开放式网络信任评价研究

为了解决开放式网络的安全性问题,提高实体间交互的可靠性及成功率,考虑信任的模糊性与随机性本质,提出了基于云模型理论的信任评价模型,实现信任定性描述与定量度量的统一。为了提高推荐的可靠性,引进信任的不确定度计算,并通过信任惩罚算法,防止交易实体的恶意行为。为保证信任评价结果的客观性与可信性,采用加权的信任云合并算法进行信任综合,并通过信任云的相似度计算算法,实现信任的决策。仿真实验分析验证了有效性和合理性。     

基于多维信任云的信任模型研究

针对主观信任的模糊性和不确定性以及现有的基于云模型的信任模型中粒度粗糙的问题,提出了一种基于多维信任云的信任模型。首先,依据实体间的直接交互经验和交互时间,利用加权逆向云生成算法计算被评估实体的直接信任云;然后,通过评估推荐实体的推荐可信度,计算被评估实体的推荐信任云;最后,综合直接信任云和推荐信任云产生综合信任云,并依此进行可信实体的选择。仿真结果表明,基于多维信任云的信任模型能够有效地识别系统中的各类服务实体,可提高实体间的交易成功率。     

基于加权多属性云的主观信任度量方法

针对现有基于云模型的信任度量方法缺乏对信任的多粒度及时效性考虑,提出一种基于加权多属性云的信任度量方法。首先,以多属性信任云对信任度量粒度进行细化,并在实体信任计算中引入时间衰减函数;其次,对信任云的多属性综合与多路径合并得到实体的最终信任云;最后,采用云的相似度比较算法与信任基准云进行比较,得到实体的信任等级。通过网格计算环境下的仿真实验表明,当节点交互100次时,采用加权多属性云的度量方法的交互成功率为80%,比传统方法提升了15%。仿真结果表明,采用加权多属性云的度量方法可以提高信任度量的准确度。     

P2P网络中信任评价研究

为了提高P2P网络节点间交互的安全性及成功率,客观地反映信任的模糊性与随机性本质,提出基于云模型的信任评价模型.通过信任云及其数字特征的定义,实现了信任定性描述与定量表示的统一.基于逆向信任云生成算法、信任云合并算法进行信任综合,以便获得更为完整的信任信息,并在推荐节点的选择上引进了信任的不确定度计算,提高了推荐的可靠性.通过信任云的相似度计算算法,生成相应的信任综合评价结果,作为节点交易的参考和依据,实现了信任的决策.通过仿真实验,表明该方法可较为客观、真实地反映P2P节点间的信任程度,从而为节点间成功交易提供了科学的、有效的决策依据.     

基于加权多属性云的服务信任评估方法

针对云计算环境中服务信任的随机性和模糊性以及现有基于云模型的信任评估方法对时效性和推荐信任考虑不足的问题,提出一种基于加权多属性云的服务信任评估方法。首先,引入时间衰减因子为每次服务评价赋权重,从服务的多个属性细化信任评估粒度,通过加权属性信任云逆向生成器得到直接信任云;然后,根据评价相似度确定推荐实体的推荐权重,并计算得到推荐信任云;最后综合直接信任云和推荐信任云生成综合信任云,通过云相似度计算确定服务的信任等级。仿真结果表明,所提方法明显提高了服务交互成功率并有效抑制恶意推荐,能够更加真实地反映云计算环境中服务信任情况。     

云计算环境下服务信任评估方法研究

云计算环境中,服务资源广域分布、复杂多变,服务实体之间的信任关系因不确定性强而难以有效建立与维护。传统的服务信任评估方法无法全面反映信任的随机性和模糊性特征。在研究云模型理论的基础上,提出一种基于加权多属性云的服务信任评估方法。引入时间衰减因子来反映服务信任的时效性,并以多属性信任云来细化信任评估的粒度。计算用户评价相似度,确定推荐实体的推荐可靠性和权重,防止不法分子的合谋欺骗和恶意攻击。通过云相似度计算确定服务的信任等级,为用户的服务选择提供安全决策。仿真结果表明,该方法明显提高了服务交互成功率,并能有效适用于云计算环境下的服务信任评估。     

基于加权多属性云的服务信任评估方法

针对云计算环境中服务信任的随机性和模糊性以及现有基于云模型的信任评估方法对时效性和推荐信任考虑不足的问题,提出一种基于加权多属性云的服务信任评估方法。首先,引入时间衰减因子为每次服务评价赋权重,从服务的多个属性细化信任评估粒度,通过加权属性信任云逆向生成器得到直接信任云;然后,根据评价相似度确定推荐实体的推荐权重,并计算得到推荐信任云;最后综合直接信任云和推荐信任云生成综合信任云,通过云相似度计算确定服务的信任等级。仿真结果表明,所提方法明显提高了服务交互成功率并有效抑制恶意推荐,能够更加真实地反映云计算环境中服务信任情况。     

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．     

面向云服务选择的信任网络建模方法研究

云计算可以提供云服务,对于用户来说如何选择可靠、安全的云服务非常关键。针对上述问题,借鉴已有的研究成果,引入主观信任机制量化云服务的主观安全性,根据用户不同偏好设置对应的属性权重,计算综合云与标准云的相似度,以确定该实体的主观信任等级和主观信任值。通过仿真实验验证了算法的可行性和有效性。     

基于云模型和风险评估的信任模型研究

针对基于云模型的信任模型缺乏对反馈信息的可信度量以及风险评估等问题,提出一种新的信任模型。综合反馈实体的评价次数、评价行为一致性等因素对反馈者提交的评价信息进行可信度量,基于加权逆向云生成算法构造被评估实体的实体信任云,根据被评估实体的活跃度和实体信任云的数字特征参数进行交互风险的评估。仿真结果表明,该模型能较好地反映实体的行为特点,提高实体间的交互成功率。     

基于可拓云的网络信任评估

针对网络信任评估中存在不确定因素的问题,以复杂开放网络中的安全交易为研究背景,引入可拓云理论,利用可拓学中的物元理论和云模型的不确定性兼二者定性与定量相结合的优点,提出了基于可拓云的网络信任评估模型,实现了信任值定性与定量之间的转换。在此模型基础上提出基于可拓云的网络信任评估方法,对网络安全交易能够有效地进行信任评估,为最终信任决策提供有利依据。仿真实验结果表明:信任决策调度算法提高了信任评估的准确性和交易的成功率,有效缓解了网络交易实体的欺骗行为,评估方法具有可行性和有效性。     

云服务及信任度量方法研究

对云服务的概念做进一步的认知,并对衡量服务可信度的方法进行研究分类,有助于认识该领域存在的问题及其发展前景。文章主要介绍云服务信任问题的背景、研究现状,以及相关概念,并将信任度量方法做出分类,对一些典型的信任度量模型进行了分析。总结提出了目前技术探索以及实际应用中所存在的一些问题,并对未来的发展做出了展望。     

一种基于云模型的主观信任评价方法

如何通过直观、简单和有效的评价方法,辅助消费者完成网上交易中的信任决策,已成为该领域需要面对和解决的一个基本问题.在信任云的基础上,提出一种基于云模型的主观信任量化评价方法.使用主观信任云的期望和超熵对信任客体信用度进行定量评价,进而设计一种信任变化云刻画信任客体信用度的变化情况,为进一步的信任决策提供依据.对实验数据的分析表明,该方法能够有效地支持信任主体的主观信任决策过程,对主观信任评价研究进行了有益的探索和尝试.     

分簇结构战术互联网中信任评估模型研究

通过对现有典型信任评估方案进行分析比较,提出了分簇战术互联网中基于隶属云理论的信任评估方案,给出了簇内信任和簇间信任的建立、合成与更新公式。方案基于分簇的网络结构,将大量的信任信息限制在簇内,有效减少了实体的存储和控制开销,降低了能量损耗,延长网络生存时间,更加适合于战术互联网环境。     

基于云模型和信任链的信任评价模型研究

以复杂网络环境为研究背景,引入云模型理论,提出了一种基于信任链的信任评价模型,实现了信任的定性概念与定量数值之间的转换,通过评价模型识别恶意节点,减少不必要的损失。该模型将信任信息按属性分离,并转换成云数字特征参数进行传递和融合,解决了信任链过长带来的信任信息传递和融合的不合理性问题。通过仿真实验证明了该模型能有效控制最终信任评价结果的真实性,通过防恶意竞争实验,进一步证明了基于云模型和信任链的信任评价模型的可行性和合理性,为复杂网络环境下信任评价的研究提供了一个新的思路。     

面向云数据安全自毁的分布式哈希表网络节点信任评估机制

在云环境下的数据自毁机制中,针对分布式哈希表（DHT）网络的恶意节点和不诚信节点容易造成密钥分量丢失或泄露等问题,提出面向云数据安全自毁的DHT网络节点信任评估机制。该机制首先为节点建立二维信任评估模型,对节点可信程度进行定性和定量的考察;接着改进节点直接信任值和推荐信任值的计算方法,充分考虑节点内外因素,从节点运行环境和交互经验两个维度出发并细化到不同层级计算节点信任值,得到信任评价子云;然后将各个信任评价子云加权合成得到综合信任云,采用云发生器描绘出综合信任云一维高斯云图形;最后结合信任决策算法选出最优可信节点。实验结果表明该机制能够帮助原有的数据自毁机制找到更适合存储密钥分量的DHT网络节点,提高了系统的容灾能力并降低了系统计算负载。