第３８卷 第５期 Ｖｌ０１－３８ ・计算机工程 ２０１２年３月 Ｍａｒｃｈ ２０１２ Ｎｏ．５ Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ 安全技术・ ￣ｌｔｍｑ，１ｏ０ｏ－－３４２８（２０ｌ２）ｏ５—ｏ１４２—ｏ３ 文献标识码：Ａ 中圈分类号：Ｎ９４５ 基于直觉模糊集和最优推荐的信任评价模型 昌燕，张仕斌 （成都信息工程学院网络工程系，成都６１０２２５） 摘要：提出一种基于直觉模糊集和最优推荐的信任评价模型。用直觉模糊集描述固有信任属性，对固有信任直觉模糊集构成的集合进行 模糊聚类，构造信任向量库存储各节点的信任向量，设计推荐信任的计算公式，并应用离散空问的最优搜索理论提高评价效率。实验结果 表明，当网络节点数较大时，该模型能计算推荐信任度，且具有较高的评价效率。 关健词：直觉模糊集；信任评价模型；分布概率；信任向量 ｎｕｓｔ Ｅｖａｌｕａｔｉｏｎ Ｍｏｄｅｌ Ｂａｓｅｄ ０ｎ Ｉｎｔｕｉｔｉｏｎｉｓｔｉｃ Ｆｕｚｚｙ Ｓｅｔｓ ａｎｄ ０ｐｔｉｍａｌ Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ＣＨＡＮＧ Ｙａｎ．ＺＨＡＮＧ Ｓｈｉ－ｂｉｎ （Ｎｅｔｗｏｒｋ Ｅｎｇｉｎｅｅｒｉｎｇ Ｄｅｐａｒｔｍｅｎｔ，Ｃｈｅｎｇｄｕ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ，Ｃｈｅｎｇｄｕ ６１０２２５，Ｃｈｉｎａ） ［Ａｂｓｔｒａｃｔ！Ｔｈｉｓ ｐａｐｅｒ ｐｒｏｐｏｓｅｓ ａ ｔｒｕｓｔ ｅｖａｌｕａｔｉｏｎ ｍｏｄｅｌ ｂａｓｅｄ ｏｎ ｉｎｔｕｉｔｉｏｎｉｓｔｉｃ ｆｕｚｚｙ ｓｅｔｓ ａｎｄ ｏｐｔｉｍａｌ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ．Ａｔｔｒｉｂｕｔｅｓ ｏｆ ｉｎｈｅｒｅｎｔ ｔｒｕｓｔ ａｒｅ ｄｅｓｃｒｉｂｅｄ ｉｎ ｔｅｒｍｓ ｏｆ ｉｎｔｕｉｔｉｏｎｉｓｔｉｃ ｆｕｚｚｙ ｓｅｔｓ．Ｆｕｚｚｙ ｃｌｕｓｔｅｒ ａｎａｌｙｓｉｓ ｉｓ ａｐｐｌｉｅｄ ｏｎ ａ ｓｅｔ ｏｆ ｉｎｔｕｉｔｉｏｎｉｓｔｉｃ ｆｕｚｚｙ ｓｅｔｓ ｏｆ ｉｎｈｅｒｅｎｔ ｔｒｕｓｔ ｆｏｒ ｇｅｎｅｒａｔｉｏｎ ｔｒｕｓｔ ｖｅｃｔｏｒ ｄａｔａｂａｓｅ ａｎｄ ｓｔｏｒａｇｅ ｔｕｓｔｒ ｖｅｃｔｏｒｓ．Ｃａｌｃｕｌａｔｉｎｇ ｆｏｒｍｕｌａ ｏｆ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｔｒｕｓｔ ｉｓ ｇｉｖｅｎ．Ｏｐｔｉｍａｌ ｓｅ￣ｃｈ ｔｈｅｏｒｙ ｉｎ ｄｉｓｃｒｅｔｅ ｓｐａｃｅ ｉｓ ａｐｐｌｉｅｄ ｆｏｒ ｉｍｐｒｏｖｉｎｇ ｔｈｅ ｅｆｆｉｃｉｅｎｃｙ ｏｆ ｃａｌｃｕｌａｔｉｎｇ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｔｒｕｓｔ ｄｅｇｒｅｅ．Ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｗｈｅｎ ｔｈｅ ｎｅｔｗｏｒｋ ｎｏｄｅ ｎｕｍｂｅｒ ｉｓ ｌａｒｇｅ，ｔｈｉｓ ｍｏｄｅｌ ｃａｎ ｇｅｔ ｔｈｅ ｒｅｃｏｍｍｅｎｄ ｔｒｕｓｔ ｃａｌｃｕｌａｔｉｏｎ，ａｎｄ ｈａｖｅ ｈｉｇｈ ｅｆｆｉｃｉｅｎｃｙ ｅｖａｌｕａｔｉｏｎ． ｜Ｋｅｙ ｗｏｒｄｓｌ ｉｎｔｕｉｔｉｏｎｉｓｔｉｃ ｆｕｚｚｙ ｓｅｔｓ；ｔｒｕｓｔ ｅｖａｌｕａｔｉｏｎ ｍｏｄｅｌ；ｄｉｓｔｒｉｂｕｔｉｏｎ ｐｒｏｂａｂｉｌｉｔｙ；ｔｒｕｓｔ ｖｅｃｔｏｒ Ｄ０Ｉ：１０．３９６９０．ｉｓｓｎ．１０００—３４２８．２０１２．０５．０４３ １概述 ． 性体现为主体的能力，在特定领域被认可的程度体现为主体 的声誉。 信任管理作为网络安全技术的重要前提与基础，正日益 成为网络安全研究的焦点。文献【１］提出一种能力属性增强的 信任属性定义如下：（１）能力。其是主体的固有属性或内 在属性，表示主体完成客体需求可能性的评价性术语。（２）声 誉。表示主体在特定领域或团体内被认可的程度。综上所述， 信任评估模型，利用量化能力属性提升信任评估的准确性， 但在评价信任时，主要利用积累的历史交易信息，而没有考 虑信任的主观性和不确定性。在文献【２】中，针对Ｐ２Ｐ应用环 境，重新定义事实空间与观念空间之间的映射关系和映射函 数。在信任的计算中，引入风险机制，防止协同作弊和诋毁 的安全隐患。文献【３】提出模糊自主信任模型，考虑主观信任 固有信任属性集合定义为Ａ＝｛Ｃａｐｂｉｌｉｔｙ，Ｒｅｐｕｔａｔｉｏｎ｝。 信任度定义如下： （１）能力信任贡献度。由专门的公正组织依据主体以往的 表现给出评价，由经验可知，由于很难精确地给出某主体的 模糊性和主体之间信任关系的动态性，给出直接信任评估计 算公式和推荐信任评估计算公式。然而，以上研究均没有考 虑到当网络节点数量较大时，计算推荐信任的可行性及时间 问题。以上述内容为基础，本文提出基于直觉模糊集和最优 推荐的信任评价模型。 能力信任贡献度，因此用直觉模糊数＜ ， （ ）， （ ）＞表示一 个主体的能力信任贡献度；Ｘ表示主体； （ ）表示主体对能 力属性Ｃ的隶属度；ｙｃ（Ｘ）表示非隶属度； ２／ｃ（ｘ）一ｙｃ（ｘ）表示犹豫度。 Ｉ１Ｇｒ ．ｆ ２／ｃ ） （ ）＝１一 ２主体信任 文献【４】给出直觉模糊集的定义。设Ｘ＝｛Ｘｉ， ，…， ）是非 空有限集，称Ａ＝｛＜‘ （ ）， （ ）＞ｌ ∈Ｘ｝为Ｘ上的一个直 觉模糊集。其中，／２ ： ＿÷［Ｏ，１］和７＂Ａ： ＿÷［０，１］分别代表元素 属于Ａ的隶属度和非隶属度，且对于Ａ上的所有 ∈Ｘ， ）＝ （２） ０≤／２ （ ）＋ＹＡ（ ）≤１成立。对于有限集Ｘ中的每一个直觉模 糊子集，称石 （ ）＝１一／２ （ ）一Ｙｍ（ ）为 隶属于Ａ的犹豫度， 也称为直觉模糊指数。显然，０≤７／＂ａ（ ）≤１。 其中，ＩＩＧ（ｘ，ｔ）ｌＩ表示在一段时间ｔ内主体 提供较好质量服务 的次数；ＩＩＢ（ｘ，ｔ）ｌＩ表示提供较差质量服务的次数；１Ｉｓ（ｘ，ｔ）ｌｌ表 示提供服务的总次数；且ＩＩｓ（ｘ，ｔ）ｌｌ≥ＩＩＧ（ｘ，ｏＩｌ＋ｌｌｎ＜ｘ，ｔ）ｌ。 基金项目：四川省科技支撑计划基金资助项目（２００８ＧＧ０００７）；成都 信息工程学院校选科研基金资助项目（ＣＲＦ２０１０２０） ２．１固有信任 固有信任是指主体自身的固有属性及在特定领域被认可 的程度所共同反映出的主体的可信程度。主体自身的固有属 作者倚介：昌燕（１９７９－－），女，讲师、硕士，主研方向：网络与信 息安全，模式识别；张仕斌，教授、博士 收稿日期：２０１１－０７－２２ Ｅ－ｍａｉｌ：ｃｙｔｔｋｌ＠ｓｏｈｕ．ｃｏｒｎ 第３８卷第５期 吕燕，张仕斌：基于直觉模糊集和最优推荐的信任评价模型 １４３ （２）声誉属性信任贡献度。其是指服务消费者对提供服务 的评价。用直觉模糊数＜ ， （ ）， （ ）＞表示一个主体的声誉 属性信任贡献度； 表示主体； （ｘ）表示主体对声誉属性Ｒ 的隶属度；ｙＲ（ｘ）表示非隶属度。 ∑ｆ（ｕ， ，ｖ）ｘｅ一 ‘ ）＝ 广 ） ∑ｇ（ｕ，Ｓ，ｖ）ｘｅ一 ‘ ’ ＝ ） 其中，ｕ（ ）表示在一段时间ｔ内使用并评价了服务 的用户 集合；Ｉｌｕ（ｘ）ｌＩ表示集合ｕ（ ）中元素的个数；ｆ（ｕ， ，ｆ）表示用 户ｔｌ在时间ｆ对 表示支持的评价信息；ｇ（ｕ， ，ｆ）表示用户Ｕ 在时间ｆ对 表示反对的评价信息；ｅ 。表示时间衰减函 数；５是衰减因子；ＣＴ是当前时间。 将一个主体的固有信任定义为一个直觉模糊集： Ｈ（ ）＝｛＜ ，Ｉｔｃ（ ）， （ ）＞，＜ ， （ ），ｙＲ（ｘ）＞） 从而可以更加合理、更加细腻地描述和刻画信任域主观 信任的模糊性。主体 的固有信任度，Ｊ（ ）可以由下式求得： Ｄ（ ）＝（Ｉ毗（ ）（１一 （ ））＋ “月（ ）（１一 （ ））） （５） 其中， 为能力信任贡献权重； 为声誉属性信任贡献权重。 ２．２推荐信任 定义１（最优推荐路径）节点Ａ和节点Ｂ为任意不相邻节 点，节点Ａ到节点Ｂ由可信推荐者构成的路径称为最优推荐 路径。固有信任度越高的节点可以提供越可信的推荐信息， 可作为可信推荐者。 定义２（推荐信任度）如果在一段时间ｔ之内，假设Ｌ＝ ，Ｘｉ，．，…，Ｘ，是一条最优推荐路径；Ｄ （ ＋。）是节点蕾＋，在时间 段ｔ的固有信任度；Ｃ ．（Ｌ）在是时间段ｔ中，ｘｉ＋ 对ｘ，的推 荐信任度，那么： ．，（Ｌ）＝Ｄ （ 十】）・ｃ ¨（，Ｊ） 若 — ，共存在ｂ条最优推荐路径，则 获得对 ，的推 荐信任度为： １ Ｃ ｔ＝÷ ∑ ｆ（Ｌ） ＬＥＳｅｔ（ｘ￣ ） 其中，Ｓｅｔ（ｘｉ， ，）表示 一Ｘ，所有最优推荐路径组成的集合。 ２．３信任向量库的建立 定义３（信任向量库）将网络上各节点的固有信任直觉模 糊集按照某种直觉模糊集聚类方法进行聚类（采用ＩＦＣＭ聚类 法或其他动态直接聚类法），产生各信任向量库Ｓ ，Ｓ 一，Ｓ 。 在信任向量库中，保存隶属于该向量库的节点，及该节 点的相邻节点和它的固有信任度。由于主体的信任向量是动 态变化的，因此为提高信任评价的准确性和动态适应能力， 信任向量库需每隔一段时间重新生成一次。 ３基于最优搜索理论的最优推荐路径 最优搜索理论是关于如何以一种最佳方式寻找某个事先 已确定的对象的理论。文献［５】指出通常最优搜索问题都由目 标位置和移动路径的概率分布函数、探测函数和对可用资源 的约束３个基本要素构成。 最优搜索问题的解，即找到一种对于搜索资源最佳分配 方案，使其能成功探测到搜索目标的概率最大或成本最小。 在本文模型中，最优搜索对象是构成最优推荐路径的各个节 点，由于这些节点可以依次事先确定，因此满足最优搜索理 论的前提条件。 ３．１搜索流程 信任模型搜索流程为： （１）将待检节点和搜索时间ｒ，作为初始查询请求创 建搜索Ａｇｅｎｔ。 （２）根据信任种类信息计算待检节点在各信任向量库中 的先验分布概率Ｐ。 （３）根据先验分布概率Ｐ和总搜索资源确定各向量库上 的最优时间分配，生成搜索策略。 （４）搜索Ａｇｅｎｔ根据搜索策略，在第ｉ个信任向量库中检 索，当分配给ｉ的资源耗尽就停止在ｉ上工作。 （５）Ａｇｅｎｔ依据策略迁移至下一个信任向量库，转（４），直 至遍历所有信任向量库。如果在信任向量库中找到待检节点， 转（６）。 （６）从待检节点的相邻节点中，选取固有信任度最高的ｋ 个节点作为可信推荐者，以该可信推荐者作为新的待检节点， 并和新的搜索时间ｔｉ（ｔｉ＝Ｔ）作为查询请求创建搜索 Ａｇｅｎｔ，转（３）。 （７）重复（６）直到到达目的节点。 至此得到若干条源节点到目的节点的最优推荐路径，依 据该最优推荐路径计算源节点对目的节点的推荐信任度。 ３．２待搜索节点的分布概率估计 设Ｈ（Ｓ ）＿＜ （ ），７（ｓ ）＞表示某信任类别Ｓ 的固有信任， 可以通过对该信任向量库中所有节点求 分量的平均值和 ｙ分量的平均值得到。则节点Ｙ位于各信任向量库的先验分 布概率为： ｐ（ ： ｒ６） ∑Ｄ（Ｙ，Ｈ（Ｓ ）） ｉ＝１ 其中，Ｄ（Ｙ，Ｈ（ ））表示Ｙ和Ｈ（Ｓ ）之间的欧式距离。 ３．３探测函数的确定 设探测函数ｂ（ｊ，，（ ））为当待检节点位于第 子域中，且 对该子域投入＿厂（Ｊ）搜索资源的条件下，待检节点能够被检测 到的概率。令在搜索子域 中，投入的搜索时间为Ｚ ，即 ，（ ）＝Ｚ，，ｚ，∈［０，ｏ。）， ∈Ｊ，Ｊ＝１，２，・一，，ｌ。 （ｚ，）是当待检 节点位于搜索单元 时投入Ｚ 时间所能探测到目标的概率。 设单位时间内查找节点的个数为ａ，搜索空间Ｓ为总的节点 个数，易解得扫（ｚ）＝１一ｅ。 ，ｒ＝ａ／Ｓ，Ｚ∈【０，ｏ。）。 ３．４搜索模型 搜索时间不超过 ，设Ｆ是分配策略厂的集合，Ｇ（厂．） 为与搜索资源分配策略＿厂相关的总资源，与搜索资源分配策 略，对应的发现目标的概率为尸ｆ，］，可供支配的搜索总资源 为Ｇ（１厂）≤Ｋ，分配方案满足∑＿厂（ ）≤Ｋ，则采用搜索资源分 ， 配策略＿厂（ ）发现目标的概率为： Ｐ（，）＝∑ｐ（．ｊ）ｂ（ｊ，，（ ））＝∑ｐ（ ）（１一ｅ－ｆｉ（Ｊ）） ｊｅＪ ， ３．５最优分配策略 利用拉格朗日数乘法求解最优分配策略，定义一个逐点 拉格朗日函数： ｌ（ｊ， ，，（ ））＝ｐ（ ） （＿厂（ ））一 ，（ ） 其中，，（ ）≥０； ≥０；Ｊ∈Ｊ； 为拉格朗日乘子。根据 文献【６】中的结论可知，对应最佳分配策略， （ ）在时间 内， 成功搜索到目标的最大概率为： １４４ 计算机工程 ２０１２年３月５日 Ｐ（ｆ （ ））＝∑ｐ（ｊ）ｂ（ｊ，ｆ （ ））：１一ｎ（ｅ～Ｉ－Ｉｐ（ｊ））枷 ｜ ｉ∈｜ ４实验结果与分析 模拟开放网络环境中的若干主体Ａ，Ｂ，…，Ｔ，在某一时间 段ｆ０内，信任域节点间的关系如图Ｉ所示。 圈Ｉ信任壤节点问的关系 由２．Ｉ节的固有信任描述方式得出固有信任直觉模糊特 征值表，各主体固有信任直觉模糊特征值表如表１所示。 表Ｉ各主体固有信任直觉模栩特征值表 瑚 如 ｏ 根据各主体固有信任直觉模糊特征值构成直觉模糊集， 并进行ＩＦＣＭ聚类，得到某一时间段ｆ０内的信任向量库 、 Ｓ，、Ｓ ，具体如下： Ｓ、＝｛ ，Ａ，Ｄ，Ｈ，Ｌ，Ｏ，Ⅳｌ Ｓ２＝｛ ，Ｂ，，，－，，ａ，Ｒ， ｝ Ｓ３＝｛尸，Ｃ，Ｆ，Ｇ，Ｔ，Ｍ｝ 能力信任贡献权重 取值０．６，声誉属性信任贡献权重 取值０．４。每次获取的可信推荐者数目为２。计算出节点Ｂ 得到对节点Ａ的推荐信任度为Ｏ．３９。 为证明本文提出模型的有效性，分别对图１中的若干节 点采用本文模型和文献【３】模型计算推荐信任度，采用本文模 型时总的时间为４０ ｍｓ，２种模型计算节点对推荐信任度 的花费时间比较如表２所示，其中，ＱＱ为花费时间。 表２ ２种模童计算节点对推荐信任虞的花费时闻比较 在图１所示节点基础上再任意增加节点至４０个和６０个， 分别利用本文模型和文献【３】模型计算节点８对节点Ａ的推 荐信任度，比较花费时间。其中，每步获取２个可信推荐者， 采用本文模型时总时间为４０ｍｓ，２种模型花费时间比较 如图２所示。由图２可知，当节点数目较少时本文模型和文 献【３】模型的性能相当，且当节点数目增多时，本文模型的性 能显著提高。 善 星 鲁 船 ２０ ４０ ６０ 节点数目 圈２ ２种模型花费时问比较 对图１所示节点，观察时间取不同值时，时间 对可信推荐者命中率的影响如图３所示。 祷 壬 岳 椰 稚 辖 逛 宙 时间／ｍｓ 圈３时间限剖对可信推荐者命中率的影响 ５结束语 本文提出基于直觉模糊集和最优推荐的信任评价模型。 利用直觉模糊集描述主观信任，使模型具有更强的表达能 力，且更具灵活性。用最优搜索策略实现在有限的时间内获 取最优推荐路径。结果表明，将最优搜索策略和最优推荐路 径相结合，能提高模型信任评价的效率。今后将进一步完善 该聚类模型，并深入研究每步可信推荐者数目的确定策略及 探测函数的优化策略。 参考文献 【１］李海华，杜小勇，田萱．一种能力属性增强的Ｗｅｂ服务信任 评估模型［Ｊ】．计算机学报，２００８，３１（８）：１４７１—１４７７． 【２】林欣，赵铁柱．基于Ｐ２Ｐ网络的信任和信誉评估模型【Ｊ】． 计算机工程，２００９，３５（２）：１３３—１３５． ［３】张仕斌，李奇琳．基于主观信任协作的信任评估模型［Ｊ１．计算 机工程，２００７，３３（１２）：１４４—１４７． ［４】Ａｔａｎａｓｓｏｖ Ｋ．Ｉｎｔｕｉｔｉｏｎｉｓｔｉｃ Ｆｕｚｚｙ Ｓｅｔｓ［Ｊ］．Ｆｕｚｚｙ Ｓｅｔｓ ａｎｄ Ｓｙｓ￣ｍｓ， １９８６，２Ｏ（１）：８７—９６． 【５】朱清新．最优搜索理论及其应用【Ｊ１＿世界科技研究与发展， ２００５，２７（４）：３９—４９． ［６】Ｌａｗｒｅｎｃｅ Ｄ Ｓ．Ｔｈｅｏｒｙ ｏｆ Ｏｐｔｉｍａｌ Ｓｅａｒｃｈ［Ｍ］．Ｎｅｗ Ｙｏｒｋ，ＵＳＡ： Ａｃａｄｅｍｉｃ Ｐｒｅｓｓ，１９７５． 编辑刘冰
