论文部分内容阅读
随着互联网的发展，一种分布式架构的网络：P2P(Peer to Peer)网络成为流行的网络结构。P2P网络具有高度的动态性、自治性和异构性。用户参与网络的随机性，自愿性及用户不同的计算能力，导致不可靠的服务质量及大量欺诈行为的存在。P2P网络的迅速发展使得网络中出现了许多安全隐患，网络的可用性差。其中如何解决P2P网络中节点间的互信成为P2P网络安全中一个重要的待解决问题。
根据此问题，有学者提出了P2P网络中“信任管理”的概念，并结合多种算法和理论，出现了多种信任管理的模型。但是已有的信任管理的模型存在多种问题，如不能有效抑制网络中恶意节点提供虚假信息，恶意节点之间的共谋，节点进行有效的交易占整个交易的比例低等。
本文在已有的信任管理模型的基础上首次提出了一种在无集中式服务器节点的P2P网络中结合粒子群算法PSO(Particle Swarm Optimization)的可信目标节点搜索算法。根据此算法本文完成以下三个方面的工作：第一，实现粒子群算法结合P2P网络的特征分布式化，将P2P网络中节点作为粒子群算法的随机粒子，信誉值较大的邻居节点作为局部最优解，使得粒子群算法可以在整个P2P网络中运行，并和信誉模型完整的结合在一起。第二，提出了最优节点判别算法结合P2P网络中多种因素对最优目标节点进行判断，提高了节点间的交易成功率。第三，根据前述算法的特点和所需条件提出了一个基于无集中式服务器节点的P2P网络信誉模型PSOTrust。对此模型进行了节点信息隐私保护、惩罚与激励机制的设计和完善，使得整个模型完整健康的运行。同时分析了模型的通信负载并证明了模型的健壮性。
最后通过仿真平台对本算法和模型进行了仿真分析。仿真数据显示，目标节点的寻找所消耗网络资源小于EigenTrust算法的泛洪机制。仿真结果得出，该模型中初次交易成功率百分比在稳定时比TACS算法高约15％，而且在模型多次运行后惩罚与激励机制使得整个P2P网络良性发展。