基于P2P流媒体的动态带宽定价机制

摘要

P2P流媒体已经成为互联网最受欢迎的应用之一。在P2P流媒体中，个体之间互相分享带宽，提升用户体验。为了激励用户更加积极地贡献带宽资源，基于积分制度的激励机制是最常用的一种：个体贡献资源获取相应积分，使用带宽要付出积分。因此，为了能够在系统中使用带宽资源，个体需要积极贡献。
　　基于积分的机制核心问题是如何设定带宽价格。本文提出一种基于Stackelberg博弈和信誉机制的动态定价机制。Stackelberg博弈用来描述个体之间的交互并获取最优的带宽定价和购买策略。根据请求者的信誉动态调整价格：对信誉高的个体单价较低，对信誉低的个体单价较高。理论分析给出了个体最优的带宽定价和购买策略，同时提出了一种适用于真实系统的最优定价策略计算算法。仿真实验表明，该定价机制能有效确保系统交易的公平性，同时可以预防简单的数据污染攻击。同时，本文引入了风险评估机制来降低系统不成功交易率。
　　在个体交易的过程中，请求方可能向提供方发送虚假信息，干扰提供方正常的带宽定价，从而获得更好的利益，这种行为称为信息误报攻击。为了应对信息误报攻击，本文引入了一种基于强化学习的审计机制。带宽服务提供方根据系统环境不断调整执行审计行为的概率，从而降低交易风险；理性的恶意个体根据服务提供方的行为来调整发送虚假信息的概率。仿真实验表明，该机制可以有效隔离出恶意个体，降低系统出现恶意攻击的概率，降低审计开销。
　　综上，本文提出的P2P流媒体动态带宽定价机制，既保证了系统交易的公平性，同时可以很好的隔离信息误报的恶意节点，并且提升系统效率。

目录

声明

1 绪论

1.1 问题的提出及研究意义

1.2 相关工作

1.3 本文研究内容及论文组织

2 预备知识

2.1 博弈模型

2.2 信誉机制

2.3 强化学习

2.4 本章小结

3 一种基于Stackelberg博弈和信誉机制的动态带宽定价机制

3.1 博弈模型构建

3.2 博弈均衡求解

3.3 实验评估与分析

3.4 本章小结

4 基于强化学习的误报攻击防治机制

4.1 基于强化学习的审计机制

4.2 实验评估与分析

4.3 本章小结

结论

参考文献

攻读硕士学位期间发表学术论文情况

致谢