P2P环境下基于历史及推荐的信任模型*

提出了一种新的peer-to-peer网络环境信任模型.明确区分了交易信誉和推荐信誉,不是简单地将交易信誉迭代作为推荐信誉,而是通过推荐偏移量来计算推荐信誉,并通过动态平衡自身历史经验和他人推荐信誉来计算节点的综合信任值,最后给出了模型的实现协议及仿真实验.实验结果表明,该模型计算更逼近真实值,且能抵抗恶意的联合攻击、动态策略型攻击等安全威胁,具有良好的性能.     

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。     

基于信誉推荐的网络购物主观信誉模型分析

针对网络购物中买卖双方的信任问题,建立了基于信誉推荐的主观信誉模型。该模型不仅引入了交易时间、交易金额及信誉推荐可信度等客观因素,还引入了第一印象等主观因素。基于Matlab的仿真实验表明,[Zi→j]模型能保证交易成功率的成功率在0.8以上,而且[Zi→j]模型比其他的信誉模型能更好地对抗恶意节点（特别是间歇性恶意节点）的恶意行为,具有较高的稳定性。     

P2P网络中基于Gossip算法的信任模型

为了解决P2P网络开放性和自治性带来的信任问题,提出一种基于Gossip算法的信任模型。该模型在估计节点的信任关系时引入时间退化因子,使用基于网络拓扑结构的Gossip算法传递消息、聚集信誉。模拟实验结果表明,该模型能更有效地评估节点间的信任关系,提高查询效率,减少网络拥塞。     

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。     

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。     

一种基于P2P环境的全局信任管理模型

提出了一种基于P2P环境的信任管理模型,基于实体的行为经验构建实体间的相对信任关系,并采用改进的分布式存储机制应用于全局信誉值的管理,使得网络中各节点在维护管理全局信任关系的工作中合理地分担计算负载和存储负载,提高了信任管理系统的整体性能。     

P2P环境下基于Bayesian网络的多粒度信任模型

Peer-to-Peer网络中,为保证系统的整体可用性,节点间的信任评估模型必须被建立起来。现有的模型不能灵活的反映考虑不同影响因素情况下节点的信任值。同时,不能避免Free Riding现象。本文全面地描述了节点的行为,将激励机制引入信任模型中。同时考虑了影响节点信任值的不同因素,以及他们之间复杂的依赖关系,利用bayesian网络和领域层次结构相结合的方法有效合理的将各方面因素整合起来,形成能够反映节点在不同方面的本地信任值。     

直接评价节点诚信度的P2P动态信任模型

为解决现有P2P信任模型计算开销大、动态适应能力差、推荐可信度的动态性未得到足够重视等问题,提出了一种新的动态信任模型。通过直接交互节点的局部评价加权其推荐可信度计算节点的全局信誉值,避免了迭代过程,降低了网络开销。采用基于时间帧的方法更新节点的全局信誉值和推荐可信度,以抑制节点提供服务和推荐两方面的动态性。仿真实验结果表明,新模型较现有模型在网络开销、节点动态性推荐的抑制等方面有较大改进。     

一种基于名誉的P2P网络信任管理模型

由于P2P系统的开放、匿名等特点,节点间的信任关系往往很难通过客观的信任关系建立。本文构建了一种基于实体间交易历史和推荐的信任模型,提出了依据历史交易记录来计算直接信任值的方法,定义了信任推荐和信任聚合两种运算,运用分布式哈希表来处理信任值的存储和查询,并给出了信任咨询和更新的算法。实验表明,该模型可以提供较可靠的信任推荐服务,同时能较好地消除诋毁、恶意推荐等安全问题。     

基于组群的P2P网络信誉机制

针对P2P网络中基于个体的信誉机制的弊端,设计了双层结构信誉模型,即基于组群的P2P网络信誉机制。该机制在“物以类聚人以群分”的管理思想基础上,通过计算同一组群内节点间的信誉值不同组群中节点间的信誉值,以及组群间的信誉值的方法,从而实现P2P网络的良性自治。该机制设计了不同的节点间信誉计算方法,以满足各种网络的不同特性需求。随后通过模拟实验,验证了该机制的可行性和高效性,并分析了该机制适用的网络容量。     

对等网络信任和信誉机制研究综述

介绍了对等网中的信任和信誉机制所涉及的概念与研究内容，对其近年来的研究进展进行了归纳分析，提出了对等网络的中信任和信誉机制研究中涉及的问题,并针对该系统设计中涉及的关键问题提出了相应的思路和研究方法。     

P2P网络中基于权重因素的信任模型

针对P2P网络内部的安全问题,提出了一种P2P网络基于直接交易信任和推荐信任的模型,运用了直接交易信息参数、推荐信息的评价可信度和动态平衡权值参数,较简单准确地描述了节点的综合信任值,在进行交易前与目标节点建立信任关系,能有效抑制恶意节点对网络中其他节点的恶意交易行为和评价欺骗,提高网络交易的安全性。     

对等网络环境下一种基于时间衰减的信任模型

提出了一种基于时间衰减的P2P信任模型。通过交易时间的衰减,利用加权的方式使得信任值随着时间的衰减产生动态变化,达到了距离现在越近,交易的信息越可靠的目的,最后给出了实验的协议及仿真实验。实验结果表明,该模型计算更逼近真实值,且能抵抗恶意联合攻击、动态策略型攻击等安全威胁,具有良好的性能。     

P2P网络中基于评价相似度的信任模型研究

由于P2P网络的开放性、匿名性等特点,节点间的信任关系很难通过传统的信任机制来建立,为了解决该问题,对已有研究进行了详细分析,并提出了一种基于评价相似度的P2P网络信任模型。该模型引入了时间衰减函数和事务影响因子,提高了信任度计算的准确性,引入了评价相似度的概念,用于量化和评价推荐的可信程度。分析及仿真实验结果表明,该模型可以有效地识别恶意节点,提高P2P网络的服务质量。     

一种置信于主流评价的P2P环境信誉模型*

针对P2P环境中策略性欺骗和作弊行为识别及防范难的问题,提出一种基于置信于主流意见的信誉模型(PTMTrust)。基于诚实反馈是节点间交互主流的原则,采用最大密度方法,构建滑动窗口定位主流评价值聚类中心。用评价值拟合度、交互活跃度和交易数等参数,确定评价值的可信度,使全局信任度真实反映节点服务或交易质量,惩罚虚假交易行为,抑制不真实评价的影响,增强评价系统的公平性,提高交易成功率。仿真实验验证了模型的保护功能,与传统信誉模型相比,由于推荐权重得到合理分配,有效地缓解了合谋作弊等恶意行为的影响,遏制了不诚实     

P2P网络中声誉信息分发算法

基于声誉的信任模型中,节点如何获取所需要的声誉信息是个关键问题。提出了一种基于蚂蚁的声誉信息分发算法。该算法通过模拟蚁群觅食的行为,实现了声誉信息在无集中式控制的P2P环境下的分发,解决了节点为建立信任关系获取声誉信息问题。仿真实验表明,该算法能使节点选择最佳路径获取声誉信息,降低了系统的负载,保证了节点获取声誉信息的可靠性和安全性。     

对等网络环境下基于层次域的信任模型研究

信任模型是目前提高Peer-to-Peer网络系统安全性的一个重要方法.在分析各类信任模型[1]的特点和节点行为特征的基础上,提出了一种基于层次域的全局信任模型,采用邻近原则和信任度[2]划分节点域,并在此基础上加入了奖惩机制,具有较好的信任收敛度和对恶意行为的防范效果.     

基于用户偏好的信任网络随机游走推荐模型

为了提高推荐算法评分预测的准确度,解决冷启动用户推荐问题,在TrustWalker模型基础上提出一种基于用户偏好的随机游走模型——PtTrustWalker。首先,利用矩阵分解法对社会网络中的用户、项目相似度进行计算;其次,将项目进行聚类,通过用户评分计算用户对项目类的偏好和不同项目类下的用户相似度;最后,利用权威度和用户偏好将信任细化为不同类别下用户的信任,并在游走过程中利用信任用户最高偏好类中与目标物品相似的项目评分进行评分预测。该模型降低了噪声数据的影响,从而提高了推荐结果的稳定性。实验结果表明,PtTrustWalker模型在推荐质量和推荐速度方面相比现有随机游走模型有所提高。