一种自适应的动态信任权重评估方法技术

本发明专利技术属于大规模分布式网络应用中的信任管理领域，具体涉及一种自适应的动态信任权重评估方法，特别适合于网格、普适计算、Ｐ２Ｐ（对等计算）计算、Ａｄ　ｈｏｃ（移动自组织网络）和电子商务等以Ｉｎｔｅｒｎｅｔ（互联网）为基础平台的各种大规模开放分布式应用。本发明专利技术在已有的基于历史函数的直接信任评估方法和基于路径函数的反馈信任聚合技术的基础上，提出使用自信因子和反馈因子两个参数自动地建立和动态地调节直接信任与反馈信任融合计算的权重，克服了过去常用的主观确定权重的缺陷，从而具有更好的科学性和更高的实际应用价值。

【技术实现步骤摘要】

本专利技术属于大规模分布式网络应用中的信任管理领域，具体涉及一种自 适应的动态信任权重评估方法。
技术介绍
随着以互联网为基础平台的、各种复杂开放的分布式应用环境(如网格、P2P、电子商务、电子政务、Adhoc和普适计算等)的深入研究，系统 表现为由多个软件服务组成的动态协作模型。在这种动态的和不确定的环境 中，为用户提供可靠、安全的可信执行环境和信息共享服务，面临着严峻的 挑战首先，应用环境具有异构性、动态性、分布性和多管理域等特征；其 次，用户、应用程序、计算资源和计算环境等节点的管理方式不再是集中和 封闭的，而是开放、动态和分布式的；另外，在开放系统中，节点的行为难 以度量和预测，节点身份的判定没有中心化的管理权威可以依赖。这些新特 征和新问题的出现，使许多基于传统软件形态的安全技术和手段，尤其是安 全授权机制，如访问控制表、公钥证书体系和PKI(Pubic Key Infrastructure)中的静态信任机制等，不再适用于开放网络环境下系统的 安全问题。鉴于此，学者们提出了针对复杂开放网络环境的动态信任管理 技术，为确保分布式网络的可靠运行、资源的安全共享和可信利用提供了新 的思路，并成为了一个亟待解决的热点问题。传统的信任管理技术中总体信任度的融合计算方法大多是基于直接信 任与反馈信任加权平均计算反馈信任信息的其中W + W=l， 7是总体信任度，是直接信任度，/是反馈信任度，W和 股分别为直接信任与反馈信任的权重，和/可以通过多种数学方法计算得 至U，但W和股究竟如何分配，目前的文献介绍中，大多使用两种方法(1) 专家意见法；(2)平均权值法。这些方法都是一些主观方法，不能反映其科 学性与合理性，而且缺少自适应性， 一旦权值W和股通过主观的方式确定， 将在实际应用中很难由网络系统动态地去调整它。
技术实现思路
针对以上问题，本专利技术提出，它通 过使用自信因子和反馈因子两个参数自动建立和动态调节直接信任与反馈 信任的权重M和股，可以用来克服传统的确定权重的主观判断方法，并且 使信任管理系统具有较好的自适应性。为了达到上述目的，本专利技术采用的技术方案如下 ，在网络中任取节点《、节点S，节点《评估节点^的总体信任度r(s,巧)，包括下列步骤步骤一计算《对P,的直接信任度rD(《,巧)； 步骤二计算节点《对节点^的反馈信任度r,W^); 步骤三计算节点《对节点《的自信因子i W，A)，公式如下及(《,尸,)=1一^——其中力为节点《与户,在最近的交互个数；^是节点《设定的第一调节常数，用来控制及(S，尸,)趋向于1的速度；2^,//(《，《)表示在最近的力个交互中失败的次数；步骤四计算节点《对节点^的反馈因子^W^)，公式如下<formula>formula see original document page 6</formula>其中L为反馈者个数，,。,。,为节点《监测到的所有与^有交互行为的 节点的个数，0)(丄)和0(,^)对应的函数通式为《力^-^^^^， x为自变量，^为节点《设定的第二调节常数，用于控制O(x)趋于1的速度； 步骤五分别计算直接信任的权重『1与反馈信任的权重W2<formula>formula see original document page 6</formula>步骤六节点《评估节点P,的总体信任度r(A,P》，计算公式如下<formula>formula see original document page 6</formula>根据节点《对节点p,的总体信任度r^，p》的评估结果，节点《为节点选择性提供设定类别的服务质量。 本专利技术的进一步改进在于所述第一调节常数的取值满足々s所述第二调节常数J的取值满足满足^e[(U]。本专利技术中力为节点《与尸,在最近的交互个数，其中最近是指当前时刻向前推移的一个时间段，该时间段的长短由用户或者节点《中的信任评估系 统设定。由于本专利技术在计算直接信任权重w时利用了自信因子，在计算反馈信 任的权重股时利用了反馈因子，客观的刻画和反映了网络交互中的实际情况，而且还可以通过对调节常数么^以及影响力个数的最近时间段的调整，适应不同的网络环境。因此，本专利技术可以通用于大规模分布式网络中的节点 总体信任度评估。专利技术人在基于JAVA语言实现的复杂系统建模平台中进行了模拟实 验，根据常用交互的成功率(SSP)来说明使用该方法的信任评估系统的准确 性，在一个动态变化的开放系统中，高的SSP说明信任系统具有高的信任决 策的准确性和好的动态适应性。专利技术人首先观察了在一个动态性变化较小的 网络环境下使用本专利技术方法的SSP，从实验结果发现，在一个相对稳定的环 境中，本方法和传统的总体信任评估方法具有相似性能的SSP。其次观察了 在一个动态性变化较大的网络环境下该方法的SSP，从实验结果发现，在一 个高度动态变化且繁忙的环境中，随着系统交互业务量的增加，本方法比传 统的总体信任评估方法的SSP平均可提高8%左右。附图说明参照图1,说明在一个动态性变化较小的网络环境下本专利技术方法(拟合 曲线l)与传统总体信任度的评估方法(拟合曲线2)的SSP比较图，参照 图中纵轴表示交互的成功率SSP，横轴表示进行实验进行的次数。参照图2，说明在一个动态性变化较大的网络环境下本专利技术方法(拟合 曲线l)与传统总体信任度的评估方法(拟合曲线2)的SSP比较图，参照 图中纵轴表示交互的成功率SSP，横轴表示进行实验进行的次数。具体实施方式下面结合附图说明和具体实施方式对本专利技术做进一步详细说明。 本专利技术所述的，先在分布式网络中任取节点《、节点s，节点《需要评估节点p,的总体信任度r(，s)，具体包括下列步骤步骤一计算《对A的直接信任度rD(s，/p采用传统的基于历史函数的直接信任度计算方法。设节点《与A在最近的力个交互中产生的信任满意度评价为集合^-^，e『，…《，其中ef SI，力Oy，力为节点《中的信任评估系统设定的最大历史记录个数(因为信任关系是一种随时间变化而动态衰减的量，也就是隔的时间越久，以前的 信任值对现在信任预测的贡献越小，所以通过设定可以将一些较早的数据记录剔除掉)，^中的元素按照交互的时间顺序排列，^表示离现在较久 的一次交互，e广表示离现在最近的一次交互。则A对A的直接信任值为<formula>formula see original document page 8</formula>公式中^b)e是衰减加权因子,用来对发生在不同时刻的直接信任信息进行合理的加权，根据人们的日常行为习惯，对于新发生的交互行为应该 给予更多的权重，这也反映了信任关系随时间的变化而衰减的属性。现在， 本专利技术定义衰减因子为<formula>formula see original document page 8</formula>其中，力为节点Pi的本地数据库中记录的节点《与P,.在历史上交互的总次数，也即前文中节点《与巧最近的力个交互，其中最近是指当前时刻向前推移的一个时间段，该时间段的长短由用户或者节点《中的信任评估系统设定。^为节点P'中的信任评估系统设定本文档来自技高网...

【技术保护点】
一种自适应的动态信任权重评估方法，在网络中任取节点Ｐ↓［ｉ］、节点Ｐ↓［ｊ］，节点Ｐ↓［ｉ］需要评估节点Ｐ↓［ｊ］的总体信任度Г（Ｐ↓［ｉ］，Ｐ↓［ｊ］），包括下列步骤：　步骤一：计算Ｐ↓［ｉ］对Ｐ↓［ｊ］的直接信任度Г↓［Ｄ］（Ｐ↓［ｉ］，Ｐ↓［ｊ］）；　步骤二：计算节点Ｐ↓［ｉ］对节点Ｐ↓［ｊ］的反馈信任度Г↓［Ｉ］（Ｐ↓［ｉ］，Ｐ↓［ｊ］）；　步骤三：计算节点Ｐ↓［ｉ］对节点Ｐ↓［ｊ］的自信因子Ｒ（Ｐ↓［ｉ］，Ｐ↓［ｊ］），公式如下：　Ｒ（Ｐ↓［ｉ］，Ｐ↓［ｊ］）＝１－∑↓［ｈ］Ｆａｉｌ（Ｐ↓［ｉ］，Ｐ↓［ｊ］）／ｈ＋β　其中：ｈ为节点Ｐ↓［ｉ］与Ｐ↓［ｊ］在最近的交互个数；β是节点Ｐ↓［ｉ］设定的第一调节常数，用来控制Ｒ（Ｐ↓［ｉ］，Ｐ↓［ｊ］）趋向于１的速度；∑↓［ｈ］Ｆａｉｌ（Ｐ↓［ｉ］，Ｐ↓［ｊ］）表示在最近的ｈ个交互中失败的次数；　步骤四：计算节点Ｐ↓［ｉ］对节点Ｐ↓［ｊ］的反馈因子Ａ（Ｐ↓［ｉ］，Ｐ↓［ｊ］），公式如下：　Ａ（Ｐ↓［ｉ］，Ｐ↓［ｊ］）＝１／２［Φ（Ｌ）＋Φ（ｎ↓［ｔｏｔａｌ］）］　其中：Ｌ为反馈者个数，ｎ↓［ｔｏｔａｌ］为节点Ｐ↓［ｉ］监测到的所有与Ｐ↓［ｊ］有交互行为的节点的个数，Φ（Ｌ）和Φ（ｎ↓［ｔｏｔａｌ］）对应的函数通式为Φ（ｘ）＝１－１／（ｘ＋δ），ｘ为自变量，δ为节点Ｐ↓［ｉ］设定的第二调节常数，用于控制Φ（ｘ）趋于１的速度；　步骤五：分别计算直接信任的权重Ｗ１与反馈信任的权重Ｗ２：　＊＊＊　步骤六：节点Ｐ↓［ｉ］评估节点Ｐ↓［ｊ］的总体信任度Г（Ｐ↓［ｉ］，Ｐ↓［ｊ］），计算公式如下：　Г（Ｐ↓［ｉ］，Ｐ↓［ｊ］）＝Ｗ１×Г↓［Ｄ］（Ｐ↓［ｉ］，Ｐ↓［ｊ］）＋Ｗ２×Г↓［Ｉ］（Ｐ↓［ｉ］，Ｐ↓［ｊ］）　根据节点Ｐ↓［ｉ］对节点Ｐ↓［ｊ］的总体信任度Г（Ｐ↓［ｉ］，Ｐ↓［ｊ］）的评估结果，节点Ｐ↓［ｉ］为节点Ｐ↓［ｊ］选择性提供设定类别的服务质量。...

【技术特征摘要】
1、一种自适应的动态信任权重评估方法，在网络中任取节点Pi、节点Pj，节点Pi需要评估节点Pj的总体信任度Г(Pi，Pj)，包括下列步骤步骤一计算Pi对Pj的直接信任度ГD(Pi，Pj)；步骤二计算节点Pi对节点Pj的反馈信任度ГI(Pi，Pj)；步骤三计算节点Pi对节点Pj的自信因子R(Pi，Pj)，公式如下<maths id=math0001 num=0001 ><math><![CDATA[ <mrow><mi>R</mi><mrow> <mo>(</mo> <msub><mi>P</mi><mi>i</mi> </msub> <mo>,</mo> <msub><mi>P</mi><mi>j</mi> </msub> <mo>)</mo></mrow><mo>=</mo><mn>1</mn><mo>-</mo><mfrac> <mrow><msub> <mi>&Sigma;</mi> <mi>h</mi></msub><mi>Fail</mi><mrow> <mo>(</mo> <msub><mi>P</mi><mi>i</mi> </msub> <mo>,</mo> <msub><mi>P</mi><mi>j</mi> </msub> <mo>)</mo></mrow> </mrow> <mrow><mi>h</mi><mo>+</mo><mi>&beta;</mi> </mrow></mfrac> </mrow>]]></math></maths>其中h为节点Pi与Pj在最近的交互个数；β是节点Pi设定的第一调节常数，用来控制R(Pi，Pj)趋向于1的速度；∑hFail(Pi，Pj)表示在最近的h个交互中失败的次数；步骤四计算节点Pi对节点Pj的反馈因子A(Pi，Pj)，公式如下<maths id=math0002 num=0002 ><math><![CDATA[ <mrow><mi>A</mi><mrow> <mo>(</mo> <msub><mi>P</mi><mi>i</mi> </msub> <mo>,</mo> <msub><mi>P</mi><mi>j</mi> </msub> <mo>)</mo></mrow><mo>=</mo><mfrac> <mn>1</mn> <mn>2</mn></mfrac><mo>[</mo><mi>&Phi;</mi><mrow> <mo>(</mo> <mi>L</mi> <mo>)</mo></mrow><mo>+</mo><mi>&Phi;</mi><mrow> <mo>(</mo> <msub><mi>n</mi><mi>total</mi> </msub> <mo>)</mo></mrow><mo>]</mo> </mrow>]]></math></maths>其中L为反馈者个数，ntotal为节点Pi监测到的所有与Pj有交互行为的节点的个数，Φ(L)和Φ(ntotal)对应的函数通式为Φ(x)＝1-1/(x+δ)，x为自变量，δ为节点Pi设定的第二调节常数，用于控制Φ(x)趋于1的速度；步骤五分别计算直接信任的权重W1与反馈信任的权重W2<maths id=math0003 num=0003 ><m...

【专利技术属性】
技术研发人员：桂小林，李小勇，毛倩，何欣，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：87[中国|西安]