基于信任模式P2P超级节点选取机制探究.docVIP

基于信任模式P2P超级节点选取机制探究 　　摘 要：本文提出了一种基于信任模式的P2P超级节点选取机制，通过计算节点的总体信任度作为评选超级节点的一项重要指标，并在计算节点信任度的过程中引入奖励惩罚因子和时间衰减因子，同时在选取超级节点时采用阈值过滤算法从普通节点中筛选备选超级节点集合，然后再从备选超级节点集合中选取最优的节点作为超级节点。通过在Matlab实验环境下仿真表明，该机制能够有效提高P2P超级节点选取的准确性。 关键词：对等网络 超级节点 信任模式 奖励惩罚因子 中图分类号：TP3 文献标识码：A 文章编号：1672-3791（2013）05（c）-0003-02 近年来，随着P2P应用的不断发展，传统的互联网计算模式正在逐步由C/S模式向P2P模式转变。在半分布式P2P网络中，通常采取性能较高的节点作为超级节点，在各个超级节点上存储了系统中其他普通节点的信息，搜索请求仅在超级节点之间转发，超级节点再将查询请求转发给适当的叶子节点。但是P2P网络的匿名性和自组织性等特性决定了它不能保证所有的超级节点都能提供诚实良好的服务和可靠资源，某些超级节点还可能提供恶意服务，从而导致普通节点要选择合适的超级节点是非常困难的[5]。 目前对超级节点的选取研究常常是依据节点的工作能力，而研究人员没有考虑到有些机器性能很好的恶意节点在不断获取超级节点的职能后，又立刻离开网络，这样导致网络不断地重复超级节点评选工作，而无法正常为用户提供服务，造成网络瘫痪。文献中提出了一种基于用户需求适应的P2P网络超级节点选取机制，在混合式P2P系统中对超级节点的选取引入对于用户需求的考虑，以满足不同用户的喜好。文献提出了一种基于分层象限空间的新型超级节点结构Quad，并在Quad上实现了两种非结构化超级节点查找算法：一是回溯扩展查找算法，该方法是将洪泛和随机游走方式进行折衷，兼顾网络流量和查询长度；二是利用BLOOM fileter技术对回溯扩展查找进行改进。 在本文当中，我们提出一种基于信任模式的P2P超级节点选取机制，模拟人类社会的交际模式，通过计算节点的总体信任度作为评选超级节点的一项重要指标，在计算节点信任度的过程中引入奖励惩罚因子和时间衰减因子，同时为了减轻在拥有大量节点的网络中进行超级节点的评选所带来的网络负载，我们采用阈值过滤算法对普通节点进行阈值过滤，筛选得到相应的备选超级节点集合，然后再从备选超级节点集合中选取最优的超级节点。 1 改进的信任模型ITM（Improved Trust Model） 在拥有大量匿名动态用户的P2P网络环境当中，如何在资源搜索过程中有效的避免某些恶意节点的恶意欺诈服务，从而保障P2P超级节点能够提供可靠的资源和服务，提高资源搜索效率，降低网络负载是目前急需解决的难题，因而建立有效的信任模型变的尤为重要。为了解决这些问题，很多的学者都提出了不同的意见，本文在前人的基础上提出了改进的信任评价模型ITM（Improved Trust Model），拟从以下几个方面考虑解决问题的方法。 （1）节点总体信任值为直接信任度和推荐信任度的加权平均值。 （2）为了限制恶意节点的不正确的反馈，在模型中引入激励惩罚机制，在直接信任度计算中加入惩罚因子和奖励因子，对节点的恶意行为通过惩罚因子降低节点的信任值进行遏制，对提供良好服务的节点通过奖励因子提高节点的信任度给予奖励。 （3）在直接信任度计算中引入时间衰减函数。 ①直接信任。 直接信任指的是网络中两个实体之间如果曾经发生过直接的交易，那么他们之间就具有直接信任关系。而信任值取决于双方的交易情况而得出的直接经验。 假设节点Pm和节点Pj之间进行了Nmj次交易，则节点Pm对Pj的直接信任度Rmj定义为： （1） （2） Smj为的是节点Pm与节点Pj在固定的时间∮（∮的设置根据系统的具体情况而设定）内达到满意的交易次数。 Fmj为的是节点Pm与节点Pj不满意的交易次数。 Nmj为的是节点Pm和节点Pj之间直接交互交易的次数[2]。 Ω为惩罚因子，Ω的取值范围为[1，20]，Ω取值为1时表示节点交易成功，惩罚因子无效。Ω取值为20时则表示，交互节点的一次失败交易将在直接信任度上的损失是通过成功交易获得信任值的20倍。通过引入激励惩罚因子可以有效的抑制恶意节点获得较高的信任度，实现有恶意行为的节点的较高的信任度迅速衰退。 C为奖励因子。它的取值范围为[0，1]，如果节点能够提供良好的网络服务，系统将根据实际情况对节点的信任值增加奖励，这样将会有效的提高善意节点进行交易的积极性。 为时间衰减因子，信任也是具有生命周期，因此信任和时间同样有着非常紧