基于多维信任云的信任模型研究

针对主观信任的模糊性和不确定性以及现有的基于云模型的信任模型中粒度粗糙的问题,提出了一种基于多维信任云的信任模型。首先,依据实体间的直接交互经验和交互时间,利用加权逆向云生成算法计算被评估实体的直接信任云;然后,通过评估推荐实体的推荐可信度,计算被评估实体的推荐信任云;最后,综合直接信任云和推荐信任云产生综合信任云,并依此进行可信实体的选择。仿真结果表明,基于多维信任云的信任模型能够有效地识别系统中的各类服务实体,可提高实体间的交易成功率。

基于信任云的无线传感器网络信任评估

无线传感器网络中基于云的信任模型没有考虑到节点间信任关系的时效性,其信任合并采用直接求平均的方法也不符合人的直观判断。针对上述问题,提出了一种新的基于信任云的无线传感器网络信任评估模型。该模型通过节点的近期行为表现给历史信任云和近期信任云分配相应的权重,同时利用相似度对直接信任云和推荐信任云进行了权重修正。实验结果表明:该模型不但可以抵抗恶意节点的多种攻击行为,而且能够实时、准确地发现恶意节点,较原模型性能更优。

基于信任云的簇化层次式WSN安全路由方法

如何能量高效地保障无线传感网的路由安全一直是一个巨大的挑战。提出一种基于信任云的簇化层次式无线传感网安全路由算法(trusted cloud-based secure routing algorithm,TC-SRA),建立基于信任云的无线传感网安全骨架,通过簇化层次式拓扑实现网络节点的高效管理,从兼顾能效和安全的角度提升无线传感网的路由性能。仿真测试结果表明,所提出的算法不仅为无线传感网的路由安全实现提供了新思路,而且能有效控制网络节点的能耗,保障网络生命周期。

基于灰色关联预测与信任云混合算法的方案推荐

针对传统推荐方法中的数据稀疏性问题,常用的方法通常受到数据量的制约,因此采用灰色关联预测法计算方案评分数据间的相关系数,以预测空缺的评分数据;针对面向新用户的冷启动问题,考虑用户兴趣特征相似度和基于信任云的用户对方案评分的相似性,计算用户间的综合相似度,将合适的方案推荐给新用户。最后,以汽车方案推荐为例进行方法验证,并通过与协同过滤,云模型等推荐算法进行对比,证明了该方法的有效性。

基于云模型的信任评估方法研究

复杂的网络环境下存在的随机性、模糊性和不可预测性等不确定性因素给网络交易带来了诸多安全问题,而在网络交易中,信任是交易能够顺利进行的前提和关键.文中以复杂的网络环境为研究背景,通过对复杂的网络环境中信任、信任影响因素及信任机制等问题的研究,引入云模型理论,研究并提出了基于云模型的信任评估方法,实现了信任的定性与定量的转换,客观地反映了信任的随机性、模糊性和不可预测性;为了有效地防止不法分子的信用炒作和欺骗行为,文中提出了特殊属性评价方法和信任惩罚方法.通过仿真实验,验证了文中研究的信任评估方法能够对复杂的网络环境中实体的信任做出合理的评价;通过防信用炒作实验和防周期行骗实验,进一步验证了基于云模型的信任评估方法的可行性和合理性,为复杂的网络环境中信任评估的研究提供了有价值的新思路.

基于云模型和风险评估的信任模型研究

针对基于云模型的信任模型缺乏对反馈信息的可信度量以及风险评估等问题,提出一种新的信任模型。综合反馈实体的评价次数、评价行为一致性等因素对反馈者提交的评价信息进行可信度量,基于加权逆向云生成算法构造被评估实体的实体信任云,根据被评估实体的活跃度和实体信任云的数字特征参数进行交互风险的评估。仿真结果表明,该模型能较好地反映实体的行为特点,提高实体间的交互成功率。

P2P网络中基于云模型的主观信任评价

为了解决P2P网络交互的安全性问题,模拟人际交互网络,提出了基于云模型理论的主观信任评价模型.通过信任云及信任等级基准云的定义,实现了主观信任定性与定量的统一,客观地反映了信任的模糊性与随机性.通过逆向信任云算法、信任云合并算法及信任云相似度计算算法,实现了主观信任的综合评价和决策.仿真实验分析表明本方法是有效的和合理的.为开放式网络环境中的信任评估研究提供了一个有价值的新思路.

云计算环境下服务信任评估方法研究

云计算环境中,服务资源广域分布、复杂多变,服务实体之间的信任关系因不确定性强而难以有效建立与维护。传统的服务信任评估方法无法全面反映信任的随机性和模糊性特征。在研究云模型理论的基础上,提出一种基于加权多属性云的服务信任评估方法。引入时间衰减因子来反映服务信任的时效性,并以多属性信任云来细化信任评估的粒度。计算用户评价相似度,确定推荐实体的推荐可靠性和权重,防止不法分子的合谋欺骗和恶意攻击。通过云相似度计算确定服务的信任等级,为用户的服务选择提供安全决策。仿真结果表明,该方法明显提高了服务交互成功率,并能有效适用于云计算环境下的服务信任评估。

基于加权多属性云的主观信任度量方法

针对现有基于云模型的信任度量方法缺乏对信任的多粒度及时效性考虑,提出一种基于加权多属性云的信任度量方法。首先,以多属性信任云对信任度量粒度进行细化,并在实体信任计算中引入时间衰减函数;其次,对信任云的多属性综合与多路径合并得到实体的最终信任云;最后,采用云的相似度比较算法与信任基准云进行比较,得到实体的信任等级。通过网格计算环境下的仿真实验表明,当节点交互100次时,采用加权多属性云的度量方法的交互成功率为80%,比传统方法提升了15%。仿真结果表明,采用加权多属性云的度量方法可以提高信任度量的准确度。

云平台上建立用户服务信任度评估机制研究

开放的云计算环境下,云服务的多样性、复杂性及质量的参差导致用户的评估与选择具有极大困难,同时也使得交互过程中存在着巨大的安全隐患。基于上述问题,提出了一种用户服务信任度的评估机制。针对信任评价中存在的主观模糊性与客观随机性以及评价属性粒度粗糙等难题,结合云模型与粗糙集理论,研究设计了加权的多维属性信任云评估方法。通过借鉴云模型的不确定性问题研究思想,设计了基于属性偏好的权重算法,细化了评价粒度,满足了个性需求,并提出了交互的主客体信任双向更新及欺骗防御机制,增强了方法的鲁棒性。仿真结果表明,该机制能够有效完成用户服务信任度的评估,为用户的选择提供了有效且安全的保障。

主观信任云在文本分类中的应用研究

自然语言的不确定性是影响文本分类性能的最重要因素。从降低自然语言中的不确定性出发,将主观信任云引入到文本分类中,提出了一种基于主观信任云信任决策的文本分类方法。该方法通过基于云的概念跃升计算出文本类别概念特征,采用主观信任特征向量作为待分类文本与类别概念之间的相似度判断标准完成分类。该方法有效减少了自然语言的不确定性影响,在不同文本分类方法的实验对比分析中,充分体现了其优异的分类性能。

电子商务环境下的基于云模型的信任评估模型

针对现有的基于云模型的信任评估模型中云滴权值考虑不足的问题,提出了一种新的基于云模型的信任评估模型.模型基于评价次数和评价一致性度量评价向量的可信程度,以实体间的可信历史评价数据集为定量论域,基于加权逆向云生成算法计算评价属性集中任一属性的信任云,引入不确定因子和侧重因子进行信任决策.仿真实验表明,该模型能够更准确的反映卖方实体的特性,从而为电子商务网络中交易对象的选择提供有利的参考.

基于加权多属性云的服务信任评估方法

针对云计算环境中服务信任的随机性和模糊性以及现有基于云模型的信任评估方法对时效性和推荐信任考虑不足的问题,提出一种基于加权多属性云的服务信任评估方法。首先,引入时间衰减因子为每次服务评价赋权重,从服务的多个属性细化信任评估粒度,通过加权属性信任云逆向生成器得到直接信任云;然后,根据评价相似度确定推荐实体的推荐权重,并计算得到推荐信任云;最后综合直接信任云和推荐信任云生成综合信任云,通过云相似度计算确定服务的信任等级。仿真结果表明,所提方法明显提高了服务交互成功率并有效抑制恶意推荐,能够更加真实地反映云计算环境中服务信任情况。

面向云数据安全自毁的分布式哈希表网络节点信任评估机制

在云环境下的数据自毁机制中,针对分布式哈希表(DHT)网络的恶意节点和不诚信节点容易造成密钥分量丢失或泄露等问题,提出面向云数据安全自毁的DHT网络节点信任评估机制。该机制首先为节点建立二维信任评估模型,对节点可信程度进行定性和定量的考察;接着改进节点直接信任值和推荐信任值的计算方法,充分考虑节点内外因素,从节点运行环境和交互经验两个维度出发并细化到不同层级计算节点信任值,得到信任评价子云;然后将各个信任评价子云加权合成得到综合信任云,采用云发生器描绘出综合信任云一维高斯云图形;最后结合信任决策算法选出最优可信节点。实验结果表明该机制能够帮助原有的数据自毁机制找到更适合存储密钥分量的DHT网络节点,提高了系统的容灾能力并降低了系统计算负载。

基于隶属云理论的主观信任评估模型研究

根据主观信任的主观性、模糊性和随机性等特点,引入隶属云模型理论对信任进行建模,给出了信任云和信任等级云的定量描述,提出了信任评价云的计算、合成、综合运算和主体信任等级的评估。模拟实验结果表明该信任评估模型是有效的。

面向云计算基于双层激励和欺骗检测的信任模型

针对云计算环境下存在的信任问题,该文提出基于双层激励和欺骗检测的信任模型(CCIDTM)。该模型提出了一组云计算服务属性评价指标,引入了信任度随时间衰减的动态信任机制,建立了对服务提供商服务行为和用户评价行为的双层激励机制,提出了一个共谋欺骗检测算法,提高了模型的动态适应性和评价的综合性。实验结果表明,与已有信任模型相比,该模型评估的结果更接近服务提供商的真实服务行为,能够有效地抵抗各种恶意行为的攻击,表现出良好的鲁棒性。

基于云模型的主观信任评估机制

针对传统的网络安全手段不能有效解决云计算安全问题的现状,提出在云计算环境中建立主观信任评估模型的研究方案。介于主观信任的模糊性和不确定性的双重特征,引入定性定量转换模型-云模型理论刻画主观信任评估机制的演化过程,给出信任向量、信任云的定量描述。在此基础上定义实体信任云的概念,并设计实体信任云的计算,评估和更新的算法。实例分析和仿真结果表明了该主观信任评估模型的正确性和有效性。

云信任驱动的物联网信息资源分层共享仿真

针对传统的物联网信息资源分层共享方法存在开销大等问题,提出云信任驱动的物联网信息资源分层共享方法。根据物联网中心资源模型,将物联网信息资源分为时间模型、Web负载模型以及信息资源中心传输模型。全面分析物联网信息中心资源对外提供的服务以及各个资源基本模型之间的交互关系,组建物联网信息中心资源分层共享模型,采用自适应粒子群算法优化分层模型的早熟收敛问题,实现云信任驱动的物联网信息资源分层共享。经仿真证明,所提方法具有开销小、检索快速以及资源利用率高的问题。

一种基于主观逻辑的云信任评估模型

为解决云计算下网络交互节点的可信性问题,提出了基于主观逻辑的云信任评估模型。在主观逻辑的事实空间和观念空间对实体的可信性进行了表达,对云计算下的信任串联传递和并联合意进行了计算,并建立了主观信任观念等级评估方法。通过实验仿真,证明了模型的有效性。

基于信任的反馈云模型WSN节点信任评价机制

在无线传感器网络(Wireless Sensor Network,WSN)中,节点信任评价作为传统的基于加密的安全体系的补充手段,可用于识别恶意节点并处理来自网络内部的攻击。针对用于数据采集的分簇WSN,从节点所采集数据的时间和空间相关性出发,构建基准云模型进行基准云校验,计算节点的自身信任和邻近节点信任,提出了一种基于信任反馈的云模型节点信任双重评价机制。仿真实验结果表明,该方案不仅能够有效检测单节点恶意攻击,也适用于同簇内多节点合谋攻击。