行服务选择时产生的负载不均衡的现象,提出采用轮盘赌的方法进行服务选择。实验证明,本模型可以有效地解决网格环境中的信任问题。     

网格计算中的信任模型研究

在现有信任关系研究的基础上提出了针对网格计算环境较为完备的信任模型,通过引入信任模型机制作为基于证书的安全体系的有效和必要补充,进一步完善了网格计算安全服务体系。     

网格信任模型

为了解决网格环境的动态性和不确定性带来的安全问题,需要对用户在网格环境下的行为进行评价,反映出该用户网络行为的可信程度。探讨了网格环境下的安全需求,给出了网格信任的相关定义,在前人研究的基础上,提出了一种新的网格信任模型,用来处理网格环境中用户之间的信任关系。该模型对网格环境中用户的信任度和声誉进行了分析,对域内的信任关系和域间的信任关系分别采用不同的方法来进行处理。研究了如何在网格计算中建立信任模型,来排除内部恶意用户,提高系统的安全可靠程度。     

网格信任模型的研究

信任是网格安全研究中的一个重要方面,详细介绍了目前在网格环境中应用的几个信任模型,并对这几种信任模型进行比较,进一步指出了这几种信任模型的优缺点及可能改进的思路。     

基于网格资源随机性的信任调度模型

在网格社区[1]中,建立一个共享资源间的好的协作关系,是网格的基础研究课题。网格资源的局部自治性,动态性,随机性,都要求建立一个安全的有效的机制。首先分析了网格的资源随机性和动态性特点,将资源进行分类,提出了资源分级的概念,实现了基于随机性的高可用信任调度算法以便提供稳定可靠的QoS。     

基于信任模型的网格安全机制

提出了一种信任模型,对网格实体的历史行为进行评价、处理。该模型在进行评价的过程中综合考虑了网格实体的交易数量、其它节点的评价及其可信度。模拟实验结果表明该模型对实体行为的评价具有很高的准确率,因而可以解决实体行为的安全问题。     

基于信任驱动的网格任务调度新算法

利用信任机制的概念,对传统网格调度算法进行改进,提出了信任驱动的动态调度算法TD_OLB、TD_MCT和静态调度算法TD_max-min;同时,在相同的假定条件设置下对这些新算法进行了仿真分析和比较研究.仿真结果表明,基于信任机制的调度算法不仅优于传统的基于makespan的调度算法,而且当要求强信任关系任务的数量大于弱信任关系及无信任关系的任务数量时,信任驱动的TD_max-min调度算法优于信任驱动的TD_min-min算法.     

基于网格环境中的量化评估信任模型

网格计算系统是由地理上分布的,异构的计算机和资源组成,它是一个分布式的高性能计算机环境,通过网络连接,用户可以透明地共享这些资源.但其本身具有动态性和不确定性,给区域间网格实体的合作带来一系列安全问题.所以网格环境中的信任问题,成为当前网格研究的一个热点.在本文中,把信任划分为身份信任和行为信任,提出了一种新型的量化评估信任模型,来处理网格环境中实体之间的信任关系,从而更科学、有效地解决网格环境中存在的安全问题.     

一种基于Qos约束的信任模型研究

提出一种基于服务提供的QoS约束建立直接信任模型的方法，并在建立过程中引入偏序关系，以屏蔽一些在创建过程中没有价值的参考历史纪录．同时参考人类社会行为规律建立推荐信任模型，并借鉴人类竞赛的打分机制屏蔽恶意推荐信息．为了避免出现负载不均衡的现象，提出采用轮盘赌的方法进行服务选择．实验证明该模型能有效地解决问题．     

基于模糊集合理论的主观信任管理模型研究

在开放网络环境中,信任管理模型是信息安全的重要前提与基础.考察了主观信任的模糊性,运用模糊集合理论对信任管理问题进行了建模,给出了信任类型的定义机制和信任的评价机制,定义了主体信任的形式化表示,并提出了信任关系的推导规则,构造了一个完整的主观信任管理模型,为开放网络环境中的信任管理研究提供了一个有价值的新思路.     

网格环境下层次信任模型研究

信任管理作为网格研究的核心内容,受到研究人员的高度关注。目前设计的模型中,实体域的信任值由直接信任值和推荐信任值合成,但引入推荐信任就必须对网格域进行层次划分。现有的划分方法只是主观地根据网格域之间的交易情况来划分层次,这种划分方式得到的推荐值的可靠性难以保证,并且不能防止联合欺骗的行为。基于对网格实体域行为的深入研究,给出了一个基于实体域行为的直接信任值动态量化模型,在此基础上,引入匹配指标和粗糙度的概念,给出了一个层次划分模型,利用该模型很好地解决了推荐信任值的计算问题,给出了一个信任评估模型,理论分析和实验结果表明,该模型能够保证推荐信任值的可靠性,并且防止了推荐过程中的联合欺骗,有效地解决了网格环境中信任评估问题。     

基于主观逻辑的PKI信任评估模型

现有公钥基础设施(PKI)无法实现对信任的细粒度控制。针对该问题,借鉴模块化的信任评估模型,设计一种基于主观逻辑的信任评估模型。利用主观逻辑中的直接信任、推荐信任、合意操作实现信任的建立、传递与评估,通过退化操作实现信任度随时间衰减的拟合,分析非独立的信任混联传递。研究结果表明,该模型能够精确地计算信任度,提高PKI系统的可信性。     

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.     

基于云理论的普适计算协同信任模型

将风险理论用于普适计算需要解决的核心问题是对“风险”的定义,云理论是一种定性与定量之间相互转换的有效工具,该文借鉴云理论的概念对普适计算中上下文信息的动态变化进行判断,综合多种风险信号,给出风险信号和“风险”的定义。跟据 “信任风险”和基于云理论的信任模型提出协同信任模型,并列举了一个模型实例。     

基于主观逻辑的信任搜索算法

针对现有信任模型中信任搜索算法不能准确有效地对信任进行搜索与合成,利用主观逻辑理论对信任进行量化与计算,提出基于主观逻辑的信任搜索算法.算法由两个关键技术组成:信任路径提取算法与信任路径合成算法.仿真实例验证了该算法在信任合成时减少了信任网络中冗余信息对信任合成的影响,提高了信任搜索效率,使得合成结果更加准确.     

普适计算环境中基于信任的安全模型的研究

普适计算的发展受到了学术界越来越多的关注,普适计算网络的安全问题是普适计算应用的关键问题。本文对普适计算的环境进行了概述,分析了普适计算的环境特点,并针对这些特点对当前的安全模型进行了评估。在此基础之上,构造了一个普适计算环境下基于信任的安全模型,给出了信任的概念,并对信任模型的建立过程进行了详细的分析。