多重因素综合的P2P网络信任评估模型研究

张祖昶 王 诚

（南京邮电大学 通信与信息工程学院，江苏 南京 210003）

P2P（peer-to-peer）网络是一种开放、自由地进行文件交换和资源共享的网络，广泛用于文件共享、分布式计算、协同工作、即时通信、电子商务等领域[1-9]。P2P网络有很多优点，但是也存在着很多问题。由于

P2P网络的节点具有对等、异构和独立的特性，可以随意进出网络，而网络中缺乏强制措施，因此，P2P网络存在很多安全隐患，使得节点之间很难建立起信任关系[5,8,9]。这严重制约了P2P网络的发展。因此，如何在P2P网络节点间建立有效的信任机制，已经成为当前研究的重点。

1 相关工作

目前,P2P网络的信任模型主要分为两类：集中式管理模型和对等信任模型[5,8,9]。集中式管理模型主要是借鉴传统网络管理的模式，将传统有效的方法应用到P2P网络中去；对等信任模型主要是在不改变P2P网络特性的前提下，完全依靠P2P网络节点自身来进行信任评估。对于集中式管理模型而言，其建立的条件是要对P2P网络进行一些改变，而这些改变很大程度上是倾向于回归传统网络。因此，在集中式管理模型下，P2P网络可以建立起一定程度上的安全机制，但其代价是丧失P2P网络的特性。对于对等信任模型而言，其难点是如何建立起网络节点之间的信任关系，其优点是保持了P2P网络的特性。因此，对等信任模型一直是P2P网络研究的主要方向。本文所研究的P2P网络信任评估模型，就是属于对等信任模型。

在P2P网络中，由于要保持网络的特性，因此，P2P网络必然要存在很多不定因素和巨大安全风险。为了消除这些问题，当前已经有很多学者和机构正进行相关的研究[1-15]。本文希望建立起一种有效的P2P网络安全模型，有助于P2P网络的更进一步地完善和发展。

2 信任评估模型

对于P2P网络，节点之间的访问行为可抽象为类似于人类社会的交易行为。因此，本文将人类社会的交易评估模型引入到P2P网络中，使之成为解决P2P网络安全问题的一种手段。

2.1 模型相关定义

在交易评估机制中，对个体的信任评估一般由直接信任评估和间接（或推荐）信任评估组成，简称信任度，它是根据个体交易的历史信息，由多重因素综合而成。这些因素包括交易历史、交易成本、交易次数、交易频率、交易风险和诚信度等。这些因素在评估机制中均有作用和影响，但由于各个因素自身的特点，其作用和影响大小不一。本文由此提出了一种多重因素综合的P2P网络信任评估模型，并在此给出信任评估模型的相关定义。

定义1：令 Ω=｛r1，r2，...，rn｝是含节点数为 n 的 P2P 网络节点集合，N （ri，rj）为集合Ω中任意两个不同节点ri和rj之间交易的次数，x∈［0，N（ri，rj）］。

定义2：在集合 Ω 中， 对于∀ri∈Ω，∀rj∈Ω，且 ri≠rj，令 B（ri，rj）是节点 ri对 rj的信任等级，C（ri，rj）是节点 ri对 rj的交易成本，R（ri，rj）是节点ri对rj的风险等级。

定义3：对于∀ri∈Ω，∀rj∈Ω，且 ri≠rj，令 T（ri，rj）D为节点 ri对节点 rj的第 N（ri，rj）+1 次直接信任估值，则有

定义4：对于∀ri∈Ω，∀rj∈Ω，且 ri≠rj，令 T（ri，rj）R为节点 ri对节点 rj的第 N（ri，rj）+1 次推荐信任估值，则有

定义5：对于∀ri∈Ω，∀rj∈Ω，且 ri≠rj，令 T（ri，rj）为节点 ri对节点rj的第 N（ri，rj）+1 次信任估值，则有

其中 λ+μ=1，且 λ>0，μ>0

节点的信任评估值 T（ri，rj）由直接信任评估 T（ri，rj）D和间接信任评估 T（ri，rj）R组成。对于直接信任评估 T（ri，rj）D而言，任何一种交易行为，信任等级 B（ri，rj）、交易成本 C（ri，rj）和风险等级 R（ri，rj）这三个因素都是至关重要的，在信任评估中起到关键性作用。因此，本文模型在总结交易节点之间的历史交易信息基础上，以交易节点之间的信任等级 B（ri，rj）为主导因素，加入交易成本 C（ri，rj）和风险等级 R（ri，rj）这两个主要影响交易评估的重要因素，构成了直接信任评估T（ri，rj）D的评估信息来源。 在模型中，信任等级 B（ri，rj）为正向因素，交易成本 C（ri，rj）和风险等级R（ri，rj）为反向因素，符合人类社会的交易评估习惯。对于间接信任评估T（ri，rj）R而言，本文模型在综合其他节点提供的推荐值时，加入了节点自主的评判元素——信任等级B（ri，rj），其目的是对这些推荐节点进行一次甄别，达到越是值得信赖的节点，其给出的推荐值越值得信赖的效果。如此让诚信的节点充分发挥了诚信的作用，避免了推荐节点良莠不齐的情况出现，激发各个节点恪守诚信的动力，从而使得整个网络形成一套良好的交易机制。

2.2 滤除伪节点

类似于人类社会，在P2P网络中，恶意节点也会针对P2P网络的特性和安全漏洞，故意制造出大量的伪节点。通过这些伪节点来为其提供良好的推荐信任，隐藏自身的污点，达到欺诈的目的。本文通过将节点交易评估过程和评估值保存下来，采用相关相似性来计算节点之间的相关程度，以此来滤除P2P网络中的伪节点。本文采用的具体计算相关相似性的方法是PCC（Pearson Correlation Coefficient），相关定义如下：

定义6：令矩阵E为P2P网络节点间历史推荐评估转换而来的n×n信任矩阵，n是节点总数，Eij为信任矩阵E中任意一个元素，满足功率ρ，横坐标代表访问次数G。

定义7：对于∀ri∈Ω，∀rj∈Ω，设 M=｛r1，r2，...，rp｝为节点 ri与节点rj共同访问过的节点集合，且对于节点集合M有p

sim（i，j）取值范围在[0，1]之间。 sim（i，j）的值越大，表示节点 ri与节点rj之间的相关性越大，反之亦然。因此，本文根据这一性质，通过对节点的历史交易行为进行相关性计算，将sim（i，j）取较大值的节点滤除，从而保证了节点间信任评估值的准确性。

3 实验数据及分析

定义8：网络节点之间判断出所有恶意攻击的次数X与网络节点之间所有访问次数G的比率称为防御成功率ρ，即ρ＝X/G。

为了验证本文的信任评估模型的正确性和有效性，本文进行了实验仿真。仿真环境是采用20台随机安装不同操作系统的PC机，互联组成P2P网。在这20台PC机中，指定其中的10台PC机作为恶意节点或伪节点，随意的去攻击或欺骗其他节点。仿真程序采用C语言编写，通过网络访问模拟节点访问过程。在实验初始化时，每个节点的信任评估值T（ri，rj）均为0.5。在实验过程中，节点间访问的次数、性质、结果及直接评估和推荐评估都将被记录，当节点的信任评估值T（ri，rj）小于0.2时将被禁止访问。

在实验中，节点之间的信任评估值 T（ri，rj）取值范围为［0，1］，按照公式（3）来计算，通过对公式（3）中的权值λ和μ取不同值来进行多次仿真实验。为了便于实验，本文对信任等级B（ri，rj）和风险等级R（ri，rj）进行了简化，这两个因素均划分为十个等级。对于信任等级B（ri，rj）而言，其取值越高代表信任等级越高。 对于风险等级 R（ri，rj）而言，其取值越高代表风险等级越高。

在网络访问次数G取不同值时，本文通过比较防御成功率ρ来验证信任评估模型在网络中是否有效。为了使信任评估模型的有效性能得到更充分的验证，本文在访问次数G取多次不同值时，做了相同的数据抽取，实验仿真的具体结果如表1所示：

表1 实验仿真结果

从表1可以得出如下结论：对于不同网络访问次数G，不论权值λ和μ的取值如何变化，信任评估模型的防御成功率ρ的取值整体上相差不大，而且在权值λ和μ的比值相近时，信任评估模型的防御成功率ρ的取值处于一处峰谷状态，其取值相对高于权值λ和μ的其他取值情况；随着网络访问次数G的增大，网络的防御成功率ρ总的趋势是提高的。这表明在信任评估模型中，本文所考虑的影响因素对整个模型来说，是有助于提高网络防御成功率的，这些影响因素是发挥正向作用的。图1是实验仿真结果曲线图，其中纵坐标代表防御成

图1 实验仿真结果

在实验中，节点之间的信任评估值 T（ri，rj）是按照公式（3）来计算，而公式（3）中的节点信任评估值 T（ri，rj）由直接信任评估 T（ri，rj）D和间接信任评估 T（ri，rj）R组成。对于直接信任评估 T（ri，rj）D而言，本文模型在总结交易节点之间的历史交易信息基础上，以交易节点之间的信任等级 B（ri，rj）为主导因素，加入交易成本 C（ri，rj）和风险等级 R（ri，rj）这两个主要影响交易评估的重要因素，构成了直接信任评估T（ri，rj）D的评估信息来源。 对于间接信任评估 T（ri，rj）R而言，本文模型在综合其他节点提供的推荐值时，加入了节点自主的评判元素——信任等级B（ri，rj），使得在对这些推荐节点进行一次甄别，达到越是值得信赖的节点，其给出的推荐值越值得信赖的效果。从具体的实验仿真结果来看，本文所构建的信任评估模型的期望基本上得以实现，实验仿真结果与预想的设想基本一致。在本文的信任评估模型中，信任等级B（ri，rj）为正向因素，交易成本 C（ri，rj）和风险等级 R（ri，rj）为反向因素，这些设计通过实验仿真结果证明信任评估模型已经实现。

综上所述，在P2P网络中，建立网络的信任评估模型能有效地提高网络的防御能力。通过信任评估模型，网络中的节点可以对来访者进行甄别和判断，通过一定的算法来判断来访节点的信誉情况，可以有效地拒绝恶意节点的入侵，保证网络中正常的信息交互的进行。

4 实验结论

本文模型在总结交易节点之间的历史交易信息基础上，以交易节点之间的信任等级 B（ri，rj）为主导因素，加入交易成本 C（ri，rj）和风险等级R（ri，rj）这两个主要影响交易评估的重要因素，构成了直接信任评估 T（ri，rj）D的评估信息来源。 信任等级 B（ri，rj）为正向因素，交易成本 C（ri，rj）和风险等级 R（ri，rj）为反向因素，符合人类社会的交易评估习惯。

本文的信任评估模型的思想是越熟悉的、越值得信赖的节点，其推荐的节点就越值得信任，这与人类社会中的交往行为类似。实验仿真结果表明，本文的信任评估模型适用于P2P网络，在防止网络节点恶意攻击方面是有效的，特别是为了防止出现大量伪节点，模型通过计算节点之间的相关性来滤除这些伪节点。

［1］Asnar Y， Zannone N.Perceived risk assessment[C]//Proceedings of the 4th ACM workshop on Quality of protection(QoP’08).ACM,2008:59-63.

［2］Singh A,Lilja D.Improving risk assessment methodology:a statistical design of experiments approach [C]//Proceedings of the 2nd International Conference on Security of Information and Networks(SIN’09).ACM,2009:21-29.

［3］COSTA C，SOARES V，ALMEIDA J，et al.Fighting pollution dissemination in peer-to-peer networks[C]//Proc of ACM Symposium on Applied Computing.Seoul:ACM Press，2007:1586-1590.

［4］Wang Xiao-feng.On the policy description and quantification model for trust management[D].National University of Defense Technology,2009.

［5］XIONG Li,LIU Ling.Peer trust:supporting reputation-based trust for peer-topeer electronic communities[J].IEEE Trans on Knowledge and Data Engineering,2004,16(7):843-857.

［6］Lua E K.Crowcroft J.et al.A Survey and Comparison of Peer-to-Peer Overlay Network Schemes.IEEE Communications Survey and Tutorial，March 2004：1－22.

［7］BETH T，BORCHERDING M，KLEIN B.Valuation of trust in open network[C]//Proc of European Symposium on Research in Security.1994.

［8］WANG Y，VASSILEVA J.Bayesian network trust model in peer-to-peer networks[C]//Proc of the 2nd Int’l Workshop on Agents and Peer-to-Peer Computing.Berlin:Springer-Verlag，2004:23-34.

［9］常俊胜，王怀民，尹刚.一种P2P系统中基于时间帧的动态信任模型[J].计算机学报，2006，8(29):1301-1307.

［10］HUANG C L，HU H P，WANG Z Y.Modeling time-related trust[C]//Proc of the 3rd International Conference on Grid and Cooperative Computing.Wuhan:[s.n.],2004:382-389.

［11］Wang Y,Lin F.Trust and Risk Evaluation of Trans actions with Different Amounts in Peer-to-Peer E-commerce Environments[C]//Proceedings of IEEE International Conference on e Business Engineering(ICEBE’06).IEEE,2006:102-109.

［12］王勇,云晓春,李奕飞.对等网络拓扑测量与特征分析实例[J].软件学报,2008,19(4):981-992.

［13］韩正平，蔡凤娟，等.网络安全信息关联分析技术研究与应用[J].计算机应用研究，2006，23(10):93-100.

［14］李景涛,荆一楠.基于相似度加权推荐的P2P环境下的信任模型[J].软件学报,2007,18(1):157-167.

［15］孟宪福,张磊,王旭.P2P电子商务信任模型研究[J].计算机应用研究,2009,26(8):3067-3069.