一种新的基于概率统计论的P2P网络信任模型

经典的P2P网络信任模型采用迭代方法由局部信任值推算出全局信任值,每次交易都要引起整个网络节点的迭代运算,导致计算复杂,通信流量大,并且面临交易数据过于稀疏,计算不够精确从而容易陷于恶意节点的共谋、诋毁和睡眠等攻击问题。为了保证数据的稠密性与计算结果的精确性,论文基于概率统计理论,提出了一种新的全局信任模型。该模型根据节点的历史交易情况,运用最大似然估计,假设检验等方法计算出节点的信任度,节点选择与可信度高的节点进行交易。数学分析与仿真实验表明该模型能有效地抵抗恶意节点的攻击,与经典信任模型Eigentrust相比,较大程度地提高了整个P2P网络的成功交易率。

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。