一种集成直觉模糊信息的激励自适应信任模型

kajchild

摘 要：针对现有信任机制不能很好表达信任的不确定性，且缺乏有效处理分布式网络中存在的不诚实推荐和策略
) x4 R6 O. Y; X5 \性欺骗等问题，该文提出一种集成直觉模糊信息的自适应信任评估模型。为了激励提供可信服务的实体，惩罚不良
0 |0 I* t4 j( N行为实体，该模型结合服务持续性强度和时间衰减因子，计算实体直接信任直觉模糊数。同时利用实体的推荐可信
; e( [4 L% ?7 r+ C# E$ {度和行为一致性过滤不诚实推荐行为。除此之外，为了克服综合信任聚合计算中权重确定较主观的问题，给出了一
8 T& T) ^- m$ ^4 e& a$ h种新的自适应权重分配方法。仿真实验表明，该模型在提高实体服务积极性和抑制恶意欺诈行为中，都有较好的适
应性和有效性。
关键词：直觉模糊信息；信任模型；分布式网络；推荐可信度
1 引言
  f# i  E( s+ z9 G; t; @近年来，对等(Peer to Peer, P2P)网络技术在协
0 e& C# W  T* N- N0 y作、共享和分布式计算等方面得到了广泛应用。但
, e$ n# R7 C! g; D! D

; H7 L  ^- F! p+ V# n- b+ u9 _
% L0 }6 B. B* f" j
& M- V' y+ i. F: M0 J- E4 V2 h

& p' }. s. N  k* Q* h! {4 b" D. b% v
$ c+ y3 @% @2 p8 s  V4 L附加下载：

游客，如果您要查看本帖隐藏内容请回复

! N  I4 T8 R; E6 O) h
& E4 Z. W/ J8 @  h

nolita

谢谢分享