对等网络中的一种信任模型

在诸如文件共享等无中心的Peer to peer环境中,资源共享是用户自愿的行为.在这类系统中,由于用户不为自身的行为担负责任,因而节点间的信任关系往往很难通过传统的信任机制建立.现有模型在计算信任度时往往采用迭代方法,计算复杂,同时缺乏对时间因素的考虑.针对上述问题,提出了一种新的基于P2P的信任模型,它结合自己的交易历史、熟悉节点的推荐及陌生节点的推荐三部分来综合评价目标节点的信任度,同时考虑了时间因素对信任度的影响.分析及实验结果表明,该模型能准确地评估节点的信任度,提高系统的可用性.     

C2C网上拍卖中的信任计算模型研究

在线信任匮乏已成为阻碍网上拍卖快速、健康发展的重要因素。为了帮助用户实施有效的信任决策,针对拍卖网站中现有的信任计算方法的不足以及传统理论信任模型的局限性,本文提出了影响网上拍卖信任的5项信任因素,并构建了C2C网上拍卖中的信任计算模型。最后仿真实验的结果表明模型具有较好的有效性和可行性。     

面向用户体验的云计算服务可信模型研究

随着云计算的快速发展,云中提供的服务日益丰富,越来越多的用户开始使用云计算提供的服务,如何为用户提供最有效、最可信的服务成为新的挑战.考虑到信任因素的复杂性与不确定性,本文主要研究如何面向用户体验对信任概念进行量化,将用户体验作为服务可信模型的重要评估标准和参考因素,提出了一种基于云计算的全局信任量化计算模型,对其计算方法进行了重点讲述,并将信任量化计算模型作为一个构件挂接于北京科技大学云计算平台之上,在为用户提供可信服务的同时获得有效的验证数据,提供量化的趋近真实的服务可信度.通过在实际系统中的应用,验证了该模型的有效性.     

用户多兴趣下基于信任的协同过滤算法研究

协同过滤技术是目前电子商务推荐系统最为有效的信息过滤技术之一.最近的研究尝试在推荐过程中引入信任模型来提高推荐的准确性和抵御"托"攻击.但在用户多兴趣的情况下,属于不同主题的项目需要不同的可信赖人员来推荐,传统的概貌级信任模型已不再适用.本文提出主题级信任计算模型以及基于主题级信任的协同过滤算法.一系列的实验结果表明,该算法在不牺牲鲁棒性的同时,有效地提高了推荐的准确性.     

基于概率的信任传播模型

社会网络中,用户之间的信任关系可以为用户判别信息是否可信提供依据。现有的信任计算方法一般是通过搜索节点之间的路径,再在其上添加各种其它限制,如路径长度、信任度下界等来计算信任度,而考虑节点之间的相似性的方法却很少。从节点之间的相似性出发,在信任传播模型的基础上,结合贝叶斯条件概率公式,提出了基于概率的信任传播模型。同时分析了信任传播模型中衰减系数对结果的影响;通过统计分析数据,得出具有信任关系的用户之间的相似度要比不具有信任关系的用户之间的相似度高得多,从而证明了贝叶斯理论可显著提高信任传播算法的有效性。在Epinion数据集上进行的实验证明了该方法的有效性。     

普适环境中基于模糊理论的信任评估模型

信任管理是当前普适环境中信息安全研究的热点。为了解决主观信任的模糊性和主体之间信任关系的动态性,在模糊数学中的模糊理论的基础上,提出了一个用户信任度的评估模型。该模型是将模糊理论应用到信任关系的不确定性和动态性上,对影响信任主体的主要因素进行综合评估,得出一个总的信任度来确定是否可以信任主体以便进行交互。该模型可以全面地评估用户的信任度,很大程度上保证了普适行为的安全可靠,为处理普适计算的信任管理的不确定研究提供了一个新的方法。     

面向社会化电子商务的信任感知协同过滤推荐方法

为提高社会化电子商务推荐服务的精确度和有效性,综合考虑交易评价得分、交易次数、交易金额、直接信任、推荐信任等影响社会化电子商务用户信任关系的因素,设计了一种信任感知协同过滤推荐方法.该方法利用置信因子计算用户间的信任关系,采用余弦相关度法计算用户间的相似度,引入调和因子综合用户信任关系和用户相似度对商品预测评分的影响,以平均绝对误差(MAE)、评分覆盖率和用户覆盖率作为评价指标.实验结果表明,与标准协同过滤推荐方法、基于规范矩阵因式分解的推荐方法相比,信任感知协同过滤推荐方法将MAE降低到0.162,并将评分覆盖率和用户覆盖率分别提高到77%和80%,能够解决交易评价较少商品的推荐问题.     

一种面向移动服务拍卖的信任管理模型

移动商务与基于位置服务的发展,使得移动网络中用户之间进行服务拍卖成为可能.交易双方之间的信任评估对移动网络中的服务选择起重要作用.面向移动服务拍卖的信任管理是一种基于信誉模型,通过度量反馈偏移度均值作为反馈可靠度,进行交易反馈的加权.而与在线商品拍卖相比,移动服务交易信任评估更依赖于交易环境,所以模型中融入包括交易时间、地点、交易额度的环境上下文因素,实现了一种不同上下文动态信任映射机制.仿真结果表明,与传统基于信誉的信任计算方法相比,该模型能降低对恶意节点、诚信节点,以及全局信任评估的误差值,并能有效抵抗节点利用低风险交易进行信任欺诈.     

社会网络中信任评价博弈模型

针对现有评价模型中的恶意评价问题,提出了一种改进的基于博弈论的评价反馈激励方法.在基于内容推荐方法中引入用户权威值,用户评价时动态调整反馈函数,利用博弈论方法建立在一定概率下一个参与人,延伸到多个参与人和多个内容情况下的信任评估激励机制.仿真结果显示,根据用户权威计算内容信任值,可以激励用户通过正确的选择提高自身信任值,并且能够实现正确内容的信任值合理增加.     

融合用户信任模型的协同过滤推荐算法

协同过滤推荐是电子商务系统中最为重要的技术之一.随着电子商务系统中用户数目和商品数目的增加,用户-项目评分数据稀疏性问题日益显著.传统的相似度度量方法是基于用户共同评分项目计算的,而过于稀疏的评分使得不能准确预测用户偏好,导致推荐质量急剧下降.针对上述问题,本文考虑用户评分相似性和用户之间信任关系对推荐结果的影响,利用层次分析法实现用户信任模型的构建,提出一种融合用户信任模型的协同过滤推荐算法.实验结果表明： 该算法能够有效反映用户认知变化,缓解评分数据稀疏性对协同过滤推荐算法的影响,提高推荐结果的准确度.     

电子商务系统的信任建模与评估

针对P2P电子商务系统的安全问题,提出一种基于声誉的信任模型。通过引入影响信任度的信任因素改进局部声誉与全局声誉的计算方法,准确地反映出节点的信任度,降低信任度计算的时间复杂度。实验结果表明,该模型相比现有的信任模型,能提高系统交易成功率,并有效用于P2P电子商务系统中。     

改进的计算网格域内实体信任模型设计

传统基于信任域的网格信任模型以自治域内的实体数目作为信任值计算复杂度的唯一参数,安全性较低。在现有计算网格信任模型基础上,提出一种改进的自治域内实体信任模型,将时间衰减和惩罚因子引入到模型中,建立GSP对用户的直接信任度和推荐信任度计算模型,通过仿真实验验证其具有更高的抗Whitewashing攻击能力。     

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。     

云计算下基于用户行为信任的访问控制模型

针对当前云计算访问控制中角色不能随着时间动态改变的问题,提出了一种基于用户行为信任的云计算访问控制模型。该模型根据综合用户的直接和间接信任值得到的信任值确定其信任等级,激活其所对应的角色以及赋予该角色一定的访问权限,提供请求的资源,从而达到访问控制的目的;并给出了基本组成元素和实现过程。实验结果表明,所提出的访问控制模型能够提高用户行为信任值评估的客观性,能够抵抗各类非法用户访问云计算,增强了云计算中资源的安全性和可靠性。     

METrust: A mutual evaluation-based trust model for P2P networks

It is necessary to construct an effective trust model to build trust relationship between peers in peer-to-peer (P2P) network and enhance the security and reliability of P2P systems. The current trust models only focus on the consumers evaluation to a transaction, which may be abused by malicious peers to exaggerate or slander the provider deliberately. In this paper, we propose a novel trust model based on mutual evaluation, called METrust, to suppress the peers malicious behavior, such as dishonest evaluation and strategic attack. METrust considers the factors including mutual evaluation, similarity risk, time window, incentive, and punishment mechanism. The trust value is composed of the direct trust value and the recommendation trust value. In order to inhibit dishonest evaluation, both participants should give evaluation information based on peers own experiences about the transaction while computing the direct trust value. In view of this, the mutual evaluation consistency factor and its time decay function are proposed. Besides, to reduce the risk of computing the recommendation trust based on the recommendations of friend peers, the similarity risk is introduced to measure the uncertainty of the similarity computing, while similarity is used to measure credibility. The experimental results show that METrust is effective, and it has advantages in the inhibition of the various malicious behaviors.     

基于模糊理论的可信计算信任评估方法研究

信任链是可信计算的关键技术之一,如何对其表达和评估是研究热点。针对可信计算环境中影响信任评价的各种复杂因素以及信任关系的不确定性和动态性,提出一种基于模糊理论的可信计算信任评估方法。引入历史度量记录和时间衰减因子以构建直接信任度,建立粒度为5的信任等级空间,并给出间接信任度的模糊评判方法。运用改进的Einstein算子定义相似度函数,在此基础上给出信任链上实体的信任模糊推理和评估过程。方法把模糊推理和信任传递相结合,可以全面地评估信任链上实体的信任度。模拟实验表明,与同类方法相比较,所提方法对恶意评估具有较好的抵抗能力,且评估结果的可信性和可靠性更好,是一种可信计算信任评估的新方法。     

P2P网络中基于评价相似度的信任模型研究

由于P2P网络的开放性、匿名性等特点,节点间的信任关系很难通过传统的信任机制来建立,为了解决该问题,对已有研究进行了详细分析,并提出了一种基于评价相似度的P2P网络信任模型。该模型引入了时间衰减函数和事务影响因子,提高了信任度计算的准确性,引入了评价相似度的概念,用于量化和评价推荐的可信程度。分析及仿真实验结果表明,该模型可以有效地识别恶意节点,提高P2P网络的服务质量。     

志愿计算中基于贝叶斯定理的信任模型

志愿计算因其开放性、匿名性和动态性得到广泛应用,但同时也对系统的安全性带来挑战.传统认证方式无法满足志愿计算系统的安全性需求,而通过在系统中建立信任机制可以有效解决这一问题.为此,构建一种基于贝叶斯定理的志愿计算系统信任模型VC-trust.依据贝叶斯定理对节点的不确定性行为进行分析预测,根据节点历史交互记录并引入处罚因子和调节函数计算节点信任值,同时利用时间滑动窗口对其进行更新.实验结果表明,在节点行为变化的情况下,VC-trust模型较BTMS模型具有更高的交互成功率.     

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。     

Cloud-DLS: Dynamic trusted scheduling for Cloud computing

Clouds are rapidly becoming an important platform for scientific applications. In the Cloud environment with uncountable numeric nodes, resource is inevitably unreliable, which has a great effect on task execution and scheduling. In this paper, inspired by Bayesian cognitive model and referring to the trust relationship models of sociology, we first propose a novel Bayesian method based cognitive trust model, and then we proposed a trust dynamic level scheduling algorithm named Cloud-DLS by integrating the existing DLS algorithm. Moreover, a benchmark is structured to span a range of Cloud computing characteristics for evaluation of the proposed method. Theoretical analysis and simulations prove that the Cloud-DLS algorithm can efficiently meet the requirement of Cloud computing workloads in trust, sacrificing fewer time costs, and assuring the execution of tasks in a security way.