基于上下文感知的动态信任计算模型

上下文环境对于信任的计算是非常重要的,但在现有模型中常常被忽略。根据P2P网络的特点,提出了一个基于上下文感知的动态自适应信任计算模型。在模型中,直接信任度是采用基于贝叶斯评估方法,推荐信任度是基于直接信任度,结合自身信任经验进行计算的,给出了信任度的综合评估计算模型。仿真结果表明,在交互决策时显示出模型的优越性和健壮性。

基于多智能体的多维证据动态信任计算模型

信任度评估是基于行为的信任管理模型关注的核心内容。为使信任度评估所依据的证据源完备,运用信任管理思想方法,提出一种基于多维证据的信任度评估模型,该模型将主体网络操作行为层面的信息引入传统仅考虑交易反馈信息的信任度评估模型,基于交易反馈和网络操作行为两个层面的多维证据源进行信任计算,扩展了证据源,突破了只依据单一种类证据源进行信任评估而引起的缺陷;另外,应用改进的D-S证据理论来合成多维证据,较好地解决了证据不确定性的问题。

移动agent系统安全问题的动态信任计算模型

在移动云计算中,数据存储和数据处理是在云端以远程方式进行的,因而信任是移动云计算安全中一个非常重要的因素.针对移动云计算环境中移动agent系统安全和信任管理问题,借鉴人类信任机制(human trust mechanism, HTM),研究主观信任形成、信任传播与信任进化规律,提出主观信任动态管理算法(MASTM);基于移动agent与执行主机的交互经历以及第三方推荐信息收集基础信任数据,给出公信主机选择算法;孤立恶意主机算法和综合信任度计算算法,实现选择信任机群,孤立恶意主机的功能,以增强移动agent与主机的安全交互效果.对所提出的算法均进行模拟实验,验证了其可行性和有效性.

基于信任度规避风险的撮合交易模型

针对电子商务交易自动撮合的需要,提出了基于信任度的多主体撮合交易模型(TMMTM),并给出了该模型的具体算法.在TMMTM中,定量计算交易主体的信任度时,根据交易的特点将信任指标按照对交易的不同影响,分成动态和静态信任两类指标;区别于现常用的信任管理方法对总体评估结果衰减,TMMTM通过构造信任指标分值的隶属函数更细致地处理衰减问题.最后通过某区域月度撮合交易的算例说明并分析了TMMTM的使用方法及在规避交易风险、实现优质优价方面的积极作用和意义.