考虑社会网络信任关系的多属性群决策方法

针对社会网络环境下决策者存在信任关系导致的信任风险,以及方案属性间存在关联性的问题,提出了一种考虑社会网络信任关系的多属性群决策(MAGDM)方法;首先根据决策者的社会网络关系进行聚类从而获得若干个子社区,并通过度中心性和特征向量中心性计算出决策者的权重与子社区权重;接着根据信任关系分别确定决策者个人与子社区的信任度,并针对信任度较低的子社区衡量出其信任风险系数与评价风险系数,然后对该子社区进行相应的意见调整;其次针对备选方案的多个属性具有关联性的问题采用Choquet积分算子获取备选方案的综合评价值,并通过得分函数对备选方案进行相应排序以获取最优决策方案;最后将所提决策方法应用于一个算例中,说明方法的可行性。     

资源限制信任协商

提出了资源限制信任协商方法.陌生的双方在建立信任关系时,仅仅交换一次信任书,随后多次交换对称密钥,直到协商完成或者失败.在资源限制信任协商过程中,用Hash函数验证信任书中的属性,用对称密码保护敏感属性.敏感属性是在自己的控制下逐步显示给对方的.资源限制信任协商避免了传统信任协商中双方多次交换信任书,以及多次验证信任书和策略的一致性检验所带来的大量公钥密码操作负担.同时也避免了传统信任协商中双方必须存储多个信任书的问题.因此资源限制信任协商比较适合在计算能力有限的移动设备之间建立信任关系.由于双方交互的信任书是保密的,因此资源限制信任协商能防止传统信任协商存在的中间人攻击问题.     

基于主观Bayes方法的用户信任关系判别

基于主观Bayes方法的信任关系判别方法, 对社会网络中的用户信任关系进行预测. 该方法综合利用现有的信任关系以及用户之间的评分关系, 以用户对另一用户的评分记录为证据, 基于监督学习得到的规则集, 通过证据合取产生对“信任”和“不信任”的量化表示, 利用多值逻辑方法推测并传播用户之间的信任关系. 对比实验结果表明, 该方法能以较高的准确率解决社会网络中的用户信任关系预测问题.     

基于贝叶斯网络和用户行为日志挖掘的行为信任研究

深入研究信任管理和行为信任的模型及方法,设计基于贝叶斯网络的信任预测和控制算法,综合利用聚类和分布密度函数设置算法参数,建立可量化的证据与信任等级之间的对应关系,算法可预测多属性下的行为信任等级.深入IIS和.Net底层实现可配置的信任管理插件,形成用户行为日志,为预测和控制算法提供证据, 免除了一般Web日志的清洗工作.实验数据表明算法的应用提高了服务器各项性能,并约束了用户的商业行为.     

基于贝叶斯网络和行为日志挖掘的行为信任控制

目前评估网络用户行为的方法成本高且缺乏可操作性,为了便捷有效地对用户行为信任进行预测与评价,文中首先提出了基于贝叶斯网络的用户行为信任预测和控制算法,算法利用聚类和分布密度函数设置算法参数,建立可量化的证据与信任等级之间的对应关系.接着实现基于IIS和.Net底层架构的可配置式信任管理插件,形成用户行为日志,为预测和控制算法提供证据,免除了一般Web日志的清洗工作.实验结果表明,文中算法可预测多属性下的行为信任等级,提高服务器的安全性和可靠性,并约束了用户的商业行为.     

新颖的面向网络服务的动态信任模型

提出一种新颖的面向网络服务的动态信任模型.引入信任评价与区间直觉模糊数的对应关系,给出基于信任需求属性的经验信任、邻居推荐信任及代理推荐信任的计算、合成、及综合运算.同时,采用精确函数比来确定信任属性的权重因子,而时间序列权重因子则由指数分布的逆形式确定.最终以总体信任的得分函数及心性因素来区分信任服务.仿真实验表明,该模型可有效的建立实体间的信任关系并遏制恶意实体的攻击.     

网络取证中基于实体行为的信任模型

在对相关信任模型研究的基础上,借鉴社会网络中的信任关系,提出了一个基于实体行为的信任模型。该模型使用实体在网络中的行为作为模型的反馈信息,对其关键属性进行量化得到关键评价,并进行适当的计算,得到实体的信任度从而决定所要进行的操作是否可进行。     

基于Shapley-TOPSIS的辐射源威胁评估

针对雷达对抗领域辐射源威胁评估问题,利用基于Shapley值的优势关系粗糙集客观权重分配法克服主观赋值、不依赖先验知识的优点,与TOPSIS(逼近理想解排序)结合,提出一种基于Shapley-TOPSIS的辐射源威胁评估模型。首先,区分收益型和成本型对属性指标进行规范化,构建目标集与属性集的评判矩阵;然后,利用优势关系进行属性约简,并基于Shapley值确定各属性权重,再利用属性权重更新评判矩阵;最后,计算得到模型的正、负理想解,分别求解各辐射源的贴近度,进行辐射源威胁等级排序。仿真结果表明,与基于专家系统赋值的TOPSIS模型相比,文中模型综合考虑了各属性的相互关系,威胁等级排序结果更准确。     

基于属性关联的犹豫模糊TODIM多属性决策方法

针对属性值为犹豫模糊信息,且已知属性关联的多属性决策问题进行了研究;首先引入测度函数,参照依赖和损失规避心理行为,对每个属性下相对参照点进行方案两两之间的优势-劣势比较,构建在每个属性下方案的收益-损失矩阵;依据Choquet积分和TODIM方法的基本思想,计算方案的个体感知优势度,在此基础上,计算备选方案的总体感知优势度,进而对方案进行排序;最后通过一个算例分析表明所提出方法的可行性和有效性.     

基于域的自主式信任模型的研究

网格环境中的信任问题是当前网格研究的一个热点问题,为了解决网格环境的动态性和不确定性带来的安全问题,本文提出了一种新的信任模型来处理网格环境中实体之间的信任关系,该模型对域内信任关系和域间信任关系分别采取不同的方法进行处理。实验和分析结果表明,与以往的信任模型相比,这种信任模型能更加精确地评估实体之间的信任关系,从而能更加有效地解决网格环境中存在的安全问题。