p2p電子商務(wù)系統(tǒng)中基于聲譽的信任機制

p2p電子商務(wù)系統(tǒng)中基于聲譽的信任機制

近年來，p2p技術(shù)取得了快速發(fā)展。p2p技術(shù)已逐漸與數(shù)據(jù)庫技術(shù)、計算機科學(xué)技術(shù)和意義信息集成技術(shù)相結(jié)合，并在越來越多的領(lǐng)域得到廣泛應(yīng)用。p2p系統(tǒng)的計算節(jié)點是平等的、分散的，不僅可以是客戶端，還可以是服務(wù)器。并且隨時可以訪問和離開系統(tǒng)。此外，p2p系統(tǒng)的開放結(jié)構(gòu)允許適應(yīng)性、自組織、負載平衡、容錯性和適應(yīng)性。因此，基于p2p環(huán)境的電子商務(wù)系統(tǒng)（以下簡稱電子商務(wù)系統(tǒng)）的發(fā)展是非常快的。在P2P電子商務(wù)系統(tǒng)中,各用戶間通過直接通信來交換信息或執(zhí)行交易事務(wù).但是,這些用戶之間往往互不相識而缺乏相互的信任,而且P2P系統(tǒng)的開放性又無法避免節(jié)點的惡意行為.于是,如果用戶不慎選擇了惡意節(jié)點并與其交易,必將蒙受巨大的損失.在傳統(tǒng)的網(wǎng)絡(luò)環(huán)境或電子商務(wù)系統(tǒng)中,信任關(guān)系的建立依賴于可以信賴的第三方.由于P2P系統(tǒng)的動態(tài)性和分散性,這類系統(tǒng)中一般不存在可信的第三方或權(quán)威機構(gòu).研究表明,在P2P環(huán)境下,采用基于聲譽的信任機制可以有效地識別惡意節(jié)點并避免惡意行為.基于聲譽的信任機制已經(jīng)在eBay等傳統(tǒng)的電子商務(wù)系統(tǒng)和基于多Agent的系統(tǒng)中得到了應(yīng)用,但這些系統(tǒng)都依賴于中心服務(wù)器,不適合于P2P環(huán)境.基于聲譽的信任機制的基本思想是:對于任意一個節(jié)點N,信任機制根據(jù)N執(zhí)行過的交易情況和其他節(jié)點對其交易行為的評價,為該節(jié)點分配一個信任值,使得其他節(jié)點可以根據(jù)N的信任值做出是否與N交易的決策.基于聲譽的信任機制涉及到計算機科學(xué)、經(jīng)濟學(xué)、心理學(xué)和社會學(xué)等多個學(xué)科.雖然信任和聲譽是我們經(jīng)常使用的兩個概念,但要給出它們的定義并不容易.各種文獻中關(guān)于信任和聲譽的定義也比較混亂.本文使用Gambetta和Abdul-Rahman與Haile給出的有關(guān)信任和聲譽的如下定義:個體A對個體B的信任是個體A期望個體B為A服務(wù)(即執(zhí)行A的利益所依賴的動作)的主觀可能性.聲譽是基于對某個個體歷史行為的觀察或評價信息而得出的對該個體未來行為的期望.為便于討論,我們將基于個體A對個體B歷史行為的觀察或評價信息而得出的對個體B未來行為的期望稱為B相對于A的局部聲譽.而將基于所有與B進行過交易的個體對B歷史行為的觀察或評價信息而得出的對個體B未來行為的期望稱為B的全局聲譽.J?sang等人在文獻中指出,P2P環(huán)境下,基于聲譽的信任機制需要解決的核心問題是:在一個給定的應(yīng)用中,哪些信任因素最適合用來推斷信任和聲譽的度量?怎樣生成、獲取和聚集有關(guān)這些信任因素的信息?信任機制能抵抗由戰(zhàn)略性個體操縱的各種攻擊嗎?上述3個問題直接影響著信任機制的準確性、信任和聲譽值的計算方式以及信任機制的安全性.目前,許多研究者圍繞上述問題展開了研究,P2P環(huán)境下基于聲譽的信任機制按信任值計算方式的不同大致可以分為以下3類:(1)p2p環(huán)境下的信任模型在這種信任機制中,信任的度量只是基于個體間的直接經(jīng)驗(局部聲譽).這種機制往往比較簡單而且通信代價較小.但在P2P環(huán)境下,一個節(jié)點可能經(jīng)常要與陌生的節(jié)點進行交易,而它們之間沒有直接交易的經(jīng)驗.袁巍等人提出的HBDTM(history-baseddistributedtrustmodel)模型就是一種基于局部聲譽的信任機制.該模型考慮了交易時間對信任度的影響,但沒有給出交易時間影響因子的確定方法,且模型本身抗攻擊能力較差.(2)節(jié)點惡意行為在這種信任機制中,信任的度量依賴于所有相關(guān)節(jié)點的評價信息(全局聲譽),所以,這種機制可以更準確地估計節(jié)點的行為.但是,由于P2P系統(tǒng)的大規(guī)模和分散性,這種機制往往比較復(fù)雜且通信代價較高.Aberer和Despotovic最早提出了一種P2P系統(tǒng)中基于全局聲譽的信任機制.在這種信任機制中,任何一個節(jié)點可以隨時抱怨其他節(jié)點,系統(tǒng)通過收集對一個節(jié)點的所有抱怨信息來確定該節(jié)點的聲譽.但該機制沒有考慮影響信任度量的相關(guān)因素,具有很大的片面性,且不能應(yīng)對節(jié)點的惡意行為.例如,節(jié)點可以通過發(fā)送大量的抱怨來詆毀某個節(jié)點.Kamvar等人基于信任的傳遞性,提出了P2P環(huán)境下基于全局聲譽的信任模型EigenRep.EigenRep通過鄰居節(jié)點間相互滿意度的迭代來獲取節(jié)點的可信度.在無惡意行為的網(wǎng)絡(luò)中,該模型計算得到的聲譽值可以較好地反映節(jié)點的真實行為,但該模型存在著收斂性問題,且具有較高的通信代價(每次交易都會導(dǎo)致全網(wǎng)絡(luò)的迭代).雖然作者在文獻中探討了模型的安全性問題,但其安全(及收斂)保證需要依賴于網(wǎng)絡(luò)中預(yù)先存在若干具有較高聲譽的中心服務(wù)器節(jié)點,這在P2P環(huán)境下很難實現(xiàn).竇文等人在迭代收斂性和模型安全性方面對EigenRep進行了改進,但改進后的模型仍然存在效率問題,且其安全性是通過引入額外的認證機制和懲罰措施實現(xiàn)的.針對EigenRep信任模型計算代價和通信代價較高的問題,Despotovic和Aberer等人提出了利用最大似然估計法計算P2P環(huán)境下的節(jié)點信任度的方法.為了提高估計的準確性,作者引入了節(jié)點撒謊度的概念,但沒有給出撒謊度的計算方法.我們通過利用數(shù)值方法進行的驗證發(fā)現(xiàn),這種方法得到的估計值非0即1,難以準確刻畫節(jié)點的可信程度.Song等人提出的FuzzyTrust則采用模糊邏輯推理規(guī)則來計算節(jié)點的全局聲譽.這種方法具有較高的惡意節(jié)點檢測率,但其對抗的惡意行為僅為交易中的不誠實行為,而不能對抗各種針對信任機制的攻擊.FuzzyTrust的計算代價和通信代價與EigenRep相當.該模型沒有考慮影響評價質(zhì)量的各種信任因素,作者也沒有對模型的收斂性進行論證.(3)p2p環(huán)境下的信任機制這類信任機制利用置信因子將局部聲譽和全局聲譽加以結(jié)合來確定信任的度量.因為信任是一種個體和主觀的印象,基于各種因素和證據(jù),而且其中的一些往往比另一些的權(quán)重大.特別地,個人經(jīng)驗比二手信任信息或全局聲譽具有更高的權(quán)重,但在缺少個人經(jīng)驗的情況下,信任往往要基于從其他人那里得來的信任信息.這類信任機制可以兼具上述兩種信任機制的優(yōu)點,但置信因子的確定是一個一直困擾研究人員的難題.Resnick等人提出利用置信因子來綜合局部聲譽和全局聲譽,但沒有給出置信因子的確定方法.Xiong和Liu等人也提出了一種利用置信因子來綜合局部聲譽和全局聲譽的信任機制——PeerTrust.她們綜合考慮了影響信任度量的多個信任因素:對交易的評價、節(jié)點與其他節(jié)點交易的次數(shù)、提供評價的節(jié)點的可信度、交易上下文和社區(qū)上下文,并提供了一種純分布式的信任度計算方法.雖然她們考慮了較全的信任因素,并能很好地應(yīng)對虛假評價,但卻沒有給出信任因素的度量方法以及置信因子的確定方法.這種機制也難以對抗共謀行為.總之,上述研究工作中存在如下問題,對信任機制的可靠性具有很大的影響:(1)信任度量的片面性;(2)計算信任度時不能很好地綜合直接經(jīng)驗(局部聲譽)和間接經(jīng)驗(全局聲譽);(3)對抗攻擊的能力差;(4)計算代價和通信代價高;(5)對節(jié)點的行為可信度和評價可信度不加區(qū)分.針對這些問題,本文提出了一種新的P2P電子商務(wù)環(huán)境下基于聲譽的信任機制.在該機制中,一個節(jié)點具有兩種類型的聲譽,即局部聲譽和全局聲譽.局部聲譽的計算引入了交易時刻和交易金額等信任因素.全局聲譽的計算引入了參與評價的節(jié)點個數(shù)、評價節(jié)點的交易總量、評價節(jié)點所給評價的可信度等信任因素.本文詳細討論了這些信任因素的獲取和計算方法.為了確保節(jié)點所給評價的真實性,本文提出了一個節(jié)點評價的質(zhì)量模型,并給出了節(jié)點所給評價的可信度計算方法.本文在計算節(jié)點信任度的過程中利用了置信因子的概念來綜合局部聲譽和全局聲譽,并給出了置信因子的確定方法.與目前基于聲譽的信任機制相比,我們的方法具有更高的準確度,且能更好地對抗共謀等惡意行為.同時,計算和存儲代價都較小.最后,我們通過理論分析和實驗驗證了信任機制的有效性和安全性,由于該機制較為全面地選取了影響信任度量的信任因素,從而具有較高的準確性和抗攻擊的能力,可以有效地對抗行為振蕩、共謀和誣陷等攻擊.本文的主要貢獻如下:(1)本文所提出的P2P環(huán)境下基于聲譽的信任機制較全面地引入了影響信任度量的信任因素,既解決了局部聲譽和全局聲譽的精確計算問題,又提高了信任機制抗攻擊的能力.信任度的計算通過置信因子將局部聲譽和全局聲譽綜合在一起,進一步提高了信任機制的可用性,并提出了置信因子的確定方法;(2)提出了一種局部聲譽的計算模型.局部聲譽的計算考慮了時間與交易金額對交易評價的影響,分別賦予它們不同的權(quán)重.這樣可以有效地避免出現(xiàn)惡意節(jié)點首先在小額交易上誠實,然后通過積累起來的聲譽在大額交易上欺騙買家的行為;(3)提出了一種全局聲譽的計算模型.在全局聲譽的計算過程中,通過引入如下信任因素來預(yù)防節(jié)點通過共謀提升其聲譽值:參與評價的節(jié)點個數(shù)、評價節(jié)點的交易總量及評價節(jié)點所給評價的可信度;本文第1節(jié)提出一種基于聲譽的信任機制.第2節(jié)提出局部聲譽的計算模型.第3節(jié)提出一種評價的質(zhì)量模型及評價的可信度計算方法.第4節(jié)提出全局聲譽的計算模型.第5節(jié)對信任機制的安全性進行分析.第6節(jié)提出置信因子的確定方法.第7節(jié)給出實驗及結(jié)果分析.第8節(jié)是結(jié)論與展望.1節(jié)點i對j信任度本文給出的信任機制主要面向P2P電子商務(wù)應(yīng)用,稍加修改亦可用于P2P文件共享、P2P數(shù)據(jù)管理及P2P協(xié)同計算等系統(tǒng).在下面的討論中,我們把與節(jié)點j發(fā)生過交易的節(jié)點稱為j的鄰居節(jié)點.我們的信任機制的主要思想是:(1)初始時,信任機制為每個節(jié)點分配一個局部聲譽值0.5,表示節(jié)點的局部聲譽為中等;(2)當節(jié)點i欲與節(jié)點j進行交易時,信任機制首先獲取j相對于i的局部聲譽值,然后依據(jù)局部聲譽值和其他信息計算j的全局聲譽值.最后利用置信因子將j的局部聲譽和全局聲譽綜合在一起得到i對j的信任度;(3)節(jié)點i基于信任機制給出的i對j的信任度來決定是否與j進行交易;(4)當i與j的交易結(jié)束后,i和j將互給對方一個評價值,信任機制基于該評價、以往評價和其他信息,計算j相對于i和i相對于j的局部聲譽值.定義1(局部聲譽).節(jié)點j相對于節(jié)點i的局部聲譽Lij是基于節(jié)點i和節(jié)點j的交易歷史及i對歷史交易的評價而得出的i對j未來行為的期望(信任程度).0≤Lij≤1,Lij的計算方法見第2節(jié).定義2(評價可信度).節(jié)點i對節(jié)點j的評價可信度Cij代表i對j所給出的評價的信任程度.節(jié)點j的評價可信度Cj代表節(jié)點j所給出的評價的可信程度.0≤Cij,Cj≤1,它們的計算方法詳見第3節(jié).定義3(全局聲譽).節(jié)點j的全局聲譽Rj是綜合節(jié)點j的鄰居節(jié)點對j的評價而得出的j的可信程度.0≤Rj≤1,Rj的計算方法見第4節(jié).定義4(信任度).節(jié)點i對節(jié)點j的信任度Tij是利用置信因子綜合節(jié)點j(相對于i)的局部聲譽和節(jié)點j的全局聲譽而得出的i對j的信任程度.節(jié)點i對節(jié)點j的信任度Tij的定義如下:其中,α和β為置信因子,0≤α,β≤1,0≤Tij≤1,置信因子α與β分別代表節(jié)點i對節(jié)點j(相對于i)的局部聲譽Lij和j的全局聲譽Rj的重視程度.α與β的確定辦法見第5節(jié).2局部聲譽的計算局部聲譽是根據(jù)對節(jié)點間發(fā)生過的歷史交易的評價計算得出的一個節(jié)點對另一個節(jié)點的信任程度.它類似于人類社會中人們通過直接交往所建立起來的一個個體對另一個個體的信任程度.雖然節(jié)點當前的局部聲譽主要是根據(jù)另一個節(jié)點對該節(jié)點的歷史交易行為的評價來進行計算的,但它不只跟歷史評價有關(guān).為了反映局部聲譽計算的客觀性和準確性,我們在計算局部聲譽時引入下面3個因素:(1)交易時刻.文獻基于經(jīng)濟學(xué)理論的研究表明:在計算當前聲譽時對歷史評價進行衰減,可以使聲譽收斂到穩(wěn)定狀態(tài).此外,距離當前時刻近的交易評價更能反映節(jié)點的近期行為.因此,交易時間距離計算聲譽值的時間越遠,交易評價對聲譽值的影響應(yīng)該越小;(2)交易金額.大額交易的評價對局部聲譽的影響也大,這樣可以防止用戶利用小額交易獲得的誠信在大額交易上行騙.另外,交易雙方對待大額交易的態(tài)度往往更認真,故對大額交易的評價更能反映出節(jié)點的真實行為;(3)交易評價.每次交易后,交易雙方都會給出相應(yīng)的評價.獲得好的評價會帶來局部聲譽的提高,反之則會降低局部聲譽.為簡化討論,設(shè)t0=TS信任值計算的初始時刻,n是t0時刻后節(jié)點i和節(jié)點j之間進行的交易次數(shù).對?k(1≤k≤n),TSk,mk和Uk分別表示t0時刻后,i與j第k次交易的交易時刻、交易金額及i對j的評價,Lij(k)表示TSk時刻后,節(jié)點j相對于節(jié)點i的局部聲譽,0≤Uk,Lij(k)≤1.初始時刻的局部聲譽Lij(0)設(shè)為0.5,即聲譽好與不好的臨界值.對于?k(0≤k≤n),Lij(k)定義如下:其中,σl=為TSk時刻后,節(jié)點i和節(jié)點j之間共發(fā)生k次交易時,第l次交易的評價Ul在局部聲譽Lij(k)中所占的權(quán)重.sk,l反映的是時間因素對局部聲譽的影響,它表示在t0時刻后,節(jié)點i和節(jié)點j之間發(fā)生k次交易時,節(jié)點i對它與j的第l次交易的評價在局部聲譽Lij(k)中所占的權(quán)重,滿足=1,且sk,1<sk,2<…<sk,k.sk,l是交易時刻的函數(shù),本文稱其為時間衰減因子.衰減因子的引入,是因為交易時間距離計算聲譽值的時間越遠,交易評價對聲譽值的影響應(yīng)該越小.Mk按下式進行計算:從σl的計算方式可以看出,σl既反映了交易時刻對局部聲譽的影響,又反映了交易額對局部聲譽的影響,交易額大且距離當前時刻近的交易的評價所占的權(quán)重也大.其直觀意義是:Mk實際上是利用時間衰減因子對歷次交易的交易額進行衰減后得到的交易額總和(本文稱其為交易額期望),Sk,l,ml則是衰減后的第l次交易的交易額于是,σl就是綜合了時間因素和交易額因素的權(quán)重因子.下面討論時間衰減因子sk,l的計算方法.當有新的交易發(fā)生時,由于交易次數(shù)發(fā)生了變化,所以,我們不僅需要計算新交易的時間衰減因子,而且需要更新歷史交易的時間衰減因子,從而我們有如下的時間衰減因子矩陣:根據(jù)文獻的研究結(jié)果,距離當前時刻越近的交易的評價所占的權(quán)重越大,距離當前時刻越遠的交易的評價所占的權(quán)重則越小.所以,時間衰減因子應(yīng)該滿足sk,1<sk,2<…<sk,k.令tl=TSl-t0,1≤l≤k,則t1<t2<…<tn,從而sk,l可以按公式(4)進行計算:當節(jié)點i或其他節(jié)點欲與節(jié)點j進行交易時,計算節(jié)點j的全局聲譽就需要用到節(jié)點j相對于節(jié)點i的局部聲譽.但是,如果節(jié)點i和節(jié)點j最近一次交易的時刻距離當前時刻較遠(TS當前時刻-TS最近一次交易的時刻>τ,τ為有效時間窗口),則需要根據(jù)當前時刻的時間衰減因子s對局部聲譽進行衰減.因此,當前局部聲譽Lij定義如下:令t=TS當前時刻-t0,則當前時刻的時間衰減因子s可以按下式來計算:公式(5)中的?(Mk)函數(shù)主要用來調(diào)節(jié)交易額期望對局部聲譽的影響,滿足=1.如果交易額期望很小,節(jié)點將很難獲得較高的局部聲譽,從而可以有效地避免惡意節(jié)點首先在小額交易上表現(xiàn)誠實,然后通過積累起來的聲譽在大額交易上欺騙買家.這里,我們?nèi)?(Mk)=e-1/Mk.3節(jié)點對評價的信任程度評價可信度反映了一個節(jié)點所給出的評價的可信程度.由于節(jié)點的聲譽是通過其鄰居節(jié)點所給出的評價來計算的,鄰居節(jié)點的評價可信度將直接影響聲譽的準確性.本節(jié)首先提出一個評價的質(zhì)量模型,然后給出評價可信度的計算方法.我們所提出的評價的質(zhì)量模型基于如下直觀想法:如圖1所示,節(jié)點A和節(jié)點B發(fā)生交易后,節(jié)點A首先對節(jié)點B的交易行為給出評價UAB.節(jié)點C和節(jié)點D是兩個曾經(jīng)與B執(zhí)行過交易的節(jié)點,它們對節(jié)點B的歷史評價反映為B的局部聲譽LCB和LDB.節(jié)點A根據(jù)UAB與LCB的一致性得出節(jié)點C對節(jié)點B評價的可信度CACB,令CACB=1-|UAB-LCB|.直觀地講,CACB代表節(jié)點A對評價LCB的信任程度.CACB的準確性還與節(jié)點A與節(jié)點C當前的評價可信度相關(guān),節(jié)點A和節(jié)點C的評價可信度越高,則CACB的準確性也越高.于是,當節(jié)點A的評價可信度低于0.5時,將無權(quán)對其他節(jié)點的評價進行評價.此外,還可以利用節(jié)點C的評價可信度對CACB進行調(diào)整,以使評價可信度較快收斂.如果A曾多次對LCB進行過評價,則我們還需要考慮時間因素的影響,即距離當前時間越近的評價時刻給出的評價所占的權(quán)重越大,反之越小.我們可以采用與計算局部聲譽時求解時間衰減因子類似的方式得到相應(yīng)的權(quán)重,只是此時的時刻是A節(jié)點對LCB給出評價的時刻而非節(jié)點A與節(jié)點C交易的時刻.現(xiàn)在我們給出評價的質(zhì)量模型的形式化定義.對于任意節(jié)點i和j,jl是節(jié)點j的鄰居節(jié)點中與節(jié)點i有過交易的節(jié)點.假設(shè)t0時刻后,節(jié)點i和jl之間共進行了n次交易.對?k(1≤k≤n),TSk時刻節(jié)點i對節(jié)點jl的交易行為的評價為Uijl(k),節(jié)點jl相對于節(jié)點j的局部聲譽為Ljjl(k).節(jié)點i對Lj(njl)的信任度C(ijjln)的定義如下:雖然公式(6)較為全面地反映出i,j與jl之間關(guān)于評價質(zhì)量的信任關(guān)系,但我們有時需要了解i對j節(jié)點給所有其他節(jié)點的評價的信任程度,即i對j的評價可信度.假設(shè)j1,j2,…,jm是節(jié)點j的鄰居節(jié)點中與i發(fā)生過交易的節(jié)點,則i對j的評價可信度Cij的定義如下:更進一步地,我們可以根據(jù)所有對j的評價質(zhì)量進行過評價的節(jié)點對j的評價可信度綜合得出j的評價可信度.假設(shè)j1,j2,…,jp是曾經(jīng)對j的評價質(zhì)量進行過評價的節(jié)點,則節(jié)點j的評價可信度Cj的定義如下:其中,?(p)函數(shù)主要用來調(diào)節(jié)參與評價節(jié)點的數(shù)目對評價可信度的影響,滿足=1,即參加評價的節(jié)點數(shù)目越多,評價越趨近于所有節(jié)點所給評價的均值.在此,我們?nèi)?(p)=e-1/p.采用這種方法的主要目的是對抗惡意節(jié)點的詆毀.4對對比的態(tài)度節(jié)點j的全局聲譽與下列因素有關(guān):(1)節(jié)點j的鄰居節(jié)點數(shù)目.鄰居節(jié)點的數(shù)目越多,則j的全局聲譽越準確;反之,如果鄰居節(jié)點數(shù)目與全局聲譽的計算無關(guān),則少數(shù)惡意節(jié)點很容易通過共謀來抬升彼此的聲譽;(2)節(jié)點j的鄰居節(jié)點與j的交易金額.與j之間的交易額越大,該鄰居節(jié)點所給評價所占的權(quán)重就越大.這里考慮的交易額是指節(jié)點之間的交易總額;(3)節(jié)點j的鄰居節(jié)點的評價可信度.鄰居節(jié)點的評價可信度越高,則它所給出的評價越可信;反之,評價可信度低的鄰居節(jié)點所給出的評價不可信,或者我們更愿意相信其評價的反面;(4)節(jié)點j的鄰居節(jié)點給出的對j的評價.鄰居節(jié)點給出好的評價,會帶來節(jié)點全局聲譽的提高;反之,則會降低節(jié)點的全局聲譽.由于節(jié)點j的鄰居節(jié)點對j的評價已經(jīng)反映在j相對于其鄰居節(jié)點的局部聲譽上,所以,全局聲譽的計算模型使用的是j相對于其鄰居節(jié)點的局部聲譽.我們首先根據(jù)節(jié)點j的鄰居節(jié)點給出的對j的評價(即j相對于其鄰居節(jié)點的局部聲譽)計算出j的全局聲譽的期望,然后再利用鄰居節(jié)點數(shù)目和交易金額對全局聲譽期望進行修正,以體現(xiàn)它們對全局聲譽的影響.假設(shè)j1,j2,…,jm是節(jié)點j的所有鄰居節(jié)點,Cjj1,Cjj2,...,Cjjm為節(jié)點j對j的鄰居節(jié)點的評價可信度,Lj1j,Lj2j,...,Ljmj為j相對于其鄰居節(jié)點的局部聲譽,Mj1j,Mj2j,...,Mjmj為j的各鄰居節(jié)點與j的交易總額.那么j的全局聲譽Rj的定義如下:其中,?(m,M)為調(diào)節(jié)函數(shù),M=.直觀地講,參與評價的節(jié)點數(shù)目越多且交易金額越大,全局聲譽的期望就越接近真實值.如果參與評價的節(jié)點數(shù)目較少則應(yīng)該適當降低全局聲譽的期望,于是該函數(shù)應(yīng)滿足如下條件:我們?nèi)?(m,M)=e-1/(m×M).R′j是根據(jù)節(jié)點j相對于其鄰居節(jié)點的局部聲譽計算出的全局聲譽期望,具體計算方法如下:ρi為Lij在計算j的全局聲譽期望時所占的權(quán)重,它與i和j之間的交易量及節(jié)點i的評價可信度有關(guān).i和j之間的交易量越大且i的評價可信度越高,則j相對于i的局部聲譽Lij在R′j的計算中所占的權(quán)重就越大.我們按下式來計算ρI:現(xiàn)在我們就可以利用公式(9)來計算j的全局聲譽值了.由公式(9)容易看出,當節(jié)點數(shù)目m很大時,Rj=R′j.5節(jié)點j的全局聲譽節(jié)點i對節(jié)點j的信任度Tij是決定節(jié)點i是否與j進行交易的關(guān)鍵因素.因為它是綜合j相對于i的局部聲譽及節(jié)點j的全局聲譽而得到的,其計算過程必須考慮節(jié)點i對局部聲譽Lij和全局聲譽Rj的置信程度.直觀地講,如果節(jié)點i通過直接交易對節(jié)點j的行為比較了解,節(jié)點i應(yīng)該更相信節(jié)點j相對于i的局部聲譽.如果節(jié)點i與節(jié)點j之間交易很少從而對j的行為不太了解,則節(jié)點i應(yīng)該更相信節(jié)點j的全局聲譽.另外,節(jié)點j的全局聲譽是通過綜合節(jié)點j的鄰居節(jié)點所給出的評價得來的.如果節(jié)點i對節(jié)點j的鄰居節(jié)點的評價可信度高的話,節(jié)點i也應(yīng)該更加相信通過這些鄰居節(jié)點的評價綜合得出的j的全局聲譽.基于上述分析,我們給出式(1)所示的信任度計算公式.為便于討論,將式(1)重寫如下:其中,α稱為局部聲譽置信因子,β稱為全局聲譽置信因子.因為Lij與Rj的初始值均為0.5,所以,α與β對Lij與Rj的影響應(yīng)該只體現(xiàn)在對其(正或負)增量的影響上.于是,我們將式(1)進一步改寫如下:由于按上式求得的信任度可能大于1,所以,我們對其進行歸一化處理后得到式(13):α表示節(jié)點i對局部聲譽Lij的信心,節(jié)點i與節(jié)點j的交易次數(shù)越多、交易金額越大,則節(jié)點i對節(jié)點j的了解程度也就越大,節(jié)點i就應(yīng)該更加相信通過他與節(jié)點j的直接交易經(jīng)驗而得到的局部聲譽Lij.為簡化計算,設(shè)節(jié)點i與節(jié)點j在初始交易時刻后的交易總次數(shù)為nij、交易總額為Mij,則令nj=max{nij|j為i的鄰節(jié)點},Mj=max{Mij|j為i的鄰居節(jié)點},于是,可以按式(14)來計算α:β表示節(jié)點i對全局聲譽的信心,與j的全局聲譽的計算方式有關(guān).設(shè)j共有m個鄰居節(jié)點,分別記為j1,j2,…,jm由于j的全局聲譽是綜合j的鄰居節(jié)點對j的評價而得出的,所以,i對j的鄰居節(jié)點jk(1≤k≤m)的評價可信度(或節(jié)點jk的評價可信度)及i與jk之間的交易總額將直接影響i對j的全局聲譽的信心.假設(shè)節(jié)點i與節(jié)點jk(1≤k≤m)之間的交易總額是Mijk,令ρjk=,則我們可以按下式計算β:其中,λ=6節(jié)點通過共創(chuàng)提升全局聲譽全局聲譽值Rj可以反映出節(jié)點j提供服務(wù)的質(zhì)量,而評價可信度Cj則反映了節(jié)點j給出評價的綜合質(zhì)量,從而,我們的信任機制可以有效地區(qū)分網(wǎng)絡(luò)中節(jié)點的行為,這在電子商務(wù)系統(tǒng)中是至關(guān)重要的.本節(jié)從理論上來分析我們所給出的信任機制的安全性.下面通過論述我們的信任機制的7個性質(zhì),來說明該信任機制對抗攻擊的能力.性質(zhì)1.局部聲譽的提升需要進行多次誠信交易,且交易額越大對局部聲譽的影響也越大.性質(zhì)2.通過累計小額交易的誠信不能獲得局部聲譽的大幅提升.性質(zhì)3.評價的質(zhì)量模型可以有效地識別節(jié)點給出評價時的夸大或夸小等惡意行為.性質(zhì)4.惡意節(jié)點共謀會降低節(jié)點的評價可信度.說明:根據(jù)評價質(zhì)量模型,當節(jié)點具有較低的評價可信度時,不能對其他節(jié)點的評價行為進行評價,而共謀組內(nèi)節(jié)點的評價行為會受到誠信評價節(jié)點的評價,這將使其具有較低的評價可信度.性質(zhì)5.在全局聲譽計算中涉及到的節(jié)點,需要具有較高的評價可信度才能獲得較高的全局聲譽置信因子.性質(zhì)6.一個節(jié)點若想提高其全局聲譽值,須與大量誠信節(jié)點進行大金額交易.性質(zhì)7.本文給出的信任機制可以有效對抗共謀.說明:首先,由于共謀節(jié)點的評價可信度低且節(jié)點數(shù)目較少,由性質(zhì)5及性質(zhì)6可知,它們的惡意行為對被誣陷節(jié)點的聲譽值影響不大,即節(jié)點通過共謀對其他節(jié)點的誣陷不會奏效;其次,節(jié)點通過共謀不能大幅提升其全局聲譽值,原因有二:(1)新加入系統(tǒng)的節(jié)點無法通過共謀提升其全局聲譽.新加入的節(jié)點構(gòu)成了一個封閉系統(tǒng),系統(tǒng)中的節(jié)點必須與外界進行交易才能改變其全局聲譽值,因此,共謀在這種情況下是行不通的;(2)已經(jīng)具有較高聲譽值的節(jié)點無法通過共謀提升其全局聲譽.節(jié)點共謀的規(guī)模不可能很大,當共謀節(jié)點與共謀節(jié)點以外的節(jié)點進行交易時,它們的真實行為會被如實地反映到評價可信度及全局聲譽上;此外,在信任度的計算過程中,由性質(zhì)2可知,共謀節(jié)點也難以獲得較高的局部聲譽和局部聲譽置信因子,從而導(dǎo)致其信任度難以得到提升.綜上所述,節(jié)點通過共謀難以獲得信任度的提升,因此,我們的信任機制具有性質(zhì)7.7惡意評價節(jié)點的確定本節(jié)通過仿真實驗來驗證我們的信任機制的有效性和準確性.我們利用NetLogo建立了一個仿真平臺,該平臺可以模擬大規(guī)模的動態(tài)P2P環(huán)境及節(jié)點之間的交易過程.NeteLogo是人工智能領(lǐng)域中流行的多智能體仿真軟件,利用它可以很容易地為獨立和相似的智能體建模.在我們的仿真平臺中,節(jié)點的服務(wù)質(zhì)量分為誠信服務(wù)、不誠信服務(wù)、隨機變化和振蕩服務(wù)4種類型.誠信服務(wù)是指交易中提供誠信的服務(wù)(如按時交貨、按時付款等).不誠信服務(wù)是指交易中提供不誠信的服務(wù).隨機變化是指交易中提供的服務(wù)時而誠信時而反之,交易中的行為表現(xiàn)是隨機的.振蕩服務(wù)是指在一段時間連續(xù)提供誠信的服務(wù),之后開始提供不誠信的服務(wù),過一段時間又開始提供誠信的服務(wù),如此循環(huán).如果一個節(jié)點每次交易提供的服務(wù)質(zhì)量均為誠信服務(wù),則稱該節(jié)點為誠信服務(wù)節(jié)點.如果一個節(jié)點每次交易提供的服務(wù)質(zhì)量均為不誠信服務(wù),則稱該節(jié)點為不誠信服務(wù)節(jié)點.如果一個節(jié)點提供的服務(wù)質(zhì)量為隨機變化,則稱該節(jié)點為隨機服務(wù)節(jié)點.如果一個節(jié)點提供的服務(wù)質(zhì)量為振蕩服務(wù),則稱該節(jié)點為振蕩服務(wù)節(jié)點.一個節(jié)點對其他節(jié)點的評價的質(zhì)量分為誠信評價、共謀評價、夸張評價和詆毀評價4種類型.誠信評價是指交易后提交的對交易伙伴的評價是真實的.共謀評價是指交易后提交的對共謀伙伴或同伙的評價偏高,而對非共謀伙伴的評價偏低.夸張評價是指交易后提交的對交易伙伴的評價是夸大或夸小的.詆毀評價是指交易后提交的對交易伙伴的評價總是較低.如果一個節(jié)點每次交易后提交的評價質(zhì)量均為誠信評價,則稱該節(jié)點為誠信評價節(jié)點.如果一個節(jié)點每次交易后提交的評價質(zhì)量均為共謀評價,則稱該節(jié)點為共謀評價節(jié)點.如果一個節(jié)點每次交易后提交的評價質(zhì)量均為夸張評價,則稱該節(jié)點為夸張評價節(jié)點.如果一個節(jié)點每次交易后提交的評價質(zhì)量均為詆毀評價,則稱該節(jié)點為詆毀評價節(jié)點.我們設(shè)定了一個服務(wù)質(zhì)量參數(shù)ServiceQuality來表示誠信服務(wù)節(jié)點的服務(wù)質(zhì)量.如果ServiceQuality設(shè)為r,則誠信評價節(jié)點對誠信服務(wù)節(jié)點的評價就是r.共謀評價節(jié)點互相之間給出的評價為r,共謀評價節(jié)點給非共謀評價節(jié)點的評價為1-r.夸張評價節(jié)點根據(jù)夸張因子Exaggerator對交易伙伴給出評價,他們對誠信服務(wù)節(jié)點的評價為r+Exaggerator×(r-0.5).詆毀評價節(jié)點對交易伙伴的評價均為min(r,1-r).為便于討論,我們將共謀評價節(jié)點、夸張評價節(jié)點和詆毀評價節(jié)點統(tǒng)稱為惡意評價節(jié)點.7.1評價節(jié)點的行為特征本實驗主要考察我們的信任機制中的局部聲譽模型、評價質(zhì)量模型及全局聲譽模型的有效性,并對信任機制應(yīng)對惡意攻擊的能力進行分析.在局部聲譽計算的實驗中,由于我們只是要驗證局部聲譽計算的準確性,所以將所有節(jié)點均設(shè)為誠信評價節(jié)點.實驗結(jié)果如圖2所示,從圖2可以看出:誠信服務(wù)節(jié)點的局部聲譽很快收斂到設(shè)定的服務(wù)質(zhì)量值,而隨機服務(wù)和振蕩服務(wù)節(jié)點則隨相應(yīng)因子的不同而表現(xiàn)出不同的行為變化趨勢.圖3的實驗結(jié)果表明:具有不同評價質(zhì)量的評價節(jié)點其評價可信度的變化趨勢是不同的.惡意評價節(jié)點的評價可信度較低,且評價可信度下降速度很快.圖4和圖5反映了我們的信任機制應(yīng)對攻擊的能力,當共謀評價節(jié)點或詆毀評價節(jié)點的比例小于50%時誠信評價節(jié)點的評價可信度較高而共謀或詆毀評價節(jié)點的評價可信度很低,充分說明了共謀或詆毀評價行為對評價可信度的影響非常小.圖6反映了在惡意評價節(jié)點比例為60%時,不同服務(wù)類型節(jié)點的全局聲譽的變化趨勢,誠信服務(wù)節(jié)點的聲譽仍能獲得提升而不誠信服務(wù)節(jié)點的聲譽會有所下降.振蕩服務(wù)節(jié)點的全局聲譽在初始時具有較大的波動,但隨著交易的進行,其全局聲譽趨近于0.5.隨機服務(wù)節(jié)點的全局聲譽會隨著提供好服務(wù)的可能性大小而表現(xiàn)出較大的不同,提供好服務(wù)的概率越大,其全局聲譽越高.圖7反映了惡意評價節(jié)點比例在75%時的全局聲譽變化情況,此時