基于离差平方和法的P2P恶意共谋节点识别算法研究

摘要

迅速发展的P2P网络给网络世界带来了极大的改变，网络应用在很多方面得到了增强。网络带来便捷的同时，也面临越来越多安全方面的挑战，安全问题也日益引起人们的重视。网络中恶意节点对其他节点进行不公正的评价打分、提供不诚信的服务等攻击日益凸显，其中恶意共谋节点团体对其他节点的攻击日益成为影响网络安全的一大问题。为保证网络正常运行、为解决恶意节点等问题，各国研究人员借鉴现实生活中人际关系网络，针对网络中节点的恶意行为建立信任模型，通过所建立的模型识别出各种恶意节点，降低影响网络的不安全因素，保证网络正常运行。
　　在阅读相关文献基础上，本文介绍并分析了现有的几类基于不同理论或机制的信任模型及其代表例子，借鉴相关算法进行改进完善，建立基于离差平方和法的P2P恶意共谋节点识别算法，具体算法设计以建模形式体现:网络中存在行为表现不一的大量节点时刻进行交互并信息积累。首先网络中已积累了一定量的交互信息，由网络中的节点之间交互评价的情况建立节点的局部信任度模型。在此基础上，收集网络中各点对某节点的评价信息，并依照不同点的权重设计节点的全局信任度模型。结合已建立的局部、全局模型进行差值分析，与某个节点交互的各其它节点对它的局部信任度与全局信任度的比较建立异常评价识别模型。综合上述三个分块的模型，基于离差平方和理论，以节点评价中成功评价次数和失败评价次数作为特征值，每次对节点特征值离差平和最小的两个节点进行聚类。其中对异常评价中恶意抬高信任度的评价节点集合进行聚合得到非定向恶意共谋节点团体集合，对异常评价中恶意降低信任度的评价节点进行聚合得到定向恶意共谋节点团体集合。
　　对所设计的算法进行流程实现:对建立的各分块模型算法进行流程实现并设计算法总体实现流程。进行模拟实验验证，通过实验将本文设计的算法与经典的EigenTrust算法进行对比，比较了两种信任模型对各类恶意节点、共谋节点团体的识别效率，结果表明本文设计的算法能较好的识别恶意共谋节点团体。

目录

声明

摘要

第1章 绪论

1．1 研究背景

1．2 信任模型国内外研究状况

1．3 论文主要工作

1．4 论文研究意义

1．5 论文结构

1．6 本章小结

第2章 相关技术介绍

2．1 P2P相关技术

2．1．1 基本概念与网络模式

2．1．2 P2P网络的特点

2．1．3 P2P网络的分类

2．2 信任的概念

2．2．1 信任的定义

2．2．2 信任的分类

2．2．3 信任的特点

2．3 恶意节点概念及相关识别算法

2．3．1 恶意节点概念

2．3．2 相关识别算法

2．4 离差平方和法

2．5 本章小结

第3章 恶意共谋识别算法设计

3．1 基本思路及相关说明

3．2 信任度建模

3．2．1 局部信任度建模

3．2．2 全局信任度建模

3．3 算法设计

3．3．1 单独攻击的恶意节点识别算法

3．3．2 异常评价识别算法

3．3．3 基于离差平方和的非定向共谋识别算法

3．3．4 基于离差平方和的定向共谋识别算法

3．4 本章小结

第4章 恶意共谋识别算法实现

4．1 模型架构

4．2 各模块算法实现

4．2．1 节点局部信任度算法实现

4．2．2 节点全局信任度算法实现

4．2．3 异常评价识别算法实现

4．2．4 基于离差平方和法的非定向攻击共谋节点识别算法实现

4．2．5 基于离差平方和法的定向攻击共谋节点识别算法实现

4．3 恶意共谋识别总体算法实现

4．4 本章小结

第5章 实验与分析

5．1 实验数据

5．2 实验设计及结果分析

5．2．1 A类型节点与B类型节点实验与分析

5．2．2 C类型节点实验分析

5．2．3 D类型节点实验分析

5．2．4 E类型节点实验分析

5．2．5 F类型节点实验分析

5．3 本章小结

第6章 总结与展望

参考文献

致谢