李 文，平玲娣，陳小平，吳朝暉

(浙江大學(xué)計算機科學(xué)與技術(shù)學(xué)院 杭州 310027)

隨著電子商務(wù)的不斷發(fā)展，信譽成為一個越來越受重視的話題[1-6]。與傳統(tǒng)的網(wǎng)絡(luò)安全機制相比，信譽評估作為互聯(lián)網(wǎng)的軟安全機制，可以降低電子商務(wù)的交易風(fēng)險，減少網(wǎng)絡(luò)欺騙，激勵服務(wù)商維護高質(zhì)量的服務(wù)，減少低質(zhì)量的服務(wù)，同時也可以為懲罰低信譽實體提供依據(jù)。所以，一個客觀、公平的信譽評估模型對于電子商務(wù)是非常重要的。雖然人們已經(jīng)提出了很多信譽評估模型，但是學(xué)術(shù)界對于信譽評估模型沒有統(tǒng)一的標(biāo)準(zhǔn)和規(guī)范，大部分都根據(jù)自身情況而設(shè)計，很少建立在他人的基礎(chǔ)之上。

本文在J?sang的信譽理論基礎(chǔ)上[7-8]，結(jié)合Dirichlet概率分布及“對差評敏感”的評估原則[9-10]，提出了一個具有自適應(yīng)能力的評估模型。模型采用了Dirichlet分布[11]，從概率統(tǒng)計的角度客觀地反映評估結(jié)果，另外，對Dirichlet評估結(jié)果進行“差評敏感”運算，模型對于差評比較敏感，一旦出現(xiàn)不好的評估，評估值就會明顯下降，隨著好評的增加，可信值逐漸恢復(fù)。該特性使得模型具有自適應(yīng)性，同時也嚴(yán)格地保證了評估質(zhì)量。實驗結(jié)果表明，該模型可以應(yīng)用于電子商務(wù)系統(tǒng)。

1 Dirichlet信譽模型

1.1 Dirichlet分布

1.2 Dirichlet信譽評估模型

w(i)可以看作是等級i對應(yīng)的權(quán)值，所以實體y最后對應(yīng)的評估分值可以計算為：

1.3 動態(tài)信譽評估模型

式(11)中，第n次評估的基本率是第n?1次的評估值，即當(dāng)前評估值是基于歷史評估值和當(dāng)前評估證據(jù)的基礎(chǔ)計算出來的，體現(xiàn)了歷史信譽的價值。初始的基本率對于Dirichlet分布來說是先驗值，可以取值為1/k，或者其他評估系統(tǒng)的經(jīng)驗值。結(jié)合等式(10)和式(11)，可以得出動態(tài)信譽評估值為：

2 “差評敏感”的Direchlet信譽模型

在電子商務(wù)信譽評估系統(tǒng)中，為了能夠更好地保證服務(wù)質(zhì)量，合理、嚴(yán)格的評估模型是非常重要的。一般地，信譽評估系統(tǒng)會對不好的評價較敏感。如對某實體的評價連續(xù)幾次都是低等級，則該實體的信譽就會下降很快，恢復(fù)好的信譽需要很長的周期。這就是信譽系統(tǒng)的“差評敏感”性，即一旦有不好的評估，信譽值下降就比較快，但是需要有連續(xù)的好評，才能使信譽值逐漸恢復(fù)，且恢復(fù)速度比下降速度緩慢。信譽恢復(fù)過程體現(xiàn)了系統(tǒng)的自適應(yīng)性，即不斷的好評能夠保證信譽的恢復(fù)。

在第1節(jié)模型中，并不能體現(xiàn)“差評敏感”的特性，所以需要對式(12)的評估模型進行改進。為了能夠體現(xiàn)評估值的好壞，需要給定一個評估閾值μ(0<μ<1)，低于該閾值，則認(rèn)為是差評。另外，“差評敏感”需要比較最近2次的評估結(jié)果，進而決定評估值的走勢。實體y最終的評估值為：

特性1 該模型的評估值具有下降快，上升慢的特性。

圖1、圖2中，只要是評估值上升過程，無論是小于還是大于閾值μ，信譽值上升都較為緩慢。而在評估值下降過程中，在大于閾值的情況下(可信狀態(tài)下)，信譽值下降比較慢，而在小于閾值時(不可信狀態(tài))，信譽值下降比較快。該特性說明模型對不可信實體的評估是非常謹(jǐn)慎的。

圖2 信譽的變化趨勢(σold <μ)

該特性體現(xiàn)了模型對于“調(diào)節(jié)因子”β的敏感性。β的大小，決定著評估系統(tǒng)對差評的敏感性。β越小，可信的評估值變化越慢，不可信的評估值下降越快，評估系統(tǒng)對低等級的評估越敏感。說明β越小，評估系統(tǒng)越“小心”、越“嚴(yán)格”，反之則反。β的取值大小，可根據(jù)評估系統(tǒng)應(yīng)用的實際環(huán)境進行合理的設(shè)置。

根據(jù)式(12)和式(13)，基于先驗Dirichlet概率分布的“差評敏感”評估模型，有著很好的應(yīng)用特性。根據(jù)評估實體的離散評估(選擇不同評估等級)，結(jié)合先驗基本率和歷史評估的信譽值，模型可以得出對應(yīng)的連續(xù)評估值，并能根據(jù)調(diào)節(jié)因子和信譽閾值，合理地反映信譽的變化趨勢，具有很好的自適應(yīng)性。

3 實驗與分析

本節(jié)通過實驗展示上述模型的一些特性，并對實驗結(jié)果進行分析比較。

3.1 實驗1

實驗研究動態(tài)的Dirichlet信譽評估模型的特性，并不涉及“差評敏感”處理。假設(shè)評估系統(tǒng)有非常不滿意、不滿意、一般、滿意、非常滿意5個評估等級：對應(yīng)Dirichlet信譽評估模型的k個評估等級。用戶對評估實體進行了50次評估，前10次評估為“非常不滿意”，第11～第20次評估為“不滿意”，中間10次評估為“一般”，第31～第40次評估為“滿意”，最后10次評估為“非常滿意”。動態(tài)的Dirichlet信譽評估模型中，先驗的基本率ai=0.2，常量C=2。各個等級的評估曲線以及最終的評估走勢如圖3所示。

圖3 動態(tài)Dirichlet信譽評估模型走勢圖

圖3中，綜合評估值在前10次的評估中呈下降趨勢，因為前10次的評估都是差評(非常不滿意)，隨著評估等級的不斷提高，綜合評估值逐漸呈上升趨勢，最終會趨于1。

3.2 實驗2

實驗中，研究式(13)的特性。假設(shè)信譽閾值μ=0.6，初始信譽值oldσ=0.5。為了能夠清晰地比較模型，假設(shè)了6種情況，其中data1、data2、data3都是按步長0.1增加的評估值newσ，但對應(yīng)的調(diào)節(jié)因子β分別為0.1、0.2、0.5；而data4、data5、data6中，新的評估值是按步長0.1遞減，對應(yīng)的調(diào)節(jié)因子分布為0.1、0.2、0.5。各種情況具體的走勢如圖4所示。

圖4 “差評敏感”的特性

3.3 實驗3

實驗通過比較基于Dirichlet動態(tài)信譽評估模型中“差評敏感”運算處理前后的結(jié)果，即式(12)和式(13)的評估結(jié)果，研究“差評敏感”用于動態(tài)信譽評估產(chǎn)生的效果。同實驗1一樣，假設(shè)評估系統(tǒng)有5個評估等級，進行50次評估模擬。但是為了能夠明顯地反映信譽變化趨勢，前10次都評估“非常滿意”，第11～第20次評估為“非常不滿意”，第31～第50次評估為“非常滿意”。其他環(huán)境同實驗1和實驗2。比較結(jié)果如圖5所示。

圖5 “差評敏感”處理前后的動態(tài)評估模型

圖5中，經(jīng)過“差評敏感”處理的模型，與未處理的模型相比，信譽值建立更緩慢。在前10次以及第21次以后的評估，“差評敏感”模型相比動態(tài)評估模型，信譽值上升比較慢，說明信譽建立更加嚴(yán)格。另外，在信譽下降階段，兩個模型的下降趨勢一致，但是，當(dāng)信譽值比較小時，“差評敏感”模型的下降程度變得緩慢，因為在當(dāng)前信譽和歷史信譽都不可信的情況下，信譽的變化程度也將變緩。綜上，“差評敏感”的信譽模型可更好地保證服務(wù)質(zhì)量，更具有實用性。

4 結(jié) 束 語

本文的信譽評估模型是在J?sang的信譽理論的基礎(chǔ)上，運用“差評敏感”處理運算，保證了模型的敏感性和實用性。Dirichlet信譽模型基于Dirichlet概率密度函數(shù)，結(jié)合先驗的基本率以及不同等級的離散評估值計算出一個連續(xù)的后驗評估值。為了能夠使評估模型更加嚴(yán)格、合理，根據(jù)信譽評估的需求，提出了“差評敏感”運算，對Dirichlet信譽模型的評估結(jié)果進行“差評處理”。由于“差評敏感”運算有著很好的特性，如對差評比較敏感，信譽值的建立過程比信譽值的破壞過程緩慢；差評敏感模型隨著可信評估的增加，信譽值增加會加快，即系統(tǒng)對熟悉的評估實體具有自適應(yīng)性。模擬實驗表明，本文的信譽模型有著良好的評估特性，適用于電子商務(wù)的信譽評估環(huán)境。

[1] J?SANG A, GRAY E, KINATEDER M. Simplification and analysis of transitive trust networks[J]. Web Intelligence and Agent Systems, 2006, 4(2):1-26.

[2] J?SANG A, LUO Xi-xi, CHEN Xiao-wu. Continuous ratings in discrete Bayesian reputation systems[C]//IFIP International Federation for Information Processing.Trondheim: Springer Boston, 2008: 151-166.

[3] J?SANG A, BHUIYAN T, XU Yue, at el. Combining trust and reputation management for Web-based services[C]//The 5th international conference on Trust, Privacy and Security in Digital Business. Turin: Springer-Verlag, 2008: 90-99.

[4] J?SANG A, BHUIYAN T. Optimal trust network analysis with subjective logic[C]//The 2nd International Conference on Emerging Security Information, Systems and Technologies. Cap Esterel: IEEE, 2008: 25-31.

[5] WANG Yan, VARADHARAJAN V. Trust2: developing trust in peer-to-peer environments[C]//2005 IEEE International Conference on Services Computing (SCC’05). Orlando,Florida: IEEE, 2005: 24-31.

[6] J?SANG A, HAYWARD R, POPE S. Trust network analysis with subjective logic[C]//The 29th Australasian Computer Science Conference. Hobart: Australian Computer Society, 2006: 85-94.

[7] J?SANG A. A logic for uncertain probabilities[J].International Journal of Uncertainty, Fuzziness and Knowledge-based System, 2001, 9(3): 279-311.

[8] J?SANG A. Probabilistic logic under uncertainty[C]//Proceedings of the Thirteenth Australasian Symposium on Theory of Computing, ACM International Conference Proceeding Series. Ballarat: Australian Computer Society,2007: 101-110.

[9] TIAN Li-qing, LIN Chuang, JI Tie-guo. Quantitative analysis of trust evidence in Internet[C]//International Conference on Communication Technology, 2006. Guilin:IEEE, 2006: 1-5.

[10] LI Wen, PING Ling-di, LU Kui-jun, et al. Trust model of users’ behavior in trustworthy Internet[C]//2009 WASE International Conference on Information Enginnering.Taiyuan: IEEE, 2009: 403-406.

[11] J?SANG A. Dirichlet reputation system[C]//The 2nd International Conference on Availability, Reliability and Security (ARES 2007). Vienna: IEEE, 2007: 112-119.