P2P网络中基于Eigentrust算法的信任模型研究

在点对点(P2P)网络中,信任模型能够有效的降低恶意节点的影响。Eigen Trust是最具有权威性的信任度算法之一,本文提出了一个基于反馈的推荐信任度算法,通过区分服务信任值和推荐信任值,防止拥有较高服务信任值的节点对正常节点的诋毁和欺骗。引入请求信任值,对不积极参与文件共享的节点和恶意服务节点进行访问权限的限制,识别并拒绝使用该类恶意节点的推荐信息,有效提高交互成功率。     

面向P2P网络应用的基于声誉的trust管理模型

提出一种新的面向P2P网络应用的信任管理模型,该模型根据节点的历史交易情况和系统中其他节点的推荐计算节点的信任度,给出了普遍适用的、具体量化和更新推荐者可信度的数学表达形式,同时考虑到节点的自主性动态行为影响信任度计算的不确定性,引入风险因素,提出了采用信息熵理论来量化风险,将实体之间的信任程度和信任的不确定性统一起来.仿真实验及分析表明,该信任模型能够有效识别恶意节点,相比已有的一些信任模型在系统成功交易率、模型的安全性等问题上有较大改进,可以使节点之间更有效的建立信任关系.     

P2P环境中的一种信任模型

提出一种新的信任模型,将用户提供服务和进行推荐的能力进行区分,用推荐信任表示用户的推荐能力,根据用户的历史交易经验和系统中其他用户的推荐来计算节点的综合信任度,用户依据计算结果选择交易对象,交易结束后给出信任评价,进行相应的反馈.仿真试验表明,模型能有效评估节点的信任度,提高系统的可用性.     

基于超级节点的P2P信任模型的研究

提出基于超级节点的P2P网络信任模型—Super Trust。在Super Trust模型中,对节点的信任值采用了组内直接信任,组内间接信任和组间信任相结合的方式,从而提高了信任值计算的精确性;此外,通过引入超级节点机制,提高了系统交互的成功率。实验结果表明,与基于推荐信任传统模型和RBTrust模型相比,Super Trust具有较高的交易成功率,并且在不同的恶意节点攻击模式下具有较高的成功交易率。     

一种融合云模型和信任的推荐算法

针对传统的协同过滤推荐系统推荐精度低的问题,从用户相似度和用户信任度两个角度出发,提出了一种融合云模型和信任的推荐算法。采用云模型的相似度方法计算用户间的相似度,再采用信任推导来计算用户间的信任值,在此基础之上根据用户相似度和信任度两个因素分别确定邻居用户,得到预测评分。再将二者的预测评分结合的混合值作为最终的预测评分,从而产生推荐。实验结果表明,该算法与基于信任关系的推荐算法相比有更好的推荐效果。     

P2P网络中具有激励机制的信任管理研究

针对现有的信任模型不能很好地处理P2P网络环境中存在的不诚实推荐、协同作弊与复杂的策略性欺骗等问题,提出了一种具有激励效果的分布式P2P信任管理模型(IMTM),以量化和评估节点的可信程度,并给出了模型的数学表述和分布式实现方法。信任模型利用相似度函数构建的推荐可信度模型作为节点推荐的准确性度量,并充分考虑节点行为的稳定性、可信服务持续强度、风险性及信任的时间相关性等因素。除此之外,为了有效激励节点积极提供高质量的服务,惩罚不良行为节点,还提出一种基于节点信任度的激励机制。分析及仿真实验表明,与已有的信任模型相比,IMTM在抑制更广泛的恶意节点攻击行为中,表现出更好的适应性、灵敏性与有效性。     

基于信任社区的电子商务推荐模型

针对电子商务平台中出现的信息＂超载＂问题,通过采用用户聚类划分和节点信任值计算分析的方法建立电子商务信任社区,并结合商品自身评价信息,构建电子商务推荐模型。该模型根据用户最信任的若干邻居对商品的评价信息,预测用户对未购买的商品的评分值,将预测评分值较高的商品推荐给用户,并且在推荐算法设计过程中考虑了推荐的时间效应,为用户提供有效的商品推荐服务。     

FFTrust：基于反馈过滤机制的P2P网络信任模型

本文提出了一种新的基于反馈机制的P2P系统信任模型,该反馈过滤机制运用基于密度的聚类算法有效地识别一些恶意和噪声反馈,以提高计算节点信任值的精确性,同时引入一种新的信任度量方法对恶意反馈节点进行有效地惩罚,以遏制系统内的恶意反馈行为,保证了对系统贡献大的节点更容易在获得高质量服务。文章最后通过仿真实验验证了模型的有效性,相比己有的一些信任模型该信任模型能够有效识别恶意反馈节点,增强系统的可靠性和公平性,提高了系统戍功交易率。     

一种基于信任度的朋友推荐模型

针对如何对交友网站中的用户进行朋友推荐的问题,提出一种依据信任度进行朋友推荐的模型。通过用户之间的信任关系,建立信任模型,计算出该用户和其信任距离在3个跳转之内的所有其他用户的信任度。在计算用户之间的间接信任度时引入了衰减因子,改进了常见的间接信任度算法,从而达到依据信任度的高低依次对用户进行朋友推荐的目的。通过应用该模型对一个实例模型关系进行分析的结果表明,该朋友推荐模型能够有效地对用户进行朋友推荐,体现了用户对于有直接指向关系用户的信赖程度。     

基于一跳信任模型的协同过滤推荐算法

基于社会信任网络的协同过滤推荐算法存在节点之间多下一跳带来的复杂路径选择和信任弱传递问题。针对这2个问题,给出基于项目的一跳信任模型,该模型通过用户对项目信任度的计算,定义用户的直接和间接社会信任属性,然后一步跳转计算用户之间的直接和间接信任距离,进而计算用户之间的信任度。基于此模型设计推荐算法,同时分析了信任度与传统相似度的理论关系并二维拟合。仿真实验表明,该算法提高了推荐准确度(约0.02 MAE),降低了训练时间(约50%)。