[发明专利]基于推荐节点可信度计算的激励机制构造方法

说明书

技术领域

本发明是一种在开放网络环境中，基于P2P(对等计算Peer-to-Peer)网络中 的信任问题的策略性方法，主要用于解决信任关系中的激励问题，属于对等计算 和信息安全的技术应用领域。

背景技术

对等网络(P2P)是近年来迅速兴起的一种网络架构方式。在P2P网络中没有 中心服务器，所有节点的地位都是平等的，每个节点既充当服务器，为其他节点 提供服务，也同时充当客户机，享用其他节点提供的服务，它们可以随时加入或 退出网络、提供或接受服务，而且节点之间还可以直接共享信息。与传统的客户 端/服务器(C/S)模式相比，P2P技术能够有效的利用网络上的闲置资源，避免服 务器带来的瓶颈问题。但P2P网络高度的开放性、匿名性和自治性，也使得网络 中节点提供的服务的安全性和可靠性成为一个严峻问题。

信任模型不仅出现在网格环境中，由于要保证P2P网络中节点提供服务的安 全性和可靠性，信任模型在P2P网络中也得到了很好的发展。激励机制是信任模 型中不可或缺的部分，缺少了激励机制信任模型就不完整。只有良好的激励机制 才能有良好的信任模型，才能保证网络中节点提供服务的安全性和可靠性，因此 研究P2P网络中信任模型的激励机制具有重要意义。

信任模型中激励机制主要有两个方面：(1)激励资源节点提供服务(2)激励 网络中的节点对其他节点进行评价。目前对第一个方面的研究成果已经有了不少， 而对激励网络中节点对其他节点评价的研究还很少。大部分的信任模型都假设节 点是无私协作的，而实际上节点并不会从对其他节点评价获益，而且信任模型中 信任计算的过于简单以及网络中节点之间存在共同作弊等问题，这些显然对问题 的解决带来了一定的难度。

发明内容

技术问题：本发明的目的是提供一种基于推荐节点可信度计算的激励机制构 造方法。该方法提供一种激励机制，激励网络中的资源节点对其他节点进行评价， 可以有效的解决网络中信任模型中节点之间共同作弊问题，提高模型中信任关系 的可信度，同时也解决了信任值计算简单的问题。

技术方案：本发明的方法是一种策略性方法，通过对环境中推荐节点可信度 的更新并结合资源节点信任值的计算而提出，其目标是通过更新推荐节点的可信 度激励网络中的资源节点对其他节点进行评价，同时可以有效的防止网络中信任 模型中节点之间共同作弊问题。

下面给出几种特殊的定义：

贴近度(Match)：是对模糊集之间值的贴近程度的一种度量。前后数值越接 近，贴近度则越高。

信任值时间衰减加权平均(V)：是以时间衰减作为加权因子，对历史信任值 进行加权平均。

修正函数(Rivision R)：对某一数据的修正，本文中是推荐节点可信度更 新中重要的一个因子。

衰减函数(θ)：定期的减少节点信度值，防止节点信度值过度膨胀，使得节 点的信度值始终能够保持平稳，同时使得信度值低的节点有机会参与信任关系中， 起到更好的激励作用。

基于推荐节点可信度计算的激励机制构造方法所包含的步骤为：

步骤1.用户节点通过推荐节点的推荐和直接信任关系，利用公式 t＝w_d×t_d+w_r×m计算出对资源节点的信任值t_i→j；其中：w_d表示直接信任权重， t_d表示用户节点对资源节点的直接信任值，w_r表示推荐信任权重，m表示推荐节 点诚实度，d表示直接信任，r表示推荐信任，t_i→j表示用户节点i对资源节点j的 信任值；

步骤2.结合资源节点信任值的历史记录t_h，计算出资源节点的综合信任值 T_i→j，以此为根据更新对资源节点评价的推荐节点的可信度C_i→k，i＝0、1、2、…；