论文部分内容阅读
当前流媒体应用拥有海量数据资源,能够为广大用户提供内容丰富的音视频流媒体服务。然而,恶意用户、自私用户的大量存在,阻碍了系统的发展,也威胁着用户使用流媒体服务的安全。信任与信誉机制通过记录用户历史行为,对用户进行评价分类,进而防止恶意用户、自私用户对系统和用户造成影响,鼓励合法用户成为系统服务的参与者或提供者。然而,当前的信任与信誉模型通常只考虑用户对系统的贡献行为,而忽略了用户间的关系、资源特征、网络连接特征等因素,导致这些模型难以在实际系统中产生作用。因此,本文针对流媒体网络应用的资源分布特征,提出了一个鲁棒的信任与信誉模型,在此基础上,对模型的稳定性、正确性进行了分析,最终在实验环境中验证了模型的有效性。本文的主要工作和创新点包括:(1)提出了一种基于反馈相关性的分布式信任与信誉模型。该模型采用层次化网络结构,根据节点提供的历史评价计算用户当前信誉值,结合流媒体网络中用户抱团特性,提出了团信任的概念用于计算用户的全局信任值。此外,模型还引入了基于反馈相关性的过滤功能,用于抑制用户不良行为和识别用户不诚实行为,从而提升了模型抵制安全威胁的能力,增强了信誉模型的鲁棒性。(2)提出了基于奖惩的用户激励机制。系统将用户划分为不同信誉等级,提供差异化服务。在系统策略设计中,提出了基于信任和信誉级别的服务提供者选择策略,基于效用的服务策略选择评价模型。针对不同的用户行为,达到奖励表现积极,惩罚自私自利用户的目标。(3)建立了系统安全威胁模型。设计了策略性行为改变、不诚实反馈(说谎)等恶意行为模型,研究了用户在这些攻击场景下的安全性问题。使用peersim仿真工具验证了模型的有效性。实验结果表明信誉模型对不诚实反馈的具有较好的鲁棒性,能有效检测用户行为的策略性改变,为不同类型用户提供安全的差异化服。(4)设计并实现了流媒体系统的信誉和信任机制的部署。本文模型的应用部署为对等网络下此类问题的部署和实现提供了一种参照方法。对原型系统的测试和分析显示,信誉和信任机制有效的在实际系统中产生作用,提高系统的安全性。