基于多智能体系统的分布式信誉机制研究

基于多智能体系统原理,提出了分布式信誉机制中信誉信息的获取与集结模型。在分布式信誉系统中,信任方可以通过三种途径获取直接或间接的信誉信息:与被信任方的直接交易经验,借助自身社会网络找到与被信任方有过交易的见证者,以及要求被信任方提供与其有过交易的引荐者。首先,引入了一个激励机制,促使被信任方诚实地提供引荐者信息,保证信誉信息获取的数量和质量。其次,考虑到不同来源的信誉信息具有不同的可信度,在信誉信息集结时,基于用户相似度计算可信见证者的评价可信度,基于陌生引荐者和见证者的评价与可信见证者的评价集结结果之间的结果相似度计算陌生引荐者和见证者的评价可信度,建立了信誉集结模型来计算被信任方的综合信誉度。通过实验仿真,表明该模型具有较强的有效性和健壮性,其不但可以使信任方获取足够多的信誉信息,而且可以有效地削弱恶意见证者和引荐者诋毁尤其是共谋的影响。