网格中处理推荐信任的判别模型研究与设计

在网格信任模型研究中,对某一实体的行为信任评估极大地依赖于其它实体推荐的与该实体直接交互产生的信任数据.为了防止推荐信任过程中的合谋,作弊和振动欺骗,研究了真伪两类信任推荐的特征,构造了向量特征集合并标量化,通过对标量特征数据集的分析,进行数学建模,建立了一个分类判别模型,可以有效地识别出网格系统中进行不真实推荐的恶意实体,保证推荐数据的真实性,从而提高信任模型中信任评估的准确性.采用matlab对模型进行了仿真和性能检验,结果表明设计方案具有极商的准确性和可行性.     

网格环境下层次信任模型研究

信任管理作为网格研究的核心内容,受到研究人员的高度关注。目前设计的模型中,实体域的信任值由直接信任值和推荐信任值合成,但引入推荐信任就必须对网格域进行层次划分。现有的划分方法只是主观地根据网格域之间的交易情况来划分层次,这种划分方式得到的推荐值的可靠性难以保证,并且不能防止联合欺骗的行为。基于对网格实体域行为的深入研究,给出了一个基于实体域行为的直接信任值动态量化模型,在此基础上,引入匹配指标和粗糙度的概念,给出了一个层次划分模型,利用该模型很好地解决了推荐信任值的计算问题,给出了一个信任评估模型,理论分析和实验结果表明,该模型能够保证推荐信任值的可靠性,并且防止了推荐过程中的联合欺骗,有效地解决了网格环境中信任评估问题。     

网格资源选择中推荐信任关系问题的研究

网格资源选择作为网格研究的核心内容,受到高度关注。目前已经提出的基于信誉的模型中,推荐信任问题是信任管理的重要组成部分。本文首先介绍了基于信誉的网格资源选择模型,然后通过深入分析,指出了模型中推荐信任会产生的问题,给出了解决方法,为在网资源选择模型中对推荐信任值的选取提供了一种途径。     

网格资源访问的对等信任机制

针对传统网格信任模型中倾向于资源使用者抉择资源而忽略资源提供者的抉择这一现象,分析了信任关系具有的特性,建立了基于域的对等信任模型,并提出了一种更能充分发挥网格资源效率的对等信任机制.该机制认为网格的实体具有资源使用阈值和资源提供阈值,网格实体在进行资源的共享和协同时,交互双方在使用资源和提供资源方面都需要根据相应的阈值抉择匹配的信任度,并通过推荐信任链路建立对等信任关系.     

网格环境中动态信任模型研究

为了提高网格交互的安全性,客观地反映信任的主观性、模糊性及主体问信任关系的动态性,提出了基于模糊理论的动态信任管理方法.通过特征向量和隶属度等概念,实现了信任的动态描述.针对不同的上下文环境,结合推荐节点的直接交互经验,建立了信任的模糊综合评判模型并通过反模糊化,得出量化评估结果.基于时间衰减和模糊贴近度两因素,给出了信任更新模型.仿真实验分析表明,该方法对网格环境中的信任评估是可靠的、有效的.     

网格中推荐信任计算的关键问题分析

在资源分布广泛、实体直接交互稀疏的网格环境中,推荐信任的计算作为网格信任管理模型中的重要组成部分,已成为一个研究的热点问题。该文在阐述网格信任模型基本概念的基础上,围绕推荐信任计算中的几个关键问题展开分析讨论,指出现有机制的利弊,归纳分析了若干相应改进机制,最后提出了关于下一步的研究方向。     

基于推荐的网格计算的信任模型*

明确给出了网格环境下信任的定义,详细分析了信任属性。根据网格的特点,提出了以域为单位的两层信任模型,包括域间信任关系和域内信任关系,着重介绍了域间信任的计算模型。在信任计算模型中,信任评估采用基于贝叶斯评估方法;对信任的推荐采用基于PageRank技术的全局推荐信任计算。最后给出了应用中综合评估信任度的策略。     

网格域间信任评估模型的研究

在网格域划分的基础上,提出一种域间信任关系评估模型,具有同时兼顾服务的上下文和信任的时衰性的特点,并针对网格环境中的恶意节点和恶意推荐行为,给出相应的应对机制。实验表明,该模型能够有效地解决网格环境中的恶意行为,对恶意节点进行惩罚。     

网格域间信任评估模型的研究

在网格域划分的基础上,提出一种域间信任关系评估模型,具有同时兼顾服务的上下文和信任的时衰性的特点．并针对网格环境中的恶意节点和恶意推荐行为,给出相应的应对机制。实验表明,该模型能够有效地解决网格环境中的恶意行为,对恶意节点进行惩罚。     

利用信任管理提高网格安全

网格计算系统是一个分布式的高性能计算机环境,由广域分布的异构的计算机和资源组成,目的是让用户透明的使用这些资源,为保证共享合作更加安全可靠,提出了信任的概念.信任管理是一种适用于大规模的、开放的分布式系统的授权机制.广义上讲,信任分为执行信任和代码信任.提出了一种信任管理的框架来提高网格的安全性,这种新的信任模型能捕获网格系统中存在的不同类型的信任关系,还提供了信任评价,信任推荐和信任更新的机制.