正在加载图片...
,686 北京科技大学学报 第30卷 接访问经验较少，该推荐节点根据自身经验做出推 2.2反馈可信度算法 荐评价时，容易产生较大的评价差异，与所推荐节点 设在时间帧t节点i和节点r的公共交互节点 的实际情况不符，容易被当作恶意推荐节点：同时访 集合记为Cst(i,r),节点i和节点r对公共节点评 问节点与某服务的直接交互经验较少时，对服务的 价的差异diff可以定义为： 客观性能进行评价时，容易产生较大的评价差异，而 ∑1%-%I 把有经验的善意推荐节点当成恶意节点， dif睛=ca, ICset(i,r) (3) 本文以DyTrust模型为基础，对其信任算法进 设节点i对节点r容忍的最大偏差为0，反馈可 行改进，能够较好地解决这个问题， 信度可用下式进行更新： 2 DyTrust信任模型 diffir Cri 1-Crix 2 0 diff路<0 DyTrust模型是基于时间帧的动态信任模型， Crir (4) 0 采用近期信任、长期信任、累积滥用信任和反馈信任 Cri证1 diff路 其他 作为信任评价的参数，近期信任和长期信任二者中 节点提供不诚实反馈会降低其反馈可信度，提 的最小值作为最终的信任评价结果，其中近期信任 供诚实反馈会提高其反馈可信度，这样可以有效减 反映了节点的近期行为，长期信任反映了节点的长 少不诚实节点特别是合伙欺骗节点提供的虚假反馈 期行为，累积滥用信任定义为节点利用建立的信任 对信任值计算造成的影响， 进行恶意行为而降低的信任值的总和，反馈可信度 度量节点提供的反馈是否真实可信.通过反馈控制 3改进后的DyTrust动态信任模型 机制动态调节这四个参数来表征节点行为的动态变 3.1信任评价算法的改进 化，从而能够有效地检测和惩罚恶意节点的动态行 信任应该是多方面的，在不同的应用场景中，同 为和不诚实反馈，该模型降低了计算的复杂性，具 一节点在不同领域可能具有不同的可信度，并且， 有更广泛的应用场景及较好的工程可行性山. 节点在某个应用场景和领域中信任值的变化，并不 2.1信任评价算法 影响此节点在其他应用场景和领域中信任值，因此 在时间帧t内，节点i对节点j的信任评价可 信任评价算法应该对服务节点所提供的服务进行细 以通过直接信任和间接信任获得，直接信任可以通 化，并且应该对推荐节点所推荐的服务进行分类， 过两个节点直接交互的经验获得，间接信任可以从 设节点j为服务节点，其中S1…Sk…Sm是j所 其他节点对节点j的反馈信息获得，在时间帧t 提供的服务，节点i与节点j提供的Sk服务进行交 内，节点i对节点j的信任评价记为，可以使用下 互，并对j的Sk服务进行信任评估，信任评估的结 式进行定义： 果并不影响节点j提供的其他服务；设节点，为推 腾=D+(I-∑D (1) 荐服务的节点，针对不同的S1…Sk…Sm服务，节点 EI)）Crir ,可能对其中某些服务评价很准确，而对某些服务 r∈I(j》 的评价不准确，节点i只针对某一特定服务对，的 其中，D为时间帧t中节点i对节点j的直接信任； 反馈可信度值进行更新， Cr,为节点i对节点r的反馈可信度：I(j)为时间帧 在时间帧t内，节点i对节点j的信任评价 t中和节点j进行交互的节点集合，但不包括节点 (S),可用下式进行定义： i:入为信任评价的信心因子，取值满足0≤λ≤1. Ri(Sk)= 节点交互之后彼此提交满意度的评价，节点i 对节点j的交互满意度的评价可以记为时，采用概 xD,(S)+(1-)∑CS)D.s(⑤) E1()Crir(Sk) 率可能性的方法来区分节点提供的不同服务质量， r∈I(j) 0≤e≤1,1表示节点i对节点j完全满意，0表示 其中，D(S)为时间帧t中节点i对节点j的Sk服 节点i对节点ⅰ完全不满意，值越大表示满意度越 务的直接信任，Crm(Sk)为节点i对r评价Sk服务 高，在时间帧t中，假设节点i和节点j之间交互的 的反馈可信度 数目为m,那么D可以用求平均值的方法获得： 节点i对节点j的S.交互满意度的评价可以 1T 记为e(Sk),0≤e(Se)≤1,1表示节点i对节点j (2) 完全满意，0表示节点i对节点j完全不满意，值越接访问经验较少该推荐节点根据自身经验做出推 荐评价时容易产生较大的评价差异与所推荐节点 的实际情况不符容易被当作恶意推荐节点；同时访 问节点与某服务的直接交互经验较少时对服务的 客观性能进行评价时容易产生较大的评价差异而 把有经验的善意推荐节点当成恶意节点． 本文以 DyTrust 模型为基础对其信任算法进 行改进能够较好地解决这个问题． 2 DyTrust 信任模型 DyTrust 模型是基于时间帧的动态信任模型 采用近期信任、长期信任、累积滥用信任和反馈信任 作为信任评价的参数近期信任和长期信任二者中 的最小值作为最终的信任评价结果．其中近期信任 反映了节点的近期行为长期信任反映了节点的长 期行为累积滥用信任定义为节点利用建立的信任 进行恶意行为而降低的信任值的总和反馈可信度 度量节点提供的反馈是否真实可信．通过反馈控制 机制动态调节这四个参数来表征节点行为的动态变 化从而能够有效地检测和惩罚恶意节点的动态行 为和不诚实反馈．该模型降低了计算的复杂性具 有更广泛的应用场景及较好的工程可行性［1］． 2∙1 信任评价算法 在时间帧 t 内节点 i 对节点 j 的信任评价可 以通过直接信任和间接信任获得直接信任可以通 过两个节点直接交互的经验获得间接信任可以从 其他节点对节点 j 的反馈信息获得．在时间帧 t 内节点 i 对节点 j 的信任评价记为R t ij可以使用下 式进行定义： R t ij＝λD t ij＋（1—λ） r∑ ∈ I（ j） CrirD t rj r∑ ∈ I（ j） Crir （1） 其中D t ij为时间帧 t 中节点 i 对节点 j 的直接信任； Crir为节点 i 对节点 r 的反馈可信度；I（ j）为时间帧 t 中和节点 j 进行交互的节点集合但不包括节点 i；λ为信任评价的信心因子取值满足0≤λ≤1． 节点交互之后彼此提交满意度的评价节点 i 对节点 j 的交互满意度的评价可以记为 eij采用概 率可能性的方法来区分节点提供的不同服务质量 0≤eij≤11表示节点 i 对节点 j 完全满意0表示 节点 i 对节点 j 完全不满意值越大表示满意度越 高．在时间帧 t 中假设节点 i 和节点 j 之间交互的 数目为 m那么 D t ij可以用求平均值的方法获得： D t ij＝ 1 m ∑ eij （2） 2∙2 反馈可信度算法 设在时间帧 t 节点 i 和节点 r 的公共交互节点 集合记为 Cset（ ir）节点 i 和节点 r 对公共节点评 价的差异 diff t ij可以定义为： diff t ij＝ j∈C∑set（ ir） | D t ij － D t rj| |Cset（ ir）| （3） 设节点 i 对节点 r 容忍的最大偏差为θ反馈可 信度可用下式进行更新： Crir＝ Crir＋ 1—Crir 2 1— diff t ir θ diff t ir＜θ Crir— Crir 2 1— θ diff t ir 其他 （4） 节点提供不诚实反馈会降低其反馈可信度提 供诚实反馈会提高其反馈可信度这样可以有效减 少不诚实节点特别是合伙欺骗节点提供的虚假反馈 对信任值计算造成的影响． 3 改进后的 DyTrust 动态信任模型 3∙1 信任评价算法的改进 信任应该是多方面的在不同的应用场景中同 一节点在不同领域可能具有不同的可信度．并且 节点在某个应用场景和领域中信任值的变化并不 影响此节点在其他应用场景和领域中信任值．因此 信任评价算法应该对服务节点所提供的服务进行细 化并且应该对推荐节点所推荐的服务进行分类． 设节点 j 为服务节点其中 S1…Sk…Sn 是 j 所 提供的服务节点 i 与节点 j 提供的 Sk 服务进行交 互并对 j 的 Sk 服务进行信任评估信任评估的结 果并不影响节点 j 提供的其他服务；设节点 r 为推 荐服务的节点针对不同的 S1… Sk… Sn 服务节点 r 可能对其中某些服务评价很准确而对某些服务 的评价不准确节点 i 只针对某一特定服务对 r 的 反馈可信度值进行更新． 在时间帧 t 内节点 i 对节点 j 的信任评价 R t ij（ Sk）可用下式进行定义： R t ij（ Sk）＝ λD t ij（ Sk）＋（1—λ） r∑ ∈ I（ j） Crir（ Sk） D t rj（ Sk） r∑ ∈ I（ j） Crir（ Sk） （5） 其中D t ij（ Sk）为时间帧 t 中节点 i 对节点 j 的 Sk 服 务的直接信任Crir（ Sk）为节点 i 对 r 评价 Sk 服务 的反馈可信度． 节点 i 对节点 j 的 Sk 交互满意度的评价可以 记为 eij（ Sk）0≤eij（ Sk）≤11表示节点 i 对节点 j 完全满意0表示节点 i 对节点 j 完全不满意值越 ·686· 北 京 科 技 大 学 学 报 第30卷