基于蚁群算法的会网络信任关系模型.docVIP

基于蚁群算法的社会网络信任关系模型 摘要 由于我们处在一个开放的社会网络环境中, 建立可靠的社会网络信任关系模型以及寻找最优的信任路径成为了业界人士研究的重中之重。基于蚁群算法的寻找信任路径的算法, 不同于传统推荐信任模型中单纯采用平均得到推荐信任值的方法, 而是通过多次循环选出多条较优的独立信任路径, 在一定程度上可有效防止联合欺诈行为, 并通过实验证明了它的有效性, 在性能和可靠性上也优于其它算法, 适应现实的复杂网络环境动态变化。 1 概述 1.1 社会网络简介 （1）社会网络的定义 社会网络（Social Network）按其基本定义，是由多个节点（通常是个人或组织群体）构成的社会结构，它们由一个或多个特定类型的相互关系来建立纽带，连接在一起，比如（共同的）价值观、理念、思想、金钱交易、友谊、绑架、厌恶、冲突、贸易等。 （2）社会网络的三个维度 网络饱和度---一个网络结构中，“实际存在的朋友关系”与“可能存在的朋友关系”之间的比例。 网络控制度---一个网络结构中，“实际存在的朋友间关系”与“可能存在的朋友间关系”之间的比例，比例越高，个人对所处网络的控制度越低。 网络扩张度---“朋友们的社会网络结构中不重复的朋友总数”与“直接朋友总数”的比例，比例越高，网络扩张度越大，理论上可接近的朋友越多。 1.2 信任关系简介 信任：一般说来，如果一个实体假定另一个实体会准确地像它期望的那样表现那么久说它信任那个实体。 信息关系：当俩个认证机构中的一方给对方的公钥或双方给对方公钥颁发证书时建立。 信任是关系的资本化，它的学理作用是降低缔约费用。 人际信任是个体在人际互动过程中建立起来的对交往对象的言词、承诺以及口头或书面的陈述的可靠程度的一种概括化的期望。信任可减少处于人际互动过程中个体间由于时空分离所造成的距离感,它是良好人际互动的前提。 2 理论基础 2.1 社会网络理论基础 （1）六度分隔理论(Six Degrees of Separation) 美国著名社会心理学家 Stanley Milgram于20世纪60年代最先提出。“你和任何一个 陌生人之间所间隔的人不会超过六个，也就是说，最多通过六个人你就能够认识任何一个陌生人。” “六度分隔”说明了社会中普遍存在的“弱纽带”，但是却发挥着非常强大的作用。 （2）150法则（Rule Of 150） 从欧洲发源的“赫特兄弟会”是一个自给自足的农民自发组织，这些组织在维持民风上发挥了重要作用。有趣的是，他们有一个不成文的严格规定：每当聚居人数超过150人的规模，他们就把它变成两个，再各自发展。 “把人群控制在150人以下似乎是管理人群的一个最佳和最有效的方式。” 150成为我们普遍公认的“我们可以与之保持社交关系的人数的最大值。” 2.2 蚁群算法 蚁群算法(Ant ColonyAlgorithm, ACA)是一种新型的模拟进化算法, 它是在对自然界中真实蚁群集体行为的研究基础上, 由意大利学者Dorigo等人首先提出的。像蚂蚁这类群居昆虫虽然没有视觉, 却能找到由蚁巢到食物源的最短路径。仿生学家经过大量细致观察研究发现, 蚂蚁个体之间通过一种称之为外激素(pheromone)的物质进行信息传递, 蚂蚁在运动过程中能够在它所经过的路径上留下该物质, 而且蚂蚁在运动过程中能够感知这种物质的存在及其强度, 并以此指导自己的运动方向, 蚂蚁倾向于朝着该物质强度高的方向移动。因此, 由大量蚂蚁组成的蚁群集体行为便表现出一种信息正反馈现象: 某一路径上走过的蚂蚁越多, 则后来者选择该路径的概率就越大。蚂蚁个体之间就是通过这种信息的交流达到搜索食物的目的。 蚁群算法模拟真实蚁群的协作过程, 算法由许多蚂蚁共同完成, 每只蚂蚁在候选解的空间中独立地搜索解, 并在所寻得的解上留下一定的信息量, 解的性能越好蚂蚁留在其上的信息量越大, 信息量越大的解被选择的可能性也越大。在算法的最初阶段所有解上的信息量是相同的, 随着算法的推进较优解上的信息量增加使得算法渐渐收敛。蚁群算法已成功解决了一系列问题, 如TSP问题、分配问题、Job-shop问题, 所取得的结果无论是在解的质量上, 还是在收敛速度上都要优于或至少等效于演化算法(EA)、模拟退火算法(SA)以及其它一些启发式方法。这些初步研究已显示出蚁群算法在求解复杂组合优化问题方面具有并行化、正反馈、鲁棒性强等优越性。 3 基于蚁群算法的社会网络信任关系模型 3.1 社会网络信任关系模型 模型1：仅存在与ego的朋友关系，无朋友间关系模型 模型2：较简单模型，朋友间存在直接（一步）关系