針對主動攻擊的信任計算方法.pdf

1、當(dāng)前基于信任計算的應(yīng)用越來越多，涉及網(wǎng)絡(luò)通訊、網(wǎng)絡(luò)購物甚至是網(wǎng)絡(luò)金融等眾多與人們?nèi)粘９ぷ魃钕⑾⑾嚓P(guān)的領(lǐng)域，信任計算已經(jīng)成為了各類網(wǎng)絡(luò)應(yīng)用中的重要一環(huán)。然而，針對信任計算的各類主動攻擊也層出不窮，這些攻擊輕者降低用戶體驗(yàn)，使用戶不能享受到合理的服務(wù)，重者威脅到用戶的財產(chǎn)安全，因此，針對信任模型中存在的安全問題成為當(dāng)前的研究熱點(diǎn)。
　　本文總結(jié)了信任計算的一般方法，重點(diǎn)分析了當(dāng)前信任模型中存在安全問題及常見抵御策略，并提出將主動攻擊

2、分為兩類：一類是以洗白攻擊為代表的幫助惡意節(jié)點(diǎn)能夠持續(xù)進(jìn)行攻擊的輔助性攻擊，另一類是具體惡意攻擊行為，包括單個惡意節(jié)點(diǎn)攻擊、共謀攻擊以及策略性攻擊這三類具體的攻擊行為。
　　根據(jù)洗白攻擊形成的原因，本文提出了一種針對洗白攻擊的信任優(yōu)化模型，有針對性的引入系統(tǒng)駐留時間等因素，通過嚴(yán)格的分類準(zhǔn)則將系統(tǒng)中的節(jié)點(diǎn)分為安全節(jié)點(diǎn)與有洗白嫌疑的可疑節(jié)點(diǎn)，并提出基于TOPSIS(理想節(jié)點(diǎn)算法)的擔(dān)保機(jī)制，讓安全節(jié)點(diǎn)為可疑節(jié)點(diǎn)的推薦提供擔(dān)保，以保證

3、可疑節(jié)點(diǎn)所提供推薦的準(zhǔn)確性。實(shí)驗(yàn)證明該算法提高了節(jié)點(diǎn)洗白后作出惡意推薦的代價，降低了節(jié)點(diǎn)洗白后進(jìn)行惡意評價的可能性，使得洗白行為喪失意義。
　　針對具體惡意攻擊行為，結(jié)合群組的信任計算方法提出了一種基于k-means的動態(tài)用戶聚類安全信任推薦機(jī)制。聚類指標(biāo)中引入相似度和評分行為偏離度以抵御簡單惡意攻擊和共謀攻擊，并改進(jìn)了聚類更新方法，保證了信任計算的動態(tài)性要求，同時防止策略性攻擊的發(fā)生。信任計算過程中還引入Leader節(jié)點(diǎn)幫助簡化