小世界网络环境下基于模糊理论的信任评价

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (22): 89-92.

小世界网络环境下基于模糊理论的信任评价

李耀东1，王国军1，邓月明1，2

1.中南大学信息科学与工程学院，长沙 410083
2.湖南师范大学物理与信息科学学院，长沙 410081

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-08-01 发布日期:2011-08-01

Trust evaluation based on fuzzy theory in small-world networks

LI Yaodong1，WANG Guojun1，DENG Yueming1，2

1.School of Information Science and Engineering，Central South University，Changsha 410083，China
2.School of Physics and Information Science，Hunan Normal University，Changsha 410081，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-08-01 Published:2011-08-01

摘要/Abstract

摘要： 信任评价模型可以解决网络中的一些安全问题，但是当网络中的节点数目非常大时，现有全局信任模型的计算量与通信开销比较大，影响了信任模型的推广和应用。针对上述问题，利用小世界网络理论构建了一个基于用户兴趣属性的层次网络模型，建立了基于模糊理论的信任评价模型。分析和仿真结果表明，该模型具有很好的准确性和健壮性;能够快速识别恶意摇摆行为;可扩展性好，如信任路径短，网络开销小。

关键词: 小世界网络理论, 模糊理论, 兴趣群组

Abstract: Trust evaluation model can solve some of the security problems in the network，but when there are a very large number of nodes in the network，the computation and communication costs of the existing global trust model are very large，which affect the promotion and application of trust model.In this paper，small-world network theory is exploited to construct an interest group based hierarchical network model and fuzzy theory is exploited to build up a trust evaluation model.Analysis and simulations show that the model is exact and robust;malicious oscillating behaviors can be quickly identified and the model is scalable such as short trust path and small network overhead.

Key words: small-world network theory, fuzzy theory, interest group

李耀东1，王国军1，邓月明1，2. 小世界网络环境下基于模糊理论的信任评价[J]. 计算机工程与应用, 2011, 47(22): 89-92.

LI Yaodong1，WANG Guojun1，DENG Yueming1，2. Trust evaluation based on fuzzy theory in small-world networks[J]. Computer Engineering and Applications, 2011, 47(22): 89-92.

[1]	张敏，彭红伟，颜晓玲. 基于神经网络的模糊决策树改进算法[J]. 计算机工程与应用, 2021, 57(21): 174-179.
[2]	房楚尧，周知，赵家培，冯宇迪. 基于再模糊理论的航拍图像质量检测方法[J]. 计算机工程与应用, 2019, 55(7): 199-206.
[3]	吕晓燕1，郭建军2，李祥生1. 基于模糊理论的脑中风风险预报模型[J]. 计算机工程与应用, 2018, 54(20): 259-262.
[4]	段锁林，杨可，毛丹，任珏朋. 基于模糊证据理论算法在火灾检测中的应用[J]. 计算机工程与应用, 2017, 53(5): 231-235.
[5]	梁喜，陈永鹏. 基于模糊理论与DSW算法的建设项目LCC方案决策[J]. 计算机工程与应用, 2017, 53(15): 255-259.
[6]	乔云峰1，2，接标1，2，刘莹1，2，郭良敏1，2，罗永龙1，2. P2P环境下基于模糊理论的Dirichlet信任评估模型[J]. 计算机工程与应用, 2017, 53(1): 124-129.
[7]	韩虎，党建武. 双隶属度模糊粗糙支持向量机[J]. 计算机工程与应用, 2015, 51(22): 150-153.
[8]	杨晓峰，王睿，彭力. 基于剩余能量预测的WSN模糊分簇算法[J]. 计算机工程与应用, 2015, 51(14): 72-77.
[9]	李敬文，陈志鹏，李宜义，祁士东. 组合预测模型在高考数据预测中的应用研究[J]. 计算机工程与应用, 2014, 50(7): 259-262.
[10]	涂坤，李禹，张晗. 自适应越渡点的SAR图像模糊对比度增强算法[J]. 计算机工程与应用, 2013, 49(21): 128-132.
[11]	舒操，汪同庆，李阳. 结合标定拟合和模糊理论的焊点特征颜色提取[J]. 计算机工程与应用, 2013, 49(11): 244-247.
[12]	饶泓1，董晓睿1，何宇东1，李祥文2. 采用熵权和模糊集的特征评价方法及应用[J]. 计算机工程与应用, 2012, 48(23): 47-51.
[13]	杜丽娟1，2，崔慰平1. D-Trust：移动网格动态信任模型研究[J]. 计算机工程与应用, 2012, 48(10): 83-88.
[14]	李辉，潘恺，张新. 基于模糊理论的多传感器信息融合算法[J]. 计算机工程与应用, 2012, 48(10): 128-131.
[15]	陈繁，管群. 模糊决策在农村劳动力转移安置中的应用[J]. 计算机工程与应用, 2011, 47(10): 209-212.