摘要: 1．本文的创新点
e-Science环境中被共享的资源对安全存在特殊的要求。主观信任管理是保障该环境中用户协作和通讯的重要基础。作为主观信任的重要特性之一，不确定性应在信任的定义、表示和演化中被保留并有所体现。但是，现有的基于随机数学和模糊理论的信任管理机制，均无法很好地满足上述要求。利用云模型能有效表达不确定性，尤其是模糊性和随机性的特点，本文设计了一种基于云模型理论的不确定性增强的信任演化策略，主要创新点如下：
1）提出了一个由信任传递，信任合成，信任评估和信任更新四个阶段构成的信任演化生命周期的概念，可以描述e-Science环境中协作双方信任演化的基本过程。
2）在信任传递算法中引入诚实度（sincerity degree）参数，为量化实体对推荐信息的认同程度提供统一的标准。在信任评估算法中引入相似度（similar degree）参数，将其作为一种量化指标，据此为信任关系选择合适的信任概念。同时，本文给出了上述两个参数的具体计算方法。与需要人工选择相应参数的机制相比较，本文提出的传递算法和评估算法更客观、更实用。
3）在设计信任更新算法时，综合考虑三个要素，即：时间衰减参数、实体在协作过程中的行为特征及实体对整个环境的贡献。与只考虑上述三个要素中的一个或两个的机制相比较，本文提出的策略能更全面、更准确地反映实体可信度的变化趋势。

2．实现方法
本文基于云模型理论，提出了一种不确定性增强的主观信任演化策略。首先，定义了信任值空间、信任概念空间、信任云、信任概念云和诚实概念云等概念；接着，设计了三种基本的主观信任算子，即：正向云算子、逆向云算子和相似云算子；然后，提出了信任传递、信任合成、信任评估和信任更新四个算法。
为了测试该策略的性能，本文采用模拟真实环境的方法，在模拟环境中完成了三组实验。第一组实验测试信任评估算法的有效性及云滴数对该算法准确度的影响。第二组实验评估信任更新算法的合理性。第三组实验就服务吞吐率和成功合作率两个指标，将本文提出的策略与另外四种策略进行比较。在被比较的四种策略中，一种策略基于随机数学，一种策略基于模糊理论，另外两种策略基于云模型。
实验一的结果显示，本文设计的相似度算子能有效地辅助信任评估算法完成信任等级的评估。而且，随着云滴数的增加，评估结果的确定度和准确度也相应提高。实验二的结果说明，本文提出的信任更新算法能准确反映三种实体的行为特征。随着协作的不断进行，该算法还能筛选出恶意实体。实验三的结果显示，本文提出的策略在提供较好信任演化功能的同时，在服务效率上没有过多损失。同时，该策略能更敏锐、更准确地捕获和反映实体的行为特征。

3．结论及未来待解决的问题
云模型理论为不确定性的表达及定性概念与定量数值之间的不确定性转换提供了一种崭新的思路。本文研究了基于云模型理论的主观信任演化的基本过程，为信任演化的各阶段提供了具体算法和推理机制，实验结果验证了该信任演化策略的有效性。
由于主观信任的不确定性，对其进行计算和评估是一项非常困难和复杂的工作，存在若干问题需要在下一步工作中深入研究：
1）在大规模分布式环境中实现信任演化的基本过程，必然会产生大量与信任演化各个阶段相关的数据。合理、有效及安全地存储这些数据，并在信任演化过程中高效地使用这些数据是保证信任演化过程顺利进行的前提和基础。因此，需要研究安全高效的信任数据管理方法。
2）在实现信任演化各阶段的算法中存在若干参数和阈值。这些参数和阈值将影响计算结果的准确度。特别是在不同的场景下，这些参数和阈值的具体取值也应做相应变化。因此，需要深入研究这些参数和阈值对信任演化计算结果的影响，分析其内在规律，在此基础上总结出合理配置这些参数和阈值的客观方法。
3）如何更好地监测、减少和防止实体的欺骗或恶意行为，以进一步提高e-Science环境中共享资源的安全性，也是本文后续工作中需要研究和解决的重要问题

4．实用价值或应用前景
本文提出的策略涵盖了信任演化的基本过程，针对各阶段分别给出了具体的计算方法和相应的推理机制，并通过实验验证了算法的有效性，因此该策略及相应算法可以解决分布式计算环境下实体协作过程中面临的信任问题。通过适当地扩展和完善，本策略还可以推广到云计算环境中。