基于p2p网的eigentrust信任模型研究与改进

《基于p2p网的eigentrust信任模型研究与改进》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中困分类号ＴＰ论文编号１００６０１６－０３２７３９３￣￣学科分类号５２０．３０４０密级＊义寺嗦乂净ＴＩＡＮＪＴＹＴＥＣＨＮＯＩＮＵＮＩＶＥＲＳＩＯＦＬＯＧＹ硕±专业学位论文！■化備誦函删細顯ｉ覇冢基于Ｐ２Ｐ网的ＥｉｇｅｎＴｍｓｔ信任模型研究与改进．！嗦載ＲｅｓｅａｒｃｈａｎｄＩｍｐｒｏｖｅｍｅｎｔｏｎＥｉｇｅｎＴｒｕｓｔ打垂懸？通１剧脚：１：獅±网■難ｉＢ计算机技术■■圧带＇５＾崔艳霞宁红云教授＾Ｈ＂—■二瓦占：－７０．

2、－—■．二〇天津理工大学研究生院六年兰月分类号：393520.3040密级：天津理工大学研究生学位论文基于P2P网的EigenTrust信任模型研究与改进（申请工程硕士学位）学科专业：计算机技术研究方向：信息安全作者姓名：崔艳霞指导教师：宁红云2016年3月ThesisSubmittedtoTianjinUniversityofTechnologyfortheMaster’sDegreeResearchandImprovementonEigenTrustBasedonP2PNetworksByYanxi

3、aCuiSupervisorHongyunNingMarch2016巧別牲多巧本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的硏巧成果，除了文中恃别加标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研巧成果，也不包含为获得义津巧工大学或其他教育机构的学位或证书而使用过的材料一。与我同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢意。学位冷文作者签《；签李口期：诚备年》月口咎始穀学住冷文欣权使巧援权术本学位论文作者完全了解天津理工大学有关保留

4、、使用学位论文的规定。恃授权义津理工大学可将学位论文的全部或部分内容编入有关数据、，库进行检索，并采用影印缩印或扫描等复制手段保存、汇编Ｗ供查阅和借阅。同意学校向国家有关部口或机构送交论文的复本和电子文件。（保密的学位论文在解密后适用本授权说明）学住冷文作者签名导巧签名；；養袍霉夺＾签学可期；加＾＞年多月５可签李可期；）〇／真年月ＪＴ可摘要在P2P网络中，EigenTrust是一种广泛使用的信任度评估模型。目前P2P网络中的节点之间在进行交易时大都采用信任模型作为节点间信任的依据，以提

5、高节点间交易的安全性和成功率，而其中具有代表性的信任模型之一是基于无中心认证的EigenTrust模型。EigenTrust模型是一种基于节点满意交易次数和不满意交易次数计算信任值的节点信任值评估模型，在抑制节点的不诚信服务等方面提供了安全机制，但目前还存在一些问题，本文分析了该模型的缺陷，并针对这些缺陷加以改进，具体研究内容包括：(1)针对P2P网络中的EigenTrust模型的计算方法及其交易过程进行研究和分析。分析结果表明，首先，EigenTrust模型仅采用满意次数与不满意次数累计之差作为计算本地信任值的依据

6、，忽略了历史信任信息对当前信任值计算的影响，没有充分考虑交易的时间序列的连贯性；其次，EigenTrust模型采用同样的方式来处理满意交易和不满意交易，导致无法区分恶意节点和非恶意节点，因而对恶意节点惩罚效果极其微弱；最后，EigenTrust模型对P2P网络中所有节点的本地信任值采用统一的归一化处理方法，导致异质节点的同化，使节点的本地信任值计算结果偏离真实情况。(2)针对EigenTrust模型本地信任值的计算方式进行改进，提出基于交易历史时间因素和惩罚机制的本地信任值计算方法。针对EigenTrust没有考虑交

7、易的时间因素的问题，本文引入时间衰减因子，对节点近期的表现动态赋予较大权重，而对节点以前的表现赋予较小权重，并将时间衰减因子合成到信任度计算公式中，更新了本地信任值计算方法。另外，针对EigenTrust对恶意节点没有设置惩罚机制的问题，本文提出一种带有激励/惩罚效果的本地信任值改进方案，当节点行为变差时，信任值快速下降；当节点行为变好时，信任值缓慢上升，这符合信任的建立过程，同时也达到惩罚摇摆节点的效果。(3)针对P2P网络中的服务摇摆节点问题，引入现有的基于服务摇摆度的惩罚机制并加以改进，提出面向EigenTru

8、st模型的一种鉴别机制以及遏制策略。首先，在EigenTrust模型中为所有节点设置一个历史记录数组m，用来存储节点的服务摇摆记录，该数组是一个一维向量，自左向右权重依次增加。其次，随着节点进行交易，在每次全局信任值计算结束后，通过计算节点连续两周期的本地信任值之差的变化率，判定是否为服务摇摆节点。最后，根据信任值的变化率对数组的最后一位赋值，