專利名稱：分布式網(wǎng)絡中反饋報告可信度處理方法和系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計算機分布式網(wǎng)絡可信計算技術(shù)領(lǐng)域，特別是涉及一種在計算機分布 式網(wǎng)絡，如電子商務分布式網(wǎng)絡中反饋報告可信度處理方法和系統(tǒng)。
背景技術(shù)：
基于對等網(wǎng)絡的分布式網(wǎng)絡，如對等網(wǎng)絡的電子商務分布式系統(tǒng)的發(fā)展正在迅速 的代替?zhèn)鹘y(tǒng)的交易模式，給人們的生活帶來便利，然而電子商務分布式系統(tǒng)在線交易無法 像傳統(tǒng)交易那樣可以通過實物考察，買賣同時等方法來保證自己的利益，這給電子商務分 布式系統(tǒng)部分節(jié)點的欺騙行為提供了可能。CyberSource公司調(diào)查表明，電子商務分布式網(wǎng) 絡欺騙導致美國電子商務2007年的損失達到了 36億美元，2008年的損失達到了 40億美 元。因此，如何設計一種有效的機制來區(qū)分出惡意節(jié)點，幫助善意節(jié)點避免受到欺騙，關(guān)系 到分布式系統(tǒng)進一步發(fā)展，逐漸成為研究的熱點。信任機制是一種對節(jié)點歷史行為分析來預測其未來行為的一種機制，通過對估計 每個分布式網(wǎng)絡節(jié)點的信任值來區(qū)分節(jié)點的可信程度，從而可以幫助善意節(jié)點避免惡意節(jié) 點的欺騙。近來對基于用戶反饋的eBay榮譽機制的研究表明基于榮譽的信任機制能夠避 免惡意節(jié)點的欺騙并促使他們進行合作。具體來說，有論文指出榮譽機制能夠影響將來的 用戶行為，而進一步給出結(jié)論說基于反饋的榮譽系統(tǒng)完全達到了“賣方的好評增加了其銷 量，而差評降低其銷量”的目的?；跇s譽的信任機制通過考察分布式網(wǎng)絡節(jié)點的歷史交易信息，來推斷節(jié)點的行 為特征，利用榮譽值來對行為特征進行描述。分布式網(wǎng)絡節(jié)點的歷史信息可以分為直接信 息和間接信息，其中從與自己相關(guān)的行為中獲取的信息被稱為直接信息，與其他節(jié)點的行 為稱之為間接信息。如何利用這些直接信息和間接信息來對分布式網(wǎng)絡節(jié)點的行為特征進 行準確評估是當前基于榮譽的信任機制的主要目標。然而由于惡意行為的影響，他們的行 為信息有時并不能準確地反映其行為特征，并且惡意行為的多樣性又進一步增加了準確評 估節(jié)點難度。一般來說，分布式網(wǎng)絡中的惡意節(jié)點行為可以分為惡意行為和惡意報告行為兩 種，其中惡意行為是指在與交互中欺騙對方并采用一定策略避免獲得負面的反饋信息，而 惡意報告行為是指通過提供虛假的報告來欺騙信任管理系統(tǒng)，達到既定的目的。所以能否 排除虛假報告的干擾，準確分辨出分布式網(wǎng)絡節(jié)點的行為特征，獲得較小的估計誤差是衡 量基于榮譽的信任機制好壞的重要指標，而其中如何計算報告可信度是獲得較小估計誤差 的關(guān)鍵所在。

發(fā)明內(nèi)容
本發(fā)明目的在于提供一種在計算機分布式網(wǎng)絡中反饋報告可信度處理方法和系 統(tǒng)，其能夠更準確地計算用戶信任值，排除虛假報告的干擾，獲得較小的估計誤差。為實現(xiàn)本發(fā)明目的而提供的一種分布式網(wǎng)絡中反饋報告可信度處理方法，包括如下步驟步驟A，計算出分布式網(wǎng)絡中任意兩個節(jié)點間反饋報告的相似度；步驟B，將所述節(jié)點間反饋報告的相似度進行歸一化，得到反饋報告可信度的馬爾 可夫鏈，然后計算出平穩(wěn)分布向量，依據(jù)平穩(wěn)分布向量得到節(jié)點的反饋報告可信度。較佳地，所述步驟B中，依據(jù)平穩(wěn)分布向量計算出節(jié)點的反饋報告可信度，包括下 列計算步驟如果網(wǎng)絡中惡意節(jié)點和善意節(jié)點相差較多，可以準確地分辨出節(jié)點的報告行為， 而且誠實節(jié)點較多時，即η min/ JI max < 1/2&& π z > I!時，則第i個節(jié)點的報告可信度Vi為
JI / JI ；
1 max ‘ 如果網(wǎng)絡中惡意節(jié)點和善意節(jié)點相差較多，可以準確地分辨出節(jié)點的報告行為， 但惡意節(jié)點較多時，即1/2&&πζ<= η時，則第i個節(jié)點的報告可信度vi為
1- Ji / Ji ；
丄1 max ‘如果網(wǎng)絡中惡意節(jié)點和善意節(jié)點比例相近，無法分辨出節(jié)點的報告行為或者不存 在惡意節(jié)點時，即η min/ ^ifflax >= 1/2時，則第i個節(jié)點的報告可信度vi為節(jié)點ζ與節(jié)點i 的報告相似度；其中，π = (...，Ji i，...)是平穩(wěn)分布向量，是平穩(wěn)分布向量π中的最大 值，Hmin是平穩(wěn)分布向量η中的最小值；η是節(jié)點ζ的主觀報告可信度。較佳地，所述反饋報告可信度處理方法，還包括下列步驟步驟C，根據(jù)節(jié)點的報告可信度，利用最大似然估計方法，估值得到節(jié)點的全局信 任值。為實現(xiàn)本發(fā)明目的還提供一種分布式網(wǎng)絡中反饋報告可信度處理系統(tǒng)，包括第一運算器，用于計算出分布式網(wǎng)絡中任意兩個節(jié)點間反饋報告的相似度；歸一化處理器，用于將所述節(jié)點間反饋報告的相似度進行歸一化處理，得到反饋 報告可信度的馬爾可夫鏈；第二運算器，用于根據(jù)馬爾可夫鏈計算出平穩(wěn)分布向量，并依據(jù)平穩(wěn)分布向量得 到節(jié)點的反饋報告可信度。較佳地，所述反饋報告可信度處理系統(tǒng)，還包括信任值估值器，用于根據(jù)節(jié)點的報 告可信度，利用最大似然估計方法，估值得到節(jié)點的全局信任值。本發(fā)明的有益效果是本發(fā)明的分布式網(wǎng)絡中反饋報告可信度處理方法和系統(tǒng)， 以節(jié)點反饋報告的相似度為基礎(chǔ)，并通過具有相同鄰居的用戶組成的可信度的馬爾可夫鏈 來傳遞這種報告相似度，計算出所有節(jié)點之間的報告可信度，其可以準確地計算出個人反 饋報告的可信度，從而為準確地估計用戶的信任值提供可能，排除虛假報告的干擾，獲得較 小的估計誤差。


圖1是本發(fā)明實施例分布式網(wǎng)絡中反饋報告可信度處理方法流程圖；圖2是本發(fā)明實施例反饋報告可信度的馬爾可夫鏈示意圖；圖3是本發(fā)明實施例中計算出平穩(wěn)分布向量得到節(jié)點的反饋報告可信度流程圖4是本發(fā)明實施例分布式網(wǎng)絡中反饋報告可信度處理系統(tǒng)結(jié)構(gòu)示意圖。
具體實施例方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對 本發(fā)明的一種分布式網(wǎng)絡中反饋報告可信度處理方法和系統(tǒng)進行進一步詳細說明。應當理 解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。本發(fā)明以節(jié)點反饋報告的相似度為基礎(chǔ)，并通過具有相同鄰居的節(jié)點組成的可信 度的馬爾可夫鏈來傳遞這種報告相似度，從而可以計算出所有節(jié)點之間的報告可信度。 本發(fā)明的分布式網(wǎng)絡中反饋報告可信度處理方法，如圖1所示，包括如下步驟步驟S100，根據(jù)分布式網(wǎng)絡中節(jié)點間的局部信任值，計算出分布式網(wǎng)絡中任意兩 個節(jié)點間反饋報告的相似度；設置Ni為分布式網(wǎng)絡中節(jié)點i的所有鄰居節(jié)點的集合；Nj為分布式網(wǎng)絡中用戶節(jié)點j的所有鄰居節(jié)點集合；Nij為同時為節(jié)點i和節(jié)點j的鄰居集合且Nij = (Cl，C2，C3，· · · Cn)。其中，Cl，C2，C3，· · ·，Cn既是Ni的鄰居，同時也是Nj的鄰居，η是指節(jié)點i和節(jié)
點j的鄰居編號最大值。設L(i，j)為節(jié)點i對節(jié)點j的局部信任評價值。計算節(jié)點間的局部信任評價值是一種現(xiàn)有技術(shù)，如PeerStrategy方法就是一種 局部信任評價值計算方法，也稱為個人反饋計算方法。設置R 二^^^^，以/，^；！，以/，^^，…乂^^’為節(jié)點丨對附」中每個節(jié)點的局部信 任評價向量，同樣巧=< L(j,CO,L(MC2)Mj,<^),...丄(丄〔 、>為節(jié)點j對Nij中每個節(jié)點的
局部信任評價向量。設置Sij為節(jié)點i和節(jié)點j兩個節(jié)點間反饋報告相似度的報告相似性矩陣，其為 向量巧和巧之間夾角的余弦值，表示節(jié)點i反饋報告和節(jié)點j反饋報告的相似度，如式(1)所不。
5 V1^V1 _其中，式⑴是求兩個向量之間夾角的余弦值，巧。巧是向量的內(nèi)積，|巧|*|巧I是兩 個向量的長度相乘；通過式⑴節(jié)點i反饋報告和節(jié)點j反饋報告的向量R和^之間夾角的余弦值，使 用了向量夾角的大小來衡量向量相似度，能夠較為準確地表現(xiàn)向量之間的相似關(guān)系。應當說明的是，式(1)是本發(fā)明實施例的一種較佳實施方式，而節(jié)點i反饋報告和 節(jié)點j反饋報告之間的報告相似度，也可以利用其他現(xiàn)有的計算節(jié)點間相似度的方法，如 計算向量方差等來進行計算，采用其他現(xiàn)有的計算節(jié)點間相似度的方法也在本發(fā)明公開和 保護的范圍之內(nèi)。本發(fā)明采用式(1)計算節(jié)點i反饋報告和節(jié)點j反饋報告之間的相似度， 是本發(fā)明實施例的一種較佳實施方式，并不是對節(jié)點反饋報告相似度計算的唯一方法和保護范圍的限制。步驟S200，將所述節(jié)點間反饋報告的相似度進行歸一化，得到反饋報告可信度的 馬爾可夫鏈，然后計算出平穩(wěn)分布向量，依據(jù)平穩(wěn)分布向量得到節(jié)點的反饋報告可信度。首先，通過節(jié)點間的歸一化，得到反饋報告可信度的馬爾可夫鏈，從而在反饋報告 可信度的馬爾可夫鏈上傳遞報告節(jié)點間的相似度，然后計算出平穩(wěn)分布向量，得到各個節(jié) 點間相對的報告可信度。SP= [Pi j]為節(jié)點i和節(jié)點j之間反饋報告相似度Sij的行歸一化矩陣，如式
(2)所示 則歸一化矩陣P為一隨機矩陣，Pi j為節(jié)點i對節(jié)點j反饋報告可信度，同時也是 節(jié)點i相信節(jié)點j的概率，進行歸一化后，矩陣Pij為一隨機矩陣，也即節(jié)點組成的馬爾科 夫鏈中的轉(zhuǎn)移概率矩陣。這樣，本發(fā)明中分布式網(wǎng)絡中的所有節(jié)點間的反饋報告可信度組成一個馬爾可夫 鏈，如圖2所示，并且該馬爾可夫鏈是非周期、不可約、有限狀態(tài)的隨機鏈，所以其存在平穩(wěn) 分布向量η = (...，Jii，...)，其中、表示分布式網(wǎng)絡中一節(jié)點在馬爾可夫鏈上進行隨 機游走后最后停留在各個節(jié)點的概率分布，同時也表示了各個節(jié)點間相對的報告可信度。由平穩(wěn)分布的性質(zhì)可得，π = π P，可知Ji為歸一化矩陣P的左主特征向量，所以 可以計算出平穩(wěn)分布向量η，得到各個節(jié)點間相對的報告可信度。利用報告的相似度具有的傳遞關(guān)系，通過具有共同鄰居的節(jié)點進行這種傳遞，從 而可以間接計算出沒有共同鄰居的節(jié)點之間的報告相似度。利用有限狀態(tài)的馬爾科夫鏈存 在平穩(wěn)分布的性質(zhì)，計算出此平穩(wěn)分布作為節(jié)點之間報告的相對可信度。然后，依據(jù)平穩(wěn)分布向量計算出節(jié)點的反饋報告可信度。本發(fā)明依據(jù)平穩(wěn)分布向量計算出節(jié)點的反饋報告可信度，其通過依據(jù)自己的報告 相對可信度來對相對報告可信度進行處理，使之成為獨立的報告可信度。設節(jié)點ζ是分布式網(wǎng)絡中一節(jié)點，從自身的角度對其他節(jié)點進行報告相似性判 斷，所有節(jié)點的報告可信度組成向量V = [vi]，其中vi指第i個節(jié)點的報告可信度，如式
(3)所示。 其中，是π向量中的最大值，Jimin是π向量中的最小值。Sz = [szi]，其中szi為節(jié)點ζ與其他節(jié)點i的報告相似度。V = [vi]，其中，Vi是節(jié)點i的報告可信度，在沒有利用式(3)進行計算前，Vi是 取值于W，l]區(qū)間的多個可能值，最后利用式(3)計算得到的vi值是一個確定值。η是節(jié)點Z的主觀報告可信度，這個值是根據(jù)經(jīng)驗值得到的。
其中，根據(jù)平穩(wěn)分布向量Ji = (. . .，Ji i，...)可以得到惡意節(jié)點和善意節(jié)點的比 例關(guān)系，以及惡意節(jié)點與善意節(jié)點的多少等信息。具體地，當n fflin/ Ji _ < 1/2時，此時表明 網(wǎng)絡中惡意節(jié)點和善意節(jié)點相差較多，可以準確地分辨出節(jié)點的報告行為；當^fflin/^fflax> =1/2表明網(wǎng)絡中惡意節(jié)點和善意將節(jié)點比例相近，無法分辨出節(jié)點的報告行為或者不存 在惡意節(jié)點；而當n時，善意節(jié)點較多，而當nz<= n時，惡意節(jié)點較多。如式(3)所示，如果網(wǎng)絡中惡意節(jié)點和善意節(jié)點相差較多，可以準確地分辨出節(jié) 點的報告行為，而且善意節(jié)點較多時，即3iniin/3imax<i/2&&3iz> n時，則第i個節(jié)點的報 告可信度vi為果網(wǎng)絡中惡意節(jié)點和善意節(jié)點相差較多，可以準確地分辨出節(jié) 點的報告行為，但惡意節(jié)點較多時，即Jiniin/3iniax<i/2&&3iz<= n時，則第i個節(jié)點的報 告可信度vi為如果網(wǎng)絡中惡意節(jié)點和善意將節(jié)點比例相近，無法分辨出節(jié)點 的報告行為或者不存在惡意節(jié)點時，即nmin/nmax>= 1/2時，則第i個節(jié)點的報告可信度 vi為節(jié)點Z與節(jié)點i的報告相似度。如圖3所示，下面詳細說明步驟200中，計算出平穩(wěn)分布向量，依據(jù)平穩(wěn)分布向量 得到節(jié)點的反饋報告可信度的詳細過程。設分布式網(wǎng)絡中節(jié)點i的鄰居集合是Ai，對于任意一個節(jié)點j G Ai，根據(jù)式⑴出 計算節(jié)點間的反饋報告的相似性矩陣Sij，對Sij進行歸一化處理得到歸一化矩陣Pij后， 通過迭代計算出平穩(wěn)分布向量，并根據(jù)平穩(wěn)分布向量得到節(jié)點的反饋報告可信度的過程， 如圖2所示，包括下列步驟步驟S201，在第0次迭代，即迭代開始時，設置平穩(wěn)分布向量= 1/n，進入步 驟 S202 ；其中，n是指網(wǎng)絡中節(jié)點的個數(shù)。步驟S202，計算節(jié)點i的第K+1個平穩(wěn)分布向量 n[k+,) = Pun{k) + P,2n(2k) +... + Pmn(nk)，如果 PU > 0，將< LPW)’見 >發(fā)送到 Ai 中的節(jié)點 j， 進入步驟S203 ；如果Pij = 0時，K增1，即K = K+1，重復步驟202，進入下一輪迭代；式中Pil，Pi2，...Pin，是公式(2)中所得歸一化矩陣Pij中第i行的元素， 々；中，節(jié)點j代表節(jié)點i中的第j個鄰居，巧雙廣+"是指此次的計算結(jié)果，m表示
傳遞的跳數(shù)。較佳地，傳遞的跳數(shù)m等于2。通過這樣計算，則不需要節(jié)點j知道節(jié)點i的，而通過限制跳數(shù)，又可以借助鄰 居來傳遞這種信息。步驟S203，計算5 —<"|，如果S > e，進入步驟S204 ；否則進入步驟 S207 ；其中，5是指連續(xù)兩次迭代結(jié)果之間的誤差值，￡是預先設定的閥值。通過計算誤差值8，衡量收斂結(jié)束的時機，當連續(xù)兩次迭代之間的差別較小時候 就終止迭代。步驟S204，等待Ai中的節(jié)點j返回< j, P^0 , m >，進入步驟S205 ；步驟S205，如果收到的信息< hP/"^，m >是發(fā)給自己的，即j等于i (即j == i)時，將此結(jié)果巧<“°保存；如果收到的信息</，/>廣；，m>不是發(fā)給自己的，也就是j不等于i(即j ！ =i)，且m==2時，將發(fā)送到Ai的所有鄰居節(jié)點j;如 果收到的信息< /, P,，') ’ m >不是發(fā)給自己的，也就是j不等于i (即j = ！ i)，且m == 1，則丟棄；進入步驟S206;
通過這樣的傳遞關(guān)系，從而可以保證每個信息沿著鄰居關(guān)系的馬爾可夫鏈至少傳 遞兩次。步驟S206，如果節(jié)點i所收到其所有鄰居節(jié)點發(fā)送回來的信息，即全部返回，則進 入步驟S202 ；否則進入步驟S204 ；步驟S207，將、發(fā)給Ai中所有節(jié)點，同時等待Ai的節(jié)點j返回Jij，進入步驟 S208 ；步驟S208，遍歷鄰居反饋的π =[、]，取出最大值Jimax和最小值Hmin，如果 π min/ ^ max < 1/2，進入步驟S209 ；否則進入步驟S210 ；通過遍歷鄰居并計算，就可以判斷出來計算結(jié)果的有效性。步驟S209，如果Jii > η，則報告可信度向量Vi =如果π i < = η，報 告可信度組成向量Vi = ι-π/JImax，結(jié)束；其中，π i是節(jié)點自己的報告可信度，即迭代終止后的計算值；其中π/Jimax是指對將向量中的每個值除以該向量中的最大值；通過計算可以準確地計算節(jié)點的報告可信度。步驟S210，當計算結(jié)果不可靠，S卩>= 1/2時，則節(jié)點的報告可信度vi 為節(jié)點j與節(jié)點i的報告相似度，即Vi = Si = [Sij]，結(jié)束。較佳地，本發(fā)明的分布式網(wǎng)絡中反饋報告可信度處理方法，還包括如下步驟步驟300，根據(jù)節(jié)點的報告可信度，利用最大似然估計方法，估值得到節(jié)點的全局 信任值。在一個由n各節(jié)點組成的分布式P2P網(wǎng)絡，對于任一個節(jié)點j，用Bj代表節(jié)點的行 為，Bj = 1表示節(jié)點j行為善意，Bj = 0表示節(jié)點j行為不善意。設定每個節(jié)點都有一定 的可信概率，設節(jié)點j的可信概率為θρ節(jié)點j為善意節(jié)點的概率為θρ節(jié)點j為惡意節(jié) 點的概率是(1-Θ P。貝1J，P (Bj = 1) = θ j,即節(jié)點j為善意節(jié)點的概率P (Bj = 0) = 1- θ j,即節(jié)點j為惡意節(jié)點的概率節(jié)點j和節(jié)點Pl，P2,……，pn進行過交易，這些節(jié)點對節(jié)點j的行為都有自己的 主觀判斷。當詢問節(jié)點P1, P2,……P1^i j的評價時，他們的判斷可能正確或者錯誤。設節(jié) 點Pi判斷不可靠的概率是Ii,即判斷可靠性=I-IiO對于任一給出評價的節(jié)點1，用Ai代 表節(jié)點i報告的可信度，Ai = 1表示節(jié)點錯誤報告，Ai = 0表示節(jié)點善意報告。貝IJP (Ai = 1) = Ii,即節(jié)點Pi的報告錯誤的概率。P (Ai = 0) = I-Ii,即節(jié)點pi的報告正確的概率。如果節(jié)點i對節(jié)點j的評價報告為y，設該報告的可靠程度是Ι-li，也就是報告可 信度向量V中vi，即節(jié)點i所提供報告的可靠性。其他節(jié)點{Pl，P2，...Pn}對j的可信度 評價為(P1,.... Ui.....)，他們節(jié)點報告節(jié)點j的行為是{yl，y2，…，yi，…yn}，本發(fā) 明通過式⑷和式(5)將可信度評價轉(zhuǎn)化為節(jié)點的行為報告，yi = 1表示節(jié)點i報告j為善意節(jié)點，如果μ i > = 0. 5 (4)
yi = 0表示節(jié)點i報告j為惡意節(jié)點，如果μ i < 0. 5 (5)通過已知Bj，Ai的二項概率分布，如式(6)和式(7)所示
Bi 1 0 P ""“Gj
l-0j
(6)
Ai j 1 0
"ρΓ Τ~
(7)又由于節(jié)點j的行為與節(jié)點i報告可信度的無關(guān)性，根據(jù)概率原理，可得Ai與Bj 的聯(lián)合概率分布，如式(8)所示
\ 1 0 _
1 IiGjIi(I-Gj)
0 (I-Ii)Gj (I-Ii)(I-Gj)
(8)綜合以上分析可得節(jié)點i報告Ii的二項概率分布，如式(9)所示 rmno1 p/y//,(I-鑼)+ (1-/,)鑼 if yi = I尸{y 二》} = , λ(9)
1/,母+ (1-/,)(1-矽)if yi = 0由于可信度的馬爾可夫鏈的傳遞能夠避免惡意節(jié)點各種報告策略的影響，所以保 證了各個節(jié)點報告的可信度同時保證了報告可信度的相對獨立性。所以根據(jù)最大似然估計 方法和節(jié)點報告之間的無關(guān)性，得出如式(10)所示的似然函數(shù)L(ep =PEY1 = yJP[Y2 = y2]……P[Yn = yn] (10)最大似然估計方法就是需要尋找能夠使L ( θ j)最大的θ j，下面進行最大似然估 計計算1)兩邊取對數(shù)得式(11)LnL ( θ ρ = LnPtY1 = Y1]+LnP [Y2 = y2]+……+LnP [Yn = yn] (11)2)對1)中方程式(11)的θ j求導后得到如式(12)所示似然方程dLnL( θ p/d θ j = 0 ； (12)3)求解似然方程。由駐點中確定出的最大值點就是未知參數(shù)θ j的估計值，如式 (13)所示。
dL η L(Oj) / θ, 0 = d(LnLi^ )) I θ Λ_沖-2k) + (卜 yk)(21k-l)_

J f^ yk[lu( 1 -ΘΟ + (1 + (1 -yk)[LGj + (1 -k)( 1 -Gj)]
(13)
通過式(13)可以計算θ j也即是節(jié)點j的全局信任值。相應地，本發(fā)明還提供一種分布式網(wǎng)絡中反饋報告可信度處理系統(tǒng)。如圖4所示，所述反饋報告可信度處理系統(tǒng)10包括第一運算器11，用于計算出分布式網(wǎng)絡中任意兩個節(jié)點間反饋報告的相似度；較佳地，所述第一運算器11是根據(jù)分布式網(wǎng)絡中節(jié)點間的局部信任值，計算出分 布式網(wǎng)絡中任意兩個節(jié)點間反饋報告的相似度。歸一化處理器12，用于將所述節(jié)點間反饋報告的相似度進行歸一化處理，得到反 饋報告可信度的馬爾可夫鏈，從而在反饋報告可信度的馬爾可夫鏈上傳遞報告節(jié)點間的相 似度；第二運算器13，用于根據(jù)馬爾可夫鏈計算出平穩(wěn)分布向量，并依據(jù)平穩(wěn)分布向量 得到節(jié)點的反饋報告可信度。進一步地，本發(fā)明的反饋報告可信度處理系統(tǒng)，還可以包括信任值估值器14，用于 根據(jù)節(jié)點的報告可信度，利用最大似然估計方法，估值得到節(jié)點的全局信任值。本發(fā)明的可信度處理系統(tǒng)，以節(jié)點反饋報告的相似度為基礎(chǔ)，并通過具有相同鄰 居的節(jié)點組成的可信度的馬爾可夫鏈來傳遞這種報告相似度，從而可以計算出所有節(jié)點之 間的報告可信度。其處理過程與所述可信度處理方法過程相同，因此在本發(fā)明實施例中不 再一一詳細描述。本發(fā)明的分布式網(wǎng)絡中反饋報告可信度處理方法和系統(tǒng)，以用戶個人反饋報告的 相似性為基礎(chǔ)，并通過具有相同鄰居的用戶組成的相似鏈來傳遞這種報告相似性，從而可 以計算出所有節(jié)點之間的相對報告可信度，最后進行調(diào)整，可以準確地計算出個人反饋報 告的可信度，從而為準確地估計用戶的信任值提供可能，排除虛假報告的干擾，獲得較小的 估計誤差。通過結(jié)合附圖對本發(fā)明具體實施例的描述，本發(fā)明的其它方面及特征對本領(lǐng)域的 技術(shù)人員而言是顯而易見的。以上對本發(fā)明的具體實施例進行了描述和說明，這些實施例應被認為其只是示例 性的，并不用于對本發(fā)明進行限制，本發(fā)明應根據(jù)所附的權(quán)利要求進行解釋。
權(quán)利要求
一種分布式網(wǎng)絡中反饋報告可信度處理方法，其特征在于，包括下列步驟步驟A，計算出分布式網(wǎng)絡中任意兩個節(jié)點間反饋報告的相似度；步驟B，將所述節(jié)點間反饋報告的相似度進行歸一化，得到反饋報告可信度的馬爾可夫鏈，然后計算出平穩(wěn)分布向量，依據(jù)平穩(wěn)分布向量得到節(jié)點的反饋報告可信度。
2.根據(jù)權(quán)利要求1所述的反饋報告可信度處理方法，其特征在于，所述步驟A中，所述 計算出分布式網(wǎng)絡中任意兩個節(jié)點間反饋報告的相似度，是根據(jù)分布式網(wǎng)絡中節(jié)點間的局 部信任值而得到的。
3.根據(jù)權(quán)利要求2所述的反饋報告可信度處理方法，其特征在于，所述步驟A中，所述 根據(jù)分布式網(wǎng)絡中節(jié)點間的局部信任值，計算出分布式網(wǎng)絡中任意兩個節(jié)點間反饋報告的 相似度，是根據(jù)節(jié)點間的局部信任評價向量之間夾角的余弦值計算得到的。
4.根據(jù)權(quán)利要求1所述的反饋報告可信度處理方法，其特征在于，所述步驟B中，依據(jù) 平穩(wěn)分布向量計算出節(jié)點的反饋報告可信度，包括下列步驟如果網(wǎng)絡中惡意節(jié)點和善意節(jié)點相差較多，可以準確地分辨出節(jié)點的報告行為，而且 善意節(jié)點較多時，即η min/ η max < 1/2&& π z > η時，則第i個節(jié)點的報告可信度vi為π /JI ；max ‘如果網(wǎng)絡中惡意節(jié)點和善意節(jié)點相差較多，可以準確地分辨出節(jié)點的報告行為，但惡 意節(jié)點較多時，即^η/π_<1/2&&πζ<= η時，則第i個節(jié)點的報告可信度ViSl-Ji/JI ；max ‘如果網(wǎng)絡中惡意節(jié)點和善意將節(jié)點比例相近，無法分辨出節(jié)點的報告行為或者不存在 惡意節(jié)點時，即n min/ JIfflax >= 1/2時，則第i個節(jié)點的報告可信度vi為節(jié)點ζ與節(jié)點i的 報告相似度；其中，π =(...，Jii，...)是平穩(wěn)分布向量，Jimax是平穩(wěn)分布向量JI中的最大值， Hmin是平穩(wěn)分布向量n中的最小值； n是節(jié)點ζ的主觀報告可信度。
5.根據(jù)權(quán)利要求1所述的反饋報告可信度處理方法，其特征在于，所述步驟B中，計算 出平穩(wěn)分布向量，依據(jù)平穩(wěn)分布向量得到節(jié)點的反饋報告可信度，包括下列步驟其中，分布式網(wǎng)絡中節(jié)點i的鄰居集合是Ai，對于任意一個節(jié)點j e Ai，節(jié)點間的反饋 報告的相似性矩陣為Sij ；歸一化矩陣為Pij ；步驟Bi，在第O次迭代，即迭代開始時，設置平穩(wěn)分布向量= 1/n，進入步驟Β2; 其中，n是指網(wǎng)絡中節(jié)點的個數(shù)；步驟B2，計算節(jié)點i的第K+1個平穩(wěn)分布向量;=Ρι π^+Ρι2π^+... +Pm7r^，如果 Pij > 0，將廣義m>發(fā)送到Ai中的節(jié)點j，進入步驟B3 ；如果Pij = 0時，K增1，即 K = K+1，重復步驟B2，進入下一輪迭代；式中Pil，Ρ 2, . . . Pin，是歸一化矩陣Pij中第i行的元素，<7_,々4i+~,m >中，節(jié)點j 代表節(jié)點i中的第j個鄰居，巧^吣是指此次的計算結(jié)果，m表示傳遞的跳數(shù)； 步驟B3，計算5 =IW^-VjI,如果δ > ε，進入步驟Β4;否則進入步驟Β7; 其中，S是指連續(xù)兩次迭代結(jié)果之間的誤差值，ε是預先設定的閥值； 步驟Β4，等待Ai中的節(jié)點j返回< j, P丨,π”)，m >，進入步驟B5 ；步驟85，如果收到的信息<力/>廣~,!11>是發(fā)給自己的，將所述結(jié)果/^廣〃保存；如果收到的信息…，m>不是發(fā)給自己的，且m = = 2時，將> 發(fā)送到Ai的所有鄰居節(jié)點j ；如果收到的信息< j,PjMk+,), m >不是發(fā)給自己的，且m = = 1，則丟棄；進入步驟B6 ； 步驟B6，如果節(jié)點i所收到其所有鄰居節(jié)點發(fā)送回來的信息，則進入步驟B2;否則進入 步驟B4 ；步驟B7，將Jii發(fā)給Ai中所有節(jié)點，同時等待Ai的節(jié)點j返回Jij，進入步驟B8; 步驟B8，遍歷鄰居反饋的π =[、]，取出最大值Jimax和最小值Hmin，如果nmin/nmax < 1/2，進入步驟B9 ；否則進入步驟BlO ；步驟B9，如果Jii > η，則報告可信度向量Vi = n/nmax ；如果Jii <= η，報告可信 度組成向量Vi = I-Ji，結(jié)束；其中，^是節(jié)點自己的報告可信度，即迭代終止后的計算值； 其中π / π max是指對將向量中的每個值除以該向量中的最大值； 步驟B10，當計算結(jié)果不可靠，即π min/ π max> = 1/2時，則節(jié)點的報告可信度vi為節(jié)點 j與節(jié)點i的報告相似度，即Vi = Si = [Sij]，結(jié)束。
6.根據(jù)權(quán)利要求5所述的反饋報告可信度處理方法，其特征在于，所述傳遞的跳數(shù)m等 于2。
7.根據(jù)權(quán)利要求1至6中任一項所述的反饋報告可信度處理方法，其特征在于，還包括 下列步驟步驟C，根據(jù)節(jié)點的報告可信度，利用最大似然估計方法，估值得到節(jié)點的全局信任值。
8.一種分布式網(wǎng)絡中反饋報告可信度處理系統(tǒng)，其特征在于，包括第一運算器，用于計算出分布式網(wǎng)絡中任意兩個節(jié)點間反饋報告的相似度； 歸一化處理器，用于將所述節(jié)點間反饋報告的相似度進行歸一化處理，得到反饋報告 可信度的馬爾可夫鏈；第二運算器，用于根據(jù)馬爾可夫鏈計算出平穩(wěn)分布向量，并依據(jù)平穩(wěn)分布向量得到節(jié) 點的反饋報告可信度。
9.根據(jù)權(quán)利要求8所述的反饋報告可信度處理系統(tǒng)，其特征在于，還包括信任值估值 器，用于根據(jù)節(jié)點的報告可信度，利用最大似然估計方法，估值得到節(jié)點的全局信任值。
10.根據(jù)權(quán)利要求8或9所述的反饋報告可信度處理系統(tǒng)，其特征在于，所述第一運算 器是根據(jù)分布式網(wǎng)絡中節(jié)點間的局部信任值，計算出分布式網(wǎng)絡中任意兩個節(jié)點間反饋報 告的相似度。
全文摘要
本發(fā)明公開了一種在計算機分布式網(wǎng)絡中反饋報告可信度處理方法和系統(tǒng)。該方法包括如下步驟步驟A，計算出分布式網(wǎng)絡中任意兩個節(jié)點間反饋報告的相似度；步驟B，將所述節(jié)點間反饋報告的相似度進行歸一化，得到反饋報告可信度的馬爾可夫鏈，然后計算出平穩(wěn)分布向量，依據(jù)平穩(wěn)分布向量得到節(jié)點的反饋報告可信度。其能夠更準確地計算用戶信任值，排除虛假報告的干擾，獲得較小的估計誤差。
文檔編號G06Q30/00GK101848095SQ20091008081
公開日2010年9月29日 申請日期2009年3月23日 優(yōu)先權(quán)日2009年3月23日
發(fā)明者畢經(jīng)平, 謝振 申請人:中國科學院計算技術(shù)研究所