网格环境下的信誉评价及管理模型研究

将在分布式环境下适应的信誉评价算法进行改进使其适用于网格环境中,以网格环境下的安全合作为目标,结合网格环境以及在此方面同行所做的前沿工作,提出一种新的基于Dempster-Shafer证据理论的支持网格的信誉评价算法,以适应网格实体信誉定量评价的要求,解决网格信誉描述的不可测量性和模糊性问题,并给出相应的信誉管理模型.     

一种健壮的可扩展网格信誉系统

针对网格环境下,信誉系统刻画跨组织陌生实体间信任关系的合理性、健壮性及可扩展性问题,提出一种健壮的可扩展网格信誉系统.该信誉系统依据网格实体间的信任关系,在网格组织结构之上建立虚拟信任网,充分利用虚拟信任网的全局特性,将组织间的信任关系作为重要参考,实现了实体信任关系的合理评价,对网格环境的资源管理以及网格虚拟组织的构建都有着良好的指导作用.仿真实验表明,该信誉系统能够真实刻画跨组织网格实体间的信任关系,有效遏制虚假交易以及诽谤等攻击,并具有良好的可扩展性.     

基于SVM的网格资源信誉评价

网格的开放性及动态性带来了便利的同时也带来了更多的安全挑战.针对网格这个特定环境,提出了资源调度过程中的信誉评价问题,并给出了相关的信誉存储模式.在分析网格成员特点及SVM原理的基础上提出了基于SVM的信誉评价算法,并对该算法进行了仿真实验.仿真实验结果表明基于SVM的信誉评价算法能够较好地适应网格环境并能较客观及准确地评价网格成员的信誉.     

一种基于信誉QoS的网格资源调度算法

针对目前网格资源管理中存在的调度机制与信任机制分离、资源调度过多依赖于性能服务质量（QoS）的缺陷,讨论了基于信誉QoS的网格资源调度问题．分析了全局可信度模型,提出了基于信誉QoS的网格资源调度算法．该算法在保证服务安全性和可靠性的同时兼顾了网格负载平衡．实验结果表明,该算法在保证服务质量、维护系统性能和抵御恶意节点攻击等方面具有良好的综合性能．     

基于拍卖机制的网格在线信誉系统模型

在现有的网格经济模型和在线信誉系统的基础上,提出了基于拍卖机制的网格在线信誉系统模型.该模型侧重于保护资源提供者,为资源提供者提供了贡献与共享资源的动机,吸引更多更好的资源加入网格,实现资源优化分配.保证交易双方均获取最大利益,有利于网格资源的市场管理及供需均衡.并以市场为平台,构建一种新的网格信任模型,由交易事件和衰减函数共同驱动信任度的在线更新,并引入激励机制,尽可能增强信任模型的合理性和可操作性.     

基于信誉担保的网格域动态管理模型

针对目前网格环境下域间管理存在可扩展性、动态适应性差的现状,提出一种基于信誉担保的网格域成员关系管理模型DMRGGD。建立基于信誉值的网格域信誉担保的推荐模型,为新加入的域成员在不依赖中心服务器的情况下建立初始信誉值,在域成员间通过计算直接信任度和多路径间接信任度,实现动态更新信誉值和评估信任关系,通过担保人信誉连带责任制,防止恶意担保。     

网格环境中的一种信任模型

网格环境中的信任问题是当前网格研究的一个热点问题,为了解决网格环境的动态性和不确定性带来的安全问题,文章提出了一种新的信任模型来处理网格环境中实体之间的信任关系,该模型对域内信任关系和域间信任关系分别采取不同的方法进行处理,实验和分析结果表明,与以往的信任模型相比,这种信任模型能更加精确地评估实体之间的信任关系,从而能更加有效地解决网格环境中存在的安全问题。     

一种网格混合认证模型的研究

系统地分析了当前常见信任模型的优缺点,针对网格应用需求提出了一种新的混合认证模型,详细设计了新模型的框架和功能,并对三级认证子系统和域间认证子系统分别进行了仿真验证和性能分析,结果表明混合认证模型能够解决单一密钥机制存在的缺陷,提高网格认证的安全性。     

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。     

一种自约束信誉更新模型

在分析信誉计算模型的基础上,提出了一种自约束的信誉更新模型,由于节点的信誉主要反映历史信誉,信誉变化主要表现在新的评价分与以前信誉的变化上,因此通过自约束因子来表达这种变化。对该模型与Bayesian模型作了仿真分析比较。结果显示：信誉评估模型体现恶意行为的惩罚思想,当一个可信节点连续出现交易失败或不可信行为时,信誉值会指数级下降,恢复其信誉则是缓慢上升。     

基于信任机制的网格资源调度算法

针对目前网格资源调度中忽视信任机制的缺陷,在行为信任模型和能力信任评估的基础上,提出一种信任驱动的资源调度算法TDS。该算法同时兼顾了性能QoS和信任QoS。仿真实验结果表明,TDS算法与传统的基于性能QoS的算法和基于信任QoS的算法相比,在最小完工时间和服务请求提交成功率方面具有较好的性能。     

一种新的P2P系统中基于双ratings的声誉管理机制

声誉系统的效率取决于回馈的质量,现有P2P系统中的声誉模型不能处理合谋、不递交ratings等攻击,并且对无过失节点还存在不公平性,针对这些问题,提出了一个新的基于双ratings的声誉管理机制,采用两个度量来评价节点:服务信任和回馈信任,服务信任反映server提供服务的可靠性;回馈信任反映consumer汇报ratings的可信度.一次交易后,要求服务双方都递交ratings,依据这两个ratings对server的服务信任和consumer的回馈信任进行更新,并且server的服务信任更新与consumer的回馈信任紧密相关.为了防止恶意节点反复实施恶意行为或不递交rating,还提出了一个惩罚机制,作为对声誉模型的补充,仿真表明,提出的声誉管理机制能够抵制上述恶意攻击,减少不公平性.     

网格环境下一种基于实体行为特征的信用度评估方法

本文提出了一种基于行为特征的网格实体信用度评估方法,旨在根据第三方所提供的相关于以往交互的信用度证据,来分析行为一致性、行为惯性等实体行为特征,指导信用度的最终评定。实验结果表明,这种方法能够有效地提取实体行为特征,在此基础上给出的信用度评估结果合理性强、可靠性高。     

一种直接评价节点诚信度的分布式信任机制

基于信誉的信任机制能够有效解决P2P网络中病毒泛滥和欺诈行为等问题.现有信任机制大多采用单个信誉值描述节点的诚信度,不能防止恶意节点用诚信买行为掩盖恶意卖行为;而且从信誉值上无法区分初始节点和恶意节点.提出一种新的分布式信任机制,基于交易历史,通过迭代求解,为每个节点计算全局买信誉值和卖信誉值,根据信誉值便能判断节点的善恶.仿真实验对比和性能分析表明,与EigenTrust算法相比,该算法能够迅速降低恶意节点的全局信誉值,抑制合谋攻击,降低恶意交易概率.     

基于可信计算的网格行为信任模型研究

网格环境中的信任问题是网格计算发展过程中必须解决的一个重要问题。网格实体间的信任可以分为身份信任和行为信任两种，其中行为信任关注的是更广泛意义上的可信性问题，具有动态性和不确定性等特点，实体可以根据彼此之间的交互经验动态更新实体间的信任关系。而可信计算技术是为应对计算机安全问题而提出的一种底层的、整体的解决方案。该文以可信计算平台为基础，提出了一种网格环境中的行为信任模型，并对行为信任进行量化评估，最后对该模型中的几个关键问题进行了分析。     

超级节点对等网中的声誉管理

对现有P2P文件搜索协议进行扩展,提出了一个适用于超级节点对等网的声誉管理协议——SP2PRep。它将叶子节点的声誉投票集中在超级节点上,声誉查询仅在超级节点间进行,搜索空间小。给出了协议执行步骤和实现的消息格式。分析和仿真表明,与现有对等网中的声誉管理协议相比,SP2PRep减少了带宽消耗,加快了声誉查找速度,提高了平均的服务成功率,达到了同等的投票安全性。     

Distributed Reputation Management for Electronic Commerce

One of the major challenges for electronic commerce is how to establish a relationship of trust between different parties. Establishing trust is nontrivial, because the traditional physical or social means of trust cannot apply directly in virtual settings. In many cases, the parties involved may not ever have interacted before. Reputation systems seek to address the development of trust by recording the reputations of different parties. However, most existing reputation systems are restricted to individual market websites. Further, relevant information about a party may come from several websites and from interactions that were not mediated by any website.
This paper considers the problem of automatically collecting ratings about a given party from others. Our approach involves a distributed agent architecture and adapts the mathematical theory of evidence to represent and propagate the ratings that participants give to each other. When evaluating the trustworthiness of a given party, a peer combines its local evidence (based on direct prior interactions with the party) with the testimonies of others regarding the same party. This approach satisfies certain important properties of distributed reputation management and is experimentally evaluated through simulations.