基于不完全信息动态博弈模型的节点信誉评估方法

摘要

本申请提出一种基于不完全信息动态博弈模型的节点信誉评估方法，包括：获取节点与其他节点交互过程中的网络事件信息和进程事件信息，计算交互节点的直接信誉和交互收益，形成点‑点的直接信誉向量和期望收益向量；若干邻近节点组成信任域，域内广播自身点‑点的直接信誉向量和交互收益向量，形成点‑点的直接信誉矩阵和交互收益矩阵，进而计算信任域和点之间的域‑点的间接信誉矩阵和期望收益矩阵；基于信誉模型的信任链，通过信任链传递算法获取目标节点的推荐信誉；根据域‑点的间接信誉矩阵和期望收益矩阵、以及各个信任域的节点列表，获取交互次数小于预设阈值的节点的推荐信誉。解决了现有技术中信誉评估缺乏可扩展性和客观性的问题。

说明书

技术领域

本申请涉及计算机网络的信誉管理领域，尤其涉及一种基于不完全信息动态博弈模型的节点信誉评估方法。

背景技术

随着区块链的兴起，对等式网络(Peer-to-Peer，简称P2P)，越来越为大众所熟知，也吸引了众多研究人员的关注。P2P网络，区别于C/S网络，是无中心服务器、节点可以自由加入和退出的网络，对等网络的每个节点既是服务器，也是客户端，每个节点都可以从其他节点那里上传和下载文件。由于P2P网络自身的匿名性和开放性，大量加入P2P网络的互不相识的节点之间需要进行频繁的交互以完成文件传输和资源共享，如何选择一个可信、可靠的节点，与之交互，并完成某项服务，已经成为P2P网络环境中亟待解决的问题。

与有中心服务器的网络不同，P2P网络必须依靠用户群进行交流，但这种交流通常没有可靠的信誉保障，表现为存在大量的不稳定的节点以及不可靠的网络质量。P2P网络中的节点需要通过信誉模型，自主选择信誉良好的交互节点，来降低交互过程中发生负向事件的概率，并获得相对可靠的网络质量。然而，现有信誉模型通常基于单个节点的视角计算目标节点的信誉，忽视了节点的同质性对节点信誉的影响，从而使信誉模型缺乏可扩展性和客观性，难以评估初始节点的信誉。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请的一个目的在于提出一种基于不完全信息动态博弈模型的节点信誉评估方法，该方法考虑了网络状况和交互收益对节点信誉的影响，使得信誉值更具有客观性，并且考虑到邻近节点具有更高的相似性，基于信任域的信任链传递，使得本申请具有更好的可扩展性和更快的收敛时间。

为达上述目的，本申请一方面实施例提出了一种基于不完全信息动态博弈模型的节点信誉评估方法，包括：

获取节点与其他节点交互过程中的网络事件信息和进程事件信息；

基于所述网络事件信息和进程事件信息，利用不完全信息动态博弈模型评估所述节点与所述其他节点交互的直接信誉，并根据所述节点与其他节点交互过程中的流量规模和正向事件比例计算所述节点在与所述其他节点交互的交互收益；

根据所述节点与所述其他节点交互的直接信誉生成点-点的直接信誉向量，并根据所述节点在与所述其他节点交互的交互收益生成所述点-点的交互收益向量；

若干邻近节点组成信任域，域内广播自身所述点-点的直接信誉向量和交互收益向量，形成所述点-点的直接信誉矩阵和交互收益矩阵，并根据所述点-点的直接信誉矩阵和交互收益矩阵，计算信任域和点之间的域-点的间接信誉矩阵和期望收益矩阵；

基于信誉模型的信任链，通过信任链传递算法获取目标节点的推荐信誉；

根据所述域-点的间接信誉矩阵和期望收益矩阵、以及各个信任域的节点列表，计算域-域的间接信誉矩阵和期望收益矩阵，并根据所述域-域的间接信誉矩阵和期望收益矩阵，获取交互次数小于预设阈值的节点的推荐信誉

可选地，在本申请一些实施例中，所述基于所述网络事件信息和进程事件信息，利用不完全信息动态博弈模型评估所述节点与所述其他节点交互的直接信誉，包括：

基于所述网络事件信息和进程事件信息，将一次流量突发或一个时间片t内无负向事件警告作为一次正向事件记录，获得所述节点与所述其他节点交互过程中的事件的时间序列；

根据所述节点与所述其他节点交互过程中的事件的时间序列，基于所述不完全信息动态博弈模型实时计算所述节点与所述其他节点交互的直接信誉。

可选地，在本申请一些实施例中，所述根据所述节点与其他节点交互过程中的流量规模和正向事件比例计算所述节点在与所述其他节点交互的交互收益，包括：

根据所述节点与其他节点一次交互过程中的流量规模和正向事件比例计算所述节点在与所述其他节点在本次交互过程中的收益；

根据所述节点在与所述其他节点在本次交互过程中的收益，结合所述节点在与所述其他节点交互过程中的历史收益，计算所述节点在与所述其他节点交互的交互收益。

可选地，在本申请一些实施例中，所述根据所述点-点的直接信誉矩阵和交互收益矩阵，计算信任域和点之间的域-点的间接信誉矩阵和期望收益矩阵，包括：

根据所述点-点的直接信誉矩阵和交互收益矩阵，计算所述信任域和点之间的域-点的间接信誉向量和期望收益向量；

信任域之间广播各自域-点的间接信誉向量和期望收益向量，组成所述域-点的间接信誉矩阵和期望收益矩阵。

可选地，在本申请实施例中，所述根据所述点-点的直接信誉矩阵和交互收益矩阵，计算所述信任域和点之间的域-点的间接信誉向量和期望收益向量，包括：

根据设定的直接信誉阈值和期望收益阈值、所述点-点的直接信誉矩阵和交互收益矩阵，进行节点信任度分级，获得节点信任度分级结果；

根据所述点-点的直接信誉矩阵和交互收益矩阵、以及所述节点信任度分级结果，计算所述信任域和点之间的域-点的间接信誉向量和期望收益向量。

可选地，在本申请实施例中，所述根据设定的直接信誉阈值和期望收益阈值、所述点-点的直接信誉矩阵和交互收益矩阵，进行节点信任度分级，获得节点信任度分级结果，包括：

将所述点-点的直接信誉矩阵之中的直接信誉与所述直接信誉阈值进行大小比较，并将所述点-点的交互收益矩阵之中的交互收益与所述期望收益阈值进行大小比较，并依据大小比较结果获得节点信任度分级结果。

可选地，在本申请实施例中，所述根据所述点-点的直接信誉矩阵和交互收益矩阵、以及所述节点信任度分级结果，计算所述信任域和点之间的域-点的间接信誉向量和期望收益向量，包括：

根据所述点-点的直接信誉矩阵和交互收益矩阵、以及所述节点信任度分级结果，基于预设公式计算所述信任域和点之间的域-点的间接信誉向量和期望收益向量；其中，所述预设公式为：

其中，iR为所述域-点的间接信誉；n表示有交互关系的节点对的数量；level

可选地，在本申请一些实施例中，所述基于信誉模型的信任链，通过信任链传递算法获取目标节点的推荐信誉，包括：

设定传递参数为最大交互收益，针对同一个信任域内的节点，采用点到点的信任链传递算法获取目标节点的推荐信誉；

针对不同信任域的节点，采用从点到域再到点的信任链传递算法获取目标节点的推荐信誉。

可选地，在本申请一些实施例中，所述根据所述域-点的间接信誉矩阵和期望收益矩阵、以及各个信任域的节点列表，计算域-域的间接信誉矩阵和期望收益矩阵，包括：

根据所述域-点的间接信誉矩阵以及各个信任域的节点列表，采用加权平均的方式，计算所述域-域的间接信誉矩阵；

根据所述域-点的期望收益矩阵以及各个信任域的节点列表，采用求和的方式，计算所述域-域的期望收益矩阵。

可选地，在本申请一些实施例中，所述根据所述域-域的间接信誉矩阵和期望收益矩阵，获取交互次数小于预设阈值的节点的推荐信誉，包括：

采用域-域的信任链传递算法，根据所述域-域的间接信誉矩阵和期望收益矩阵，获取所述交互次数小于预设阈值的节点的推荐信誉。

根据本申请实施例的技术方案，利用节点交互过程中的网络事件信息和进程事件信息，基于不完全信息动态博弈模型的信誉评估方法，相对客观地计算目标节点的直接信誉。考虑了节点交互过程中网络收益对信誉的影响，结合网络收益评估信任域对节点的间接信誉，即考虑到网络状况和交互收益对节点信誉的影响，信誉值更具有客观性，并且，基于不完全信息动态博弈的信誉模型可以有效抵抗恶意节点或恶意集体伪造信誉对间接信誉的影响。本申请充分考虑了P2P网络节点规模大和邻近节点高相似性的特点，提出基于信任域视角的信誉维护和推荐方法，使推荐信誉的计算过程具有更好的可扩展性和更快的收敛速度。

本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本申请实施例所提供的一种基于不完全信息动态博弈模型的节点信誉评估方法的流程示意图；

图2为本申请实施例的事件来源和事件队列的示例图；

图3为本申请实施例的节点之间信誉传递的示例图；

图4为本申请实施例的节点到域再到节点之间信誉传递的示例图；

图5为本实施示例的整体架构示意图；

图6为本实施示例的交互流程示意图；

图7为本实施示例的事件分类及来源的示意图；

图8为本实施示例的网络示意图；

图9为本实施示例的节点间接信誉计算过程的示例图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。

随着区块链的兴起，对等式网络P2P越来越为大众所熟知，也吸引了众多研究人员的关注。P2P网络，区别于C/S网络，是无中心服务器、节点可以自由加入和退出的网络，对等网络的每个节点既是服务器，也是客户端，每个节点都可以从其他节点那里上传和下载文件。由于P2P网络自身的匿名性和开放性，大量加入P2P网络的互不相识的节点之间需要进行频繁的交互以完成文件传输和资源共享，如何选择一个可信、可靠的节点，与之交互，并完成某项服务，已经成为P2P网络环境中亟待解决的问题。

与有中心服务器的网络不同，P2P网络必须依靠用户群进行交流，但这种交流通常没有可靠的信誉保障，表现为存在大量的不稳定的节点以及不可靠的网络质量。P2P网络中的节点需要通过信誉模型，自主选择信誉良好的交互节点，来降低交互过程中发生负向事件的概率，并获得相对可靠的网络质量。然而，现有信誉模型通常基于单个节点的视角计算目标节点的信誉，忽视了节点的同质性对节点信誉的影响，从而使信誉模型缺乏可扩展性和客观性，难以评估初始节点的信誉。

信任关系是客观的，由于信息的不对称和不透明，信任关系表现出一定的主观性，信任程度表现出一定的概率分布。信任关系具有动态性，会随着时间、节点状态、价值关系等因素的变化而变化。然而信誉是对历史信任关系的评价，信誉评估主要基于节点的历史行为。现有的信誉评估机制大多依靠节点本身的主观评价获取直接信誉，在计算间接信誉的过程直接使用直接信誉的值，使得恶意节点容易通过伪造极端的直接信誉值达到欺骗的效果。单一的信誉值在评估过程中，损失了过多的有效信息，忽略了网络收益对推荐信誉的影响。信誉评估机制的基于完全信息的假设也容易造成信誉欺骗和片面评价的问题。

为解决现有技术中信誉评估未考虑交互收益，缺乏客观性等的问题，本申请提出了一种具有可扩展性和客观性的基于不完全信息动态博弈模型的节点信誉评估方法。具体地，下面参考附图描述本申请实施例的基于不完全信息动态博弈模型的节点信誉评估方法。

图1为本申请实施例所提供的一种基于不完全信息动态博弈模型的节点信誉评估方法的流程示意图。如图1所示，该基于不完全信息动态博弈模型的节点信誉评估方法可以包括以下步骤。

在步骤101中，获取节点与其他节点交互过程中的网络事件信息和进程事件信息。

可选地，节点可通过网络流量监视器收集该节点与其他节点交互过程中的网络事件信息，其中，该网络事件信息可包括流量数据等。节点通过事件警报器收集该节点与其他节点交互过程中的进程事件信息。

在步骤102中，基于网络事件信息和进程事件信息，利用不完全信息动态博弈模型评估节点与其他节点交互的直接信誉，并根据节点与其他节点交互过程中的流量规模和正向事件比例计算节点在与其他节点交互的交互收益。

在本申请一些实施例中，可基于网络事件信息和进程事件信息，将一次流量突发或一个时间片t内无负向事件警告作为一次正向事件记录，获得节点与其他节点交互过程中的事件的时间序列，节点为每个交互节点维护一个事件序列，负向事件总数为L

在本申请实施例中，可根据节点与其他节点交互过程中的事件的时间序列，基于不完全信息动态博弈模型实时计算节点与其他节点交互的直接信誉。例如，节点i根据与节点j的交互事件序列，根据预先设定的先验知识，基于不完全信息动态博弈模型实时计算交互节点(即节点i与节点j)的直接信誉dR

在本申请一些实施例中，可根据节点与其他节点一次交互过程中的流量规模和正向事件比例计算节点在与其他节点在本次交互过程中的收益，并根据节点在与其他节点在本次交互过程中的收益，结合节点在与其他节点交互过程中的历史收益，计算节点在与其他节点交互的交互收益。例如，可根据节点i与节点j一次交互过程中的流量规模和正向事件比例计算节点i与节点j在本次交互过程中的收益Va

举例而言，设定先验知识，当节点可信和节点之间网络可靠时，在交互过程中出现负向事件的概率为P

tR

tR

依据时间序列，分布计算当正向事件、负向事件发生时节点的直接信誉变化，获得节点i与交互j的直接信誉。其中，当负向事件发生时，节点j的直接信誉为：

当正向事件发生时，节点j的直接信誉为：

根据单次交互过程的流量规模sc和正向事件比例(1-L

Va

Va

其中，α为偏好参数，决定节点对当前交互收益和历史交互收益的偏好程度。

在步骤103中，根据节点与其他节点交互的直接信誉生成点-点的直接信誉向量，并根据节点在与其他节点交互的交互收益生成点-点的交互收益向量。

可选地，在得到节点与其他节点交互的直接信誉时，可将该节点与其他节点交互的直接信誉拼接在一起以组成一个向量，该向量即为节点与所有交互节点的直接信誉向量，即上述点-点的直接信誉向量；同理，在得到节点与其他节点交互的交互收益时，可将该节点与其他节点交互的交互收益拼接在一起以组成一个向量，该向量即为节点与所有交互节点的交互收益向量。

在步骤104中，若干邻近节点组成信任域，域内广播自身点-点的直接信誉向量和交互收益向量，形成点-点的直接信誉矩阵和交互收益矩阵，并根据点-点的直接信誉矩阵和交互收益矩阵，计算信任域和点之间的域-点的间接信誉矩阵和期望收益矩阵。

在本申请一些实施例中，将节点与其他邻近节点组成信任域，域内广播自身点-点的直接信誉向量V

在本申请一些实施例中，可根据设定的直接信誉阈值和期望收益阈值、点-点的直接信誉向量V

作为一种示例，可将点-点的直接信誉矩阵之中的直接信誉与直接信誉阈值进行大小比较，并将点-点的交互收益矩阵之中的交互收益与期望收益阈值进行大小比较，并依据大小比较结果获得节点信任度分级结果。也就是说，可根据共同设定的直接信誉阈值dR

需要说明的是，在本申请一些实施例中，节点依据同一地址域或相互信任的若干节点组成具有唯一标识的信任域。每个节点加入信任域需要获得节点的半数以上同意，加入所在域的节点列表。节点在所在信任域内广播各自的直接信誉向量和交互收益向量，每个节点都可以获得本域的点-点的直接信誉矩阵M

表1信誉模型参数

依据如下公式(7)(8)和点-点的信任矩阵M

其中，iR为所述域-点的间接信誉；n表示有交互关系的节点对的数量；level

在本申请实施例中，信任域的代表节点向其他信任域的代表节点广播本域的域-点间接信誉向量和期望收益向量，从而形成域-点的间接信誉矩阵M

在步骤105中，基于信誉模型的信任链，通过信任链传递算法获取目标节点的推荐信誉。

在本申请一些实施例中，设定传递参数为最大交互收益，针对同一个信任域内的节点，采用点到点的信任链传递算法获取目标节点的推荐信誉；针对不同信任域的节点，采用从点到域再到点的信任链传递算法获取目标节点的推荐信誉。

作为一种示例，信誉模型的信任链记为RL＝(N

如图3所示，针对同一信任域内的节点或与域内节点有频繁交互的信任域外节点，采用从点到点的信任链传递算法，即点-点的信任链传递算法计算推荐信誉。设定点到点间的传递参数maxVa为最大交互收益，通过信任链传递算法获取目标节点的推荐信誉。

R

其中，R

如图4所示，针对不同信任域的节点，采用从点到域再到点的信任链传递算法，即点-域-点的信任链传递算法。其中信任域A有三个节点a,b,c与节点i有交互，其直接信誉分别为R

在步骤106中，根据域-点的间接信誉矩阵和期望收益矩阵、以及各个信任域的节点列表，计算域-域的间接信誉矩阵和期望收益矩阵，并根据域-域的间接信誉矩阵和期望收益矩阵，获取交互次数小于预设阈值的节点的推荐信誉。

在本申请一些实施例中，根据域-点的间接信誉矩阵M

dVA＝∑VA

在该信任模型的信任链基础上，不断向已知可信节点查询其他节点的信誉，可以得到每个节点对其他任一节点的推荐信誉，同等规模节点的情况下，基于信任域的信任链传递具有更好的传递效率和更快的收敛速度，也能有效缓解恶意节点伪造信誉的攻击。

为了方便本领域技术人员方便了解本申请，下面将结合图5至图9进行详细描述。其中，图5为本实施示例的整体架构示意图，图6为本实施示例的交互流程示意图。该实施示例中涉及的主要参数如上面表1所示。

在本实施例示例中，事件来源和事件分类如图7所示，计时器负责监测交互节点之间正常服务的时长，输出正向事件信息，流量探测器负责收集节点交互过程中的流量信息，这两者共同组成流量监视器。事件警报器从日志记录、入侵检测器、防火墙等来源获取负向事件信息，维护交互节点的负向事件队列。

如图8所示，存在三个信任域，编号分别设为A，B，C，设三个信任域中的节点分布为，a1,a2,a3,b1,b2,b3,c2,c2,c3。每个信任域共享表1的模型参数。信任域之间可以共享参数，也可以自主设定。

本实施示例中，计算过程如图9所示，信任域内节点信任向量广播周期为300秒，每个时间间隔内，节点为每个交互节点维护一个事件队列，根据公式(1)～(4)，计算交互节点的直接信誉和交互收益。直接信誉评估结果如下面表2所示。信任域每个周期选举代表节点，记为N

表2域内节点直接信誉评价

本实施示例中，信任域的代表节点的信任向量广播时间为3000秒，每个时间间隔内，如下面表3所示，进行节点信任度分级，获得每个节点的信任度，进而获得信任域对节点的间接信誉。按公式(8)计算信任域对节点的期望收益。每个域的代表节点之间广播本域的域-点间接信誉向量和期望收益向量，每个节点从而可以获得全局的域-点的间接信誉矩阵M

表3节点信任度分级

本实施示例中，根据域-点的间接信誉矩阵M

根据本申请实施例的技术方案，通过利用节点交互过程中的网络事件信息和进程事件信息，基于不完全信息动态博弈模型的信誉评估方法，相对客观地计算目标节点的直接信誉。考虑了节点交互过程中网络收益对信誉的影响，结合网络收益评估信任域对节点的间接信誉，即考虑到网络状况和交互收益对节点信誉的影响，信誉值更具有客观性，并且，基于不完全信息动态博弈的信誉模型可以有效抵抗恶意节点或恶意集体伪造信誉对间接信誉的影响。本申请充分考虑了P2P网络节点规模大和邻近节点高相似性的特点，提出基于信任域视角的信誉维护和推荐方法，使推荐信誉的计算过程具有更好的可扩展性和更快的收敛速度。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。