一种多维聚合的P2P网络信任模型

摘要

信任模型是对等网（Peer-to-Peer，简称P2P）安全的重要技术之一。流行的EigenTrust模型，将P2P网络的早期参与者或创建者静态指定为pre-trusted节点，存在很高的安全隐患。为了解决这一问题，根据节点交互动态选取pre-trusted节点成为一种必然的趋势。然而，目前大多数的信任模型直接利用最高信任值选取替换pre-trusted节点，忽略了节点信誉值随时间动态更替的时间成本开销。为了解决该问题，本文提出了一种层级相似性度量方法，结合节点的上下文属性，获得了更高的pre-trusted节点动态替换效率。同时，针对目前流行的响应节点下载源选择算法存在的负载问题，提出了具有奖惩机制的层级自适应的选择方法，有效地降低了高信誉值节点的负载率和受到恶意节点的攻击率，提高了服务质量（Quality of Service，简称QOS）。本文提出的动态自适应(Dynamic Adaptive Trust，简称DynAdTrust)模型，首先根据节点的历史交互行为，利用EigenTrust算法计算全局信任值;其次根据节点的上下文属性，结合朴素贝叶斯分类器对节点进行动态分层;然后采用层级相似性度量方法对pre-trusted节点进行动态调整;最后利用层级自适应选择机制获取节点请求的内容。 针对DynAdTrust模型在基于组结构以及反馈差异化较大网络中出现的局限性，提出了一种基于组结构的多维聚合信任模型(Multi-dimensional AggregateTrust，简称MdaTrust)。该模型根据网络特征，将网络中的节点分组，每组中为了保证局部的可信性，选取信任值较高的节点作为超级节点。同时，针对反馈差异化较大的情况，提出了多维反馈机制，同时引入一个否决因子，在服务文件出现原则性差异时，具有一票否决权，保证网络的高可信性。对于网络中节点行为的根本性变化，则根据节点的交互历史行为，引入了基于历史交互次数的衰减因子，保证节点行为发生偏差能够及时响应。最后针对节点反馈相似性，提出了一种过滤机制。对网络中错误、误导以及不一致的节点进行过滤，保证最终实验结果的准确性。仿真实验结果表明，DynAdTrust模型不仅能够有效预防pre-trusted节点的妥协性问题，而且对其他多种威胁表现出良好的健壮性。MdaTrust模型在基于组的网络结构中，也表现出良好的性能。

目录

声明

摘要

第一章绪论

1．1研究背景与意义

1．2国内外研究现状

1．3本文主要工作

1．4本文组织结构

第二章相关概念描述

2．1 P2P网络概述

2．1．1 P2P技术的特点

2．1．2 P2P网络的拓扑结构

2．1．2 P2P的应用领域

2．2信任概述

2．2．1信任的概念

2．2．2信任的特性

2．2．3信任的获取方式

2．3本章小结

第三章一种动态自适应的P2P网络信任模型

3．1 EigenTrust算法分析

3．1．1分布式的EigenTrust算法

3．1．2 EigenTrust存在的主要问题

3．2动态自适应的信任模型DynAdTrust

3．2．1朴素贝叶斯动态分层

3．2．2 pre-trusted节点动态选取

3．2．3层级响应原则

3．3实验仿真与分析

3．3．1实验环境和参数

3．3．2威胁模型及结果分析

3．4本章小结

第四章多维聚合的P2P网络信任模型

4．1准备知识

4．2多维聚合的信任模型MdaTrust

4．2．1多维反馈的信任

4．2．2聚合超级节点的信任

4．2．3组间节点的信任

4．3实验仿真与分析

4．3．1实验环境和参数

4．3．2威胁模型及结果分析

4．4本章小结

第五章总结与展望

5．1论文总结

5．2研究展望

参考文献

攻读硕士学位期刊研究成果及发表的学术论文

致谢