一种逼近真实行为的可靠信度重估方法技术

本发明专利技术公开一种逼近真实行为的可靠信度重估方法，先利用信度重估系统获取目标实体当前时刻上的原始信度，计算出当前时刻上的历史信度，然后依据当前时刻上的历史信度和原始信度计算出当前时刻上的信度波动率，并计算出当前时刻上的历史信度波动率，然后计算出当前时刻上的信度波动趋势，最后基于当前时刻上的原始信度、历史信度、信度波动率和信度波动趋势，计算出当前时刻上的原始信度的重估信度。本发明专利技术使得重估信度较原始信度更加逼近于目标实体的真实行为，实现了信任管理系统对信度的可靠评估要求，并且本发明专利技术具有一定的通用性。

【技术实现步骤摘要】
一种逼近真实行为的可靠信度重估方法
本专利技术涉及一种信度评估方法，具体涉及一种逼近真实行为的可靠信度重估方法。
技术介绍
近年来随着网络技术的飞速发展和信息系统互联的广泛存在，催生出大批诸如对等网、多Agent系统、在线商务和云服务等动态协作服务系统。此类系统中服务交互双方之间通常知之甚少，这使得在没有任何先期交互经验或先验知识的情况下，会引发一系列潜在的交互风险。规避此类风险的常规做法是部署基于信度的信任系统，一方面将信度作为信息聚集、过滤和排序的依据，交互方能够筛选到合适的交互对象；另一方面将信度作为自身行为的社会认可度，可以激励实体不断改善行为，以便提供更好的服务。然而上述两个方面功能实现的关键是研制出可靠的信度评估技术。信任的动态性和模糊性使得对信度的可靠评估极其困难。为了确保信度评估的可靠性，当前主要从信度评价因子选取、信度合计和精度改善三个方面展开：(1)信度评价因子的选取一般与应用强相关。有效选取评价因子的关键是依据不同的应用场合选取不同的评价因子。诸如：Felix等人针对P2P应用提出了称为信任蚁群系统TACS的信度评估模型，使用信息素痕迹来标识相邻实体间的信任度；Khan等人以维护云用户的数据安全与隐私为目标，使用控制权、所有权、预防和安全四个因子来衡量用户对云服务的信任程度。乔秀全等人将用户之间的熟悉性和相似性作为衡量社交网络用户信度的依据；SojenPradhan等人针对医疗信息敏感的本质，提出了一种用于创建、共享或检索医疗信息的信任模型，将医疗信息质量、医疗服务质量、信息提供者可信度作为信度评价因子；等。(2)信度合计通常与应用弱相关，为此出现了众多通用性策略。在个人体验(主观信度)合计方面，代表性策略包括简单平均、贝叶斯、信任逻辑等。在他人口碑(信度推荐)合计方面，eBay使用的求和方法是最早得到关注的合计策略。为解决简单求和方法易受恶意攻击(攻击者可以随意哄抬自身信度或贬低他人信度)的问题，当前的解决手段是赋予推荐人相应的信度推荐权重，最具代表性的是Eigentrust使用的基于推荐人信度和PeerTrust使用的基于推荐人相似度这两种权重计算方法。(3)在信度矫正方面，代表性工作有，Wang等人针对已有的基于个人体验的信度合计方法忽略了预测方差(预测精确性)、基于他人口碑的信度合计技术过渡依赖精确的系统信任知识的问题，提出了一种通用的信度评估模型，该模型将信度预测方差作为信度合计计算中推荐信度可信度的衡量依据，结合Kalman聚合算法、期望最大化算法和假设检验等统计学方法，有效地提高了信度评估的精确性。Srivatsa等人基于PID工业控制技术提出了一种信度重估模型，该模型可在不对底层信度评估算法做任何限定的前提下对原始信度实现信度矫正，具有一定的通用性和鲁棒性。虽然目前在可靠信度评估的研究上成果丰硕，但现有研究对会削弱信度评估可靠性的评估时效性问题缺乏关注。从信任关系的内涵看，作为一种与行为上下文密切相关的动态过程，信任关系会随着行为上下文的动态变化而发生改变。信任关系的这种动态特性要求对信任关系的评估必须顾及整个行为上下文。然而信度评估时效性问题的存在却使得完整顾及整个行为上下文成为不可能：从微观层面来讲，评估证据的构建通常仅能关注当前(评估)时间点(时刻)之前的实体行为，却无法顾及目标实体当前时间点及以后的实体行为，而这部分行为上下文对于目标实体当前信度的及时评估尤为重要。从该意义上讲，信度评估时效性问题不解决，信度评估结果就无法逼近目标实体的真实行为，信度评估的可靠性就会大打折扣。
技术实现思路
专利技术目的：本专利技术的目的在于解决现有技术中存在的不足，提供一种逼近真实行为的可靠信度重估方法。技术方案：本专利技术的一种逼近真实行为的可靠信度重估方法，包括以下步骤：(1)利用信度重估系统获取目标实体在当前时刻t上的原始信度，即待重估信度RR[t]，同时将原始信度RR[t]保存到原始信度序列中，以用于计算未来t+1时刻上的历史信度HR[t+1]；(2)利用原始信度序列中前m个历史时刻上的原始信度，即RR[t-m]到RR[t-1]，然后归一化计算出当前时刻t上的历史信度HR[t]；其中，而前m个历史时刻是指时刻t-m到时刻t-1，而归一化计算的方法为进行原始信度关注度为ρ(ρ≤1)的加权平均计算：(3)根据已求得的当前时刻t上的历史信度HR[t]和原始信度RR[t]，计算出当前时刻t上的信度波动率RFR[t]，同时将RFR[t]保存到历史信度波动率序列，以用于计算未来t+1时刻上的历史信度波动率HRFR[t+1]；其中，RFR[t]＝RR[t]-HR[t]；(4)利用历史信度波动率序列中前n个历史时刻上的信度波动率，即RFR[t-n]到RFR[t-1]，然后归一化计算出当前时刻t上的历史信度波动率HRFR[t]；其中，前n个历史时刻是指时刻t-n到时刻t-1，而归一化计算的方法是进行信度波动率关注度为θ(θ≤1)的加权平均计算，即：(5)通过上述所求的当前时刻t上的历史信度波动率HRFR[t]和信度波动率RFR[t]，计算出当前时刻t上的信度波动趋势RFT[t]，即：RFT[t]＝RFR[t]-HRFR[t](6)计算当前时刻t上的原始信度RR[t]的可靠重估信度DR[t]，即：DR[t]＝α*RR[t]+β*HR[t]+γ*RFR[t]+δ*RFR[t]*|RFT[t]|其中，系数α(0≤α≤1),β(0≤β≤1),γ(0≤γ≤1)和δ(0≤δ≤1)均为分量计算权重。进一步的，所述步骤(2)中的m设为策略波动行为的振荡时隙。为了确保信度波动率与信度波动趋势同步更新，所述步骤(4)中n的取值与m的取值相同。为一致性地表征目标实体的真实行为，步骤(6)中的α和β均正比于m；同时，γ1≤γ2，这样就能够保证对行为恶化的惩罚力度不小于对行为改善的奖赏力度，进而能够激励目标实体表现出的诚实行为；进一步的，δ1≤δ2，通过提升突发波动行为的评估敏感度，能够及时反映目标实体行为的状态变化。有益效果：与现有技术相比，本专利技术具有以下优点：(1)本专利技术依据原始信度、历史信度、信度波动率和信度波动趋势这四种数据，实现了信度评估的时效性机制与已有真实行为逼近机制的一体化集成，为使重估信度多维度同步逼近真实行为提供可能。(2)本专利技术通过度量实体行为的突发波动、区分实体行为的改善与恶化、容忍实体无意识的错误行为、一致性反映实体的全局行为，以及改善信度评估的时效性，使得重估信度较原始信度更加逼近于目标实体的真实行为，实现了信任管理系统对信度的可靠评估要求。(3)本专利技术在一体化集成信度评估时效性机制时，加入了弱化时延的方法，不破坏现有真实行为逼近机制中，对原始信度的原有评估方法不做任何限制的准则，具备一定的通用性。附图说明图1为本专利技术信度评估时延成因图；图2为本专利技术信度波动原子模式图；图3为本专利技术时延弱化改善评估逼近度效果图；图4为本专利技术系统功能框架图；图5为本专利技术系统处理流程图；图6为本专利技术实施例的突发波动行为及状态示意图；图7为本专利技术实施例的正弦波动行为及状态示意图；图8为本专利技术实施例的信度波动趋势差异示意图；图9为本专利技术实施例的时延弱化改善评估逼近度示意图；图10为本专利技术实施例的时延弱化强度影响本文档来自技高网...

【技术保护点】
一种逼近真实行为的可靠信度重估方法，其特征在于包括以下步骤：(1)利用信度重估系统获取目标实体在当前时刻t上的原始信度，即待重估信度RR[t]，同时将原始信度RR[t]保存到原始信度序列中，以用于计算未来t+1时刻上的历史信度HR[t+1]；(2)利用原始信度序列中前m个历史时刻上的原始信度，即RR[t‑m]到RR[t‑1]，然后归一化计算出当前时刻t上的历史信度HR[t]；其中，而前m个历史时刻是指时刻t‑m到时刻t‑1，而归一化计算的方法为进行原始信度关注度为ρ(ρ≤1)的加权平均计算：HR[t]=Σk=1mRR[t-k]*ρk-1/Σk=1mρk-1;]]>(3)根据已求得的当前时刻t上的历史信度HR[t]和原始信度RR[t]，计算出当前时刻t上的信度波动率RFR[t]，同时将RFR[t]保存到历史信度波动率序列，以用于计算未来t+1时刻上的历史信度波动率HRFR[t+1]；其中，RFR[t]＝RR[t]‑HR[t]；(4)利用历史信度波动率序列中前n个历史时刻上的信度波动率，即RFR[t‑n]到RFR[t‑1]，然后归一化计算出当前时刻t上的历史信度波动率HRFR[t]；其中，前n个历史时刻是指时刻t‑n到时刻t‑1，而归一化计算的方法是进行信度波动率关注度为θ(θ≤1)的加权平均计算，即：HRFR[t]=Σk=1nRFR[t-k]*θk-1/Σk=1nθk-1;]]>(5)通过上述所求的当前时刻t上的历史信度波动率HRFR[t]和信度波动率RFR[t]，计算出当前时刻t上的信度波动趋势RFT[t]，即：RFT[t]＝RFR[t]‑HRFR[t](6)计算当前时刻t上的原始信度RR[t]的可靠重估信度DR[t]，即：DR[t]＝α*RR[t]+β*HR[t]+γ*RFR[t]+δ*RFR[t]*|RFT[t]|其中，系数α(0≤α≤1),β(0≤β≤1),γ(0≤γ≤1)和δ(0≤δ≤1)均为分量计算权重。...

【技术特征摘要】
1.一种逼近真实行为的可靠信度重估方法，其特征在于包括以下步骤：(1)利用信度重估系统获取目标实体在当前时刻t上的原始信度，即待重估信度RR[t]，同时将原始信度RR[t]保存到原始信度序列中，以用于计算未来t+1时刻上的历史信度HR[t+1]；(2)利用原始信度序列中前m个历史时刻上的原始信度，即RR[t-m]到RR[t-1]，然后归一化计算出当前时刻t上的历史信度HR[t]；其中，而前m个历史时刻是指时刻t-m到时刻t-1，而归一化计算的方法为进行原始信度关注度为ρ(ρ≤1)的加权平均计算：m设为策略波动行为的振荡时隙(3)根据已求得的当前时刻t上的历史信度HR[t]和原始信度RR[t]，计算出当前时刻t上的信度波动率RFR[t]，同时将RFR[t]保存到历史信度波动率序列，以用于计算未来t+1时刻上的历史信度波动率HRFR[t+1]；其中，RFR[t]＝RR[t]-HR[t]；(4)利用历史信度波动率序列中前n个历史时刻上的信度波动率，即RFR[t-n]到RFR[t-1]，然后归一化计算出当前时刻t上的历史信度波动率HRFR[t]；其中，前n个历史时刻是指时刻t-n到时刻t-1，而归一化计算的方法是进行信度波动率关注度为θ...

【专利技术属性】
技术研发人员：韩志耕，陈耿，王良民，朱玉全，熊琴琴，陈圣磊，
申请(专利权)人：陈耿，韩志耕，
类型：发明
国别省市：江苏;32