田俊峰，鲁玉臻，李宁

（河北大学 数学与计算机学院，河北 保定 071002）

区分不同时间的交互评价对声誉值的影响程度使得节点的声誉值更加准确。依据与当前时间距离的远近，为不同时间里产生的交互分配不同的权重。距离当前时间越近，赋予的权重越大；距离当前时间越远，赋予的权重越小。则节点A的声誉值可按照式(4)进行计算：

其中，RetA表示在当前时间间隔t内，节点A的声誉值，RetlA表示节点A的历史声誉值，μ是权重系数（0≤μ≤1），因为距离当前时间较近的交互可以更真实地反映节点的状态，所以通常μ＞0.5。

节点的声誉会对推荐信任值的可信度产生影响。为防止个别节点的恶意推荐或欺骗行为，应当综合考虑多个节点的评估。CAi表示推荐信任值的可信度，文中定义为节点A邻居节点Ai指定域内信任值与Ai的声誉值综合，可按式(5)进行计算：

1 引言

随着网格计算、普适计算、P2P计算、ad hoc网络等大规模分布式系统的广泛应用，像欺骗、共谋、恶意推荐等安全威胁日益严重。信任机制是解决这些安全问题的有效手段，为解决分布式环境中的安全问题提供了新思路。

信任机制是基于信任的相关信息做出信任决定。这些信任信息主要来自于2个方面：一方面是节点间的直接信任；另一方面是来自其他节点的推荐信任。在信任网络中，如果节点之间从未有过直接交互经验，或直接交互次数太少使得基于主观经验得出的信任值不能充分反映节点的实际状况，这时来自推荐者的推荐就非常重要，这样推荐信任关系就成了信任机制研究的重要内容。……