面向服务计算的信任预测模型

大多数信任预测模型的动态自适应能力较弱,且服务计算环境下代理之间交互的安全性较差。为此,提出一种面向服务计算的信任预测模型(SOC-TPM)。该模型结合人类认知行为,引入直接信任度、信誉推荐值、时间戳、历史交互记录等概念,通过创建动态信誉树对信誉关系进行建模,使信任预测模型更好地适应分布式计算环境。模拟实验结果表明,与J sang及Beth模型相比,该模型的信任预测准确度和平均相对误差分别提高了27%和47%。