基于奖励惩罚推荐机制普适信任模型.pdfVIP

TM‑RMRP：基于和惩罚推荐机

制的信任模型

—信任管理可以解决普适计算环境中的新安全，我们提在本文中，我们提出了一种在没有安全管理器的

出了一个由输入因素和信任评估组成的普适信任模型情况下，自主实体之间的普适信任模型。该模型重点关注

TM‑RMRP。通过该模型，实体可以在没有安全管理解决信任形成和演化中的问题，这些问题对人类至关

者的条件下与可信方合作。为了减少或避免不适当或确的推重要，但在当前系统[3,7,8]中被忽视了。为了解决由不

荐，我们引入了推荐信任的概念，并提出了一种基于此概念的奖

适当或确的推荐引起的问题，我们提出了一种基于推

励和惩罚推荐机制，以识别更可靠的推荐。仿真结果证明，该机

荐可信度的和惩罚机制。第2节提出了适用于普适计

制适用于普适计算环境。

算的信任定义，并介绍了我们的模型TM‑RMRP。第3节

讨论了模型的仿真结果和评估。第4节总结并提到了我们

进一步的研究方向。

—信任模型；推荐机制；和惩罚；普适计算

II.TM‑RMRP

I.引言在本节中，详细阐述我们的模型，该模型管理

自主实体之间的信任关系，无论是移动的还是稳定的。

普适计算（PC）[1]描述了计算机在从人类心

理中的未来。在普适计算环境中，实体必须在不可预

A.信任定义

见的情况下合作共享资源和信息，而对环境的信息了解不研究者们已经提出了多种信任定义。由于强调点的不

完整，且对潜在合作者的行为没有先验知识。然而，传统

同，信任的定义也往往有所不同。我们基于McKnight

的基于集中的安全机制并不能充分应对这些新的安全

[9]和Mayer[2]的定义，提出信任是指一方愿意对另

，因为它们通常过于依赖先验知识来防范已知风险，

一方保持脆弱性，期望对方根据过去的经历、对方的性质

或者在移动实体与其集中服务器断开连接时无法做出

以及来自可信第的推荐，采取友好的行动，而不考虑

安全决策。

是否能够或控制对方。该定义指出了信任的基础，与

原始定义相比，更适合PC情境。

信任原本是人类的一个概念，目前被用作计算机安全

的基础。作为一种机制，它已被证明能够有效克服初始的B.模型架构

不信任并最小化网络协作中的固有风险。[2],信任这一主如图1所示，所模型由两个主要组件组成：输

题在动态环境安全机制的正引起越来越多的。入因素和信任评估。输入因素是一系列在信任评估中所需

信任管理系统在部分知识存在的情况下，基于灵活的信任或使用的因素，包括上下文、行为、和推荐。我们选

策略做出安全决策，在PC中发挥着重要作用。择这些因素是参考了[6]分类的最常见因素以及在第1节