一种具有激励效用的P2P网络信任模型

摘 要：在基于兴趣共同体的信任模型中，为兴趣共同体设置超级节点，主要用于共同体内节点信息的存储、节点信誉值的简单计算和存储等。对于高可信节点和充当超级节点的节点进行奖励，对于信誉值过低的节点进行惩罚。分析及仿真实验表明，该策略能有效提高节点充当高信任值节点的主观能动性和担负超级节点职能的积极性，保证较高的交易成功率，促进P2P网络的良性发展。

关键词：兴趣共同体；信任模型；被服务级别；激励

近年来，P2P技术发展迅速，在文件共享、分布式计算、信息管理、音视频通信等领域都有广泛应用，其中文件共享和音视频通信占据了P2P应用的相当大的一部分。P2P技术自身的特点包括匿名性、自治性、开放性等，这些特点使得P2P技术展现出前所未有的魅力，但也带来了一些亟待解决的问题，如信任机制、激励机制等问题。

目前对于P2P网络的信任问题已有大量研究。全局信任模型[1]，根据整个网络对单个节点的信任评价，计算节点的信任值，此信任值是全局唯一的一个值。局部推荐信任模型[2]根据自身历史交易信息和邻居节点推荐信息计算节点信任值。此外还有基于角色的信任模型等。

從另一个角度考虑，激励机制也是P2P网络研究的重点。基于微支付的机制[3]是以虚拟货币作为支付手段，使P2P网络中的节点间进行服务或资源的交易，中央服务器作为交易双方支付虚拟货币的中间媒介。基于直接互惠的机制[4]是P2P网络中的节点为他人提供服务后能取得一些直接优惠。在基于信誉的激励机制中，节点根据自己的历史交易情况获得邻居节点对它的信誉评价值。在之后的交易过程中，服务提供节点会依据服务请求节点的信誉值给予对应等级的回应。

尽管对信任机制和激励机制已有了大量研究，但是将二者结合起来考虑的还不是很多。文中将一种激励策略应用在设置有超级节点的基于兴趣共同体的信任模型中，在每个兴趣共同体中选出一个超级节点，担任共同体内节点信誉值简单计算以及节点信息、节点被服务级别等的存储任务，根据节点的信誉值将其享受的服务级别进行划分，有效激励节点充当高可信节点和超级节点的积极性。

1 具有激励效用的信任模型

1.1 兴趣共同体

在分布式P2P网络中，将节点根据兴趣的不同划分成一些相对独立的群体，兴趣相似且邻近的节点位于同一个群体中，这样的群体称为兴趣共同体。

节点的兴趣采用向量的形式表示：

（1）

其中，Ik表示节点k的兴趣向量，兴趣方向有“音乐”、“视频”、“软件”等，Iki表示节点k在某一兴趣方向的浓度，i∈[1-n]， Iki取0或1或位于0到1之间的一位小数，如0.2表示有点感兴趣，1表示非常感兴趣。

计算两节点的兴趣相似度采用余弦相似度函数，如计算节点k和j的相似度公式如下：

（2）

“Ik·Ij”是节点k、j的兴趣向量的内积，分母是两个节点兴趣向量的模的乘积。

1.2 模型思想

模型将整个分布式P2P网络根据节点兴趣划分成若干兴趣共同体，在每个兴趣共同体中选出一个超级节点，担任共同体内节点信誉值简单计算以及节点信息、节点被服务级别、节点信誉值、邻近超级节点信息等的存储任务，如表1、表2所示。

表1 超级节点中的邻近超级节点信息表

由于具有相似兴趣的节点发生交易的可能性更大，所以某一节点Ni首先在其所在的共同体内发出服务请求，如果得到若干节点的应答，节点Ni利用全局信任值算法计算各应答节点的信任值；如果没有得到应答，则根据本共同体内存储的历史记录，查询邻近兴趣共同体进行访问，根据共同体间信任值计算算法计算节点信任值；选择信任值最高的节点进行交易。

1.3 被服务级别的设定

文中以文件共享系统为例，根据节点的信誉值将其享受的服务级别进行划分，对于节点享受的服务从下载文件大小和下载优先顺序两个方面考虑，每个节点享受的服务被划分为四个级别A、B、C、D。A级表示节点能够下载的文件大小大于其他几个级别，下载优先级也最高，以此类推，D级别表示被拒绝服务。

当被访问节点准备给予资源请求节点回应时，先查询资源请求节点的被服务级别，据此作出对应等级的回应，有效激励节点充当高可信节点的积极性。

1.4 模型初始化

选取物理性能较高、兴趣相似度小于一定阈值的若干节点作为各兴趣共同体的超级节点。给所有节点的兴趣向量赋以随机值，根据公式（2）计算各节点与超级节点的兴趣相似度，划分出若干兴趣共同体。为了均衡各个超级节点负载，根据整个网络规模大小，为每个兴趣共同体中的节点数设置一个最大值。

模型创建之初，所有节点之间都是陌生的，认为陌生节点间是偏于信任的，设置所有节点的信誉初值为0.6，被服务等级为B级。

2 信任值的计算

模型中节点信任值的计算分为两种情况：被访问节点与资源请求节点处于同一个兴趣共同体，此时按照共同体内信任值计算方法进行计算；被访问节点与资源请求节点处于不同的兴趣共同体中，此时按照共同体间信任值计算方法进行计算。

2.1 共同体内信任值计算

共同体内节点的的信任值由两部分组成，共同体内节点直接信任值和共同体内推荐节点的间接信任值。

定义1 节点i对节点j的综合信任值Tij由节点i根据公式（3）计算完成。

（3）

DTij是节点i对节点j的直接信任值。STj是与节点j有过直接交易的节点对节点j的评价。γ是调节直接信任和间接信任权重的参数，γ∈[0，1]。

定义2 共同体内节点i对节点j的直接信任值，根据自己与节点j的历史交易记录进行评价。每次历史交易记录包括交易是否成功和服务质量两项内容，交易成功为1，否则为0。

（4）

Succeed表示成功交易次数，Total表示交易总次数。SQk表示第k次成功交易，节点i对节点j服务质量的评价，以文件共享系统为例，服务质量指文件大小、文件内容质量等。SQk∈[-1，1]。SQk可以取负值，使得提供虚假文件的节点的信誉值迅速降低，起到惩罚作用。λ取值0或1，1表示节点j是超级节点，0则表示不是。α表示系统设定的一个对超级节点的信任增值，α∈[0，1]。信任增值的设置，可以增强节点充当超级节点的积极性。

定义3 共同体内与节点j有过直接交易的节点对节点j的推荐信任值STj，由服务请求节点i根据公式（5）计算完成。

（5）

M是共同体内与节点j有过直接交易的节点数量，RTtj是节点t对节点j的直接信任值，由节点t计算并发送给节点i，作为节点i对节点j信任的参考。Cwt是超级节点中存储的节点t的信誉值，由节点i向超级节点查询并作为对节点t的信任加权。

2.2 共同体间信任值计算

如果资源请求节点i与应答节点k处于不同的兴趣共同体，则信任值计算按照图1所示进行。

图1 兴趣共同体间信任值计算过程

（1）访问节点k所在共同体的超级节点SNk；（2）在SNk的节点信息表中查询节点k的信誉值Cwk，根据公式（6）计算得出节点k的信任值。（3）如果首次与节点k所在的共同体进行交易，则把SNk的信息加入本地超级节点的邻近超级节点信息表。

定義4 节点i对节点k的共同体间信任值GTik按公式（6）进行计算。

（6）

δ∈[0，1]，用来调节本地节点和节点k所在体内节点对节点k的信任比重。

3 信任值的更新

节点i与节点j交易完成后，用对节点j的最新评价更新本地信任值Tij，并将最新评价传递给节点j所在共同体的超级节点，用于更新超级节点中存储的节点j的信誉值。

定义5 节点i本地信任值更新。

（7）

T′ij是节点i与节点j交易完成后，对节点j的最新评价。χ取值1或0，分别代表本次交易成功或失败。SQ表示本次交易的服务质量。其他变量含义同公式（4）。

定义6 超级节点中存储的共同体内节点的信誉值由超级节点根据公式（8）计算完成。

（8）

Cw′j是节点j的最新信誉值，Cwj是节点j的当前信誉值。β∈[0，1]是权重因子，用于权衡当前信誉值和最新反馈信任值之间的比重。

4 仿真实验结果分析

文章使用“P2PSimulator”仿真平台进行仿真实验，在此平台中，构建了一个P2P文件共享系统，共设置100个节点，恶意节点比例20%，正常节点比例80%。每个节点提供10个共享文件。高可信阈值为0.8。

每次仿真都由500个仿真周期组成，在所有周期中，每个节点都可以发起文件查询并对文件查询做出响应。查询方法采用flooding算法，发起查询的节点首先设置初始TTL值，用于表示该查询消息的存活跳数，每向前推进一次，TTL值减1，直到TTL值为0。如果得到响应，则查询节点根据文中下载策略选择合适的节点进行下载。

文章模拟了文中模型和传统基于推荐的信任模型，对平均交易成功率和高信任值节点数量变化情况进行了分析比对，结果如图2和图3所示。

由图2可知，文章模型中的交易成功率高于传统推荐信任模型的交易成功率，因为文章模型中引入的激励机制使得节点更愿意贡献资源，资源数量增多，而且激励节点保持高信誉度，从而使得整体平均交易成功率升高。

图3 高可信节点比例

高可信节点比例是指信誉值高于0.8的节点数量在总节点数中所占的比例。从图3可以看出文章信任模型中的高可信节点随着仿真周期的增加，其比列在不断提高。虽然在仿真初期提升波动较大，但是仿真后期，其值保持一定的平稳趋势。总体来看，文章模型中高可信节点的比例一直高于传统的基于推荐的信任模型。

5 结束语

文章将激励机制与信任机制有效结合，在兴趣共同体中设置超级节点，根据节点的信誉值将其享受的服务级别进行划分。仿真实验结果表明，该模型可以有效激励节点充当高可信节点的积极性，促进P2P网络的良性发展。对于超级节点可以随时退出网络造成的单点失效问题还有待于进一步解决。

参考文献

[1]Kamvar S D， Schlosser MT. EigenRep： Reputation Management in P2P Networks[C]//Proc.of the 12th International World Wide Web Conference.New York， USA： ACM Press，2003： 123-134.

[2]K.Lai，M.Feldman，I. Stoica，et.al."Incentivesf or Cooperation in Peer-to-Peer Networks"Works hop on economics of P2P systems，June 2003 Berkeley，CA.

[3]GOLLE P，LEYTON-BROWN K，MIRONOV I.Incentives for sharing in peer-to-peer networks[C]//Proceedings of the 2001 ACM Conference on Electronic Commerce.[S.1.]：ACM Press，2001：264-267.

[4]COHEN B.Incentives build robustness in bittorrent [EB/OL]，[2007-02-01].http：//bitconjurer.org/BitTorrent/bittorrente con.pdf.

[5]Xiong L，Liu L.PeerTrust：Supporting reputation-based trust in peer-to-peer communities[J].IEEE Transactions on Data and Knowledge Engineering（Special Issue on Peer-to-Peer Based Data Management），2004，16（7）：843-857.

[6]雷月菊，陈光喜.P2P网络环境下基于推荐的信任模型[J].计算机应用研究，2012，29（11）：4320-4322.

[7]胡建理，吴泉源，周斌.P2P环境下基于信誉的信任模型研究[J].计算机科学，2009，36（9）：1-6.

[8]张亚娟.P2P网络病毒检测机制的研究[J].煤炭技术，2012，31（10）.

[9]范会波，张新有.基于超级节点的P2P信任模型_TSN[J].微电子学与计算机，2011，28（9）：77-81.

[10]于伟，吴国文，罗辛.P2P网络中基于激励机制的信任模型[J].计算机工程，2011，37（17）：87-89.

作者简介：刘海芹（1979-），女（汉族），山东省聊城大学东昌学院，讲师，硕士，研究方向：计算机网络与安全、计算机软件与应用。