一种主观信任评价模型的研究.doc

上传人:吴起龙 文档编号:1591932 上传时间:2018-12-26 格式:DOC 页数:6 大小:16.39KB
返回 下载 相关 举报
一种主观信任评价模型的研究.doc_第1页
第1页 / 共6页
一种主观信任评价模型的研究.doc_第2页
第2页 / 共6页
一种主观信任评价模型的研究.doc_第3页
第3页 / 共6页
亲,该文档总共6页,到这儿已超出免费预览范围,如果喜欢就下载吧!
资源描述

《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。

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 其他


经营许可证编号:宁ICP备18001539号-1