《一种主观信任评价模型的研究.doc》由会员分享，可在线阅读，更多相关《一种主观信任评价模型的研究.doc（6页珍藏版）》请在三一文库上搜索。
1、一种主观信任评价模型的研究近年来，已有众多学者在不同的研究背景下提出了各自的信任评价模型。AbdulRahman等人提出的分布式信任模型1，过分强调信任度的有条件传递性，没有给出具体的信任度计算公式。T.Beth等人提出的基于经验和概率统计的信任评价模型2，但该模型对直接信任定义过于严格，很难获得能客观反映推荐行为的经验信息。JSang等人在基于主观逻辑的信任中引入了事实空间（evidence space）和观念空间（opinion space）的概念来描述和度量信任关系3。虽然JSang等人给出了一些指导原则，但该过程的处理仍较为复杂和困难。文献4使用了概率统计的假设检验思想对信任关系的度量
2、进行解释，但是由于主观信任的主观性、不确定性与随机性表现为模糊性，使用概率统计的方法无法描述主观信任关系的真实情况。本文借鉴上述已有的工作，并结合文献5的研究成果，以开放式网络环境中的主观信任的研究为背景，研究并提出了一种主观信任评价模型。 1研究背景 ?诳?放式网络环境中，由扮演不同角色的主体及其他相关组件组成的应用系统，更多地表现为主体之间的协作活动，主体间信任关系的建立是一种在agent协调下的信任协作过程5。在信任评价中，信任类型为主体的决策提供细致而精确的依据。但由于开放式网络环境中服务呈现出多样性，因此给出一个具体的信任分类标准是困难的，而且给定一个固定（静态）的分类标准也很难满足
3、实际应用的需求，也不具有多大的实际意义。虽然在信任评价模型中强调信任内容的相关性，但同时也认为信任的分类应在实际应用中完成。为此，本文结合文献5的研究成果，提出并研究一种主观信任评价模型，如图1所示。 2主观信任评价模型的研究与分析 ?魈寮涞男湃斡辛街郑?即直接信任和推荐信任1。文献5已借助模糊集合理论对论域中的各主体xi(i=1,n)作了定量描述信，即任向量v(xi)=(vi1,vi2,vim)=(i1,i2,im)，并对信任的类型作了动态定义。 21直接信任的评价 ?苯有湃问侵魈?A运用经验（包括直接和间接经验）对B在进行某项任务时的可信度评价。信任评价一般都是基于初始的信任评价，下面结合
4、信任传递机制给出直接信任评价 DvAB=f(DAB,cur(Dvp1(B),Dvp2(B),Dvpk(B) （1） 其中：DvAB表示A对B的直接信任度；函数f表示信任度评价方法；DAB是以前A对B的直接信任度（或初始信任度），故式（1）也适用于信任的重新评价；Dvp1(B),Dvp2(B),Dvpk（B）分别表示主体A得到的（由k条推荐信任路径p1,p2,pk计算出的）对B的直接信任度；cur表示主体当前得到某些信息的集合函数。 ?捎?A对B的直接信任评价中有来源于对B的推荐经验，这些推荐经验信息可能来源于k条推荐信任路径p1,p2,pk，而这些路径可能是关联的，也可能是相互独立的。因此，必
5、须考虑各主体间错综复杂的关联关系。对于关联程度较简单的情况，agent可以根据实际情况作出恰当的信任评价；如果关联太复杂，就使用本节中介绍的信任评价方法。对于相互独立的情况，若涉及到的推荐者较少（或推荐信任路径不多），那么agent可以根据实际情况直接进行信任评价；另一方面，若所涉及的推荐者较多（或推荐信任路径较多），就使用本节介绍的信任评价方法。 其中：?莘直鸨硎拘湃蜗蛄慷杂脑?素相加与相乘；t0,1为信任权重系数，当主体A对B进行直接信任评价时，agent灵活地根据实际情况适时动态地选取t。当t=0时，表明A使用当前推荐信任来进行对B的信任评价；t=1时，表明A只看以往的对主体B信任度来进
6、行评价；t=05时，表明A对等看待来自推荐信任和自己已持有的对B的信任度来对B进行信任评价。 2）有关联的情况主体A当前得到的对B的k条推荐信任路径中，可能有关联与不关联。为了使研究更合理，假设有若干推荐路径是关联不关联的。例如，在p1,p2,pk中，p1,p2,p3是相互关联的，p4,p5,p6也是相互关联的，p7,p8,pk是相互独立的，则信任的评价过程如下：首先，主体A从关联信任路径中随机选取一条信任路径来参与信任评价。随机选取的信任路径表示为pr1=ran(p1,p2,p3)，pr2=ran(p4,p5,p6)。ran是随机选择函数。这样，主体A经过随机选取处理后的信任路径为pr1,p
7、r2,p7,p8,pk，可以把它们看做是独立推荐信任路径，对应的每条信任路径关于对B的直接信任度为：Dvpr1(B),Dvpr2(B),Dvp7(B),Dvp8(B),Dvpk(B)。 ?詈螅?同样也可得到式（3）。 ?诙酝萍鼍?验值进行综合计算时，应注意到一些推荐路径终点可能是同一个经验推荐主体，如图2中A与最终推荐主体C之间存在三条经验推荐路径。为了消除重复的经验，本文采用求均值的办法，目的是综合考虑各推荐路径推荐的信息，以使得信任评价更符合实际应用的情况。 22推荐信任的评价 ?萍鲂湃问?A运用其他主体C提供的经验对B即将进行某项任务时的可信度评价，同样是该主体以往经验的反映。但主体间的
8、推荐信任往往左右着主体对直接信任进行合理的评价，主体间推荐信任的建立应是相当谨慎的。下面给出推荐信任评价公式： 其中：RvAB表示主体A对B的推荐信任度；函数g表示推荐信任评价方法；His(RvAB)表示主体A持有的对B的推荐信任关系的历史记录，因此式（5）也适用于推荐信任的重新评价；DvBC表示B对主体C提供的推荐信息的直接信任度。 ?剑?5）说明：主体A可以得到由C提供的多条推荐信任路径进行直接信任度DvBC的评价；B可能不是A信赖的推荐者主体，但A也可能持有对B的推荐者信任关系的历史记录His(RvAB)；A根据获得推荐信任路径采用上节中的直接信任度的评价方法得到A对C的直接信任度DvA
9、C；随后A对B的推荐者C的信任度作出推荐信任评价；最后得到A对B的推荐信任度RvAB。图2清楚地表明了推荐信任度的评价：主体A获得了关于C的三条推荐信任路径p1、p2、p3，并计算得到DvAC。以信任路径p2为例，A得到B关于C的DvBC，并结合His(RvAB)，A对B的推荐者C的推荐信任度作如下计算： 其中：min是取最小值函数；是一个所有元素的值均为0, 1中一个具体的值的向量（在本文中为0.99）。在推荐信任度的计算中，若主体自己设定的存在具有完全信任关系的推荐主体，其推荐者信任度才赋值为1。而在实际应用中具有完全信任的推荐者是十分少有的，所以若某次计算使DvAC/DvBC=1，那么对RvAB向量的某个元素最大取值一定小于1。