p2p论文

P2P信任模型论文

p2p电子商务中基于声誉的关系信任模型

摘要

近年来，P2P网络成为互联网中最受欢迎的应用系统之一。由于P2P网络的匿名性和开放性，交互的节点不能总是保证自己行为的可靠，使得节点之间缺乏相互信任，网络中资源质量不能较好保证。P2P网络的安全问题成了当前研究的热点，在研究现有的信任模型的基础上，借鉴目前比较流行的基于全局推荐的信任度计算方法，提出了一种基于声誉的关系信任模型。为了满足用户多样性的要求，用户在Agent的协助下以商品的信任值排序后选择自己满意的商品。商品的信任值包含启动信任值和经验信任值两部分，启动信任值由商品的声明属性与同类商品的实际属性和信任值对比获得，经验信任值由交易经历和用户评价获得，在计算经验信任值时，用动态时间窗口减少计算量，在全局范围评估评价可信度以降低恶意评价的影响。测试和计算结果表明启动信任值能让无评价或仅有很少评价的优质新商品能与信任度很高的商品合理竞争，比另外两种信任启动方法更适合电子商务系统，关系信任模型对恶意评价有较强的抵抗能力，提高系统交易的成功率。

关键词：P2P网络；电子商务；信任模型；声誉

第 1 页

P2P信任模型论文

随着C／S网络应用的飞速发展，服务器的性能瓶颈问题也带来了一些麻烦，限制了端系统资源的有效利用，而且越来越无法满足日益增长的分布式应用需求。基于C／S网络应用的不足，P2P网络的应用逐渐兴起。P2P网络也称为对等网络，每个节点在网络中即充当资源提供者又充当资源请求者，每个节点的地位相等，没有主次之分。电子商务平台中的用户既可以是买家也可以是卖家，这种形式和P2P中的节点很类似，因此用P2P实施电子商务平台有着天然的优势，随着电子商务平台中用户（含商家）数量的增加，用户想购买到最合适自己的商品并不是一件容易的事，往往买了一件商品后又发现另外一个商家提供的商品更好。因此，基于声誉的信任管理是目前研究的热点，信任模型的建立和数据管理是P2P系统中基于声誉的信任管理所要研究的问题。要选择可靠的资源和激励节点相互之间的合作必须设计合理的信任模型。

信任建模就是通过数学的方法，建立一个科学的评估体系，并根据信任值来度量哪些节点是可信的，哪些节点是不可信的，通过节点间的历史交互信息所反映出的节点表现，形成信任关系。目前，针对P2P电子商务的信任问题有许多研究，文献［1］利用云理论刻画信任及信任等级，将节点进行分类，但他们计算节点的信任值时认为节点在线时间越长越可信，但在电子商务中一些纯买方节点在线时间本来就短，而一些恶意节点为了攻击别人反而在线时间长，所以此方案有其局限性。 文献［2］以贝叶斯网络把信任分为不同领域、不同方面的可信度，通过用户评价与预测可信度比较，如果差异较大就认为属于欺骗行为，但这种方法的前提是可信值不会发生突变，而实际可能是用户的恶意评价，所以这种方法对买方的恶意评价没有任何效果。文献［3］认为每个节点具有局部声誉和全局声誉，为了确定节点所给评价的真实性，提出一个质量模型评价节点的可信度，然而他们的这个模型要求评价节点与被评价节点有交易关系，这是一个苛刻的条件，在电子商务平台中用户众多这些研究工作主要考虑了恶意节点的防范，但都忽略了新商品进入到系统的信任问题，这些研究都想以商品的信任值引导用户交易，但这些研究都是以0或0.5作为新商品的缺省信任值，然而在电子商务系统中都有大量的同类商品，即使某个新商品可能非常适合某个用户，但用户从以信任值排序的列表中很难找到这种新商品，因此，这些方法有必要解决这个关键的问题。针对这些问题，本文提出一种基于Agent的关系信任模型，用户需要购买商品时，以目前电子商务具有的声誉系统为基础计算商品的信任值，通过商品信任值引导用户购买。

一、P2P网络

1.1 P2P网络概念

P2P网络是一种分布式应用模式，主要可以用来进行数据共享和协同计算。P2P网络中没有中央控制服务器，每个节点即具备服务提供也具备服务消费两方面的功能。网络中实体地位均等，没有高低之分，可以随时加入和退出网络，节点之间可以直接互相访问，具有高度自治性。节点之间共享资源和服务。P2P网络一般可以划分为：纯散式、混合式和超级节点式三种。

第 2 页

P2P信任模型论文

图1、1 纯散式P2P网络

图1、2混合式P2P网络

图1、3超级节点P2P网络

1、2 网络拓扑结构及工作过程

P2P网络拓扑结构分为集中式拓扑、全分布式非结构化拓扑、全分布式结构化拓扑和半分布式拓扑。 集中式容易出现单点失效，在电子商务中与非 P2P网络相比带来的好处有限；全分布式非结构化拓扑定位效率低，广播消耗带宽大，难实施信任管理；全分布式结构化拓扑难实施信任管理。因此，要实施信任管理用半分布式拓扑比较合适，由电子商务公司部署的服务器作超级节点，商家和用户的计算机做叶子节点，如图1、4所示。

第 3 页

P2P信任模型论文

图 1、4 网络拓朴结构 Fig、1 Network top ology

（1）普通节点生成一个Agent连接到超级节点，被连接的超级节点生成一个Agent2与Agent1交互；

（2）Agent1向Agent2发出所需商品的关键词搜索请求；

（3）Agent2把关键词请求相关的商品信息列表（包含Agent2向其他超级节点发出搜索请求的结果）

按声誉值由高到低返回给Agent1；

（4）Agent1 从商品信息中选择所需商品，并设置个人特殊偏好（如价格优先，品牌爱好等）；

（5）Agent2计算满足用户要求商品的信任值，并按从高到低的顺序把满足用户要求的商品提供者信息（含IP 地上和端口）返回给 Agent1； （6）Agent1选择商品经销商；

（7）商品经销商生成 Agent3与 Agent1协商，如果Agent1不满意重新回到⑹或者结束，如果满意就同所选商品经销商交易；

（8）Agent1把交易金额转入超级节点帐户，超级节点记录交易情况；超级节点收回Agent2资源，商品经销商节点收回Agent3资源；

（9）Agent1收到商品后通知超级节点交易完成并对商品做评价，超级节点把交易金额转入商品提供者帐户并更新商品和商品提供者的声誉值，用户节点收回Agent。

二、信任与信任关系

信任网络是指节点间相互依赖形成的信任关系，其他节点的推荐能够决定一个节点的信任度，而且推荐方的可信程度也要考虑进来。P2P网络系统的信任网络中，没有百分之一百的绝对可靠的节点，信任度也不是完全真实的，但是可以让其他节点根据此依据作出判断。

2.1信任的定义

第 4 页

P2P信任模型论文

一般来说，信任表达了对今后行为的一种期望。如图2．4所示，信任具体的含义是由上下文来确定。信任者指的是信任的提供方，被信任者指的是信任的接收方；环境指的是信任关系所产生的具体的网络环境；上下文指的是信任关系所属范围。

图2．1信任关系基本要素

定义1 信任是指用户根据某个商品声明的属性、自身经历、商品声誉、其他评价者的可信度等因素对商品能满足自己要求的估计。

与大多数信任系统相同，本文把信任限定为［0,1］范围内的一个值，值越大越可信。

2.2信任的分类

我们可以将信任分为两类：直接信任和闯接信任。

（1）直接信任是根据节点间历史直接交互的经验，对目标节点未来行为的一种主观期望。

（2）间接信任是指通过其他节点的推荐信息，对目标节点的综合期望。

图2．2直接信任与间接信任

E与F、F与G历史上曾经有过直接信息交互，那么它们之间的信任关系就叫做直接信任；E与G之间从来没有进行过交互，如果进行交互，只能通中间节点F的推荐，那么它们之问的信任关系叫做间接信任。一般来说，和人的感觉一样，

第 5 页

P2P信任模型论文

节点总是相信自己的判断，所以直接信任要大于间接信任。但是在P2P网络中有直接历史交互的节点是非常少的，因为当节点数目很多时，两个节点发生交互的概率比较小。因此如果只考虑自身直接交互经验是不可靠的，间接信任是不能缺少的。

三、声誉与声誉系统

3、1声誉的概念

我们可以将声誉分为集中式和分布式，通过第三方计算得出的声誉称为集中式，从其他节点的推荐得到的声誉称为分布式。如果只依靠本地节点的信息去了解声誉，那么得到的声誉一般是不可靠的、不全面的，因此通常要从其他节点那里获取信息。如果推荐信息的节点也不能提供可靠的信息，那么可以继续寻找所信任节点的推荐，我们把这样的推荐信息就称为声誉。针对本文中的应用环境，声誉定义如下：

定义2 声誉是指所有购买过商品的用户对商品（含交易过程）评价的统计结果。 声誉包含了商品的声誉和商品供销商的声誉。 各个电子商务平台采用的计算方法和评价内容都有所不同，如淘宝对商品的评价分为两部分：第一部分是整体评价，可评“好”“中”“差”三个等级，好评计一分，中评不计分，差评计负一分；第二部分是对“宝贝与描述相符”、“卖家的服务态度”、“卖家发货的速度”和“物流发货的速度”四个方面按5分制整数评价。 商品供销商的声誉包括：所有商品的好评与差评计分累加、好评率、第二部分的前三项的算术平均值。 这种机制很容易导致商品供销商用低价格商品提升声誉值，然后用高声誉值进行欺诈。

3、2声誉系统

声誉系统是发布和管理与声誉相关的系统，其中每个节点都知道系统中其他节点的行为的好坏。声誉系统总是将某一特定的客观信息作为输入，系统的声誉值是所有节点对某一节点整体的评价。

四、基于声誉的关系信任评估

4、1信任与声誉的区别：

信任和声誉是两个关系非常密切的概念，文献[4]中两者都可以起到类似的作用，但它们也存在着一定的差别：

（1）声誉系统提供全局的声誉值，意味着在这个系统内的某个商品（提供者）对所有用户来看都具有一个相同的声誉值，而信任系统通常被用于获得信任的局部和主观测量，意味着同一个商品对不同的用户来讲其信任值有可能不同。 信任系统中用于计算信任值的信息来源可以有传递性，即可以使用间接经验，而声誉值的计算都是在系统内用户的直接经验，没有传递性。 文献［5］说明信任和声誉时有这样的论述：

第 6 页

P2P信任模型论文

① “因为你有良好的声誉，所以我信任你。” ② “尽管你的声誉不好，但我信任你。”

这两句论述可以反映出信任的复杂性。第①论述是一般信任和声誉系统都会考虑到了的内容。 第②论述蕴涵了信任者和被信任者之间的一种特殊私有关系，这种私有关系否定了其他人对被信任者的评价。 对这种私有关系可以这样理解，其一是因为声誉实际上还是局限于一定的范围内的用户，可能并不具有普遍性；其二是由于个人有特别的途径对这个商品进行了解或者商品具有某种特殊的作用适合用户。

4、2 关系属性

为了体现信任中的特殊私有关系，本文用关系属性解决这个问题，用户可以对商品设置四种关系：｛“信任”、“优先”、“普通”、“不信任”｝。 其中“普通”是缺省关系，非“普通”关系属性需要由用户设置。若商品的关系属性是“信任”，那么它的信任值为最大值1；如果商品 i 的关系属性是“不信任”，那么它的信任值为最小值0。 如果商品的关系属性为“优先”，假设它的信任值为 T（i），另一个商品 j 的关系属性为“普通”，其信任值为 T（j）， 即使 T（i）＜T（j），如果满足式（1），在用户选择商品时品 i 排在商品 j 之前。

T（j） －T（i） ＜α， （1） 其中 α是由系统设定的一个小于1的正实数。

4、3 商品信任值计算

为了促进竞争，让用户有机会选择性价比更高的商品。 在信任模型中对新商品的实施启动信任，因此，新商品的信任值包含启动信任值和经验信任值。 显然，由“4、2”可知，如果商品关系属性是“信任”或“不信任”可以直接求出。 只有当商品关系属性是“优先”和“普通”时才需要按本小节的方法计算。 定义3 启动信任值：在商品没有交易经历或者只有较少交易经历时，根据商品声明的属性与交易经历很多的同类商品的实际属性和信任值对比估计出的商品可信程度。 其值在［0,1］范围内。

定义4 经验信任值：用户根据声誉系统中记载的商品交易历史和其他用户评价计算出的商品可信赖程度。其值在［0,1］范围内。 设商品 i 的信任值为 T（i），可由式（2）计算。

（2）

其中 Ts（i）是商品 i 的启动信任值，Te（i）是通过统计商品 i 交易历史得出的经验信任值，n 为商品 i 的交易次数，N 为一个正的自然数。 当 n＜３N 时，商品 i 的信任值由启动信任值和经验信任值动态线性相加，随着次数增加，经验信任值在总信任值所占的比重越来越大，当 n＞３N 时，信任值完全由经验

第 7 页

P2P信任模型论文

信任值构成。 采用这个策略是由于在交易量少时利用恶意评价很容易攻击成功。 β（i）为商品信任启动因子，代表商品销售者等效未达到声明客观属性的比例，若商品销售者共有 n 次交易，β（i）由式（3）计算

其中 j 代表第 j 次交易为未达到声明客观属性，dj为第 j 次交易的金额，用金额而不是用次数是为了防范经销商用小金额诚实交易而用大金额欺诈的行为。

4、4 动态时间窗口

通过用户的评价计算经验信任值时，由于交易数量过多可能会导致计算量过大，所以为了减少计算量，一些研究只计算最近一段时间的用户评价，即采用时间窗口，只统计最近一段时间的用户评价。 这种方法有以下好处：①可以减少计算量；②商品（服务）、商品经销商和用户的行为可能会发生改变，因此根据最近一段时间内的用户评价评估它的信任值会更准确。 在一些应用中可以用最近一段固定时间（或次数）内的用户评价就可以准确计算出信任值，但是在电子商务中，必须做特殊处理。 在计算某个商品的信任值时，由于商品每次销售的价格差不多，统计时用最近次数 （如最近100次） 就可以准确计算出信任值；而在计算商品经销商的信任值时，由于商品经销商销售的商品种类很多，不同商品价格可能相差很大，如果也采用最近次数的评估，用户很容易掉进商品经销商用低价格商品诚信交易高价格商品欺诈的陷阱。 因此，可以采用最近交易总额大于当前商品价格100倍的最少交易次数的评评价进行评估，即取最小交易次数满足式（4）。

4、5 评价可信度计算

定义5 评价可信度：用户评价值得依赖的程度。 其值在［0,1］之内。

为了防范用户的恶意评估，需要计算评估者的评价可信度，如果评价可信度低，其评价在信任值计算时起到的作用就小。 文献［6］为了减少恶意评价对信任评估的影响，在统计用户评价前先把所有用户评价按 k 均值聚类算法划分成评价相近的几个群体，群体数量占优的评价在计算信任值时占的比重大，但这个方法在恶意评价比重较少时才有用。 如果商品在交易初期只进行了三次交易，其中有两次交易是评价相同的恶意评价，这个方法就不能获得预期效果，反而可能强化恶意评价的效果。此方法之所以失效，是因为他们只在同一个服务（商品）的范围内评估评价的可信度，本文的策略是在全局范围依据现有电子商务平台普遍应用的声誉系统内的数据评估评价的可信度。 设评价者 i 全局范围内一共购买过 n 个商品（同一商品只计最后一次），则评价者 i 的评价可信度 ri可由式（5）求出。

第 8 页

P2P信任模型论文

其中 dk为第 i 个商品的第 k 次交易金额，采用金额做权重是为了防范通过小金额获得高信任用大金额欺诈的行为。 ri 的k次方为评价者 i 评价第 k 个商品时的评价可信度，设对第 k 个商品的评价共包含 n 个属性的评价，则 ri k可由式（6）计算。 除以

是为了保证 ri的值在 ri 的k次方值域内。

其中为对第 k 个商品的第 j 个属性的评价值， 为对第 k 个商品的第

j 个属性评价的平均值，为对第 k 个商品的第 j 个属性评价的最大值。 由

式（６）可以看出，如果评价值与平均值相差越大，则可信度越低。

4、6 启动信任值 Ts（i）的计算

目前利用信任机制选择商品（服务）的研究主要是探讨用户评价的方法、存储和

聚集，主要研究精度、速度以及降低恶意评价的影响，而针对新商品在无交易或者仅有很少交易评价时的信任值研究得很少，然而这个问题在所有信任系统都无法回避。许多研究用一个缺省值作初始值，这种方法虽然简单，但会给系统带来安全隐患或不利于商务平台的发展：有些研究把无交易经验的信任值设置为0或者0.5，这会导致它将无法同系统中信任值高的商品竞争，这对新商品非常不利，即使它的性价比很高，用户也因其信任值太低而失去选择它的机会；有些研究把无交易经验的信任值设置为1，然而这种方式对有许多交易经验且性价比良好的商品不利，即使它做得再好也很难达到最高值1，这种初始值助长了漂白身份的恶意行为，商品可通过注册新身份进行欺诈行为而不必担心信任值的下降。从目前启动信任值的研究来看，文献[7］中提供了三种方案实施启动过程：第一种方案采用Web服务社区的正常交易率，存在着用低价值交易换取高信任值然后用高信任值进行欺诈行为的风险；第二种方案由新商品在Web 服务社区中找信任值高的商家担保，用担保商家的信任值做新商品的信任值；第三种方案由 Web服务社区几个信任值高的服务商对新商品进行信任值评估。后两种方式因为它们是竞争对手，所以实际并不容易公正地实施。设某类商品共有 M 个客观属性，包括正属性（值越大，属性越好，如保修期）和负属性（值越小，属性越好，如价格）。 现有同类商品 m 个，其中第 i 个商品为无交或只有很少交易的商品，它的信任值需要计算启动信任值，商品 k 的启动信任值可由式（7）计算。

第 9 页

P2P信任模型论文

其中 wj为用户对第 j 个质量属性的关注程度 wj∈｛0,1,2,3,4｝，值越大代表用户关心此质量属性的性能。

是商品 i 第 k 个质量属性的启动信任

值，在计算信任启动值时为了防范商品恶意声明高的质量属性，我们采用所有实际交易中的实际质量属性和声明质量属性的最小值，设共发生了 N 次交易，如果第 j 个属性为正属性则

由式（8），若为负属性，则由式（9）计算。

其中为商品声明的质量属性，分别为第 １，２，?，N 次

的实际质量属性。 通过此措施使商品声明虚假的质量属性不仅不能获益，反而

在随后的交易中反受其害。 为求出

，需要先将 m 个商品的第 k 个属性排序，正属性按顺序排序，

在序列中有三个可能

负属性按逆序排序。 排序后商品 i 的第 k 个属性 位置：序列前，序列中和序列尾。 （1）

处在序列中

排序后，正属性满足

。

，负属性满足

（2）处在序列前

，负属性满足

。

属性排序后，正属性满足

第 10 页

P2P信任模型论文

（3）处在序列尾

，负属性满足

属性排序后，正属性满足

五、分析和测试

为了说明基于声誉的多关系信任模型解决的问题，从系统兼容与用户自由度、启动信任性的合理性和对恶意评价的抵抗能力三个方面分析和测试，由于信任系统中最难处理的是交易次数少的情况，所以只针对这种情况做分析测试。

5、1系统兼容与用户自由度

现有的电子商务系统大多有声誉系统，而多数研究工作都是提出一套全新的方案，大公司如果采用这种全新的方案就需要把现有的系统推倒重建，代价将会非常大，所以这种方案很难实施。我们的方案只需要在现有系统上加入一个桥接器即可，现在有些公司（如淘宝）已经提供了他们系统的接口。现有大部分研究利用信任系统选择商品时都缺乏充分的灵活性，用户很难根据自己的意愿选择商品。这些方案以一种固定的模式计算信任值，虽然有些方案通过改变参数值可以改变信任值从而影响排序，但这种变化只会在一个比较小的范围内改变，用户使用的时候会觉得很不方便。在我们的方案中，用户有足够的权限选择自己喜欢的商品，在选择商品之前通过设置商品的关系属性，以“完全信任”无条件选择，以“完全不信任”无条件拒绝，以“优先”有条件选择，这些关系属性的处理方式都体现了人在社会中根据信任和声誉进行社会活动形式。

5、2启动信任值的合理性

商品启动信任值是否合理关系到系统是否能健康有序地发展。假设在系统中某类商品中三个最高信任值的商品comm1，comm2和comm3，只有一个属性分别为0.98，1，1.1，信任值分别为0.94，0.96，0.98。 先说明合理性的第一个方面，现有一新经销商提供同类新商品comm4如果comm4声明的属性为1.12，那么它的信任值就为0.984；如果comm4声明的属性为1.1，那么它的信任值就为0.98；如果comm4声明的属性为1.05，那么它的信任值就为0.97；如果comm4声明的属性为1，那么它的信任值就为0.96。 可以看出，只要新商品的属性比较好，其启动信任值就能排到前面，有机会让更多的用户选择。 第二个方面的合理性:如果comm4有一次交易经验后，它的实际属性为0.9，那么它现在的信任值就会小于0.86，可以看出，comm4的信任值急剧下降，而且在启动信任预警中还显示它1次未达到声明属性。

第 11 页

P2P信任模型论文

图 5-1 信任值比较

5.3 对恶意评价的抵抗能力

图5-2描述的是comm4对恶意评价抵抗能力。 ●表示无恶意评价，■表示恶意评价数分别为（1,1,2,2,2），即50%恶意评价；× 表示恶意评价数分别为（1,2,3,4,5），即100%恶意评价。交易次数比较多后，恶意评价的比例一般不会很高，如果真是这样，说明电子商务系统已经出问题了。但在交易量小的时候，大比例恶意评价很可能出现，从图5-2可以看出，恶意评价对信任值结果影响很小，出现这种情况是因为初始阶段信任值主要是由启动信任值构成，而对启动信任值影响最大的是商品的属性。

图 5-2交易初期信任抗恶意评价情况

六、结 语

本文主要研究了在P2P电子商务中基于声誉的关系信任模型，用户在Agent的协

第 12 页

P2P信任模型论文

助下可以以“信任”、“优先”、“普通”、“不信任”四种关系属性灵活自主地选择自己满意的商品。 针对没有交易或者只有很少交易的新商品通过信任启动与其他商品进行有效合理的竞争，不仅对商品的虚假声明有抑制作用，而且对大比例恶意评价有较好甄别能力，有利于性价比好的新商品进入电子商务平台，促进电子商务平台的良性发展。 利用全局信息评估评价者的可靠程度，使恶意评价很难从中获利，降低了恶意评价的危害。 通过分析和测试，本文提出的方法在系统兼容与用户自由度、启动信任值的合理性以及对恶意评价的抵抗能力都具有比较好的性能。

参考文献：

［1］ 田俊峰，田瑞 . 基于领域和贝叶斯网络的 Ｐ２Ｐ 电子商务细粒度信任模型［J］．计算机研究与发展，2011,48(6):974-982．

［2］孟宪福，张磊，王旭．P2P电子商务信任模型研究[J]．计算机应用研究，2009，v01．26(8)：3067—3069

［3］ 姜守旭，李建中 . 一种P2P电子商务系统中基于声誉的信任机制［J］．软件学报，2007，18（10）：2552-2563．

［4］ 金兰芳，朱艳琴．基于信誉的peer-to—peer推荐信任模型[J]．计算机工程与应用，2007，43(3)：122—124．

［5］RGanesan，M．Bawa,and H．Garcia—Molina．Online Balancing of Range-PartitionedData with Applications to Peer-to Peer Systems The Journal of Super computer,Toronto，2009：73-76．

［6］ 潘静，徐锋，吕建 . 面向可信服务选取的基于声誉的推荐者发现方法［J］．软件学报，2010,21(2):388-400．

［7］ 吴鹏，吴国新，方群 . 一种基于概率统计方法的P2P系统信任评模型［J］．计算机研究与发展，2008,45(3):408-416．

第 13 页

本文来源：https://www.bwwdw.com/article/ov78.html