当前位置：文档之家 › 2005-Tailored trustworthiness estimations in peer-to-peer networks

2005-Tailored trustworthiness estimations in peer-to-peer networks

  • 格式：pdf
  • 大小：228.85 KB
  • 文档页数：6

TailoredTrustworthinessEstimationsin

Peer-to-PeerNetworks

KatriYlitalo

HelsinkiInstituteforInformationTechnology

P.O.Box9800,02150HUT,Finland

Email:katri.ylitalo@hiit.fiSilkeHoltmanns

NokiaResearchCenter

P.O.Box407,00045NokiaGroup,Finland

Email:silke.holtmanns@nokia.com

Abstract—Inpeer-to-peer(P2P)communities,usersmakeper-sonaltrustevaluationsofeachotherbasedontheirexperiencesandobservations.Theavailableinformationofthepeer’spastbehavior,i.e.reputation,isoftenincomplete,thecredibilityofevaluationsisaconcernandtherelevanceoftheavailableinformationvaries.Inthispaper,weproposefunctionsforproducingtailoredtrustworthinessestimationsinP2Pcommunitiesbasedonthepeerspastbehavior.ThepresentedmechanismprovidessomeflexibilityonapplyingitindifferentkindsofP2Pnetworks.

I.INTRODUCTION

Inonlinecommunities,agroupofusersinteractswitheach

otherbydigitalmeansandhaveamutualareaofinterest.

Usersmakepersonaltrustevaluationsofeachotherbasedon

theirexperiencesandobservations.Anexampleofthistype

ofacommunityiseBay,whichhasacentralizedevaluation

mechanismformanagingtheinformationabouttheusers’past

behavior,i.e.reputation.Thisreputationinformationismeant

toassisttheusersintheirpersonaltrustdecisions.

Someonlinecommunitiesarebasedonpeer-to-peer(P2P)

networks,suchasfilesharingandfreeprogrammingcom-

munities.Intheseinteractionenvironments,i.e.contexts,the

actualinteractionshappendirectlybetweentheusers,i.e.peers

-insteadofacentralizedtrustedthirdpartybeingincontrol.

Characteristically,inaP2Papproachthepeerscontributethe

systeminsomemeans.Forinstance,theyprovidestorage

capacitytothecommunity.

Typically,anonlinecommunityhasacentralizedreputation

systemwithonefixedmechanismprocessingtheinformation

andrepresentingtheusers’trustworthiness.Thesesystems

usuallyhaveacentralizedstoragesystemthatcontainsdetailed

transactiondata,evaluationsandotherpersonaldataofthe

users.However,thiskindofanapproachdoesnottakeinto

accounttheusers’personalpreferences,notforgettingthat

thelargecentralizedstoragesystemsaretemptingtargetsof

attackstothedata.

DistributingthereputationmanagementintotheP2Pnet-

workchangesthesituationinsomewhat.Processinglocally

thereputationinformationenablestailoringthetrustworthi-

nessestimationstomeettheuser’spersonalpreferences.The

reputationmanagementmechanismcanbepersonalisedby

givingweightstotransactionsthatareconsideredimportant

totheuser’scurrentsituation.Nevertheless,distributingthereputationmanagementwithoutatrustedthirdpartyalso

produceschallengesformanagingtheinformation.Thesystem

hastotakeintoaccountthatnotallreputationinformationis

available,itscredibilityisaconcerninadditiontothatspoofed

transactionsandephemeralidentitiesarepossible.

Inthispaper,weexaminehowtolocallyproduceatai-

loredtrustworthinessestimationofauserfromtheavailable

reputationinformationinaP2Pnetwork.Themainobjective

istodefineafinegrainedandcontextdependentreputation

evaluationmechanismthatisgenericforP2Papplicationsand

presentgenericfunctionsthatmaybeinstantiatedindifferent

problemareas.Toachievethisgoal,themechanismfocuses

oncapturingandprocessingtheinformationthatislinkedto

theconductedtransactionsonauserlevelapplication.

II.RELATEDWORK

Alargepartoftheavailabledistributedreputationmanage-

mentmechanismsfocusonreliabilityinroutingandmessage

forwarding[4].S.MoloneyandP.Ginzboorg[12]arguethat,

inprinciple,theideaofusingthepastbehaviorofapeerin

trustworthinessestimationsmapswelltopervasivenetworks

utilizingshort-rangewirelesstechnologies.Supportingthis,

S.Moloney[11]alsopresentssimulationofdistributed

recommendationsystem.

Typically,mechanismsthatcaptureandprocessusers’eval-

uationsaretechnologyandsecurityorientedsuchasthe

privacy-enhancedP2PreputationsystemthatM.Kinateder

andS.Pearson[9]propose.Despitetheslightlydifferent

approaches,themechanismwepresentfitspartlyintothe

propositionofarchitectureandalgorithmsforadistributed

reputationsystembyM.KinatederandK.Rothermel[8].

Thepresentedideaofweightsinthedifferentcategoriesofthe

contentinacontextsupportsourapproachinevaluatingsimi-

larityofthecontentintheconductedtransaction.Additionally,

weconsiderimportanttobeabletoevaluatetheexpertiseof

thoseprovidingtheevaluations.

Comparedtotheamountofworkdoneinthedistributed

reputationmanagement,relativelyfewfunctions,e.g.Liuetal.

[10],andnotesformechanismimplementationapplicableto

differentcontextsareproposed.Partoftheresearchproposing

thefunctionsarerelatedtoprotocolsforexchangingthetrust

decisionrelatedinformationsuchas,e.g.,Abereretal.[2]

andSelcuketal.[18].Someoftheearlierworkspropose

0-7803-9469-0/05/$20.00 ©2005 IEEE

合集下载

基于终端自主侦听的NR_Sidelink_非授权接入机制

基于终端自主侦听的NR_Sidelink_非授权接入机制

292　RadioCommunicationsTechnologyVol.49No.22023

　doi:10.3969/j.issn.1003-3114.2023.02.012

引用格式:朱振杰,崔琪楣,张雪菲,等.基于终端自主侦听的NRSidelink非授权接入机制[J].无线电通信技术,2023,49(2):

292-299.[ZHUZhenjie,CUIQimei,ZHANGXuefei,etal.TerminalAutonomousSensingBasedAccessMechanismforNRSidelinkon

UnlicensedSpectrum[J].RadioCommunicationsTechnology,2023,49(2):292-299.]

基于终端自主侦听的NRSidelink非授权接入机制

朱振杰,崔琪楣∗,张雪菲,陶小峰

(北京邮电大学

信息与通信工程学院,北京100876)

摘　要:5G新空口(NewRadio,NR)定义了侧行链路(Sidelink,SL)模式2资源分配机制,使用户能自主选择预留

资源进行数据传输,以满足基站覆盖范围外终端间直接通信的需求;随着移动通信技术的快速发展,智能终端间直接

通信对于速率的要求越来越高,有限的授权频谱成为限制速率的瓶颈,使用非授权频段可以缓解授权频谱资源短缺的

问题,进一步提升网络的传输速率;非授权频谱中的NR(NRintheUnlicensedSpectrum,NR-U)采用先听后说(Listen

BeforeTalk,LBT)接入非授权信道,LBT不确定性会引起NRSL用户接入预留资源失败,带来额外的传输时延。针对上

述问题,提出一种基于终端自主侦听的非授权接入方法,通过配置候选预留子信道资源,提升了模式2资源分配机制

下NRSL用户采用LBT机制接入非授权信道的成功率。仿真结果表明,所提机制能有效提升NRSL系统在非授权频

段的性能。

关键词:新空口侧行链路;非授权频谱;资源分配机制;先听后说

P2P环境下基于兴趣的分布式信任模型

P2P环境下基于兴趣的分布式信任模型

第４１卷第２期　

２０１ｉ年３月　东南大学学报（自然科学版）　

ＪＯＵＲＮＡＬ　ＯＦ　ＳＯＵＴＨＥＡＳＴ　ＵＮＩＶＥＲＳＩＴＹ（Ｎａｍｒａｌ　Ｓｃｉｅｎｃｅ　Ｅｄｉｔｉｏｎ）　ＶＯｌ＿４１　ＮＯ．２　Ｍａｒ．２０１１　

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１—０５０５．２０１１．０２．００６　

Ｐ２Ｐ环境下基于兴趣的分布式信任模型　

杨　莉　张毓森　邢长友　张　涛　

（解放军理工大学指挥自动化学院，南京２１０００７）　

摘要：为解决Ｐ２Ｐ网络中节点的不合作行为和恶意攻击等问题，提出了一种分布式兴趣信任模　

型ＤＩＴＭ．模型通过划分兴趣域聚集兴趣相似的节点来解决节点间因兴趣不对称难以建立直接　

信任关系的问题．利用兴趣相似度刻画节点在其偏好领域上的服务行为相似性，并通过兴趣相似　

度加权域推荐信任度计算域服务信誉．节点在不同域内的服务信誉组成一个服务信誉向量，该向　

量维护了节点在各个兴趣域的服务行为细节，从而能有效抵御恶意节点针对特定兴趣域的攻击，　

并能激励好节点在多个域内贡献资源．仿真实验表明，ＤＩＴＭ较已有的信任模型在迭代的收敛速　

度、下载成功率和模型的安全性等问题上有较大提高．　

关键词：对等网络；兴趣域；域推荐信任度；域服务信誉；兴趣相似度　

中图分类号：ＴＰ３９３　文献标志码：Ａ　文章编号：１００１—０５０５（２０１１）０２－０２４２－０５　

Ｄｉｓｔｒｉｂｕｔｅｄ　ｉｎｔｅｒｅｓｔ．ａｗａｒｅ　ｔｒｕｓｔ　ｍｏｄｅｌ　ｆｏｒ　Ｐ２Ｐ　ｅｎｖｉｒｏｎｍｅｎｔｓ　

Ｙａｎｇ　Ｌｉ　Ｚｈａｎｇ　Ｙｕｓｅｎ　Ｘｉｎｇ　Ｃｈａｎｇｙｏｕ　Ｚｈａｎｇ　Ｔａｏ　

（Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｃｏｍｍａｎｄ　Ａｕｔｏｍａｔｉｏｎ，ＰＬＡ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｎａｒｌｊｉｎｇ　２１０００７，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｔｏ　ｓｏｌｖｅ　ｔｈｅ　ｕｎｃｏｏｐｅｒａｔｉｖｅ　ｂｅｈａｖｉｏｒ　ａｎｄ　ｍａｌｉｃｉｏｕｓ　ａｔｔａｃｋ　ｐｒｏｂｌｅｍｓ　ｏｆ　ｎｏｄｅｓ　ｉｎ　Ｐ２Ｐ（ｐｅｅｒ—　ｔｏ—ｐｅｅｒ）ｎｅｔｗｏｒｋｓ，ａ　ｄｉｓｔｒｉｂｕｔｅｄ　ｉｎｔｅｒｅｓｔ　ｔｒｕｓｔ　ｍｏｄｅｌ（ＤＩＴＭ）ｉｓ　ｐｒｏｐｏｓｅｄ，ｗｈｉｃｈ　ｃｌｕｓｔｅｒｓ　ｎｏｄｅｓ　ｗｉｔｈ　

移动群智感知中的数据可信度评估算法研究

移动群智感知中的数据可信度评估算法研究

移动群智感知中的数据可信度评估算法研究

移动群智感知，即人们利用智能手机等设备，使用各种传感器收集环境数据，将其上传至云端进行处理。这种方式通过众包的方式，能够对环境进行快速、准确的监测，可以在很多领域得到广泛应用，如交通、环保、气象等。

然而，移动群智感知也存在很多问题，最大的问题之一是数据可信度评估。由于移动群智感知数据的来源不确定，传感器的质量和精度也不一致，因此需要对上传的数据进行比较、筛选，从而保证数据的准确性和可靠性。

一种简单的解决方案是对数据进行重复搜索。如果多个用户上传的数据相似，那么它们的准确性就比较高。另一种方法是通过用户的历史数据进行评估。如果一个用户过去上传的数据经常被验证，那么他/她提供的数据就越可靠。这些技术的实现很容易，但缺乏灵活性和可扩展性，还无法处理那些来自有意干扰者的错误数据。

为了解决这些问题，研究者们提出了许多算法来评估移动群智感知数据的可信度。其中，基于信任的评估方法是最为常见的。基于信任的方法是在用户之间建立信任网络，通过推断出现错误的概率来评估数据的可信度。

基于信任的算法主要包括以下步骤：首先，建立信任网络，计算出与用户相关的信任值。其次，在接收用户上传的数据时，计算出数据的可信度。最后，在数据汇总之前，对数据的可信度进行比较和合并。

建立信任网络的方法有很多种，包括直接信任和间接信任。直接信任是指用户之间已经建立了联系，验证过用户上传的数据后，直接给予信任。而间接信任是指通过中间人来建立联系。比如，如果用户A信任用户B，用户B信任用户C，那么用户A也可以间接信任用户C。 计算与用户相关的信任值时，可以使用不同的技术。一种方法是基于用户的历史记录，分析过去上传的数据是否被验证过，并给予相应的信任值。另一种方法是基于用户之间的交互，如通过协作或评论等方式来计算信任值。

计算数据可信度时，可以使用基于规则的或基于机器学习的方法。基于规则的方法是通过预先定义的规则，对数据进行分析和比较。而基于机器学习的方法则是通过一系列的数据训练来得出判断的规则。

DELVER

DELVER

DELVER: Real-Time, Extensible

Algorithms

出处

Abstract

Peer-to-peer communication and semaphores have garnered minimal interest

from both computational biologists and mathematicians in the last several

years. In fact, few cyberinformaticians would disagree with the

investigation of rasterization. In this position paper, we investigate

how write-back caches can be applied to the emulation of object-oriented

languages.

Table of Contents

1) Introduction

2) Design

3) Implementation

4) Experimental Evaluation

 4.1) Hardware and Software Configuration

 4.2) Experiments and Results

5) Related Work

6) Conclusion

1 Introduction

The refinement of linked lists is a confusing question. To put this in

perspective, consider the fact that foremost researchers always use

suffix trees to fulfill this ambition. A practical problem in