CN112491615B - 一种信息服务的信任模型处理方法及装置 - Google Patents
一种信息服务的信任模型处理方法及装置 Download PDFInfo
- Publication number
- CN112491615B CN112491615B CN202011349785.5A CN202011349785A CN112491615B CN 112491615 B CN112491615 B CN 112491615B CN 202011349785 A CN202011349785 A CN 202011349785A CN 112491615 B CN112491615 B CN 112491615B
- Authority
- CN
- China
- Prior art keywords
- user
- information service
- trust value
- trust
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims abstract description 126
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000002452 interceptive effect Effects 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 17
- 230000003993 interaction Effects 0.000 claims description 40
- 230000006399 behavior Effects 0.000 description 11
- 238000007726 management method Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000008520 organization Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003102 growth factor Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/50—Testing arrangements
- H04L43/55—Testing of service level quality, e.g. simulating service usage
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种信息服务的信任模型处理方法及装置,其中,该方法包括:信息服务和用户加入网络后,为信息服务和用户分配初始信任值;根据信息服务的历史交互评价,计算初始阶段信息服务的迭代信任值;根据常规阶段用户的评价,计算信息服务的综合信任值,将综合信任值与预设阈值进行比较,根据比较结果对信息服务的等级进行更新并更新信息服务的信任值;将用户的评价和信息服务更新后的信任值进行对比,根据对比结果对用户进行奖惩。该方法通过分阶段多维度的动态信任模型算法,实现信息服务及用户可信度的实时管理,简单易实现。
Description
技术领域
本发明涉及计算机、通信和信息安全技术领域,特别涉及一种信息服务的信任模型处理方法及装置。
背景技术
随着互联网经济的飞速发展,信息服务已经渗透到社会生活的各个领域,对社会影响越来越大。信息服务已经对经济社会发展产生战略性和全局性的影响。例如,2018年北京市上半年地区生产总值增长6.8%,服务业增长7.2%,其中占GDP比重11%的信息服务业增加值增长18.3%,随着互联网经济的飞速发展,信息服务已经渗透到社会生活的各个领域,对社会影响越来越大。信息服务已经对经济社会发展产生战略性和全局性的影响。例如,2018年北京市上半年地区生产总值增长6.8%,服务业增长7.2%,其中占GDP比重11%的信息服务业增加值增长18.3%,直接拉动GDP增长2个百分点。
信息服务已经对经济社会发展产生战略性和全局性的影响。构建安全可信的信息服务生态体系,实现对信息服务的良序治理,成为关系互联网经济与社会民生的重中之重。而各国在信息服务实体管理方面不遗余力。1995年美国尤他州颁布《数字签名法》是全世界范围第一部全面确立电子商务运行规范的法律文件。随后于1999年颁布《统一电子商务法》和《统一计算机信息交易法》制订了统一的数字签名的相关条款。欧盟《电子商务指令》也专门规定了消费者知情权的行驶和保护。2000年日本颁布《数字签名及认证法》以确保电子签名稳妥使用,促进采用电子手段信息传播和处理,从而有助于市民生活质量之提高及整个国家经济之健全发展。2000年中华人民共和国颁布《互联网信息服务管理办法》以规范互联网信息服务活动,促进互联网信息服务健康、有序、发展。
信息服务实体的管理直接影响信息服务的安全性。在信息服务网络中,存在着信息服务提供者和用户两大主体,用户通过信息服务的使用和信息服务提供者建立交互关系,这些交互行为构成了整个网络关系的基础。这些交互关系的建立的起始阶段理论上是随机的,但是某些质量较差的信息服务会造成用户的损失,因此需要建立一种信任机制对信息服务进行标定,方便用户去建立合适的交互关系。信任代表委托人对受委托人做出积极行为趋向的判定。信任的评定最直接的方式是通过可信第三方担保的形式为其可靠性做出权威评判,但在实际应用场景中,用户和信息服务提供商呈现出一种异构的分布式状态,第三方对信息服务提供商的担保参考价值有限,无法保证信任状态的持续性。
为此,在信息服务网络中,通常会采取节点相互担保的形式传播信任,将信息服务实体的可靠性用可信度进行度量。谷歌搜索引擎的创始人开发的PageRank就是一种可信度度量标准,PageRank是一种基于页面信誉对搜索结果进行排名的方法,根据其他页面指向的页面数量对页面进行排序,PageRank将到达给定页面的链接视作可信评分,对网站提供排名。
目前在信息服务实体评价方面,仅有单一的信息服务等级划分,缺少细粒度、实时性的评价以及缺少对用户使用结果的反馈,无法实现对信息服务质量持续性监管需求。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的一个目的在于提出一种信息服务的信任模型处理方法,该方法通过分阶段多维度的动态信任模型算法,实现信息服务及用户可信度的实时管理,简单易实现。
本发明的另一个目的在于提出一种信息服务的信任模型处理装置。
为达到上述目的,本发明一方面实施例提出了一种信息服务的信任模型处理方法,包括:
信息服务和用户加入网络后,为所述信息服务和所述用户分配初始信任值;
根据所述信息服务的历史交互评价,计算初始阶段所述信息服务的迭代信任值;
根据常规阶段用户的评价,计算所述信息服务的综合信任值,将所述综合信任值与预设阈值进行比较,根据比较结果对所述信息服务的等级进行更新并更新所述信息服务的信任值;
将用户的评价和所述信息服务更新后的信任值进行对比,根据对比结果对用户进行奖惩。
本发明实施例的一种信息服务的信任模型处理方法,通过初始化用户和信息服务的信任值;
根据信息服务的早期交互评价,计算初始阶段信息服务的迭代信任值;根据常规阶段用户的评价,计算信息服务的综合可信度,包括单次信任值、全局信任值和推荐信任值;根据更新后的信息服务信任值和用户给出的评价,判定用户评价行为,并给出奖惩。由此,通过分阶段多维度的动态信任模型算法,实现信息服务及用户可信度的实时管理,简单易实现。
另外,根据本发明上述实施例的一种信息服务的信任模型处理方法还可以具有以下附加的技术特征:
进一步地,在本发明的一个实施例中,所述根据所述信息服务的历史交互评价,计算初始阶段所述信息服务的迭代信任值,包括:
s为服务节点,Cu表示与服务节点s交互的用户节点的信用值,每个用户评价后,将服务节点的信任值进行迭代计算,第j个用户评价,第k轮迭代后,服务节点的信任值为:
进一步地,在本发明的一个实施例中,所述综合信任值包括单次信任值、全局信任值和推荐信任值;
所述单次信任值代表用户本次交互后对信息服务的评价,表示服务节点在此次交互后的实时信任状态;
所述全局信任值代表在当前网络中,服务节点在当前所有交互中的累计可信度,表示服务节点在全部历史评价中的信任状态;
所述推荐信任值代表在服务节点的历次交互中,信任度高于预设值的用户节点对服务节点的累计评价,表示服务节点在网络的信任度高于预设值的用户中的信任状态。
进一步地,在本发明的一个实施例中,所述信息服务的综合信任值为:
其中,β1、β2、β3为参数,f(Cu)项为惩罚系数,θ为低信任度阈值。
进一步地,在本发明的一个实施例中,将所述综合信任值与预设阈值进行比较,根据比较结果对所述信息服务的等级进行更新并更新所述信息服务的信任值,包括:
所述预设阈值包括预设阈值上限和预设阈值下限,在所述综合信任值高于所述预设阈值上限或低于所述预设阈值下限时,将所述信息服务的等级提高或降低一个等级。
进一步地,在本发明的一个实施例中,还包括:所述信息服务等级更新后,将所述信息服务重新加入网络,并重新分配初始信任值。
进一步地,在本发明的一个实施例中,将用户的评价和所述信息服务更新后的信任值进行对比,根据对比结果对用户进行奖惩,包括:
若用户的评价与所述信息服务更新后的信任值之间的差值大于预设差值,则对用户进行惩罚,反之,则进行奖励。
进一步地,在本发明的一个实施例中,每个用户维护一个评价历史表,在用户对信息服务评价后,对所述信息服务的信任值重新计算,评价历史表保存用户对服务的评价分数、用户当前的信任值以及信息服务更新后的信任值。
为达到上述目的,本发明另一方面实施例提出了一种信息服务的信任模型处理装置,包括:
初始化模块,用于信息服务和用户加入网络后,为所述信息服务和所述用户分配初始信任值;
处理模块,用于根据所述信息服务的历史交互评价,计算初始阶段所述信息服务的迭代信任值;
更新模块,用于根据常规阶段用户的评价,计算所述信息服务的综合信任值,将所述综合信任值与预设阈值进行比较,根据比较结果对所述信息服务的等级进行更新并更新所述信息服务的信任值;
奖惩模块,用于将用户的评价和所述信息服务更新后的信任值进行对比,根据对比结果对用户进行奖惩。
本发明实施例的一种信息服务的信任模型处理装置,通过初始化用户和信息服务的信任值;根据信息服务的早期交互评价,计算初始阶段信息服务的迭代信任值;根据常规阶段用户的评价,计算信息服务的综合可信度,包括单次信任值、全局信任值和推荐信任值;根据更新后的信息服务信任值和用户给出的评价,判定用户评价行为,并给出奖惩。由此,通过分阶段多维度的动态信任模型算法,实现信息服务及用户可信度的实时管理,简单易实现。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本发明一个实施例的一种信息服务的信任模型处理方法流程图;
图2为根据本发明一个实施例的一种信息服务的信任模型处理装置结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参照附图描述根据本发明实施例提出的一种信息服务的信任模型处理方法及装置。
首先将参照附图描述根据本发明实施例提出的一种信息服务的信任模型处理方法。
图1为根据本发明一个实施例的一种信息服务的信任模型处理方法流程图。
如图1所示,该一种信息服务的信任模型处理方法包括以下步骤:
步骤S1,信息服务和用户加入网络后,为信息服务和用户分配初始信任值。
进一步地,本发明的方法在信息服务等级下设置可信度项,在完成对信息服务的定级后,通过用户评价更新可信度,来反映信息服务质量的动态变化。涉及主体有两方:信息服务(S)和用户(U)。信息服务可信度定义为R,用户在与信息服务交互后,根据服务情况对信息服务进行评价C,可信度R会根据评价结果进行更新。
为了更清楚的描述本发明的方法,对本发明实施例中的部分数学变量进行定义,如表1所示。
表1
u | 用户节点(1≤u≤n) |
s | 服务节点(1≤s≤m) |
C<sub>u</sub> | 用户节点u的信用值; |
R<sub>us</sub> | 用户u对服务s的评分 |
I | 服务节点的原始评定值 |
TO<sub>us</sub> | 服务节点的单次信任值,下标表示用户u和服务节点s |
TD<sub>us</sub> | 服务节点的全局信任值,下标表示用户u和服务节点s |
TR<sub>us</sub> | 服务节点的推荐信任值,下标表示用户u和服务节点s |
进一步地,在本发明的实施例中,服务参与评级及用户使用服务后提供评价,视为节点加入行为,在每个服务节点及用户节点加入后,进行可信度计算。
为每个加入网络的服务节点分配原始可信度,用户节点分配原始信任值,1≤R,C≤100。服务节点在完成信息服务等级定级后,加入网络时,可信度原始值默认为I,用户节点的信任值由机构、服务商确定,根据用户身份及信誉等信息对用户定级。
具体地,信息服务和用户加入网络中,根据信息服务商提交的材料,测评机构会对信息服务进行定级,信任模型为信息服务和用户分配原始信任值,分别为I和A,测评机构的评级针对信息服务整体的质量,信任值反映了当前信息服务质量等级的可信状态。一般地,信息服务的信任值可以采用百分制,用户信任值则在(0,1)之间取值,例如,I和A的默认值可分别取为50,0.5。
步骤S2,根据信息服务的历史交互评价,计算初始阶段信息服务的迭代信任值。
可以理解的是,在服务节点加入后,交互初期,由于初始阶段,网络中对服务节点的信息过少,首先计算初始阶段的可信度,提高网络对节点的认知。
具体地,在L次交互内(即u<L)视为初始计算范围。s为服务节点,Cu表示与服务节点s交互的用户节点信用值,每个用户评价后,服务节点的信任值将进行迭代计算,第j个用户评价(即u=j),第k轮迭代后,节点的信值为:
其中,I为服务节点的原始评定值。a,ε为常数,经过L次交互,k+1轮迭代后,即为初始计算完成的信任值,保证了初始信任值的收敛,并防止在网络对节点信息不足时,虚假评价在一开始干扰可信度。L的选取应当基于评级机构对于具体服务的信任担保情况,在信息齐全情况下,可设定较低的L使节点尽早结束初始化阶段。
步骤S3,根据常规阶段用户的评价,计算信息服务的综合信任值,将综合信任值与预设阈值进行比较,根据比较结果对信息服务的等级进行更新并更新信息服务的信任值。
在初始化更新阶段结束后,再次出现业务交互时,服务节点信任值采用多维度信任值更新算法,进行可信度更新。
其中,单次信任值代表用户本次交互后对服务的评价,表示服务节点在此次交互后的实时信任状态;全局信任值代表在当前网络中,服务节点在当前所有交互中的累计可信度,表示服务节点在全部历史评价中的信任状态;推荐信任值代表在服务节点的历次交互中,推荐节点即信任度较高的节点对服务节点的累计评价,表示服务节点在网络中可信度较高的用户中的信任状态。三种信任值的计算如下:
全局信任值TDus的计算,对服务节点s进行全局信任评估,根据历次的节点交互记录计算,Cu表示用户节点u的信任度,Rus表示用户节点u对服务节点s的评价,为q次用户评价后,s节点更新的信任值,节点需要维护交互记录表,记录表中共记录y次交互,q+1次的全局信任度为
推荐信任度TRus的计算,推荐可信度从推荐节点中产生,信用值较高的用户在网络中的可靠性较高,推荐节点从与服务节点交互过的用户中选取,需要满足以下条件:用户节点的信任值Cu≥e,e为常数,可将所有用户节点标准化后按照一定比例进行选取。
推荐节点确定后,向服务节点查询用户的信任度,Cu表示推荐节点u的信任值,根据其信任值进行分配,Rus表示推荐节点u对服务节点s的推荐值即评价,推荐信任度为:
求解出上述三个信任值后,进行信息服务综合信任值的计算,计算公式为:
其中,β1、β2、β3为参数,f(Cu)项为惩罚系数,θ为低信任度阈值。
β1,β2,β3比例的确定需要由各信任值确定,单次信任值偏重于用户评价,全局信任值偏重于历史信任值,推荐信任值偏重于近期的高质量评价,β1,β2,β3可根据服务的属性及评价基数来定,例如,当一项服务评价数量较少时,历史信任值依据不强烈,可偏向于推荐信任值及单次信任值;当一项服务有一定评价基数且服务属性易在短期内形成大量评价时,应偏向于全局信任值及推荐信任值。f(Cu)项为惩罚系数,在节点的交互群体中,如果用户可信度不高,会扣除一定系数。设定低可信度的用户标准为低于θ,可依据不同用户的信任审查方式进行调整。
具体而言,L次交互后,用户完成评价后,信任模型计算单次信任值、全局信任值和推荐信任值,并计算得出综合信任值,作为此次更新得到的信任值,该阶段,信息服务需要维护交互记录表,表中包含评价用户的信任值以及给出的评价,此次用户评价及信息服务的可信度会保存相应用户的历史评价表中。
进一步地,将综合信任值与预设阈值进行比较,根据比较结果对信息服务的等级进行更新并更新信息服务的信任值,包括:预设阈值包括预设阈值上限和预设阈值下限,在综合信任值高于预设阈值上限或低于预设阈值下限时,将信息服务的等级提高或降低一个等级。
具体地,信任值设置上限阈值和下限阈值,信任值在更新后如果到达阈值,会触发信息服务等级的更新,并根据上限阈值或下限阈值,将信息服务等级更新到相应等级,等级更新后,信任值也会进行相应更新,如果更新到更高的等级,可信度会默认重置为1,如果更新到更低的等级,可信度会默认重置为99。
进一步地,将信息服务等级更新后,信任值会视信息服务为重新加入网络,分配原始信任值。
可以理解的是,针对具备第三方担保之后可信度更新算法,实现动态的信任管理。签发机构将加入评级的信息服务以及在网站中注册信息的用户形成服务节点及用户节点的异构网络,签发机构的评级决定了信息服务质量的基本可靠性,由于成本等因素,实时对信息服务评级的监测不太可能,通过用户在使用信息服务后的评价,使用可信度更新算法对其可靠性进行动态监测,一旦超过阈值,将对信息服务评级做出相应调整。
步骤S4,将用户的评价和信息服务更新后的信任值进行对比,根据对比结果对用户进行奖惩。
进一步地,将用户的评价和信息服务更新后的信任值进行对比,根据对比结果对用户进行奖惩,包括:
若用户的评价与信息服务更新后的信任值之间的差值大于预设差值,则对用户进行惩罚,反之,则进行奖励。
每一次常规更新后,对用户信任度进行重新评估,判定用户评价值和更新后的信息服务信任值的差值是否超过阈值,超过阈值表示评价为不良行为,对用户信任度做出惩罚,不超过阈值表示评价为良性行为,对用户信任度做出奖励。
每个用户加入网络后,会被分配原始信任值,使用信息服务并对其评价后,监管算法会对用户信用进行评估,对其进行奖励和惩罚,具体实施步骤如下:
步骤一:在用户加入网络后,***分配原始信任值为A(A为常数)。
步骤二:***为每个用户维护了一个评价历史表,在用户对信息服务评价后,信任更新算法会对信息服务的可信度重新计算,评价历史表保存用户对服务的评价分数,用户当前的可信度以及信息服务此次更新后的可信度。在每次信息服务可信度更新完成后更新用户评价历史表,并执行用户信用度监管算法。
步骤三:信息服务的信任值更新后,对比用户评价和最后得到的信任值,如果两者相差超过阈值,***判定其为不良的评价行为,做出惩罚;反之,***会对良性行为做出奖励。从用户u的评价历史表中,读取其k次历史评价和每次评价后服务更新得到的可信度,用户信任值为Cu,定义衰减函数d(Rus,tu),λ为动态衰减因子,tu-Rus是评价后的信息服务可信度与用户u给出评价的差值:
定义增长因子TG:
当|tj-Rus|≥O(λ1为增长速率调节因子):
当|tj-Rus|<O(λ2为降低速率调节因子,l为用户u历史上判断错误的总次数):
可以理解的是,在原有单一的信息服务等级划分的基础上,增加信任评价机制,通过反馈用户对信息服务的质量评价,实现对信息服务质量的动态监管。
下面通过一个具体实施例对本发明的方法进行详细说明。
(1),定义信息服务信任度初始值:在初始化阶段可将信任度初始化为80。
(2),设定200次交互为初始范围,检测用户评价,计算初始信任度,评价分数为百分制,如当前信息服务可信度为50,将参数a设置为0.7,用户评价分数为90,用户信任度为0.9,可计算得出该次可信度为:
设ε=5,δ在ε容纳度内,此次计算有效,结束循环,即此次可信度更新为68。
(3)在第q次更新中,得到可信度79,在q+1次交互中,信任度为0.9的用户给出80的评分,单次信任值为80。
计算全局信任值,记录表如表二,此处包含5条记录,由此计算全局信任值:
0.3*(0.7*80+0.8*70+0.3*70+0.2*60+0.9*90)+0.7*79=68.86≈69
计算推荐信任值,将推荐值定为0.7,即编号1,2,5,推荐信任值为:
(0.7*80+0.8*70+0.9*90)/(0.9+0.7+0.8)=80.4≈80
计算综合信任度,设β1、β2、β3为0.2,0.3,0.5
T=0.2*80+0.3*69+0.5*80=76.7≈77
即更新后的可信度为77。
表2信息服务节点维护的交互记录表
用户编号 | 信任度 | 评价分数 |
1 | 0.8 | 70 |
2 | 0.7 | 80 |
3 | 0.3 | 70 |
4 | 0.2 | 60 |
5 | 0.9 | 90 |
根据本发明实施例提出的信息服务的信任模型处理方法,利用用户与信息服务交互中产生的评价行为,生成信息服务的动态信任值,并根据评价结果,对用户信任度重新评估,解决了信息服务使用过程中,对服务和用户的信任双向监管的问题,保证信息服务的质量能够及时有效地反馈,同时用户在评价的同时也受到制约,避免随意或虚假的评价,保证了评价的真实可信,有助于提高信息服务管理的有效性,简单易实现。
其次参照附图描述根据本发明实施例提出的信息服务的信任模型处理装置。
图2为根据本发明一个实施例的信息服务的信任模型处理装置结构示意图。
如图2所示,该信息服务的信任模型处理装置包括:初始化模块201、处理模块202、更新模块203和奖惩模块204。
初始化模块201,用于信息服务和用户加入网络后,为信息服务和用户分配初始信任值。
处理模块202,用于根据信息服务的历史交互评价,计算初始阶段信息服务的迭代信任值。
更新模块203,用于根据常规阶段用户的评价,计算信息服务的综合信任值,将综合信任值与预设阈值进行比较,根据比较结果对信息服务的等级进行更新并更新信息服务的信任值。
奖惩模块204,用于将用户的评价和信息服务更新后的信任值进行对比,根据对比结果对用户进行奖惩。
该装置针对信息服务种类多元、内容边界重叠、服务业态多模式、服务周期动态化等特点,实现对信息服务信任评价的度量和多维度信任评价结果的实时更新,以及对用户评价行为的监管。
进一步地,在本发明的一个实施例中,处理模块202进一步用于,s为服务节点,Cu表示与服务节点s交互的用户节点的信用值,每个用户评价后,将服务节点的信任值进行迭代计算,第j个用户评价,第k轮迭代后,服务节点的信任值为:
进一步地,在本发明的一个实施例中,综合信任值包括单次信任值、全局信任值和推荐信任值;
单次信任值代表用户本次交互后对信息服务的评价,表示服务节点在此次交互后的实时信任状态;
全局信任值代表在当前网络中,服务节点在当前所有交互中的累计可信度,表示服务节点在全部历史评价中的信任状态;
推荐信任值代表在服务节点的历次交互中,信任度高于预设值的用户节点对服务节点的累计评价,表示服务节点在网络的信任度高于预设值的用户中的信任状态。
进一步地,在本发明的一个实施例中,信息服务的综合信任值为:
其中,β1、β2、β3为参数,f(Cu)项为惩罚系数,θ为低信任度阈值。
进一步地,在本发明的一个实施例中,将综合信任值与预设阈值进行比较,根据比较结果对信息服务的等级进行更新并更新信息服务的信任值,包括:
预设阈值包括预设阈值上限和预设阈值下限,在综合信任值高于预设阈值上限或低于预设阈值下限时,将信息服务的等级提高或降低一个等级。
进一步地,在本发明的一个实施例中,还包括:信息服务等级更新后,将信息服务重新加入网络,并重新分配初始信任值。
进一步地,在本发明的一个实施例中,将用户的评价和信息服务更新后的信任值进行对比,根据对比结果对用户进行奖惩,包括:
若用户的评价与信息服务更新后的信任值之间的差值大于预设差值,则对用户进行惩罚,反之,则进行奖励。
进一步地,在本发明的一个实施例中,每个用户维护一个评价历史表,在用户对信息服务评价后,对信息服务的信任值重新计算,评价历史表保存用户对服务的评价分数、用户当前的信任值以及信息服务更新后的信任值。
需要说明的是,前述对方法实施例的解释说明也适用于该实施例的装置,此处不再赘述。
根据本发明实施例提出的一种信息服务的信任模型处理装置,利用用户与信息服务交互中产生的评价行为,生成信息服务的动态信任值,并根据评价结果,对用户信任度重新评估,解决了信息服务使用过程中,对服务和用户的信任双向监管的问题,保证信息服务的质量能够及时有效地反馈,同时用户在评价的同时也受到制约,避免随意或虚假的评价,保证了评价的真实可信,有助于提高信息服务管理的有效性,简单易实现。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种信息服务的信任模型处理方法,其特征在于,包括以下步骤:
信息服务和用户加入网络后,为所述信息服务和所述用户分配初始信任值;
根据所述信息服务的历史交互评价,计算初始阶段所述信息服务的迭代信任值;
根据常规阶段用户的评价,计算所述信息服务的综合信任值,将所述综合信任值与预设阈值进行比较,根据比较结果对所述信息服务的等级进行更新并更新所述信息服务的信任值;
将用户的评价和所述信息服务更新后的信任值进行对比,根据对比结果对用户进行奖惩。
3.根据权利要求1所述的方法,其特征在于,所述综合信任值包括单次信任值、全局信任值和推荐信任值;
所述单次信任值代表用户本次交互后对信息服务的评价,表示服务节点在此次交互后的实时信任状态;
所述全局信任值代表在当前网络中,服务节点在当前所有交互中的累计可信度,表示服务节点在全部历史评价中的信任状态;
所述推荐信任值代表在服务节点的历次交互中,信任度高于预设值的用户节点对服务节点的累计评价,表示服务节点在网络的信任度高于预设值的用户中的信任状态。
6.根据权利要求1所述的方法,其特征在于,将所述综合信任值与预设阈值进行比较,根据比较结果对所述信息服务的等级进行更新并更新所述信息服务的信任值,包括:
所述预设阈值包括预设阈值上限和预设阈值下限,在所述综合信任值高于所述预设阈值上限或低于所述预设阈值下限时,将所述信息服务的等级提高或降低一个等级。
7.根据权利要求1所述的方法,其特征在于,还包括:所述信息服务等级更新后,将所述信息服务重新加入网络,并重新分配初始信任值。
8.根据权利要求1所述的方法,其特征在于,将用户的评价和所述信息服务更新后的信任值进行对比,根据对比结果对用户进行奖惩,包括:
若用户的评价与所述信息服务更新后的信任值之间的差值大于预设差值,则对用户进行惩罚,反之,则进行奖励。
9.根据权利要求1所述的方法,其特征在于,每个用户维护一个评价历史表,在用户对信息服务评价后,对所述信息服务的信任值重新计算,评价历史表保存用户对服务的评价分数、用户当前的信任值以及信息服务更新后的信任值。
10.一种信息服务的信任模型处理装置,其特征在于,包括:
初始化模块,用于信息服务和用户加入网络后,为所述信息服务和所述用户分配初始信任值;
处理模块,用于根据所述信息服务的历史交互评价,计算初始阶段所述信息服务的迭代信任值;
更新模块,用于根据常规阶段用户的评价,计算所述信息服务的综合信任值,将所述综合信任值与预设阈值进行比较,根据比较结果对所述信息服务的等级进行更新并更新所述信息服务的信任值;
奖惩模块,用于将用户的评价和所述信息服务更新后的信任值进行对比,根据对比结果对用户进行奖惩。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011349785.5A CN112491615B (zh) | 2020-11-26 | 2020-11-26 | 一种信息服务的信任模型处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011349785.5A CN112491615B (zh) | 2020-11-26 | 2020-11-26 | 一种信息服务的信任模型处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112491615A CN112491615A (zh) | 2021-03-12 |
CN112491615B true CN112491615B (zh) | 2022-02-18 |
Family
ID=74935157
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011349785.5A Active CN112491615B (zh) | 2020-11-26 | 2020-11-26 | 一种信息服务的信任模型处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112491615B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230308453A1 (en) * | 2022-03-22 | 2023-09-28 | AT&T Global Network Services Belgium Luxembourg SPRL | Method and system for adaptive trust recovery in mixed environment communications |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103746957A (zh) * | 2013-10-10 | 2014-04-23 | 安徽师范大学 | 一种基于隐私保护的信任评估***及其构建方法 |
CN104899762A (zh) * | 2015-04-09 | 2015-09-09 | 哈尔滨工程大学 | 一种基于逆向推理的信任管理方法 |
CN105045805A (zh) * | 2015-06-03 | 2015-11-11 | 安徽师范大学 | 基于移动通信的信任推荐模型的构建方法及其构建*** |
CN109918894A (zh) * | 2019-03-01 | 2019-06-21 | 中南大学 | 边缘计算网络视频处理中基于声誉的信任评估方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102347958B (zh) * | 2011-11-18 | 2013-12-04 | 上海电机学院 | 一种基于用户信任的动态分级访问控制方法 |
US8955129B2 (en) * | 2013-04-23 | 2015-02-10 | Duke University | Method and system for detecting fake accounts in online social networks |
-
2020
- 2020-11-26 CN CN202011349785.5A patent/CN112491615B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103746957A (zh) * | 2013-10-10 | 2014-04-23 | 安徽师范大学 | 一种基于隐私保护的信任评估***及其构建方法 |
CN104899762A (zh) * | 2015-04-09 | 2015-09-09 | 哈尔滨工程大学 | 一种基于逆向推理的信任管理方法 |
CN105045805A (zh) * | 2015-06-03 | 2015-11-11 | 安徽师范大学 | 基于移动通信的信任推荐模型的构建方法及其构建*** |
CN109918894A (zh) * | 2019-03-01 | 2019-06-21 | 中南大学 | 边缘计算网络视频处理中基于声誉的信任评估方法 |
Non-Patent Citations (1)
Title |
---|
利用多服务属性进行信任评估模型研究;杜瑞忠等;《武汉大学学报(信息科学版)》;20100505(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112491615A (zh) | 2021-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Basu Roy et al. | From group recommendations to group formation | |
CN101729321B (zh) | 一种基于信任评估机制的动态跨域访问控制方法 | |
US9355184B2 (en) | Community-based parental controls | |
CN109783734B (zh) | 一种基于项目属性的混合协同过滤推荐算法 | |
CN106776660A (zh) | 一种信息推荐方法及装置 | |
Ghosh et al. | Externalities in online advertising | |
Liu et al. | Analysis of self‐confidence indices‐based additive consistency for fuzzy preference relations with self‐confidence and its application in group decision making | |
Altman et al. | An axiomatic approach to personalized ranking systems | |
Chen et al. | Novel operations for linguistic neutrosophic sets on the basis of Archimedean copulas and co-copulas and their application in multi-criteria decision-making problems | |
Arenas et al. | Reputation management in collaborative computing systems | |
Jiang et al. | Methods for ranking intuitionistic multiplicative numbers by distance measures in decision making | |
CN112491615B (zh) | 一种信息服务的信任模型处理方法及装置 | |
Dammak et al. | An exhaustive study of possibility measures of interval‐valued intuitionistic fuzzy sets and application to multicriteria decision making | |
Zhao et al. | Toward trustworthy defi oracles: past, present, and future | |
CN113452752A (zh) | 一种多域物联网场景下的信任管理、博弈方法、*** | |
Peska et al. | Negative implicit feedback in e-commerce recommender systems | |
Wu et al. | Equipping recommender systems with individual fairness via second-order proximity embedding | |
Tang et al. | Qualitative hesitant fuzzy group decision making: An additively consistent probability and consensus‐based perspective | |
CN115640305A (zh) | 一种基于区块链的公平可信联邦学习方法 | |
Chen | Hesitant fuzzy multi-attribute group decision making method based on weighted power operators in social network and their application | |
Zhang et al. | An approach to determining attribute weights based on integrating preference information on attributes with decision matrix | |
Nakamatsu et al. | Rough-set-based approaches to data containing incomplete information: possibility-based cases | |
Zhao et al. | A new collaborative filtering algorithm with combination of explicit trust and implicit trust | |
Seo et al. | The method of trust and reputation systems based on link prediction and clustering | |
Guo et al. | A dynamic trust consensus model based on personalized adjustment mechanism under multi-granular probabilistic linguistic environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |