电子认证服务的新探索——长三角地区开通数字证书应用交叉互认平台

用密码技术为信息网络业务提供具有真实可靠保障的电子证认证服务,是建立网络信任体系的基础和核心,对保障电子政务、电子商务和其他网上活动的安全具有重大的意义。近10年来,我国电子认证服务在蓬勃发展的同时,地域性局限弊端也日益显现,迫切需要探索建立电子认证服务的新模式。     

大学生人际信任与社会支持的关系研究

本研究的目的是探讨人际信任与社会支持的关系。采用人际信任量表（ITS）、社会支持评定量表（SSRS）对广西大学生进行调查。研究结果：（1）大学生人际信任和社会支持以及各个维度之间存在显著正相关（P〈0．001）。（2）大学生人际信任对社会支持总分、客观支持总分、主观支持总分和支持利用度总分有预测作用。     

一种分布式的移动P2P网络决策模型

对于移动P2P网络中的可信决策问题,单纯地依赖信任模型或者传统的风险评估手段都不能加以解决,根据对信任、风险以及两者在决策中的关系分析,将风险和信任量化并融合,建立了一个分布式的决策模型DDM.DDM模型基于效益理论描述了节点在协作过程中的收益(benefit)和损失(cost)之间的关系.节点基于信任关系、所期望的最...     

一种基于灰色系统理论的分布式信任模型

在开放多Agent系统中,引入信任模型有利于选择出保证收益的交互伙伴,发挥灰色系统理论在解决贫信息、不确定性问题中的优势,构建了GTrust信任模型,设计了对证人推荐行为进行评定的方法,用灰色定权聚类的方法判定对证人的信任,克服证人提供的不准确信息带来的负面影响,指导评价者Agent合理使用来自证人的推荐.仿真实验表明,GTrust忽略了对不准确信息来源的甄别,而是只以实际交互结果为依据的策略,针对复杂的环境是一种切合实际的选择,无论在静态环境中,还是动态环境中,均可以取得好的效果.     

构造P2P电子商务系统中基于推荐过滤信任模型

通过对已有工作的分析和对比,选用了一种利用置信因子综合局部声誉和全局声誉的信任评价机制作为研究基础,引入基于集合迭代二分法的过滤方法对推荐节点进行过滤,并提出对评价其他节点评价质量的节点的评价可信度进行了限定来提高模型的准确性和抗攻击能力.同时,为避免恶意节点用诚信买行为来掩盖恶意卖行为的情况,对买家和卖家给对方的评价...     

基于信任度的分布式证书链搜索算法

为解决信任管理中分布式证书链的搜索问题,定义了成员集与权限集的概念,并在此基础上提出了基于信任度的分布式证书链前向、后向和双向搜索算法,分析了算法复杂度,与现有算法进行了比较,并以一个实例说明了算法的应用,结合算法的预处理等功能证明:算法具有一定的实用性和高效性.     

一种基于风险评价的无线传感器网络信任模型

针对现有无线传感器网络的信任模型未考虑风险因素,导致不能有效处理恶意节点攻击的问题,采用一种基于风险评价的信任模型(Risk evaluation basedtrust model,RBTM)。RBTM的框架由检测模块、信任计算模块和决策模块组成,并考虑上下文因素的影响。计算信任度时同时考虑推荐信誉值和风险值的影响;风险值的计算借用风险评估函数和风险信誉调节函数实现。研究结果表明：RBTM能够有效抵抗恶意节点的攻击,与已有的信任模型相比具有更大的灵敏性,较大程度地提高了对恶意行为的检测成功率,可以使节点之间更有效地建立信任关系。     

风险视角下的动态信任关系模型

对风险问题的准确把握,是保证信任决策科学性的关键。针对目前在动态信任关系研究中对信任与风险本质关系理解不够和研究的不足,提出了风险视角下的信任关系理论模型和决策模型,详细分析并给出了信任与风险,以及信任决策与风险决策的本质关系,认为信任是风险的另一种表达形式,信任决策就是风险决策。通过对信任、风险和可信决策三者为一体的安全决策过程的分析,增强了安全决策的科学性,使得安全决策更加理性、全面和客观。     

Agent信任与名誉的FIRE模型的改进

在开放的多Agent系统中,信任与名誉对Agent之间的交互至关重要.FIRE是一种新型的、分布式的、采用多来源的综合性的信任与名誉模型.FIRE模型包括四个组成部分:IT(interactiontrust)、RT(ro1e-based trust)、WR(witness reputation)和CR(certified reputation),在与相关模型的比较中,显示出优越性.针对WR信息获取的低效、CR不能消除Agent的欺骗等不足,提出一种基于Agent组织的半分布式FIRE模型,相关分析和实验表明了改进的有效性.     

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.