基于信任模式的P2P超级节点选取机制研究

摘 要：本文提出了一种基于信任模式的P2P超级节点选取机制，通过计算节点的总体信任度作为评选超级节点的一项重要指标，并在计算节点信任度的过程中引入奖励惩罚因子和时间衰减因子，同时在选取超级节点时采用阈值过滤算法从普通节点中筛选备选超级节点集合，然后再从备选超级节点集合中选取最优的节点作为超级节点。通过在Matlab实验环境下仿真表明，该机制能够有效提高P2P超级节点选取的准确性。

关键词：对等网络 超级节点 信任模式 奖励惩罚因子

中图分类号：TP3 文献标识码：A 文章编号：1672-3791（2013）05（c）-0003-02

近年来，随着P2P应用的不断发展，传统的互联网计算模式正在逐步由C/S模式向P2P模式转变。在半分布式P2P网络中，通常采取性能较高的节点作为超级节点，在各个超级节点上存储了系统中其他普通节点的信息，搜索请求仅在超级节点之间转发，超级节点再将查询请求转发给适当的叶子节点。但是P2P网络的匿名性和自组织性等特性决定了它不能保证所有的超级节点都能提供诚实良好的服务和可靠资源，某些超级节点还可能提供恶意服务，从而导致普通节点要选择合适的超级节点是非常困难的[5]。

目前对超级节点的选取研究常常是依据节点的工作能力，而研究人员没有考虑到有些机器性能很好的恶意节点在不断获取超级节点的职能后，又立刻离开网络，这样导致网络不断地重复超级节点评选工作，而无法正常为用户提供服务，造成网络瘫痪。文献中提出了一种基于用户需求适应的P2P网络超级节点选取机制，在混合式P2P系统中对超级节点的选取引入对于用户需求的考虑，以满足不同用户的喜好。文献提出了一种基于分层象限空间的新型超级节点结构Quad，并在Quad上实现了两种非结构化超级节点查找算法：一是回溯扩展查找算法，该方法是将洪泛和随机游走方式进行折衷，兼顾网络流量和查询长度；二是利用BLOOM fileter技术对回溯扩展查找进行改进。

在本文当中，我们提出一种基于信任模式的P2P超级节点选取机制，模拟人类社会的交际模式，通过计算节点的总体信任度作为评选超级节点的一项重要指标，在计算节点信任度的过程中引入奖励惩罚因子和时间衰减因子，同时为了减轻在拥有大量节点的网络中进行超级节点的评选所带来的网络负载，我们采用阈值过滤算法对普通节点进行阈值过滤，筛选得到相应的备选超级节点集合，然后再从备选超级节点集合中选取最优的超级节点。

1 改进的信任模型ITM（Improved Trust Model）

在拥有大量匿名动态用户的P2P网络环境当中，如何在资源搜索过程中有效的避免某些恶意节点的恶意欺诈服务，从而保障P2P超级节点能够提供可靠的资源和服务，提高资源搜索效率，降低网络负载是目前急需解决的难题，因而建立有效的信任模型变的尤为重要。为了解决这些问题，很多的学者都提出了不同的意见，本文在前人的基础上提出了改进的信任评价模型ITM（Improved Trust Model），拟从以下几个方面考虑解决问题的方法。

（1）节点总体信任值为直接信任度和推荐信任度的加权平均值。

（2）为了限制恶意节点的不正确的反馈，在模型中引入激励惩罚机制，在直接信任度计算中加入惩罚因子和奖励因子，对节点的恶意行为通过惩罚因子降低节点的信任值进行遏制，对提供良好服务的节点通过奖励因子提高节点的信任度给予奖励。

（3）在直接信任度计算中引入时间衰减函数。

①直接信任。

直接信任指的是网络中两个实体之间如果曾经发生过直接的交易，那么他们之间就具有直接信任关系。而信任值取决于双方的交易情况而得出的直接经验。

假设节点Pm和节点Pj之间进行了Nmj次交易，则节点Pm对Pj的直接信任度Rmj定义为：

（1）

（2）

Smj为的是节点Pm与节点Pj在固定的时间∮（∮的设置根据系统的具体情况而设定）内达到满意的交易次数。

Fmj为的是节点Pm与节点Pj不满意的交易次数。

Nmj为的是节点Pm和节点Pj之间直接交互交易的次数[2]。

Ω为惩罚因子，Ω的取值范围为[1，20]，Ω取值为1时表示节点交易成功，惩罚因子无效。Ω取值为20时则表示，交互节点的一次失败交易将在直接信任度上的损失是通过成功交易获得信任值的20倍。通过引入激励惩罚因子可以有效的抑制恶意节点获得较高的信任度，实现有恶意行为的节点的较高的信任度迅速衰退。

C为奖励因子。它的取值范围为[0，1]，如果节点能够提供良好的网络服务，系统将根据实际情况对节点的信任值增加奖励，这样将会有效的提高善意节点进行交易的积极性。

为时间衰减因子，信任也是具有生命周期，因此信任和时间同样有着非常紧密的关系，其基本原理是节点在提供某次服务时与当前时间间隔越长，则因该次服务产生的评价所占的权重就越小，相反，如果节点提供某次服务时与当前时间间隔越近，则因该次服务产生的评价所占的权重就越大。满足。

可以按照公式（2）进行计算，其中，t1=Ti-T1，Ti表示节点进行第i次的交易时刻，而这里T1表示的是记录表上记录的“第1次时刻”。

（2）推荐信任。

推荐信任度通常也被称为间接信任度，是指两个节点之间的信任关系是通过第三者的间接推荐而形成的信任度，也叫反馈信任度、声誉等。在交易过程中节点Pm与节点Pj建立联系时，需要知道节点的Pj的信任度，由于节点Pm与节点Pj并没有建立直接信任，需要通过与节点Pj有直接信任关系的节点Pi（i=1，2，3……n）提供推荐信任。收到节点Pi（i=1，2，3……n）的推荐信任值Re（Pi，Pj），根据合成公式（3）计算得到的推荐信任值T（Pi，Pj）。

（3）

阈值的设定为用户自身设置，和BitTorrent等应用中设置项目中有类似项目设置。根据阈值过滤算法可以从普通节点中筛选得到相应的备选超级节点集合BSN。

（3）总体信任。

节点Pj的总体信任度是由该节点的直接信任度和推荐信任度的加权平均。总体信任度的计算公式如公式（4）所示：

（4）

节点Pj的信任度究竟是根据其它节点的推荐而决定，还是根据自己的历史交互而决定，需要通过一个参数来控制，是用来控制直接信任和推荐信任的权重因子，当节点Pi在对节点Pj进行信任度评价的时候，可以通过调节参数的值大小，在直接信任和推荐信任之间进行取舍。当时表示完全依赖于其他节点对Pj的推荐，当时，表示直接由节点Pi和节点Pj的直接信任所决定。用户可以根据实际情况进行设置的值。的大小是一个动态的值，当节点Pj近期与节点Pi的历史交易次数比较多的时候，就可以通过增加的大小，当节点Pj近期没有发生过什么交互时，那么信任度主要依靠其他节点的推荐信任来决定总体推荐信任值。

2 基于信任模式的超级节点选取机制

目前，在P2P网络当中节点的匿名性、自组织性等特性对P2P技术的成功应用有显著的作用，但同时因为这些特性也造成了一些恶意的节点在网络中提供不可靠或者欺骗的服务，不能保证所有的节点都能提供善意的服务，因而导致了搜索到的资源的非法性和不确定性。因此在选取超级节点的时候，如果能优先考虑到节点的信任度，尽量避免恶意节点的欺诈行为，再选择计算能力强，在线时间长、存储能力大、稳定性好、带宽大和邻居数多的节点作为超级节点，就能有效提高资源搜索的可靠性和安全性，改善节点的服务质量。

（1）阈值过滤筛选备选超级节点集合。

由于P2P网络在进行选取超级节点的过程，可能存在某个区域内的普通节点非常多，如果对区域内的每一个普通节点都进行比较，可能会大大降低P2P网络的性能，为了避免这种情况出现，本文在进行P2P网络超级节点选取之前，首先对参选超级节点的普通节点进行阈值过滤，定义普通节点ONj能力的参数集为{Cj，Vj，Sj，Uj，Bj，Nj}，分别代表节点的计算能力，存储能力，信任度，在线时间，带宽，邻居数目等。而系统中定义对超级节点SN能力需求的阈值为如下[4]：

{Cthreshold，Vthreshold，Sthreshold，Uthreshold，Bthreshold，Nthreshold}

（2）超级节点选取策略。

对于筛选出来的备选超级节点集合，还需要从中评选出综合评价最优的节点作为最终确定的超级节点，依据公式（5）对备选超级节点集合的综合能力进行计算，从中选择综合能力值最大的节点确定为超级节点：

（5）

其中：，

在公式（5）中，，表示节点的计算能力，表示节点的存储能力，表示节点的信任度值，表示节点的在线时间，表示节点的带宽，代表节点的邻居数目，其中分别代表节点计算能力、存储能力、信任度值、在线时间、带宽、邻居数目等6个因素所占的权重。为了避免恶意节点被误评为超级节点，我们在评价机制中一般设置的值给予更大的权重，在评选时优先考虑被评节点的信任度值，其它的参数根据实际情况由用户进行设置，节点的信任度值越高，计算能力越强，存储能力越大，在线时间越长，带宽越大，邻居数目越多，越能担当超级节点的任务，由它们所形成的超级节点组成的网络稳定性就越好[1]。

3 实验结果分析

在Matlab中随机生成200个备选超级节点集合，通过设置节点信任度的权重值&3，取值分别为0.6、0.7、0.8、0.9来验证超级节点选取策略的有效性，表示普通节点，其他有特殊标记的是&3取值不同时所选取的超级节点，如图1所示。

4 结论

本文提出的基于信任模型的P2P超级节点选取机制相比现有的P2P超级节点选取机制作了部分改进工作，更符合实际的网络动态性和变化规律，实验结果表明，该方法能够有效地提高超级节点选取的准确性，在以后的工作当中，准备在备选超级节点集合的综合能力的计算过程中各参数的最优化设置进行进一步的研究。

参考文献

[1] 丁学永.基于信任的超级节点选取与搜索策略[D].燕山大学，2009.

[2] 吴海珍，陈阮涛.基于超级节点的P2P信任模型[J].计算机工程，2009：95-100.

[3] Jagadish Chimire，Mehdi Mani.Self-connectivity Estimation for Super Node Overlay Creation in Ad-hoc Networks.2010 17th International Conference on Telectommunications，2010：722-727.

[4] Huo Ying，Chen Zhigang.USMI：An Ultra-node Selection Mechanism with Incentive in P2P Network.2010 International Conference on Multimedia Information Networking and Security，2010：131-135.

[5] 许通.P2P超级节点选举机制研究[D].北京：中国科学技术大学，2008.

[6] 冯劲潇.基于分层象限空间的P2P超级节点查找技术[J].计算机科学，2010.