论文部分内容阅读
P2P网络具有良好的灵活性和可扩展性,在文件共享、协同交互、分布式计算等领域得到广泛的应用。P2P网络由大量自由分散的节点组成,具有开放、匿名、松耦合的特征,存在节点散布非法内容,滥用网络资源,反馈虚假信息等现象,节点间缺乏信任,制约了P2P网络的进一步发展,如何在节点间建立信任关系是一个重要的研究课题。信任反映的是节点在交易完成后相互评价,根据对某个节点的所有评价信息,计算该节点的信任度,对此节点行为进行预先判定,为网络中其他节点选择交易对象时提供参考。P2P网络中节点之间的信任是促使节点合作、激励节点共享资源的有利保障,直接影响P2P网络的整体性能。P2P网络中信任问题可以通过建立可靠的信任管理模型来解决。本文围绕着P2P网络信任管理进行了研究,主要成果如下:(1)提出检测不实评价对建立P2P网络信任管理模型至关重要,在分析信誉值的表示方法、不实评价的分类后,归纳了不实评价的检测方法。针对P2P网络中信任评价矩阵低秩特征,把P2P网络信任管理中不实评价的检测问题建模为L1范数正则化矩阵补全问题,提出一种基于L1范数正则化矩阵补全算的不实评价检查方法,采用交替方向乘子法结合算子分裂技术对问题进行求解,算法不仅可以准确检测不实评价,而且能对节点信誉值进行预测。针对多维评价指标体系的信任管理模型,提出基于双向聚类的不实评价检测算法,仿真实验结果表明针对不同的评价指标,算法可以准确检测不实评价,算法同样可以用于单一评价的信任模型。(2)提出基于集对分析理论的P2P网络信任模型,给出了模型描述及计算方法,根据交互记录量化节点间直接信任,采用奖惩机制动态更新节点间直接信任,利用节点的推荐获得间接信任,给出两种推荐方法,融合直接信任和间接信任得到节点的综合信任,仿真结果证明模型容错性好,误判率低。将P2P网络中的不确定因素用集对理论表示和传统基于推荐节点的方法相结合,提出一种基于推荐的信誉改进算法,仿真实验证明改进算法优于传统算法。引入层次分析方法,提出一种基于层次分析方法和多元联系数相结合表示信任的方法。利用多元联系将节点间的信任程度和信任的不确定性统一起来,解决了信任表达中的模糊性和不确定性难题,仿真实验证明该方法在提高网络平均信任水平,促进网络节点合作方面能取得良好效果。(3)提出反映节点动态行为过程的信任模型,对现有的信任模型归纳分析,提出节点近期行为对节点信任值影响最大,节点行为具有马尔科夫性,提出了基于马尔科夫的信任模型。对P2P网路进行分组,选择组内最高信誉值节点作为认证节点,次高信誉值节点作为备份认证节点,解决了P2P网络无中心认证节点问题。进一步提出了基于隐性马尔科夫模型的信任模型,采用隐性马尔科夫模型对节点行为进行建模,利用节点交易评价作为记录,由前向后向算法计算节点行为概率分布,得到节点信任值,结合信任评估实时性需要,提出了一种基于滑动窗口和遗忘因子的信任更新算法。