基于等级结构的对等网络激励机制研究

搭便车行为对对等网络造成严重负面影响。首先提出了一种基于等级概念的网络激励机制以抑制搭便车行为并解决公共悲剧问题。所提出的效用函数为公平性特别考虑了用户的绝对贡献值和物理特性,并根据层次分析法来计算它们的值。通过实验仿真证明了此种机制的有效性和实用性,并对此机制的发展给出了展望。     

一种P2P文件共享系统中的激励机制*

提出了一种用于文件共享系统的激励机制,将节点享受服务的能力和提供服务的能力进行区分,贡献节点享有更高的服务优先级,而搭便车节点受到惩罚。仿真实验表明,该激励机制充分体现了公平性原则,同时大大提高了下载成功率。     

一种P2P文件共享系统中的激励机制*

提出了一种用于文件共享系统的激励机制,将节点享受服务的能力和提供服务的能力进行区分,贡献节点享有更高的服务优先级,而搭便车节点受到惩罚。仿真实验表明,该激励机制充分体现了公平性原则,同时大大提高了下载成功率。     

移动对等网络中自私节点的检测和激励机制

由于其自身资源等客观因素的限制以及主观态度的影响,移动对等网络中的节点常常表现出自私性,因此,检测并激励自私节点合作成为当前重要的研究内容通过允许节点自由表达其主观转发态度,实现对自私节点的检测.即在路由选择时,不仅考虑到链路质量和节点能量等因素决定的路径的客观转发概率,而且考虑到路径上节点自私性影响下的主观转发概率,以选择出综合转发概率最高的路径,从而减轻自私节点的影响.当节点自私度过重时,设计了一个基于惩罚机制的激励合作模型以鼓励节点参与合作.根据节点自私行为的危害程度,对其采取相应的惩罚措施.节点之间的监控机制和严格的惩罚机制保证了防策略性的实现.模拟实验结果表明,该检测和激励机制不仅能够在节点能量受限和理性自私的情况下寻找到合适的路由,而且能够激励过于自私的节点积极参与网络活动.     

P2P网络中抑制搭便车问题研究

概述搭便车问题,然后分析搭便车对P2P网络的影响。同时把搭便车的抑制机制分成了三种类型：基于货币的方法、基于互惠的方法、基于信誉的方法．并分别进行详细的介绍。提出一种基于聚类分析的搭便车抑制机制,能够对搭便车进行有效的押制。     

基于动态拓扑构造的信誉激励机制

为了提高对等（P2P）文件共享系统的交易成功率,鼓励节点积极贡献自身资源,增加网络资源,促进网络良性持续发展,建立一种基于动态拓扑构造的激励机制。该激励机制可对网络节点行为进行有效激励,通过拓扑优化来促进网络公平和发展,保证了P2P共享文件系统的良性运行,提高了网络的性能。通过模拟仿真实验和分析表明,提出的基于节点可信度的信誉激励机制具有正确性、有效性等特点,与现有的信任模型相比,在安全性和简约性等也有较大改进,达到了预期的设计目标。     

基于博弈论的P2P激励机制

对等(P2P)网络中的搭便车问题使得网络节点只享用信息资源服务而不为系统贡献资源,导致网络中的共享资源不断减少,严重影响P2P网络系统的性能。为此,根据博弈论中的纳什均衡理论提出基于RDEC算法的激励机制。通过模拟实验并对相关数据进行分析,结果表明,该策略能改进P2P网络中资源的公平共享,最大化系统的效用。     

对等网络中的搭便车行为分析与抑制机制综述

搭便车(freeriding)行为在对等网络(Peer-to-Peernetwork)中日趋严重,它对网络健壮性、可用性和生命周期等造成了负面影响.设计、应用合理的搭便车行为抑制机制是当前对等网络研究的一个重要方向.文中首先描述搭便车行为的测量方法和发展趋势,然后分析搭便车行为的基本原理以及对对等网络性能的影响.依据数学建模和分析工具的差异,将已有搭便车行为抑制机制分为激励机制、博弈论方法、社会网络与经济模型三大类.文中归纳了三类抑制机制的建模方法,对其优、缺点进行了分析和比较,最后对搭便车行为抑制机制的未来研究方向进行了展望.     

P2P环境下引入激励机制的动态信任模型*

针对现有的P2P信任模型中对节点行为改变的动态适应能力不足以及欠缺激励机制的特点,提出了一种引入激励机制的动态信任模型（DITrust）。该模型采用信任值动态衰减策略以提高其动态适应能力,同时通过推荐偏移量来计算推荐信誉值,增加了推荐信誉的可信度;最后引入虚拟信誉货币以鼓励节点提供服务和推荐信息,提高了节点模型参与的主动性。实验结果表明,DITrust较已有的模型能够抵御类型更广泛的恶意节点攻击,且具有更小的网络开销。     

一种基于激励机制的P2P流媒体数据调度模型

针对P2P流媒体中现有算法在数据调度时不够公平的问题,提出了一种新的具有激励作用的算法模型.该算法模型可以根据节点的丢包率、贡献效率动态调节节点带宽分配以达到接收节点利益理性最大化和系统整体公平,提高了系统传输效率.仿真实验表明,该算法模型促进了节点的参与传输调度,达到了维持系统公平的目的.     

基于BT协议的网络激励机制研究

由于p2p网络节点的匿名性和贡献资源的自愿性,绝大多数节点不愿共享自己的资源,从而导致大量搭便车现象的出现。在使用BitTorrent下载的过程中,为了能得到对方更快的下载速率,各个节点也能够为相应节点提供较快的下载速率,但在下载完成以后,大部分节点就不再为其他节点提供下载服务。在分析BitTorrent协议的基础上,该文提出了一种差异服务的激励机制,该激励机制能够激励节点持续不断地为其他节点提供下载服务,即使是在该节点下载完成以后也是如此。     

基于激励机制的P2P节点安全性研究

P2P网络中的节点信任问题是阻碍P2P发展的难题之一,在分析现有信任模型的基础上,提出一种引入不确定性因素的信任模型,用BGTR判定树进行连接,同时在此基础上给出了一种基于纳什均衡的激励模型,通过贡献值的计算来抵御恶意节点的攻击.实验结果表明,此模型在抵御虚假节点以及提高交易次数及交易质量方面都有一定的成效.     

P2P资源的拍卖激励机制

激励机制是P2P（对等网）中的一个重要的研究课题。P2P这种新的成功模式需要建立一个应用已有成熟的技术的激励机制来实现。本文提出了一种在P2P环境申基于拍卖的激励机制。在P2P所有资源都标以虚拟价格,P2P中节点通过拍卖来决定它获得需要的怎样所应该付出的代价,并用虚拟货币进行支付,而节点通过贡献资源得到虚拟货币。在这种激励机制下,节点可以最大化利用自己的资源,如果P2P每个节点都能够实现资源的最大化利用,我们就可以实现在P2P中自私的节点也愿意贡献自己的资源这一目的。     

基于“奖励制度”的DPoS共识机制改进

共识机制是区块链技术的核心。授权股权证明(Delegated Proof-of-Stake,DPoS)作为一种共识机制,其中每个节点都能够自主决定其信任的授权节点,从而实现快速共识验证。但DPoS机制仍然存在着节点投票不积极以及节点腐败的安全问题。针对这两个问题,文中提出了基于奖励的DPoS改进方案,投票奖励用以激励节点积极参与投票,举报奖励用以激励节点积极举报贿赂节点。Matlab仿真结果表明,投票奖励方法的引入提高了节点投票的积极性。与原始DPoS共识机制下投票节点数占比45%～50%相比,两种投票奖励方法使得参与投票节点数占比分别增加至65%～70%以及55%～60%。相比原始DPoS共识机制下不接受贿赂节点占比会随着恶意节点贿赂力度的加大而不断减少的情况,举报奖励方法的引入使得选择举报节点的占比出现了明显增加,在投票轮数为20的情况下,选择举报节点的总占比可以增至54%。实验结果表明,奖励制度的引入不但能够提高节点投票的积极性,而且增强了普通节点对恶意节点的贿赂抵抗性,使恶意节点成"代理人节点"的概率变小,保障了网络安全性。     

一种激励相容的P2P信誉模型

针对现有的信任模型不能很好地处理P2P网络环境中恶意节点提供虚假服务的欺作行为,及不积极提供诚实推荐的问题,提出了一种激励相容的P2P信誉模型(简称ICRM)。该模型使用时间区间的概念来标示经验和推荐的时间特性,利用直接信任度、推荐信任度及推荐可信度等机制来精确描述节点的实际信任等级,并引入参与层次来度量节点提供推荐的积极程度,从而有效地识别与抑制不同类型的恶意节点,激励节点积极提供诚实推荐。仿真实验表明,ICRM能够有效地抑制恶意节点的欺作行为及不诚实反馈行为,并能有效解决节点推荐积极性不高的问题。     

基于博弈论的P2P激励机制的研究与设计

针对P2P系统中普遍存在的搭便车和公共悲剧问题,提出了一种基于博弈论的P2P服务质量激励机制.在分析节点在网络中的贡献和收益的基础上,通过引入激励值的概念来体现网络节点服务质量的高低,同时给出了有关节点服务质量四个方面的定义.实验表明,该激励机制能够有效地抑制节点的自私行为和提高网络的服务质量,并促使每个节点自发地共享自己的资源,从而构建一个良好的P2P环境.     

P2P网络激励机制模型研究

由于p2p网络节点的匿名性和贡献资源的自愿性,绝大多数节点不愿共享自己的资源,从而导致大量搭便车现象的出现。该文在分析搭便车现象的基础上,介绍了两种基本的激励机制模型,讨论了博弈理论在激励机制模型中的应用。     

Private BitTorrent激励机制研究

P2P文件传输系统中出现的搭便车(free-riding)现象,结合博弈论思想分析了Private BitTorrent系统的激励机制.根据PT网络文件分发的过程建立模型,结合模型证明了基于SRE激励机制对PT系统的有效性,给出PT下载客户端配置参数之间应符合的理想关系.     

Simulation Analysis Using Multi-Agent Systems for Social Norms

With the existence of the social customs or norms, Naylor demonstrates a possibility of stable long-run equilibria of support for a strike in a labor market, and this implies that at least some individuals will behave cooperatively and hence the prisoners’ dilemma could be escaped. In this paper, using an agent-based simulation model in which artificial adaptive agents have mechanisms of decision making and learning based on neural networks and genetic algorithms, we compare the results of our simulation analysis with that of the mathematical model by Naylor. In particular, while Naylor’s model is based on rationality as it relates to individual utility maximization, agents behave adaptively in our agent-based simulation model; agents make decisions by trial and error, and they learn from experiences to make better decisions.