專利名稱：：基于推薦節(jié)點(diǎn)可信度計(jì)算的激勵(lì)機(jī)制構(gòu)造方法
技術(shù)領(lǐng)域：
：本發(fā)明是一種在開(kāi)放網(wǎng)絡(luò)環(huán)境中，基于P2P(對(duì)等計(jì)算Peer-to-Peer)網(wǎng)絡(luò)中的信任問(wèn)題的策略性方法，主要用于解決信任關(guān)系中的激勵(lì)問(wèn)題，屬于對(duì)等計(jì)算和信息安全的技術(shù)應(yīng)用領(lǐng)域。
背景技術(shù)：
：對(duì)等網(wǎng)絡(luò)(P2P)是近年來(lái)迅速興起的一種網(wǎng)絡(luò)架構(gòu)方式。在P2P網(wǎng)絡(luò)中沒(méi)有中心服務(wù)器，所有節(jié)點(diǎn)的地位都是平等的，每個(gè)節(jié)點(diǎn)既充當(dāng)服務(wù)器，為其他節(jié)點(diǎn)提供服務(wù)，也同時(shí)充當(dāng)客戶機(jī)，享用其他節(jié)點(diǎn)提供的服務(wù)，它們可以隨時(shí)加入或退出網(wǎng)絡(luò)、提供或接受服務(wù)，而且節(jié)點(diǎn)之間還可以直接共享信息。與傳統(tǒng)的客戶端/服務(wù)器(C/S)模式相比，P2P技術(shù)能夠有效的利用網(wǎng)絡(luò)上的閑置資源，避免服務(wù)器帶來(lái)的瓶頸問(wèn)題。但P2P網(wǎng)絡(luò)高度的開(kāi)放性、匿名性和自治性，也使得網(wǎng)絡(luò)中節(jié)點(diǎn)提供的服務(wù)的安全性和可靠性成為一個(gè)嚴(yán)峻問(wèn)題。信任模型不僅出現(xiàn)在網(wǎng)格環(huán)境中，由于要保證P2P網(wǎng)絡(luò)中節(jié)點(diǎn)提供服務(wù)的安全性和可靠性，信任模型在P2P網(wǎng)絡(luò)中也得到了很好的發(fā)展。激勵(lì)機(jī)制是信任模型中不可或缺的部分，缺少了激勵(lì)機(jī)制信任模型就不完整。只有良好的激勵(lì)機(jī)制才能有良好的信任模型，才能保證網(wǎng)絡(luò)中節(jié)點(diǎn)提供服務(wù)的安全性和可靠性，因此研究P2P網(wǎng)絡(luò)中信任模型的激勵(lì)機(jī)制具有重要意義。信任模型中激勵(lì)機(jī)制主要有兩個(gè)方面(1)激勵(lì)資源節(jié)點(diǎn)提供服務(wù)(2)激勵(lì)網(wǎng)絡(luò)中的節(jié)點(diǎn)對(duì)其他節(jié)點(diǎn)進(jìn)行評(píng)價(jià)。目前對(duì)第一個(gè)方面的研究成果已經(jīng)有了不少，而對(duì)激勵(lì)網(wǎng)絡(luò)中節(jié)點(diǎn)對(duì)其他節(jié)點(diǎn)評(píng)價(jià)的研究還很少。大部分的信任模型都假設(shè)節(jié)點(diǎn)是無(wú)私協(xié)作的，而實(shí)際上節(jié)點(diǎn)并不會(huì)從對(duì)其他節(jié)點(diǎn)評(píng)價(jià)獲益，而且信任模型中信任計(jì)算的過(guò)于簡(jiǎn)單以及網(wǎng)絡(luò)中節(jié)點(diǎn)之間存在共同作弊等問(wèn)題，這些顯然對(duì)問(wèn)題的解決帶來(lái)了一定的難度。
發(fā)明內(nèi)容技術(shù)問(wèn)題本發(fā)明的目的是提供一種基于推薦節(jié)點(diǎn)可信度計(jì)算的激勵(lì)機(jī)制構(gòu)造方法。該方法提供一種激勵(lì)機(jī)制，激勵(lì)網(wǎng)絡(luò)中的資源節(jié)點(diǎn)對(duì)其他節(jié)點(diǎn)進(jìn)行評(píng)價(jià)，可以有效的解決網(wǎng)絡(luò)中信任模型中節(jié)點(diǎn)之問(wèn)共同作弊問(wèn)題，提高模型中信任關(guān)系的可信度，同時(shí)也解決了信任值計(jì)算簡(jiǎn)單的問(wèn)題。3技術(shù)方案本發(fā)明的方法是一種策略性方法，通過(guò)對(duì)環(huán)境中推薦節(jié)點(diǎn)可信度的更新并結(jié)合資源節(jié)點(diǎn)信任值的計(jì)算而提出，其目標(biāo)是通過(guò)更新推薦節(jié)點(diǎn)的可信度激勵(lì)網(wǎng)絡(luò)中的資源節(jié)點(diǎn)對(duì)其他節(jié)點(diǎn)進(jìn)行評(píng)價(jià)，同時(shí)可以有效的防止網(wǎng)絡(luò)中信任模型中節(jié)點(diǎn)之間共同作弊問(wèn)題。下面給出幾種特殊的定義貼近度(MWC/O:是對(duì)模糊集之間值的貼近程度的一種度量。前后數(shù)值越接近，貼近度則越高。信任值時(shí)間衰減加權(quán)平均(K):是以時(shí)間衰減作為加權(quán)因子，對(duì)歷史信任值進(jìn)行加權(quán)平均。修正函數(shù)(RivisionR):對(duì)某一數(shù)據(jù)的修正，本文中是推薦節(jié)點(diǎn)可信度更新中重要的一個(gè)因子。衰減函數(shù)(^):定期的減少節(jié)點(diǎn)信度值，防止節(jié)點(diǎn)信度值過(guò)度膨脹，使得節(jié)點(diǎn)的信度值始終能夠保持平穩(wěn)，同時(shí)使得信度值低的節(jié)點(diǎn)有機(jī)會(huì)參與信任關(guān)系中，起到更好的激勵(lì)作用?；谕扑]節(jié)點(diǎn)可信度計(jì)算的激勵(lì)機(jī)制構(gòu)造方法所包含的歩驟為步驟1.用戶節(jié)點(diǎn)通過(guò)推薦節(jié)點(diǎn)的推薦和直接信任關(guān)系，利用公式k^x^+^x/計(jì)算出對(duì)資源節(jié)點(diǎn)的信任值f,力；其中^表示直接信任權(quán)重，^表示用戶節(jié)點(diǎn)對(duì)資源節(jié)點(diǎn)的直接信任值，MV表示推薦信任權(quán)重，//表示推薦節(jié)點(diǎn)誠(chéng)實(shí)度，d表示直接信任，r表示推薦信任，。力表示用戶節(jié)點(diǎn)/對(duì)資源節(jié)點(diǎn)7'的信任值；步驟2.結(jié)合資源節(jié)點(diǎn)信任值的歷史記錄t,，計(jì)算出資源節(jié)點(diǎn)的綜合信任值7;力，以此為根據(jù)更新對(duì)資源節(jié)點(diǎn)評(píng)價(jià)的推薦節(jié)點(diǎn)的可信度C,爿，i=l、2、…；①資源節(jié)點(diǎn)信任值貼近度M7fc/,=1-~^t",-,力)，"+1力=0②資源節(jié)點(diǎn)信任值時(shí)間衰減加權(quán)平均K=^-，結(jié)合以上兩個(gè)因子計(jì)算資源節(jié)點(diǎn)的綜合信任值為7;力=逾C/7,*〖〈；若用戶節(jié)點(diǎn)和此資源節(jié)點(diǎn)沒(méi)有歷史交互記錄，就把此次的信任值記為該資源節(jié)點(diǎn)的綜合信任值；歩驟3.利用計(jì)算資源節(jié)點(diǎn)綜合信任值相同的方法，結(jié)合推薦節(jié)點(diǎn)綜合可信度計(jì)算公式C,^:M加c^，K，計(jì)算出推薦節(jié)點(diǎn)此次之前的綜合可信度C,爿；步驟4.計(jì)算資源節(jié)點(diǎn)的綜合信任值和推薦節(jié)點(diǎn)對(duì)其評(píng)價(jià)值的近似度，此近似度將是作為更新資源節(jié)點(diǎn)可信度的一重要因素。計(jì)算以資源節(jié)點(diǎn)綜合信任值《力為推薦節(jié)點(diǎn)評(píng)價(jià)值e,的均值的這一離散數(shù)列的方差，則資源節(jié)點(diǎn)的信任值和推薦節(jié)點(diǎn)評(píng)價(jià)值的近似度為^fo"=；步驟5.利用上一步計(jì)算出的近似度因子制定更新推薦節(jié)點(diǎn)可信度的修正函數(shù)i，步驟6.制定衰減函數(shù)^，定期的減少推薦節(jié)點(diǎn)的可信度，以起到更好的激勵(lì)作用，(9,=-|f,|*CT,e(0,l),其中，CJ由系統(tǒng)具體設(shè)定；步驟7.結(jié)合以上計(jì)算出的推薦節(jié)點(diǎn)的綜合可信度C,^、修iH函數(shù)i、衰減函數(shù)6，制定一個(gè)推薦節(jié)點(diǎn)可信度的綜合更新激勵(lì)函數(shù)L^tofe，以此對(duì)推薦節(jié)點(diǎn)的可信性進(jìn)行更新，[7p^fe=i++《；步驟8.根據(jù)更新函數(shù)得到的數(shù)據(jù){/一她分別對(duì)推薦節(jié)點(diǎn)的可信度更新，全過(guò)程結(jié)束。有益效果本發(fā)明提出了一種基于推薦節(jié)點(diǎn)可信度計(jì)算的激勵(lì)機(jī)制構(gòu)造方法，主要是激勵(lì)網(wǎng)絡(luò)中的節(jié)點(diǎn)對(duì)資源節(jié)點(diǎn)進(jìn)行評(píng)價(jià)，同時(shí)也有效防止推薦節(jié)點(diǎn)和資源節(jié)點(diǎn)共同作弊以及信任值計(jì)算簡(jiǎn)單等問(wèn)題。下面做具體說(shuō)明本方法中推薦節(jié)點(diǎn)對(duì)資源節(jié)點(diǎn)的評(píng)價(jià)十分重要，用戶節(jié)點(diǎn)就是要通過(guò)這些評(píng)價(jià)以及其他一些信任關(guān)系來(lái)計(jì)算資源節(jié)點(diǎn)的信任值。以往對(duì)信任值的計(jì)算相對(duì)十分簡(jiǎn)單，而本方法中引入資源節(jié)點(diǎn)綜合信任值計(jì)算方法，本計(jì)算方法中首先引入了資源節(jié)點(diǎn)信任值貼近度變量，計(jì)算出資源節(jié)點(diǎn)信任值接近的程度；然后引入資源節(jié)點(diǎn)信任值時(shí)間衰減加權(quán)平均變量，是以時(shí)間衰減作為加權(quán)因子，對(duì)資源節(jié)點(diǎn)歷史信任值進(jìn)行加權(quán)平均；最后結(jié)合資源節(jié)點(diǎn)信任值貼近度變量和時(shí)間衰減加權(quán)平均變量，計(jì)算出資源節(jié)點(diǎn)的綜合信任值。此方法避免了以往算法的過(guò)于簡(jiǎn)單而且計(jì)算結(jié)果可信度更高。利用己經(jīng)計(jì)算出的資源節(jié)點(diǎn)的綜合信任值，計(jì)算推薦節(jié)點(diǎn)對(duì)該資源節(jié)點(diǎn)的評(píng)價(jià)值數(shù)列的方差，其中該數(shù)列的均值為該資源節(jié)點(diǎn)的綜合信任值，因此該方差可以很直觀的表現(xiàn)出推薦節(jié)點(diǎn)對(duì)資源節(jié)點(diǎn)評(píng)價(jià)的浮動(dòng)，如果該方差值很大說(shuō)明推薦節(jié)點(diǎn)的評(píng)價(jià)值和資源節(jié)點(diǎn)表現(xiàn)出的實(shí)際的信任值的差距很大，推薦節(jié)點(diǎn)和資源節(jié)點(diǎn)就存在共同作弊嫌疑，這樣對(duì)推薦節(jié)點(diǎn)更新可信度時(shí)就要對(duì)其做適當(dāng)?shù)膽土P；反之，則對(duì)其獎(jiǎng)勵(lì)。如果某推薦節(jié)點(diǎn)對(duì)資源節(jié)點(diǎn)始終都是做出正確的評(píng)價(jià)，即推薦節(jié)點(diǎn)和資源節(jié)點(diǎn)之間并沒(méi)有作弊，這樣系統(tǒng)就會(huì)不斷獎(jiǎng)勵(lì)該推薦節(jié)點(diǎn)，推薦節(jié)點(diǎn)的可信度也就會(huì)不斷的增大，其他推薦節(jié)點(diǎn)的可信度也就相對(duì)的減少，如此不斷循環(huán)其他推薦節(jié)點(diǎn)就會(huì)出現(xiàn)"餓死"現(xiàn)象，即有些推薦節(jié)點(diǎn)始終不可信。為解決這種現(xiàn)象本方法引入了衰減函數(shù)，定期的減少節(jié)點(diǎn)信度值，防止節(jié)點(diǎn)信度值過(guò)度膨脹，使得節(jié)點(diǎn)的信度值始終能夠保持平穩(wěn)，同時(shí)使得信度值低的節(jié)點(diǎn)有機(jī)會(huì)參與信任關(guān)系中，起到更好的激勵(lì)作用。圖l是參考體系結(jié)構(gòu)示意圖。表示本發(fā)明方法包括的組件示例。圖2是流程示意圖。表示本發(fā)明方法的流程示意。具體實(shí)施方式-一、體系結(jié)構(gòu)圖1給出了一個(gè)運(yùn)用這種方法的信任模型的組成結(jié)構(gòu)圖，這種結(jié)構(gòu)主要有3個(gè)部分信任評(píng)價(jià)部分、信任計(jì)算部分以及信任更新激勵(lì)部分。下面對(duì)幾個(gè)部分做具體說(shuō)明1、信任評(píng)價(jià)部分該部分中包括資源節(jié)點(diǎn)、推薦節(jié)點(diǎn)以及推薦節(jié)點(diǎn)需要傳遞給用戶節(jié)點(diǎn)的其對(duì)資源節(jié)點(diǎn)的信任評(píng)價(jià)值。用戶節(jié)點(diǎn)通過(guò)推薦節(jié)點(diǎn)的推薦信任關(guān)系和資源節(jié)點(diǎn)之間建立信任關(guān)系，然后推薦節(jié)點(diǎn)向用戶節(jié)點(diǎn)發(fā)送對(duì)資源節(jié)點(diǎn)的評(píng)價(jià)信息，用戶節(jié)點(diǎn)收到推薦節(jié)點(diǎn)發(fā)送過(guò)來(lái)的評(píng)價(jià)信息后，進(jìn)行下一歩的信任計(jì)算。2、信任計(jì)算部分用戶節(jié)點(diǎn)根據(jù)接收到的信任信息，首先是根據(jù)接收到的評(píng)價(jià)信息和信任關(guān)系計(jì)算出資源節(jié)點(diǎn)的信任值，然后結(jié)合資源節(jié)點(diǎn)信任值的歷史記錄計(jì)算出資源節(jié)點(diǎn)的綜合信任值；結(jié)合推薦節(jié)點(diǎn)可信度的歷史記錄計(jì)算出此次之前的推薦節(jié)點(diǎn)的綜合可信度；結(jié)合推薦節(jié)點(diǎn)對(duì)資源節(jié)點(diǎn)評(píng)價(jià)值的歷史記錄，計(jì)算出該歷史記錄離散數(shù)列的方差(即推薦節(jié)點(diǎn)的評(píng)價(jià)值和資源節(jié)點(diǎn)的綜合信任值的近似度)，其中以資源節(jié)點(diǎn)的綜合信任值作為該數(shù)列的均值；然后根據(jù)系統(tǒng)具體要求制定一衰減函數(shù)；結(jié)合以上各因素制定可信度更新激勵(lì)機(jī)制。3、信任更新激勵(lì)部分根據(jù)上一歩計(jì)算出的信任更新值，更新推薦節(jié)點(diǎn)的可信度，作為該推薦節(jié)點(diǎn)的最新的信任可信度。二、主要工作流程1)推薦節(jié)點(diǎn)向用戶節(jié)點(diǎn)提供其對(duì)某資源節(jié)點(diǎn)的評(píng)價(jià)值^力(即推薦節(jié)點(diǎn)對(duì)資源節(jié)點(diǎn)的推薦信任值)。2)用戶節(jié)點(diǎn)通過(guò)此次推薦節(jié)點(diǎn)的推薦和直接信任關(guān)系，利用公式^^X^+W,X/7(巧表示直接信任權(quán)重，^表示用戶節(jié)點(diǎn)對(duì)資源節(jié)點(diǎn)的直接信任值，vt;表示推薦信任權(quán)重，A表示推薦節(jié)點(diǎn)誠(chéng)實(shí)度)計(jì)算出此次對(duì)資源節(jié)點(diǎn)的6信任值〈力，然后結(jié)合資源節(jié)點(diǎn)信任值的歷史記錄"/=0,1,2,...)，計(jì)算出資源節(jié)點(diǎn)的綜合信任值7;力，以此為根據(jù)更新對(duì)資源節(jié)點(diǎn)評(píng)價(jià)的推薦節(jié)點(diǎn)的可信度c,爿。①資源節(jié)點(diǎn)信任值貼近度她一=1-~^尤(W,w)，②資源節(jié)點(diǎn)信任值時(shí)間衰減加權(quán)平均/,=0結(jié)合以上兩個(gè)因子計(jì)算資源節(jié)點(diǎn)的綜合信任值為3)利用計(jì)算資源節(jié)點(diǎn)綜合信任值相同的方法，計(jì)算出推薦節(jié)點(diǎn)此次之前的綜合可信度。4)計(jì)算資源節(jié)點(diǎn)的綜合信任值和推薦節(jié)點(diǎn)對(duì)其評(píng)價(jià)值的近似度(degreeofapproximation,doa)，此近似度將是作為更新資源節(jié)點(diǎn)可信度的一重要因素。計(jì)算以資源節(jié)點(diǎn)綜合信任值7^,為推薦節(jié)點(diǎn)評(píng)價(jià)值e,的均值的這一離散數(shù)列的方差，則資源節(jié)點(diǎn)的信任值和推薦節(jié)點(diǎn)評(píng)價(jià)值的近似度為cfoa二a;,o5)利用上一步計(jì)算出的近似度因子制定更新推薦節(jié)點(diǎn)可信度的修正函數(shù)i。7=jb乂'—y1Ch/—，『",/<e,6)根據(jù)模型的具體需求制定衰減函數(shù)e，定期的減少推薦節(jié)點(diǎn)的可信度，以起到更好的激勵(lì)作用。其中，w由系統(tǒng)具體設(shè)定。7)結(jié)合以上計(jì)算出的推薦節(jié)點(diǎn)的綜合可信度C,爿、修正函數(shù)i、衰減函數(shù)0，制定一個(gè)推薦節(jié)點(diǎn)可信度的綜合更新激勵(lì)函數(shù)[/;^"fe，以此對(duì)推薦節(jié)點(diǎn)的可信性進(jìn)行更新。t7pd"/e二++《。為了方便描述，我們假定有如下應(yīng)用實(shí)例-.一個(gè)P2P節(jié)點(diǎn)A要求計(jì)算對(duì)資源節(jié)點(diǎn)C的信任值，此時(shí)節(jié)點(diǎn)B作為資源節(jié)點(diǎn)C的推薦節(jié)點(diǎn)存在環(huán)境中(為了方便描述，現(xiàn)假設(shè)環(huán)境中只有節(jié)點(diǎn)B是資源節(jié)點(diǎn)的推薦節(jié)點(diǎn))。執(zhí)行歩驟如下第一步節(jié)點(diǎn)A通過(guò)信任關(guān)系(包括直接信任和節(jié)點(diǎn)B的推薦信任)，計(jì)算出資源節(jié)點(diǎn)C的信任值。第二步結(jié)合此次之前節(jié)點(diǎn)A對(duì)資源節(jié)點(diǎn)C的信任值，利用上述給定的方法計(jì)算出資源節(jié)點(diǎn)C的綜合信任值。第三歩綜合計(jì)算此次之前節(jié)點(diǎn)B對(duì)節(jié)點(diǎn)A的可信度。第四步計(jì)算資源節(jié)點(diǎn)C的綜合信任值和節(jié)點(diǎn)B對(duì)資源節(jié)點(diǎn)C的評(píng)價(jià)值的近似度。第五歩利用上一歩計(jì)算出的近似度計(jì)算出節(jié)點(diǎn)B可信度的修正函數(shù)。第六歩根據(jù)系統(tǒng)的具體需求制定衰減函數(shù)。第七歩結(jié)合節(jié)點(diǎn)B的綜合可信度、節(jié)點(diǎn)B可信度的修正函數(shù)以及衰減函數(shù)，制定節(jié)點(diǎn)B可信度的更新函數(shù)并計(jì)算。第八步根據(jù)更新函數(shù)計(jì)算出的數(shù)據(jù)對(duì)節(jié)點(diǎn)B的可信度更新。權(quán)利要求1、一種基于推薦節(jié)點(diǎn)可信度計(jì)算的激勵(lì)機(jī)制構(gòu)造方法，其特征在于該方法所包含的步驟為步驟1.用戶節(jié)點(diǎn)通過(guò)推薦節(jié)點(diǎn)的推薦和直接信任關(guān)系，利用公式t＝wd×td+wr×h計(jì)算出對(duì)資源節(jié)點(diǎn)的信任值ti→j；其中wd表示直接信任權(quán)重，td表示用戶節(jié)點(diǎn)對(duì)資源節(jié)點(diǎn)的直接信任值，wr表示推薦信任權(quán)重，h表示推薦節(jié)點(diǎn)誠(chéng)實(shí)度，d表示直接信任，r表示推薦信任，ti→j表示用戶節(jié)點(diǎn)i對(duì)資源節(jié)點(diǎn)j的信任值；步驟2.結(jié)合資源節(jié)點(diǎn)信任值的歷史記錄ti，計(jì)算出資源節(jié)點(diǎn)的綜合信任值Ti→j，以此為根據(jù)更新對(duì)資源節(jié)點(diǎn)評(píng)價(jià)的推薦節(jié)點(diǎn)的可信度Ci→k，i＝1、2、…；①資源節(jié)點(diǎn)信任值貼近度<mathsid="math0001"num="0001"><math><![CDATA[<mrow><msub><mi>Match</mi><mi>t</mi></msub><mo>=</mo><mn>1</mn><mo>-</mo><mfrac><mn>1</mn><mrow><mi>n</mi><mo>+</mo><mn>1</mn></mrow></mfrac><munderover><mi>Σ</mi><mrow><mi>h</mi><mo>=</mo><mn>0</mn></mrow><mi>n</mi></munderover><mrow><mo>(</mo><msub><mi>t</mi><mi>h</mi></msub><mo>-</mo><msub><mi>t</mi><mrow><mi>i</mi><mo>-</mo><mi>j</mi></mrow></msub><mo>)</mo></mrow><mo>,</mo></mrow>]]></math>id="icf0001"file="A2009101838560002C1.tif"wi="52"he="9"top="86"left="83"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>②資源節(jié)點(diǎn)信任值時(shí)間衰減加權(quán)平均<mathsid="math0002"num="0002"><math><![CDATA[<mrow><msub><mi>V</mi><mi>t</mi></msub><mo>=</mo><mfrac><mrow><munderover><mi>Σ</mi><mrow><mi>h</mi><mo>=</mo><mn>0</mn></mrow><mi>n</mi></munderover><mrow><mo>(</mo><msup><mi>e</mi><mrow><mo>-</mo><msqrt><mi>n</mi><mo>-</mo><mi>h</mi></msqrt></mrow></msup><mo>*</mo><msub><mi>t</mi><mi>h</mi></msub><mo>)</mo></mrow></mrow><mrow><munderover><mi>Σ</mi><mrow><mi>h</mi><mo>=</mo><mn>0</mn></mrow><mi>n</mi></munderover><mrow><mo>(</mo><msup><mi>e</mi><mrow><mo>-</mo><msqrt><mi>n</mi><mo>-</mo><mi>h</mi></msqrt></mrow></msup><mo>)</mo></mrow></mrow></mfrac><mo>,</mo></mrow>]]></math>id="icf0002"file="A2009101838560002C2.tif"wi="35"he="21"top="102"left="107"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>結(jié)合以上兩個(gè)因子計(jì)算資源節(jié)點(diǎn)的綜合信任值為Ti→j＝Matchi*Vt；若用戶節(jié)點(diǎn)和此資源節(jié)點(diǎn)沒(méi)有歷史交互記錄，就把此次的信任值記為該資源節(jié)點(diǎn)的綜合信任值；步驟3.利用計(jì)算資源節(jié)點(diǎn)綜合信任值相同的方法，結(jié)合推薦節(jié)點(diǎn)綜合可信度計(jì)算公式Ci→k＝Matchc*Vc，計(jì)算出推薦節(jié)點(diǎn)此次之前的綜合可信度Ci→k；步驟4.計(jì)算資源節(jié)點(diǎn)的綜合信任值和推薦節(jié)點(diǎn)對(duì)其評(píng)價(jià)值的近似度，此近似度將是作為更新資源節(jié)點(diǎn)可信度的一重要因素。計(jì)算以資源節(jié)點(diǎn)綜合信任值Ti→j為推薦節(jié)點(diǎn)評(píng)價(jià)值ei的均值的這一離散數(shù)列的方差σe，則資源節(jié)點(diǎn)的信任值和推薦節(jié)點(diǎn)評(píng)價(jià)值的近似度為doa＝σe；步驟5.利用上一步計(jì)算出的近似度因子制定更新推薦節(jié)點(diǎn)可信度的修正函數(shù)R，<mathsid="math0003"num="0003"><math><![CDATA[<mrow><mi>R</mi><mo>=</mo><mfencedopen='{'close=''><mtable><mtr><mtd><msub><mi>C</mi><mrow><mi>i</mi><mo>→</mo><mi>j</mi></mrow></msub><mo>+</mo><mi>doa</mi><mo>,</mo><msub><mi>T</mi><mrow><mi>i</mi><mo>→</mo><mi>j</mi></mrow></msub><mo>></mo><msub><mi>e</mi><mi>i</mi></msub></mtd></mtr><mtr><mtd><msub><mi>C</mi><mrow><mi>i</mi><mo>→</mo><mi>j</mi></mrow></msub><mo>-</mo><mi>doa</mi><mo>,</mo><msub><mi>T</mi><mrow><mi>i</mi><mo>→</mo><mi>j</mi></mrow></msub><mo><</mo><msub><mi>e</mi><mi>i</mi></msub></mtd></mtr></mtable></mfenced><mo>;</mo></mrow>]]></math></maths>步驟6.制定衰減函數(shù)θ，定期的減少推薦節(jié)點(diǎn)的可信度，以起到更好的激勵(lì)作用，id="icf0004"file="A2009101838560002C4.tif"wi="39"he="5"top="229"left="35"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/>其中，id="icf0005"file="A2009101838560002C5.tif"wi="3"he="2"top="231"left="91"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/>由系統(tǒng)具體設(shè)定；步驟7.結(jié)合以上計(jì)算出的推薦節(jié)點(diǎn)的綜合可信度Ci→k、修正函數(shù)R、衰減函數(shù)θ，制定一個(gè)推薦節(jié)點(diǎn)可信度的綜合更新激勵(lì)函數(shù)Update，以此對(duì)推薦節(jié)點(diǎn)的可信性進(jìn)行更新，Update＝R+doa+θi；步驟8.根據(jù)更新函數(shù)得到的數(shù)據(jù)Update分別對(duì)推薦節(jié)點(diǎn)的可信度更新，全過(guò)程結(jié)束。全文摘要基于推薦節(jié)點(diǎn)可信度計(jì)算的激勵(lì)機(jī)制構(gòu)造方法是一種策略性方法，通過(guò)對(duì)環(huán)境中推薦節(jié)點(diǎn)可信度的更新并結(jié)合資源節(jié)點(diǎn)信任值的計(jì)算而提出，其目標(biāo)是通過(guò)更新推薦節(jié)點(diǎn)的可信度激勵(lì)網(wǎng)絡(luò)中的資源節(jié)點(diǎn)對(duì)其他節(jié)點(diǎn)進(jìn)行評(píng)價(jià)，同時(shí)可以有效的防止網(wǎng)絡(luò)中信任模型中節(jié)點(diǎn)之間共同作弊問(wèn)題。本計(jì)算方法中首先引入了資源節(jié)點(diǎn)信任值貼近度變量，計(jì)算出資源節(jié)點(diǎn)信任值接近的程度；然后引入資源節(jié)點(diǎn)信任值時(shí)間衰減加權(quán)平均變量，是以時(shí)間衰減作為加權(quán)因子，對(duì)資源節(jié)點(diǎn)歷史信任值進(jìn)行加權(quán)平均；最后結(jié)合資源節(jié)點(diǎn)信任值貼近度變量和時(shí)間衰減加權(quán)平均變量，計(jì)算出資源節(jié)點(diǎn)的綜合信任值。此方法避免了以往算法的過(guò)于簡(jiǎn)單而且計(jì)算結(jié)果可信度更高。文檔編號(hào)H04L29/06GK101626388SQ20091018385公開(kāi)日2010年1月13日申請(qǐng)日期2009年7月24日優(yōu)先權(quán)日2009年7月24日發(fā)明者琳張,楊王,王汝傳,王海艷,勇鄧,超陳申請(qǐng)人:南京郵電大學(xué)