非结构化P2P网络中基于推荐证据的信任模型研究

论文摘要

近年来，P2P网络发展迅速，解决了传统C/S架构下过于依赖服务器等问题，但P2P本身具有自组织性、匿名性、开放性等特点，为病毒、非法文件的传播提供了途径。解决P2P网络安全问题，信任模型为可靠的办法之一。本文的主要研究是在非结构化P2P网络下的，重点讨论基于推荐证据的信任模型。传统的信任模型鉴别不诚实推荐的方法都有一定的局限性，在一些特定环境中，偏差较大。为此，本文提出一种改进的基于推荐证据的信任模型，针对鉴别不诚实推荐的问题，将推荐过程也作为交互过程，计算出的信任证据既能代表提供服务的可信性，又能代表提供推荐的可靠性。提出一种新的计算信任不确定性的方法，在把D-S证据理论引入基于推荐的信任模型过程中，重要的是合理建立概率分配函数。证据的不确定性代表源节点对目标节点的未知程度，可以指导节点行为，还可以作为动态因子，融合本地信任与网络推荐。本文提出计算不确定性方法综合了交互次数以及冲突率的影响。在计算信任时，本文提出一种新衰减函数，对正面记录和负面记录采用不同处理。正面记录衰减快，鼓励节点积极提供服务；负面记录衰减慢，惩罚节点不正当行为。模型中还添加了检测动态节点的算法，比较历史证据与当前证据，计算冲突因子，判断节点行为方式是否发生突变。推荐合成时，先加权推荐者的综合信任，因为本文的信任可代表提供推荐的可靠性。网络推荐与本地证据合成时，采用动态因子加权。原始D-S证据合成规则在证据间矛盾较大时，结果并不理想，结合本文的模型使用环境，本文采用一种改进的D-S证据合成规则，该方法已被证明在分布式环境中结果较为理想。在推荐的搜索问题上，本文将Gossip搜索算法引入本文整体搜索策略中，并加入概率机制，节点转发时，只转向它最相信的邻居，减少恶意推荐者收到信任请求消息的概率，较传统的洪泛搜索，节省了大量网络流量，提高了网络效率。最后对本文提出的信任模型以及传统的EigenRep、PeerTrust和TBRM模型进行对比实验。在不同的攻击模式下，比较4种模型的网络交易成功率曲线，对实验结果做了详尽的分析。结果表明本文的算法在网络成功交易率上有了较大的改进，能较好的适应大范围分布式P2P网络。本文还比较了基于概率的Gossip搜索算法和传统的洪泛搜索算法，统计结果绘制查全率、查准率、交易成功率等曲线，实验结果表明Gossip搜索算法在整体搜索策略中起到了重要的积极作用。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 论文研究背景及意义
• 1.3 国内外研究现状
• 1.4 论文的主要工作及论文安排
• 第2章 P2P 网络
• 2.1 P2P 网络介绍
• 2.2 P2P 网络的拓扑分类
• 2.3 P2P 网络面临的挑战
• 2.4 本章小结
• 第3章 P2P 网络信任模型
• 3.1 信任机制
• 3.2 信任的分类
• 3.3 信任模型
• 3.4 经典的 P2P 网络信任模型
• 3.4.1 集中式信任模型
• 3.4.2 全局信任模型
• 3.4.3 局部信任模型
• 3.5 现有信任模型的缺陷
• 3.6 本章小结
• 第4章 改进的基于推荐证据的信任模型
• 4.1 基于推荐的信任模型
• 4.2 证据的建立
• 4.2.1 D-S 证据理论
• 4.2.2 区分诚实节点与不诚实节点
• 4.2.3 不确定性的计算
• 4.2.4 衰减函数及窗口机制
• 4.3 动态节点
• 4.4 推荐信任
• 4.5 证据的合成
• 4.6 基于概率的改进型 Gossip 的证据搜索策略
• 4.6.1 基于概率的 Gossip 的搜索策略
• 4.6.2 整体证据搜索策略
• 4.7 改进的基于推荐证据的信任模型算法
• 4.8 本章小结
• 第5章 仿真结果及分析
• 5.1 仿真环境
• 5.1.1 仿真环境及开发工具
• 5.1.2 系统框架
• 5.1.3 网络环境及参数设置
• 5.2 信任模型算法性能评价
• 5.2.1 成功交易率
• 5.2.2 搜索算法效率
• 5.3 攻击测试
• 5.3.1 单独恶意攻击
• 5.3.2 团伙恶意攻击
• 5.3.3 动态恶意攻击
• 5.3.4 实验结果分析
• 5.4 证据的搜索算法
• 5.4.1 查全率/查准率
• 5.4.2 交易成功率
• 5.4.3 实验结果分析
• 5.5 本章小结
• 第6章 结论与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 作者简介及科研成果
• 致谢