一种角色分离的信任评估模型

针对实体恶意推荐问题,提出了一种角色分离的信任评估模型(RSTrust).模型将实体在信任评估中承担的角色分为交易角色和推荐角色两类,分别用交易信任度和推荐信任度来描述其可信性,区分不同角色对实体不同信任度的影响;在计算实体全局信任度时,RSTrust将推荐者的全局推荐信任度作为其推荐证据的可信权重,消除恶意推荐对全局信任度计算的干扰.分析和仿真结果表明,模型具有良好的抗恶意推荐能力和收敛性.     

面向网格的信任评估模型GTruMod

提出一个新型的面向分布式环境的信任评估模型：GTruMod。GTruMod基于后验概率思想分析实体间的协作历史,推导实体间直接信任,基于信任的社会模型特点计算实体的信誉,综合直接信任和信誉给出信任度的计算方法。基于该模型,该文提出一种基于图搜索方法对实体间信任度实施评估的算法,分析了该算法的复杂度。通过实验分析了该模型的评估性能特征,说明模型具有防范恶意推荐的能力。     

基于云模型的服务信任模型

针对Web服务中信任的主观性和不确定性等特点,提出一种基于云模型的信任建模方法,并给出了直接信任云、推荐信任云、综合信任云的计算方法及基于时间权重的信任更新算法．同时,该模型运用具体的服务能力评价信息来量化服务的信任度,增强了模型的客观性,使其能较好地量化实体的真实信任水平,提高网络中实体的交互成功率．实验与分析结果表明,该模型在网络环境中具有较好的效果．     

一种P2P网络服务环境的信任度计算模型

首先依据新实体能力属性给出了初始信任度计算算法,然后根据实体的直接交互满意度与其他信任实体的推荐信息,设计了直接信任度和推荐信任度计算算法。综合三种信任度,提出了信任度计算模型。该模型为网络实体间信任关系的建立和信任行为的决策提供了有力依据,从而减少实体交互风险,提高网络运行稳定性。     

服务计算环境中基于模糊修正的信任度量

针对现有信任度量方法不能解决实体间评价尺度的差异性而普遍存在信任度量准确性下降的问题,提出了一种基于模糊修正的信任度量算法。通过模糊成员函数表达了信任值的语义,并详细描述了一种推荐信任值的模糊修正算法,在此基础上提出了基于相似度的推荐信任聚合机制。实验结果表明,与PageRank和TidalTrust算法相比,该算法增强了信任度量的准确性,降低了信任决策中的误判率。     

基于蚁群算法的动态信任模型研究

信任度在分布式环境中具有不确定性,而传统的信任模型都将信任度定义为布尔型变量,这种信任度无法量化地描述实体间的信任强度。提出将信任度定义为一个非布尔型变量,并使信任度关联于时间和交互事件,引入信任矩阵和信任信息素的概念构造一种新的动态信任模型,同时对模型进行了描述并给出算法的关键步骤。该模型不仅可以实时度量实体间的信任关系以及实体的信任度,而且在分布式环境中具有较好的可扩展性,具有一定的理论价值和应用价值。     

基于主观逻辑的Web服务信任模型

在分析了传统主观信任评估模型存在问题的基础上提出了相应的改进方法,将改进后的信任评估模型方法应用到Web服务环境中,从而使Web服务环境中的实体信任度随着交易次数的增加能够自动更新.最后,通过模拟试验表明改进后的主观信任评估模型能更好的反应Web服务环境中实体信任度的变化.     

一种基于推荐的Web服务信任模型

借鉴信任管理概念和Beth信任模型,提出了一种基于推荐的新型自适应Web服务信任模型,给出了相应的信任度和信任度合成的方法,并针对恶意推荐采取惩罚机制。实验证明,该模型可以使得实体的信任度能根据服务经验自适应地变动,并能根据惩罚机制对欺骗的实体进行惩罚,从而在一定程度上减少访问到恶意实体的次数。     

一种基于静态和动态信任的普适环境信任模型

针对普适环境中现有信任模型对信任证据的考虑存在片面性的问题,在分析四种信任证据的基础上,将信任分为静态和动态两种类型,并提出了一种基于该分类方法的信任模型,描述了该模型的工作机制。该模型克服了对信任证据考虑不完整的缺陷,有利于在普适实体之间建立起可靠的信任关系,提高系统的安全性。     

网格资源访问的对等信任机制

针对传统网格信任模型中倾向于资源使用者抉择资源而忽略资源提供者的抉择这一现象,分析了信任关系具有的特性,建立了基于域的对等信任模型,并提出了一种更能充分发挥网格资源效率的对等信任机制.该机制认为网格的实体具有资源使用阈值和资源提供阈值,网格实体在进行资源的共享和协同时,交互双方在使用资源和提供资源方面都需要根据相应的阈值抉择匹配的信任度,并通过推荐信任链路建立对等信任关系.