基于距离的轨迹标签P2P一致性维护算法

本文对已有的轨迹标签算法进行了改进,提出了基于距离的轨迹标签一致性维护算法。根据副本节点构成的拓扑结构和指定距离d,在该距离的节点覆盖集内,对所有节点标签进行并集运算,并将并集运算结果及时更新到节点标签中。实验结果表明:基于距离的节点轨迹标签算法可以进一步减少冗余消息的发送。     

P2P网络中基于动态推荐的信任模型

针对P2P网络中节点交易风险较大的问题,模拟社会网络的人际交互过程,提出一种基于动态推荐的信任管理模型。采用模糊聚类方法,结合交互的上下文动态地选择推荐节点,在推荐因子的计算上融入聚类分析结果,提高了推荐的可靠性。分析和模拟实验表明,该模型能有效提高推荐的准确性,增强P2P网络的可用性。     

P2P网络环境下基于推荐的信任模型

基于网络中节点之间不仅仅局限于直接交易建立起来的信任关系,还包括了第三方推荐信任的事实,提出了在P2P网络环境下基于推荐的信任模型。该模型用成功次数与失败次数在总交易数目中的比例作为直接信任度,将交易信誉与推荐信誉明确区分出来,引入了偏移因子计算推荐节点的可信性,通过惩罚因子和风险因素动态平衡节点直接信任度和其他节点的推荐信任度,得到目标节点的综合信任值,并给出仿真实验验证。实验结果证明,模型计算的综合信任值更趋近其真实值,并且能抵抗恶意节点的诋毁、协同作弊等威胁。     

P2P网络中基于推荐与用户行为的信任模型研究

针对现有P2P网络信任模型对用户行为不能准确描述等问题,该文提出了一种基于推荐和用户行为的信任模型。该模型在基于信任模型的基础上,通过引入推荐相似度及用户异常行为比对,从而提高了评价推荐的可信程度。分析与仿真结果也表明,该模型在使用中具有良好的性能。     

基于重复博弈的P2P网络信用管理机制的研究

自组织特性是P2P网络的基本特征之一,管理模式的自组织使得与之相适应的安全模型难以建立.当前基于节点全局信用度模型的分布式算法存在时间复杂度高、报文通信量大等不足,因而对其所能应用的P2P网络的规模存在限制.提出一种基于非合作重复博弈理论的信用管理模型RGTrust,在P2P网络参与节点是理性且自私的假设条件下,从理论和实验两方面说明了应用RGTrust信用模型方案的P2P网络具有良好的稳定性及整体性能的最优性,并且信用计算的时间复杂度及报文通信量远低于其他信用模型.     

结构化P2P网络可用性增强问题研究

结构化的P2P网络路由效率的低效性和P2P网络中节点自私行为导致可用资源的变数是影响结构化P2P网络可用性的两大主要问题。文中提出了一种典型的结构化P2P网络资源共享平台实现框架的模块划分图,并指出了可用性增强问题在框架图中的位置和接口。论述了这两类问题的当前研究进展,从适应网络自组织管理模式以及适应规模可缩放性这两个角度分析并评述了已有的增强结构化P2P网络可用性的诸多解决方案。最后针对当前结构化P2P网络可用性增强问题研究中的不足,给出了一些研究思路,这些将对推动结构化P2P网络技术的实用化进程提供有益的参考。     

基于蚁群算法的P2P路由策略

目前P2P网络面临的两大难题:消息泛洪和free-rider,为了更好地解决这两个问题,提出了一种基于蚁群策略的路由策略,在每个节点建立了路由信息素表和请求应答数表,对等点可以根据信息素的值来选择成功率高的路径,只发送消息给部分节点,有效控制了消息的泛洪和拥塞的产生,通过奖励机制,有效减少了free-rider.     

移动商务推荐系统中的一种基于P2P的隐私保护策略

近年来,移动推荐系统已成为推荐系统研究领域最活跃的课题之一。但由于移动终端的私人性和移动网络的复杂性,在保证高精度推荐的同时如何保护用户隐私已经成为移动商务发展的主要挑战。传统推荐系统中的隐私保护技术由于移动终端的计算能力差、无线网络的带宽弱等局限无法适用于移动商务推荐系统。针对以上问题,面向移动商务推荐提出一种基于P2P的隐私保护策略,通过构建P2P好友圈,采用基于k-匿名的代理转发的增量数据更新方式,实现不对增量数据进行任何修改以保证高精度推荐,同时保护用户隐私安全。最后通过实验验证了基于P2P的隐私保护策略的可行性和推荐服务的有效性。     

基于Hebbian法则的P2P学习网络构建算法

针对远程教育环境中信息量过大,学习者分散、难于组织的问题,提出了一种E-Learning学习网络构建算法.该算法采用P2P的网络结构组织节点之间的通信,利用Hebbian学习法则来修改网络节点之间的信任权值,通过不断调整节点的联系人来实现学习网络的构建.学习网络能够对学习者关于学习资源的查询做出符合学习者学习兴趣的反馈,从而最大限度地满足学习者的需求,提高学习者的学习满意度.实验结果表明,算法相比于传统算法,具有较快的网络建设速度、较高的网络建设质量以及较高的鲁棒性,因而能够更好地适用于大规模的E-Learning学习这种开放的分布式环境.     

自组织P2P网络的语义聚类查询算法

P2P网络中参与资源共享的节点日益增多,且呈海量趋势。如何在海量用户海量资源的情况下,查询整个P2P网络中的资源语义分布,计算网络中的所有语义聚类,是一个颇具挑战性的问题。针对这一问题,本文提出了一种面向自组织P2P网络的语义聚类查询算法SCQASPNSR。该算法可高效计算整个P2P网络中的语义聚类,为研究网络中资源语义分布、进行有效的知识发现,提供了有力支持。     

P2P网络下基于推荐的信任模型

基于推荐信任机制,引入正态概率密度函数的概念,对信任度进行描述。提出一种对信任度进行概率分析的评估方法,可动态地适应用户的安全需求,减弱在多路径推荐中由于恶意实体推荐所带来的负面影响,提高信任计算结果的稳定性。分析和模拟试验表明该模型的必要性和有效性,可以更好地解决P2P网络带来的安全问题。     

基于可信推荐节点集合的P2P信誉模型

针对现有模型在节点行为变化时对诚实推荐节点的误判问题,提出一种基于可信推荐节点集合的P2P信誉模型。在该模型中,节点依据其推荐性能被划分为2个集合：可信推荐节点集合及考察节点集合。计算节点信誉值时仅使用前者的推荐信息,对后者中的节点进行实时考察以纠正被误判的诚实节点。网络节点依据其推荐性能的变化在2个集合内动态转化。仿真实验结果验证了该模型的有效性。     

P2P系统中基于副本链的一致性维护算法

提出一种无结构纯P2P的副本一致性维护算法。利用副本节点发起的第一次更新消息在P2P网络中的广播,由其他收到消息的副本节点给出响应,构建副本链。副本链建立后,更新消息在副本节点间进行传播,不再在网络中洪泛。副本链的维护通过记录首次发起更新的副本节点IP地址完成。仿真试验证明该算法是简单有效的。     

基于副本索引的P2P副本一致性维护策略

P2P中副本应用从静态逐渐转变到动态更新,研究如何管理动态改变数据的一致性问题成为关键。该文提出一种基于副本索引的无结构P2P副本一致性维护策略,在创建副本时将副本所在节点的索引发送至种子节点保存,同时自身保存种子节点的索引。当副本节点发生更新后,主动发送信息通知种子节点,种子节点根据副本索引表进行副本的一致性维护。仿真实验和分析表明,该副本一致性维护策略能有效地提高副本的一致性,减少冗余消息数目。     

基于信任和推荐的P2P信誉模型

分析现有信誉模型,提出一种使用信任机制和推荐机制的P2P信誉模型,利用决策树思想优化该模型。给出一种在分布式P2P系统中存取全局信任值的方法,解决了单点失效问题。实验结果表明,该模型对信任值的估算准确度以及判别虚假节点的能力高于现有模型。     

基于风险和剩余价值的在线P2P借贷投资推荐方法

在线P2P(peer-to-pear)借贷是一种新兴的在线个人财富分配和管理系统,它允许投资人直接对借款人创建的借款标的进行竞标和投资.在P2P借贷平台中,存在一个重要的问题即如何合理分配投资人的投资金额给合适的借款人.针对该问题,提出了一种基于风险和剩余价值最大化的投资推荐框架RTSM(risk total surplus maximize).RTSM首先对借款标的进行风险评估,然后基于经济学中的剩余价值理论,使用投资人和借款人在有风险情况下的剩余价值假设,将风险评估与投资推荐结合在一起,为投资人推荐高收益低风险的投资决策.实验在风险评估和投资推荐2个阶段对美国和中国知名的P2P借贷平台(Prosper、拍拍贷)的真实数据进行分析和验证.从实验结果可以看出:RTSM可以更好地降低风险和提高投资人与借款人的整体利益.     

Grid与P2P混合计算环境下基于推荐证据推理的信任模型

在Grid与P2P混合计算环境(Grid & P2P)中,Grid节点提供有QoS保证的服务,而P2P节点的 计算资源属于自主贡献资源,不提供QoS保证,用户不为自己的行为承担任何责任,因此节 点间的信任关系很难通过传统的信任机制来建立.参考社会学的人际关系信任模型,通过在G rid & P2P中建立信任推荐机制,并利用D-S理论对推荐证据进行综合处理来解决该问题.分 析及仿真实验说明,基于推荐证据推理的信任模型可以简单有效地解决Grid & P2P中的信任 问题.