徐 军 钟元生 万树平



一种集成直觉模糊信息的激励自适应信任模

徐 军①②钟元生②万树平②

①(江西财经大学现代经济管理学院 南昌 330013)②(江西财经大学信息管理学院 南昌 330013)

针对现有信任机制不能很好表达信任的不确定性，且缺乏有效处理分布式网络中存在的不诚实推荐和策略性欺骗等问题，该文提出一种集成直觉模糊信息的自适应信任评估模型。为了提供可信服务的实体，惩罚不良行为实体，该模型直觉模糊数。同时和行为一致性过滤不诚实推荐行为。除此之外，为了克服综合信任聚合计算中权重确定较主观的问题，给出了一种新的自适应权重分配方法。仿真实验表明，该模型在提高实体服务积极性和抑制恶意欺诈行为中，都有较好的适应性和有效性。

直觉模糊信息；信任模型；分布式网络；推荐可信度

1 引言

近年来，对等(Peer to Peer, P2P)网络技术在协作、共享和分布式计算等方面得到了广泛应用。但由于P2P网络技术的匿名性、开放性、自治性和不确定性等特征，使得网络环境中充斥着大量欺诈行为和不可信服务。为了解决这类网络安全问题，人们模拟人际网络中的信任关系，通过建立信任评估模型，可以有效地遏制开放网络中存在的恶意行为，从而降低交互失败的风险。因此，信任评估成为国内外学者研究的热点。

根据实体信任度的表示方法，已有的信任模型主要有：(1)基于概率理论信任模型。文献[1]利用最大似然估计方法获得节点的全局信任值，克服了EigenRep模型[2]迭代产生的复杂性，通过置信区间估计方法提高了精确性，同时考虑了恶意节点的攻击行为。……