D0I:10.13374/1.issnl00103.2008.06.016 第30卷第6期 北京科技大学学报 Vol.30 No.6 2008年6月 Journal of University of Science and Technology Beijing Jun.2008 一种改进的DyTrust信任模型 王少杰陈红松郑雪峰 初俐君于真王熊彬 北京科技大学信息工程学院，北京100083 摘要为了提高DyTrust模型信任评价的准确度，解决信任模型的粒度比较粗糙以及节点的个体经验对信任评价带来影响 的问题，在DyTs模型的基础上，通过对节点所提供的服务进行细化和引入经验因子的方法，提出了一种改进的信任评价算 法。与DyTrust模型的比较和分析表明，改进后的模型精化了信任算法的粒度，提高了信任评价的准确度，体现了节点的个性 化特性，在反馈可信度的算法方面有较大的改善，同时该反馈可信度算法具有较好的可扩展性 关键词对等网络；信任模型：个体经验；反馈可信度 分类号TP393.01 An improved DyTrust trust model WA NG Shaojie,CHEN Hongsong.ZHENG Xuefeng,CHU Lijun,YU Zhen,WA NG Xiongbin School of Information Engineering.University of Science and Technology Beijing.Beijing 100083.China ABSTRACT To improve the trust evaluation accuracy of the DyTrust model,solve the problem of rough granularity of the trust model,and deal with the trust evaluation problems caused by individual experience.based on the DyTrust model.an improved algo- rithm of trust evaluation was presented after using an experiential factor and the particular services of nodes.Compared with the DyTrust model,the improved model has the advantages of crisp granularity.high accuracy.reflecting the personalization of nodes, enhancing the feedback trust value,and high scalability. KEY WORDS peer-topeer network:trust model:individual experience:feedback trust value 对等网络(peerto peer,P2P)的开放性以及节 出节点的全局可信度·该方法计算简单易理解，但 点的匿名性和自治等本质特性，导致了许多信任相 无法处理节点给出的不公正反馈)].二是通过对信 关的问题出现，同时，网络的动态复杂性以及节点 任传递链上的信任值重复迭代来计算网络中节点的 参与网络的策略和评价标准有所差异，导致不同的 信任值.这需要节点之间合作处理信任信息，计算 节点对同一种服务产生不同的信任评价.因此，建 和通信开销都较大[3-].现有关于P2P网络的信任 立新的分布式信任模型，使信任的评价机制更加客 模型大多是基于共享信息的局部信任模型[1]，这 观合理，仍然是当前需要解决的问题，本文考虑了 类模型不适合普通节点之间无管理信息交互的部分 节点参与网络的策略和评价标准差异的问题，针对 分布式的P2P网络四].同时，目前的P2P网络信任 DyTrust模型山进行了改进和分析 模型，忽略了节点的个体化特征，对于某个特定的节 点，其他节点对该节点的信任值都是相同的，忽略了 1P2P中的信任模型 个体直接经验对信任评价的影响， 目前PP网络中的信任系统都是基于反馈信 DyTrust模型是基于时间帧的动态信任模型， 通过反馈机制的动态调节，能够有效地检测和惩罚 息的，大致可分为全局信任模型和局部信任模型， 全局信任模型可分为两类：一是根据节点获得的正 恶意节点的行为和不诚实的反馈，降低了计算的复 面反馈和负面反馈的数目，进行简单的算术运算，得 杂性，增强了信任模型的动态适应能力和反馈信息 有效聚合能力，具有更广泛的应用场景及较好的工 收稿日期：2007-04-12修回日期：2007-05-10 程可行性，但如同上述信任模型，DyTrust模型也没 作者简介：王少杰(1976-)，男，博士研究生：郑雪峰(1951-)，男。 有考虑服务的个性化特征，同时也没有考虑节点的 教授，博士生导师，E mail:zxfxue(@263.nt 经验差异所引起的问题：若推荐节点对某服务的直
一种改进的 DyTrust 信任模型 王少杰 陈红松 郑雪峰 初俐君 于 真 王熊彬 北京科技大学信息工程学院北京100083 摘 要 为了提高 DyTrust 模型信任评价的准确度解决信任模型的粒度比较粗糙以及节点的个体经验对信任评价带来影响 的问题在 DyTrust 模型的基础上通过对节点所提供的服务进行细化和引入经验因子的方法提出了一种改进的信任评价算 法．与 DyTrust 模型的比较和分析表明改进后的模型精化了信任算法的粒度提高了信任评价的准确度体现了节点的个性 化特性在反馈可信度的算法方面有较大的改善同时该反馈可信度算法具有较好的可扩展性． 关键词 对等网络；信任模型；个体经验；反馈可信度 分类号 TP393∙01 An improved DyTrust trust model W A NG ShaojieCHEN HongsongZHENG XuefengCHU LijunY U ZhenW A NG Xiongbin School of Information EngineeringUniversity of Science and Technology BeijingBeijing100083China ABSTRACT To improve the trust evaluation accuracy of the DyTrust modelsolve the problem of rough granularity of the trust modeland deal with the trust evaluation problems caused by individual experiencebased on the DyTrust modelan improved algorithm of trust evaluation was presented after using an experiential factor and the particular services of nodes．Compared with the DyTrust modelthe improved model has the advantages of crisp granularityhigh accuracyreflecting the personalization of nodes enhancing the feedback trust valueand high scalability． KEY WORDS peer-to-peer network；trust model；individual experience；feedback trust value 收稿日期：2007-04-12 修回日期：2007-05-10 作者简介：王少杰（1976—）男博士研究生；郑雪峰（1951—）男 教授博士生导师E-mail：zxfxue＠263．net 对等网络（peer-to-peerP2P）的开放性以及节 点的匿名性和自治等本质特性导致了许多信任相 关的问题出现．同时网络的动态复杂性以及节点 参与网络的策略和评价标准有所差异导致不同的 节点对同一种服务产生不同的信任评价．因此建 立新的分布式信任模型使信任的评价机制更加客 观合理仍然是当前需要解决的问题．本文考虑了 节点参与网络的策略和评价标准差异的问题针对 DyTrust 模型［1］进行了改进和分析． 1 P2P 中的信任模型 目前 P2P 网络中的信任系统都是基于反馈信 息的大致可分为全局信任模型和局部信任模型． 全局信任模型可分为两类：一是根据节点获得的正 面反馈和负面反馈的数目进行简单的算术运算得 出节点的全局可信度．该方法计算简单易理解但 无法处理节点给出的不公正反馈［2］．二是通过对信 任传递链上的信任值重复迭代来计算网络中节点的 信任值．这需要节点之间合作处理信任信息计算 和通信开销都较大［3—6］．现有关于 P2P 网络的信任 模型大多是基于共享信息的局部信任模型［6—12］这 类模型不适合普通节点之间无管理信息交互的部分 分布式的 P2P 网络［2］．同时目前的 P2P 网络信任 模型忽略了节点的个体化特征对于某个特定的节 点其他节点对该节点的信任值都是相同的忽略了 个体直接经验对信任评价的影响． DyTrust 模型是基于时间帧的动态信任模型 通过反馈机制的动态调节能够有效地检测和惩罚 恶意节点的行为和不诚实的反馈降低了计算的复 杂性增强了信任模型的动态适应能力和反馈信息 有效聚合能力具有更广泛的应用场景及较好的工 程可行性．但如同上述信任模型DyTrust 模型也没 有考虑服务的个性化特征同时也没有考虑节点的 经验差异所引起的问题：若推荐节点对某服务的直 第30卷 第6期 2008年 6月 北 京 科 技 大 学 学 报 Journal of University of Science and Technology Beijing Vol．30No．6 Jun．2008 DOI:10．13374／j．issn1001－053x．2008．06．016
,686 北京科技大学学报 第30卷 接访问经验较少，该推荐节点根据自身经验做出推 2.2反馈可信度算法 荐评价时，容易产生较大的评价差异，与所推荐节点 设在时间帧t节点i和节点r的公共交互节点 的实际情况不符，容易被当作恶意推荐节点：同时访 集合记为Cst(i,r),节点i和节点r对公共节点评 问节点与某服务的直接交互经验较少时，对服务的 价的差异diff可以定义为： 客观性能进行评价时，容易产生较大的评价差异，而 ∑1%-%I 把有经验的善意推荐节点当成恶意节点， dif睛=ca, ICset(i,r) (3) 本文以DyTrust模型为基础，对其信任算法进 设节点i对节点r容忍的最大偏差为0，反馈可 行改进，能够较好地解决这个问题， 信度可用下式进行更新： 2 DyTrust信任模型 diffir Cri 1-Crix 2 0 diff路<0 DyTrust模型是基于时间帧的动态信任模型， Crir (4) 0 采用近期信任、长期信任、累积滥用信任和反馈信任 Cri证1 diff路 其他 作为信任评价的参数，近期信任和长期信任二者中 节点提供不诚实反馈会降低其反馈可信度，提 的最小值作为最终的信任评价结果，其中近期信任 供诚实反馈会提高其反馈可信度，这样可以有效减 反映了节点的近期行为，长期信任反映了节点的长 少不诚实节点特别是合伙欺骗节点提供的虚假反馈 期行为，累积滥用信任定义为节点利用建立的信任 对信任值计算造成的影响， 进行恶意行为而降低的信任值的总和，反馈可信度 度量节点提供的反馈是否真实可信.通过反馈控制 3改进后的DyTrust动态信任模型 机制动态调节这四个参数来表征节点行为的动态变 3.1信任评价算法的改进 化，从而能够有效地检测和惩罚恶意节点的动态行 信任应该是多方面的，在不同的应用场景中，同 为和不诚实反馈，该模型降低了计算的复杂性，具 一节点在不同领域可能具有不同的可信度，并且， 有更广泛的应用场景及较好的工程可行性山. 节点在某个应用场景和领域中信任值的变化，并不 2.1信任评价算法 影响此节点在其他应用场景和领域中信任值，因此 在时间帧t内，节点i对节点j的信任评价可 信任评价算法应该对服务节点所提供的服务进行细 以通过直接信任和间接信任获得，直接信任可以通 化，并且应该对推荐节点所推荐的服务进行分类， 过两个节点直接交互的经验获得，间接信任可以从 设节点j为服务节点，其中S1…Sk…Sm是j所 其他节点对节点j的反馈信息获得，在时间帧t 提供的服务，节点i与节点j提供的Sk服务进行交 内，节点i对节点j的信任评价记为，可以使用下 互，并对j的Sk服务进行信任评估，信任评估的结 式进行定义： 果并不影响节点j提供的其他服务；设节点，为推 腾=D+(I-∑D (1) 荐服务的节点，针对不同的S1…Sk…Sm服务，节点 EI)）Crir ,可能对其中某些服务评价很准确，而对某些服务 r∈I(j》 的评价不准确，节点i只针对某一特定服务对，的 其中，D为时间帧t中节点i对节点j的直接信任； 反馈可信度值进行更新， Cr,为节点i对节点r的反馈可信度：I(j)为时间帧 在时间帧t内，节点i对节点j的信任评价 t中和节点j进行交互的节点集合，但不包括节点 (S),可用下式进行定义： i:入为信任评价的信心因子，取值满足0≤λ≤1. Ri(Sk)= 节点交互之后彼此提交满意度的评价，节点i 对节点j的交互满意度的评价可以记为时，采用概 xD,(S)+(1-)∑CS)D.s(⑤) E1()Crir(Sk) 率可能性的方法来区分节点提供的不同服务质量， r∈I(j) 0≤e≤1,1表示节点i对节点j完全满意，0表示 其中，D(S)为时间帧t中节点i对节点j的Sk服 节点i对节点ⅰ完全不满意，值越大表示满意度越 务的直接信任，Crm(Sk)为节点i对r评价Sk服务 高，在时间帧t中，假设节点i和节点j之间交互的 的反馈可信度 数目为m,那么D可以用求平均值的方法获得： 节点i对节点j的S.交互满意度的评价可以 1T 记为e(Sk),0≤e(Se)≤1,1表示节点i对节点j (2) 完全满意，0表示节点i对节点j完全不满意，值越
接访问经验较少该推荐节点根据自身经验做出推 荐评价时容易产生较大的评价差异与所推荐节点 的实际情况不符容易被当作恶意推荐节点；同时访 问节点与某服务的直接交互经验较少时对服务的 客观性能进行评价时容易产生较大的评价差异而 把有经验的善意推荐节点当成恶意节点． 本文以 DyTrust 模型为基础对其信任算法进 行改进能够较好地解决这个问题． 2 DyTrust 信任模型 DyTrust 模型是基于时间帧的动态信任模型 采用近期信任、长期信任、累积滥用信任和反馈信任 作为信任评价的参数近期信任和长期信任二者中 的最小值作为最终的信任评价结果．其中近期信任 反映了节点的近期行为长期信任反映了节点的长 期行为累积滥用信任定义为节点利用建立的信任 进行恶意行为而降低的信任值的总和反馈可信度 度量节点提供的反馈是否真实可信．通过反馈控制 机制动态调节这四个参数来表征节点行为的动态变 化从而能够有效地检测和惩罚恶意节点的动态行 为和不诚实反馈．该模型降低了计算的复杂性具 有更广泛的应用场景及较好的工程可行性［1］． 2∙1 信任评价算法 在时间帧 t 内节点 i 对节点 j 的信任评价可 以通过直接信任和间接信任获得直接信任可以通 过两个节点直接交互的经验获得间接信任可以从 其他节点对节点 j 的反馈信息获得．在时间帧 t 内节点 i 对节点 j 的信任评价记为R t ij可以使用下 式进行定义： R t ij＝λD t ij＋（1—λ） r∑ ∈ I（ j） CrirD t rj r∑ ∈ I（ j） Crir （1） 其中D t ij为时间帧 t 中节点 i 对节点 j 的直接信任； Crir为节点 i 对节点 r 的反馈可信度；I（ j）为时间帧 t 中和节点 j 进行交互的节点集合但不包括节点 i；λ为信任评价的信心因子取值满足0≤λ≤1． 节点交互之后彼此提交满意度的评价节点 i 对节点 j 的交互满意度的评价可以记为 eij采用概 率可能性的方法来区分节点提供的不同服务质量 0≤eij≤11表示节点 i 对节点 j 完全满意0表示 节点 i 对节点 j 完全不满意值越大表示满意度越 高．在时间帧 t 中假设节点 i 和节点 j 之间交互的 数目为 m那么 D t ij可以用求平均值的方法获得： D t ij＝ 1 m ∑ eij （2） 2∙2 反馈可信度算法 设在时间帧 t 节点 i 和节点 r 的公共交互节点 集合记为 Cset（ ir）节点 i 和节点 r 对公共节点评 价的差异 diff t ij可以定义为： diff t ij＝ j∈C∑set（ ir） | D t ij － D t rj| |Cset（ ir）| （3） 设节点 i 对节点 r 容忍的最大偏差为θ反馈可 信度可用下式进行更新： Crir＝ Crir＋ 1—Crir 2 1— diff t ir θ diff t ir＜θ Crir— Crir 2 1— θ diff t ir 其他 （4） 节点提供不诚实反馈会降低其反馈可信度提 供诚实反馈会提高其反馈可信度这样可以有效减 少不诚实节点特别是合伙欺骗节点提供的虚假反馈 对信任值计算造成的影响． 3 改进后的 DyTrust 动态信任模型 3∙1 信任评价算法的改进 信任应该是多方面的在不同的应用场景中同 一节点在不同领域可能具有不同的可信度．并且 节点在某个应用场景和领域中信任值的变化并不 影响此节点在其他应用场景和领域中信任值．因此 信任评价算法应该对服务节点所提供的服务进行细 化并且应该对推荐节点所推荐的服务进行分类． 设节点 j 为服务节点其中 S1…Sk…Sn 是 j 所 提供的服务节点 i 与节点 j 提供的 Sk 服务进行交 互并对 j 的 Sk 服务进行信任评估信任评估的结 果并不影响节点 j 提供的其他服务；设节点 r 为推 荐服务的节点针对不同的 S1… Sk… Sn 服务节点 r 可能对其中某些服务评价很准确而对某些服务 的评价不准确节点 i 只针对某一特定服务对 r 的 反馈可信度值进行更新． 在时间帧 t 内节点 i 对节点 j 的信任评价 R t ij（ Sk）可用下式进行定义： R t ij（ Sk）＝ λD t ij（ Sk）＋（1—λ） r∑ ∈ I（ j） Crir（ Sk） D t rj（ Sk） r∑ ∈ I（ j） Crir（ Sk） （5） 其中D t ij（ Sk）为时间帧 t 中节点 i 对节点 j 的 Sk 服 务的直接信任Crir（ Sk）为节点 i 对 r 评价 Sk 服务 的反馈可信度． 节点 i 对节点 j 的 Sk 交互满意度的评价可以 记为 eij（ Sk）0≤eij（ Sk）≤11表示节点 i 对节点 j 完全满意0表示节点 i 对节点 j 完全不满意值越 ·686· 北 京 科 技 大 学 学 报 第30卷
第6期 王少杰等：一种改进的DyTrust信任模型 .687 大表示满意度越高，在时间帧t中，假设节点i和 第二种情况，相对经验因子>1时： 节点j的Sk服务之间直接交互的数目为m(Sk), Crir(Sk)= 那么交互满意度D(Sk)可以用求平均值的方法获 1-Crir(Sy)1 diffir(Sk) Crir(Sk)+ 得： 2 %(骗)20 击(Sk)<9 D(S)= m(s(s) 1 (6) Crir(Sk)1 6 Cr ir(Sk)- 其他 2 rdiffir(Sk) 3.2反馈可信度算法的改进 (10) 在开放PP网络中，解决不诚实反馈的方法是 考虑节点的反馈可信度，从不诚实节点的欺骗方式 4算法分析 上来讲，恶意节点试图通过频繁的提交不诚实反馈 4.1信任评价算法分析 来进行破坏，动态不诚实节点还可以累积一定的反 改进后的算法通过对服务节点j所提供的服务 馈可信度后提交不诚实的反馈；也存在一些善意节 进行细化，使得j所提供的Sk服务的信任值(S) 点，因为自身直接交互经验的不足，导致对同一服务 发生变化，并不影响广在其他场景和领域所提供服 的信任评价值与真实值产生差异.为此，反馈可信 务的信任值，例如(S)的值增加了，(Sk+1)的 度算法需要考虑个体经验的问题 值可能降低：对于推荐节点T,在Sk服务推荐的方 在时间帧t内，节点i和节点r对共同交互节 面，节点i对节点r的反馈可信度值Cr(Sk)的变 点j的Sk服务的集合记为Cset(i,r,S),节点i和 化，并不影响推荐节点，在其他服务方面的反馈可 r对公共服务评价的差异diff号(Sk)定义为： 信度的值，例如Crn(Sk)的值增加了，Cr,(Sk+1)的 D(S)-D(S) 值可能不变，通过对节点服务能力和推荐能力细 diff号(Sk)= jC(i.r.S) 化，使信任算法更加合理. I Cset(i,r,S) 4.2反馈可信度算法分析 (7) 令反馈可信度算法改进之前，公共交互节点评 其中，D(S)、D(Se)分别是节点i和r对节点j 价差异记为d货，由式(3)计算得出.引入相对经验 的Sk直接交互的平均满意程度；是针对同一个节 因子之后的评价差异记为diff号(S),由式(T)计算 点j所提供的服务Sk,节点i相对节点r的相对经 得出，设算法改进前后的评价差异都是针对j所提 验因子，定义为： 供的同一个服务Sk,则有dif号(Sk)=,diff纷，设节 生，-arctan(m(S)/ho) (8) 点i对r的推荐容忍的最大评价偏差为，当 arctan(mij(S)/ho) diff号(Sk)<0时，则有diff号<(1/，)0. 其中，o为大于零的整数，是反馈评价采用的门限 算法改进后，可以解决推荐节点经验不足的问 值，取值可由用户根据需求来设定 题：当节点i需要了解节点j提供的Sk服务的信任 为了解决推荐节点经验不足的问题，节点i只 评价时，i只采纳在t时间帧内，与j的Sk服务直接 采纳在t时间帧内，与节点j的Sk服务直接交互次 数不少于0次的推荐节点r的信任评价，当 交互次数m(Sk)≥ho的节点r的推荐；若节点r m(Ss)≥o时，节点i才采纳r对服务Sk的信任 的m(Sk)<o,则不采纳该节点r的推荐评价值， 评价值，每次交互结束后，节点i根据自身的运算 并且不对该节点r的反馈可信度Cr(Sk)进行更 新.这样使推荐经验不足的节点，避免受到惩罚， 结果，对节点r的反馈可信度进行更新，设节点i 反馈可信度的更新分为两种情况，当相对经验 对推荐节点r的最大容忍评价偏差为，则反馈可信 因子，≤1时，意味着节点i对节点j的直接交互 度分两种情况进行更新， 经验比较少，或相对与推荐节点τ的经验较少，取 第一种情况，相对经验因子，≤1时： ho=20次，引入，后对反馈可信度更新的影响如 Crin(Sk) 图1所示. Crp(Sg)+Crye(Sk)S) 2 0 df(S)<θ 此时，dif酷<(1/)0，由图1可知：(1)(1/) >0时，此时节点i自身与节点j所提供的Sk服务 cra()-4u(| 2 、(%)0 其他 df(Sk） 直接交互很少，对S服务能力判断经验不足，节点 i对节点，推荐能力所能容忍的最大评价偏差范围 (9)
大表示满意度越高．在时间帧 t 中假设节点 i 和 节点 j 的 Sk 服务之间直接交互的数目为 mij （ Sk） 那么交互满意度 D t ij（ Sk）可以用求平均值的方法获 得： D t ij（ Sk）＝ 1 m t ij（ Sk） ∑ eij（ Sk） （6） 3∙2 反馈可信度算法的改进 在开放 P2P 网络中解决不诚实反馈的方法是 考虑节点的反馈可信度．从不诚实节点的欺骗方式 上来讲恶意节点试图通过频繁的提交不诚实反馈 来进行破坏动态不诚实节点还可以累积一定的反 馈可信度后提交不诚实的反馈；也存在一些善意节 点因为自身直接交互经验的不足导致对同一服务 的信任评价值与真实值产生差异．为此反馈可信 度算法需要考虑个体经验的问题． 在时间帧 t 内节点 i 和节点 r 对共同交互节 点 j 的 Sk 服务的集合记为 Cset（ irSk）节点 i 和 r 对公共服务评价的差异 diff t ij（ Sk）定义为： diff t ij（ Sk）＝ j∈Cs∑et（ irS k ） ●t ir| D t ij（ Sk）－ D t rj（ Sk）| |Cset（ irSk）| （7） 其中D t ij（ Sk）、D t rj （ Sk）分别是节点 i 和 r 对节点 j 的 Sk 直接交互的平均满意程度；●t ir是针对同一个节 点 j 所提供的服务 Sk节点 i 相对节点 r 的相对经 验因子定义为： ●t ir＝ arctan（ m t ij（ Sk）／h0） arctan（ m t rj（ Sk）／h0） （8） 其中h0 为大于零的整数是反馈评价采用的门限 值取值可由用户根据需求来设定． 为了解决推荐节点经验不足的问题节点 i 只 采纳在 t 时间帧内与节点 j 的 Sk 服务直接交互次 数不 少 于 h0 次 的 推 荐 节 点 r 的 信 任 评 价当 m t rj（ Sk）≥h0 时节点 i 才采纳 r 对服务 Sk 的信任 评价值．每次交互结束后节点 i 根据自身的运算 结果对节点 r 的反馈可信度进行更新．设节点 i 对推荐节点 r 的最大容忍评价偏差为θ则反馈可信 度分两种情况进行更新． 第一种情况相对经验因子 ●t ir≤1时： Crir（ Sk）＝ Crir（ Sk）＋ 1—Crir（ Sk） 2 ● t ir— diff t ir（ Sk） θ diff t ir（ Sk）＜θ Crir（ Sk）— Crir（ Sk） 2 ● t ir— （● t ir） 2θ diff t ir（ Sk） 其他 （9） 第二种情况相对经验因子 ●t ir＞1时： Crir（ Sk）＝ Cr ir（ Sk）＋ 1—Cr ir（ Sk） 2 1 ● t ir — diff t ir（ Sk） （● t ir） 2θ diff t ir（ Sk）＜θ Cr ir（ Sk）— Cr ir（ Sk） 2 1 ● t ir — θ diff t ir（ Sk） 其他 （10） 4 算法分析 4∙1 信任评价算法分析 改进后的算法通过对服务节点 j 所提供的服务 进行细化使得 j 所提供的 Sk 服务的信任值R t ij（ Sk） 发生变化并不影响 j 在其他场景和领域所提供服 务的信任值例如 R t ij（ Sk）的值增加了R t ij（ Sk＋1）的 值可能降低；对于推荐节点 r在 Sk 服务推荐的方 面节点 i 对节点 r 的反馈可信度值 Crir （ Sk）的变 化并不影响推荐节点 r 在其他服务方面的反馈可 信度的值例如 Crir（ Sk）的值增加了Crir（ Sk＋1）的 值可能不变．通过对节点服务能力和推荐能力细 化使信任算法更加合理． 4∙2 反馈可信度算法分析 令反馈可信度算法改进之前公共交互节点评 价差异记为 diff t ij由式（3）计算得出．引入相对经验 因子之后的评价差异记为 diff t ij （ Sk）由式（7）计算 得出．设算法改进前后的评价差异都是针对 j 所提 供的同一个服务 Sk则有 diff t ij （ Sk）＝●t irdiff t ij．设节 点 i 对 r 的推荐容忍的最大评价偏差为 θ当 diff t ij（ Sk）＜θ时则有 diff t ij＜（1／●t ir）θ． 算法改进后可以解决推荐节点经验不足的问 题：当节点 i 需要了解节点 j 提供的 Sk 服务的信任 评价时i 只采纳在 t 时间帧内与 j 的 Sk 服务直接 交互次数 m t rj （ Sk）≥ h0 的节点 r 的推荐；若节点 r 的 m t rj（ Sk）＜h0则不采纳该节点 r 的推荐评价值 并且不对该节点 r 的反馈可信度 Crir （ Sk）进行更 新．这样使推荐经验不足的节点避免受到惩罚． 反馈可信度的更新分为两种情况当相对经验 因子 ●t ir≤1时意味着节点 i 对节点 j 的直接交互 经验比较少或相对与推荐节点 r 的经验较少．取 h0＝20次引入 ●t ir后对反馈可信度更新的影响如 图1所示． 此时diff t ij＜（1／●t ir）θ由图1可知：（1） （1／●t ir） θ≫θ时此时节点 i 自身与节点 j 所提供的 Sk 服务 直接交互很少对 Sk 服务能力判断经验不足节点 i 对节点 r 推荐能力所能容忍的最大评价偏差范围 第6期 王少杰等： 一种改进的 DyTrust 信任模型 ·687·
.688 北京科技大学学报 第30卷 2.0 点r有更多的经验，存在(1/)<0.从图2中 (1/)6的函数图形和0的函数图形可以看到，(1/ 1.5 )0的取值范围比0小，对推荐节点有更低的误差 要求， 1.6 0.5 (1/@)8 1.2 20 40 6080 100 0.85 1/ 直接交互次数，m 0.4 图1名<1时与m相关的各个函数 (1/o)8 Fig-1 Different functions on m when光，<l 20 30405060708090100 应当偏大，节点i对j所提供的Sk服务进行评价， 直接交互次数，m 主要依靠有经验的节点（直接经验大于ho的节点） 图2牛>1时与m相关的各个函数 的推荐，并且允许误差0的值变为(1/)6，这样将 Fig.2 Different functions on m when 更能合理地减少自身因为经验不足而产生的错误判 断.(2)(1/，)≈0时，随着节点i自身经验的增 根据式(1O),diff(Sk)<0时，假设算法改进前 加，(1/)的值将逐渐减少并趋向于1，(1/)0的 反馈可信度的增加值为X,将改进后的式(10)跟改 值趋向于0，此时节点r跟节点i的行为应当具有相 进前的式(4)进行比较后容易得出，算法改进后反馈 似性，节点i的错误判断的概率降低，节点i对推荐 可信度的增加值为(1/)X),在X值不变的情 节点，所容忍的最大评价偏差范围应当降低，最大 况下，1/，越小，说明节点r的经验越少，此时i对 评价偏差范围应当接近于. 节点？的反馈可信度更新的幅度比较小；同理， 根据式(9)，当dif号(S)<0时，假设算法改进 1/华越大，说明节点r的经验越多，此时i对节点r 前反馈可信度的增加值为X,将改进后的式(9)跟 的反馈可信度更新的幅度比较大， 改进前的式(4)进行比较后容易得出，算法改进后反 当dif(S.)≥0时，假设算法改进前反馈可信 馈可信度的增加值变为(X),在X值不变的情况 度减少的值为Y,算法改进后反馈可信度减少的值 下，越小，说明节点i的经验越少，此时节点i对 变为(1/)Y.在Y值不变的情况下，1/越小， 节点r的反馈可信度更新的幅度比较小：，越大， 说明节点r的经验越少，此时i对节点r的反馈可 说明节点i的经验越多，此时节点i对r的反馈可 信度更新的幅度比较小；同理，1/越大，说明节点 信度更新的幅度较大， r的经验越多，此时i对节点r的反馈可信度更新 当dif号(S)≥0时，假设算法改进前反馈可信 的幅度比较大 度的减少的值为Y,算法改进后反馈可信度的减少 通过以上算法的分析可以了解到，引入相对经 的值变为(Y)在Y值不变的情况下，越小说 验因子后，能够在一定程度上解决当前信任模型中 明节点i的经验越少，此时i对节点r的反馈可信 由于节点经验的不同所带来的问题. 度更新的幅度比较小；，越大说明节点i的经验越 多，此时i对r的反馈可信度更新的幅度比较大， 5结论 当相对经验因子，>1时，反馈可信度根据式 本文对分布式网络节点的服务能力和推荐能力 (10)进行更新，此时节点i与j所提供的Sk服务直 进行了区分和细化，通过引入相对经验因子的方 接交互经验较多，比推荐节点，有更多的经验，取 法，解决了推荐节点和评估节点经验不足带来的问 ho=20次，引入，后对反馈可信度更新的影响如 题.对改进后的DyTrust模型进行了算法分析，分 图2所示. 析表明相对经验因子使信任算法在一定程度上得到 此时，dif路<(1/)0，因为>1，此时节点i 改进，本文提出的相对经验因子的算法，不仅能够 与j所提供的S.服务直接交互经验多次，比推荐节 应用到DyTrust信任模型中，而且可以运用到其他
图1 ●t ir＜1时与 m 相关的各个函数 Fig．1 Different functions on m when ●t ir＜1 应当偏大．节点 i 对 j 所提供的 Sk 服务进行评价 主要依靠有经验的节点（直接经验大于 h0 的节点） 的推荐并且允许误差 θ的值变为（1／●t ir）θ这样将 更能合理地减少自身因为经验不足而产生的错误判 断．（2） （1／●t ir）θ≈θ时随着节点 i 自身经验的增 加（1／●t ir）的值将逐渐减少并趋向于1（1／●t ir）θ的 值趋向于θ此时节点 r 跟节点 i 的行为应当具有相 似性节点 i 的错误判断的概率降低节点 i 对推荐 节点 r 所容忍的最大评价偏差范围应当降低最大 评价偏差范围应当接近于θ． 根据式（9）当 diff t rj（ Sk）＜θ时假设算法改进 前反馈可信度的增加值为 X将改进后的式（9）跟 改进前的式（4）进行比较后容易得出算法改进后反 馈可信度的增加值变为（●t irX）．在 X 值不变的情况 下●t ir越小说明节点 i 的经验越少此时节点 i 对 节点 r 的反馈可信度更新的幅度比较小；●t ir越大 说明节点 i 的经验越多此时节点 i 对 r 的反馈可 信度更新的幅度较大． 当 diff t rj（ Sk）≥θ时假设算法改进前反馈可信 度的减少的值为 Y 算法改进后反馈可信度的减少 的值变为（●t irY ）．在 Y 值不变的情况下●t ir越小说 明节点 i 的经验越少此时 i 对节点 r 的反馈可信 度更新的幅度比较小；●t ir越大说明节点 i 的经验越 多此时 i 对 r 的反馈可信度更新的幅度比较大． 当相对经验因子 ●t ir＞1时反馈可信度根据式 （10）进行更新此时节点 i 与 j 所提供的 Sk 服务直 接交互经验较多比推荐节点 r 有更多的经验．取 h0＝20次引入 ●t ir后对反馈可信度更新的影响如 图2所示． 此时diff t ij＜（1／●t ir）θ因为 ●t ir＞1此时节点 i 与 j 所提供的 Sk 服务直接交互经验多次比推荐节 点 r 有更多的经验存在（1／●t ir）θ＜θ．从图2中 （1／●t ir）θ的函数图形和θ的函数图形可以看到（1／ ●t ir）θ的取值范围比θ小对推荐节点有更低的误差 要求． 图2 ●t ir＞1时与 m 相关的各个函数 Fig．2 Different functions on m when ●t ir＞1 根据式（10）diff t rj（ Sk）＜θ时假设算法改进前 反馈可信度的增加值为 X将改进后的式（10）跟改 进前的式（4）进行比较后容易得出算法改进后反馈 可信度的增加值为（（1／●t ir） X）．在 X 值不变的情 况下1／●t ir越小说明节点 r 的经验越少此时 i 对 节点 r 的反馈可信度更新的幅度比较小；同理 1／●t ir越大说明节点 r 的经验越多此时 i 对节点 r 的反馈可信度更新的幅度比较大． 当 diff t rj（ Sk）≥θ时假设算法改进前反馈可信 度减少的值为 Y 算法改进后反馈可信度减少的值 变为（1／●t ir） Y ．在 Y 值不变的情况下1／●t ir越小 说明节点 r 的经验越少此时 i 对节点 r 的反馈可 信度更新的幅度比较小；同理1／●t ir越大说明节点 r 的经验越多此时 i 对节点 r 的反馈可信度更新 的幅度比较大． 通过以上算法的分析可以了解到引入相对经 验因子后能够在一定程度上解决当前信任模型中 由于节点经验的不同所带来的问题． 5 结论 本文对分布式网络节点的服务能力和推荐能力 进行了区分和细化．通过引入相对经验因子的方 法解决了推荐节点和评估节点经验不足带来的问 题．对改进后的 DyTrust 模型进行了算法分析分 析表明相对经验因子使信任算法在一定程度上得到 改进．本文提出的相对经验因子的算法不仅能够 应用到 DyTrust 信任模型中而且可以运用到其他 ·688· 北 京 科 技 大 学 学 报 第30卷
第6期 王少杰等：一种改进的DyTrust信任模型 .689. 的信任模型中，下一步工作，将对分布式Wb服务 tions and the Internet Workshops.Tokyo:IEEE Computer Soci- 架构的信任模型进行研究，针对Wb服务的特定架 cty,2004,389 构，搭建适合于Wb服务的信任模型. [6]Xiong L.Liu L PeerTrust:supporting reputation-based trust in peerto peer communities.IEEE Trans Data Knowl Eng.2004. 参考文献 16(7):843 [7]Srivatsa M,Xiong L,Liu L.Trust Guard:countering vulnerabili- [1]Chang S J.Wang H M.Yin G.DyTrust a time frame based dy- ties in reputation management for decentralized overlay networks namic trust mode for P2P systems.Chin J Comput.2006,29 /Proceedings of the 14th World Wide Web Conference.Chiba (8):1301 2005,422 (常俊胜，王怀民，尹刚.DyTrust:一种P2P系统中基于时间 [8]Marti S.Garcia-Molina H.Limited reputation sharing in P2P 帧的动态信任模型.计算机学报，2006,29(8)：1301) systems //Proceedings of the 5th ACM Conference Electronic [2]Mekouar L.Iraqi Y,Boutaba R.A reputation management and Commerce.New York:ACM Press.2004:91 selection advisor schemes for peer to peer systems//Proceedings [9]Comelli F.Damiani E.Vimercati D C D.et al.Choosing rep- of the 15th IFIP/IEEE International Workshop on Distributed utable servants in a P2P network//Proceeding of the 11th Inter- Systems:Operations Management,2004:208 national World Wide Web Conference.Hawaii:ACM Press, [3]Kamvar S D.Schlosser M T.Garcia-Molina H.The eigentrust 2002:376 algorithm for reputation management in P2P networksProceed- [10]Selcuk AA,Uzun E.Pariente M R.A reputation-based trust ings of the Twelfth International World Wide Web Conference. management system for P2P networks//Proceedings of 4th Budapest:ACM Press,2003 IEEE/ACM International Symposium on Cluster Computing [4]Dou W.Wang H M.Jia Y,et al.A recommendation based peer and the Grid.Chicago.2004 to peer trust model.Chin J Software.2004.15(4):571 [11]Wang Y,Vassileva J.Trust and reputation model in Peerto- (窦文，王怀民，贾焰，等.构造基于推荐的Peerto-Peer环境下 Peer networks/Proceedings of the Third International Confer- 的Trut模型.软件学报，2004,15(4)：571) ence on Peerto-Peer Computing Saskatoon.2003 [5]Yamamoto A.Asahara D.Itao T,et al.Distributed pagerank:a [12]Lee S.Sherwood R.Bhattacharjee B.Cooperative peer groups distributed reputation model for open peerto peer networks in NICE.Comput Networks.2006,50(4):523 Proceedings of the 2004 International Symposium on Applica-
的信任模型中．下一步工作将对分布式 Web 服务 架构的信任模型进行研究针对 Web 服务的特定架 构搭建适合于 Web 服务的信任模型． 参 考 文 献 ［1］ Chang S JWang H MYin G．DyTrust：a time-frame based dynamic trust mode for P2P systems．Chin J Comput200629 （8）：1301 （常俊胜王怀民尹刚．DyTrust：一种 P2P 系统中基于时间 帧的动态信任模型．计算机学报200629（8）：1301） ［2］ Mekouar LIraqi YBoutaba R．A reputation management and selection advisor schemes for peer-to-peer systems∥ Proceedings of the 15th IFIP／IEEE International Workshop on Distributed Systems：Operations ＆ Management2004：208 ［3］ Kamvar S DSchlosser M TGarcia-Molina H．The eigentrust algorithm for reputation management in P2P networks∥ Proceedings of the T welfth International World Wide Web Conference． Budapest：ACM Press2003 ［4］ Dou WWang H MJia Yet al．A recommendation based peerto-peer trust model．Chin J Software200415（4）：571 （窦文王怀民贾焰等．构造基于推荐的 Peer-to-Peer 环境下 的 Trust 模型．软件学报200415（4）：571） ［5］ Yamamoto AAsahara DItao Tet al．Distributed pagerank：a distributed reputation model for open peer-to-peer networks ∥ Proceedings of the 2004 International Symposium on Applications and the Internet Workshops．Tokyo：IEEE Computer Society2004：389 ［6］ Xiong LLiu L．PeerTrust：supporting reputation-based trust in peer-to-peer communities．IEEE T rans Data Knowl Eng2004 16（7）：843 ［7］ Srivatsa MXiong LLiu L．TrustGuard：countering vulnerabilities in reputation management for decentralized overlay networks ∥ Proceedings of the14th World Wide Web Conference．Chiba 2005：422 ［8］ Marti SGarcia-Molina H．Limited reputation sharing in P2P systems ∥ Proceedings of the 5th ACM Conference Electronic Commerce．New York：ACM Press2004：91 ［9］ Comelli FDamiani EVimercati D C Det al．Choosing reputable servants in a P2P network∥ Proceeding of the11th International World Wide Web Conference．Hawaii：ACM Press 2002：376 ［10］ Selcuk A AUzun EPariente M R．A reputation-based trust management system for P2P networks ∥ Proceedings of 4th IEEE／ACM International Symposium on Cluster Computing and the Grid．Chicago2004 ［11］ Wang YVassileva J．Trust and reputation model in Peer-toPeer networks∥ Proceedings of the Third International Conference on Peer-to-Peer Computing．Saskatoon2003 ［12］ Lee SSherwood RBhattacharjee B．Cooperative peer groups in NICE．Comput Networks200650（4）：523 第6期 王少杰等： 一种改进的 DyTrust 信任模型 ·689·