基于推拉模式的網(wǎng)絡(luò)信任模型

基于推拉模式的網(wǎng)絡(luò)信任模型

1重視用戶(hù)關(guān)系中的歷史交互平等網(wǎng)絡(luò)（p2p）是當(dāng)前非常流行的網(wǎng)絡(luò)形式。p2p服務(wù)占整個(gè)網(wǎng)絡(luò)服務(wù)的大多數(shù)比例。由于它具有去中心化、匿名性、自治性等特點(diǎn),給終端用戶(hù)帶來(lái)極大的便捷。然而,這些特性也成為惡意網(wǎng)絡(luò)行為滋生的溫床,惡意節(jié)點(diǎn)可以通過(guò)傳播非法文件破壞系統(tǒng)、自私節(jié)點(diǎn)享受系統(tǒng)提供的服務(wù)但不對(duì)系統(tǒng)做任何貢獻(xiàn)。這些現(xiàn)象極大地影響了P2P用戶(hù)的信心。在P2P網(wǎng)絡(luò)中引入信譽(yù)機(jī)制可以有效緩解不合作節(jié)點(diǎn)帶來(lái)的負(fù)面影響,信譽(yù)機(jī)制的目的是根據(jù)節(jié)點(diǎn)歷史行為特征的觀察,采用合理的度量方式,最大程度預(yù)測(cè)出節(jié)點(diǎn)將來(lái)的行為特征,從而隔離不合作節(jié)點(diǎn),提高P2P網(wǎng)絡(luò)的整體可用性和效率。信譽(yù)建模的思路是基于節(jié)點(diǎn)之間的歷史交互記錄,通過(guò)分析不同因素與節(jié)點(diǎn)行為之間的關(guān)聯(lián),定義合成節(jié)點(diǎn)信譽(yù)值的影響因子,使得信譽(yù)值能如實(shí)反映節(jié)點(diǎn)的行為特征。迄今為止,研究人員從不同角度出發(fā),已提出一些信譽(yù)建模的方法。例如,針對(duì)“信任”語(yǔ)義的模糊特性,FuzzyTrust認(rèn)為信任不能用二值邏輯描述,于是通過(guò)定義模糊量來(lái)刻畫(huà)這種關(guān)系,并利用模糊推理規(guī)則來(lái)更新信任度,較好地解決了信息模糊或不完備等因素造成的計(jì)算粗糙問(wèn)題;針對(duì)信任關(guān)系的不確定性,Yu提出基于DS理論進(jìn)行建模,將請(qǐng)求節(jié)點(diǎn)對(duì)服務(wù)節(jié)點(diǎn)的評(píng)價(jià)表示為對(duì)其支持的一種證據(jù),當(dāng)計(jì)算一個(gè)節(jié)點(diǎn)的可信度時(shí)利用D-S證據(jù)合成規(guī)則組合來(lái)自推薦者的所有證據(jù);針對(duì)如何獲取節(jié)點(diǎn)信譽(yù)信息,EigenTrust及其改進(jìn)模型的基本思路是采用迭代問(wèn)詢(xún)的方式綜合計(jì)算出節(jié)點(diǎn)的全局信譽(yù)值。通過(guò)對(duì)已有成果的研究,本文發(fā)現(xiàn),盡管研究的角度不同,但大部分模型都忽略了對(duì)新加入節(jié)點(diǎn)進(jìn)行特殊處理。由于新節(jié)點(diǎn)初始信譽(yù)值較低,在后續(xù)交互過(guò)程中作為候選服務(wù)節(jié)點(diǎn)的概率較小,其信譽(yù)積累是純被動(dòng)式的,往往需要一個(gè)很長(zhǎng)周期,其負(fù)面效應(yīng)是網(wǎng)絡(luò)中的“富人越富”現(xiàn)象,且容易引發(fā)網(wǎng)絡(luò)中長(zhǎng)期生存的節(jié)點(diǎn)單點(diǎn)過(guò)載問(wèn)題,不利于網(wǎng)絡(luò)資源的合理分配。受到流媒體調(diào)度策略中經(jīng)典推拉模式的啟發(fā),本文提出一個(gè)新的信譽(yù)計(jì)算模型。推部分主要加速新節(jié)點(diǎn)累積信譽(yù)過(guò)程,當(dāng)一個(gè)新節(jié)點(diǎn)加入時(shí),它向其他節(jié)點(diǎn)主動(dòng)推送自己的信息,增大其作為候選服務(wù)節(jié)點(diǎn)的概率。拉部分主要為了減少網(wǎng)絡(luò)的信息流量,當(dāng)信譽(yù)值大于某個(gè)閾值(大于該閾值的節(jié)點(diǎn)較可信,仿真實(shí)驗(yàn)中設(shè)定的閾值為0.7)時(shí),可以視該服務(wù)節(jié)點(diǎn)為可信節(jié)點(diǎn)而直接交互,當(dāng)小于某個(gè)閾值時(shí)首先詢(xún)問(wèn)服務(wù)節(jié)點(diǎn)能否提供所需服務(wù),若得出正面回應(yīng),則嘗試交互,若無(wú)返回消息,則再根據(jù)鄰居節(jié)點(diǎn)的推薦做出處理。為了確保節(jié)點(diǎn)提供優(yōu)質(zhì)的服務(wù),對(duì)提供較差服務(wù)的節(jié)點(diǎn)進(jìn)行懲罰,通過(guò)交易結(jié)果增加或降低對(duì)交易節(jié)點(diǎn)的信譽(yù)值,并且通過(guò)控制相關(guān)懲罰因子來(lái)決定懲罰力度,同時(shí)對(duì)自薦節(jié)點(diǎn)的懲罰因子值設(shè)置較大。2本文模型的構(gòu)建目前對(duì)P2P信任模型并無(wú)嚴(yán)格的分類(lèi)標(biāo)準(zhǔn),為了更好地論述本文模型的相關(guān)工作基礎(chǔ),根據(jù)節(jié)點(diǎn)合成信譽(yù)值時(shí)有關(guān)信息數(shù)據(jù)的來(lái)源,可以將信譽(yù)模型大致分成兩類(lèi):全局信任模型和局部信任模型。2.1基于局部評(píng)價(jià)的模型全局信任模型是通過(guò)與它交互過(guò)的所有節(jié)點(diǎn)之間的相互滿(mǎn)意度的迭代,從而獲得節(jié)點(diǎn)的全局信譽(yù)值。如EigenTrust模型及其改進(jìn)模型PeerTrsut,P2PTrust,RBT等。EigenTrust作為全局信任模型的典型代表,其核心思想是當(dāng)節(jié)點(diǎn)i要獲得節(jié)點(diǎn)k的可信程度時(shí),i首先詢(xún)問(wèn)其鄰居節(jié)點(diǎn)j對(duì)k的局部評(píng)價(jià),然后根據(jù)自身對(duì)j節(jié)點(diǎn)的局部評(píng)價(jià)計(jì)算出k的可信程度。為了更廣泛、更準(zhǔn)確地度量k的可信程度,i節(jié)點(diǎn)通過(guò)迭代問(wèn)詢(xún)的方式考慮它和k節(jié)點(diǎn)之間的多個(gè)鄰居節(jié)點(diǎn)對(duì)k的局部評(píng)價(jià),最終綜合得出k節(jié)點(diǎn)的全局信譽(yù)值,即。該模型計(jì)算出的可信度是基于全局范圍的,得出的可信度計(jì)算結(jié)果沒(méi)有遺漏任何節(jié)點(diǎn)。但是,該模型混淆了節(jié)點(diǎn)推薦的可信度和提供服務(wù)的可信度,沒(méi)有考慮節(jié)點(diǎn)的搖擺行為,此外,該模型通過(guò)迭代詢(xún)問(wèn)的方式計(jì)算全局信譽(yù)值,每一次交互發(fā)生都會(huì)導(dǎo)致全網(wǎng)的迭代,網(wǎng)絡(luò)開(kāi)銷(xiāo)太大。PeerTrust模型認(rèn)為節(jié)點(diǎn)的可信度應(yīng)該是該節(jié)點(diǎn)提供的所有服務(wù)的綜合評(píng)價(jià),該模型全面考慮了電子商務(wù)環(huán)境中節(jié)點(diǎn)間交易的各種因素,包括節(jié)點(diǎn)收集的評(píng)價(jià)反饋交易滿(mǎn)意總數(shù)、總交易次數(shù)、交易評(píng)價(jià)可信度、交易內(nèi)容上下文、社區(qū)內(nèi)容上下文。本文創(chuàng)新處在于提出以個(gè)體相似性度量方法(PSM)來(lái)衡量評(píng)價(jià)的可信程度。但個(gè)體相似性度量在大規(guī)模網(wǎng)絡(luò)中容易面臨向量稀疏性問(wèn)題。2.2第二,核心思想局部信任模型是指節(jié)點(diǎn)通過(guò)詢(xún)問(wèn)有限數(shù)量的節(jié)點(diǎn)來(lái)獲得某個(gè)節(jié)點(diǎn)的可信度,一般采用局部廣播的方式來(lái)獲得節(jié)點(diǎn)的信任度。如FabrizioCornelli等人提出的P2Prep。P2Prep是作為典型的局部信任模型,它的核心思想是交互發(fā)起節(jié)點(diǎn)向交互對(duì)象節(jié)點(diǎn)附近發(fā)起廣播以獲得交互對(duì)象節(jié)點(diǎn)的信譽(yù)度,以評(píng)估其可信程度從而決定是否要與其進(jìn)行交互。該模型基于隨機(jī)的洪泛的發(fā)現(xiàn)和隨機(jī)轉(zhuǎn)發(fā)機(jī)制,考慮了投票節(jié)點(diǎn)的IP地址以過(guò)濾可能的共謀節(jié)點(diǎn)。但是,該模型假設(shè)了交互目標(biāo)節(jié)點(diǎn)的鄰居知道目標(biāo)節(jié)點(diǎn)的底細(xì),此假設(shè)不一定成立,并且高性能節(jié)點(diǎn)的負(fù)擔(dān)較重。此外,該模型中認(rèn)為節(jié)點(diǎn)可信則其擁有的資源可信,實(shí)際上,高信譽(yù)值的節(jié)點(diǎn)也有可能擁有一些低質(zhì)量甚至虛假的資源。XRep模型提出節(jié)點(diǎn)信譽(yù)和資源信譽(yù)相結(jié)合的方法,在節(jié)點(diǎn)信譽(yù)的基礎(chǔ)上引入了節(jié)點(diǎn)所提供資源的信譽(yù)狀況,選取下載源時(shí)根據(jù)節(jié)點(diǎn)的信譽(yù)和資源信譽(yù)綜合衡量,該模型同時(shí)針對(duì)一些常用的攻擊方式設(shè)計(jì)了相應(yīng)的抑制措施,具有較高的安全性。3基于導(dǎo)出模型的可靠模型3.1推-拉拉機(jī)制P2P流媒體中的推拉策略具有很強(qiáng)的魯棒性,可以最大程度利用網(wǎng)絡(luò)的上行帶寬、最大化網(wǎng)絡(luò)的吞吐率。P2P流媒體的調(diào)度策略解決了數(shù)據(jù)傳輸?shù)膯?wèn)題,近年來(lái)的研究已經(jīng)從最初基于樹(shù)型的提供節(jié)點(diǎn)推策略發(fā)展為接收者驅(qū)動(dòng)的拉策略以及推-拉過(guò)程相結(jié)合的策略。所謂推,需要節(jié)點(diǎn)之間有一種父與子的關(guān)系,父節(jié)點(diǎn)依據(jù)這種關(guān)系主動(dòng)發(fā)送數(shù)據(jù)給子節(jié)點(diǎn)。所謂拉,就是節(jié)點(diǎn)根據(jù)其他節(jié)點(diǎn)的數(shù)據(jù)請(qǐng)求發(fā)送該節(jié)點(diǎn)希望的數(shù)據(jù),不需要節(jié)點(diǎn)之間任何層次性的關(guān)系,但需要預(yù)先知道對(duì)方擁有的數(shù)據(jù)。推-拉機(jī)制的具體方法為:每個(gè)節(jié)點(diǎn)使用拉方法作為啟動(dòng)(拉),獲得部分?jǐn)?shù)據(jù)后給其鄰居節(jié)點(diǎn)中轉(zhuǎn)數(shù)據(jù)包而無(wú)需等到該鄰居節(jié)點(diǎn)請(qǐng)求該包(推)。其中拉模式具有內(nèi)在的魯棒性,能在高度擾動(dòng)的P2P環(huán)境下很好地工作;而推模式可以有效地減少用戶(hù)節(jié)點(diǎn)處觀察到的累加延遲。本模型借鑒了P2P流媒體中推拉模式的方法,利用“推”模式,使得愿意提供優(yōu)質(zhì)服務(wù)的新加入節(jié)點(diǎn)能較快積累信譽(yù)值,利用“拉”模式在一定程度上減少網(wǎng)絡(luò)的傳輸信譽(yù)消息的流量以及計(jì)算復(fù)雜度。3.2不同屬性的自愿性仿真本文相關(guān)參數(shù)定義如下:定義1設(shè)Pij代表節(jié)點(diǎn)i同節(jié)點(diǎn)j的交易成功率。該成功率是基于節(jié)點(diǎn)i和節(jié)點(diǎn)j的交互歷史獲得。計(jì)算如下:其中Sij表示節(jié)點(diǎn)i與節(jié)點(diǎn)j交易成功次數(shù),Tij表示節(jié)點(diǎn)i和節(jié)點(diǎn)j交易總次數(shù)。若Tij=0,則Pij=0。定義2設(shè)Rij表示節(jié)點(diǎn)i對(duì)節(jié)點(diǎn)j的信譽(yù)值,表示如下:其中α、λ為常系數(shù)因子,控制成功交易率對(duì)信譽(yù)值的影響,α為激勵(lì)因子,α越大成功交易率使得信譽(yù)值增加越快;λ是懲罰因子,當(dāng)交易失敗時(shí),節(jié)點(diǎn)i對(duì)節(jié)點(diǎn)j的信譽(yù)值將降低,λ越大不成功交易率對(duì)信譽(yù)值降低程度越大,為了更好地防止自薦節(jié)點(diǎn)提供不好服務(wù),在實(shí)際中自薦節(jié)點(diǎn)的λ因子設(shè)置較大,一般大于1.5,非自薦節(jié)點(diǎn)一般大于1。在仿真實(shí)驗(yàn)中會(huì)通過(guò)控制α、λ來(lái)觀察它們對(duì)信譽(yù)值變化的影響。定義3設(shè)ai自薦標(biāo)志位,表示節(jié)點(diǎn)i是否推薦自己提供服務(wù)的標(biāo)志位,滿(mǎn)足如下條件:定義4設(shè)Interval為節(jié)點(diǎn)推薦節(jié)點(diǎn)的自薦時(shí)間域,Ii表示i的自薦域。當(dāng)某個(gè)節(jié)點(diǎn)開(kāi)始推薦自己時(shí),自動(dòng)啟動(dòng)該自薦時(shí)間控制,將自薦標(biāo)志位值設(shè)置為1,當(dāng)推薦時(shí)間超過(guò)該值時(shí),自動(dòng)將推薦節(jié)點(diǎn)的自薦標(biāo)志位值為0,在仿真實(shí)驗(yàn)中將自薦域設(shè)為30min。定義5設(shè)Ω為對(duì)節(jié)點(diǎn)i請(qǐng)求的響應(yīng)集合,Φ表示節(jié)點(diǎn)i根據(jù)信譽(yù)和交易總次數(shù)剔除一部分不滿(mǎn)足條件節(jié)點(diǎn)后的集合。3.3a和b兩節(jié)點(diǎn)選擇服務(wù)節(jié)點(diǎn),之間的關(guān)系當(dāng)一個(gè)新的節(jié)點(diǎn)(假設(shè)為k)加入系統(tǒng),同時(shí)它愿意通過(guò)向其他節(jié)點(diǎn)提供優(yōu)質(zhì)服務(wù)而獲得較高信譽(yù)值時(shí),它將自己的提供服務(wù)標(biāo)志位ak置為1,同時(shí)啟動(dòng)自薦時(shí)間控制位,然后將它擁有的資源進(jìn)行廣播,實(shí)現(xiàn)推的過(guò)程,這樣使得更多節(jié)點(diǎn)知道它擁有的資源,當(dāng)k不想提供服務(wù)或者自薦時(shí)間超過(guò)閾值(在仿真實(shí)驗(yàn)中設(shè)置自薦時(shí)間為30min)時(shí)將ak置為0,該節(jié)點(diǎn)不再有自薦性質(zhì)。具體流程如圖1所示。當(dāng)節(jié)點(diǎn)i需要某個(gè)資源時(shí),它隨機(jī)廣播一個(gè)查詢(xún)消息給它的鄰居節(jié)點(diǎn)(鄰居節(jié)點(diǎn)即邏輯上與該節(jié)點(diǎn)相連接的節(jié)點(diǎn)),鄰居節(jié)點(diǎn)如果擁有該資源直接響應(yīng),如果沒(méi)有該資源,轉(zhuǎn)發(fā)請(qǐng)求消息。最后,節(jié)點(diǎn)i將獲得所有擁有該資源的集合Ω。然后節(jié)點(diǎn)根據(jù)信譽(yù)和交易總次數(shù)剔除一部分節(jié)點(diǎn),其中被剔除節(jié)點(diǎn)集合為Φˉ,滿(mǎn)足如下條件:其中ε為信譽(yù)的閾值,θ為交易總次數(shù)的閾值。當(dāng)信譽(yù)值小于閾值ε,實(shí)驗(yàn)中設(shè)定為0.2,且交易次數(shù)大于閾值θ時(shí),認(rèn)為節(jié)點(diǎn)的信譽(yù)偏低是由于過(guò)多不誠(chéng)實(shí)行為造成的,因此舍棄這些節(jié)點(diǎn)。集合Φ可以由A和B兩個(gè)子集組成,其中A表示自薦子集,B表示非自薦子集。滿(mǎn)足如下條件:然后節(jié)點(diǎn)i從滿(mǎn)足條件的集合Φ中選擇服務(wù)節(jié)點(diǎn),選擇滿(mǎn)足如下條件:S為選擇節(jié)點(diǎn)集合,β為推拉因子(0≤β≤1),表示集合A中的節(jié)點(diǎn)被選擇的概率,1-β表示集合B中節(jié)點(diǎn)被選擇的概率。表示以概率β選擇A集合中的節(jié)點(diǎn)進(jìn)行服務(wù),通過(guò)改變常系數(shù)因子,可以控制是否進(jìn)行自己推薦節(jié)點(diǎn)選擇可能性,如β=1,則表示選擇所有自薦節(jié)點(diǎn)服務(wù)。通過(guò)控制在常系數(shù)因子可以控制自薦節(jié)點(diǎn)被選擇的概率,一般情況下設(shè)置0.6≤β≤0.9,這樣有利于自薦節(jié)點(diǎn)被選擇作為服務(wù)節(jié)點(diǎn),使得它的信譽(yù)值迅速提升。假設(shè)S集合中任意一個(gè)節(jié)點(diǎn)為k,如果,則直接進(jìn)行交互;如果,首先查看它的信譽(yù)值以及和i的交易總次數(shù),如果Rik<ε,且Tik<θ,認(rèn)為信譽(yù)值偏低是由于交易次數(shù)過(guò)少造成的,i向k發(fā)送拉請(qǐng)求,詢(xún)問(wèn)k是否愿意提供服務(wù),如果k響應(yīng),則進(jìn)行交互。如果k未響應(yīng),則通過(guò)i的所有鄰居節(jié)點(diǎn)計(jì)算它對(duì)k的局部信譽(yù)值,計(jì)算過(guò)程如下:其中Lik表示i通過(guò)詢(xún)問(wèn)鄰居節(jié)點(diǎn)得到的它對(duì)k的局部信譽(yù)值。當(dāng)Lik大于某個(gè)閾值時(shí),選擇節(jié)點(diǎn)k進(jìn)行服務(wù),否則從集合Φ中重新選擇服務(wù)節(jié)點(diǎn)。為了保證選擇服務(wù)節(jié)點(diǎn)更加可信,Lik設(shè)定應(yīng)該大于0.6。以上整個(gè)選擇服務(wù)的過(guò)程表示如圖2。為了獎(jiǎng)勵(lì)提供優(yōu)質(zhì)服務(wù)節(jié)點(diǎn),懲罰惡意節(jié)點(diǎn),在得到服務(wù)后,節(jié)點(diǎn)i會(huì)通過(guò)服務(wù)質(zhì)量改變自己對(duì)節(jié)點(diǎn)k的信譽(yù)值,當(dāng)獲得優(yōu)質(zhì)服務(wù)時(shí),節(jié)點(diǎn)i對(duì)節(jié)點(diǎn)k的信譽(yù)值增加,從而實(shí)現(xiàn)提供優(yōu)質(zhì)服務(wù)節(jié)點(diǎn)信譽(yù)值的快速增加;當(dāng)服務(wù)失敗時(shí),節(jié)點(diǎn)i對(duì)節(jié)點(diǎn)k信譽(yù)值降低,從而抑制節(jié)點(diǎn)提供較差服務(wù),實(shí)現(xiàn)對(duì)惡意節(jié)點(diǎn)和欺騙節(jié)點(diǎn)的防御。同時(shí)為了確保自薦因子提供可靠服務(wù),它的懲罰因子設(shè)置較大。仿真實(shí)驗(yàn)中對(duì)比了不同激勵(lì)因子與懲罰因子組合下對(duì)信譽(yù)值變化的影響。為了更好地理解該模型,下面對(duì)模型的性能做簡(jiǎn)要討論。假定為100個(gè)節(jié)點(diǎn)的網(wǎng)絡(luò)規(guī)模情況下,設(shè)節(jié)點(diǎn)i需要的資源為m,假設(shè)30個(gè)節(jié)點(diǎn)(其中包括節(jié)點(diǎn)j)擁有該資源,信譽(yù)的閾值ε為0.6,計(jì)算信譽(yù)值因子α和λ分別為2和2.5,任兩節(jié)點(diǎn)間交易次數(shù)閾值θ為20,自薦節(jié)點(diǎn)提供誠(chéng)實(shí)服務(wù)的可能性為90%,非自薦節(jié)點(diǎn)提供誠(chéng)實(shí)服務(wù)的可能性為70%,開(kāi)始i未跟任何節(jié)點(diǎn)交互過(guò),發(fā)生的交易均成功。在沒(méi)有引進(jìn)推拉機(jī)制時(shí),如果要使得i對(duì)j的信譽(yù)值到達(dá)0.6交易次數(shù)在20次以上,需要交互的期望次數(shù)為600次,完成后信譽(yù)值為0.65。如果引進(jìn)推拉機(jī)制,設(shè)β=0.8,自薦節(jié)點(diǎn)數(shù)為5,需要交互的期望次數(shù)為125次,完成后信譽(yù)值為1.55;如果30個(gè)擁有資源的節(jié)點(diǎn)中有10個(gè)自薦節(jié)點(diǎn),則需要交互期望次數(shù)為250次,完成后信譽(yù)值為1.55。通過(guò)以上分析,可以看出推拉協(xié)議能以較少的交易次數(shù)讓某個(gè)自薦節(jié)點(diǎn)獲得較高的信譽(yù)值。伴隨著交互次數(shù)的減少,網(wǎng)絡(luò)流量也相應(yīng)減少。4節(jié)點(diǎn)需求服務(wù)節(jié)點(diǎn)在PeerSim平臺(tái)下進(jìn)行仿真,為了模擬真實(shí)的網(wǎng)絡(luò),設(shè)計(jì)了幾種類(lèi)型的節(jié)點(diǎn),即:(1)自薦節(jié)點(diǎn)。該類(lèi)節(jié)點(diǎn)大部分是新加入節(jié)點(diǎn),希望為自己累積較高信譽(yù),因此愿意為其他節(jié)點(diǎn)提供優(yōu)質(zhì)服務(wù)。自薦階段總是作為網(wǎng)絡(luò)服務(wù)端的角色。該類(lèi)節(jié)點(diǎn)的自薦標(biāo)志位為1?？紤]到實(shí)際網(wǎng)絡(luò)中可能存在丟包情況,假定它提供服務(wù)成功率為90%。(2)需求服務(wù)節(jié)點(diǎn)。該類(lèi)節(jié)點(diǎn)請(qǐng)求服務(wù),并且通過(guò)服務(wù)質(zhì)量調(diào)整對(duì)提供服務(wù)節(jié)點(diǎn)的信譽(yù)評(píng)價(jià)。(3)普通節(jié)點(diǎn)。該類(lèi)節(jié)點(diǎn)為P2P網(wǎng)絡(luò)中普通節(jié)點(diǎn),即可作為服務(wù)端提供服務(wù),亦可作為客戶(hù)端享受服務(wù)。該類(lèi)節(jié)點(diǎn)上會(huì)初始化部分可信資源與不可信資源,不可信資源占該節(jié)點(diǎn)總資源的20%～50%。仿真環(huán)境為IntelCore2.10GHz,2GB。基于Eclipse3.4上Java實(shí)現(xiàn)的開(kāi)源的PeerSim仿真平臺(tái)。利用Gnutella協(xié)議,在PeerSim平臺(tái)框架下構(gòu)建一個(gè)仿真的對(duì)等網(wǎng)絡(luò)。引入本文提出的信譽(yù)計(jì)算方法,統(tǒng)計(jì)信息為節(jié)點(diǎn)在仿真過(guò)程中與其他節(jié)點(diǎn)進(jìn)行交互的相關(guān)數(shù)據(jù),對(duì)仿真交互總數(shù)以及成功下載次數(shù)等相關(guān)信息進(jìn)行對(duì)比。通過(guò)控制協(xié)議中常量因子(如:激勵(lì)因子α、懲罰因子λ、推拉因子β)對(duì)比分析出某個(gè)節(jié)點(diǎn)信譽(yù)值達(dá)到指定值(系統(tǒng)預(yù)設(shè)的信譽(yù)閾值)時(shí)所需要的交互次數(shù)。與其他改進(jìn)模型類(lèi)似(如PeerTrust考慮了信譽(yù)值的更多影響因子),本文模型實(shí)現(xiàn)的過(guò)程也參照了EigenTrust模型。4.1提供服務(wù)節(jié)點(diǎn)的選擇信譽(yù)閾值仿真是指通過(guò)控制不同的網(wǎng)絡(luò)規(guī)模,對(duì)比不同協(xié)議下使得某個(gè)節(jié)點(diǎn)(假設(shè)為i)對(duì)節(jié)點(diǎn)(假設(shè)為j)的信譽(yù)值到達(dá)指定的值時(shí)(實(shí)驗(yàn)中設(shè)置為0.7,交互總次數(shù)大于20)需要的交互次數(shù),交互次數(shù)反應(yīng)了網(wǎng)絡(luò)流量情況和交互總時(shí)間,認(rèn)為交互次數(shù)越少則網(wǎng)絡(luò)流量越少,交互次數(shù)越少交互總時(shí)間越短。在仿真中,網(wǎng)絡(luò)中75%的節(jié)點(diǎn)都可以作為服務(wù)節(jié)點(diǎn)進(jìn)行服務(wù),其中有5個(gè)節(jié)點(diǎn)作為自薦節(jié)點(diǎn)。自薦時(shí)間閾值設(shè)為30min,激勵(lì)因子α為0.9,懲罰因子λ為1,資源總數(shù)為100,對(duì)普通節(jié)點(diǎn)的信譽(yù)值大于0.7時(shí)可以直接選擇該節(jié)點(diǎn)得到服務(wù),在普通服務(wù)節(jié)點(diǎn)初始化以20和5為種子的隨機(jī)可信資源與不可信資源數(shù),在自薦節(jié)點(diǎn)上初始化10個(gè)可信資源。隨機(jī)產(chǎn)生查詢(xún)消息,則生產(chǎn)需要資源為自薦節(jié)點(diǎn)上的概率為10%,同時(shí)需考慮每次查詢(xún)時(shí)需要考慮到TTL為0時(shí),查詢(xún)失敗情況。在網(wǎng)絡(luò)規(guī)模為60的情況下,推拉機(jī)制期望產(chǎn)生的交互次數(shù)為200次(交互次數(shù)/資源為該節(jié)點(diǎn)概率),未加入信譽(yù)時(shí),節(jié)點(diǎn)被選擇為均等的,交互次數(shù)期望為450次。當(dāng)然由于網(wǎng)絡(luò)中鄰居選擇不同,以及資源初始化集中等問(wèn)題,實(shí)際的交互次數(shù)會(huì)和理論有些許差別?；谕扑]方式下的節(jié)點(diǎn)j更容易被i選擇作為交互節(jié)點(diǎn),它每次都會(huì)提供誠(chéng)實(shí)服務(wù),所以總交互次數(shù)較少情況下就能獲得較高的信譽(yù)值。圖3所示,橫坐標(biāo)表示網(wǎng)絡(luò)規(guī)模,縱坐標(biāo)表示達(dá)到固定信譽(yù)值的交互總次數(shù),從圖中可以看出本文模型較其他模型有一定的優(yōu)勢(shì),能使節(jié)點(diǎn)迅速達(dá)到設(shè)定信譽(yù)值。4.2節(jié)點(diǎn)平均激勵(lì)因子的確定為了了解激勵(lì)因子和懲罰因子變化對(duì)自薦節(jié)點(diǎn)信譽(yù)值變化的影響,通過(guò)控制激勵(lì)、懲罰因子,觀察節(jié)點(diǎn)信譽(yù)值變化情況。在仿真中,固定網(wǎng)絡(luò)規(guī)模為70,自薦節(jié)點(diǎn)數(shù)為5,推拉因子β為1,自薦時(shí)間域?yàn)?0min,資源總數(shù)為100,在普通服務(wù)節(jié)點(diǎn)初始化以20和5為種子的隨機(jī)可信資源與不可信資源數(shù),在自薦節(jié)點(diǎn)上初始化10個(gè)可信資源,改變激勵(lì)因子,懲罰因子,對(duì)比信譽(yù)變化曲線。在設(shè)定參數(shù)時(shí),通過(guò)控制因子的權(quán)重,觀察不同權(quán)重組合的激勵(lì)因子與懲罰因子是如何影響信譽(yù)變化的,因此激勵(lì)因子取大于1和小于1的兩個(gè)值(即0.9和1.2),懲罰因子取0.7、1.5、2.0三個(gè)值。將上面不同激勵(lì)因子和懲罰因子進(jìn)行組合得到表1。通過(guò)控制激勵(lì)因子和懲罰因子可以控制信譽(yù)變化情況,激勵(lì)因子越大,成功交易使得信譽(yù)增加值越大,懲罰因子越大,失敗交易使得信譽(yù)值減少越大。如圖4所示,橫坐標(biāo)表示總的交互次數(shù),縱坐標(biāo)表示節(jié)點(diǎn)i對(duì)節(jié)點(diǎn)j的信譽(yù)值,從圖中在激勵(lì)因子相同時(shí),增加幅度相同,懲罰因子越大,信譽(yù)值降低越