基于信任度变化趋势的云服务选择模型

针对云服务选择过程中,用户难以选择可信、可用、可靠的云服务问题,本文提出一种基于信任度变化趋势,并结合QoS服务质量的云服务选择模型.首先,信任度的计算分为两部分,一部分根据贝叶斯原理计算信任度值,另一部分是将历史信任度值进行最小二乘的拟合,得到能更准确地反映信任度值的变化趋势值,根据信任度变化趋势值对信任度值进行修正,确定其综合信任度值.然后,根据云服务的QoS量化模型,计算得到客观的QoS值,在此基础上,引入了信息熵的概念来确定可信参数加权的问题,从而得到最优的服务选择.仿真实验表明,该模型能够体现云服务主体信任度的变化,增强云服务选择的预判能力,有效地提高服务选择的成功率.     

半光滑无约束优化信赖域算法的全局收敛性

信赖域方法具有较强的收敛性和可靠性,一直被众多学者关注.基于光滑优化信赖域算法模型,证明了半光滑无约束优化信赖域算法的全局收敛性.     

基于信任度的网络应用对等单点登录

为了克服传统的集中式单点登录解决方案中单点失效的缺陷,适应企业间单点登录动态性和广泛性的特点,基于Liberty单点登录协议,提出了基于信任度的网络应用对等单点登录模型．通过把对等概念引入单点登录,使企业间应用的单点登录范围可以进行动态设定．通过建立单点登录信任模型,提出了相应的身份联合和单点登录过程,并解决了企业间应用在单点登录情况下的用户个人信息交换策略、授权管理等问题．分析表明,企业内部应用间的单点登录,适合采用集中式的单点登录;一旦单点登录跨越了企业边界,则适合采用基于信任度的对等单点登录;在实际应用中,宜采用两者的混合体．     

顾客体验对社区网站品牌忠诚影响的实证研究

以“豆瓣网”为例,从顾客体验视角对于社区网站品牌忠诚进行了实证研究.研究将顾客体验划分为感官体验、情感体验、行为体验和思考体验四部分.研究证明了感官体验、思考体验、行为体验和情感体验对品牌形象有显著影响,品牌形象对品牌信任有显著影响,品牌信任和品牌形象对品牌忠诚有显著影响.     

投影信赖域最优路径内点算法解有界变量的约束优化问题

基于最优路径(optimal path),提供一种投影信赖域内点算法解有界变量的线性等式约束优化．在合理的条件下,证明了所提供的算法不仅具有整体收敛性并且保持局部超线性收敛速率．数值计算结果表明了算法的有效性．     

面向网络论坛的谣言传播与抑制研究

基于网络论坛中用户行为的异质性和病毒传播的SEIR模型,提出了面向网络论坛的SEIR谣言传播模型。首先根据模型在非均匀网络中的平均场方程,推导网络论坛中谣言传播的临界阈值,表明在谣言传播率有限的情况下,增加用户间的信任机制可以有效抑制谣言在网络中的传播;然后通过仿真与数值分析,验证模型的有效性以及信任机制的引入能够有效降低谣言的影响力、传播速率和影响范围;最后结合仿真与数值分析的结论和网络论坛用户间的高影响力有限信任关系,给出了抑制谣言传播的高影响力用户免疫策略。实验结果表明,该策略与传统的免疫策略相比能够取得更好的谣言抑制效果。     

复杂跨组织协同中基于深度信任推理的服务组合

以云计算环境下跨组织协同中服务提供者(SP)与服务消费者(SC)的深度信任推理及演化过程为研究对象,通过构建服务直接交互信任关系为主、公共信誉反馈为辅的QoS评价及修正方法,建立支持复杂跨组织协同的基于深度信任推理的服务组合策略。该策略在前期研究基础上,利用概率密度函数来表征服务实体间的信任度,通过研究基于概率密度函数的服务间接信任关系的计算、传递及合并方法,最后设计了基于深度信任推理的服务组合算法。仿真实验表明:该方法能有效评价服务参与者的信任度,提高复杂跨组织协同环境中服务组合的质量。     

一种基于不同角色和反馈可信度的P2P信誉模型

针对已有的全局信誉模型,多数方案仅单独使用正面或负面否认信息构建实体的信誉值,且基本建立在信任度高的节点反馈也更可信的假设上,将节点的反馈质量等同于服务质量的问题,提出一种基于节点不同角色和反馈可信度的P2P全局信誉模型,并给出了模型的数学表述和实现方法。分析与仿真实验结果表明,该模型较已有的全局模型能有效防止恶意节点用诚信买掩盖恶意卖以及共谋欺骗等恶意行为,促进节点积极诚信参与网络活动,提高系统的安全性。     

网构软件信任机制的系统动力学模型研究

结合人际信任关系建立的基本原理,采用定性分析与定量分析相结合的方法,提出了网构软件信任机制的系统动力学模型,并基于系统动力学思想分析了影响网构软件信任水平的相关因素,建立了知识积累与信任评估的动力学方程。Vensim PLE仿真实验表明,网构软件信任系统动力学模型的建立有利于网络信任环境的分析,为系统仿真提供了有价值的新思路。     

采用矩阵分解模型的托攻击防御算法

提出一种基于矩阵分解模型的托攻击防御算法框架.首先,利用托攻击检测技术,度量用户是托用户的概率,并以此构造信任度权值矩阵;然后,将此权值矩阵引入到矩阵分解模型,以降低托用户攻击行为的影响;最后,通过求解新模型实现对用户评分的预测.实验结果表明:这类算法与其他协同过滤算法相比较,能够更有效地抵御托攻击.