摘要: 1. 研究背景

在大规模的P2P网络环境中，系统表现为由多个动态节点组成的开放协作模型。在这种动态的和不确定的网络环境下，传统的基于CA (Certificate Authority)或基于凭证(Credental)的静态信任机制不能适应这些新的应用需求，因此，针对大规模P2P网络的动态信任管理技术成为一个亟待解决的热点问题。由于信任关系本质上是最复杂的社会关系之一，具有模糊性、不确定性、不对称性和时空衰减性等一系列复杂的属性，是一个抽象的心理“认知”过程，涉及假设、期望、行为和环境等多种因子，很难定量的评估与预测(评测)。因此，动态信任管理技术侧重于从社会学、行为学的角度对信任关系进行建模与管理。目前，对动态信任关系的建模工作已经引起了学者们的广泛兴趣，并开展了大量的工作，但究其研究方法一直未能突破已有的思维方式和固有的分析框架，所建立的信任关系模型仍然存在可扩展性差、自适应性不强、动态适应能力不高等一系列的问题。

2. 研究内容与创新
首先，针对目前动态信任关系模型中总体信任度(OTD)聚合机制风险大、执行效率低等一些不足，提出了一种新的基于历史证据窗口(HEW)的OTD聚合机制。该机制能够降低风险，提高系统的执行效率，而且可以解决直接证据不足时的信任评估问题。模拟实验表明，当HEW的取值大于6条证据时系统能够取得0.12左右的平均绝对偏差。
其次，引入诱导有序加权平均算子(IOWA, Induced Ordered Weighted Averaging Operator)的概念，建立了基于IOWA算子的直接信任预测模型，用来解决传统模型动态适应能力不足而导致的模型预测精度不高的问题。该模型引入一种全新的数据结构DTT(Direct Trust Tree)进行反馈信任的搜索与聚合，以降低网络带宽消耗，增强系统在大规模开放系统中的可扩展性。
再次，针对现有P2P信任关系模型中反馈信任聚合机制可扩展性不强的问题，提出了一种基于直接信任树DTT的反馈信任度(FTD)聚合计算模型。该模型使用一种全新的数据结构DTT进行反馈信任的搜索与聚合，以降低网络带宽消耗，增强系统在大规模开放系统中的可扩展性。
最后，提出了一种自适应动态信任决策因子权重分配方法，引入自信因子和反馈因子两个参数自动建立和动态调节直接信任与反馈信任的权重，克服了过去常用的确定权重的主观判断方法，从而使该方法具有更好的科学性和更高的实际应用价值。
3. 结论
试验结果表明，与已有模型相比，该模型的平均绝对偏差和平均绝对误差百分比都要比已有的信任预测模型低将近8%，说明该方法能显著提高信任模型的预测精度。同时，模拟实验结果也表明，在一个高度变化动态的网络环境下，模型仍然提供较稳定的服务能力，说明该模型具有良好的动态适应能力。
4. 本文主要贡献
(1) 提出了一种新的总体信任度聚合计算的架构，用来解决传统信任模型执行效率不高的问题。
(2) 提出将IOWA算子理论引入信任关系的预测之中，用来解决传统信任关系模型预测精度不高的问题。
(3) 提出了一种自适应的直接信任与反馈信任权重的分配方法，用来解决传统信任模型自适应性不强的问题。