信任模型中推荐信息有效性评判.pdfVIP

第31卷 第4期 Vol1．31 NO．4 2Ol2年 l2月 成都大学学报(自然科学版) JournalofChengduUniversity(NaturalScienceEdition) Dec．20l2 文章编号：1004—5422(2012)04—0360—04 信任模型中推荐信息有效性评判 唐仕喜 (盐城师范学院信息科学与技术学院，江苏 盐城 224002) 摘 要：在大规模、开放、动态的分布式物联网环境中，相当一部分推荐者为了最大限度地提高自身的收益，倾 向于给出不公正的推荐信息．与一般主观判断算法不同，提 出了均值受限熵推荐信息可靠性判断算法，构建了 适用于物联网环境的具有可靠推荐能力的信任模型，通过客观判断出总体推荐信息的可靠性，并过滤掉随机发 布的不负责任的推荐信息、个人不合理的推荐信息以及不公平的推荐信息．实验结果表明，算法与实际相符，所 构建的物联 网环境的可靠推荐能力的信任模型更具有客观性． 关键词：信任；推荐信息；均值受限熵；可靠推荐 中图分类号：TP393．08 文献标识码：A 2)异常的推荐，包括：6，由于不正确的观察，诚 0 引 言 实的推荐者给出不准确的推荐；c，由于服务请求者 目前，可计算的信任模型广泛地应用于物联网 对不同推荐者的推荐信息响应不一，诚实的推荐者 环境中：当服务请求者与服务提供者之间相互不熟 给出与其他推荐者相异的推荐；d，由于推荐者缺乏 悉，或服务请求者对某些服务没有足够的访问权限 责任感，轻率地给出随机的推荐信息． 时，可计算的信任模型为服务提供者是否提供相应 3)恶意推荐，包括：e，诚实的推荐者给出过高 的服务和服务请求者是否接受相应服务并提供实时 或过低的推荐信息而这些推荐者过去的推荐行 是 的决策．这种信任模型的决策是基于与请求者相关 诚实的，由于现在与服务提供者或服务请求者间存 的推荐者的推荐信息来完成的．而在大规模、开放、 在利益关系而给出不公平的推荐信息；厂，恶意的推 动态的分布式物联网环境中，相当一部分推荐者基 荐者给出过高或过低的推荐信息，恶意的推荐者从 于 自身的利益考虑，倾向于给出不公正的推荐信息． 过去到现在，一直以来都给出的是恶意推荐信息； 同时，由于物联网环境的高度动态性，要获取推荐者 g，大量诚实的推荐者给出过高或过低的推荐信息， 足够多的信息是一件非常困难的事情．目前，人们对 这些恶意推荐信息超过了总推荐信息的50％ 以上， 分布式网络中信任关系的研究主要集中在信任的5 导致了不公平推荐信息的洪泛；h，大量恶意的推荐 段量化评判、直接信任与问接信任合成总体信任以 者给出过高或过低的推荐信息，这些恶意推荐信息 及信任随时间衰减模型等方面 J．在此基础上，本 导致了不公平推荐信息的洪泛． 研究提出了均值受限熵推荐信息可靠性判断算法， 事实上，一个可靠的物联网信任模型应该有能 构建了适用于物联网环境的具有可靠推荐能力的信 力过滤掉 6、d、e、厂、g及h的推荐场景，并将 n、c的 任模型． 推荐场景与6、d、e、厂、g及h的推荐场景区分并分离 出来 ． 1 信任模型构建 1．2 具有可靠推荐能力的信任模型构建 1．1 物联网环境下各种推荐场景 由于信任是基于