劉雪亮，胡曉輝

(蘭州交通大學(xué) 電子與信息工程學(xué)院，甘肅 蘭州 730070)

一種改進(jìn)的社會(huì)網(wǎng)絡(luò)動(dòng)態(tài)信任模型

劉雪亮，胡曉輝

(蘭州交通大學(xué) 電子與信息工程學(xué)院，甘肅 蘭州 730070)

社會(huì)網(wǎng)絡(luò)中，針對(duì)信任計(jì)算過程中出現(xiàn)的惡意節(jié)點(diǎn)通過提供低質(zhì)量服務(wù)和節(jié)點(diǎn)的動(dòng)態(tài)搖擺的攻擊從而達(dá)到某種利益而導(dǎo)致網(wǎng)絡(luò)中惡意服務(wù)的增多，導(dǎo)致節(jié)點(diǎn)之間的信任不可信或者不可靠，給節(jié)點(diǎn)的交互帶來一定的不安全性等問題進(jìn)行了研究。通過分析節(jié)點(diǎn)的信任評(píng)估行為，節(jié)點(diǎn)共謀產(chǎn)生不信任的推薦，提出了一種改進(jìn)的信任形成和計(jì)算方法。通過引入節(jié)點(diǎn)的主觀評(píng)價(jià)和客觀評(píng)價(jià)，結(jié)合GTFT和TFT博弈激勵(lì)策略對(duì)推薦過程中不誠實(shí)的信任推薦給予相應(yīng)的懲罰策略。仿真結(jié)果表明，根據(jù)節(jié)點(diǎn)主觀評(píng)價(jià)與客觀評(píng)價(jià)所形成的直接信任和通過博弈計(jì)算的推薦信任在一定程度上能夠促進(jìn)節(jié)點(diǎn)理性地參與網(wǎng)絡(luò)行為，改善網(wǎng)絡(luò)中信任計(jì)算的不可信和不可靠問題，使得網(wǎng)絡(luò)中攻擊節(jié)點(diǎn)逐漸減少。

博弈論；反饋值；激勵(lì)策略；信任推薦

0 引 言

社會(huì)網(wǎng)絡(luò)推薦系統(tǒng)中存在節(jié)點(diǎn)之間和節(jié)點(diǎn)對(duì)服務(wù)的信任評(píng)估行為，例如基于效用的推薦系統(tǒng)、基于信任的推薦系統(tǒng)等。在評(píng)估過程中存在一些問題，節(jié)點(diǎn)在累計(jì)了一定的信任以后，由于節(jié)點(diǎn)之間的合謀或者背叛改變策略形成對(duì)網(wǎng)絡(luò)的損害，對(duì)于提供真實(shí)服務(wù)或者交互經(jīng)驗(yàn)的節(jié)點(diǎn)評(píng)估為低信任節(jié)點(diǎn)，對(duì)提供虛假服務(wù)或者虛假交互經(jīng)驗(yàn)的惡意節(jié)點(diǎn)評(píng)估為高信任節(jié)點(diǎn)，即網(wǎng)絡(luò)過程中的“動(dòng)態(tài)搖擺”行為。因此，如何遏制節(jié)點(diǎn)在評(píng)估過程中的不理性行為是文中研究的重點(diǎn)。

文中提出一種基于節(jié)點(diǎn)信譽(yù)設(shè)計(jì)的動(dòng)態(tài)更新的信任評(píng)估方法。節(jié)點(diǎn)的信譽(yù)由直接信任和間接信任組成，分析節(jié)點(diǎn)的主觀行為和客觀行為遏制節(jié)點(diǎn)的虛假評(píng)估。在節(jié)點(diǎn)交互的不同時(shí)期增加不同的激勵(lì)策略給予懲罰，解決間接信任中存在的攻擊問題。博弈納什均衡更能反映節(jié)點(diǎn)間的信任關(guān)系[1]。文獻(xiàn)[2]利用博弈論原理分析在評(píng)估過程中的節(jié)點(diǎn)信譽(yù)，更新節(jié)點(diǎn)信譽(yù)值，有效防止節(jié)點(diǎn)共謀。在節(jié)點(diǎn)評(píng)估后考慮服務(wù)自身屬性，考慮節(jié)點(diǎn)的評(píng)估值與節(jié)點(diǎn)評(píng)估值之間的差異分析節(jié)點(diǎn)評(píng)估的真實(shí)性。真實(shí)評(píng)估能夠增加節(jié)點(diǎn)的信譽(yù)，虛假評(píng)估使得節(jié)點(diǎn)的信譽(yù)下降，動(dòng)態(tài)地分析節(jié)點(diǎn)不同時(shí)期信譽(yù)度的變化情況。在提供服務(wù)節(jié)點(diǎn)與請(qǐng)求服務(wù)節(jié)點(diǎn)之間進(jìn)行博弈，通過信譽(yù)懲罰激勵(lì)節(jié)點(diǎn)提供真實(shí)的交互經(jīng)驗(yàn)，從而使得信譽(yù)系統(tǒng)能夠有效地改善動(dòng)態(tài)搖擺節(jié)點(diǎn)行為。通過博弈達(dá)到的納什均衡不一定為最優(yōu)解，所以要不斷計(jì)算信任評(píng)估過程中節(jié)點(diǎn)的信譽(yù)的變化。節(jié)點(diǎn)調(diào)整策略后達(dá)到納什均衡，同時(shí)希望自身的受益最大從而尋求最優(yōu)解。

1994年，Marsh在網(wǎng)絡(luò)研究中提出信任模型，認(rèn)為信任是一種對(duì)于實(shí)體的可靠性的信念[3]。Kamvar等提出的EigenRep模型跟蹤其歷史交互過程中對(duì)其他節(jié)點(diǎn)的歷史信任計(jì)算全局信任，其直接信任計(jì)算方法為滿意的不同程度無法判斷，信任模型計(jì)算本地信任值是在評(píng)價(jià)過程中的節(jié)點(diǎn)i對(duì)節(jié)點(diǎn)j的滿意與不滿意次數(shù)的差值來判斷直接信任[4]。Song提出的PeerTrust信任模型認(rèn)為節(jié)點(diǎn)之間的信任由個(gè)別因素決定，不需要計(jì)算全局信任[5]。李俊等改進(jìn)了EigenRep模型，提出利用時(shí)間因子、失敗懲罰因子、交易價(jià)值等更新直接信任[6]。

1 理論研究

(1)信任。

信任是節(jié)點(diǎn)在與其他節(jié)點(diǎn)交互過程中對(duì)于其他節(jié)點(diǎn)的評(píng)判，以及能力的反饋[7]。信任是節(jié)點(diǎn)通過與另一節(jié)點(diǎn)交互使其自身信任其他節(jié)點(diǎn)的可能性的大小。節(jié)點(diǎn)的信任值從其本質(zhì)上來說，不僅與其物理屬性真實(shí)，而且也與節(jié)點(diǎn)的行為動(dòng)作真實(shí)，不但表現(xiàn)出節(jié)點(diǎn)的物理能力，也表現(xiàn)出了節(jié)點(diǎn)對(duì)于執(zhí)行行動(dòng)的意愿[8]。信任推薦模型通過節(jié)點(diǎn)評(píng)估，計(jì)算正面與負(fù)面評(píng)估所得效益值[9]，從而得到節(jié)點(diǎn)的信任值。信任值的高低決定了系統(tǒng)是否推薦內(nèi)容給節(jié)點(diǎn)。

(2)激勵(lì)機(jī)制。

在激勵(lì)機(jī)制的研究中，基于虛擬支付的激勵(lì)機(jī)制通過提供虛擬貨幣的獎(jiǎng)勵(lì)跟蹤節(jié)點(diǎn)交互過程，但是交互過程中費(fèi)用不透明，難以通過真實(shí)費(fèi)用設(shè)置激勵(lì)機(jī)制[10]。基于互惠的激勵(lì)機(jī)制在節(jié)點(diǎn)長期交互的情況下較有效，而對(duì)于新加入節(jié)點(diǎn)不能提供較好的策略?；谛抛u(yù)的激勵(lì)機(jī)制，節(jié)點(diǎn)分析自身屬性和其他節(jié)點(diǎn)推薦累計(jì)信任。在評(píng)估過程中評(píng)估不實(shí)需要進(jìn)一步研究[11-12]。

TFT是節(jié)點(diǎn)選擇的策略，是上一時(shí)刻交互節(jié)點(diǎn)選擇的策略；GTFT是節(jié)點(diǎn)在TFT策略選擇的基礎(chǔ)上允許交互節(jié)點(diǎn)一定的背叛[13]。

文中在分析節(jié)點(diǎn)信譽(yù)度的基礎(chǔ)上，提出了一種動(dòng)態(tài)激勵(lì)機(jī)制提供節(jié)點(diǎn)的信譽(yù)，在基于信譽(yù)機(jī)制缺乏懲罰的基礎(chǔ)上綜合懲罰研究模型。通過每一輪博弈，不同行為策略導(dǎo)致不同的收益函數(shù)，從而支配行動(dòng)，激勵(lì)節(jié)點(diǎn)的理性行為。

2 評(píng)估模型

文中研究的社會(huì)網(wǎng)絡(luò)中節(jié)點(diǎn)信任傳遞過程中信任評(píng)估行為，信任度評(píng)估模型是通過分析節(jié)點(diǎn)與其他節(jié)點(diǎn)交互時(shí)，對(duì)交互過程的一種信任的評(píng)估，通過分析不同可信度評(píng)價(jià)請(qǐng)求節(jié)點(diǎn)對(duì)提供服務(wù)節(jié)點(diǎn)信任評(píng)價(jià)過程，引入節(jié)點(diǎn)可信度，節(jié)點(diǎn)的直接信任和間接信任的形成是在信任計(jì)算過程中增加懲罰來激勵(lì)節(jié)點(diǎn)在網(wǎng)絡(luò)中理性的行為。

2.1 信任網(wǎng)絡(luò)

基于推薦的信任計(jì)算過程中，請(qǐng)求服務(wù)的節(jié)點(diǎn)發(fā)布服務(wù)的需求，系統(tǒng)通過反饋給用戶提供服務(wù)節(jié)點(diǎn)的信譽(yù)度，節(jié)點(diǎn)選擇信任度較高的節(jié)點(diǎn)進(jìn)行交互。網(wǎng)絡(luò)中信任傳遞過程如圖1所示。

圖1 網(wǎng)絡(luò)中信任評(píng)估模型

節(jié)點(diǎn)對(duì)信任的評(píng)估包括兩個(gè)部分：直接信任與間接信任。直接信任是節(jié)點(diǎn)與節(jié)點(diǎn)直接信息交互時(shí)，根據(jù)交互屬性計(jì)算的信任值，分為主觀的評(píng)價(jià)產(chǎn)生的信任和客觀評(píng)價(jià)產(chǎn)生的直接信任。文中考慮節(jié)點(diǎn)的主觀評(píng)價(jià)和客觀評(píng)價(jià)產(chǎn)生的直接信任。根據(jù)節(jié)點(diǎn)的直接評(píng)價(jià)可信度和服務(wù)節(jié)點(diǎn)的直接交易信任度計(jì)算。間接信任是節(jié)點(diǎn)在請(qǐng)求該節(jié)點(diǎn)服務(wù)之前由于不知道該節(jié)點(diǎn)是否為惡意節(jié)點(diǎn)而詢問自己的朋友所得的該節(jié)點(diǎn)的信任值。通過間接信任度推薦用戶推薦可信度的評(píng)價(jià)判斷節(jié)點(diǎn)的間接信任。

2.2 直接信任

(1)節(jié)點(diǎn)的主觀評(píng)價(jià)。

節(jié)點(diǎn)在交互過程中對(duì)提供服務(wù)的節(jié)點(diǎn)提供服務(wù)是否滿意的評(píng)價(jià)值，評(píng)價(jià)節(jié)點(diǎn)Ei與服務(wù)提供節(jié)點(diǎn)Gj對(duì)第t次交互的滿意度評(píng)價(jià)為一系列離散的、區(qū)間在[0,1]中的服務(wù)請(qǐng)求節(jié)點(diǎn)在不同交互周期的評(píng)價(jià)值。

TSi→j,t=(Ei,Gj,t)，TS={TSi→j,1,TSi→j,2,…,TSi→j,t}

(2)節(jié)點(diǎn)的客觀評(píng)價(jià)。

請(qǐng)求服務(wù)節(jié)點(diǎn)提供的服務(wù)質(zhì)量的需求與提供服務(wù)節(jié)點(diǎn)實(shí)際提供的服務(wù)質(zhì)量相減，請(qǐng)求節(jié)點(diǎn)提供的服務(wù)需求質(zhì)量為QEi→Gj，服務(wù)節(jié)點(diǎn)提供的服務(wù)質(zhì)量為QGj，質(zhì)量間的差值為Mi=QEi→Gj-QGj。假設(shè)請(qǐng)求節(jié)點(diǎn)優(yōu)先，服務(wù)的質(zhì)量達(dá)到節(jié)點(diǎn)的請(qǐng)求，認(rèn)為滿意度為自己請(qǐng)求服務(wù)的質(zhì)量，服務(wù)質(zhì)量在比需求小的情況下，認(rèn)為被服務(wù)節(jié)點(diǎn)欺騙，在其提供的服務(wù)質(zhì)量的基礎(chǔ)上增加一個(gè)懲罰。

(1)

節(jié)點(diǎn)綜合評(píng)價(jià)滿意度為：

Si=α·TSi+(1-α)·RSi,0≤α≤1

(2)

一般系統(tǒng)更加相信實(shí)際檢測的數(shù)據(jù)，節(jié)點(diǎn)的客觀評(píng)價(jià)滿意度占比更重。文中設(shè)置α=0.2。

(3)節(jié)點(diǎn)評(píng)價(jià)的可信度。

通過節(jié)點(diǎn)主觀評(píng)價(jià)和客觀評(píng)價(jià)的相似性，判斷節(jié)點(diǎn)評(píng)價(jià)的相似性。節(jié)點(diǎn)的主觀評(píng)價(jià)序列TS={TS1,TS2,…,TSi}，客觀評(píng)價(jià)序列為RS={RS1,RS2,…,RSi}，評(píng)價(jià)可信度為：

(3)

評(píng)價(jià)的可信度值越大，表示評(píng)價(jià)越可信。

節(jié)點(diǎn)直接信任度為：

(4)

2.3 間接信任

節(jié)點(diǎn)k向節(jié)點(diǎn)i提供的關(guān)于提供服務(wù)節(jié)點(diǎn)j的間接信任，推薦信任計(jì)算模型公式為：

Tj=ωi→k·Rk→j，ωi→k=exp(-d(i,k))

(5)

其中，ωi→k指節(jié)點(diǎn)的信任推薦根據(jù)節(jié)點(diǎn)路徑遞減的函數(shù)；Rk→j指推薦節(jié)點(diǎn)k提供的關(guān)于節(jié)點(diǎn)j的直接信任。

綜合信任值為：

(6)

由于理性節(jié)點(diǎn)更信任自身的直接信任，所以直接信任所占比重較大，取β=0.6。節(jié)點(diǎn)信譽(yù)值為所有節(jié)點(diǎn)對(duì)其節(jié)點(diǎn)信任值的平均值。

(7)

3 基于可信度的動(dòng)態(tài)激勵(lì)策略

節(jié)點(diǎn)請(qǐng)求服務(wù)的過程如下：節(jié)點(diǎn)向周圍節(jié)點(diǎn)提出服務(wù)請(qǐng)求，其中部分節(jié)點(diǎn)會(huì)根據(jù)情況自己響應(yīng)該節(jié)點(diǎn)發(fā)出的請(qǐng)求或者推薦其他節(jié)點(diǎn)來響應(yīng)請(qǐng)求，當(dāng)?shù)玫竭@些響應(yīng)節(jié)點(diǎn)的服務(wù)后，節(jié)點(diǎn)獲取其信任值，包括直接信任和推薦信任來判斷是否與其交互，直接信任能直接判斷與其是否交互。在沒有直接信任的情況下，通過獲取其他節(jié)點(diǎn)的推薦信任判斷是否交互，節(jié)點(diǎn)i得到節(jié)點(diǎn)(k,m,n…)提供的關(guān)于節(jié)點(diǎn)k的信任推薦，節(jié)點(diǎn)在得到信任推薦后，判斷是否接受其信任推薦并與推薦的節(jié)點(diǎn)交互。如果共謀節(jié)點(diǎn)提供了關(guān)于推薦的節(jié)點(diǎn)的虛假信任信息，節(jié)點(diǎn)與其交互會(huì)得到損害[14]。

本節(jié)將提出一種改進(jìn)的激勵(lì)節(jié)點(diǎn)真實(shí)推薦的策略，引入到信任計(jì)算公式中。由于共謀節(jié)點(diǎn)的不能有效抑制，合謀節(jié)點(diǎn)采取的行動(dòng)使提交服務(wù)請(qǐng)求較低，服務(wù)節(jié)點(diǎn)提供低質(zhì)量服務(wù)，請(qǐng)求節(jié)點(diǎn)給予較高滿意度，共謀節(jié)點(diǎn)之間能夠累計(jì)較高的信任，使得網(wǎng)絡(luò)中的節(jié)點(diǎn)推薦請(qǐng)求的信任度的真實(shí)性無法判斷。

3.1 博弈分析

本節(jié)分析節(jié)點(diǎn)信任推薦過程，請(qǐng)求節(jié)點(diǎn)1和信任推薦節(jié)點(diǎn)2加入博弈，博弈的結(jié)果是節(jié)點(diǎn)1采取合作或者攻擊策略，節(jié)點(diǎn)2接受或者不接受節(jié)點(diǎn)1提供的策略。節(jié)點(diǎn)1合作是指節(jié)點(diǎn)提供關(guān)于請(qǐng)求服務(wù)的推薦真實(shí)交互信息，節(jié)點(diǎn)2背叛提供共謀節(jié)點(diǎn)的虛假推薦信任。兩節(jié)點(diǎn)支付矩陣見表1。

表1 支付矩陣

節(jié)點(diǎn)接受合作節(jié)點(diǎn)的推薦時(shí)收益為V,不接受合作節(jié)點(diǎn)的推薦時(shí)損失為Z，接受惡意攻擊節(jié)點(diǎn)的信任推薦時(shí)損失為Z。節(jié)點(diǎn)的信任推薦被接受，請(qǐng)求節(jié)點(diǎn)得到V的收益，并反饋給推薦節(jié)點(diǎn)V的支付，不接受得不到支付，收益為0。單次博弈的情況下，博弈納什均衡狀態(tài)(V,V)，即提供服務(wù)節(jié)點(diǎn)合作，請(qǐng)求節(jié)點(diǎn)接受其推薦信任。

假設(shè)節(jié)點(diǎn)1第一次以概率p選擇合作，第二次節(jié)點(diǎn)1的選擇要看節(jié)點(diǎn)2有沒有接受其信任推薦。若節(jié)點(diǎn)2接受推薦，如果節(jié)點(diǎn)1下一次博弈中采取攻擊行為，節(jié)點(diǎn)2第二次的行動(dòng)取決于節(jié)點(diǎn)1有無采取合作策略，若合作接受其信任推薦，否則不接受其信任推薦。其行動(dòng)策略如見表2。

表2 節(jié)點(diǎn)行動(dòng)策略

納什均衡的結(jié)果是節(jié)點(diǎn)1持續(xù)合作時(shí)收益大于節(jié)點(diǎn)選擇背叛的策略，如式(8)。

即E>0，得(p+δ)(1-δ)<1。由于p∈(0,1]，δ∈(0,1]，節(jié)點(diǎn)以任意概率采取合作策略，其收益都無法大于完全采取合作策略的收益。所以節(jié)點(diǎn)傾向于采取合作策略。

對(duì)于不采取合作策略的節(jié)點(diǎn)，文中提出激勵(lì)策略。節(jié)點(diǎn)參與網(wǎng)絡(luò)行為的權(quán)限要根據(jù)節(jié)點(diǎn)信任值決定，博弈中計(jì)算節(jié)點(diǎn)的收益，若小于持續(xù)合作時(shí)節(jié)點(diǎn)的收益，判定其采取了惡意的攻擊行為，惡意攻擊次數(shù)加1，請(qǐng)求節(jié)點(diǎn)將節(jié)點(diǎn)信譽(yù)值降低γ，在下一時(shí)刻如果節(jié)點(diǎn)繼續(xù)采取攻擊策略，對(duì)該節(jié)點(diǎn)進(jìn)行加倍懲罰。該節(jié)點(diǎn)在請(qǐng)求網(wǎng)絡(luò)中節(jié)點(diǎn)的服務(wù)時(shí)，其他節(jié)點(diǎn)不予提供服務(wù)，并且當(dāng)前交互節(jié)點(diǎn)不與該節(jié)點(diǎn)交互，直到節(jié)點(diǎn)與其他節(jié)點(diǎn)在信任推薦過程中合作τ周期之后，節(jié)點(diǎn)收益上升到0.5，網(wǎng)絡(luò)中節(jié)點(diǎn)開始響應(yīng)該節(jié)點(diǎn)發(fā)布的請(qǐng)求。若節(jié)點(diǎn)攻擊次數(shù)大于2，節(jié)點(diǎn)將被踢出網(wǎng)絡(luò)。

3.2 節(jié)點(diǎn)之間信任推薦步驟

Step1：節(jié)點(diǎn)2檢測節(jié)點(diǎn)1的信譽(yù)值Reputation，并檢測h，n。

Step2：如果h=1表示節(jié)點(diǎn)1與其歷史中接受過其信任推薦，判斷Reputation≥0.5，節(jié)點(diǎn)選擇以概率p信任節(jié)點(diǎn)1的推薦。

Step3：計(jì)算節(jié)點(diǎn)2收益u2，如果u2

Step4：如果Reputation<0.5，節(jié)點(diǎn)選擇不信任節(jié)點(diǎn)1的推薦，計(jì)算節(jié)點(diǎn)2的收益u2。

Step5：如果h=0，表示節(jié)點(diǎn)未給予過信任推薦，節(jié)點(diǎn)2選擇以概率p信任節(jié)點(diǎn)1的推薦，跳到步驟3。

Step6：節(jié)點(diǎn)1與其他節(jié)點(diǎn)交互，如果在τ個(gè)周期內(nèi)持續(xù)合作行為，恢復(fù)其信譽(yù)值Reputation=Reputation+nγ；否則n=2,Reputation=Reputation-n2γ，系統(tǒng)將該節(jié)點(diǎn)踢出。

4 仿真分析

4.1 信任仿真

采用Matlab R2013a，由于目前沒有服務(wù)質(zhì)量的實(shí)驗(yàn)數(shù)據(jù)，該實(shí)驗(yàn)隨機(jī)生成服務(wù)的質(zhì)量和節(jié)點(diǎn)需求數(shù)據(jù)。

首先分析節(jié)點(diǎn)與其他節(jié)點(diǎn)交互過程中文中信任計(jì)算函數(shù)的作用。動(dòng)態(tài)搖擺節(jié)點(diǎn)存在惡意行為時(shí)，隨著交互周期推移節(jié)點(diǎn)信任值的變化情況。

初始化：節(jié)點(diǎn)的初始信任值為0.5。假設(shè)網(wǎng)絡(luò)中，節(jié)點(diǎn)提供真實(shí)服務(wù)的次數(shù)為15次，虛假服務(wù)的次數(shù)為5次。實(shí)驗(yàn)參數(shù)見表3。經(jīng)過計(jì)算20次評(píng)價(jià)過程的滿意度見圖2。

表3 參數(shù)設(shè)置

0.80.60.90.60.70.50.50.80.80.80.60.90.90.60.80.10.40.20.30.4

圖2 節(jié)點(diǎn)滿意度評(píng)估

在節(jié)點(diǎn)交互過程中存在15次高質(zhì)量服務(wù)，5次低質(zhì)量服務(wù)，在前15次交互過程中節(jié)點(diǎn)的信任值由于提供高質(zhì)量服務(wù)緩慢上升，當(dāng)節(jié)點(diǎn)提供虛假的服務(wù)時(shí)節(jié)點(diǎn)的信任值快速下降，然后趨于平穩(wěn)。從圖3中看出，在節(jié)點(diǎn)第16次提供了虛假服務(wù)后該節(jié)點(diǎn)的信任值迅速遞減。

圖3 動(dòng)態(tài)搖擺節(jié)點(diǎn)信任值

從圖3可以看出，與EigenRep模型相比，文中模型的信任值上升較慢下降較快，節(jié)點(diǎn)自私交互或者惡意服務(wù)提供的概率有一定的減少。

4.2 共謀推薦

文中仿真100個(gè)搖擺節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)的交互根據(jù)交互過程中的策略而定。惡意節(jié)點(diǎn)的比率為40%，節(jié)點(diǎn)的初始信任度隨機(jī)生成。

通過分析節(jié)點(diǎn)的信任值低于0.5時(shí)不再交互，動(dòng)態(tài)搖擺節(jié)點(diǎn)合作的比例下降，交互節(jié)點(diǎn)的影響力交互過程的系統(tǒng)中，合謀節(jié)點(diǎn)通過在一定時(shí)期內(nèi)合作累計(jì)信譽(yù)，在下一個(gè)周期內(nèi)實(shí)行合謀從而實(shí)現(xiàn)雙方利益的最大化。節(jié)點(diǎn)通過分析合作在所有節(jié)點(diǎn)中占有的比例與文獻(xiàn)[4]提到的EigenRep模型進(jìn)行比較。從圖4中可得，文中模型在交互過程中節(jié)點(diǎn)的共謀次數(shù)減少，合作的概率增大。

圖4 動(dòng)態(tài)搖擺節(jié)點(diǎn)合作率

5 結(jié)束語

對(duì)于現(xiàn)有評(píng)估信任模型中存在的合謀評(píng)估從而使得被評(píng)估節(jié)點(diǎn)信任值增大，致使在推薦過程中推薦給其他節(jié)點(diǎn)錯(cuò)誤的服務(wù)，文中提出改進(jìn)的基于網(wǎng)絡(luò)推薦過程中的綜合影響因子計(jì)算節(jié)點(diǎn)的信任，在信任計(jì)算過程中博弈分析節(jié)點(diǎn)是否參與了合謀。根據(jù)節(jié)點(diǎn)的信譽(yù)值動(dòng)態(tài)衰減或遞增節(jié)點(diǎn)的信譽(yù)，設(shè)置閾值從而激勵(lì)節(jié)點(diǎn)評(píng)估動(dòng)態(tài)地改變自己的策略。文中的信任值只是單方面根據(jù)節(jié)點(diǎn)評(píng)估所得的直接信任和推薦信任，在進(jìn)一步研究中需綜合考慮信任值形成的各要素。

[1] Wu Shih-Hung,Soo Von-Wun.Escape from a prisoners’ dilemma by communication with a trusted third party[C]//Proceedings of 1998 tenth IEEE international conference on tools with artificial intelligence.[s.l.]:IEEE,1998:58-65.

[2] 姜文君.在線社會(huì)網(wǎng)絡(luò)中個(gè)性化信任評(píng)價(jià)基礎(chǔ)與應(yīng)用研究[D].長沙:中南大學(xué),2014.

[3] Marsh S.Formalizing trust as a computational concept[D].UK:University of Stirling,1994.

[4] Kamvar S D,Schlosser M T.EigenRep:reputation management in P2P networks[C]//Lawrence S.Proceedings of the 12th international world wide web conference.Budapest:ACM Press,2003:123-134.

[5] Xiong I,Liu I.PeerTrust:supporting reputation based trust for peer-to-peer electronic communities[J].IEEE Transactions on Knowledge and Data Engineering,2004,16(7):843-857.

[6] 李 俊,薛 偉,甘旭陽.基于EigenRep信任模型的一種改進(jìn)信任機(jī)制[J]．計(jì)算機(jī)科學(xué)，2013，40(7)：113-115．

[7] 王 倩．基于博弈論的Web服務(wù)信任評(píng)估模型[D].秦皇島:燕山大學(xué),2014.

[8] 郭艷燕,童向榮,劉其成,等．基于博弈論的網(wǎng)絡(luò)信息傳播模型的研究[J].計(jì)算機(jī)科學(xué),2014,41(3):238-244.

[9] 申利民,王 倩,李 峰．基于博弈論的Web服務(wù)信任評(píng)估模型[J].小型微型計(jì)算機(jī)系統(tǒng),2014,35(8):1687-1692.

[10] 王 剛,蒲國林,邱玉輝.一個(gè)基于社會(huì)網(wǎng)絡(luò)的內(nèi)容推薦模型研究[J].計(jì)算機(jī)應(yīng)用與軟件,2012,29(12):47-50.

[11] 王 晟,王子琪,張 銘.個(gè)性化微博推薦算法[J].計(jì)算機(jī)科學(xué)與探索,2012,6(10):895-902.

[12] 羅柏發(fā),蔡國永.一種基于社會(huì)網(wǎng)絡(luò)的激勵(lì)兼容的信任模型[J].計(jì)算機(jī)應(yīng)用研究,2011,28(5):1932-1936.

[13] 歐陽竟成．對(duì)等網(wǎng)絡(luò)中信任模型與激勵(lì)機(jī)制研究[D].長沙:湖南大學(xué),2012.

[14] 張佩云,黃 波,謝榮見,等.一種基于社會(huì)網(wǎng)絡(luò)信任關(guān)系的服務(wù)推薦方法[J].小型微型計(jì)算機(jī)系統(tǒng),2014,35(2):222-227.

An Improved Dynamic Trust Model in Social Network

LIU Xue-liang，HU Xiao-hui

(School of Electronics and Information Engineering,Lanzhou Jiaotong University, Lanzhou 730070,China)

In social network,the problem of large number of malicious services and the trust value unlikelihood or unreliable with the malicious nodes and the dynamic nodes which provide low quality service and network attack in trust calculating is researched.By analyzing the trust evaluation behavior of the node and the recommendation from the conspiracy node,an improved method to calculate and form trust value is proposed.Through introducing the subjective and objective evaluation of the node,combined with the GTFT and TFT,a related punishment strategy is given for dishonest trust recommendation in recommending process.The simulation shows that the direct trust and recommendation trust based on the subjective evaluation and objective evaluation can promote the rational participation of the nodes,improving the unlikelihood or unreliable problem in trust calculation,and decrease the attack node in the network.

game theory;feedback value;incentive strategy;trust recommendation

2015-09-16

2015-12-18

時(shí)間：2016-05-25

甘肅省高等學(xué)校特色專業(yè)(080901);甘肅省科技支撐計(jì)劃(2014GS03891)

劉雪亮(1990-),女,碩士研究生,研究方向?yàn)橹悄苄畔⑻幚恚缓鷷暂x,教授,碩士研究生導(dǎo)師,研究方向?yàn)橹悄苄畔⑻幚?、分布式?jì)算。

http://www.cnki.net/kcms/detail/61.1450.TP.20160525.1709.048.html

TP393

A

1673-629X(2016)06-0051-05

10.3969/j.issn.1673-629X.2016.06.011