基于信誉的委员会共识机制

授权股权证明(DPoS)作为主流共识机制的一种,选举过程耗时长、节点投票不积极和恶意节点难处理的核心问题制约着它的快速发展。针对上述问题,提出一种基于信誉的委员会共识机制——幸运信誉证明(PoLaC)。首先,将信誉值作为节点历史行为的评估标准,并选择高信誉节点作为委员会成员,从而极大地简化选举流程;其次,引入幸运值概念来提高普通节点竞选成功的概率,从而激励普通节点参与网络共识;最后,采取延迟分叉的方式修正恶意节点的行为。实验结果表明,在共识通信量方面,投票意愿为50%时,PoLaC网络比DPoS网络的共识通信量少30%;在低权重节点收益方面,PoLaC网络的收益是DPoS的3倍;在委员会恶意节点占比方面,进入信誉稳定期的PoLaC网络的委员会恶意节点数约为DPoS的1/5;而相较于其他同类信誉共识机制,PoLaC在网络通信量、节点活跃度以及恶意节点处理方面均具有一定优势。

RPC-Chain:基于信誉机制与受控PRE的众包模型链

为解决众包面临的信任问题、不对称贡献与收益关系以及数据安全性共享等挑战,提出一种基于信誉模型与受控代理重加密(PRE)的众包模型链,即RPC-Chain。RPC-Chain基于超级账本Fabric,将众包模型的交易流程抽象化。首先,完善信誉机制提高系统整体的效率与公平;其次,引入受控代理重加密以确保数据安全共享服务;最后,使用Fabric搭建众包区块链仿真平台并进行了相关测试。实验表明,该方案在模型设计、数据安全加密共享和信誉模型的激励效果等方面显示出一定优势。

基于通信延迟聚类和节点信誉的PBFT共识算法

针对现有基于分组策略的拜占庭容错共识算法中存在的主节点不稳定、延迟高等问题,提出一种基于通信延迟聚类和节点信誉的PBFT共识算法(CD-PBFT)。首先,设计了新的基于通信延迟的聚类算法对网络中节点进行分组,将通信延迟融合进欧氏距离公式,让系统中的节点根据混合距离进行聚类,最终使各个集群中延迟之和达到最低,减少通信开销,提升共识效率;其次,提出了基于综合评价的信誉模型,综合考虑节点延迟指数、共识行为和历史信誉,对节点进行信誉评估,依据节点行为和延迟差异进行信誉奖惩;最后,优化主节点选取方式,建立了一种基于节点稳定性和信誉模型的主节点选择机制,通过信誉模型获得节点的信誉值后,引入方差来衡量节点的信誉波动,选择信誉高且方差小的节点担任主节点,提高主节点的安全性。实验结果表明,相较于PBFT,该算法平均吞吐量提高了126.8%,平均时延降低了68.3%。同时,与现有基于聚类的PBFT算法相比,CD-PBFT具有较为明显的性能优势,能够更灵活地应用在大规模节点的联盟链场景中。

不可靠通信下基于信誉的联邦学习客户端选择

联邦学习作为一种分布式机器学习框架,因其数据隐私保护特性受到广泛关注,然而,恶意客户端和不可靠通信严重影响了其性能与效率。为了解决上述问题,提出了一种不可靠通信下基于信誉的多任务发布者的联邦学习客户端选择机制。首先,使用上行链路模型传输成功概率评估通信可靠性,并考虑了其对聚合模型性能的影响。其次,提出了一种全面的客户端信誉评价方法,并构建了以最大化任务发布者的聚合模型性能以及所选客户端的信誉-价格比为优化目标的客户端选择机制。为了解决该优化问题,将其建模为马尔可夫决策过程,并利用好奇心驱动的深度Q学习算法进行求解。实验结果表明,所提算法显著优于基准算法,对联邦学习的性能有显著改善。

网格计算资源管理中的信誉度模型

网格资源管理作为网格研究的核心内容,受到研究人员的高度关注。目前已经提出的诸多管理模型中,基于计算经济的模型被人们普遍看好。文中针对计算经济模型,提出了资源信誉度、资源提供者信誉度、资源消费者信誉度的概念。在此基础上,深入研究了信誉度评价的评价模型和算法以及信誉度评价实现中的一些处理策略。对信誉度评价所需的资源使用记录进行了定义,根据评价需要对现有RUR进行了扩展。最后通过仿真实验对信誉度评价算法进行验证,得到了相应的实验结果和结论。

网格计算经济中的信誉度体系结构

针对网格资源管理中计算经济模型的资源信誉度、资源提供者信誉度和服务消费者信誉 度,提出并实现了信誉度评价体系结构以及信誉度评价中的一些处理策略。详细讨论了信誉度评价 的模块组成和实现模型,对信誉度评价所需的资源使用记录进行了定义,由此对RUR(ResourceUsage Record)基本组成的扩展进行了研究。最后通过仿真实验对信誉度评估体系完成了验证,证明体系结 构的设计和实现是有效的。

企业信誉风险成因之探析

本文主要对企业存在的各类信誉风险的成因进行较深入全面的分析 。

基于信誉分类的拜占庭容错共识算法

针对许可区块链场景下实用拜占庭容错(Practical Byzantine Fault Tolerance,PBFT)共识算法通信开销大、主节点选取随意以及吞吐量低等问题,通过引入并优化信誉评分模型(Reputation Scoring Model,RSM)。提出了一种基于信誉分类的拜占庭容错(Byzantine Fault Tolerance Based on Reputation Classification,RCBFT)共识算法。定义RSM,依据节点的历史共识行为所获得的信誉评分排序对参与节点进行动态分类以及分级管理,提出基于信誉分类的多层次节点架构;在可信节点层中随机选取节点来担任主节点,优化主节点选取机制;设计了缓冲节点层类型转换策略(Type Conversion Strategy for Nodes,TCSN),兼顾了环境等非主观因素导致低信誉评分的诚实节点不能参与共识的问题,使得诚实节点尽可能多地参与共识,而拜占庭节点快速下降到最差类型中限制共识权限;RCBFT共识算法还对传统三阶段共识协议进行优化,减少通信开销,在确保容错性的同时能够提高算法性能。实验分析表明,相较于PBFT共识算法,RCBFT共识算法能够提升交易吞吐量,降低通信开销与共识时延。

基于多维信誉模型的区块链跨链节点信誉评估方法

针对现有跨链系统中的信誉评估方法很难对加入到网络中的节点反映实时或最近的行为变化,提出了一种基于区块链的跨链多维信誉评估方法。该方法综合考虑了企业节点在交易过程中的个体行为、交易历史等,并且提出以推荐码的方式来动态调整初始节点的信誉值,同时加入责任共享机制来构建出多层次、动态的信誉评估模型。最后,在Fabric仿真系统上实现对改进多维信誉模型的性能测试。实验结果表明,该方法在跨链交易系统中可有效解决节点加入系统后可能存在后期欺骗行为,提高了系统的整体安全性和系统交易成功率,增加了用户对系统的信任。

面向车联网的车辆节点信誉评估方法

车联网技术的发展促使了交通信息的交互与共享,能有效提升出行效率,但车联网的开放性使得交通实体容易受到恶意车辆的攻击,会造成严重的后果。针对上述问题,文章提出了一种面向车联网的车辆节点信誉评估方法。首先,提出了一种面向车联网的车辆节点分区区块链网络;然后,通过车辆节点之间的信任和基础设施对车辆的辅助信任来计算本地信誉值,借助深度学习算法动态计算全局信誉值,进而可基于全局信誉值确定最佳的数据共享节点;最后,对存储技术进行改进,利用分区区块链存储来保证信誉值、路况信息的不被篡改和可追溯性。仿真实验结果表明,本文所提的方法在通过信誉评估确定恶意节点的准确率和召回率都优于对比方法。

基于信誉机制的改进PBFT共识算法

针对实用拜占庭容错共识算法(practical Byzantine fault tolerant,PBFT)通信开销大和缺乏奖惩机制的问题,提出一种基于信誉机制的改进PBFT共识算法RPBFT(reputed practical Byzantine fault tolerance)。首先,引入信誉机制对节点评分,将参与共识的节点分为收集器节点和普通共识节点,并对恶意节点进行惩罚。其次,收集器节点负责收集普通共识节点的投票消息,避免普通共识节点之间的通信,从而降低通信开销。最后,当普通共识节点中的拜占庭节点均无恶意行为时,通过增加收集所需的投票数量,减少一次投票收集过程,实现快速共识。实验结果表明,RPBFT能够有效地发现恶意节点并对其作出惩罚,同时具有更低的通信开销、平均共识时延以及更高的共识吞吐量。当节点总数为37时,与SBFT相比,RPBFT将平均共识时延降低25.2%以上,并将共识吞吐量提高39%以上。

计及信誉值的虚拟电厂多主体合作博弈交易方法

随着分布式资源高比例接入,虚拟电厂作为聚合多方交易主体参与电力市场的新兴技术逐渐受到广泛关注。然而分布式资源出力不确定性和个体趋利性可能导致参与电力交易过程中造成违约行为。因此,提出计及信誉值的虚拟电厂聚合多方主体参与合作博弈电力交易方法。首先,针对虚拟电厂内各交易主体建立基于合约电量完成度的信誉值管理机制,并构建基于收益最大化的多主体合作出力模型;其次,采用合作博弈理论的Shapley值法确定初始收益分配方案;再次,为激励交易主体积极履行交易合约,合理转移交易风险,引入信誉值对初始方案进行修正,得出改进的收益分配方案;最后,基于MATLAB对算例进行计算,结果表明:合作前后各交易主体收益合计增长率约为101.16%,对比传统Shapley值法收益分配方案,最高和最低信誉值交易主体的收益增减幅度分别约为1.04%和3.13%,验证了所提交易方法的有效性与合理性。

基于信誉评分的共识网络重组机制设计

针对共识算法对良性节点占比的依赖,设计了一种基于信誉评分的共识网络重组机制,使得网络能在遭受攻击或发生故障时迅速自我修复和重组,显著提升了抗攻击能力和服务连续性。首先基于信誉机制理论,开发了一个分布式信誉评分系统,实时评估节点信誉,有效处理潜在恶意节点。此外,提出了一种基于信誉评分的共识网络重组机制,通过识别和隔离恶意节点来增强网络的弹性和安全性。该机制设计了网络弹性重组算法,整合了冗余设置、故障诊断和服务节点重新配置功能,确保网络稳定运行和高可靠性。该研究对金融服务、云计算和物联网等广泛使用共识技术的高安全需求领域具有重要应用价值。

基于云模型的电子商务在线信誉评估研究

为提升电子商务在线信誉评估的真实性与客观性、减少交易风险,提出了一种基于云模型的电子商务在线信誉评估方法。通过分析电子商务交易近期评价与历史评价记录,获取5个评估指标,将评估指标生成对应的分指标信誉评估云;计算分指标信誉评估云的数字特征参数值,将获得的参数值合成综合信誉评估云,比较综合信誉评估云与信誉评估基云得到电子商务的在线信誉评估等级。实验证明:利用该方法能够有效算出不同指标的信誉评估云数字特征,获取电子商务在线信誉评估等级,从而提升电子商务在线信誉评估的真实性与客观性,减少交易风险。

网格经济模型中基于信誉度的资源选择

针对网格资源管理中的经济模型,在资源信誉度的概念基础上,提出了信誉度评价算法和基于信誉度的资源选择算法。通过实验对算法进行验证,结果证明基于信誉度的资源选择在资源调度率、吞吐量、任务完成率和平均完成时间等方面都体现出良好的性能。

基于机器学习的动态信誉评估模型研究

为在开放网络环境中建立资源消费者(用户)和资源提供者(主机)之间的信任关系,提出基于机器学习的动态信誉评估模型.模型中用户的信誉级别可以根据其行为和一些其他监测数据动态变化,而资源的信誉级别也可以根据用户对资源所提供服务的评价动态变化.给出了用于生成评估规则和信誉级别的模糊信誉级别评估算法(FTEA),算法采用基于规则的机器学习方法,具有从大量输入数据中自学习以获取评估规则的能力.实验结果表明,1000组输入数据能够生成理想的规则库,并且算法执行时间随输入判定因素数目成指数形式增长,因此需要选择5～6个因素和1000个左右的样本数据以进行系统实现.

执行体信誉情报——支撑IT治理的新型情报

当前,IT治理面临着越来越复杂的网络安全挑战,传统的防御机制已经难以应对日益多变的攻击手段,现有的防御技术也显露出诸多局限性。针对上述问题,从网络安全对抗的核心出发,提出了执行体信誉情报概念。从发布者信誉、内容信誉、行为信誉、位置信誉和分布信誉5个维度进行探讨,结合具体案例分析,展示了基于执行体信誉情报对执行体进行多维度信誉评估的有效性,以及该方法在支持IT治理工作中的关键作用。执行体信誉情报为IT治理引入了新的理论框架和方法论,有助于网络安全从业者更好地识别威胁、制定IT治理策略,从而提高整体安全水平,显著提升防御效果。

自发信誉机制与社会强制信誉机制

信誉是市场有效运行不可或缺的隐性契约基础。由于市场结构和信息因素的影响,市场主体自发建立信誉的积极性是有限的,自发形成的信誉功能也是有限的。社会强制信誉机制可以使信誉更好地发挥作用,从而促进市场的秩序化发展。

假冒伪劣商品博弈和信誉市场的建立分析

以完全但非完美信息的贝叶斯均衡理论为背景 ,用一个假冒伪劣商品的博弈模型研究了目前中国市场上假冒伪劣商品泛滥的原因 ,分析了企业信誉的损失和市场信誉体制的不完善对成功的效率市场的形成和发展的巨大危害 ,并从企业和市场两个层面探讨了建立信誉市场的可能性。

基于信任和声誉的Agent组织信誉模型

Agent组织是OOP(Object Oriented Programming)向AOP(Agent Oriented Programming)转变的重要形式,一个Agent组织要良好运行应该具有较高的信誉值,但此前这方面研究较少。针对上述问题,基于信任和声誉提出一种Agent组织信誉模型AOCM(Agent Organizational Credit Model)和计算方法,内部信任和外部声誉集成为Agent组织信誉,内部信任基于Agent之间的交互,外部声誉基于Agent的观察;改进了Dong Huynh等人关于Agent信任等方面的工作。实验结果验证了该模型的计算可行性、合理性。