基于蚁群算法加强型可抵御攻击信任管理模型.docVIP

基于蚁群算法加强型可抵御攻击信任管理模型 　　摘要：通过将网络节点推荐行为分析和网络恶意节点密度的自适应机制纳入信誉度评价过程，提出了基于蚁群算法的加强型可抵御攻击信任管理模型――EAraTRM，以解决传统信任模型因较少考虑节点的推荐欺骗行为而导致容易在恶意节点的合谋攻击影响下失准的问题。在对比研究中发现，EAraTRM可以在网络中恶意节点密度达到90%，其他传统信任模型已经失效的情况下，仍保持较高的正确性。实验结果表明，EAraTRM能提高节点评价其他节点信誉度时的精度，并降低整个网络中恶意节点间进行合谋攻击的成功率。 　　关键词：信任管理；蚁群算法；异常检测；信誉度评估 　　中图分类号：TP393.08 　　文献标志码：A 　　Abstract：Traditional trust and reputation models do not pay enough attention to nodes’ deceit in recommendation， so their reputation evaluation may be affected by malicious nodes’ collusion. A trust and reputation model named Enhanced Attack Resistible Antbased Trust and Reputation Model （EAraTRM） was proposed， which is based on ant colony algorithm. Node recommendation behaviors analysis and adaptive mechanism to malicious nodes density were added into reputation evaluation of EAraTRM to overcome the shortage of traditional models. Simulation experiments show that EAraTRM can restrain the collusion of malicious nodes， and give more accurate reputation evaluation results， even when 90% nodes in a network are malicious and the comparison models have failed. 　　英文关键词Key words：trust and reputation management； ant colony algorithm； anomaly detection； reputation evaluation 　　0 引言 　　信任管理系统是为了解决在电商网络、对等（PeertoPeer， P2P）网络、AdHoc网络以及无线传感器网络等网络环境中，服务消费方、服务请求节点常常对于服务提供方和服务提供节点的具体情况不甚了解的这个问题而设计的，它可以计算并提供网络中其他节点作为服务提供方的可信程度，从而向网络中服务请求方提供决策辅助，以便其寻求到更良好的服务。信任管理系统的基本思想是：首先，网络中节点在完成一次网络上多节点协同处理的事务后，对协同节点进行评价，如果该事务的处理结果良好，则评价节点对协同节点给出高分评价，反之则给低分评价；然后，信任管理系统利用自身的信任管理模型来计算出特定节点的可信任度的值，也就是该特定节点的信誉值。其他节点可以在以后的交互过程中，通过特定节点的信誉值，来判断与该特定节点合作进行事务处理是否可靠。 　　根据应用信任管理系统网络架构的类型，信任管理系统主要分为集中式信任管理系统和分布式信任管理系统两类。前者由一个单独的节点负责信誉值的收集和计算，缺点是具有单点失效的风险；后者健壮性更好，但管理更加复杂。用以构建信任管理系统的信任管理模型也有很多种，这些模型对节点的信誉值使用了不同的评价方法，常见的包括贝叶斯系统[1]、离散信任模型[2]、Belief模型[3]、Fuzzy模型[4]、Flows模型[5]，以及生物激励模型[6-9]等。其中，基于蚁群算法的生物激励模型能更有效地利用由网络中其他节点提供的间接信任信息来辅助进行信誉值的计算，相比采用其他方法的模型，提高了信誉值计算的准确度。为了设计健壮性好且信誉度计算准确度较高的信任管理模型，本文的研究集中在基于生物激励模型的分布式信任管理系统上。 　　基于蚁群算法设计信任管理模型，文献[6-7]都进行过尝试并在特定网络中取得了较好效果，文献[8]在文献[6]的基础上还增强了节点信誉度