P2P环境下基于局部信息的信任模型研究

摘要

P2P(Peer-to-Peer:对等)网络已经发展成为Internet中最重要的应用系统之一，它为人们提供了直接使用Internet进行交互的方法。网络中的任何节点，可以随意加入与离开网络，这样，使得网络具有良好的灵活性与可扩展性。由于P2P网络中的节点具有高度的动态性和自主性，由其引发的安全问题也越来越突出，如滥用资源，制造虚假信息，提供非法资源等恶意行为，使得节点之间失去了信任，严重阻碍了P2P网络的向前发展，信任机制已成为解决P2P网络安全问题的重要手段。目前，国内外学者已经研究出许多信任模型，但是，这些信任模型还存在着一些不足。如评价信息的淹没;信任评价语言信息处理不科学，导致信任值偏离实际情况;在不同领域不同层级的节点之间信任关系难以建立;没有考虑不同节点参与评价优先权重的不同等。因此，本文针对上述问题对P2P环境下的信任模型进行了深入研究，主要成果如下:
　　(1)提出了不等信任维度权重的信任评价模型。该模型以信誉与合作为轴，建立了信任评价矩阵模型。依据相关文献，分别给出了信誉评价指标与合作评价指标的定义，并对指标进行了详细分析。依据指标性质的不同，首次采用二元语义来处理信誉评价信息;采用定性数据测量来处理合作评价信息，解决了评价信息淹没问题。因此，分别建立了节点的信誉评价模型与合作评价模型，从而得到节点之间的总信任评价模型。仿真与分析表明，该模型系统中的节点具有良好的任务执行成功率，且节点受恶意节点的影响较小。
　　(2)提出了不确定性信息的信任评价模型。考虑主观信任评价信息的不确性，采用模糊理论处理节点之间的信任评价。通过定义主体集、指标集、模糊评价集及属性集，来对信任评价问题加以描述。每个参与评价的主体对每个属性的指标进行评判，将所有的评判用特征向量矩阵来表示，采用无量纲原理来对属性指标进行处理，并且采用专家经验法来对各指标赋权值，构建信任评价模型。依据信任具有随时间衰退的特性，设计了与时间相关的信任更新算法。最后进行了实例分析与仿真，结果验证了该模型的科学性，体现了该模型系统中节点的信任值能较好的反映节点的真实情况，提高了节点之间的合作率与网络吞吐率。
　　(3)提出了集成领域相似信息的信任模型。通过定义专家树建立了相似信息领域不同层级专家的相似度计算模型，定义了信任离散度与专家惩罚度，使信任模型具有抑制恶意节点行为的性能。提出了专家反馈算法使模型对节点之间的异常评价具有灵敏的反映。设计了基于Kalman滤波的信任更新机制，使信任能得到实时的有效的更新。仿真与分析表明，模型能够有效抵抗不同恶意节点的攻击，具有较好的性能，使系统开销较小。
　　(4)提出了推荐优先权的信任模型。首先依据现实生活中的情况，给出了建立该模型的思想，设计了模型的工作流程。通过参考PeerTrust模型，引入直接信任度随时间衰减的因子与推荐信任度随时间衰减的因子，分别对节点的直接信任度与推荐信任度进行了数学建模。给出了随时间衰减的因子双向同步算法与优先权算法，解决了不同节点推荐信任优先权的分配问题，实现了实时更新与之交易过的节点的各权重值。依据节点之间相互交易方式的不同，分两种情况建立了节点的总信任评价模型。仿真与分析表明，该模型能够很好地抑制恶意节点所带来的破坏，使系统中节点之间的信任普遍较好，具有较高的成功服务率与合作率，提高了系统的性能。