面向分布式開放環(huán)境的信任管理機制及其應(yīng)用研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的迅猛發(fā)展，各類用戶對分布式開放環(huán)境中資源共享和交互協(xié)作的需求激增。在工作效率得到極大提升的同時，因環(huán)境的開放性、動態(tài)性和復(fù)雜性導(dǎo)致的安全問題卻不容忽視。一方面，為了保證共享資源不被惡意破壞，必須準(zhǔn)確評估交互雙方的動態(tài)信任關(guān)系。另一方面，為了構(gòu)建有效的交互協(xié)作環(huán)境，在雙方互信的基礎(chǔ)上，還需對是否提供資源服務(wù)做出可信決策。面對新的需求，傳統(tǒng)的面向封閉集中式環(huán)境的安全機制暴露出無法克服的弱點。信任管理機制有助于在無足夠先驗知識的

2、交互者之間構(gòu)建健康有效的協(xié)作關(guān)系，已成為目前解決分布式開放環(huán)境中安全問題的核心支撐技術(shù)之一。
　　分布式開放環(huán)境中交互實體間的信任關(guān)系存在極強的主觀性和不確定性。利用云模型能較好表述不確定性這一特點，提出了一種新的基于該理論的主觀信任演化策略。首先，定義了信任值空間、信任概念空間、信任云、信任概念云及誠實值空間、誠實概念空間和誠實概念云等一系列重要概念。然后，介紹了基于正向云發(fā)生器的正向云算子和逆向云發(fā)生器的逆向云算子，并設(shè)計了一

3、種新的相似云算子，這三種云算子能支持對信任關(guān)系的基本運算。接著，針對信任演化過程中的信任傳遞、合并、評估和更新四個基本環(huán)節(jié)，相應(yīng)地提出了四個算法，并從理論上分析了各算法的時間復(fù)雜度和正確性。最后，通過Repast仿真工具，在模擬環(huán)境中驗證了該信任演化策略的高效性、合理性和有效性。結(jié)果顯示，相似云算子和相似度能有效地輔助信任評估算法完成對實體信任等級的判斷；信任更新算法能準(zhǔn)確反映不同實體的行為特征，并逐步篩選出惡意實體。與具有類似功能的機

4、制相比較，提出的策略能以損失較少的服務(wù)吞吐率為代價，提供相對完整和合理的信任演化功能；在保證安全的前提下為實體提供更多的協(xié)作機會；能更敏銳、更準(zhǔn)確地捕獲各類實體的行為特征。
　　分布式開放環(huán)境中的資源提供者是否向資源請求者提供資源服務(wù)，不僅取決于雙方的互信關(guān)系，還應(yīng)考察執(zhí)行服務(wù)過程時存在的風(fēng)險是否超過了資源提供者可承受的范圍，即信任與風(fēng)險將共同影響資源提供者的決策結(jié)果。強調(diào)信任與風(fēng)險的區(qū)別與聯(lián)系，提出了一種量化風(fēng)險的方法，并將其應(yīng)

5、用于資源服務(wù)的可信決策中。首先，討論了資源服務(wù)決策過程中產(chǎn)生風(fēng)險的主要原因，分析了風(fēng)險與信任的關(guān)系，指出了已有風(fēng)險量化方法的不足。然后，形式化定義了一組與信任和風(fēng)險相關(guān)的基本概念，并以此為基礎(chǔ)建立了一種信任與風(fēng)險相融合的資源服務(wù)可信決策模型。接著，給出了一種基于概率的信譽推理機制，并設(shè)計了一種基于Chernoff界的風(fēng)險度算法。從理論上分析了風(fēng)險度算法的時間復(fù)雜度和正確性。最后，在Repast中進行了仿真實驗。結(jié)果顯示，提出的風(fēng)險度計算

6、方法能快速、準(zhǔn)確地評估環(huán)境的平均風(fēng)險度，且能在決策者允許的風(fēng)險范圍內(nèi)增加實體間資源共享和交互協(xié)作的機會，具有較強的實用性；同時，構(gòu)建的決策模型能有效地輔助資源提供者實施可信決策。
　　為了在實際應(yīng)用中驗證提出的主觀信任管理機制的有效性，選擇新興的分布式開放環(huán)境——數(shù)據(jù)密集型計算環(huán)境，以一類典型的數(shù)據(jù)密集型應(yīng)用——獨立任務(wù)包為例，通過將最佳數(shù)據(jù)副本集合的構(gòu)造過程抽象為確定型多準(zhǔn)則決策問題，并運用優(yōu)劣解距離法求解，提出了一種可靠性感知

7、的多準(zhǔn)則數(shù)據(jù)副本選擇策略。該策略既強調(diào)考慮開放環(huán)境中資源不可靠性的重要性，采用基于云模型的信任演化機制度量數(shù)據(jù)副本的可靠性，體現(xiàn)了用戶對數(shù)據(jù)服務(wù)QoS需求的模糊性和非定量特征；也在問題建模時反映副本失效對任務(wù)完成時間和執(zhí)行成本的影響，增強了模型與真實場景的貼近度。從理論上分析了提出的副本選擇算法的時間復(fù)雜度和正確性，并在OptorSim中進行了仿真實驗。實驗結(jié)果顯示，在不可靠環(huán)境中，該策略能有效降低副本失效率，達到了盡可能減少因數(shù)據(jù)訪問