祝勝林 張明武 楊 波

（華南農(nóng)業(yè)大學(xué)信息學(xué)院 廣州 510642）

0 引 言

近年來，分布式計(jì)算已經(jīng)成為主要的計(jì)算模式，但由于分布式系統(tǒng)的分散性、開放性和自治性等特點(diǎn)，交互的雙方極有可能彼此并不熟悉，因而存在許多的不確定性和風(fēng)險(xiǎn).在線貿(mào)易社區(qū)就是一種分布式系統(tǒng)，買方對賣方選擇的決策就存在著不確定性和風(fēng)險(xiǎn)，為了提高決策效果，提出了許多信譽(yù)機(jī)制［1］.買方對賣方選擇的決策機(jī)制在分布式計(jì)算模式，尤其是Internet的服務(wù)提供和服務(wù)消費(fèi)模式中是至關(guān)重要的.

在信譽(yù)機(jī)制中存在2種證據(jù)［2］：（1）直接交易經(jīng)歷.這是第一手的證據(jù)，是買方與賣方直接交易產(chǎn)生的，一般認(rèn)為是可靠的；（2）間接交易經(jīng)歷.這是第二手的證據(jù)，是其他買方提供或反饋它們與賣方直接交易的經(jīng)歷，譬如：評分，提供這種證據(jù)的買方被稱為目擊者或推薦方.由于直接交易經(jīng)歷的不足，買方必須利用目擊者推薦的間接交易經(jīng)歷進(jìn)行決策，但由于共謀、歧視或漠視等多種原因產(chǎn)生的不公正評分影響了基于信譽(yù)的決策效果，為了抵抗不公正評分，信譽(yù)機(jī)制越來越繁瑣，因而存在如下的不足：計(jì)算公式非常復(fù)雜、運(yùn)算量大、參數(shù)確定需要進(jìn)行大量的仿真實(shí)驗(yàn)以及需要買方存儲(chǔ)大量相關(guān)信息，譬如：推薦方的權(quán)重或信譽(yù).

信譽(yù)系統(tǒng)是利用先前的交易行為來預(yù)測未來交易行為［3］.信譽(yù)只相當(dāng)于未來交易成功的概率，即與信譽(yù)高的賣方進(jìn)行交易并不一定成功，而與信譽(yù)低的賣方進(jìn)行交易并不一定不成功.在實(shí)際的決策中，譬如：交易額不大的交易中，買方對賣方選擇的決策會(huì)比較隨意；而對交易額達(dá)到月收入的幾倍或幾十倍的交易中，買方對賣方選擇的決策一般會(huì)很謹(jǐn)慎.因此，對賣方選擇的決策除了信譽(yù)外，還應(yīng)與買方的風(fēng)險(xiǎn)態(tài)度有關(guān).本文綜合賣方信譽(yù)和買方的風(fēng)險(xiǎn)態(tài)度，首次提出了基于信譽(yù)和風(fēng)險(xiǎn)態(tài)度的決策機(jī)制.

1 信譽(yù)機(jī)制

1.1 信譽(yù)系統(tǒng)

信譽(yù)系統(tǒng)又稱信譽(yù)報(bào)告系統(tǒng)，在線貿(mào)易社區(qū)中的信譽(yù)報(bào)告系統(tǒng)存在買方和賣方2種實(shí)體，有被評估、評估、推薦3種角色.賣方擔(dān)當(dāng)被評估角色，參與下一次交易的買方擔(dān)當(dāng)評估角色，與賣方有過交易的買方（以下稱目擊方）擔(dān)當(dāng)推薦角色.實(shí)體與角色關(guān)系如圖1所示，虛線橢圓框中S1，…，Sn為賣方實(shí)體；虛線圓形框中R1，…，Rm為目擊方，擔(dān)任推薦角色；E為買方，擔(dān)任評估角色.實(shí)線箭頭表示選擇賣方；虛線箭頭表示推薦信息.

圖1 實(shí)體與角色的關(guān)系

1.2 信譽(yù)計(jì)算

信譽(yù)計(jì)算的前提：（1）第一手證據(jù)比第二手證據(jù)更可靠；（2）來自可信目擊者的證據(jù)更可靠；（3）最近的證據(jù)比歷史的證據(jù)更有效；（4）存在少量的不公正評分.下面給出基于這些假設(shè)的計(jì)算公式或算法.

1.2.1 基于直接和間接交易經(jīng)歷的計(jì)算

一般認(rèn)為第一手的證據(jù)比第二手的證據(jù)更可靠，因此在計(jì)算中調(diào)高第一手證據(jù)的權(quán)重，或適當(dāng)調(diào)低第二手證據(jù)的權(quán)重.第一手證據(jù)的評分用R1表示，第二手證據(jù)的評分用R2表示，權(quán)重用α和β表示，賣方的信譽(yù)用R表示.

從式（1）中可以看出，增大α，同時(shí)減少β，表示更看重直接交易經(jīng)歷.α＝0，表示直接交易經(jīng)歷不足；β＝0表示不利用來自目擊者的推薦信息，問題在于合理地選擇和自適應(yīng)地調(diào)整權(quán)重參數(shù)比較困難.

1.2.2 基于目擊者信譽(yù)的計(jì)算

在直接交易經(jīng)歷不足的情況下，必須利用來自目擊者的推薦信息，譬如：評分.由于目擊者散布在社區(qū)中，要收集到所有的評分存在困難，基于鄰居的收集機(jī)制比較適用.設(shè)有一個(gè)有m個(gè)節(jié)點(diǎn)的鄰居集合N＝｛n1，n2，…，nm｝，推薦者的信任用集合T＝｛t1，t2，…，tm｝表示.

交易結(jié)束后，買方對本次交易的評分為r，依據(jù)該評分對目擊者的信任值進(jìn)行調(diào)整，調(diào)正的門限為ε，調(diào)整的幅度為Δ.

同樣地，選擇合適的ε和Δ，以及自適應(yīng)地調(diào)整是一個(gè)難題.

1.2.3 基于折扣歷史證據(jù)的計(jì)算

根據(jù)時(shí)間可以將證據(jù)分為最近證據(jù)和歷史證據(jù)，通常認(rèn)為最近證據(jù)比歷史證據(jù)更準(zhǔn)確地反映賣方的行為，為此需要對過去的評分進(jìn)行折扣，譬如：遺忘因子（forgetting factor）控制歷史證據(jù)的遺忘速度.設(shè)時(shí)間窗口的大小為w、遺忘因子為λ、最近一次交易的時(shí)間為T、評分收集的時(shí)間為Ti和折扣后的評分值為R1，2（因?yàn)榈谝皇趾偷诙肿C據(jù)都要折扣）.

同樣地，選擇合適的w和λ是一個(gè)難題.

1.2.4 抵抗不公正評分的計(jì)算

好的信譽(yù)有助于增加交易機(jī)會(huì)和提高交易的價(jià)格因而增加賣方的收益，為此不誠實(shí)的賣方可能與惡意的買方進(jìn)行共謀以夸大賣方的信譽(yù)或貶低競爭對手的信譽(yù)，因此，在目擊者的推薦信息中混有不公正的評分.不公正評分分為：（1）買方提供的不公正評分.分為不公正高分（ballot stuffing）和不公正低分（bad－mouthing）；（2）賣方的歧視行為.分為負(fù)歧視和正歧視.前者是指賣方提供好的服務(wù)給每個(gè)買方，但特定的買方（受害者）除外；后者是向特定的買方提供特別好的服務(wù)，而向其他買方提供一般的服務(wù).

受控的匿名機(jī)制可以防止賣方的打擊報(bào)復(fù)行為；適當(dāng)?shù)倪^濾機(jī)制有助于減少不公正評分的影響［4］.過濾機(jī)制又可以分為［5］：（1）內(nèi)生式.假設(shè)不公正的評分僅僅通過評分?jǐn)?shù)據(jù)的統(tǒng)計(jì)屬性能被識(shí)別；（2）外生式.目擊者的信任（外生的信息）作為評分的權(quán)重，假設(shè)信任值高的目擊者推薦信息的可靠性高.（3）內(nèi)生與外生結(jié)合式.既要利用評分?jǐn)?shù)據(jù)的統(tǒng)計(jì)屬性，又要利用目擊者的信任.下面給出一般的過濾算法偽代碼.

1）目擊者的集合C，提供公證評分的目擊者的集合F，被評估的賣方為Z.

2）返回的R（Z）就是過濾不公正評分后Z的信譽(yù)值.

4）判斷元素fi∈F由函數(shù)member來實(shí)現(xiàn)，是集合的元素返回真，否則返回假.

5）從集合中刪除元素由函數(shù)move來實(shí)現(xiàn).

2 風(fēng)險(xiǎn)態(tài)度

2.1 風(fēng)險(xiǎn)

在分布式環(huán)境中有不存在諸多的不確定，決策者根據(jù)發(fā)生的事件預(yù)測未來事件發(fā)生的概率存在風(fēng)險(xiǎn).根據(jù)成本（cost）與收益（gain），風(fēng)險(xiǎn)（risk）可以表示為

即成本越高風(fēng)險(xiǎn)越大，收益越小風(fēng)險(xiǎn)越大.

2.2 風(fēng)險(xiǎn)態(tài)度

由于收益與效用相關(guān)的，效用函數(shù)體現(xiàn)風(fēng)險(xiǎn)態(tài)度，風(fēng)險(xiǎn)態(tài)度可以由如下公式?jīng)Q定［6］.

式中：Fc為愿意投入總資本的份額；Gs為獲利因子；p為交易成功的概率；λ為緩和Gs在總資本份額影響的一個(gè)因子.λ值越小則代表風(fēng)險(xiǎn)追求態(tài)度，風(fēng)險(xiǎn)容忍度增大；值越大代表風(fēng)險(xiǎn)厭惡態(tài)度，風(fēng)險(xiǎn)容忍度減少.風(fēng)險(xiǎn)態(tài)度分為3種類型［7］：風(fēng)險(xiǎn)追求、風(fēng)險(xiǎn)中立和風(fēng)險(xiǎn)厭惡.

不同的買方可以擁有不同的風(fēng)險(xiǎn)態(tài)度，并且風(fēng)險(xiǎn)態(tài)度是可以改變的.風(fēng)險(xiǎn)態(tài)度改變的原因有如下幾種：（1）交易額變化.交易額是幾個(gè)月工資就會(huì)比較謹(jǐn)慎而采取風(fēng)險(xiǎn)厭惡態(tài)度，交易額很小，一般會(huì)采取風(fēng)險(xiǎn)中立或風(fēng)險(xiǎn)追求態(tài)度；（2）過去經(jīng)歷的變化.沒有不成功交易的經(jīng)歷的買方一般更能容忍風(fēng)險(xiǎn)，而經(jīng)歷了不成功交易的買方一般對風(fēng)險(xiǎn)容忍度下降.（3）其他變化.在線交易欺詐行為報(bào)道增多會(huì)較低風(fēng)險(xiǎn)容忍度.

3 基于信譽(yù)與風(fēng)險(xiǎn)態(tài)度的決策機(jī)制

3.1 信譽(yù)與風(fēng)險(xiǎn)態(tài)度的關(guān)系

賣方的信譽(yù)與未來交易成功的概率成正比，即信譽(yù)越高，成功的概率越高；信譽(yù)越低，成功的概率越低.評估方的風(fēng)險(xiǎn)態(tài)度反映了它的風(fēng)險(xiǎn)容忍度，風(fēng)險(xiǎn)厭惡態(tài)度要求未來交易成功的概率越高也好；風(fēng)險(xiǎn)追求態(tài)度更關(guān)注成功交易的獲利水平，對新加入的賣方會(huì)給予關(guān)注.信譽(yù)與風(fēng)險(xiǎn)態(tài)度的關(guān)系如表1所列.

表1 信譽(yù)與風(fēng)險(xiǎn)態(tài)度的關(guān)系

3.2 決策策略

從表1所示的關(guān)系，根據(jù)不公正評分處理、信譽(yù)計(jì)算和懲罰措施等的不同體現(xiàn)3種不同的決策策略：風(fēng)險(xiǎn)追求策略、風(fēng)險(xiǎn)中立策略和風(fēng)險(xiǎn)厭惡策略，它們之間的關(guān)系如圖2所示.

圖2 賣方選擇決策的3種策略關(guān)系

從圖2可以看出，本文依據(jù)風(fēng)險(xiǎn)態(tài)度的不同對賣方選擇的決策采用不同的策略，其中風(fēng)險(xiǎn)追求策略計(jì)算量很少，需要存儲(chǔ)的信息少；風(fēng)險(xiǎn)厭惡策略計(jì)算公式復(fù)雜，運(yùn)算量大和需要存儲(chǔ)較多的相關(guān)信息；風(fēng)險(xiǎn)中立策略需要進(jìn)行計(jì)算，但與風(fēng)險(xiǎn)厭惡策略相比，具有公式簡單，運(yùn)算量不太大，需要存儲(chǔ)的信息較少.由于不是所有的賣方選擇都是采用風(fēng)險(xiǎn)厭惡決略，因此基于信譽(yù)和風(fēng)險(xiǎn)態(tài)度的決策機(jī)制能夠有效地降低計(jì)算量.

4 結(jié)束語

信譽(yù)系統(tǒng)是利用先前的交易行為來預(yù)測未來交易行為，信譽(yù)相當(dāng)于未來交易成功的概率，對賣方選擇基于信譽(yù)的決策有助于選中可靠的賣方.本文針對僅基于信譽(yù)的決策存在計(jì)算公式復(fù)雜，運(yùn)算量大和需要存儲(chǔ)大量信息的問題，依據(jù)買方風(fēng)險(xiǎn)態(tài)度細(xì)分出三種策略，在實(shí)際決策中有針對性地運(yùn)用相應(yīng)的策略能夠有效地降低計(jì)算量.進(jìn)一步的研究是更加細(xì)致地形式化風(fēng)險(xiǎn)態(tài)度.

［1］J?sang A，Ismail R，Boyd C.A survey of trust and reputation systems for online service provision［J］.Journal of Decision Support Systems，2007，43（2）：618－644.

［2］Mui L，Mohtashemi M，Halberstadt A.Notions of reputation in multi－agents systems：a review［C］／／Proceedings of The First International Joint Conference on Autonomous Agents and Multiagent Systems，2002：280－287.

［3］Dellarocas C.Immunizing online reputation reporting systems against unfair ratings and discriminatory behavior［C］／／ACM Conference on Electronic Commerce 2000：150－157.

［4］Whitby A，J?sang A，Indulska J.Filtering out unfair ratings in Bayesian reputation systems［J］.The Icfain Journal of Management Research，2005，4（2）：48－64.

［5］Zhang J，Sensoy M，Cohen R.A detailed comparison of probabilistic approaches for coping with unfair ratings in trust and reputation systems［C］／／Proceedings of Sixth Annual Conference on Privacy，Security and Trust，IEEE Computer Society，2008：189－200.

［6］J?sang A，Presti S.Analyzing the relationship between risk and trust［C］／／Proceedings of the 2nd International Conference on Trust Management，2004：135－145.

［7］黃辰林，胡華平，王志英.一種面向可信決策的風(fēng)險(xiǎn)信任平衡模型研究［J］.計(jì)算機(jī)工程與科學(xué)，2007，29（4）：31－35.