一种基于反馈可信度的分布式P2P信任模型

开放、共享与匿名的Peer-to-Peer(简称P2P)网络已经取得了越来越多的应用,无中心对等的特性也吸引了越来越多的用户.但由于其网络中的节点不受约束,资源的共享是用户自愿的行为,因此节点间的信任很难通过传统的信任机制建立.一种可行的解决方案是借鉴人际网络中的信任关系,建立一种基于信誉的全局信任模型.已有的工作基本建立在信任度高的节点其反馈也更可信这个假设的基础上,将节点的反馈质量简单地等同于服务质量.针对这一问题,提出了一种基于节点反馈可信度的分布式P2P全局信任模型(简称FCTrust),用于量化和评估节点的可信程度,并给出了模型的数学表述和分布式实现方法.分析及仿真实验结果表明,FCTrust较已有的全局信任模型在遏制更广泛类型的恶意节点攻击的有效性、迭代计算的收敛性及消息成本上有较大提高.

P2P环境下基于层次域的全局信任模型研究

对等计信任模型是目前提高P2P系统安全性的一个重要方法。在分析各类信任模型的特点和节点行为特征的基础上,提出了一种基于层次域的全局信任模型,采用邻近原则和信任度划分节点域,并在此基础上加入了奖惩机制,具有较好的信任收敛度和对恶意行为的防范效果。

一种基于信任和信誉的安全网格信任模型

为兼顾对多级别人员的静态和动态信任管理,根据异常的危险程度对信任值进行定义和划分,并根据用户的信任值动态变化情况定义信誉值,由此给出一种基于信任和信誉的全局网格信任模型。针对不同级别人员和不同异常情况的仿真结果显示,利用基于全局信任模型,可以对网格进行客观评价和动态监测,为网格的主动防御提供决策依据。

P2P网络中一种可信任的全局信誉模型

针对P2P网络中的节点安全性问题提出一种全局信誉模型,在历史交易的基础上动态更新各节点的服务信任值和请求信任值,讨论了信誉建立过程中的5种攻击对信誉模型的影响.仿真实验表明,该模型的信任值更新算法和防御机制具有健壮性,可保护网络中的诚实节点,迅速降低恶意节点的信任值,有效抑制恶意行为.

带记忆信赖域方法的收敛性分析

本文给出了一个求解无约束优化问题的带记忆信赖域算法,并分析了其全局收敛性。

基于信任模型的安全应用层多播协议

针对ALM(application layer multicast)安全性方面存在的问题,设计了一种新的ALM协议。节点加入多播组时,协议对节点的信任度进行认证检测。在交互过程中动态计算节点信任度,以便准确识别覆盖网中的恶意节点。同时,通过标签机制,有效防止了节点对信任信息的恶意篡改。仿真实验结果表明,该协议能有效区分恶意节点并对其进行控制,对多播安全性方面存在的问题有较大改进。

P2P网络中支持文件共享的信任管理系统

建立原型系统对P2P网络环境下的信任模型进行测试与分析有着十分重要的意义。基于目前已有的全局信任模型,结合最流行的P2P文件共享应用,本文设计一种P2P网络信任管理系统,并使用JAVA语言编程实现该系统;实验结果表明,全局信任管理系统能够极大地提高P2P网络中的服务成功率。

无约束最优化锥模型拟牛顿信赖域方法的收敛性(英)

本文研究无约束最优化雄模型拟牛顿信赖域方法的全局收敛性．文章给出了确保这类方法全局收敛的条件．文章还证明了，当用拆线法来求这类算法中锥模型信赖域子问题的近似解时。

基于全局信任度的多层分组P2P信任模型

通过多层分组策略,利用组中信任度、全局信任度和个人评价制度,提出基于全局信任度模型的新算法。对于对等节点的每一次P2P连接,算法会在交互前对每个可能交互的信任度进行合理评价,使节点事先得知交互的信任度参考值,可以由此采取相应策略提高交互安全性。经过算法分析和仿真测试表明,该模型的全局信任度具有迭代收敛性,对交互的信任度评价可信度高,对P2P安全性上存在的问题具有较大的改进。

基于Kriging模型和对偶理论的无约束全局优化方法

针对基于Kriging模型的全局优化方法收敛速度慢、优化效率低且无法跳出局部最优区域等缺点,提出一种基于Kriging模型和对偶理论的无约束全局优化方法,引入正则对偶变化将普通Kriging模型本身的非凸优化问题转换为凸优化问题,利用基于Kriging模型的改进信任域策略对该凸优化问题进行迭代寻优。该方法能有效平衡全局和局部搜索行为,并大幅提高算法性能。通过7个数值测试例子和一个工程仿真实例,验证了所提方法的有效性和实用性。

一种基于新锥模型的自适应信赖域算法

本文提出一种自动确定信赖域半径的新锥模型信赖域算法.该算法在每步迭代中利用以前迭代点的二次信息和水平向量信息自动产生一个信赖域半径.且证明了全局收敛性及超线性收敛性,数值结果验证了新算法的有效性.

一类锥模型非单调信赖域算法及收敛性分析

本文对无约束优化问题提出了一类基于锥模型的非单调信赖域算法.二次模型非单调信赖域算法是新算法的特例.在适当的条件下,证明了算法的全局收敛性及Q-二次收敛性.

一个基于锥模型的自适应信赖域算法

对无约束优化问题提出了基于锥模型的自适应信赖域算法.把锥模型子问题变成二次模型的子问题进行求解,从而减少信赖域子问题的求解.二次模型的信赖域算法是新算法的特例.在适当的条件下,证明了算法的全局收敛性及超线性收敛性.数值试验表明新算法是有效的.

基于锥模型的自适应信赖域算法

基于锥模型,结合提出的新的自适应技术,建立了一个求解无约束最优化问题的自适应信赖域算法,并在适当的条件下,证明了算法的全局收敛性和Q-二阶收敛性.

一类新的带记忆模型的非单调信赖域算法

本文就无约束优化问题提出了一个带记忆模型的非单调信赖域算法。与传统的非单调信赖域算法不同,文中的信赖域子问题的逼近模型为记忆模型,该模型使我们可以从更全面的角度来求得信赖域试探步,从而避免了传统非单调信赖域方法中试探步的求取完全依赖于当前点的信息而过于局部化的困难。文中提出了一个带记忆模型的非单调信赖域算法,并证明了其全局收敛性。

一个自动确定信赖域半径的锥模型信赖域方法

自适应信赖域算法由于利用了对算法有重大影响的有关当前迭代点的信息,提高了算法的效率,因此对于无约束最优化问题提出一个锥模型自适应信赖域算法.算法中信赖域半径采用新的自适应修正策略.算法在每步迭代中以R-函数变化的速率、水平向量信息以及当前迭代点的一阶导数信息来修正信赖域半径的大小,使得信赖域半径的修正依据于问题本身,克服传统信赖域算法中没有利用当前迭代点的信息修正信赖域半径的缺点.在一定的条件下简洁地给出了算法的全局收敛性分析.算法丰富了已有的自适应信赖域算法.

一种求解无约束优化问题的非单调信赖域算法

提出了非单调信赖域算法求解基于锥模型的无约束优化问题,该算法在求解信赖域子问题时充分利用了当前迭代点的一阶梯度信息。提出了一个新的信赖域半径的选取机制,并和经典的信赖域方法作比较分析。设定了一些条件,在这些假设条件下证明了算法是整体收敛的。数值实验结果表明,该算法对基于锥模型的无约束优化问题的求解是行之有效的,拓展了非单调信赖域算法的应用领域。

P2P环境下对EigenRep全局信任模型的优化

随着P2P网络的广泛应用,基于P2P环境的信任模型也迅猛发展。但是目前提出的很多信任模型还远远不能令人满意。针对EigenRep全局信任模型所存在的网络性能开销过大的问题,提出了一种优化方法。仿真实验证明,这种优化方法在防御恶意攻击和降低网络性能开销两方面都可以取得理想的效果。

一个基于锥模型的线搜索非单调信赖域算法

针对无约束优化问题提出了一类基于锥模型的新的非单调信赖域算法,将非单调线搜索应用到锥模型信赖域方法上,使得新算法无需重解子问题.在适当的条件下,证明了此算法的全局收敛性.