AI普及化背景下的价值提升机制与未来研究方向——基于人机持续互信视角

随着人工智能(Artificial Intelligence, AI)技术在各行各业的普及应用,如何推动人与AI系统的协作创新,进而提升AI系统价值是当前重要的管理挑战。本文从人机持续互信的视角出发,对用户和AI系统协作中的信任及其提升机制进行了系统的综述,并识别出当前研究在持续信任、人机互信、技术保障和组织适配等方面的研究不足,提出构建人机持续互信的AI系统是提升其价值的关键。论文基于此提出未来的四个研究方向:(1)用户持续信任导向的AI感知特征设计;(2)人机双向信任导向的AI交互特征设计;(3)人机持续互信导向的AI技术保障设计;(4)人机持续互信导向的AI组织适配设计,希望为未来AI系统相关的研究提供指引框架。

可信拜占庭容错共识机制

针对实用拜占庭容错共识机制中存在共识效率低和激励机制不足的问题,提出一种可信拜占庭容错共识机制。首先,建立引入奖惩机制和时间衰减因子的节点信任评价模型,计算节点的信任值。然后,根据节点信任值进行排序,选择信任值高的节点组成共识节点集,利用可验证随机函数选取共识节点集中信任值高的节点作为主节点。此外,在拜占庭共识过程中利用BLS签名保证主节点不会作恶。实验仿真结果表明,信任模型可以有效惩罚作恶的节点,可信拜占庭容错共识相比于实用拜占庭容错共识交易吞吐量可以提高43%.

一种基于区块链的众包激励机制

众包指利用群体智能来收集、处理、推断和确定大量有用信息,在服务评分、调查问卷、投票以及工业物联网领域都具有巨大的潜力。众包系统涉及3个利益相关者:平台、工人和任务发布者。传统的众包系统是激励不相容的,同时由于缺乏信任,任务发布者和工人之间传输的所有数据都需要远程中心化平台充当信用中介,这意味着会造成网络拥塞、隐私泄露等问题。针对以上问题,提出了一种基于信任值的众包激励机制,包括了一种众包工人的“奖励-惩罚”模型、任务发布者与主节点间的佣金机制以及主节点间资源置换囚徒困境的智能合约方案。通过在边缘环境的主节点上构建智能合约,实现上述多方激励机制。通过闪电网络的链下交易实施办法构建低成本的实时海量交易通道,解决了主节点与工人间的信任问题和交易效率问题。最后,通过多维度对比仿真实验,验证了提出的众包激励机制及其实施办法的有效性。

基于区块链的多价值链协同数据共享方法

针对基于第三方云平台多价值链协同过程中存在数据描述不统一、数据易被篡改、数据资源共享主体之间缺乏信任等问题,提出一种基于区块链技术的多价值链协同数据共享方法。首先提出基于区块链技术的第三方云平台多价值链协同数据共享框架,该架构由数据源层、数据集成层、区块链服务层、多价值链协同数据共享层、多价值链协同服务层组成;然后提出面向多价值链协同数据集成与共享的数据资源元数据模型与建立方法;接着阐述了多价值链协同数据上链机制以及数据集成上链与共享过程;最后通过面向汽车行业多价值链协同维修服务的数据共享真实案例,验证了所提方法的有效性。区块链透明公平、可追溯、不可篡改的特点以及加密算法可以保障数据资源共享过程安全可信,更好地促进多价值链协同服务发展。

一种基于多因子信任机制的无线传感网络安全路由协议

为解决以往基于信任机制的无线传感网络平面式路由协议中存在的问题,如信任计算指标不全面、人工赋权导致权重不可靠、路由节点相关而导致丢包、延迟、能耗等等,提出了一种基于多因子信任机制的无线传感网络安全路由协议SRPMT,该信任机制考虑了节点直接信任、间接信任、剩余能量、节点间距离度量和汇聚节点sink距离等五项信任因子,采用熵权法进行动态赋值权重,采用改进的AODV协议节点不相关多径路由,sink根据信任的链路质量计算出最优路径及备用路径,当多条路径都不可靠之后网络发起路由重建,降低了路由重建频率。仿真结果表明,与TSRP与AODV相比,SRPMT有效降低了网络节点能耗、延迟与丢包率,提高了无线传感网络的安全性。

无人机自组网中基于信任的路由机制

传统无线路由方式不能很好地适应无人机自组网通信链路不稳定、节点能量受限等特点,为此,提出了一种新的基于信任的路由方案。首先,考虑了节点传输数据包所产生的能耗,对已有的分簇算法进行优化,选择剩余能量超过阈值的节点作为转发候选。其次,引入转发正确率、节点交互频度、探测成功率等信任因子对节点行为进行建模,由簇头节点汇聚所有的信任信息,并利用贝叶斯理论评估节点信任值。最后,在传统按需路由协议基础上,通过节点剩余能量、节点信任值及跳数来计算整体路由成本,并基于路由成本选择转发节点,确保了路由路径上的节点性能及行为可靠。所提方案有效提高了分组投递率及吞吐量,降低了端到端时延与转发能耗。

基于模糊理论的信任度评估模型

信任管理是当前网络安全研究的热点。信任问题,主要存在于访问控制过程中,不仅是电子商务系统中,而且也是目前兴起的分布式计算中所需要面对的重要问题。在分析了传统安全授权机制的特点,以及介绍信任管理概念和简述信任度评估模型的基础上,根据第三方的推荐信任,提出了基于模糊理论的信任度评估模型,使得用户信任度的评估更加灵活可靠。

一种基于信任机制的概率矩阵分解协同过滤推荐算法

传统的概率矩阵分解算法虽然较好地解决了推荐过程中的稀疏性和用户冷启动问题,但由于没有考虑到用户之间的信任信息,造成推荐精度不高.本文利用用户评分过程中潜在存在的信任关系,提出一种基于信任机制的概率矩阵分解协同过滤推荐算法TM-PMF(Probabilistic Matrix Factorization Algorithm of Collaborative Filtering Based on Trust Mechanism).首先根据用户间的信任关系来构建信任网络以获得信任评分矩阵.然后将信任评分矩阵与用户评分矩阵进行融合构建用户-信任评分矩阵,接着通过概率矩阵分解技术获得最优推荐列表.最终实验结果表明在不同稀疏数据集上,本文提出的TM-PMF算法较传统算法在精度方面有较大幅度地提高.

零售商对供应商的信任、控制机制使用和价值创造之间的关系研究

面对日益激烈的竞争环境,零售企业越来越注重与其供应商建立长期稳定的合作关系以应对挑战。本文研究的是垂直渠道关系中零售商对供应商的信任、控制机制的使用以及从与供应商关系中获得的关系价值之间的关系。通过对中国家电业414对零售商-供应商关系的问卷调研数据的分析,运用因子分析及结构方程的方法,验证了我们提出的概念模型及假设。本文研究结论表明零售商对供应商的不同水平的信任通过不同的控制机制的使用能为零售商带来不同的关系价值。

P2P网络中基于全局信任值的激励机制

针对自由骑问题,提出一种基于全局信任值的激励机制,以激励节点积极贡献、可靠服务。在大规模的P2P网络中,节点间交易的随机性造成建立重复博弈的概率极低,导致TfT(Tit-for-Tat)策略失效。节点的全局信任值能够反映节点对网络贡献大小与服务质量好坏,基于节点间全局信任值的差异设置服务响应规则、查询转发规则以及邻居选择规则,形成一种普适性更强的激励机制,间接体现TfT策略。仿真实验表明,这种激励机制能够抑制自由骑,鼓励节点共享资源。

网格资源访问的对等信任机制

针对传统网格信任模型中倾向于资源使用者抉择资源而忽略资源提供者的抉择这一现象,分析了信任关系具有的特性,建立了基于域的对等信任模型,并提出了一种更能充分发挥网格资源效率的对等信任机制。该机制认为网格的实体具有资源使用阈值和资源提供阈值,网格实体在进行资源的共享和协同时,交互双方在使用资源和提供资源方面都需要根据相应的阈值抉择匹配的信任度,并通过推荐信任链路建立对等信任关系。

基于计算机制建立品牌信任的实证研究

如何建立信任是近年来关系营销领域研究的重要课题,也是现实企业面临的重要问题。计算机制是经济学研究中建立信任的重要手段,关系营销领域也有很多研究中提及。但是,计算机制是如何影响消费者对品牌信任的建立,这在营销领域的研究中,尤其是品牌层面的研究还很匮乏。本文深入分析计算机制的理论基础,通过现有文献和消费者访谈提出并论证了经济价值和感知风险如何能反映计算机制及其与品牌信任的关系。最后,通过在化妆品行业收集的数据对提出的模型与假设进行了实证检验。

基于信用投票共识的主从多链分层跨链模型

该文提出了一种适用于联盟链的基于信用投票机制的共识算法(PoVT)。该算法通过引入投票机制来决定记账权的归属,避免了节点之间的算力竞争,使系统中的节点能够公平地获得记账权;通过给节点赋予信用值,减小权益对系统的影响,同时对节点的行为进行量化评价能够更好地约束节点的行为,使其对恶意行为产生顾虑;此外,在PoVT的基础上提出了一个主从多链的分层跨链模型,对其性能进行了实验分析,结果表明系统的效率有了提高,且对双花攻击、自私挖矿、权益粉碎等攻击手段都有一定的防御能力。

车联网中基于区块链的分布式信任管理方案

针对车联网中恶意车辆识别效率低、识别准确率低带来的安全问题,提出了一种基于区块链的分布式车联网信任管理方案。通过聚合车辆的评分信息,结合贝叶斯推理模型设计了一种虚假信息识别策略。联合车辆历史交互信息以及交通事件信息设计了一种声誉值更新算法,并利用声誉阈值识别恶意车辆。通过路边单元构建区块链,实现了交通数据以及车辆声誉值的分布式存储。改进了传统的工作量证明共识机制,通过事件等级与参与评分车辆数量动态改变矿工节点的出块难度,并利用等待机制使近期出块的节点暂时停止参与矿工节点的选举过程,从而减少重复计算带来的资源消耗。仿真结果表明,所提方案能够有效识别虚假信息,抵御恶意车辆的欺骗行为,提升恶意车辆的识别效率,减少资源消耗,在车联网的分布式信任管理方面是有效可行的。

基于直接和推荐可信度的P2P综合信任模型

提出了一种新的P2P网络环境下的综合信任模型。明确区分了服务质量和反馈质量,不是简单地将节点的信任度作为推荐权重,而是通过节点推荐可信度来计算节点的推荐信任度,并且通过动态权重因子平衡自身交互历史经验和其他节点的推荐信任来计算节点的综合信任度,同时为每个节点引入信誉积分属性以鼓励节点提供服务和推荐信息,提高节点参与网络活动的主动性,给出了信任模型的实现算法和仿真实验。实验结果表明,信任模型能准确计算节点信任度,并且能抵抗恶意节点的夸大、诋毁、协同作弊等恶意行为,具有良好的性能。

电子商务交易中信任度计算模型研究

信任是建立社会关系的基础,也是建立社会秩序的基本工具。在电子商务领域,信任则是交易能够发生的前提,如何度量信任、计算信任则成为电子商务系统的重要组成部分。本文针对目前电子商务信任管理系统中信任计算模型存在的问题,提出一个综合考虑用户信任度影响因素的信任度计算模型,给出相应的计算公式和方法,并引入信任担保机制、信任奖惩机制等,以克服现行信任管理系统对新用户的不公平以及存在的"freerider 现象"等。

面向半分布式P2P系统的可靠节点交换机制

P2P系统中广泛使用的来源交换(PEX)技术为系统用户提供了丰富的节点资源,加快了节点交换速度,同时也带来了不可避免的安全隐患,恶意节点可以通过来源交换对正常节点的邻居列表进行污染。首先分析了现有来源交换技术存在的安全隐患,讨论了导致这些安全隐患的核心因素;其次,以来源交换的安全性分析为基础,提出了一种面向半分布式P2P系统的安全节点交换机制。该机制借鉴基于信任评估的激励技术,通过给出超级节点的信任评估方案,引入节点来源信任的概念,以节点的来源交换信任值为支撑,控制节点间的来源交换。最后,对提出机制进行了实验性能分析。实验结果表明,由于网络异构性所存在的信任值错误计算问题,所提出的交换机制虽然会导致约2.5%比例正常的节点交换失效,但可大幅度降低正常节点参与恶意节点传播和污染的情况,从而在总体上提升了P2P系统的可靠性。

基于区块链的现代文化产业投融资体系创新研究

现代文化产业投融资体系是文化金融与现代科技深度融合的背景下,对接国家政策与现实难题的新时代重要命题。集合了多种前沿科技的区块链作为一种颠覆性变革力量,在技术层面为文化产业投融资体系的创新与变革提供了强势驱动。以Token化改造为核心的价值评估机制构筑了基础层,以去信任为基础的信任机制打造了中坚层,以智能合约为载体的智能投融资平台搭建了核心层,三大层级在区块链上的协同为现代文化产业投融资体系的不断健全描绘了蓝图,并在应用层面展示出多元的实践场景。

消费者对共享出行平台和服务方的信任机制研究

基于刺激反应理论(S-O-R),构建"影响因素-消费者信任-使用意愿"的研究模型,探讨影响消费者对于以滴滴出行为代表的共享出行平台和服务方信任的关键因素,及其如何提升消费者的使用意愿。研究发现:(1)社交影响、平台质量、政府监督和制度保障等因素能够促进消费者对平台方的信任,信任倾向因素则对平台方信任影响不显著;(2)信任倾向和消费者对平台方信任显著影响消费者对服务方的信任,但制度保障和互动历史因素对服务方信任几乎无影响;(3)消费者使用意愿主要受消费者对平台方信任的影响。为此,提升平台整体质量和响应效率,加强制度规范和安全保障建设是共享出行企业提升消费者信任的关键途径。

关于政府信任的思考与分析

政府信任对于政治系统的秩序维持和持续发展具有重要的影响。一个理性的政府应该选择与公众建立良好的政治互动关系。就政府信任的生成而言,政府信任高低与否的根本原因在于公众对政府的认知与公共期望之间的落差大小;就政府信任的价值而言,政府信任具有重要的政治功效。