發(fā)布時(shí)間：2024-03-30 11:28

　　信任評估技術(shù)用來動態(tài)的對網(wǎng)絡(luò)中的實(shí)體進(jìn)行信任度分析,監(jiān)測并預(yù)防惡意和虛假行為�，F(xiàn)行的網(wǎng)絡(luò)系統(tǒng)大多采用分布式結(jié)構(gòu),而在分布式網(wǎng)絡(luò)系統(tǒng)中,沒有中心化的管理權(quán)威可以依賴,因此對實(shí)體可信度進(jìn)行判斷存在一定困難,雖然目前所采用的信任評估模型具有一定的動態(tài)適用性,但在如何應(yīng)對網(wǎng)絡(luò)中的虛假信息和惡意攻擊行為以及可信度度量的合理性方面仍然存在諸多挑戰(zhàn)。為此,本文基于對MAS中個(gè)體可信度評估中的一些系列關(guān)鍵技術(shù)進(jìn)行了深入研究,旨在降低對網(wǎng)絡(luò)中實(shí)體信譽(yù)進(jìn)行判斷的復(fù)雜性,最終構(gòu)建安全,可靠的網(wǎng)絡(luò)環(huán)境。取得如下成果:1.針對服務(wù)評價(jià)數(shù)據(jù)中可能存在惡意評價(jià),導(dǎo)致信譽(yù)評估結(jié)果可信度較低的問題,本文提出了一種針對惡意評價(jià)的反饋檢測方法,由于惡意評價(jià)在評價(jià)數(shù)據(jù)集中較為分散,本文基于CUSUM算法,提出針對反饋評價(jià)信息進(jìn)行預(yù)處理的Q-CUSUM算法用于檢測惡意反饋。該方法的基本思想是通過檢測時(shí)間序列上反饋評價(jià)值的變化情況對評分?jǐn)?shù)據(jù)集中的惡意評分進(jìn)行去除,確保評分?jǐn)?shù)據(jù)的真實(shí)性。2.針對可信度評估中的反饋信息利用不足,本文提出一種反饋信息整合方法。該方法將信譽(yù)評價(jià)反饋的內(nèi)容做五個(gè)不同維度的劃分,之后采用基于熵權(quán)的EWM(e...

【文章頁數(shù)】：56 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1.1中國網(wǎng)民總數(shù)及互聯(lián)網(wǎng)普及率變化趨勢

圖1.1中國網(wǎng)民總數(shù)及互聯(lián)網(wǎng)普及率變化趨勢Figure1.1NumberofChineseNetizensandInternetPopularity放網(wǎng)絡(luò)環(huán)境下面臨的安全問題機(jī)網(wǎng)絡(luò)安全可分為實(shí)體安全、運(yùn)行環(huán)境安全和信息安全，當(dāng)前比較突出的

圖2.3信任評估模型分類Figure2.3Classificationoftrustmodel

圖2.3信任評估模型分類Figure2.3Classificationoftrustmodel理論建立的信任模型，將信任度量視為任模型。該模型以二項(xiàng)事件后驗(yàn)概率的觀念空間的概念來對信任關(guān)系進(jìn)行度量

圖2.4主觀邏輯信任模型信任向量Figure2.4TrustVectorofSubjectiveLogicalTrustModel

圖2.4主觀邏輯信任模型信任向量e2.4TrustVectorofSubjectiveLogicalTrus。上述模型都存在一個(gè)問題，即沒有g(shù)[49]基于信任關(guān)系的主觀性和不確定

圖3.3Q-CUSUM算法流程圖

圖3.3Q-CUSUM算法流程圖Fig3.3FlowchartoftheQ-CUSUMalgorithm文所采用的Q-CUSUM算法由兩個(gè)部分組成，極端評價(jià)處理和基于M算法的數(shù)據(jù)處理。前者主要對EME進(jìn)行過濾，避免EME在CUS

本文編號：3942283