基于交易信息和推荐证书的P2P网络信任模型

由于P2P网络中存在大量欺诈行为、攻击和不可靠的服务,使服务质量无法得以较好的保证。建立节点间的信任评价机制是一个可行的解决方案,但传统网络中集中式的信任机制并不能适应P2P网络。而现有典型基于全局信任模型不能很好地解决迭代不收敛,计算开销大,存在安全隐患甚至可能出现悖论的问题。以人际网中基于个人信任资信和信任推荐构建信任关系为基础,将直接信任度推荐证书和节点的全局信任资信具有时间衰减性引入构建P2P网络的全局信任链中,提出了一种基于历史交易信息和推荐证书的P2P环境下的信任模型,根据交易的历史信息和推荐度来计算节点的全局信任度。给出了模型的数学分析和构造信任链的实现方法,同时给出了抑制恶意节点协同攻击的策略。仿真结果表明,该模型能较好的解决现有模型存在的问题,模型合理有效且工程上易实现。     

云计算环境中柔性易扩展的信任协商机制研究

提出了一种云计算环境中柔性易扩展的信任协商机制-基于相似信任度的信任协商机制,在该信任协商机制中,直接信任度计算过程中加入了为用户节点提供服务的服务时刻和服务成本等信任因素,间接信任度计算过程中加入了参与评价的云服务节点个数、评价用户节点的服务总量、评价用户节点所给评价的相似度等信任因素,并且详细讨论了这些信任因素的获取和计算方法.     

基于博弈论健壮性增强的资源分配模型

如何保障用户QoS是动态、不确定网格环境中资源分配面临的一个新问题.针对网格资源的不可靠性特点,提出了健壮性增强的作业执行服务的概念及其确定方法,基于该概念提出了健壮性增强的离线资源分配模型,通过将作业执行服务中对应的多个网格节点资源分配给作业冗余执行以增强其健壮性.基于该模型将资源分配描述为一个非合作博弈过程,求得了帕累托最优分配方案,并提出了一种健壮性增强的离线资源分配策略.实验结果表明:该分配模型兼顾了效率和公平, 增强了作业执行的健壮性,并较好地评估资源的信任行为.     

基于证据理论的多Agent重复囚徒困境博弈研究

在多Agent系统中,利用证据理论与重复囚徒困境博弈对其中的合作行为进行了研究.为加强Agent之间的合作行为,构建了基于信度函数的综合信任模型.该综合信任度的建立来于两个方面:一是由以前交互历史中观察的直接证据而得到的直接信任度,二是由来自于第三方的推荐证据而得到的推荐信任度.基于综合信任模型,给出了多Agent重复囚徒困境博弈算法,并对所研究的问题进行了仿真.仿真结果表明,基于综合信任度的博弈策略能够有效地加强系统中的合作行为,提高系统的收益.     

网格环境下基于云模型的信任评估与决策方法研究

针对目前网格环境下信任评估模型普遍存在未充分考虑信任关系的模糊性、信任信息的描述不完整等问题,提出了信任云的概念及其模型.该模型可从网格实体间相互协作满意度中提取信任信息,能精确描述信任期望值.通过熵和超熵刻画信任的不确定性,使评估过程更贴近于信任的语意特点.还提出了一种信任云的相似性度量方法和信任决策算法,实验表明了由信任云表述的信任关系可以作为网格环境下安全决策的依据.     

基于Pi-演算的信任网络形式化建模

网格环境下实体信任网络的形式化建模是实现其仿真的关键环节,利用pi-演算刻画网格中信任网络的结构和交互。抽象定义信任网络,讨论信任网络节点与Pi-演算的对应关系,给出基于Pi-演算的信任网络建模规则和建模过程,借助pi-演算模型检测工具对提出的信任网络形式化系统进行行为分析与推演,结果表明其具有活性和安全性,且能有效满足用户在信任方面的服务质量需求。     

基于资源性能评估的网格任务调度算法

在保障本地任务QoS需求并尊重网格节点本地调度策略的条件下,为网格用户提供QoS保障是计算服务网格环境中任务调度的一个重要目标和面临的新问题.根据对网格节点相关资源可用性历史数据进行统计、分析得出的结果,利用概率论方法对网格节点的资源能力进行评估,对网格节点状态进行划分并得到资源的平均状态;利用信息论中熵的概念对网格节点状态动态变化的不确定性进行评估并得到刻画网格节点状态不确定性的定量值.在此基础上,建立了一种基于性能评估的分布式调度框架,并提出了一种基于性能评估的网格任务调度算法.对GridSim进行了改进与扩展,基于改进与扩展后的GridSim对提出的算法进行仿真并与相关算法进行比较,实验结果表明了本所提出的调度算法在网格用户QoS保障程度、网格任务执行makespan以及负载均衡等方面的有效性.     

一种P2P网络分布式信任模型及仿真

由于传统的集中式信任机制不适合P2P网络,提出了一种应用于P2P网络的分布式信任模型。它根据交易历史信息来计算节点的全局可信度。此模型运算量小,没有迭代运算不收敛的问题,并能较好地处理冒名和诋毁等非法行为,具有较强的安全性。计算机仿真亦证明了此模型的良好性能。     

众筹项目的个性化推荐:面向稀疏数据的二分图模型

二分图模型是一种全局优化算法,本文将二分图模型应用于直接推荐众筹项目,使用PersonalRank算法迭代计算网络节点的全局关联度,从而推荐那些基于余弦相似度的协同过滤不能有效推荐的项目,适用性更加广泛.更进一步,提出将二分图模型与协同过滤算法相结合,首先把网络结构划分为二分图,采用二分图算法得到的两类节点(用户节点,项目节点)之间的全局相似度,再结合协同过滤算法,得到基于二分图模型的协同过滤算法.实验表明,在众筹项目推荐中,由于数据极端稀疏,适宜采用二分图模型来进行相似度计算并进行推荐.     

基于网格的协同仿真设计

介绍了网格和高层体系结构(high level architecture,HLA)的相关概念,探讨了基于网格的HLA协同仿真特点。提出了基于网格的协同仿真设计的体系结构,并将该结构分为三个层次,可有效管理和组合各仿真子系统及共享资源,较大地提高了仿真系统的开发效率。最后初步规划了协同仿真的过程并设计了编程模型,可使仿真平台具有良好的兼容性和扩展性。