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
5 |8 T0 _; X& h: T5 j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
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
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
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
) f, H" |8 K0 \- D% ~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
' I8 x: m1 h8 F" L& a$ N8 m+ j# u近年来，对等(Peer to Peer, P2P)网络技术在协
. q% h  v3 O: N; [: p1 ~作、共享和分布式计算等方面得到了广泛应用。但

+ q% y3 \) m( D( m& r1 ]+ W
1 Y5 v8 b5 c: M! d
$ W/ y6 N4 t! z- G9 [. k/ ~: [  T


  z9 O$ {: O3 \# c5 D% p5 `
6 J, @9 ?& M  V, m" U附加下载：

游客，如果您要查看本帖隐藏内容请回复

nolita

谢谢分享