基于全局信任度的多层分组P2P信任模型

通过多层分组策略,利用组中信任度、全局信任度和个人评价制度,提出基于全局信任度模型的新算法。对于对等节点的每一次P2P连接,算法会在交互前对每个可能交互的信任度进行合理评价,使节点事先得知交互的信任度参考值,可以由此采取相应策略提高交互安全性。经过算法分析和仿真测试表明,该模型的全局信任度具有迭代收敛性,对交互的信任度评价可信度高,对P2P安全性上存在的问题具有较大的改进。

P2P网络中一种可信任的全局信誉模型

针对P2P网络中的节点安全性问题提出一种全局信誉模型,在历史交易的基础上动态更新各节点的服务信任值和请求信任值,讨论了信誉建立过程中的5种攻击对信誉模型的影响.仿真实验表明,该模型的信任值更新算法和防御机制具有健壮性,可保护网络中的诚实节点,迅速降低恶意节点的信任值,有效抑制恶意行为.

P2P环境下基于层次域的全局信任模型研究

对等计信任模型是目前提高P2P系统安全性的一个重要方法。在分析各类信任模型的特点和节点行为特征的基础上,提出了一种基于层次域的全局信任模型,采用邻近原则和信任度划分节点域,并在此基础上加入了奖惩机制,具有较好的信任收敛度和对恶意行为的防范效果。

P2P环境下对EigenRep全局信任模型的优化

随着P2P网络的广泛应用,基于P2P环境的信任模型也迅猛发展。但是目前提出的很多信任模型还远远不能令人满意。针对EigenRep全局信任模型所存在的网络性能开销过大的问题,提出了一种优化方法。仿真实验证明,这种优化方法在防御恶意攻击和降低网络性能开销两方面都可以取得理想的效果。

移动社会网络中基于全局信任模型的用户影响力计算

针对现有算法和模型对于网络中用户影响力计算大多只考虑拓扑结构和贪心算法而较少考虑真实社会网络中信任度对于节点影响力的重要性这一问题,该文提出一种全局信任模型(global trust model,GTM)用于评估节点的影响力.首先计算节点与邻居节点间的信任关系作为局部信任度,其次利用Beta信誉模型在节点局部信任度的基础上得到全局信任度,最后根据节点的全局信任度评估节点的影响力大小.在真实的网络数据集上对该模型与经典影响力算法进行实验对比,结果表明,该文提出的方法不仅具有更低的时间复杂度,并且在保证节点可信度与精确度的同时也具有良好的影响传播能力.

基于概率统计论的P2P网络信任模型构建研究

P2P技术是近年来流行的计算机网络结构,在协同工作、实时通信、分布式数据存取、P2P搜素引擎等方面已经得到广泛应用,但由于其开放、分布的特点给网络安全带来了挑战。P2P网络信任模型针对现有网络信任模型存在的不足,诞生了更为安全的全局信任模型PStrust。该模型作为一种新型的软安全机制可以有效抑制P2P网络中存在的欺诈和服务不可用以及free-riding等问题。所以,确定提供服务的结点的可靠性及服务的有效性对于确保P2P网络用户的利益具有非常重要的意义。本文基于概率统计论提出了一种全新的P2P全局信任模型,该模型将网络中所有peer之间的相互信任评价进行迭代计算,这样做的目的是减小了恶意结点协同作弊的可能性,因为在具体操作中它综合了所有peer的意见,相对来说是比较准确的。

一种基于反馈可信度的分布式P2P信任模型

开放、共享与匿名的Peer-to-Peer(简称P2P)网络已经取得了越来越多的应用,无中心对等的特性也吸引了越来越多的用户.但由于其网络中的节点不受约束,资源的共享是用户自愿的行为,因此节点间的信任很难通过传统的信任机制建立.一种可行的解决方案是借鉴人际网络中的信任关系,建立一种基于信誉的全局信任模型.已有的工作基本建立在信任度高的节点其反馈也更可信这个假设的基础上,将节点的反馈质量简单地等同于服务质量.针对这一问题,提出了一种基于节点反馈可信度的分布式P2P全局信任模型(简称FCTrust),用于量化和评估节点的可信程度,并给出了模型的数学表述和分布式实现方法.分析及仿真实验结果表明,FCTrust较已有的全局信任模型在遏制更广泛类型的恶意节点攻击的有效性、迭代计算的收敛性及消息成本上有较大提高.

基于Kriging模型和对偶理论的无约束全局优化方法

针对基于Kriging模型的全局优化方法收敛速度慢、优化效率低且无法跳出局部最优区域等缺点,提出一种基于Kriging模型和对偶理论的无约束全局优化方法,引入正则对偶变化将普通Kriging模型本身的非凸优化问题转换为凸优化问题,利用基于Kriging模型的改进信任域策略对该凸优化问题进行迭代寻优。该方法能有效平衡全局和局部搜索行为,并大幅提高算法性能。通过7个数值测试例子和一个工程仿真实例,验证了所提方法的有效性和实用性。

基于信任模型的安全应用层多播协议

针对ALM(application layer multicast)安全性方面存在的问题,设计了一种新的ALM协议。节点加入多播组时,协议对节点的信任度进行认证检测。在交互过程中动态计算节点信任度,以便准确识别覆盖网中的恶意节点。同时,通过标签机制,有效防止了节点对信任信息的恶意篡改。仿真实验结果表明,该协议能有效区分恶意节点并对其进行控制,对多播安全性方面存在的问题有较大改进。

一种基于信任和信誉的安全网格信任模型

为兼顾对多级别人员的静态和动态信任管理,根据异常的危险程度对信任值进行定义和划分,并根据用户的信任值动态变化情况定义信誉值,由此给出一种基于信任和信誉的全局网格信任模型。针对不同级别人员和不同异常情况的仿真结果显示,利用基于全局信任模型,可以对网格进行客观评价和动态监测,为网格的主动防御提供决策依据。

构造P2P电子商务系统中基于推荐过滤信任模型

通过对已有工作的分析和对比,选用了一种利用置信因子综合局部声誉和全局声誉的信任评价机制作为研究基础,引入基于集合迭代二分法的过滤方法对推荐节点进行过滤,并提出对评价其他节点评价质量的节点的评价可信度进行了限定来提高模型的准确性和抗攻击能力.同时,为避免恶意节点用诚信买行为来掩盖恶意卖行为的情况,对买家和卖家给对方的评价进行区别对待,考虑了买家和卖家在交易中的不同心理因素.并对本信任评价模型的有效性和抗攻击能力进行了理论分析和仿真实验验证,实验结果说明了与已有的模型相比,该模型能够更快地将信任值收敛到固定值,更准确也更有效地抵抗恶意节点的攻击.

考虑不信任关系的社交电商用户信任模型

将用户间的不信任度作为负向权重融入用户信任度量中,综合考虑用户由局部交互产生的信任度和在全局树立的信任度构建社交电商用户信任评估模型,并运用熵权法计算局部信任和全局信任对社交电商用户信任的影响程度。实验结果表明,通过引入不信任关系改进用户信任评估模型,能够有效提高信任度量结果的准确性和客观性;相对于体现用户声誉的全局信任,代表用户主观判断的局部信任对用户间信任度的提升具有较大的影响。

一种P2P分布式环境下的信任模型

针对现有的信任模型对节点行为改变的动态适应能力不足,在研究前人提出的信任模型基础上,提出了一种分布式环境下的信任模型。该模型通过综合节点之间的交易历史行为和交易评价信息,提出用局部声誉,评价信任度,全局声誉,信任度中用权重因子来概况模型,使该模型更真实化,有效化。仿真实验表明,与已有的信任模型相比,提出的模型具有更好的动态适应能力,能够有效处理动态恶意节点策略性的行为改变和不诚实反馈对系统的攻击。

一般化通用可组合安全框架研究

分析一般化通用可组合安全框架(GUC框架)解决的关键问题及其机理。在此基础上深入研究实现GUC承诺的一个协议示例,得出GUC框架虽然要求仿真器与现实敌手共用同一个全局可信建立,但是二者对于该全局可信建立的利用程度是不同的。将GUC框架与UC框架及其改进版本进行比较,发现能实现包括安全计算在内的所有良好形式的理想功能的现有框架拥有一个共性,即仿真器的能力比现实敌手的能力强。讨论了GUC框架仍然存在的不足。