基于信任网的统一量化方法的研究

毛莉娜，王晓军，唐林燕，王安德

（1.广东轻工职业技术学院，广东广州 510055；2.广东技术师范学院，广东广州 510055；3.广东长盈精密技术有限公司，广东东莞 523000）

基于信任网的统一量化方法的研究

毛莉娜1，王晓军2，唐林燕1，王安德3

（1.广东轻工职业技术学院，广东广州 510055；2.广东技术师范学院，广东广州 510055；3.广东长盈精密技术有限公司，广东东莞 523000）

根据目前各模型存在量化方法不统一的问题，提出基于扩展主观逻辑的统一量化方法.该方法独立于具体信任表示法和推导规则，通过定义不同的映射规则，对不同信任和声誉模型中的信任信息达成共识，并进行信息的融合.

信任信息；信任网；统一量化

0 引言

在Web服务环境中，当所有Web服务采用同一信任模型或量化方法时，信任信息能够很好地共享和集成.但更常见的是各个Web服务位于不同信任模型，且这些信任模型的计算规则和量化方法存在很大的差异.因此，如何将各种模型中的信任信息进行共享，并用于解决信任信息不足的困境是当前急需解决的一个问题.

图1 统一映射框架

1 统一映射框架

统一映射框架屏蔽了各种不同量化方法之间的差异，提供了统一信任和声誉量化方法.不同的信任和声誉模型可根据自己的需要选择相应的量化方法，并在模型内部进行信任关系的推导和计算.当用户在跨模型进行交互时，则将本地量化方法约束下的信任度或声誉值通过通用映射框架映射到信任观念上，从而达成共识.统一映射框架如图1所示.

在图1中，当服务A需要了解服务C的声誉时，可先将量化方法C约束下的服务C的声誉通过映射函数投射到统一量化区间上，然后进行比较.

统一映射框架由统一量化方法和映射函数2个主要部分组成.

1.1 统一量化方法

统一量化方法是信任信息进行比较和互操作的基础，它对算法相关的细节进行抽象，屏蔽了各种不同量化方法的差异性和多样性，且向上层应用提供了一个统一的信任和声誉表示方法.

统一量化方法定义：设扩展主观逻辑上的信任观念ω0={b0，d0，μ0}为不同量化方法约束下的实体的可信度或声誉的投影表示.Tg为区间［0，1］上的某一实数值，表示该实体在统一量化方法上的声誉值，即Tg=E（ω¯0）.

对于不同的信任和声誉模型来说，通过统一量化方法，可将本地的信任度和声誉值转化为信任观念的表示形式，从而可在统一量化方法上形成共识，并通过扩展主观逻辑中的各种运算进行综合.

1

.2映射函数

映射函数定义：f（x）:［0，1］为统一映射框架上的映射函数，其目的是将变量x映射到区间［0，1］上的某一个实数值，最终再转化为ω0= {b0，d0，μ0}中的某一个分量.

信任观念提供了统一的表示方法，但如何将现有的各种不同量化方法中的信任度或声誉值转化为信任观念，则需要通过映射函数来完成.映射函数的定义不存在统一的标准，而是有一定的主观性.对不同的用户来说，同一量化方法与统一量化方法之间的映射关系不一定相同.

2 实例

下面以当前主要的信任和声誉模型为例，说明这些模型中的信任度或声誉值是如何映射到统一映射框架中，并转化为信任观念的表示形式.

2.1 eBay在线声誉系统

eBay利用过去1个月、6个月、12个月的正反馈（+1）、负反馈（－1）、中性反馈（0）的总数反映用户的声誉.

设实体A在过去某个时间段T［t-ε，t］内的正反馈、负反馈和中性反馈的数量分别为Nr、Ns和Nu，则在该时间段内的事件总数N=Nr+ Ns+Nu.为将A在eBay中的声誉映射到统一量化区间［0，1］上，映射函数f（x）的定义为

则与ω0={b0，d0，μ0}的映射关系为：

b0=f（Nr），d0=f（Ns），u0=f（Nu）（2）

2.2 Abdul-Rahman-Hailes模型

Abdul-Rahman-Hailes是基于信任的社会属性，把实体间的相互信任看作是上下文相关、主观和基于以前交互经验的.群体中实体通过相互交换声誉信息来帮助信任决策.该模型中的信任度、评估值和不确定值的表示形式及其含义如表1所示.

表1 摇Abddul-rahman中的各种量化方法

Abdul-Rahman采用定性的量化方法，需将Abdul-Rahman模型中的离散值映射到区间［0，1］上的某一个实数.以信任度为例，将区间［0，1］平均分为3个相同尺度的区间，而每个区间的边界值{0，1/3，2/3，1}分别表示表1中的4个信任值，用映射函数pos（i）来表示，i= 0，1，2，3，则每一个离散信任值间的映射函数f（x）可定义为：

则Tg与td之间的映射关系可用式(4)计算：

则td与信任观念ω0={b0，d0，u0}的映射关系为

类似地，对于评估值tr等也可采用上述映射方法进行定义.不确定值tu与统一映射框架的映射函数f（x）可定义为

则tu与信任观念ω0={b0，d0，u0}的映射关系为

2.3 ReGret声誉系统

此系统中，声誉计算的信任信息源包括直接经验、见证者声誉和社会网络分析，并同时考虑了声誉的个性维、社会维和本体维.其中，直接经验采用连续区间［-1，1］来表示；声誉值tr则根据经验的加权平均值来计算，结果为区间［-1，1］上的值；评估值te为区间［-1，1］上的任一连续值，其中-1表示绝对否定，1表示绝对肯定，0表示中性，则tr与统一量化区间上的tg映射规则为

2.4 原UniTEC算法

在原UniTEC算法中，新信任值的计算是由旧信任值与新评估值的加权所得，信任值td为区间［0，1］上的任一实数值，其中0表示没有任何经验或全部都是否定经验，1表示最大程度上的信任.评估值则采用二值逻辑{0，1}（好或坏）来表示.

由于UniTEC中信任值区间与统一映射框架上的量化区间相同，而且也是基于二项事件，则可直接将UniTEC表示为统一映射框架上的信任值，而无需再经过转换，即

b0=td；d0=1-td；u0=0（9）

2.5 Yu和Singh模型及Grid＆P2P信任模型

Yu和Singh模型采用证据理论作为信任（声誉）推导的理论基础.评估值采用集合{0,0.1,0.2,…,1.0}中的某个实数值表示，并分别定义了上下限wi和Ωi用于计算信任度m（TA），不信任度为m（-TA）和不确定度（{TA，-TA}）.

由于Yu和Singh模型与扩展主观逻辑都是基于证据理论，则可建立直接的对应关系，即：

b（x）=x（TA）；d（x）=m（-TA）；u（x）=m（{TA，-TA}）（10）

类似地，提出Grid＆P2P信任模型也是基于证据理论.则其与统一量化方法的映射关系与上述所述相似.

2.6 合理性分析

统一量化方法利用映射函数将各种定性或定量的量化方法映射到区间［0，1］上，利用扩展主观逻辑中的信任观念来表示，从而使各种不同的量化方法约束下的信任信息的比较和集合成为可能.

3 实验

本实验以统一量化方法为中介，对部分量化方法进行了分析和比较，从另一个角度说明了以统一量化方法为中介进行信任信息的融合和集成的可行性，验证了本文提出的统一量化方法在信任评估和声誉的量化中的作用.

3.1 实验用例描述

条件1（最大值评估）：从初始值开始，每次评估的结果均为最大值.

条件2（最小值评估）：从量化方法的初始值开始，每次评估的结果均为最小值.如初始值为0，则实体的信誉或声誉值一直为0；否则，信任或声誉值逐渐降低并最终无限接近最小值.

条件3（最小最大值评估）：先给出10次最小评估值，接着再给出10次最大评估值.

条件4（最大最小值评估）：先给出10次最大评估值，接着再给出10次最小评估值.

条件5（特定评估值）：评估值为：

1.0，0.8，0.5，0.4，0.5，

1.0，0.6，0.7，0.8，1.0，0.4，0.3，0.2，0.2，0.5，1.0，0.3，0.4，0.3.

在eBay声誉系统中，假设初始声誉值为0.5；在UniTEC中，假定时间衰减因子为aging= 0.3；在Yu和Singh模型中，上下限wi和Ωi分别为0.6和0.4，并只考虑本地信任；在ReGret模型中，当评估次数超过10次时，设开始时的评估值的权重为0，而对最近的一次评估值的权重为1，其他评估值的权重随着评估时间而在区间［0.1］上线性增长.

假设扩展主观逻辑中不确定度分量调节因子L=2，否定事件惩罚因子K=1.2.

3.2 实验结果及分析

由条件1、2、3、4得出实验结果1如图2所示.其中ESL（Extended Subjective Logic）表示扩展主观逻辑，ESL Aging=0.3表示时间衰减因子λ（1－Aging）为0.7的扩展主观逻辑.

根据不同的评估顺序，由条件5可得到的实验结果2如图3所示.

图2 实验结果1

图3 实验结果2

实验结果1和2表明，通过统一量化方法，各种不同的信任评估和声誉的量化方法能够在同一语义进行比较，从而为信任信息的共享和集成提供了基础.

4 结论

本文针对目前各种信任和声誉模型中量化方法的多样性和异构性的问题，提出基于扩展主观逻辑的统一量化方法，用于解决各种不同的量化方法之间的互操作性问题，并结合实例说明如何定义不同的映射函数将各种量化方法约束下的信任信息转化为信任观念的表示形式，从而满足量化方法的多样性和统一性的要求，为全局的信任信息共享和集成提供基础.

［1］刘树栋,孟祥武.基于位置的社会化网络推荐系统［J］,计算机学报,2015,38(2):322-336.

［2］蒋伟进.动态信任多Agent量化建模与方法研究［M］.科学出版社,2014.

［3］邱皓政.量化研究与统计分析——SPSS(PASW)数据分析范例解析［M］.重庆大学出版社,2013.

［4］刘利钊,魏鹏,王颖,等.对基于可信计算的网络行为信任模型的量化评估方法研究［J］.武汉大学学报:信息科学版,2010,35(5):587-590.

［5］李小勇,桂小林.可信网络中基于多维决策属性的信任量化模型［J］.计算机学报,2009,32(3):405-416.

［6］李季,朱小勇.基于模糊理论的Web服务信任评估模型［J］.计算机工程,2010,Vol,36(15):25-28.

［7］Marmol F G,Girgo J,Perez G M.TRIMS:a privacyaware trust and reputation model for identity management systems［J］.Computer Networks,2010(16):2899-2912.

［责任编辑：刘昱］

Based on the Research of the Unity of the Trust Network Quantitative Method

MAO Lina1，WANG Xiaojun2，TANG Linyan1，WANG Ande

(1.Guangdong Industy Technical College,Guangzhou 510055;
2.Guangdong Polytechnic Normal University,Guangzhou 510665;
3.Guangdong ChangYing Precision Technology Co.Ltd.,Dongguang 523000)

In this paper,according to the disunion of quantitative method,unified quantization method based on extended subjective logic is proposed.The method is independent of the specific trust representation and inference rule.By defining different mapping rules,different trust and reputation model of trust information reaches consensus.

Trust information;Trusted network;Unified quantify

TP 393

A

1672-402X（2016）11-0020-05

2016-06-20

国家自然科学基金资助项目（61571141）；广东省科技厅应用型科技项目(2016B090927009)；广东省教育厅科技创新项目(2013KJCX0119)；广东省科技厅2014年度公益研究与能力建设项目（2014A010104013）；江西省科技计划项目（20141311100020）.

毛莉娜（1988-），女，湖南邵阳人，硕士，广东轻工职业技术学院讲师，工程师.研究方向：自动化控制，软件工程等.