基于多维历史向量的P2P分布式信任评价模型(3)

人气指数:点发布时间:2015-12-17 15:35 来源：http://www.zgqkk.com 作者：谭振华，王兴伟，程维

分享到：

　　(4)实验4.与其它模型的性能比较.

　　本文将MDHTrust中的相关性信任模型与EigenRep模型、Jiang的模型、NBRTrust模型、随机模型进行比较实验.实验统计在不同信任模型下所有A类节点选择从恶意节点(B类和

　　C类)进行交易的次数在总交易次数中所占的比重(如所有A类节点总共交易了100次,其中有20次选择了B类和C类交易,则比例为20%).

　　实验结果看,随机模型具有最差的收敛性,而MDHTrust的收敛效果较好.虽然EigenRep模型和Jiang的模型都能有效收敛,但由于这两个模型都没有引入相关性参数,使得其对实验环境中的团队恶意节点(C类节点)的协同行为反应较慢.

　　尽管在Jiang模型中引入了对评价的信任判断来处理协同恶意行为,同时通过线性时间因子对评价进行了因式处理,但相比MDHTrust的相关性因子和非线性时间因子,其收敛速度相对较慢.NBRTrust模型因本身较为简单,只计算了成功率和相关性因子,这使得其收敛效果较差.该结果表明,相比EigenRep模型、Jiang模型、NBRTrust模型和随机模型,本文所9期谭振华等:基于多维历史向量的P2P分布式信任评价模型1733做的MDHTrust模型具有多维参数和相关性因子,具有更好的收殓性能,能更好地屏蔽恶意节点(单个恶意节点与团队恶意节点),是一个有效的模型.

　　6.2应用方向与实例说明

　　MDHTrust信任模型在用户评价的基础上,集成了时间因子、频率因子、额度因子、交易成功率因子以及相关性因子,可以产生局部信任度、全局信任度和相关性信任度.可以适合P2P文件共享系统、P2P搜索引擎系统、多媒体共享系统以及P2P移动电子商务系统等应用类型,通过MDHTrust模型能够获得一个较为全面的信任数据列表.在具体应用实例上,集成MDHTrust的系统需要为MDHTrust开辟单独的通信端口进行分布式通信,用以实施节点通信历史数据的分布式数据存储与通信.在通信历史的基础上,对各个因子进行独立计算和显示.用户可以得到每个节点当前的用户评价、时间因子、频率因子、额度因子、交易成功率因子以及相关性因子的情况,用以帮助用户做出选择.同时,集成MDHTrust模型的P2P系统实时更新局部信任度、全局信任度和相关性信任度的数据曲线,使用户对当前待选择的节点有较全面的了解.针对用户每次交易之前的节点搜索请求,系统根据MDHTrust模型所提供的数据为用户提供节点推荐列表,用户可以直接接受系统推荐或结合本身的判断进行最终选择.

　　7、结论与展望

　　本文提出了一种新的P2P分布式信任模型MDHTrust.设计了节点多维通信历史向量及其分布式存储结构TimeDBList和mdh-list,综合两个节点间交易历史中的评价、时间因子、额度因子、频率因子,提出了局部信任度计算方法;综合全局节点交易历史中的时间因子、频率因子和成功率因子,提出了全局信任度计算方法及通过分布式计算节点信任评价行为的相关性信任度的计算方法.值得一提的是,所设计的时间因子为非线性因子,而在交易额度因子上引入了价值额度的概念.仿真分析表明,相比其它模型,MDHTrust信任模型具有较快的信任收敛速度,能够有效抵御单个恶意节点和团队恶意节点的欺骗行为,是一种有效的信任模型.

　　当然,信任模型的研究是一个长期的过程,仍然有很多问题需要在未来的工作中进一步完善,比如:

　　(1)P2P信任模型下的分布式通信策略;(2)研究社会网络中关于社群信任的相关策略,用以指导和完善信任模型;(3)研究基于交易内容的信任评价策略,比如基于交易价格的分布式评价策略等.

　　参考文献

　　[1]王守信,张莉,李鹤松.一种基于云模型的主观信任评价方法.软件学报,

　　[2]窦文,王怀民,贾焰等.构造基于推荐的Peer-to-Peer环境下的Trust模型.软件学报,

　　[3]袁巍,李津生,洪佩琳.一种P2P网络分布式信任模型及仿真.系统仿真学报,

　　[4]姜守旭,李建中.一种P2P电子商务系统中基于声誉的信任机制.软件学报,

　　[5]胡建理,吴泉源,周斌等.一种基于反馈可信度的分布式P2P信任模型.软件学报,

　　[6]苗光胜,冯登国,苏璞睿.P2P信任模型中基于行为相似度的共谋团体识别模型.通信学报,

　　[7]谭振华,程维,常桂然等.基于通信历史相关性的P2P网络分布式信任模型.东北大学学报(自然科学版),

　　[8]李勇军,代亚非.对等网络信任机制研究.计算机学报,

　　[9]邓爱林,朱扬勇,施伯乐.基于项目评分预测的协同过滤推荐算法.软件学报,