P2P网络中基于贝叶斯推理的信任预测关键技术研究

摘要

P2P网络（Peer-to-Peer Networks）现已成为互联网中一种重要的新型网络组织形式，与传统的C/S(Client/Server)网络相比，P2P网络没有服务器和客户端的概念，节点之间是对等的，既可以是服务器，又可以是客户端。由于P2P网络自身特点带来的匿名性、开放性、松耦合性，给P2P网络安全带来了严重的威胁。为了创造一个安全可信的P2P网络环境，信任被用来衡量网络中节点的可信程度，本文的研究重点是在P2P网络中，如何计算一个节点对另一个未知节点的信任预测值，为决策提供依据。
　　本文首先提出了基于可信证据链的信任推理算法，根据节点和条件概率表CPT(Conditional Probability Table)建立信任关系网络，过滤信任条件后得到信任计算网络。根据信任计算网络的特点，对网络结构进行简化，提出了层次因子和置信度的概念，用于信任的推理。这种推理方法是在传统信任推理方法的基础上，对节点信息更加细化，进行信任预测，更加准确和客观。
　　本文重点介绍了一种新型信任推理方法，即基于贝叶斯推理的信任预测模型BITrust(Bayesian Inference Trust Model)。贝叶斯推理是基于联合树结构，按照消息传递的方式进行信任预测。其中三角化是联合树中关键步骤，基于TSP(TravelSalesman Problem)三角化识别出删除节点的唯一序列，建立一个唯一的联合树。基于LAZY-ARVE的方法在联合树中，按照消息传递的方向，对节点信度势进行更新并计算节点边缘化概率，减少计算过程中的运算次数，实现信任推理。此外，该方法对于新加入的证据节点，更好地更新了CPT信息，完成动态信任预测。
　　BITrust信任推理算法不同于传统的信任推理模型，强调节点推理过程中需要考虑外界因子，而是着重于推理过程本身的优化，是一种才纯粹的信任预测算法。该算法一定程度上解决了P2P信任网络中信任推理的问题，但还存在其他需要改进的地方。在节点安全存储、恶意团体识别、海量数据集或者稀疏数据方面，需要继续进行研究。

目录

声明

摘要

第1章 绪论

1．1 P2P网络

1．1．1 P2P网络概述

1．1．2 P2P网络的研究现状

1．1．3 P2P网络面临的主要问题

1．2 贝叶斯推理概述

1．2．1 贝叶斯网络的概念

1．2．2 贝叶斯网络的研究背景

1．3 研究内容

1．4 论文结构

第2章 背景知识与相关技术

2．1 信任

2．1．1 信任的定义

2．1．2 信任分类

2．2 贝叶斯推理

2．2．1 贝叶斯推理定义

2．2．2 贝叶斯推理模型

2．3 信任推理模型

2．3．1 Eigen Trust模型

2．3．2 SUNNY模型

2．3．3 基于信誉和风险评价信任模型一

2．4 本章小结

第3章 贝叶斯网络中基于可信证据链的P2P网络信任推理

3．1 信任关系网络

3．1．1 信任量化

3．1．2 信任关系网络模型

3．2 信任推理网

3．2．1 信任关系推理规则

3．2．2 信任关系推理过程

3．3 信任计算网

3．3．1 可信证据链信任推理影响因子设计

3．3．2 基于全概率的信任推理

3．4 实验结果与分析

3．5 本章小结

第4章 基于贝叶斯推理的信任推理模型——BITrust Model

4．1 基于信任的贝叶斯网络模型

4．1．1 贝叶斯网络表示

4．1．2 贝叶斯网络独立性和上下文特性

4．2 联合树算法

4．2．1 联合树的相关概念

4．2．2 基于P2P信任网络的联合树算法

4．3 贝叶斯推理算法的研究

4．3．1 联合树中基于TSP三角化算法

4．3．2 基于LAZY-ARVE的动态贝叶斯推理算法

4．3．3 基于LAZY-ARVE的贝叶斯推理例子

4．4 本章小结

第5章 算法分析及实验

5．1 基于TSP的联合树三角化算法分析

5．2 基于LAZY-ARVE的贝叶斯推理算法分析

5．3 与传统信任推理模型的比较分析

5．4 本章小结

第6章 结论

参考文献

致谢

攻读硕士学位期间发表的学术论文