一种使用认知计算的主观信任融合模型

沈宏伟,邵 堃,张阳洋,霍 星

1(合肥工业大学 计算机与信息学院,合肥 230009) 2(合肥工业大学 数学学院,合肥 230009) 3(南瑞集团 国电南瑞科技股份有限公司,南京 211106)

1 引 言

随着Internet的不断发展,现实生活中的人与人之间的关系不断演化为在开放网络环境中的人与人之间的关系.由于开放网络环境的非接触和虚拟化,这使得人与人之间虚拟关系的研究更加复杂,主要体现在两个方面:一方面虚拟关系涉及的范围更加广泛,另一方面交互对象的可靠性识别也更加困难.因此,信任作为描述人与人之间的关系的重要度量方式,不管在现实生活中还是在虚拟环境中都发挥着重要的作用.

信任的研究工作也不断从理论研究发展到了实际应用阶段.大量信任研究工作,促进了信任研究的迅速发展,信任研究已经深入到了各个开放环境,如网络计算[1],C2C[2],P2P[3]等领域.

认知心理学源自上世纪五六十年代一场认知革命.认知是个体对客体及其社会关系的感知和理解[4].认知的研究可以很好的帮助研究人与人的信任关系的研究.人与人之间的信任关系都是从不信任到信任慢慢积累而来的,是认知不断加深的过程.

鉴于此,本文结合人对信任关系的心理认知过程,运用模糊理论计算人类认知,将认知计算应用到动态信任研究过程之中.

2 相关工作分析

从社会学角度看,信任是一种极其复杂的社会关系,其具有主观性,不确定性,动态性等一系列复杂的属性,是一个抽象的心理认知过程[5].学者们在信任研究过程中,使用了多种不同的数学工具和方法来描述信任的主观性,不确定性和动态性,推动了信任关系研究的发展.

在现阶段信任管理研究过程中,众多学者将人的心理认知与信任关系联系起来建立信任模型.Castelfranchi和Falcone模型[6,7]首先在信任关系研究中引入认知概念,为信任研究提供了一个新方向.该模型在信任推理过程中加入上下文约束条件,提高了信任双方建立信任的灵活性.文献[8]为抑制网络节点的自私行为,提高信任预测的准确性,提出了一种基于Moran过程的认知中继网络信任演化模型.王家昉等人[9]基于认知角度提出了一种Agent间以预动的方式建立信任的形式化框架,解决了在直接交互经验或间接交互经验缺乏的情况下建立信任模型的问题.文献[10]提出一种基于认知循环的中心式信任管理机制,帮助系统发现信任网络中的自私和恶意行为.文献[11]提出了一种信任模糊认知时间模型,模拟复杂的信任关系动态变化过程,并量化信任节点间的影响程度.文献[12]针对主观信任的模糊性,对信任的传递进行了推理,提出了一种形式化的信任推理机制.金芝等人[13]从认知角度提出基于服务客体的信任计算框架,支持服务客体进行信息推理,帮助客体进行理性选择决策.

对比现有认知信任研究,当前研究工作对认知仅局限于描述,未能给出认知合理的度量方式.本文模型利用模糊综合评价算法结合直接信任和间接信任对人的认知的影响,给出了一种合理的认知度量方法.该模型更加符合人的认知规律,对信任关系的动态性进一步进行研究.

3 基于认知计算的信任融合模型

信任是描述信任主体以自身认知或经验为基础的对信任客体的判断.信任依赖于信任主体所观察到的事实和知识的主观感受,因此信任具有动态性和主观性.一般来说,信任可分为:直接信任和间接信任.直接信任是信任主体与信任客体最直接的认知,在信任关系中占主导地位.间接信任是信任主体通过第三方推荐者获得的对于信任客体的信任度.本文在建立融合模型过程中引入信誉,这一信任客体的固有属性,其反应了在开放网络环境中信任实体对其信任度的普遍认同.

本文利用直接信任,间接信任,信誉构建融合信任度模型.并结合交互过程中,随着信任主客体之间交互次数的增加,信任主体对信任客体的认知不断加深,刻画了融合信任模型在随着认知变化而动态变化的过程.

3.1 直接信任获取

定义1.直接信任度(DT)是信任主体i根据与信任客体j历史交互经验得到的信任客体的可信度.

直接信任度来自信任的主客体之间频繁的历史交互,是信任主体对信任客体的主观判断,受到多个方面的因素的影响.信任主体的心理因素,历史交互数量及时间因素,交互的顺利程度等因素都会影响信任主客体之间的直接信任度.并且信任具有时间衰减的特性,即信任会随着时间不断的降低.因此,本文采用如下式子获取直接信任:

(1)

其中,λ=1-t/h,t表示时间,h表示时间阈值,即在[0,h]时间内,信任为有效信任.

3.2 间接信任获取

定义2.间接信任度(IDT)是信任主体(i)借助与信任客体(j)有过交互经验的第三方推荐的信任度.

若有第三方推荐者p向信任主体推荐信任客体,则间接信任度为:

(2)

(3)

3.3 信誉获取

定义3.信誉(Reputation,RE),也称声誉是信任客体为获得信任主体的认可,通过大量交互来获得信任主体对其的客观评判.信誉是全部信任主体对信任客体评价的平均值,是信任客体的固有属性.在分布式系统中,需要各个节点保存与其有过交互经历的节点信任度.计算某个节点的信誉需要全部有交互节点的反馈评价.则信任客体的信誉度为:

(4)

其中,Sij∈[0,1]表示信任主体i对信任客体j的根据各个交互节点的交互经历所做出的评价.

3.4 认知因子计算

定义4.认知因子δ是描述人类信任认知过程的因子.当信任主体i对信任客体j的交互次数不断增多,认知因子δ也会不断变化.

认知因子根据网络信息的交互频率、网络共有关系的亲密度(共同朋友的数量)、网络影响力的等级(如是否不是经常在一些影响力大的网站中发表观点)等因素帮助信任主体i对信任客体j更加全面的认识.认知因子受多个方面因素的影响,本文主要考虑单一因素对信任融合的影响,从直接交互次数,间接交互次数这两个相对客观并能够明确量化的方面进行分析.

影响因子是在只考虑单一影响因素的情况下,根据影响因素来决定δ的取值.将两个因素的影响因子组成影响因子集,用如下二元组表示:

(5)

(6)

其中,ε主要作用是控制函数变化速度.该拟合函数主要特点是单调递增,并递增速度不断变慢.

(7)

(8)

V=(v1,v2,…,vn)

(9)

其中,vi表示在一定交互次数下,获取的δ所属等级.v1表示最低以0表示,vn表示最高以1表示,等级划分越细认知因子δ越精确.

小麦赤霉病是典型的气候型病害，其发生流行会导致小麦结实率和千粒重下降，影响小麦高产稳产，且病菌产生的毒素还会污染麦粒，影响小麦及其制品的质量安全。因此，小麦赤霉病必须坚持“预防为主、综合防治”的植保方针，大力推行小麦赤霉病的综合防治技术，力争将小麦赤霉病病粒率控制在3%以内。小麦赤霉病的防控应重点搞好以下工作。

3)对单因素进行评判进而得到隶属度向量

ri=(ri1,ri2,…,rin)

(10)

最终可以得到隶属度矩阵

(11)

设定在网络环境中,各个交互实体都是诚实可靠的,则隶属度矩阵R可根据各个交互实体的反馈值进行获取.

4)确定因素集权重向量A={a1,a2},对评判集进行归一化处理.

5)计算综合评判向量:

B=A∘R

(12)

其中,∘为模糊算子.为充分利用隶属度矩阵R的信息,使用算子M(·,⊕),则

(13)

3.5 认知融合信任度

定义5.认知融合信任度(Cognitive fusion trust,CFT)是指根据人类认知习惯将直接信任(DT),间接信任(IDT)以及信誉(RE)进行融合的融合信任度.认知信任融合模型可以表示为一个四元组:

(14)

(15)

其中η+μ=1,α(δ)+β(δ)+γ(δ) =1.权值α(δ),β(δ),γ(δ)是与δ有关的函数.

综上,权值α(δ),β(δ),γ(δ)关于δ的拟合函数分别为:

α(δ)=1/(1+(1-δ)τ+(1-δ)θ)

(16)

β(δ)=(1-δ)τ/(1+(1-δ)τ+(1-δ)θ)

(17)

γ(δ)=(1-δ)θ/(1+(1-δ)τ+(1-δ)θ)

(18)

其中,τ和θ分别用来调节间接信任和信誉在认知不断加深时的衰减速度.

4 仿真实验及结果分析

针对本文模型,利用MATLAB对第三种情形进行仿真实验.在仿真实验中,只设置一个服务提供者节点即信任客体,它为所有节点提供服务.其他节点被认为是服务的接收者,都从信任客体节点接收服务.在特定的时间点开始,存在一个特殊的服务接收者,即信任主体节点,其他节点都被视为推荐者节点.主体节点与客体节点不断发生交互行为,根据贝叶斯先验估计理论初始直接信任设为0.5.实体间进行交互活动将根据实体的信誉以一定的概率成功.在实验中,设X={x1,x2,…,xn}为交互序列,其中xi∈(0,1),0表示交互失败,1表示交互成功.在信任主体与信任客体进行交互的初始阶段控制2τ=θ,即信誉和间接信任以不同的速率进行衰减.在主体与客体不断的交互过程中,随着主体对客体的认知不断加深,信任度将会不断趋近客体信誉.信誉是信任客体的本质属性,是客体可信度的数学度量.在进行仿真时,为了明显描述出随着交互次数对认知的影响,进而表现出融合信任度的动态变化过程,仿真模型中将第三方推荐者集合保持不变.在直接交互次数不断增加的过程中,信任主体对信任客体的认知不断加深,最终将会以主体的直接信任为主.实验根据每次交互结果重新计算信任主体对信任客体的认知度.认知结果如图1所示.

图1 认知变化Fig.1 Cognitive changes

可以从图1中看出,在交互前期阶段认知处于较低水平,这符合在交互初期主体对客体认识不足的特点.随着交互不断进行主体对客体的认知不断加深,并且认知加深的速度不断减缓,这是由于交互发生之后,主体对客体是否能够按照主体的预期完成相应行为有了一定的认识,并且这种认识会根植于主体心中,难以改变.

已知主体的认知之后,根据公式(16)(17)(18)分别计算直接信任度、间接信任度、信誉的权值,获得信任主体对信任客体的融合信任度.该融合信任度是结合主体的主观认知进行融合的,因此更加能够反映主体对客体的主观信任度,并具有较强的动态适应性.实验结果如图2所示.

信誉是信任客体的固有属性,具有稳定性,基本不会在短时间内发生变化.实验过程中,信誉值设置为0.75.从图2(a)中可以看出,在信任主体与信任客体建立交互的初期,由于主体对客体的认知不足,信任度处于较低水平,并且一次偶然的交互结果对信任度的影响明显,因此在交互初期信任度处于不稳定状态.这不仅符合客观实际,也符合主体的主观心理.在不断交互的过程中,由于认知信任融合模型将直接信任、间接信任、信誉进行融合,融合信任的收敛速度更快.相比于信誉,该模型更能反映出主体与客体之间随着交互变化,融合信任度的实时性和动态性.图2(b)将本文模型的平均预测绝对误差与文献[14]和文献[15]进行比较.平均预测绝对误差是预测误差绝对值的和的平均值.如果预测是无偏的,那么平均预测误差将接近于零.因此具有较小平均预测误差的信任模型更加具有动态适应性和准确性.由于准确的信任度是无法度量的,因此本文将下一次交互获得的融合信任度作为精确值,则当前信任度与下一次交互的信任度的差值即为预测误差.从图2(b)实验结果看出,本文的平均预测绝对误差比文献[14]和文献[15]明显低,因此本文模型更加具有动态适应性,精准的对主客体之间的交互进行预测.

图2 仿真实验结果Fig.2 Simulation results

5 结束语

信任融合一直以来都是信任管理研究的难点和重点.本文提出的基于认知过程的信任融合模型,结合人类的认知过程,分配直接信任、间接信任以及信誉的融合权重,很好的解决了在交互前期,交互双方因彼此间认知较低而引起的融合信任与客体信誉偏差较大的情况发生.模型符合人类的认知规律,具有较好的实时性和动态适应性.认知的影响因素有很多方面,每一个因素对认知的影响都值得进一步研究.各个因素与认知直接的关系描述的越精确,认知将更符合人类一般认知过程,融合信任度也将越准确.

[1] Li Jian-xin,Huai Jin-peng,Li Xian-xian,et al.DTM:a dynamic trust management model for internet computing environments[J].Chinese Journal of Computers,2009,32(3):493-505.

[2] Gan Zao-bin,Zeng Can,Ma Yao,et al.C2C E-commerce trust algorithm based on trust network[J].Journal of Software,2015,26(8):1946-1959.

[3] Chen Wei-dong,Li Min-qiang,Zhao Qing-zhan.Research of Web service selection trust model on P2P environment[J].Computer Scinece,2015,42(1):113-118.

[4] Li Yu,Wang Pei,Sun Lian-rong.The study of evolution,trend and theory construction on the Chinese social cognition [J].Advabces in Psychological Science,2014,22(11):1691-1707.

[5] Li Xiao-yong,Gui Xiao-lin.Research on dynamic trust model in large-scale distributed environment[J].Journal of Software,2007,18(6):1510-1521.

[6] Jlordi Saraber.Carles sieraa revlew on computational trust and reputation models[J].Artificial lntelligencz Review,2005,24(1):33-60.

[7] Rino f′alcone,Cristiano Castelfranchi.Social trust:a cognitive approach[C].Christiano Castelfranchi,Tan Yao-Hua eds.Trust and Deczption in Virtual Societies,Norwell,MA,USA:Kluwer Academic Puhlishers,2001:55-90.

[8] Zou Shi-chen,Wang Hui-qiang,Feng Guang-sheng,et al.Multi-strategy trust evolution model for cognitive relay network based on moran process[J].Journal of Chinese Computer Systems,2014,35(10):2209-2214.

[9] Wang Jia-fang,Feng Zhi-yong,Xu Chao,et al.Research on rramework in multi-agent system from the cognitive view[J].Chinese Journal of Copmputers,2010,33(1):139-151.

[10] Liang Rui.Research on centralized trust trust management for cognitive radio networks[D].Xi′an:Xidian University,2012.

[11] Zhai Li-li,Li Nan-nan,Wang Jing,et al.Virtual software industry cluster trust fuzzy cognitive time model research[J].Statistics and Decision,2013，4(15):27-31.

[12] Chen Chao,Wang Ru-chuan,Zhang Lin.The research of subjective trust model based on fuzzy theory in open networks[J].Acta Electronica Sinica,2010,38(11):2505-2509.

[13] Zhu Man-ling,Jin Zhi.Approach for evaluating the trust worthiness of service agent[J].Journal of Software,2011,22(11):2593-2609.

[14] Xu Pei,Lian Bin,Shao Kun,et al.Research on fusion trust model for decision-making[J].Computer Scinece,2015,42(12):157-161.

[15] Tan Zhen-hua,Wang Xing-wei,Cheng Wei,et al.A distributed trust model for peer-to-peer network based on multi-dimension-history vector[J].Chinese Journal of Computers,2010,33(9):1725-1735.

附中文参考文献：

[1] 李建欣,怀进鹏,李先贤,等.DTM:一种面向网络计算的动态信任管理模型[J].计算机学报,2009,32(3):493-505.

[2] 甘早斌,曾 灿,马 尧,等.基于信任网络的C2C电子商务信任算法[J].软件学报,2015,26(8):1946-1959.

[3] 陈卫东,李敏强,赵庆展.基于P2P环境下的Web服务选择信任模型研究[J].计算机科学,2015,42(1):113-118.

[4] 李 宇,王 沛,孙连荣.中国人社会认知研究的沿革、趋势与理论建构[J].心理科学进展,2014,22(11):1691-1707.

[5] 李小勇,桂小林.大规模分布式环境下动态信任模型研究[J].软件学报,2007,18(6):1510-1521.

[8] 邹世辰,王慧强,冯光升,等.基于Moran过程的认知中继网络多策略信任演化模型[J].小型微型计算机系统,2014,35(10):2209-2214.

[9] 王家昉,冯志勇,徐 超,等.多Agent系统中基于认知的信任框架研究[J].计算机学报,2010,33(1):139-151.

[10] 梁 睿.认知无线网络中心式信任管理机制研究[D].西安:西安电子科技大学,2012.

[11] 翟丽丽,李楠楠,王 京,等.软件产业虚拟集群信任模糊认知时间模型研究[J].统计与决策,2013，4(15):27-31.

[12] 陈 超,王汝传,张 琳.一种基于开放式网络环境的迷糊主观信任模型研究[J].电子学报,2010,38(11):2505-2509.

[13] 朱曼玲,金 芝.一种服务Agent的可信性评估方法[J].软件学报,2011,22(11):2593-2609.

[14] 徐 培,廉 彬,邵 堃,等.面向决策的信任融合模型研究[J].计算机科学,2015,42(12):157-161.

[15] 谭振华,王兴伟,程 维,等.基于多维历史向量的P2P分布式信任评价模型[J].计算机学报,2010,33(9):1725-1735.