Agent动态交互信任预测与行为异常检测模型

在agent理论中,信任计算是一个有意义的研究方向.然而目前agent信任研究都是以平均交互成功率来计算,较少考虑信任动态变化,因而准确预测和行为异常检测的能力不能令人满意.针对上述问题,以概率论为工具,按时间分段交互历史给出agent交互信任计算模型CMAIT;结合信任的变化率,给出信任计算的置信度和异常检测机制.实验以网上电子商务为背景,实验结果显示该计算模型的预测误差为TRAVOS的0.5倍,计算量也较少;既可用于对手历史行为的异常检测,防止被欺骗,又可用于对手未来行为的预测.改进了Jennings等人关于agent信任的工作.

一种Agent组织信任计算模型

Agent信任研究已经成为多Agent系统理论研究的重要内容,但目前大多数研究都是关于个体Agent信任和声誉,较少涉及Agent组织信任研究;而且,开放网络环境中存在着的大量不精确和不完全信息,导致信任计算置信度不高.针对上述问题,以概率论为工具研究Agent信任,结合交互频率给出一种Agent组织信任计算模型CMAOT,其算法的计算复杂度是多项式级,并提出了4条基本性质.实验结果验证了该模型的计算可行性和效果,改进了Jennings等人的工作.

DRQS_(HCT) Agent支持的开放环境下的可信协同

为降低开放环境下因Agent违约带来的风险,提出了DRQSHCT Agent模型.该模型引入服务合成和处方产生任务的多个求解方案,通过品行信任度和服务信任度定义直接信任,通过定义多个服务信任度克服服务信任度的掩盖性,通过群体推荐克服个体链推荐的不足,通过计算方案信任度来选择并优化求解方案.模型通过合同样本提高了计算信任度的合理性和可操作性,同时由于引入了基于合同的约束,Agent的自组织协作既是可信的,又具有较高的可靠性.设计实例和实验表明,该模型更适合开放环境下的可信协同问题求解.

一种基于D-S理论的信任评估模型的设计

提出了一种基于D-S理论的新型信任评估模型:利用证据理论和证据组合规则评估Agent的可信度,用矩阵方式增加信任度计算的信息量,引入信息量计算议题的权重和目标Agent总体信任度.实验表明,本模型较其他模型更加安全有效,为多Agent系统的信任管理研究提供了一个有价值的新思路.

一种支持网格的信誉管理机制

本文首先对机制的信任关系给出数学描述,然后给出相关信誉计算的具体算法,最后在此基础上提出了一个GSRM的整体框架。

网格环境下的信誉评价及管理模型研究

将在分布式环境下适应的信誉评价算法进行改进使其适用于网格环境中,以网格环境下的安全合作为目标,结合网格环境以及在此方面同行所做的前沿工作,提出一种新的基于Dempster-Shafer证据理论的支持网格的信誉评价算法,以适应网格实体信誉定量评价的要求,解决网格信誉描述的不可测量性和模糊性问题,并给出相应的信誉管理模型。