謝新強，周進剛，張德陽，謝秋菊.軟件架構國家重點實驗室（東軟集團），沈陽079.黑龍江八一農墾大學信息技術學院，黑龍江大慶6339

* The 2014 Special Cloud Computing Project of National Development and Reform Commission of China (發(fā)改委2014年云計算工程專項). Received 2015-04,Accepted 2015-06.

CNKI網絡優(yōu)先出版：2015-07-01, http://www.cnki.net/kcms/detail/11.5602.TP.20150701.1735.002.html

ISSN 1673-9418 CODEN JKYTA8

Journal of Frontiers of Computer Science and Technology

1673-9418/2016/10(01)-0056-09

?

基于復雜網絡的網構軟件信任模型研究*

謝新強1+，周進剛1，張德陽1，謝秋菊2
1.軟件架構國家重點實驗室（東軟集團），沈陽110179
2.黑龍江八一農墾大學信息技術學院，黑龍江大慶163319

* The 2014 Special Cloud Computing Project of National Development and Reform Commission of China (發(fā)改委2014年云計算工程專項). Received 2015-04,Accepted 2015-06.

CNKI網絡優(yōu)先出版：2015-07-01, http://www.cnki.net/kcms/detail/11.5602.TP.20150701.1735.002.html

ISSN 1673-9418 CODEN JKYTA8

Journal of Frontiers of Computer Science and Technology

1673-9418/2016/10(01)-0056-09

E-mail: fcst@vip.163.com

http://www.ceaj.org

Tel: +86-10-89056056

摘要：信任問題是網構軟件實體交互與協(xié)作需要解決的首要問題。傳統(tǒng)信任模型在解決大規(guī)模復雜網絡環(huán)境的信任問題方面存在網絡開銷大，信任收斂慢等問題。為解決該問題，提出了基于復雜網絡的網構軟件信任模型，將復雜網絡的小世界特征和無標度特性引入到網構軟件的信任模型當中，并給出了模型的定義、構造、信book=57,ebook=61任計算及模型的動力學演化證明。PeerSim仿真實驗表明，復雜網絡思想的引入，減小了信任鏈長度，降低了網絡消息量，加快了信任收斂速率，為解決大規(guī)模分布式環(huán)境下構件節(jié)點的信任問題提供了有價值的新思路。關鍵詞：網構軟件；信任模型；復雜網絡；動力學演化；分布式復雜系統(tǒng)

1　引言

Internet和WWW技術的迅猛發(fā)展，已經引發(fā)了軟件技術的新一輪變革，軟件的發(fā)展呈現(xiàn)出明顯的網絡化、主體化、開放性與復雜化特征。網構軟件（Internetware）正是在這種環(huán)境下應運而生，它是一種基于Internet平臺的新型軟件形態(tài)，以Internet為媒介，在開放、動態(tài)、難控環(huán)境下實現(xiàn)各類資源的共享與集成。由于Internet平臺缺乏統(tǒng)一的控制中心，構件實體的高度自治性，節(jié)點連接的開放性和動態(tài)性，以及人、設備和軟件之間的多重異構性，使得構件實體的行為難以預測[1]。隨著網絡規(guī)模的日益膨脹，大量實體分布在Internet上，使得信任問題成為實體間跨域協(xié)作的瓶頸性難題[2]。

目前，已有的信任模型從不同的方面對信任問題進行了研究，提出了許多值得借鑒的思路。比較典型的如文獻[3]提出了一種利用信任值的傳遞特性進行迭代計算，采用直接信任值迭代計算全網信任值的模型EigenTrust，其不足是當網絡規(guī)模較大時，性能較差。文獻[4]提出了一種集中式體系結構的信任模型TMBS（trust model in eBay system），其優(yōu)點是實現(xiàn)簡單，不足是依賴中心節(jié)點，性能和可靠性無法保障。文獻[5]提出了一種基于信息熵理論的信任度量模型，將信息熵引入到信任的權重計算上。文獻[6]提出了一種基于系統(tǒng)動力學的信任分析模型，基于社會系統(tǒng)動力學原理給出信任機制的動力學分析過程。文獻[7]提出了基于改進的D-S證據理論的信任關系強度評價方法。盡管對模型的研究已經從靜態(tài)的基于身份認證的方式逐步演變成動態(tài)的基于行為和信譽的評價方式[8]，但多數(shù)模型仍然主要關注在算法自身的設計和優(yōu)化上，對于大規(guī)模網絡的拓撲特征，社團結構，復雜網絡上節(jié)點的信任傳播動力學性質以及大規(guī)模分布式復雜網絡環(huán)境下可能出現(xiàn)的信任收斂、網絡負載等問題的研究卻不多[9]。

隨著云計算、大數(shù)據、移動互聯(lián)網技術應用的不斷深入，現(xiàn)有信任模型對于以Internet為基礎，分布廣泛，節(jié)點交互錯綜復雜且持續(xù)演化的大規(guī)模分布式構件網絡而言，已經難以滿足實體間信任關系的預測、評估和模型動態(tài)演化問題。

本文試圖引入復雜網絡理論來解決網構軟件的信任問題，通過復雜網絡理論研究網構軟件的整體拓撲特征、群落結構以及節(jié)點間的信任傳播機理和動力學演化特性，提出了一種基于復雜網絡思想的網構軟件信任模型（trust model based on complex network，TMC）?；趶碗s網絡的小世界性和無標度特征對構件實體間的信任機制進行建模與仿真，為解決復雜網絡環(huán)境下構件實體的信任問題提供了一個全新視角。

2　復雜性與復雜網絡

2.1復雜網絡基本理論

從1998年開始，對于復雜網絡的研究發(fā)生了重要的轉變，人們逐漸開始認識到節(jié)點數(shù)量龐大，連接結構復雜的實際真實網絡的整體特性，并引起了眾多學科對復雜網絡的研究熱潮，甚至將復雜網絡的研究稱為“網絡的新科學”。其中，最具開創(chuàng)性的兩篇文章是復雜網絡的研究發(fā)生轉變的標志，一篇是發(fā)表在《Nature》上題為《“小世界”網絡的集體動力學》[10]的文章，另一篇是發(fā)表在《Science》上題為《隨機網路中標度的涌現(xiàn)》[11]的文章。這兩篇文章首次闡述了復雜網絡的小世界特征和無標度性質，并通過建立相應的模型論述了這些特性的產生機理。

小世界特征是指絕大多數(shù)大規(guī)模真實系統(tǒng)都具有非常小的平均最短路徑和較高的聚類系數(shù)。研究證明社會關系網的平均最短路徑長度僅為6，即“六度分隔”。無標度特性則是指絕大多數(shù)大規(guī)模真實網絡上節(jié)點度的分布是服從冪律分布的，即p(k)∝k?γ，其中γ∈(2，3)，p(k)表示節(jié)點的度為k的概率。

2.2復雜網絡與信任模型

網構軟件各節(jié)點在Internet上的分布既不是隨機的，也不是規(guī)則的，而是呈現(xiàn)小世界聚類分布的，整個網絡實際上是由大量的“末梢節(jié)點”和少量的度數(shù)很高的節(jié)點構成，并且構件網絡可以劃分成若干個構件節(jié)點的小集團。集團內聯(lián)系緊密，集團間聯(lián)系相對稀疏。構件網絡不是靜止不變的，它是動態(tài)演化的，隨著網絡的形成、增長和演化以及網絡中節(jié)點的動態(tài)加入和退出，網絡拓撲結構也是不斷變化的。構件信任網絡的復雜性主要體現(xiàn)在如下兩個方面：

（1）節(jié)點復雜性

構件網絡中的信任實體是具有分岔和混沌等復雜非線性行為的動力學系統(tǒng)，每個構件實體實質上都嵌入了人類社會行為的相關因素，都具有復雜的時間演化行為，節(jié)點的可信度也是隨著時間不斷變化的，特別是在規(guī)模龐大的構件網絡中，如何提升收斂速率，降低風險，快速、有效地評價目標節(jié)點的可信性是網構軟件技術面臨的重要問題。

（2）結構復雜性

構件網絡的連接結構復雜，層次交疊，節(jié)點的動態(tài)加入和退出頻繁，并且難以預測。在這種情況下，信任實體的可信度也是不斷變化的，這對信任網絡的收斂速率和網絡負載提出了更高的要求。而現(xiàn)有的多數(shù)信任模型在信任值計算以及可信節(jié)點搜索方面往往基于一種較為理想的網絡拓撲結構，例如基于隨機分布的網絡拓撲模型、基于存在全局控制中心的集中式網絡拓撲模型、基于存在局部控制中心的混合式網絡拓撲模型等?，F(xiàn)有模型在網絡規(guī)模較小時是可行的，因為節(jié)點數(shù)量較小，節(jié)點間的鏈接并不復雜，節(jié)點間的平均路徑長度也并不大，對信任搜索效率的影響尚不明顯。但隨著網絡規(guī)模的不斷膨脹，網絡平均路徑長度迅速增加，在這樣一個龐大的構件網絡中，無論采用全局迭代式的計算方式，還是局部混合式的迭代計算方式，都難以有效提升這種大規(guī)模分布式網絡環(huán)境下節(jié)點的信任計算和搜索效率。

隨著構件網絡規(guī)模的不斷膨脹，構件信任評估和可信節(jié)點搜索會受到各種因素的相互制約以及耦合的影響，而構件網絡拓撲結構的復雜性也將會變得更加難以預測。為此，從網絡的整體拓撲結構特征入手，通過將復雜網絡思想引入到網構軟件的信任模型當中，以解決大規(guī)模分布式網絡環(huán)境下網構軟件節(jié)點的信任問題已經成為一種可能的途徑。

3　基于復雜網絡的信任模型構建

3.1模型定義

根據復雜網絡的集群（即集聚程度，clustering coefficient）概念[12]，絕大多數(shù)真實網絡都可以劃分成若干個群落的集合。為此，本文試圖將構件網絡抽象成若干個群落的集合，下面給出構件群落的定義。

定義1（構件群落）假設構件網絡N能夠劃分成若干個群落，群落內節(jié)點聯(lián)系緊密且路徑可達，群落間節(jié)點聯(lián)系稀疏且群之間的節(jié)點不重疊，即對于網絡N，若滿足N ＝，且對?Gi，Gj，當Gi≠Gj時，有Gi∩Gj＝?，則稱G為構件群落。

群落的劃分符合復雜網絡的小世界社團（cluster）特征，而群內節(jié)點的連接規(guī)則是基于復雜網絡中無標度特性建立起的連接關系，并且群與群之間的節(jié)點存在遷移。如圖1，群內節(jié)點之間、群間節(jié)點之間的連接關系分別對應復雜網絡中的“短程連接”、“長程連接”[12]。

Fig.1 Sketch map for topology structure of TMC community圖1　TMC模型的群落拓撲結構示意圖

定義2（節(jié)點度）度描述構件節(jié)點c在t時刻與網絡N中節(jié)點的關聯(lián)邊數(shù)[12]，包括群內和群外的連接，記作k(c，t)∈[0，∝)，形式化描述如式（1）所示：

其中，edge(c，ci，t)∈{0，1}，當edge(c，ci，t)＝1時，節(jié)點c與ci有直接邊關聯(lián)，當edge(c，ci，t)＝0時，節(jié)點c 與ci沒有直接邊關聯(lián)；n為網絡的總節(jié)點數(shù)。節(jié)點度越大，意味著該節(jié)點的網絡拓撲重要程度越高。

定義3（群系數(shù)）群系數(shù)描述群G在t時刻小世界結構的緊密程度，記作C(G，t)∈[0，1]，形式化描述如式（2）所示[13]：

其中，b(ci，t)表示t時刻節(jié)點ci的所有鄰居節(jié)點（即與之有直接邊關聯(lián)的節(jié)點）之間的連接邊數(shù)；k(ci，t)為節(jié)點ci的度；n為群G的節(jié)點個數(shù)。群系數(shù)越大，意味著群落的緊密程度越高，從而構件節(jié)點間的搜索和評估效率也就可能越高。

定義4（群內度）群內度描述t時刻群G中的節(jié)點c在該群中的拓撲重要程度，記作Z(c，t)∈[0，1]，形式化描述如式（3）所示[13]：

其中，q(c，G，t)表示t時刻節(jié)點c(c∈G)與群G中的節(jié)點關聯(lián)邊數(shù)；kˉ(G，t)為t時刻群G內所有節(jié)點度的平均值；σ2(G，t)表示t時刻群G內所有節(jié)點度的方差。群內度是對信任模型中的“短程連接”的量化。

相應的對于?c∈G，若滿足max{α×trust(c，t)＋(1?α)×Z(c，t)}，則稱節(jié)點c為群G的內聯(lián)節(jié)點，trust(c，t)∈[0，1]表示節(jié)點c的信任度（見定義6），α∈[0，1]為權重因子。

定義5（群外度）群外度描述t時刻群G內的節(jié)點c與其他群的節(jié)點聯(lián)系的緊密程度，記作W(c，t)∈[0，1]，形式化描述如式（4）所示[13]：

其中，k(c，t)為節(jié)點c的度；n為群個數(shù)；q(c，Gi，t)為節(jié)點c(c∈G)與群Gi(Gi≠G)的關聯(lián)邊數(shù)。群外度是對信任模型中“長程連接”的具體量化。

相應的對于?c∈G，若滿足max{α×trust(c，t)＋(1?α)×W(c，t)}，則將c稱為群G的外聯(lián)節(jié)點，trust(c，t)∈[0，1]為節(jié)點c的信任度（見定義6），α∈[0，1]為權重因子。

定義6（信任度）信任度描述t時刻構件c的可信程度，包括直接信任和推薦信任，記作trust(c，t)∈[0，1]，形式化描述如式（5）所示[7]：

trust(c，t)＝λ×Dtrust(c，t)＋(1?λ)×Retrust(c，t)（5）其中，Dtrust(c，t)＝Si∈[0，1]表示t時刻對節(jié)點c的直接信任，Si∈[0，1]表示每次交互后對節(jié)點c的直接信任值，m為交互次數(shù)。Retrust(c，t)＝Ri∈[0，1]表示t時刻構件節(jié)點c的推薦信任，k為與節(jié)點c有過交互的k個節(jié)點，Ri∈[0，1]表示節(jié)點c的推薦信任值，λ∈[0，1]為權重因子。

定義7（信任鏈）信任鏈也稱為信任路徑，定義為t時刻構件ci、cj之間的最短信任路徑，記作path(ci，cj，t)∈[0，∝)。構件節(jié)點間可能存在多條可達的路徑，最短路徑是指所有可達信任路徑當中，跳數(shù)最短的路徑。t時刻構件節(jié)點的平均信任路徑長度(t)∈[0，∝)，定義為網絡中所有構件節(jié)點對之間最短路徑的平均值，如式（6）所示[9]：

其中，n為網絡中所有構件節(jié)點個數(shù)。式（6）描述了t時刻構件搜索過程中網絡消息傳遞的平均步數(shù)。信任路徑過長不僅影響搜索效率，增大網絡負載，而且也會增加信任風險。

定義8（群落可信度）群落可信度描述t時刻群內各節(jié)點的平均信任度，記作trust(G，t)∈[0，1]，如式（7）所示[9]：

其中，trust(ci，t)∈[0，1]為節(jié)點ci(ci∈G)的信任度（見定義6的描述）；n為群G內節(jié)點數(shù)。構件群落是一個基于局部信息的群落集合。假設模型中的節(jié)點都是領域相關的，即節(jié)點之間能夠通過交互、共享與協(xié)作的方式實現(xiàn)構件系統(tǒng)的業(yè)務組合、配置、部署等功能。

3.2模型構造

對于構件網絡，當一個節(jié)點加入某個已知群落時，既要考慮節(jié)點的可信性，同時又要考慮節(jié)點的度。因為根據復雜網絡的基本思想，選擇度數(shù)越高的節(jié)點與之建立連接，意味著查詢效率可能會越高，所以信任路徑的長度以及網絡負載應該會越小。選擇可信度高的節(jié)點則意味著交互成功，并獲取可信服務的可能性也就越大。

基于上述思想并結合無標度網絡模型構造的基本原理[13]，給出TMC模型的構造算法（TMC construction algorithm，TMCC）。假設初始條件下存在m0個節(jié)點，并形成n0個群，引入新節(jié)點cp連接到群G(?G∈{G1，G2，…，Gn0})中的m(1≤m＜m0)個節(jié)點上。下面給出TMCC的算法描述。

（1）對任意節(jié)點c∈G，計算節(jié)點cp與c的連接概率Π(c，t)：

其中，trust(c，t)∈[0，1]為t時刻節(jié)點c的可信度；α∈[0，1]為權重因子；n為群G內節(jié)點數(shù)。

（2）選擇連接概率最大的前m個節(jié)點作為目標節(jié)點并與cp建立連接。

（3）重復（1）、（2）直到所有的新節(jié)點全部加入群G。

TMCC算法在無標度網絡模型構造基礎上綜合考慮了節(jié)點的信任度，并且可以根據實際情況，通過權重因子α對二者的權重比值進行調整，以適應動態(tài)變化的網絡環(huán)境。

紅土鎳礦主要分為褐鐵礦型和硅鎂鎳礦型兩種。褐鐵礦類型紅土鎳礦組成特點是：含F(xiàn)e較高，一般40%～50%，MgO 0～5% , SiO2 10%～30%；硅鎂鎳礦型紅土鎳礦組成特點是：含F(xiàn)e較低，一般15%～30%，含MgO 15%～35%，SiO2 10%～30%。采用還原熔煉工藝后，由于該法屬于熔池熔煉，可通過改變爐內的還原氛圍實現(xiàn)鎳鐵的選擇性還原性。由于金屬鎳熔點為1 450 ℃，冶煉熔渣溫度必須在該溫度以上。

3.3模型信任計算

（1）群內信任計算

群內所有節(jié)點交互結束后都要向群的內聯(lián)節(jié)點（見定義4的描述）發(fā)送反饋信息，對本次交互進行評價。群的內聯(lián)節(jié)點存儲了群內節(jié)點的信任信息、拓撲信息和地址信息等。群內節(jié)點間的信任稱為“群內信任”，包括直接信任和推薦信任。直接信任是節(jié)點根據自身歷史交互經驗所作出的判斷，而推薦信任依賴于群內節(jié)點和群外節(jié)點的推薦值，通過權重因子計算直接信任和推薦信任的關系。式（9）給出了群內信任計算的形式化描述：

其中，trustinner(c，t)∈[0，1]表示群內信任；Dtrust(c，t)、Retrust(c，t)∈[0，1]為對節(jié)點c的直接信任度和推薦信任度（見定義6）；λ∈[0，1]為權重因子。

（2）群間信任計算

對節(jié)點c的信任計算既要考慮c在其所在群里的可信度，同時也要考慮c所在群的群系數(shù)和群落可信度。選擇可信度高的群可以預防群體欺詐行為，而選擇群系數(shù)高的節(jié)點意味著在該群內進行評估和查詢的效率可能會更高，群內節(jié)點的聯(lián)系可能更緊密，因而網絡的平均查找路徑長度也應該會更小。式（10）給出了對節(jié)點c群間信任計算的形式化描述：

其中，C(G，t)和trust(G，t)的定義見式（2）和式（7）；α、μ、φ∈[0，1]為權重因子，且α＋μ＋φ＝1。

3.4模型演化

隨著節(jié)點的不斷加入，構件群落是不斷演化的，模型是否具備穩(wěn)定的演化狀態(tài)，是評價模型的重要條件。本節(jié)通過建立模型的動力學演化方程，證明TMC模型是具備穩(wěn)定演化特征的。

引理1 TMC模型隨著時間t的增大，節(jié)點的連接概率Π(c，t)（見式（8）定義）服從冪律分布，且具備穩(wěn)定的演化特征。

證明根據節(jié)點連接概率Π(c，t)的定義，結合平均場方程[13]，給出連接概率Π(c，t)的演化解析方程如式（11）所示：

其中，n表示群G的節(jié)點數(shù)；α∈[0，1]為權重因子；m為與群G內建立連接的新節(jié)點個數(shù)（見模型構造方法TMCC中的描述）；k(cj，t)為t時刻的節(jié)點cj的度，又因為在t時刻：

將式（12）代入式（11）得：

對式（13）積分并化簡得：

令F(Π(c,t))為Π(c,t)的分布函數(shù)，Ψ表示Π(c,t)的隨機變量，根據概率與分布函數(shù)的關系有：

對式（15）求導并化簡得：

Ψ為Π(c，t)的隨機變量，ω、?的表達式如下：

其中a、b、d表達式如下所示：

由式（16）可證TMC模型節(jié)點連接概率Π(c，t)的分布函數(shù)f(Ψ)是服從冪律分布的，具備穩(wěn)定的演化狀態(tài)。

引理1從動力學演化推理的角度證明了TMC模型拓撲分布既不是隨機的，也不是規(guī)則的，而是具備復雜網絡特征，遵循冪律分布的網絡拓撲模型，隨著模型的不斷演化，模型能夠達到穩(wěn)定收斂的平衡狀態(tài)。

4　仿真實驗與分析

4.1實驗配置

仿真實驗硬件環(huán)境為Intel?CoreTMi3-21203.3GHz， 4.00 GB內存，軟件環(huán)境為Win7，PeerSim-1.0.4仿真平臺。實驗從信任鏈長度、網絡開銷、模型收斂速率等方面對TMC模型進行了模擬和驗證，并選取較典型的信任模型TLT模型[14]和P2PRep模型[15]，通過對比證明TMC模型在面向大規(guī)模網絡節(jié)點的信任管理方面具有更好的性能。

實驗場景是模擬真實環(huán)境中構件節(jié)點的交互和信任計算過程，并基于TMCC算法對模型進行了構造。相比現(xiàn)有信任模型的節(jié)點分布拓撲結構而言，TMCC基于復雜網絡的小世界特征和無標度特性，其在節(jié)點的拓撲分布上更接近真實網絡環(huán)境中節(jié)點的拓撲分布，因此仿真結果也更具有可信性。但與真實環(huán)境相比，仿真環(huán)境的不足在于本實驗假定網絡傳輸狀況是良好的，并且假定個別節(jié)點的惡意欺詐行為以及節(jié)點遷移的影響是可以忽略的。

如表1所示，假設初始節(jié)點數(shù)m0為100個，初始群落個數(shù)n0為5個，每次連接邊數(shù)m∈[1，100)，m值取隨機數(shù)，最終生成的節(jié)點總數(shù)Nnode為1 000個，構件群個數(shù)Ngroup為20個，節(jié)點初始時刻的信任值trust(c，t0)為0.5。直接信任和推薦信任的權重因子λ 為0.6（λ的定義見式（9）），相比推薦信任，直接信任權重更大一些，這與真實社會環(huán)境中信任關系的評估也是相似的。群內信任度的權重因子α為0.7，其充分借鑒了真實環(huán)境中節(jié)點所在的“朋友圈”對其作出的評價通常更具客觀性。群落可信度權重因子μ 為0.2，群系數(shù)φ取值0.1，群系數(shù)的權重從網絡搜索效率方面對信任節(jié)點給出了約束，即同等條件下，優(yōu)先選擇群系數(shù)高的節(jié)點作為下一跳（α、μ、φ的定義見式（10））。

Table1 Parameter configuration table表1　參數(shù)配置表

4.2信任鏈長度分析

本節(jié)通過仿真實驗對信任鏈長度進行了對比分析。假設每個周期隨機選擇30%的節(jié)點發(fā)送可信節(jié)點查詢請求，并假設搜索成功的概率不低于50%，對每個周期內節(jié)點查詢成功時的信任鏈長度取平均值，實驗共模擬了100個周期。

如圖2所示，P2Prep平均信任鏈長度介于13.509 0 與6.744 5之間，TLT的信任鏈長度介于7.309 2和5.444 5之間，TMC信任鏈的長度介于5.509 2和4.743 1之間，可見TMC的信任鏈長度低于TLT和P2Prep。因為TMC模型不僅考慮了節(jié)點的可信性，而且在模型的構建和可信評估、搜索過程中充分考慮了構件的復雜網絡特征。

Fig.2 Experimental comparison of the length of trust chain for TMC model圖2　TMC模型信任鏈長度實驗對比

構件群落的劃分實際上是一種兩層式的混合結構。與TMC不同，TLT模型雖然也是兩層式的體系結構，但沒有考慮節(jié)點的拓撲分布特征，而P2Prep為分散式的結構，因此收斂速率慢，信任鏈長。

當參數(shù)α取不同值時TMC模型的平均信任鏈長度的變化情況如圖3所示。從圖中可以看出，當α＝0時，模型不再考慮節(jié)點的可信性，只考慮節(jié)點的拓撲特征，雖然此時的平均查找路徑接近最小值，但忽略節(jié)點的可信性也必然使得節(jié)點間交互、合作的成功率降低。隨著α權重的增大，信任鏈長度也在增加。因為α越大，模型對可信因素的側重程度越大，節(jié)點成功交互的概率也就越大，當α＝1時，忽略網絡拓撲結構的影響，模型的平均信任鏈長度將增加到最大值。權重α的取值取決于不同業(yè)務對節(jié)點可信性、網絡收斂速度的需求。

Fig.3 Relationship between the length of trust chain and parameter α for TMC model圖3　TMC模型信任鏈長度與α的變化關系

4.3網絡開銷實驗分析

本節(jié)對信任搜索過程中產生的消息數(shù)進行了仿真。假設每個周期內隨機選擇30%的節(jié)點發(fā)送可信節(jié)點搜索請求。

如圖4所示，通過對3個模型的實驗對比可見，隨著時間t的增加，P2Prep產生的平均消息量從2.350 9× 106個增加到3.670 6×107個，TLT產生的平均消息量從8.012 4×105個增加到2.330 6×107個，TMC所產生的平均消息量則從1.109 2×106個增加到1.870 6× 107個。并且從圖中可以看出P2Prep曲線的斜率最大，其網絡開銷也是最大的。這主要是因為P2Prep是基于分散式的結構，并且采用洪泛式全局迭代的搜索方式，所以信任收斂較慢，且網絡開銷較大。通過對比TMC和TLT的曲線趨勢，可以發(fā)現(xiàn)初始時TMC模型在第10～55個仿真周期內的消息量高于TLT模型，但隨著仿真實驗的進行，TMC曲線的斜率開始逐漸減小，當仿真周期介于第55～100之間時，TMC模型的消息量低于TLT模型的消息量。這主要是因為TMC模型的構造以及可信節(jié)點查找方面，充分考慮了節(jié)點的可信性和拓撲結構特征，節(jié)點在選擇下一跳時盡可能地選擇那些最可能接近目標的節(jié)點。TLT模型采用受限的洪泛機制，當節(jié)點規(guī)模較小時，這種方法的效率很高，但隨著查詢節(jié)點數(shù)量的增加，這種受限的洪泛機制同樣會產生大量的查詢消息。

Fig.4 Experimental comparison of the number of messages for TMC model圖4　TMC模型網絡消息量實驗對比

5　結束語

本文將復雜網絡思想引入到網構軟件的信任模型中，基于復雜網絡的小世界聚團特性和無標度特征對構件網絡進行了模型抽象和刻畫，提出了一種新的符合復雜網絡特征的網構軟件信任模型，對模型的定義、構造、信任計算及模型的演化過程給出了系統(tǒng)的分析和證明。實驗表明，當網絡規(guī)模迅速膨脹時，模型具有較小的平均信任鏈長度和較低的網絡開銷，能夠實現(xiàn)信任值的快速收斂，從而降低信任風險，提高構件網絡整體信任評估和可信節(jié)點搜索效率，為解決大規(guī)模分布式網絡環(huán)境下節(jié)點的信任問題提供一種可行的思路。下一步工作將深入研究網構軟件的復雜網絡特征，建立大規(guī)模復雜網絡環(huán)境下構件實體間信任評測、監(jiān)管與控制的仿真平臺，為解決真實環(huán)境中網構軟件的信任問題奠定基礎。

References:

[1] Lv Jian, Ma Xiaoxing, Tao Xianping, et al. Research and development of software[J]. Science in China: Series E Information Sciences, 2006, 36(10): 1037-1080.

[2] Li Jianxin, Huai Jinpeng, Li Xianxian, et al. DTM: a dynamic trust management model for Internet computing environments[J]. Chinese Journal of Computers, 2009, 32(3): 494-504.

[3] Sepandar D K, Mario T S, Hector G M. The EigenTrust algorithm for reputation management in P2P networks[C]//Proceedings of the 12th International Conference on World Wide Web, Budapest, Hungary, May 20-24, 2003. New York, USA: ACM, 2003: 640-651.

[4] Wang Yao, Vassileva J. A review on trust and reputation for Web service selection[C]//Proceedings of the 27th International Conference on Distributed Computing Systems Workshops, Toronto, Canada, Jun 25-29, 2007. Washington, USA: IEEE Computer Society, 2007: 25.

[5] Yin Guisheng, Wang Yingjie, Dong Yuxin. Study of trust measurement model for Internetware based on rough-fuzzy[J]. Journalof Harbin Engineering University,2013,34(2):222-226.

[6] Xie Qiuju, Su Zhongbin, Zheng Ping, et al. Study on system dynamics model for trust mechanism of Internetware[J]. Journal of System Simulation, 2012, 24(5): 952-956.

[7] Zhao Qiuyue, Zuo Wanli, Tian Zhongsheng, et al. A method for assessment of trust relationship strength based on the improved D-S evidence theory[J]. Chinese Journal of Computers, 2014, 37(4): 875-882.

[8] Li Yongjun, Dai Yafei. Research on trust mechanism for peerto-peer network[J]. Chinese Journal of Computers, 2010, 33 (3): 401-402.

[9] Yin Guisheng, Zhang Jianguo, Zhang Wansong, et al. Internetware trust evaluation and search algorithm based on complex network[J]. Computer Engineering, 2013, 39(9): 99-103.

[10] Watts D J, Strogatz S H. Collective dynamics of‘smallworld’networks[J]. Nature, 1998, 393(6684): 440-442.

[11] Barabasi A L, Albert R. Emergence of scaling in random networks[J]. Science, 1999, 286(5439): 509-512.

[12] Wang Xiaofan, Li Xiang, Chen Guanrong. Complex networks and its application[M]. Beijing: Tsinghua University Press, 2006: 3-48.

[13] He Daren, Liu Zonghua, Wang Binghong. Complex systems and complex networks[M]. Beijing: Higher Education Press, 2009: 105-186.

[14] Jin Yu, Gu Zhimin, Gu Guangjin, et al. Two-level trust model based on mutual trust in peer-to-peer networks[J]. Journal of Software, 2009, 20(7): 1909-1920.

[15] Cornelli F, Damiani E, di Vimercati S D C. Choosing reputable servents in a P2P network[C]//Proceedings of the 12th International Conference on World Wide Web, Honolulu,USA,May7-11,2002.NewYork,USA:ACM,2002:376-386.

附中文參考文獻：

[1]呂建,馬曉星,陶先平,等.網構軟件的研究與進展[J].中國科學: E輯信息科學, 2006, 36(10): 1037-1080.

[2]李建欣,懷進鵬,李先賢,等. DTM:一種面向網絡計算的動態(tài)信任管理模型[J].計算機學報, 2009, 32(3): 494-504.

[5]印桂生,王瑩杰,董雨欣.基于Rough-Fuzzy的網構軟件信任度量模型[J].哈爾濱工程大學學報, 2013, 34(2): 222-226.

[6]謝秋菊,蘇中濱,鄭萍,等.網構軟件信任機制的系統(tǒng)動力學模型研究[J].系統(tǒng)仿真學報, 2012, 24(5): 952-956.

[7]趙秋月,左萬利,田中生,等.一種基于改進D-S證據理論的信任關系強度評估方法研究[J].計算機學報, 2014, 37 (4): 875-882.

[8]李勇軍,代亞非.對等網絡信任機制研究[J].計算機學報, 2010, 33(3): 401-402.

[9]印桂生,張建國,張萬松,等.基于復雜網絡的網構軟件信任評估與搜索算法[J].計算機工程, 2013, 39(9): 98-103.

[12]汪小帆,李翔,陳關榮.復雜網絡理論及其應用[M].北京:清華大學出版社, 2006: 3-48.

[13]何大韌,劉宗華,汪秉宏.復雜系統(tǒng)與復雜網絡[M].北京:高等教育出版社, 2009: 105-186.

[14]金瑜,谷志民,顧廣進,等.一種對等網中基于相互信任的兩層信任模型[J].軟件學報, 2009, 20(7): 1909-1920.

XIE Xinqiang was born in 1982. He received the M.S. degree from Harbin Engineering University in 2012. Now he is a senior software engineer at Neusoft Corporation. His research interests include software reuse, component techniques and trusted software technology, etc.

謝新強（1982—），男，2012年于哈爾濱工程大學獲得碩士學位，現(xiàn)為軟件架構國家重點實驗室（東軟集團）高級軟件工程師，主要研究領域為軟件復用，軟件構件技術，軟件可信技術等。

ZHOU Jingang was born in 1979. He received the Ph.D. degree from Northeastern University in 2013. Now he is a researcher and architect at State Key Laboratory of Software Architecture (Neusoft Corporation), and the senior member of CCF. His research interests include software reuse, component techniques, model-driven software development and software product line engineering, etc.

周進剛（1979—），男，河北深澤人，2013年于東北大學獲得博士學位，現(xiàn)為軟件架構國家重點實驗室（東軟集團）研究員、架構師，CCF高級會員，主要研究領域為軟件復用，軟件構件技術，模型驅動的軟件開發(fā)方法，軟件產品線技術等。

ZHANG Deyang was born in 1980. He received the M.S. degree from Dalian University of Technology in 2004. Now he is an architect at State Key Laboratory of Software Architecture (Neusoft Corporation). His research interests include software reuse, component techniques, model-driven software development and software product line engineering, etc.

張德陽（1980—），男，2004年于大連理工大學獲得碩士學位，現(xiàn)為軟件架構國家重點實驗室（東軟集團）架構師，主要研究領域為軟件復用，軟件構件技術，模型驅動的軟件開發(fā)方法，軟件產品線技術等。

XIE Qiuju was born in 1976. She received the Ph.D. degree from Northeast Agriculture University in 2015. Now she is an associate professor and M.S. supervisor at Heilongjiang Bayi Agricultural University. Her research interests include agricultural information technology and intelligent simulation.

謝秋菊（1976—），女，2015年于東北農業(yè)大學獲得博士學位，現(xiàn)為黑龍江八一農墾大學副教授、碩士生導師，主要研究領域為農業(yè)信息技術，智能模擬。

Research on Trust Model of Internetware Based on Complex Network*

XIE Xinqiang1+, ZHOU Jingang1, ZHANG Deyang1, XIE Qiuju2
1. State Key Laboratory of Software Architecture (Neusoft Corporation), Shenyang 110179, China
2. Institute of Information Technology, Heilongjiang Bayi Agricultural University, Daqing, Heilongjiang 163319, China
+ Corresponding author: E-mail: xiexq@neusoft.com

XIE Xinqiang, ZHOU Jingang, ZHANG Deyang, et al. Research on trust model of Internetware based on complex network. Journal of Frontiers of Computer Science and Technology, 2016, 10(1)：56-64.

Abstract:Trust is the most important problem for Internetware entities interaction and collaboration. Traditional trust models have problems of large overhead and slow convergence in large-scale and complex network environments. In order to address these problems, this paper puts forward a trust model for Internetware based on complex network, introduces the characteristics of small-world and scale-free of complex network into this model, and elaborates the model’s definition, structure, trust computation rules and proof for its dynamic evolution. PeerSim simulation results show that the adoption of complex network concepts into Internetware helps to reduce the trust chain length and the amount of network messages, accelerate the convergence rate of trust, and provide valuable new ideas to resolve trust issues of Internetware in large-scale distributed networks.

Key words:Internetware; trust model; complex network; dynamic evolution; distributed complex systems

文獻標志碼：A

中圖分類號：TP393

doi:10.3778/j.issn.1673-9418.1504040