毛莉娜，王曉軍，唐林燕，王安德

（1.廣東輕工職業(yè)技術學院，廣東廣州 510055；2.廣東技術師范學院，廣東廣州 510055；3.廣東長盈精密技術有限公司，廣東東莞 523000）

基于信任網的統(tǒng)一量化方法的研究

毛莉娜1，王曉軍2，唐林燕1，王安德3

（1.廣東輕工職業(yè)技術學院，廣東廣州 510055；2.廣東技術師范學院，廣東廣州 510055；3.廣東長盈精密技術有限公司，廣東東莞 523000）

根據目前各模型存在量化方法不統(tǒng)一的問題，提出基于擴展主觀邏輯的統(tǒng)一量化方法.該方法獨立于具體信任表示法和推導規(guī)則，通過定義不同的映射規(guī)則，對不同信任和聲譽模型中的信任信息達成共識，并進行信息的融合.

信任信息；信任網；統(tǒng)一量化

0 引言

在Web服務環(huán)境中，當所有Web服務采用同一信任模型或量化方法時，信任信息能夠很好地共享和集成.但更常見的是各個Web服務位于不同信任模型，且這些信任模型的計算規(guī)則和量化方法存在很大的差異.因此，如何將各種模型中的信任信息進行共享，并用于解決信任信息不足的困境是當前急需解決的一個問題.

圖1 統(tǒng)一映射框架

1 統(tǒng)一映射框架

統(tǒng)一映射框架屏蔽了各種不同量化方法之間的差異，提供了統(tǒng)一信任和聲譽量化方法.不同的信任和聲譽模型可根據自己的需要選擇相應的量化方法，并在模型內部進行信任關系的推導和計算.當用戶在跨模型進行交互時，則將本地量化方法約束下的信任度或聲譽值通過通用映射框架映射到信任觀念上，從而達成共識.統(tǒng)一映射框架如圖1所示.

在圖1中，當服務A需要了解服務C的聲譽時，可先將量化方法C約束下的服務C的聲譽通過映射函數投射到統(tǒng)一量化區(qū)間上，然后進行比較.

統(tǒng)一映射框架由統(tǒng)一量化方法和映射函數2個主要部分組成.

1.1 統(tǒng)一量化方法

統(tǒng)一量化方法是信任信息進行比較和互操作的基礎，它對算法相關的細節(jié)進行抽象，屏蔽了各種不同量化方法的差異性和多樣性，且向上層應用提供了一個統(tǒng)一的信任和聲譽表示方法.

統(tǒng)一量化方法定義：設擴展主觀邏輯上的信任觀念ω0={b0，d0，μ0}為不同量化方法約束下的實體的可信度或聲譽的投影表示.Tg為區(qū)間［0，1］上的某一實數值，表示該實體在統(tǒng)一量化方法上的聲譽值，即Tg=E（ωˉ0）.

對于不同的信任和聲譽模型來說，通過統(tǒng)一量化方法，可將本地的信任度和聲譽值轉化為信任觀念的表示形式，從而可在統(tǒng)一量化方法上形成共識，并通過擴展主觀邏輯中的各種運算進行綜合.

1

.2映射函數

映射函數定義：f（x）:［0，1］為統(tǒng)一映射框架上的映射函數，其目的是將變量x映射到區(qū)間［0，1］上的某一個實數值，最終再轉化為ω0= {b0，d0，μ0}中的某一個分量.

信任觀念提供了統(tǒng)一的表示方法，但如何將現有的各種不同量化方法中的信任度或聲譽值轉化為信任觀念，則需要通過映射函數來完成.映射函數的定義不存在統(tǒng)一的標準，而是有一定的主觀性.對不同的用戶來說，同一量化方法與統(tǒng)一量化方法之間的映射關系不一定相同.

2 實例

下面以當前主要的信任和聲譽模型為例，說明這些模型中的信任度或聲譽值是如何映射到統(tǒng)一映射框架中，并轉化為信任觀念的表示形式.

2.1 eBay在線聲譽系統(tǒng)

eBay利用過去1個月、6個月、12個月的正反饋（+1）、負反饋（－1）、中性反饋（0）的總數反映用戶的聲譽.

設實體A在過去某個時間段T［t-ε，t］內的正反饋、負反饋和中性反饋的數量分別為Nr、Ns和Nu，則在該時間段內的事件總數N=Nr+ Ns+Nu.為將A在eBay中的聲譽映射到統(tǒng)一量化區(qū)間［0，1］上，映射函數f（x）的定義為

則與ω0={b0，d0，μ0}的映射關系為：

b0=f（Nr），d0=f（Ns），u0=f（Nu）（2）

2.2 Abdul-Rahman-Hailes模型

Abdul-Rahman-Hailes是基于信任的社會屬性，把實體間的相互信任看作是上下文相關、主觀和基于以前交互經驗的.群體中實體通過相互交換聲譽信息來幫助信任決策.該模型中的信任度、評估值和不確定值的表示形式及其含義如表1所示.

表1 搖Abddul-rahman中的各種量化方法

Abdul-Rahman采用定性的量化方法，需將Abdul-Rahman模型中的離散值映射到區(qū)間［0，1］上的某一個實數.以信任度為例，將區(qū)間［0，1］平均分為3個相同尺度的區(qū)間，而每個區(qū)間的邊界值{0，1/3，2/3，1}分別表示表1中的4個信任值，用映射函數pos（i）來表示，i= 0，1，2，3，則每一個離散信任值間的映射函數f（x）可定義為：

則Tg與td之間的映射關系可用式(4)計算：

則td與信任觀念ω0={b0，d0，u0}的映射關系為

類似地，對于評估值tr等也可采用上述映射方法進行定義.不確定值tu與統(tǒng)一映射框架的映射函數f（x）可定義為

則tu與信任觀念ω0={b0，d0，u0}的映射關系為

2.3 ReGret聲譽系統(tǒng)

此系統(tǒng)中，聲譽計算的信任信息源包括直接經驗、見證者聲譽和社會網絡分析，并同時考慮了聲譽的個性維、社會維和本體維.其中，直接經驗采用連續(xù)區(qū)間［-1，1］來表示；聲譽值tr則根據經驗的加權平均值來計算，結果為區(qū)間［-1，1］上的值；評估值te為區(qū)間［-1，1］上的任一連續(xù)值，其中-1表示絕對否定，1表示絕對肯定，0表示中性，則tr與統(tǒng)一量化區(qū)間上的tg映射規(guī)則為

2.4 原UniTEC算法

在原UniTEC算法中，新信任值的計算是由舊信任值與新評估值的加權所得，信任值td為區(qū)間［0，1］上的任一實數值，其中0表示沒有任何經驗或全部都是否定經驗，1表示最大程度上的信任.評估值則采用二值邏輯{0，1}（好或壞）來表示.

由于UniTEC中信任值區(qū)間與統(tǒng)一映射框架上的量化區(qū)間相同，而且也是基于二項事件，則可直接將UniTEC表示為統(tǒng)一映射框架上的信任值，而無需再經過轉換，即

b0=td；d0=1-td；u0=0（9）

2.5 Yu和Singh模型及Grid＆P2P信任模型

Yu和Singh模型采用證據理論作為信任（聲譽）推導的理論基礎.評估值采用集合{0,0.1,0.2,…,1.0}中的某個實數值表示，并分別定義了上下限wi和Ωi用于計算信任度m（TA），不信任度為m（-TA）和不確定度（{TA，-TA}）.

由于Yu和Singh模型與擴展主觀邏輯都是基于證據理論，則可建立直接的對應關系，即：

b（x）=x（TA）；d（x）=m（-TA）；u（x）=m（{TA，-TA}）（10）

類似地，提出Grid＆P2P信任模型也是基于證據理論.則其與統(tǒng)一量化方法的映射關系與上述所述相似.

2.6 合理性分析

統(tǒng)一量化方法利用映射函數將各種定性或定量的量化方法映射到區(qū)間［0，1］上，利用擴展主觀邏輯中的信任觀念來表示，從而使各種不同的量化方法約束下的信任信息的比較和集合成為可能.

3 實驗

本實驗以統(tǒng)一量化方法為中介，對部分量化方法進行了分析和比較，從另一個角度說明了以統(tǒng)一量化方法為中介進行信任信息的融合和集成的可行性，驗證了本文提出的統(tǒng)一量化方法在信任評估和聲譽的量化中的作用.

3.1 實驗用例描述

條件1（最大值評估）：從初始值開始，每次評估的結果均為最大值.

條件2（最小值評估）：從量化方法的初始值開始，每次評估的結果均為最小值.如初始值為0，則實體的信譽或聲譽值一直為0；否則，信任或聲譽值逐漸降低并最終無限接近最小值.

條件3（最小最大值評估）：先給出10次最小評估值，接著再給出10次最大評估值.

條件4（最大最小值評估）：先給出10次最大評估值，接著再給出10次最小評估值.

條件5（特定評估值）：評估值為：

1.0，0.8，0.5，0.4，0.5，

1.0，0.6，0.7，0.8，1.0，0.4，0.3，0.2，0.2，0.5，1.0，0.3，0.4，0.3.

在eBay聲譽系統(tǒng)中，假設初始聲譽值為0.5；在UniTEC中，假定時間衰減因子為aging= 0.3；在Yu和Singh模型中，上下限wi和Ωi分別為0.6和0.4，并只考慮本地信任；在ReGret模型中，當評估次數超過10次時，設開始時的評估值的權重為0，而對最近的一次評估值的權重為1，其他評估值的權重隨著評估時間而在區(qū)間［0.1］上線性增長.

假設擴展主觀邏輯中不確定度分量調節(jié)因子L=2，否定事件懲罰因子K=1.2.

3.2 實驗結果及分析

由條件1、2、3、4得出實驗結果1如圖2所示.其中ESL（Extended Subjective Logic）表示擴展主觀邏輯，ESL Aging=0.3表示時間衰減因子λ（1－Aging）為0.7的擴展主觀邏輯.

根據不同的評估順序，由條件5可得到的實驗結果2如圖3所示.

圖2 實驗結果1

圖3 實驗結果2

實驗結果1和2表明，通過統(tǒng)一量化方法，各種不同的信任評估和聲譽的量化方法能夠在同一語義進行比較，從而為信任信息的共享和集成提供了基礎.

4 結論

本文針對目前各種信任和聲譽模型中量化方法的多樣性和異構性的問題，提出基于擴展主觀邏輯的統(tǒng)一量化方法，用于解決各種不同的量化方法之間的互操作性問題，并結合實例說明如何定義不同的映射函數將各種量化方法約束下的信任信息轉化為信任觀念的表示形式，從而滿足量化方法的多樣性和統(tǒng)一性的要求，為全局的信任信息共享和集成提供基礎.

［1］劉樹棟,孟祥武.基于位置的社會化網絡推薦系統(tǒng)［J］,計算機學報,2015,38(2):322-336.

［2］蔣偉進.動態(tài)信任多Agent量化建模與方法研究［M］.科學出版社,2014.

［3］邱皓政.量化研究與統(tǒng)計分析——SPSS(PASW)數據分析范例解析［M］.重慶大學出版社,2013.

［4］劉利釗,魏鵬,王穎,等.對基于可信計算的網絡行為信任模型的量化評估方法研究［J］.武漢大學學報:信息科學版,2010,35(5):587-590.

［5］李小勇,桂小林.可信網絡中基于多維決策屬性的信任量化模型［J］.計算機學報,2009,32(3):405-416.

［6］李季,朱小勇.基于模糊理論的Web服務信任評估模型［J］.計算機工程,2010,Vol,36(15):25-28.

［7］Marmol F G,Girgo J,Perez G M.TRIMS:a privacyaware trust and reputation model for identity management systems［J］.Computer Networks,2010(16):2899-2912.

［責任編輯：劉昱］

Based on the Research of the Unity of the Trust Network Quantitative Method

MAO Lina1，WANG Xiaojun2，TANG Linyan1，WANG Ande

(1.Guangdong Industy Technical College,Guangzhou 510055;
2.Guangdong Polytechnic Normal University,Guangzhou 510665;
3.Guangdong ChangYing Precision Technology Co.Ltd.,Dongguang 523000)

In this paper,according to the disunion of quantitative method,unified quantization method based on extended subjective logic is proposed.The method is independent of the specific trust representation and inference rule.By defining different mapping rules,different trust and reputation model of trust information reaches consensus.

Trust information;Trusted network;Unified quantify

TP 393

A

1672-402X（2016）11-0020-05

2016-06-20

國家自然科學基金資助項目（61571141）；廣東省科技廳應用型科技項目(2016B090927009)；廣東省教育廳科技創(chuàng)新項目(2013KJCX0119)；廣東省科技廳2014年度公益研究與能力建設項目（2014A010104013）；江西省科技計劃項目（20141311100020）.

毛莉娜（1988-），女，湖南邵陽人，碩士，廣東輕工職業(yè)技術學院講師，工程師.研究方向：自動化控制，軟件工程等.