论文部分内容阅读
随着互联网的快速发展，安全问题显得越来越重要，同时也变得相当复杂。传统安全机制(如加密、认证、访问控制等)称之为“硬安全”手段，用以提供一种保护手段以防恶意用户，但不能保证用户通过这种安全屏障后的行为。近年来，在信息安全领域引入了管理学、社会学的思想和方法，采用信任管理来防止不可靠信息和不可靠服务，即所谓“软安全”手段。
信誉模型是实现信任管理最常用的手段，它主要通过数学的计算方法来刻画信誉，从而获取和评估信任意向。由于它能体现和符合人类社会信任网络中的信誉关系，信誉模型成为了近年来网络安全中的研究热点。
信誉模型的描述主要有形式化方法和非形式化方法两大类，形式化方法由于其精练和无二义性的数学推理机制，使其在信誉模型描述中占据着重要的地位。当前形式化信誉模型主要采用基于概率的描述方法，主要有：简单的累加算术平均、指数分布、贝叶斯分布等。贝叶斯分布由于其建模迅速，能够组合先验信息和总体信息等多种证据进行不确定性表达和推理，深受专家们推崇。
β分布由于其简单性和灵活性，应用最为广泛，但是，许多自然现象和社会现象都可以合理地用高斯分布来描述，在贝叶斯分布中高斯分布占据重要的地位，或许采用高斯分布来描述信誉模型更符合人类社会的信任网络。
基于上述分析，本文在分析现有的概率信誉模型基础上，尤其是β分布信誉模型的基础上，探讨了一种基于高斯分布的形式化信誉模型。模型形式化地描述和分析符合高斯分布网络节点信誉的初始化、信誉更新和信誉整合的数学原理及方法，给出了重要公式的证明和推导过程。同时，为模型设计了直接信誉更新、相关度评估和信誉整合等主要算法。仿真实验表明，基于高斯分布的形式化信誉模型更接近最新的信誉，信誉振荡幅度小，在抵抗合谋攻击、诋毁攻击、身份攻击等典型的信誉攻击方面具有更强的抵御能力。