基于主观信任和推荐的信任模型

研究了分布网络环境中交易实体的信任问题,分析了信任的含义并考虑影响信任行为的外部环境因素,结合主观判断和推荐,构建了一种新型信任模型并引入惩罚机制,建立信任更新协议。     

基于主观逻辑的Web服务信任模型

为解决当前Web服务网络中存在的一些与信任相关的安全问题、提高Web服务的安全性和可靠性，基于主观逻辑，文中提出了一个改进的自适应Web服务信任模型iWSTrust及相应的信任度和声誉评估算法，该模型利用主观逻辑对Web服务网络中的实体进行信任建模和推理，并增加可信任的第三方机构来保存信任信息，通过综合考虑Web服务环境中的各个相关实体，分析一次典型交易过程中所涉及的信任关系，并对不同类型的服务请求者进行区分，使得实体的信任度和声誉能够随着交易经验的增加而自适应地改变。模拟实验结果表明，iWSTrust能在一定程度上减少访问到恶意实体的次数，并惩罚进行欺骗的实体。     

分布网络环境主观信任模型研究

研究分布网络环境中主观信任评价和信任合成方法,分析信任的含义和影响信任行为的因素以及信任与信任属性的关系,提出相对经验的定义.基于二项事件后验概率服从Beta分布的特性,提出了基于相对经验和Beta分布的信任评价模型,给出了推荐信任合成方法,建立信任更新协议解决恶意推荐的问题.     

虚拟项目团队成员信任评估模型

为了解决在虚拟项目团队组建过程中,项目发起者挑选可信伙伴时的信任决策问题,提出了基于直接信任和推荐信任合成的信任评估模型;详细给出了该模型的计算方法,并引入惩罚机制,对推荐者的恶意推荐行为进行识别和惩戒,以确保在分布式网络下信任度评估结果的客观性。     

基于NN的空天网络行为信任模型

空天网络所具有的动态性、开放性、复杂性特点,使得空天网络需要更高的安全性。为解决空天网络实体间的信任问题,并充分利用先验知识,基于神经网络理论对空天网络实体的行为信任进行了建模。通过建立相识社区,利用相识者的直接信任,完成了推荐信任的计算,并采用BP神经网络的惩罚项理论解决了恶意推荐问题。为空天网络环境中的行为信任研究提供了新的思路。     

网格环境下一种基于分类的行为信任模型

在网格环境中,针对不同上下文环境下实体之间的交互行为,提出了一种新的基于分类的行为信任模型.模型根据信任等级对实体进行相应分类,在此基础上与实际社会相结合引入了交互事件重要性因子,惩罚因子,惩罚加速因子等,实现了实体动态的主体特征.分析和仿真表明,模型在性能上得到了一定程度的提高,并对恶意实体的恶意交互行为起到了一定的抑制作用.     

BBK信任计算模型的分析和改进

信任模型在分布式安全系统中起着非常重要的作用。基于对BBK信任计算模型的分析,在引入信誉报告系统的基础上结合本地计算和分布式计算提出了改进的BBK信任计算模型iBBK,该模型可减少恶意推荐现象和偏心现象对信任系统的危害。同时,面向PKI安全服务系统,给出了iBBK信任计算引擎在系统中的应用实例,对系统中实体之间的信任进行了有效的计算和管理。     

一种基于信誉的电子商务信任模型

信任问题是电子商务安全的关键和瓶颈问题,信任的研究包括信任的概念、特征、信任源、信任标准等.本文在分析现有信任模型的基础上,提出了一种新的电子商务信任模型.与传统电子商务不同之处在于增加了惩罚机制,对恶意用户进行防御和监控,有效解决电子商务信任中的联合欺骗问题,从信任主观度量、信任客观度量、信任度计算几个方面进行了详细的阐述,并分析了电子商务存在的联合欺骗问题,并给出了防御措施与手段.     

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.     

网格环境下一种基于招标的信任评估模型

为了提高信任模型中信任查找的效率和更有效的防止恶意推荐,对在网格环境下的信任模型引入了招标的思想以及改进了信任更新机制.首先由评估者向资源实体发出招标信息,资源实体根据招标信息投标或不投,评估者收到资源实体的投标申请书,就只需在已发投标申请的资源实体中进行信任查找,然后与符合条件的资源实体签订合约;在信任更新机制中将推荐行为发生后总体信任值作为较真实的信任值,与中间实体推荐信任值比较,根据二者的误差生成反馈,调整对此实体的信任度.实验表明信任模型在引入招标机制和改进了信任更新机制后,不仅调动了资源节点的主动性,实现了用户和资源的互动,提高了信任查找的效率,而且能够更好更有效的防止恶意推荐.     

一种面向社交网络的资源服务推送方法分析与研究

传统的基于协同过滤推荐、内容推荐等技术在资源服务推荐中虽然得到了广泛地应用,但这些方法针对矩阵稀疏、冷启动等问题,在一定程度上还是未能有效地解决,以致推荐效果不是很理想。根据用户社交网络中关系,把用户之间的相似关系和信任因关系作为构建服务推荐目标用户列表的计算因子,从而对网络资源服务向目标用户做出有效而精确地推荐。通过实验分析,这种方法在面向社交网络平台上的资源服务推荐有着明显的优越性。     

An Adaptive Trust Model of Web Services

This paper proposes a dynamic Web service trust(WS Trust ) model, and some corresponding trust metric evaluation algorithms. The main goal is to evaluate the trustworthiness and predict the future behaviors of entities in order to help users find trustworthy Web service providers and prevent users from providing unfair ratings against service providers.     

社交网络中基于信任评估的推荐控制模型

针对社交网络中无法有效管理陌生推荐安全性难题,提出了一种基于信任的评估推荐控制模型(TRCM).该模型描述了社交网络推荐中个体角色、推荐路径、可信任值、控制规则等方面内容.模型结合社交网络个体之间取信度、信誉度评估方法,分别计算串路型、并路型和复合型3类推荐信任度,并给出了客观偏移度和信心指数评估.同时,TRCM定义了一组信任控制规则以管理社交网络中的推荐行为.实验表明,该方法是有效可行的.     

几种网格信任模型的研究

研究了3种网格环境下的信任模型,比较了它们的建构思想、优越性和局限性,提出了定义身份权、使用身份权进行信任初始化、将信任推荐作为交易上下文环境的一种、扩大节点信任自主权以及建立独立信任管理层等改进想法,并在此基础上提出了改进后的新模型的框架.     

基于灰色关联分析的推荐信任评估方法

为了解决开放式网络访问控制中利用第三方实体的推荐权重合理评估推荐信任问题,借鉴灰色系统理论,提出基于灰色关联分析的推荐信任评估方法。根据开放网络中各实体间发展态势的相似或相异程度,评估各实体之间关联的紧密程度和推荐权重。算例和仿真实验表明,推荐实体的推荐权重计算得到的结果与实际情况相符,该方法能够保证推荐信任评估决策的有效性和客观性。     

基于对等网络的信任模型

在Client/Server网络架构得到普遍应用的格局中,对等网络却异军突起迅速发展。针对这种新兴架构提出了与传统架构不同的一种安全信任模型。它依据网络的推荐值建立节点间的信任关系,更好地保证网络的安全性和避免恶意攻击。给出了求解信任值的数学模型和具体算法,并对信任模型的安全性能进行了理论评测。     

基于人力资源行为的集群企业内部信任机制的博弈分析

集群企业间的信任是集群存在和发展的基础。通过博弈分析方法,对集群中信任机制的三个阶段进行了深入研究。本文得出结论:集群中的信任呈现出由个人信任向制度信任动态发展的过程。     

基于二叉推荐树的可信评估模型

在网络安全领域,可信被定义为一个实体期望另外一个实体执行某个特定动作的可能性大小。为了加强网络的安全性,允许某个结点去评估其他结点的可信性是非常重要的。本文主要讨论的是对可信事件的推荐评估。首先介绍了可信的相关概念和特性;接着,网络被抽象成一个有向图,在该图中,顶点代表实体或用户,边被看成可信关系,这样,评估过程可以看成是在有向图当中寻找最短路径问题,通过对影响推荐信任的因素分析,得到间接信任计算公式,为每个结点建立一个二叉推荐树,用来存储该结点能够推荐的结点以及这些结点推荐信任值,并在每个周期后动态地调整和整理该二叉推荐树;最后,对该模型的有效性进行了分析。