可信网络中基于多维决策属性的信任量化模型

可信网络中的信任关系模型本质上是最复杂的社会关系之一,涉及假设、期望、行为和环境等多种因子,很难准确地定量表示和预测.综合考虑影响信任关系的多种可能要素,提出了一个新的基于多维决策属性的信任关系量化模型,引入直接信任、风险函数、反馈信任、激励函数和实体活跃度等多个决策属性,从多个角度推理和评估信任关系的复杂性和不确定性,用来解决传统量化模型对环境的动态变化适应能力不足的问题;在多维决策属性的融合计算过程中,通过信息熵理论确立各决策属性的分类权重,克服了过去常用的确定权重的主观判断方法,并可以改善传统方法由于主观分配分类权重而导致的模型自适应性不强的问题.模拟实验表明,与已有同类模型相比,该模型具有更稳健的动态适应性,在模型的安全性方面也有明显的优势.

模糊综合信任量化算法

动态信任关系确切量化是开放式网络应用环境中的一个核心问题,然而开放式网络应用环境中缺少管理权威机构使得实体难以有全局计算信息,常规数学函数不易对信任的主观性和动态性进行表示等综合因素,导致了动态信任难以确切量化。针对动态信任量化难以确切量化的问题,首先提出开放式网络环境中的信用和信誉两个概念,对信任的动态性进行表示,将其作为信任评判内容。应用模糊综合评判原理,建立模糊综合信任评判模型;然后以模型为基础,设计了一种模糊综合信任量化算法,并且通过构造信任评价记录表、主体访问记录表和客体评价表等数据结构对算法进行实现。最后对该算法进行仿真,结果分析表明,算法正确性能较好,实现了动态信任的确切量化。

供应链系统运行框架内成员间信任量化

运用系统动力学的理论与方法,从供应链系统运行的框架入手,研究供应链系统运行框架内成员间信任的产生机理,认为成员间的信任产生是以信息为基础,并通过其滑润剂和粘合剂功能,协调主体间行动,稳定供应链运行。在考虑多变量基础上,对供应链成员间的信任进行定量与动态仿真,结果表明:信息量大,信任拐点提前,随循环推进,信任始终要高;信息质量高,拐点出现早,但随循环的推进,信任将趋于相同水平。

基于信任量化的自治系统恶意性判定

鉴于当前域间路由系统未能有效解决自治系统节点的行为恶意性判定问题,论文在研究人际网络信任关系的基础上,提出一种基于信任量化的自治系统恶意性判定模型。模型通过定义直接判定、协作判定及配合度3项判定准则,综合分析及量化目标自治域的路由交互行为,同时定义节点参与度作为最终判定结果的放大因子。基于仿真路由拓扑进行验证,结果表明,在面对典型的路由欺骗、服务受限及协作节点误报的情况下,该模型均能够有效识别和判定目标自治域节点的恶意行为,具备较好准确性和稳定性。

面向分布式系统访问控制的信任度量化模型

通过引入社会学中信任的研究成果,定义了分布式系统访问控制中信任的具体语义、基本特性与上下文相关属性。针对信任的主观性、模糊性与不确定性,采用模糊数学与概率论相结合的方法,给出了信任的数学定义,建立了包括信任综合评价与信任计算的信任度量化模型。该模型综合了访问控制背景下信任相关的各种因素,符合推荐信任的衰减与增强规律。

网格环境下基于主观逻辑的信任模型

利用主观逻辑对网格中实体的信任关系进行建模和推理,给出了带遗忘因子的信任量化公式,在推荐信任合成中对主观逻辑中的证据合成算子进行改进,提出了一种网格环境下基于主观逻辑的信任模型,有效地描述了实体间的主观信任关系,避免了将存在意见冲突的推荐信任直接合成,提高了合成后推荐信任的准确性。通过实验仿真,证明了模型的准确性和有效性。

可信网络中基于熵权法的信任评估模型

在开放式网络环境下,建立信任模型对节点身份或行为进行考察和评估是保证交互过程安全的有效手段,决策属性的权重设置是信任量化和评估的基础.为了使量化模型贴近开放环境动态变化的客观要求,本文提出了基于熵权法的信任评估模型.在多维决策属性的融合计算过程中,利用信息熵理论确立各决策属性的分类权重,避免主观判断方法在权重设定上适应性不强的问题,保证推荐信任评估决策的有效性和客观性.仿真实验表明,与同类典型的几种模型相比,本文提出的模型具有更稳健的动态适应性特点,并且在安全性方面也具有显著优势.

基于HISPAC医疗数据隐私保护模型

当今时代是计算机的时代,更是人工智能和大数据蓬勃发展的时代,与其相关行业的出现引发了各行各业的变革。作为国内主要的服务行业,医疗产业也在悄然改变,同时医疗隐私的保护技术也在持续研究和发展中。随着数据量的激增,各类患者身份信息、病例信息以及医疗诊断信息泄露的情况层出不穷。本文针对医疗隐私保护问题,构建一套医疗隐私保护模型,该模型包括2个部分:1)借助循环神经网络RNN和模糊推理理论构建一个自适应神经网络隐私风险评估模型,给用户行为活动设置一个信用标签,并借此来计算隐私泄露风险值;2)围绕模型得到的用户信用风险值建立一套个性化的隐私数据访问权限控制机制,即医院信息系统隐私控制模型。经过实验验证,该机制具有良好的隐私保护效果,可以有效解决医疗数据隐私泄露的问题。