基于侧链和信任管理模型的数据共享方案

为解决在不信任的区块链环境中由于数据转售而造成的用户不愿共享数据等问题,提出一种基于侧链和信任管理模型的数据共享方案。使用信任管理模型量化节点信任值,将节点信任值集成到数据共享智能合约中,为用户提供可信的共享环境和动态的访问控制接口。对联盟链进行侧链扩容,使用信任管理模型优化共识算法。规定主链使用具有拜占庭容错能力的T-PBFT算法,侧链使用仅适用于高信任场景的T-Raft算法。用户根据预先设置的阈值动态决定在主链或侧链共享数据。实验就方案的安全性和性能进行分析,表明了该方案的可行性和有效性。

文化遗产数字叙事信任模型:概念与框架

信任是数字环境下文化遗产数字叙事的基础。文化遗产数字叙事是一种具有重构和演绎特质的叙事方式,在数字化、数据化和艺术化阶段会产生不同的信任问题。作为一种特殊的信息系统,文化遗产数字叙事的人机交互特征体现出系统、信息和用户之间的相互连通和协同影响,系统叙事的可信度和用户体验的信任感构成了信任模型的双向动态互动,涉及文化遗产信息资源、叙事性架构、数字化呈现、系统本身的功能建设和知识服务,以及用户的意图和行动。文化遗产数字叙事信任模型不仅有助于提升文化遗产的数智化活化利用水平,促进对文化遗产信息资源的深度挖掘、叙事内容的创意演绎、文化内涵的有效阐释与呈现,而且有望为可信的文化遗产数字叙事提供理论和实践指导,助力文化遗产数字化转型发展。

零信任的安全模型研究

零信任被认为是一种新的安全范式,从安全模型视角,揭示了零信任架构以“身份和数据”为主线的安全模型深化与整合.零信任以身份为核心建立全景管控实体链条,围绕实体属性功能生命周期等建立深度防御,并集中重定向实体间信息的流动,整合信息通道,实现层层防护和细粒度动态化访问控制,最后从攻击者视角在信息流通道关键节点设置主动防御机制.由于零信任系统一定会成为高价值资产,探讨了零信任系统演进中与业务深度融合、零信任自身安全和弹性服务能力的新趋势.通过对零信任蕴含安全模型和自身安全性的分析,期望能够为零信任在应用中的架构设计、技术演进、应用安全提供更加清晰的技术发展路径.

基于“四象限模型”的医患信任测量量表构建及初步研究

目的 通过构建适宜我国应用的“四象限模型”医患信任测量量表,评价分析其效度及信度,为改善医患关系提供一定的帮助。方法 本文以国外学者研究的“四象限模型”为理论框架,通过文献回顾、访谈法、德尔菲专家咨询法等多种方式构建“四象限模型”医患信任测量量表,将某院作为实际研究的案例,对“四象限模型”医患信任测量量表的信度、效度进行检验。结果 “四象限模型”医患信任测量量表的总Cronbach’s α信度系数为0.912;分半信度R为0.863和0.932;内容效度Pearson相关系数0.38~0.81,均具有统计学意义;结构效度RMR为0.065,RMSEA为0.073,χ~2/df为2.236,GFI为0.791。结论 经过某医院的实证检验,“四象限模型”医患信任测量量表具有较高的信度和较好的效度,可为我国医患信任方面研究提供一个科学的、合理的、有效的并且符合我国国情的医患信任测量量表,在重构医患信任、改善医患关系方面有着广阔的应用前景。

基于RTM信任模型的DPoS共识机制改进研究

为了解决传统DPoS共识算法中存在的恶意行为“摇摆节点”问题和因权益分配不均所造成的“财富集中”问题,提出了一种基于RTM信任模型改进的R-DPoS共识算法。首先,该算法根据节点间的信息传播方向与交易关系对网络节点进行集合分类,在考虑了时间衰减因子等影响因素的条件下分别计算了各节点的直接信任值、推荐信任值以及全局信任值;其次,引入了节点摇摆度值概念,根据计算得到摇摆值的大小,将相邻共识轮次前后该值的变化情况进行比较,再对摇摆节点做出不同程度下的共识轮次惩罚限制措施;最后,在见证人节点投票过程中,增加了平衡反对票环节,再利用前期得到的综合信誉值,构建了一套新的记账节点选举评估准则,根据每轮计算后得到的节点评估值大小来动态地选择见证人节点,并完成一轮共识过程。仿真实验结果表明:改进后的共识算法相较原始DPoS共识算法、基于奖励机制和信用机制的改进共识算法而言,节点选举成为见证人节点的积极性提高了24%、18%,公平性增加了15%、10%,节点作恶的概率降低了9%、15%。

基于隐马尔可夫模型的商品信任值计算

融合用户在线评论文本与评价等级来计算商品信任值是构建社会化商务中信任机制的重要环节。利用长短时神经网络计算出用户评论文本的情感得分值,将其与用户评价等级值相结合得到用户综合评价观测值;利用隐马尔可夫模型建立评价信息和信任程度之间观测状态生成的概率矩阵,计算出不同评价观测值对应的信任程度;计算商品在最信任状态的概率值求和平均后求得商品信任值。结果表明论文提出的模型能有效提高信任计算的准确性。

网络时代下的教育信任研究——基于教育部微博评论的话题模型与情感分析

本研究通过对教育部官方微博的评论进行深入分析,揭示了网民对教育的关注与信任状况。结果显示,网民对教育部微博的评论集中在教育政策与实践、教育梦想与实现、教育发展与改革、学业成绩与升学、学生就业与服务五个方面。研究发现,网民对教育部微博的评论总体呈积极的态度,与高考有关的话题与评论最能够引发网友的共鸣。本研究为教育信任的提升提供一定的参考。

基于信任值属性的安全访问控制模型研究

基于角色的访问控制(RBAC)模型是一种传统的访问控制策略,通过将用户与其权限通过角色相连,提供了灵活性和易管理性。但是,在云计算环境下,RBAC 面临着权限滥用和访问控制过于粗糙的安全挑战。本研究提出了一种基于信任值属性分类的访问控制模型(T-ABAC),该模型在传统的 ABAC 模型基础上,引入用户行为信任值约束,再结合朴素贝叶斯机器学习分类算法对用户行为信任评估值进行实时分类更新,以实现对用户访问权限的实时动态调整,更有效地管理用户的访问权限。

基于在线信任模型的患者对移动医疗服务信任的 影响因素研究

[目的]了解影响患者对移动医疗服务信任的因素及其作用机制,为提升在线患者信任提供参考依据。[方法]采用问卷调查法对具有移动医疗服务使用经验的600位患者进行调查,构建结构方程模型,探讨在线患者信任的影响因素。[结果]除个人信任倾向对在线患者信任不存在显著影响外,其他因素对在线患者信任的总效应依次为制度保障(0.725)、医生可信度(0.491)、医院可信度(0.319)、网站可信度(0.221)和感知风险(-0.119)。[结论]制度保障、医生可信度、医院可信度、网站可信度对在线患者信任产生正向影响,感知风险产生负向影响,且制度保障对在线患者信任的总效应最大,应有针对性地从以上5个方面提升在线患者信任,进而促进移动医疗发展。

边缘计算环境下基于零信任的数字信誉评分模型设计

边缘计算通过在接近数据源的地方进行实时处理,与云计算相结合,提供高效能、低延迟的计算解决方案,构建了全面的分布式计算体系。然而,边缘计算的分布式和内部信任特性也导致了边界安全模糊的问题。零信任架构的出现打破了原先静态的边界防御模式,使设备在网络中能实现动态安全。但是,边缘设备的分布式特性导致边缘计算在零信任架构中存在动态管理的复杂性、资源限制等困难。针对此问题,本文提出一种基于零信任的数字信誉评分模型(DRSM),通过结合区块链,实现边缘计算环境下的动态访问管理和授权。该方案有助于解决边界安全模糊的问题,降低恶意攻击对系统造成的影响。仿真结果表明,本文模型能够有效减少异常边缘设备的访问,提高系统的安全性。

基于信任度的供应链战略合作企业推选模型

将供应链合作、信任关系作为理论支撑,以历史合作数据为研究基础,对供应链节点企业信任影响因素进行系统性分析,建立信任度评估体系,融合贝叶斯理论,计算企业节点的直接信任度;根据皮尔逊相关系数的理论知识,计算出节点企业的间接信任度;再利用信息熵理论知识,判断出直接信任度和间接信任度对综合信任度的影响大小。最后就模型中各指标对综合信任度的影响大小进行仿真计算,对数据的测算结果表明:该信任评估模型中直接信任度对于权重的选取以及综合信任度大小的影响更大,同时权重的设定可以降低主观带来的结果偏差,为推选出企业战略合作伙伴提供一个参考。

基于零信任模型的细粒度数据库安全控制方法

随着数据库技术的快速发展,对数据处理能力和效率的要求导致许多传统的安全技术失效,尤其是在数据安全领域,数据安全对于数据库的使用变得极其重要。提出了一种新的数据库安全控制方法,该方法包括三个步骤——基于零信任的用户上下文识别、细粒度的数据访问认证控制和基于全网络流量的数据访问审计,以识别和拦截数据库环境中的风险数据访问。这种基于零信任模型的细粒度数据库安全控制方法为提高数据库安全性提供了有力的支持。

基于零信任安全模型的轨道交通数据隐私保护

为解决轨道交通网络数据传输杂乱的问题,提升数据样本的安全性,研究基于零信任安全模型的轨道交通数据隐私保护方法。在零信任安全模型的基础上,分别定义公钥密码与私钥密码模板,建立完整的轨道交通数据隐私链路标签。完善数据样本验证机制以提升数据安全性,通过求解交互认证系数的方式辨别隐私数据样本,结合敏感度指标实现轨道交通数据隐私保护。实验结果表明,在轨道交通网络中应用零信任安全模型,可在保证正序数据传输速率的同时将乱序数据传输速率限制在3.52 Mb/ms以下,能够满足轨道交通数据隐私保护的应用需求。

大语言模型的信任建构

以ChatGPT为代表的AI大语言模型技术快速兴起,在颠覆现在内容生产方式和智能技术范式的同时,也由于幻觉、虚假内容等问题带来了信任危机。该技术甚至因为信任危机问题遭到抵制和封杀。尽管业界已在可信AI方面积极开展了大量的技术实践,但公众对AI的信任度仍未显著提升。因此,要解决信任问题,不仅需要厘清信任与可信任的关系,还需要从大语言模型的技术本质出发进行探究。对大语言模型技术的信任应是认知信任,认知信任不仅包含技术信任与人际信任的动态交互,而且是建立在有效监督基础上具有合理性的信任。大语言模型信任的建构路线主要包括以可解释性为核心的信任要素体系,以政府主导的AI治理体系为基础、多元主体协同的信任主体和信任环境,以及培养人们正确信任观的信任认知三个模块。

社交网络中动态信任感知的观点演化模型

社交关系网络的复杂性和动态性为观点演化研究带来三大挑战:一是研究者在确定个体的观点交互集合时没有考虑个体的信任阈值,导致观点交互集合的准确性不足;二是现有研究通常忽略了非邻居节点之间的交互对社会群体观点演化的影响;三是现有研究通常基于个体间的观点距离来更新社交网络结构,没有考虑个体间的信任关系对网络结构的影响.为了应对上述挑战,提出一种社交网络中动态信任感知的观点演化模型(Dynamic Trust-Aware Opinion Evolution Model in Social Networks,DTAOE).具体地,首先基于信任传播规则构建出社交群体的信任矩阵;之后,基于引入的信任度阈值和信任矩阵,从邻居节点以及非邻居节点中确定当前个体的信任集合,进而基于信任集合中观点相似的个体更新当前个体的观点;最后,根据个体间的观点距离和信任关系,动态地调整社交网络的拓扑结构.上述演化步骤被重复执行直到群体的观点达到稳定状态.开展了大量的仿真实验,实验结果证明了DTAOE模型的有效性和合理性,并揭示了网络结构和信任关系对观点传播的影响机制.

基于用户本地信息的间接信任模型协同过滤推荐算法

信任问题是多元化、大规模、开放环境中安全问题的焦点。目前,存在许多信任模型,这些模型依赖于特定代理人过去行为的历史信息来确定信任关系,但并不总是能够获取到特定代理人的信息。为了解决这个问题,本文提出了一种新的计算信任模型的方法,该方法利用用户对陌生服务提供者(目标代理人)可信度的本地信息评估。首先,通过协同过滤算法从用户的本地信息中寻找与目标代理人相似的代理人;接着,采用一种综合考虑信任和信任时效性的方法来计算信任度;最后,通过模拟实验结果证明,基于用户本地信息的信任模型及协同过滤算法能显著提高用户评估的准确性。

政府绩效感知、政治信任与国家认同——基于CSS2021数据的结构方程模型分析

国家认同是事关国家发展和民族命运的历史性课题,特别是在全球化深入发展的背景下,国家认同问题的重要性进一步凸显。研究基于CSS2021的调查数据,运用结构方程模型分析政府绩效感知对民众国家认同的影响机制,并进一步检验政治信任在政府绩效感知和国家认同之间可能存在的中介效应。研究发现,政府绩效感知对民众的政治信任和国家认同都具有显著的正向影响作用,即政府治理绩效是政治信任和国家认同的重要来源;政治信任对国家认同也具有显著的正向影响,并且在政府绩效感知对国家认同的影响当中发挥中介效应。基于政府绩效感知对于国家认同构建和政治信任强化的重要作用,政府应该致力于提升治理绩效,为增进国家认同和政治信任提供基础性支撑。

一种基于云模型的主观信任评价方法

如何通过直观、简单和有效的评价方法,辅助消费者完成网上交易中的信任决策,已成为该领域需要面对和解决的一个基本问题.在信任云的基础上,提出一种基于云模型的主观信任量化评价方法.使用主观信任云的期望和超熵对信任客体信用度进行定量评价,进而设计一种信任变化云刻画信任客体信用度的变化情况,为进一步的信任决策提供依据.对实验数据的分析表明,该方法能够有效地支持信任主体的主观信任决策过程,对主观信任评价研究进行了有益的探索和尝试.

MANET中一种基于信任模型的安全路由协议

节点间的信任关系对MANET网络路由协议的可靠性和安全性有重要意义,由于MANET网络的特性,难以通过传统的方式建立节点间信任关系。提出一个适用于MANET的信任评估模型CETM(Contribution and Evaluation Trust Model),用来度量MANET节点间信任关系,并将此模型应用于AODV协议中,提出了一种新的安全路由协议TAODV。仿真结果表明当网络中存在少于一半的恶意节点时,CETM能有效抵御如诋毁等恶意行为,从而显著地提高了交易的成功率。基于CETM的TAODV建立在可靠的节点信任关系之上,具有较好的安全性。

基于贝叶斯决策的自组网推荐信任度修正模型(英文)

在分析了信任评估过程中攻击手段及其相互间关系的基础上,提出了基于贝叶斯决策理论的根据推荐偏差度修正对推荐的信任度方法.使用贝塔分布描述推荐偏差度,依据最小损失原则修正对推荐的信任度,并将具备推荐信任修正机制的信任模型运用在自组网的路由协议中,以便优化路由选择.MATLAB下的仿真结果表明,该方法能够有效抵御一些针对信任管理的威胁并提升信任管理的正确率,进而提高自组网环境下检测恶意节点的效率.