一种P2P分布式环境下的信任模型

针对现有的信任模型对节点行为改变的动态适应能力不足,在研究前人提出的信任模型基础上,提出了一种分布式环境下的信任模型.该模型通过综合节点之间的交易历史行为和交易评价信息,提出用局部声誉,评价信任度,全局声誉,信任度中用权重因子来概况模型,使该模型更真实化,有效化.仿真实验表明,与已有的信任模型相比,提出的模型具有更好的动态适应能力,能够有效处理动态恶意节点策略性的行为改变和不诚实反馈对系统的攻击.     

基于JXTA架构的对等网络关键技术研究*

较为深入地分析了基于JXTA架构的对等网络关键技术,着重对JXTA虚拟网络、JXTA资源的发布、发现机制等核心问题进行了探讨,指出了目前JXTA RPV(Rendezvous Peer View)查询策略在效率上存在的不足,并针对这些不足提出了改进意见。     

C2C电子商务交易的信用及风险评估方法研究

提出了一种改进的信用计分方法,该方法采用商品价格的区间分布来对成功交易进行加分,采用信用等级的扣分系数来对不同信用等级的失败交易进行扣分,可以解决信用炒作和周期欺骗问题.通过对信用风险的分析,在改进的信用计分模型的基础上,设计了一种网上交易的风险计算方法,该方法可以根据历史交易的情况以及当前交易的价格来对当前交易的风险进行评估.模拟实验结果表明,改进的信用计分方法具有较好的抗信用炒作和周期欺骗效果,所给出的风险评估方法对电子商务交易中的风险分析和预测是比较准确和有效的.     

P2P环境下局部可信度的神经网络识别方法

P2P（Peer—to—Peer）环境下对等实体的全局可信度得到了广泛重视和研究，但计算全局可信度的基础——局部可信度却没有受到应有的重视．现有模型只给出了基于交易成功与失败次数统计比例的简单方法，不能描述交易成功失败的分布特性．首次将神经网络引入局部可信度的识别，将能够反映分布特性的交易成功与失败序列作为神经网络输入来识别局部可信度．给出了神经网络结构、输入规范化和训练样本构造方法．通过分析和实验可以看出，该方法是有效和可行的．     

基于扩展攻击树的信息系统安全风险评估方法

目前定量的安全风险评估方法越来越受到人们的重视,在攻击树模型的基础上,对该模型进行扩展,提出了一种新的定量的风险评估方法。在对叶子节点(原子攻击)风险值的量化中,采用了多属性效用理论,使得评估更加客观。并对该方法的每一步骤都给出了具体的算法,为实现自动化的评估工具打下了基础。     

一种基于主观逻辑理论的P2P网络信任模型

由于P2P系统的开放、匿名等特点，使得P2P系统对节点缺乏约束机制，节点间缺乏信任。针对以上问题本文提出了一种基于主观逻辑理论的P2P网络信任模型，并在信任的计算中引入风险的机制，有效防止协同作弊和诋毁的安全隐患。实验和分析结果表明，这种信任模型能更加精确地评估节点的信任度，从而能更加有效地解决P2P网络环境中存在的安全问题。     

混合马尔科夫预测模型及其在反洗钱中的应用研究

反洗钱中的一个重要问题是预测可疑账户未来可能发生的交易。马尔科夫模型在股票、商品价格、市场占有率等经济领域的预测中具有广泛的应用,但单一的马尔科夫模型的预测准确性有待提高。提出一种结合数据挖掘中聚类、关联规则和低序马尔科夫模型的混合马尔科夫模型,并在模型的建立过程中基于置信度进行剪枝以降低时间复杂度,最后将该模型用于预测反洗钱领域中账户之间的交易。实验表明,该模型具有较高的预测准确性,并在预测准确性和时间复杂度两者之间取得了较好的平衡。     

基于模糊理论的P2P网络主观信任模型-FSTM

由于P2P网络的开放、匿名等特点,节点间的信任关系往往很难通过客观的信任机制建立.本文引入模糊理论的方法对信任进行度量,通过改进Einstein算子来解决信任向量的传递和合并问题,并把算子用于求全局信任关系模糊矩阵的传递闭包,结合分布式哈希表的机制来存储全局信誉值,较好的解决了信任的传播问题.仿真实验表明该模型能有效的提高P2P网络交互成功率,同时系统开销相对较小.     

OntoRBAC：基于本体的RBAC策略描述与集成

随着分布式安全系统研究的不断深入和发展，基于策略的体系结构已经逐步成为了访问控制系统中的一种主流方法。然而这些策略的定义均建立在特定的语言基础上。如何在异构的系统间进行集成尚缺乏有效的机制。本文提出了一种基于本体的访问控制策略定义机制——OntoRBAC——它完全支持了RBAC96模型，利用本体这个工具，能够为访问控制策略的制定提供更精确、更强大的描述能力，并且可以实现从语义层次上对不同策略的集成。而借助于SWRL（Semantic Web Rule Language），我们定义了多条适用于OntoRBAC的规则来进行对访问控制决策的推理。最后，介绍了这个系统的实现框架。