论文部分内容阅读
近年来P2P网络作为一项全新的Internet技术飞速发展，但是随着P2P网络应用的发展，其开放性、自治性、动态性和匿名性等特性也为计算机病毒、垃圾数据等的传播以及欺诈行为提供了有利的条件。恶意节点可以通过传播非法文件破坏系统、自私节点享受系统提供的服务但不对系统做任何贡献。为了解决上诉问题，学术界进行了大量的研究，而最有效的解决方式就是引入信誉机制。本文对P2P网络中信誉模型以及构建信誉模型的相关技术进行了深入研究，现有的信誉模型解决了P2P网络中存在的大部分问题，但现有模型都忽略了网络中的“富人越富”现象，即新加入网络且愿意提供优质服务的节点在短时间内很难获得较高的信誉，因此造成网络中资源不能充分利用的问题；而且大部分信誉模型计算复杂消耗大量的网络资源；同时，现有的信誉模型中的激励惩罚机制设计简单，一概而论，不能很好的起到激励惩罚作用。针对以上问题，本文提出了一种基于推拉机制与基于幂指函数的激励惩罚机制相结合的信誉模型。该模型考虑到对于新节点的特殊处理，利用“推”模式，使得新加入节点更容易与其它节点建立连接，同时通过自荐因子使这些节点更容易被选择作为交互节点，从而加快了新加入网络愿意提供优质服务的节点的信誉积累过程。在推拉模式作用下，可以很大程度上减少网络消息流量和信誉计算量。基于幂指函数的激励惩罚机制主要是利用幂指函数的单调性，将所定义的因子作为幂指函数的幂底数和幂指数，从而使得在计算信誉值时激励因子与惩罚因子根据上下文环境动态变化，让参与节点在采取合作方式完成交互时得到激励，在采取破坏活动后受到惩罚，而且惩罚会持续一段时间，从而使得节点愿意分享资源且采取友好合作的方式与其它节点交互，保证整个网络的健壮性。本文还详细说明了该模型的原理、工作方式与工作流程。仿真实验将该模型与其它已有的信誉模型作对比，验证了该模型的优势和有效性。