用于增强信任评估可靠性的时滞性弱化策略

为降低信任评估固有时滞性对信度结果可靠性的负面影响,以二阶导数为数学工具,通过量化目标实体的信度变化态势并将其纳入到信任评估过程,提出了用于增强信任评估可靠性的时滞性弱化策略。为检验该策略的有效性,基于逆向工程的思想使用它扩展了由Srivatsa提出的著名的信任重估模型。实验结果显示,扩展后的新模型较原有模型在部分评估结果上更逼近于目标实体的真实行为,同时也更能抑制恶意实体的策略波动行为。这表明时滞性弱化策略能够用于增强信任评估的可靠性。     

用于增强信任评估可靠性的时滞性弱化策略

为降低信任评估固有时滞性对信度结果可靠性的负面影响,以二阶导数为数学工具,通过量化目标实体的信度变化态势并将其纳入到信任评估过程,提出了用于增强信任评估可靠性的时滞性弱化策略。为检验该策略的有效性,基于逆向工程的思想使用它扩展了由Srivatsa提出的著名的信任重估模型。实验结果显示,扩展后的新模型较原有模型在部分评估结果上更逼近于目标实体的真实行为,同时也更能抑制恶意实体的策略波动行为。这表明时滞性弱化策略能够用于增强信任评估的可靠性。     

资源调度中的资源信度模型和调度算法

提出了用于描述资源动态性和可用性的一种资源信度模型,在该模型下每个资源是一个信度实体.资源信度是对资源完成作业能力的一个综合评价,资源信度值越高,它越可能在较短的时间内完成交给它的作业.在此基础上提出了一种基于资源信度模型的资源调度算法.通过GridSim工具包与FIFO算法和Libra调度算法进行了模拟对比试验,试验结果表明,该算法是有效的.     

基于态势评估的实体决策行为模拟

作战实体由人员和装备组成，其中人具有能动性。因此在作战过程中，作战实体都具有一定的自主权，能根据战场当前的态势，对自己的行为做出决策。该文提出了作战实体基于态势评估的决策行为模型，给出了一种战场态势的表示方法，并设计了一种战场当前态势与模板库中态势进行匹配比较的算法。该模型模拟了作战实体在战场中的决策行为，为实现计算机生成兵力的自动决策，减少人的参与程度提供了一种有效方法，可以应用于评估论证型的模型系统。     

一种基于波动类型识别的路由节点行为预测算法

路由节点行为预测可以为网络安全管理以及路由行为评估机制等提供重要的决策依据,而现有的路由节点行为预测算法存在诸如依赖专家经验、对样本要求较高以及在节点行为波动较大的情况下预测准确度下降等问题.为克服上述问题,该文在灰色预测模型的基础上提出了一种路由节点行为预测算法,该算法将路由节点行为序列中的波动类型被分为突发波动和迁移波动,结合Markov预测模型实现波动类型识别,随后基于不同的波动类型设立相应的未来行为值预测方法:对于突发波动,预测方法基于平滑级比序列的灰色预测结果;对于迁移波动,预测方法基于路由节点行为序列的灰色预测结果.最后,使用Markov模型对预测结果进行修正.实验结果表明,相比于已有的节点行为预测算法,该文的预测算法在预测精度上有较大提升.     

自抗扰控制技术在高低温环境模拟系统中的应用

针对现有健康状态评估方法主观性较强,准确度不高等问题,提出一种基于DSmT理论和模糊综合评判的健康状态评估模型。首先,确定评估对象的评价指标体系,对采集的原始数据进行预处理;然后利用模糊综合评判理论确定广义基本信度赋值;接着采用DSmT融合规则对广义基本信度赋值合成,得到健康状态等级。对于多级的系统评估,可将融合后的结果作为新的广义基本信度赋值进行DSmT融合。实例验证表明,该状态评估模型能够准确有效地实现对系统的健康状态评估,而且能够克服高冲突证据的融合问题,具有良好的应用价值。     

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。     

基于可信计算的网格行为信任模型研究

网格环境中的信任问题是网格计算发展过程中必须解决的一个重要问题。网格实体间的信任可以分为身份信任和行为信任两种，其中行为信任关注的是更广泛意义上的可信性问题，具有动态性和不确定性等特点，实体可以根据彼此之间的交互经验动态更新实体间的信任关系。而可信计算技术是为应对计算机安全问题而提出的一种底层的、整体的解决方案。该文以可信计算平台为基础，提出了一种网格环境中的行为信任模型，并对行为信任进行量化评估，最后对该模型中的几个关键问题进行了分析。     

基于Agent的DDoS协同防御实体行为建模

现有分布式拒绝服务(DDoS)协同防御实体行为建模逼真度较低,且形式化描述不规范.针对上述问题,提出一种基于Agent 的DDoS协同防御实体行为建模方法.采用基于Agent的建模思想及输入-输出映射原理,建立包含自主行为和交互行为的实体行为概念模型,设计改进的Agent行为形式化描述方法,从自适应性、自学习性和交互性3个因素考虑,构建协同防御实体行为模型,准确描述防御实体的智能行为.     

一种交互式动态影响图的改进算法

交互式动态影响图(I-DIDs)是基于概率图形理论的多智能体动态交互决策的图模型。为缓解该模型状态空间随时间片增加呈指数级增长的趋势,文中基于行为等价的基本思想压缩状态空间,提出构建Epsilon行为等价类的方法:利用有向无环图表示其它Agent可能的信度和行为,把信度在空间上接近的模型聚为一类,实现自顶向下合并行为等价模型。该过程避免求解状态空间中的所有候选模型,节省了存储空间和计算时间。模型实例上的仿真结果显示了该算法的有效性。     

网格环境下一种基于实体行为特征的信用度评估方法

本文提出了一种基于行为特征的网格实体信用度评估方法，旨在根据第三方所提供的相关于以往交互的信用度证据，来分析行为一致性、行为惯性等实体行为特征，指导信用度的最终评定。实验结果表明，这种方法能够有效地提取实体行为特征，在此基础上给出的信用度评估结果合理性强、可靠性高。     

分布式环境下行为感知的信任管理

针对分布式环境下信任管理的不确定性,在基于角色的信任管理基础上,引入行为感知的分析方法,以此作为信任评价的依据。将行为对信任域的影响量化为固定区间内的信任值,通过统计用户群的累积行为,计算出角色声望和域声望,并反馈调整信任域之间的信任委托关系。静态角色和动态行为的结合有效地增强了分布式网络的信任保障能力。     

虚拟计算环境中一种基于惩罚激励的信誉模型

基于信誉构建信任机制是解决虚拟计算环境[1]中行为可信问题的重要途径。现有信誉模型对不良行为的动态适应能力和对信誉信息的有效聚合能力不足,缺乏鼓励节点积极参与诚实合作的有效机制。本文提出一种基于惩罚激励机制的信誉管理模型PERep,根据自主元素行为特征和信誉状态区分交易行为的合作与偏离,并对偏离行为进行惩罚;给出了PERep的分布式实现。实验表明,PERep能准确地区分诚实交易和恶意行为,有效提高自主元素诚实交易的积极性并减少恶意行为的危害。     

P2P环境下改进的基于信誉的信任模型

现有的基于信誉的信任模型对于节点在进行信誉反馈时的行为突然改变不能做出迅速反应,针对该问题,在保留TBRM(mast-bascd reputatlion model)优势的基础上,提出了一种改进的基于信誉的信任模型.该模型引入了惩罚因子加大对节点在进行信誉反馈时的动态摇摆行为的惩罚力度,并且细化了模型的分布式存储策略.仿真实验结果表明,在P2P文件共享网络中,该模型能有效遏制恶意节点的动态摇摆行为,提高真实文件的下载成功率.     

Accumulative Time Based Ranking Method to Reputation Evaluation in Information Networks

Journal of Computer Science and Technology - Due to over-abundant information on the Web, information filtering becomes a key task for online users to obtain relevant suggestions and how to extract...     

虚拟计算环境中基于重复博弈的惩罚激励机制

如何促进网络中自主元素自觉规范行为、积极有序协作从而形成“可信的计算平台”是下一代互联网亟需解决的重点问题.提出一种基于重复博弈的惩罚激励机制PETrust,旨在有效促进自主元素采取系统期望的诚实协作策略进行规范行为.PETrust根据自主元素信誉特征的变化动态调整惩罚力度.理论分析和实验结果表明,PETrust能够有效区分自主元素的不同行为特征,遏制和惩罚恶意行为,提高自主元素诚实交易的积极性和系统的整体效率,并具有更好的抵御共谋欺骗的能力.PETrust还同时具备计算复杂度低、报文通信量小的特点,利于部署实施.     

P2P网络行为学研究

对等网络结构不断发展,网络中节点的行为逐渐成为影响网络效率的重要因素.激励、信誉和公平性已经成为对等网络中的三大难题,然而这三者都属于网络行为学的范畴.针对P2P网络行为学中的难题,提出了解决方法即在设计P2P系统的同时要兼顾激励.信誉和公平性.并对这三者分别进行了分析比较,针对当今不同P2P结构中的节点行为进行了评价.最后进一步展望了P2P网络行为学的研究方向.     

一种基于声誉的评分累积信任模型

安全多方计算为保护各方的私有信息,采用安全协议来保证合作计算的顺利进行。但恶意攻击的存在,使得安全协议的复杂性较高,协议的可操作性较低。鉴于此,提出一种基于声誉的评分累积信任模型,根据参与节点的历史行为评估其声誉,辨别恶意节点,采用惩罚机制鼓励可信的参与节点、隔离不可信节点,从而降低恶意攻击带来的风险。实验表明,该模型可以在一定程度上抵制自私的恶意攻击。     

一种置信于主流评价的P2P环境信誉模型*

针对P2P环境中策略性欺骗和作弊行为识别及防范难的问题,提出一种基于置信于主流意见的信誉模型(PTMTrust)。基于诚实反馈是节点间交互主流的原则,采用最大密度方法,构建滑动窗口定位主流评价值聚类中心。用评价值拟合度、交互活跃度和交易数等参数,确定评价值的可信度,使全局信任度真实反映节点服务或交易质量,惩罚虚假交易行为,抑制不真实评价的影响,增强评价系统的公平性,提高交易成功率。仿真实验验证了模型的保护功能,与传统信誉模型相比,由于推荐权重得到合理分配,有效地缓解了合谋作弊等恶意行为的影响,遏制了不诚实