面向选择推荐节点的P2P网络信任模型

计算机工程与科学

面向选择推荐节点的P2P网络信任模型

马满福1,2，何春玲1,2

（1.西北师范大学计算机科学与工程学院,甘肃兰州 730070;2.甘肃省物联网工程研究中心,甘肃兰州 730070）

收稿日期:2016-12-25 修回日期:2017-04-26 出版日期:2018-06-25 发布日期:2018-06-25
基金资助:
国家自然科学基金（71263045）;甘肃省科技支撑计划（1204FKCA162）

A P2P network trust model for selecting recommended nodes

MA Manfu1,2,HE Chunling1,2

(1.College of Computer Science & Engineering,Northwest Normal University,Lanzhou 730070;

2.Gansu IOT Research Center,Lanzhou 730070,China)

Received:2016-12-25 Revised:2017-04-26 Online:2018-06-25 Published:2018-06-25

摘要/Abstract

摘要：

对等网（P2P）具有开放性、匿名性等特点，节点之间的交互类型复杂多样并且具有较小的重复交互性，导致其节点之间的信任关系难以确定。提出一种基于选择节点的P2P网络信任模型，通过直接信任和推荐信任得到节点综合信任值。选择推荐节点时，使用推荐节点与交互节点信任值相似度作为标准，以其信任差值最小的推荐节点作为被选择节点；同时，针对共谋团体的团伙欺骗，提出连带惩罚机制以及对提供可靠消息节点的奖励机制。仿真实验结果表明，该模型不但具有抗恶意节点攻击的能力，同时还具有较高的自适应能力。

关键词: 对等网络, 信任, 挂起, 激励机制

Abstract:

Due to the openness and anonymity of PeertoPeer (P2P), the types of interactions between nodes are complex and diverse, and they have small repetitive interactions, which makes it difficult to define the trust relationship between nodes. Based on selected nodes, we propose a P2P network trust model, and obtain comprehensive trust value through direct trust and the recommended trust for each node. Recommendation nodes whose trust value is closest to the interactive nodes are selected, that is to say, nodes with the smallest trust difference are selected. We also propose a joint punishment mechanism and an incentive mechanism to prevent gang cheating of the conspiracy group. Simulation experiments show that the trust model is not only capable of resisting attacks of malicious nodes, but also has a high selfadaptability.

Key words: P2P, trust, pending, incentive mechanism

马满福1,2，何春玲1,2. 面向选择推荐节点的P2P网络信任模型[J]. 计算机工程与科学.

MA Manfu1,2,HE Chunling1,2. A P2P network trust model for selecting recommended nodes[J]. Computer Engineering & Science.

[1]	夏戈明, 虞朝栋, 陈健. 边缘计算中的信任问题：挑战与评论[J]. 计算机工程与科学, 2023, 45(08): 1393-1404.
[2]	赵国生, 王甜甜, 王健. 一种边缘设备动态信任度的评估模型[J]. 计算机工程与科学, 2021, 43(09): 1574-1583.
[3]	刘辉, ., 曾斌, 刘子恺. 融合邻居选择策略和信任关系的兴趣点推荐[J]. 计算机工程与科学, 2020, 42(02): 365-372.
[4]	杨丰瑞1,2,3，吴晓浩1,2，万程峰1,2. 结合信任度和项目关联的混合推荐算法[J]. 计算机工程与科学, 2019, 41(11): 2048-2054.
[5]	刘国丽，白晓霞，廉孟杰，张斌. 基于专家信任的协同过滤推荐算法改进研究[J]. 计算机工程与科学, 2019, 41(10): 1846-1853.
[6]	杨丰瑞1，2,3，吴晓浩1,2，万程峰1,2. 融合情感极性与信任函数的虚假评论检测方法[J]. 计算机工程与科学, 2019, 41(09): 1679-1685.
[7]	刘玮1，邹璐琨2，霸元婕2，李广力3,4，张志刚1. 基于凸函数证据理论的关联感知云服务信任模型[J]. 计算机工程与科学, 2019, 41(01): 47-55.
[8]	唐鑫,齐芳. 免密钥托管的基于身份的分层加密机制研究[J]. 计算机工程与科学, 2017, 39(05): 870-876.
[9]	朱文强，钟元生. 一种多维度的O2O电子商务声誉计算模型[J]. 计算机工程与科学, 2016, 38(12): 2499-2506.
[10]	叶卫根，宋威. 融合信任用户间接影响的个性化推荐算法[J]. 计算机工程与科学, 2016, 38(12): 2579-2586.
[11]	张伶俐，张功萱，王天舒，程翔. 嵌入式系统可信虚拟化技术的研究与应用[J]. 计算机工程与科学, 2016, 38(08): 1654-1660.
[12]	刘浩1，张连明2，贺文华1. 一种基于互惠能力的P2P网络拓扑优化算法[J]. J4, 2016, 38(06): 1091-1096.
[13]	齐平，王福成，朱桂宏. 云环境下基于Bayesian主观信任模型的动态级调度算法[J]. J4, 2015, 37(11): 2068-2077.
[14]	赵斌1，2，何泾沙1，张伊璇1，及歆荣1. 基于知识发现的风险最小化授权模型[J]. J4, 2015, 37(11): 2112-2120.
[15]	徐军1，钟元生1，郑也夫2. 一种多维集成直觉模糊信息的信任评价方法[J]. J4, 2015, 37(09): 1768-1776.