基于隐Markov过程的网络信任评估模型
为了快速精确地刻画实体行为的高动态性,提出一种基于连续时间隐Markov过程的信任评估模型.不同于离散时间隐Markov信任模型,该模型充分考虑到信任的时间相关性,结合交互记录之间的时间间隔,将实体信任评估问题归结为连续时间隐Markov过程的学习问题.进而利用改进的和声搜索算法,给出求解隐Markov过程最佳参数的算法,该算法有效地保证了全局搜索空间,能够获得更好的解.在此基础上,利用已有交互结果序列和最优参数组,对实体的信任度进行预测.仿真实验表明,该模型能够快速地反映出实体行为的动态性,具有较高的精确度,且能抵抗部分恶意攻击.
动态信任、隐Markov过程、和声搜索算法、信任度、微调空间
47
TP393(计算技术、计算机技术)
国家“973”计划重点项目资助2012CB315905,2012CB315901
2017-01-18(万方平台首次上网日期,不代表论文的发表时间)
共7页
101-107