基于Rough-Fuzzy的網(wǎng)構(gòu)軟件信任度量模型

印桂生，王瑩潔，董宇欣

(哈爾濱工程大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，黑龍江哈爾濱150001)

傳統(tǒng)的軟件形態(tài)是采用自頂向下的分析方法進(jìn)行開(kāi)發(fā)的，其實(shí)體的封閉性本質(zhì)難以適應(yīng)開(kāi)放網(wǎng)絡(luò)環(huán)境中的動(dòng)態(tài)、多變和復(fù)雜情況的要求.因此，一種新的軟件形態(tài)——網(wǎng)構(gòu)軟件被提出，網(wǎng)構(gòu)軟件是在Internet開(kāi)放、動(dòng)態(tài)和多變環(huán)境下軟件系統(tǒng)基本形態(tài)的一種抽象，是傳統(tǒng)軟件結(jié)構(gòu)的自然延伸，網(wǎng)構(gòu)軟件的顯著特征是自主性、協(xié)同性、反應(yīng)性、演化性以及多態(tài)性［1］.它能夠感知外部環(huán)境的變化，按需動(dòng)態(tài)調(diào)整實(shí)體間交互模式，在線完成復(fù)雜任務(wù).在網(wǎng)構(gòu)軟件系統(tǒng)演化過(guò)程中，人們往往希望通過(guò)有效手段控制網(wǎng)構(gòu)軟件實(shí)體行為及交互策略的選取，以使系統(tǒng)快速地收斂到目標(biāo)狀態(tài).網(wǎng)絡(luò)可信技術(shù)是在原有網(wǎng)絡(luò)安全技術(shù)的基礎(chǔ)上增加行為可信的安全新方法，強(qiáng)化了對(duì)網(wǎng)絡(luò)狀態(tài)動(dòng)態(tài)處理、為實(shí)施智能自適應(yīng)的網(wǎng)絡(luò)安全和服務(wù)質(zhì)量控制提供策略基礎(chǔ).然而，從信任關(guān)系的內(nèi)涵來(lái)看，其本質(zhì)上是最復(fù)雜的社會(huì)關(guān)系之一，具有不確定性、不對(duì)稱(chēng)性、部分傳遞性、異步性、上下文獨(dú)立性和時(shí)空衰減性等一系列復(fù)雜動(dòng)態(tài)屬性，是一個(gè)抽象的心理認(rèn)知過(guò)程，涉及假設(shè)、期望、行為和環(huán)境等多種因子，很難定量表示和預(yù)測(cè).

信任度量就是一個(gè)信任使用機(jī)制，通過(guò)對(duì)信任多個(gè)方面的描述，實(shí)現(xiàn)對(duì)信任的要求.在信任度量中，目前主要從信任的表示、信任的計(jì)算以及信任的使用3個(gè)方面上描述信任.信任度量模型主要分為開(kāi)放式網(wǎng)絡(luò)環(huán)境下的信任度量方法［2-3］，基于Agent軟件協(xié)同服務(wù)的信任度量方法［4］以及基于粗糙集理論的信任度量方法［5］.

現(xiàn)有的關(guān)于信任度量方法的研究成果有效地推動(dòng)了相關(guān)研究的發(fā)展和極大地豐富了人們對(duì)信任關(guān)系的理解，但也有本身存在的問(wèn)題:

1)現(xiàn)有的信任度量方法，大多采用專(zhuān)家意見(jiàn)法或者平均權(quán)值法等主觀的融合計(jì)算方法，致使信任演化預(yù)測(cè)結(jié)果帶有較大的主觀成分，影響了信任決策的科學(xué)性，而且缺少靈活性，一旦權(quán)值確定，將在實(shí)際應(yīng)用中很難由系統(tǒng)動(dòng)態(tài)地去調(diào)整它，致使信任演化模型缺少自適應(yīng)性［6］.

2)大多數(shù)模型對(duì)信任量化的決策屬性考慮不夠全面，在計(jì)算總體信任度時(shí)只考慮直接信任與反饋信任的簡(jiǎn)單的加權(quán)平均，對(duì)一些環(huán)境上下文考慮不夠，由于不注重信任值的環(huán)境上下文意義，模型不能很好地刻畫(huà)信任關(guān)系的復(fù)雜性和不確定性.

針對(duì)以上問(wèn)題，在前期工作的基礎(chǔ)上，提出了一種基于Rough-Fuzzy的網(wǎng)構(gòu)軟件信任度量模型.將Rough-Fuzzy思想引入到對(duì)網(wǎng)構(gòu)軟件的信任度量上，以解決信任屬性值計(jì)算的不確定性問(wèn)題.通過(guò)Rough-Fuzzy來(lái)計(jì)算信任行為的標(biāo)準(zhǔn)參數(shù)值，并將實(shí)體參數(shù)的實(shí)際數(shù)據(jù)與標(biāo)準(zhǔn)參數(shù)值進(jìn)行比較，得到不同的信任屬性值;將信息熵理論引入到對(duì)不同信任屬性值的權(quán)值計(jì)算上，從而解決信任屬性值的不確定性問(wèn)題.

1 信任度量的建模

1.1 網(wǎng)構(gòu)軟件可信屬性

將網(wǎng)構(gòu)軟件的可信屬性分為可靠性，可用性，防危性以及可維護(hù)性.其中影響網(wǎng)構(gòu)軟件可靠性的因素有:可靠度、失效率、失效強(qiáng)度;影響可用性的因素有:有效性、交互效率、用戶(hù)滿(mǎn)意度;影響防危性的因素有:軟件事故率、軟件防?？煽慷?影響可維護(hù)性的因素有:易修改性、可移植性、穩(wěn)定性.則可信性的綜合度量指標(biāo)如圖1所示.

1)可靠性.軟件的可靠性是指在規(guī)定的條件下，在規(guī)定的時(shí)間內(nèi)，軟件不引起系統(tǒng)失效的概率.則描述軟件可靠性的參數(shù)分別為:可靠度、失效率和失效強(qiáng)度.

①可靠度參數(shù)主要從一個(gè)系統(tǒng)能夠正常工作的時(shí)間長(zhǎng)短來(lái)描述系統(tǒng)的可靠性.

②失效率是指在t時(shí)刻尚未發(fā)生失效的情況下，在t時(shí)刻以后，單位時(shí)間內(nèi)發(fā)生失效的概率.

③失效強(qiáng)度是指失效數(shù)均值隨時(shí)間的變化率.

圖1 可信性的綜合度量指標(biāo)Fig.1 Comprehensive measure indexes of trust

2)可用性.軟件的可用性是指用戶(hù)在特定的環(huán)境中使用產(chǎn)品完成具體任務(wù)時(shí)，交互過(guò)程的有效性、交互效率和用戶(hù)滿(mǎn)意度.

①有效性是指用戶(hù)完成特定任務(wù)時(shí)所達(dá)到的準(zhǔn)確程度和完整程度.

②交互效率是指用戶(hù)完成特定任務(wù)的準(zhǔn)確程度和完整程度與所用資源(如時(shí)間、精力)之間的比率.

③用戶(hù)滿(mǎn)意度是指用戶(hù)在使用產(chǎn)品過(guò)程中具有的主觀滿(mǎn)意和接受程度.

3)防危性.防危性表示系統(tǒng)在給定的時(shí)間內(nèi)不發(fā)生災(zāi)難事故的能力.描述系統(tǒng)防危性的量稱(chēng)之為防危性參數(shù)，常用的軟件防危性參數(shù)有軟件事故率、軟件防?？煽慷?

①軟件事故率是軟件安全性的一種基本參數(shù).其度量方法為:在規(guī)定的條件下和規(guī)定的時(shí)間內(nèi)，軟件的事故總次數(shù)與壽命單位總數(shù)之比.

②軟件防?？煽慷仁菍?zhuān)門(mén)針對(duì)安全性事故的.其度量方法為:在規(guī)定的條件下和規(guī)定的時(shí)間內(nèi)，軟件執(zhí)行任務(wù)過(guò)程中不發(fā)生安全性事故的概率.

4)可維護(hù)性.可維護(hù)性是指系統(tǒng)具有可修復(fù)和升級(jí)的能力，影響軟件可維護(hù)性的因素主要有:易修改性、可移植性和穩(wěn)定性.

①易修改性是指程序便于修改的難易程度.對(duì)易修改性的度量主要是對(duì)軟件系統(tǒng)及軟件維護(hù)人員實(shí)現(xiàn)軟件修改所付出的努力程度進(jìn)行度量.

②可移植性是指軟件對(duì)目標(biāo)環(huán)境的適應(yīng)性.因此，可移植性的度量指標(biāo)可以包括目標(biāo)環(huán)境的數(shù)量，目標(biāo)環(huán)境的移植工作量，以及轉(zhuǎn)移成本.

③穩(wěn)定性是指由于修改帶來(lái)的不期望風(fēng)險(xiǎn)情況.

綜上所述，提取出網(wǎng)構(gòu)軟件的4個(gè)可信屬性:可靠性、可用性、防危性以及可維護(hù)性，并將這4個(gè)屬性進(jìn)行進(jìn)一步的劃分，提取出11個(gè)可信度量參數(shù):可靠度、失效率、失效強(qiáng)度、有效性、交互效率、用戶(hù)滿(mǎn)意度、軟件事故率、軟件防?？煽慷?、易修改性、可移植性以及穩(wěn)定性.

1.2 信任度量模型的建立

古希臘數(shù)學(xué)家和哲學(xué)家彼得哥拉斯(Pythagoras)曾經(jīng)提出論斷:每件事物都可以數(shù)字化，也就是所有事物在最后分析中都可用數(shù)字表示出來(lái)，是一種事量關(guān)系.在Rough-Fuzzy的基礎(chǔ)上，根據(jù)實(shí)體的信任行為進(jìn)行信任度量［7］.通過(guò)將實(shí)體的行為進(jìn)行量化，研究其行為與網(wǎng)絡(luò)中各個(gè)屬性參數(shù)的關(guān)系，以Rough-Fuzzy作為研究工具，對(duì)網(wǎng)構(gòu)軟件中的實(shí)體進(jìn)行信任度量，將網(wǎng)絡(luò)中實(shí)體復(fù)雜的行為進(jìn)行抽象、劃分，從而轉(zhuǎn)化為若干較為簡(jiǎn)單的問(wèn)題，即形成塊.在此基礎(chǔ)上對(duì)網(wǎng)構(gòu)軟件中的信任演化機(jī)制進(jìn)行進(jìn)一步的研究.

假設(shè)［a，b］是一個(gè)區(qū)間，R是該區(qū)間上的難區(qū)分關(guān)系，由于區(qū)間的范圍［a，b］?［0，1］，所以用k來(lái)劃分區(qū)間.任選x1，x2［a，b］，x1Rx2(|x1-x2|≤k)，則［a+j×k，a+(1+j)×k］?［a，b］，j=0，1，…，n-2，即區(qū)間［a，b］被k劃分成n個(gè)小區(qū)間，其中前n-1個(gè)區(qū)間為相等區(qū)間，每個(gè)區(qū)間被稱(chēng)為一個(gè)劃分的等價(jià)類(lèi)，稱(chēng)作一個(gè)基本粒.所以區(qū)間被關(guān)系R劃分，直到a+n×k＞b，n是小區(qū)間的總數(shù).如何來(lái)確定k值?利用古數(shù)學(xué)中黃金分割的粒計(jì)算理論來(lái)定義這種不可分關(guān)系，因?yàn)?.618是［0，1］區(qū)間上的最優(yōu)選點(diǎn)，因此以0.618定義不可區(qū)分關(guān)系并將這種不可區(qū)分關(guān)系用作劃分的方法，是對(duì)模糊性和不確定性事物的一種很好的劃分方法.根據(jù)黃金分割原理，給出了k的計(jì)算公式:

由以上分析可知，網(wǎng)構(gòu)軟件系統(tǒng)的可信度量參數(shù)為:可靠度(TP1)、失效率(TP2)、失效強(qiáng)度(TP3)、有效性(TP4)、交互效率(TP5)、用戶(hù)滿(mǎn)意度(TP6)、軟件事故率(TP7)、軟件防?？煽慷?TP8)、易修改性(TP9)、可移植性(TP10)以及穩(wěn)定性(TP11).其中TP為實(shí)體信任行為參數(shù)數(shù)據(jù).通過(guò)計(jì)算每個(gè)區(qū)間的平均值A(chǔ)V和標(biāo)準(zhǔn)差SD來(lái)分析網(wǎng)絡(luò)中實(shí)體的動(dòng)態(tài)信任度.其中平均值A(chǔ)V表示該區(qū)間的最優(yōu)點(diǎn)，標(biāo)準(zhǔn)差SD反映數(shù)據(jù)的離散程度，即一個(gè)較大的標(biāo)準(zhǔn)差，代表大部分?jǐn)?shù)值和其平均值之間差異較大，一個(gè)較小的標(biāo)準(zhǔn)差，代表這些數(shù)值較接近平均值.

基本粒區(qū)間的平均值計(jì)算公式為

標(biāo)準(zhǔn)偏離為

根據(jù)式(2)、(3)可以得參數(shù)區(qū)間的平均值和標(biāo)準(zhǔn)偏離值.假設(shè)TP為實(shí)體信任行為參數(shù)值，表示在某次交互中某個(gè)實(shí)體的實(shí)際參數(shù)值.用IV來(lái)表示它們之間的誤差，稱(chēng)為實(shí)體信任行為指數(shù)值.對(duì)于一些可信參數(shù)而言，其參數(shù)值越大表示其可信度越高，如可靠度(TP1)、有效性(TP4)等，其信任行為的計(jì)算方法如式(4)所示，當(dāng)實(shí)體信任行為參數(shù)值不大于區(qū)間平均值時(shí)，IV=(TP-AV)/SD;而當(dāng)實(shí)體信任行為參數(shù)值大于區(qū)間平均值時(shí)，IV=0，即此時(shí)實(shí)體的信任度處于較高的狀態(tài).而對(duì)于另外一些可信參數(shù)而言，其參數(shù)值越小表示其可信度越高，如失效率(TP2)、失效強(qiáng)度(TP3)以及軟件事故率(TP7)，其信任行為的計(jì)算方法如公式(5)所示.對(duì)于IV1，IV4，IV5，IV6，IV8，IV9，IV10，IV11:

對(duì)于任意實(shí)體j(j≠i)，則實(shí)體i對(duì)實(shí)體j的評(píng)價(jià)表示為Pij.根據(jù)式(4)和式(5)可以得到實(shí)體信任行為的指數(shù)值.

將網(wǎng)構(gòu)軟件的可信屬性劃分為可靠性、可用性、防危性及可維護(hù)性，則根據(jù)IV值，根據(jù)專(zhuān)家學(xué)習(xí)經(jīng)驗(yàn)給出4個(gè)可信屬性的可信度的計(jì)算公式:

則根據(jù)式(6)～(9)，可以得到網(wǎng)構(gòu)軟件4個(gè)可信屬性的信任值.

根據(jù)以上的分析，給出實(shí)體可信度的計(jì)算方法:

式中:ω為信任屬性的相應(yīng)權(quán)值，ω1+ω2+ω3+ω4=1.相應(yīng)的權(quán)值代表不同可信屬性對(duì)整體可信度的重要程度.則由式(10)可以計(jì)算出實(shí)體i對(duì)實(shí)體j的總體信任評(píng)價(jià)的可信度.

假設(shè)信任等級(jí)的空間為{l1，l2，…，ln}，則相應(yīng)的服務(wù)級(jí)別的空間為{s1，s2，…，sn}.根據(jù)對(duì)信任值的計(jì)算，可以得到如式(10)所示的服務(wù)等級(jí)s與信任度Γ(Pij)之間的映射函數(shù)Φ(Γ(Pij)).

則當(dāng)實(shí)體j向?qū)嶓wi請(qǐng)求服務(wù)時(shí)，實(shí)體i就可以根據(jù)對(duì)實(shí)體j信任度的計(jì)算值Γ(Pij，給出相應(yīng)的服務(wù)級(jí)別s∈{s1，s2，…，sn}，這樣既可以通過(guò)分級(jí)對(duì)不同信任度的實(shí)體提供不同的服務(wù)，又可以降低系統(tǒng)可能存在的風(fēng)險(xiǎn)，并且可以激勵(lì)實(shí)體對(duì)信任策略的選擇，是系統(tǒng)信任的激勵(lì)懲罰準(zhǔn)則.

圖2 信任度量過(guò)程Fig.2 Process of trust measure

根據(jù)以上對(duì)信任度量模型的分析，可知基于Rough-Fuzzy的網(wǎng)構(gòu)軟件信任度量模型的信任度量過(guò)程如圖2所示.該圖反映了實(shí)體信任度量過(guò)程，呈現(xiàn)出金字塔的度量過(guò)程，由底層向高層依次進(jìn)行度量，最后將得到的最高層的信任值反饋給最底層，作為下一次度量的歷史數(shù)據(jù)，從而使其成為一個(gè)不斷演化的反饋系統(tǒng).

1.3 分類(lèi)權(quán)重的計(jì)算方法

信息熵是由香農(nóng)(Shannon)將熱力學(xué)熵引入信息論而提出的，其為不確定方法的一個(gè)重要概念，常被用于較粗略地給出不確定性的度量.信息熵在事件發(fā)生之前，它是結(jié)果不確定性的量度，在事件發(fā)生之后，它是從該事件中所得到信息的量度(信息量).因此，事件的信息熵是一個(gè)事件的不確定性或信息量的量度，也可以理解為包含在這個(gè)事件本身中的關(guān)于它自己的信息，因?yàn)槭录l(fā)生后結(jié)果就完全確定了［8-9］.下面給出可信屬性權(quán)重的計(jì)算方法，如式(12)所示:

其中，X表示相應(yīng)可信屬性的可信度，1-X表示相應(yīng)可信屬性的不可信程度.

假若X1=0.9，1-X1=0.1;X2=0.5，1-X2=0.5.

此時(shí)H(X1)＜H(X2)，說(shuō)明可信屬性X2比X1的平均不確定性要大，若在事件發(fā)生之前，對(duì)于可信屬性X2，由于事件是等概率的，難以猜測(cè)哪一個(gè)事件會(huì)發(fā)生;而可信屬性X1雖然也存在不確定性，但大致可以知道X1出現(xiàn)的可能性要大.

設(shè)C(X)是X相對(duì)于其他可信屬性的分類(lèi)區(qū)分度，其計(jì)算方法如式(13)所示.則相應(yīng)權(quán)重的計(jì)算方法如式(14)所示.

式中:s為該在實(shí)體上一次交互中所獲得的服務(wù)等級(jí)，根據(jù)公式(13)，則有0≤ω≤1且ω1+ω2+ω3+ω4=1，確定分類(lèi)權(quán)重后便可根據(jù)公式(10)計(jì)算出網(wǎng)構(gòu)軟件實(shí)體的可信度.

1.4 算法實(shí)現(xiàn)

根據(jù)提出的方法給出其算法實(shí)現(xiàn)，實(shí)體i根據(jù)Γ(pij)值來(lái)對(duì)服務(wù)請(qǐng)求者提供相應(yīng)的服務(wù).下面給出信任度計(jì)算算法.

1)輸入:粒計(jì)算區(qū)間［a1，b1］，［a2，b2］，…，［a11，b11］;/*根據(jù)實(shí)體交互中的歷史數(shù)據(jù)來(lái)確定粒計(jì)算區(qū)間*/

2)輸入:可信參數(shù) TP1，TP2，…，TP11;

3)根據(jù)式(1)～(5)計(jì)算各可信屬性的可信度;

①Rt←公式(6);/*可靠性*/

②At←式(7);/*可用性*/

③St←式(8);/*防危性*/

④Mt←式(9);/*可維護(hù)性*/

⑤根據(jù)式(12)～(14)計(jì)算各可信屬性的分類(lèi)權(quán)重;

5.Γ(Pij)←式(10);/*計(jì)算實(shí)體的總體信任度*/

6)Φ(Γ(Pij))←式(11);/*實(shí)體i根據(jù)Γ(Pij)值對(duì)服務(wù)請(qǐng)求者j提供相應(yīng)的服務(wù)*/

7)END.

2 模擬實(shí)驗(yàn)與性能分析

對(duì)網(wǎng)構(gòu)軟件進(jìn)行模擬交易，來(lái)驗(yàn)證模型的有效性.將網(wǎng)構(gòu)軟件實(shí)體分為4類(lèi)［10］:正常節(jié)點(diǎn)Normal nodes——始終提供服務(wù)的軟件實(shí)體;震蕩欺騙節(jié)點(diǎn)C-D(concussion deception)nodes——信任積累到一定值時(shí)開(kāi)始欺騙，當(dāng)信任值低于某一水平時(shí)再重新開(kāi)始提供服務(wù);無(wú)規(guī)則欺騙節(jié)點(diǎn)No-rule Deception nodes——其信任度具有不確定性，即無(wú)規(guī)則的欺騙性;懶惰節(jié)點(diǎn)Lazy nodes——偶爾提供服務(wù)，然后長(zhǎng)時(shí)間不提供服務(wù).

采用Windows XP操作系統(tǒng)，用Matlab 6.5編程進(jìn)行仿真實(shí)驗(yàn)，實(shí)驗(yàn)參數(shù)設(shè)置如表1所示.

表1 實(shí)驗(yàn)參數(shù)設(shè)置Table 1 Experimental parameters

根據(jù)提出的信任度計(jì)算算法得出不同類(lèi)型節(jié)點(diǎn)的信任值度量的仿真結(jié)果，如圖3所示為基于Rough-Fuzzy的網(wǎng)構(gòu)軟件信任度量模型的仿真實(shí)驗(yàn)結(jié)果.圖3(a)表示正常節(jié)點(diǎn)的信任度曲線圖，該類(lèi)節(jié)點(diǎn)始終提供服務(wù)，其信任值的總體趨勢(shì)為不斷上升的態(tài)勢(shì).圖3(b)表示震蕩欺騙節(jié)點(diǎn)的信任度曲線圖，該類(lèi)節(jié)點(diǎn)當(dāng)信任度積累到一定程度時(shí)開(kāi)始欺騙，此時(shí)信任度急劇下降，以達(dá)到懲罰欺騙節(jié)點(diǎn)的目的.圖3(c)表示無(wú)規(guī)則欺騙節(jié)點(diǎn)的信任度曲線圖，該類(lèi)節(jié)點(diǎn)不受系統(tǒng)信任度規(guī)則的制約，該圖表示節(jié)點(diǎn)的信任度一直徘徊在低水平的范圍(0～0.5)，因此對(duì)于經(jīng)常性作惡的節(jié)點(diǎn)，該模型能夠很好地抵抗該類(lèi)節(jié)點(diǎn)的非信任行為，控制其信任度的大小.圖3(d)表示懶惰節(jié)點(diǎn)的信任度曲線圖，這類(lèi)節(jié)點(diǎn)在提供了一段時(shí)間服務(wù)后，就長(zhǎng)時(shí)間不提供服務(wù)，雖然它沒(méi)有作惡，但已經(jīng)是不活躍節(jié)點(diǎn).圖3(e)為4種節(jié)點(diǎn)的交易次數(shù)疊加曲線圖，由該圖可以看出該信任度量模型對(duì)于善意節(jié)點(diǎn)和惡意節(jié)點(diǎn)的信任度有明顯的區(qū)分效果.

圖3 模擬實(shí)驗(yàn)結(jié)果Fig.3 Results of simulation experiment

由模擬實(shí)驗(yàn)的仿真結(jié)果可以看出，提出的信任度量模型能夠解決信任行為的不確定性和模糊性等問(wèn)題.對(duì)善意節(jié)點(diǎn)和惡意節(jié)點(diǎn)的信任度有明顯的區(qū)分效果，能夠抑制惡意節(jié)點(diǎn)的信任度增長(zhǎng).并且該模型具有良好的適應(yīng)性，對(duì)于一些信任度量參數(shù)，系統(tǒng)可以動(dòng)態(tài)地去調(diào)整并且增加或減少信任度量屬性，能有很好地適應(yīng)開(kāi)放網(wǎng)絡(luò)環(huán)境的動(dòng)態(tài)性特點(diǎn).

3 結(jié)束語(yǔ)

提出了一種基于Rough-Fuzzy的網(wǎng)構(gòu)軟件信任度量模型.將Rough-Fuzzy思想引入到對(duì)網(wǎng)構(gòu)軟件的信任度量上，以解決信任屬性值計(jì)算的不確定性問(wèn)題;基于信息熵理論來(lái)確定信任屬性的分類(lèi)權(quán)重，進(jìn)一步解決信任屬性值的不確定性問(wèn)題.由模擬實(shí)驗(yàn)的仿真結(jié)果可以看出，該度量模型對(duì)善意節(jié)點(diǎn)和惡意節(jié)點(diǎn)的信任度有明顯的區(qū)分效果，能夠抑制惡意節(jié)點(diǎn)的信任度增長(zhǎng).并且該模型具有良好的適應(yīng)性，對(duì)于一些信任度量參數(shù)，系統(tǒng)可以動(dòng)態(tài)地去調(diào)整并且增加或減少信任度量屬性，能有很好地適應(yīng)開(kāi)放網(wǎng)絡(luò)環(huán)境的動(dòng)態(tài)性特點(diǎn).

下一步的工作重點(diǎn)是，進(jìn)一步探討開(kāi)放網(wǎng)絡(luò)環(huán)境中的信任屬性，以及實(shí)體與實(shí)體、實(shí)體與環(huán)境之間的信任關(guān)系，并對(duì)模型做進(jìn)一步的完善，繼續(xù)探討適合描述動(dòng)態(tài)信任關(guān)系的普適的度量模型.

［1］楊芙清.軟件工程技術(shù)發(fā)展思索［J］.軟件學(xué)報(bào)，2005，16(1):1-7.YANG Fuqing.Thinking on the development of software engineering technology［J］.Journal of Software，2005，16(1):1-7.

［2］王遠(yuǎn)，呂建，徐鋒，等.一個(gè)適用于網(wǎng)構(gòu)軟件的信任度量及演化模型［J］.軟件學(xué)報(bào)，2006，17(4):1-2.WANG Yuan，Lü Jian，XU Feng，et al.A trust measurement and evolution model for internetware［J］.Journal of Software，2006，17(4):1-2.

［3］陸文，徐鋒，呂建.一種開(kāi)放環(huán)境下的軟件可靠性評(píng)估方法［J］.計(jì)算機(jī)學(xué)報(bào)，2010，3(3):452-462.LU Wen，XU Feng，Lü Jian.An approach of software reliability evaluation in the open environment［J］.Chinese Journal of Computers，2010，3(3):452-462.

［4］唐文，陳鐘.基于模糊集合理論的主觀信任管理模型研究［J］.軟件學(xué)報(bào)，2003，14(8):1401-1408.TANG Wen，CHEN Zhong.Research of subjective trust management model based on the fuzzy set theory［J］.Journal of Software，2003，14(8):1401-1408.

［5］李小勇，桂小林，毛倩，等.基于行為監(jiān)控的自適應(yīng)動(dòng)態(tài)信任度測(cè)模型［J］.計(jì)算機(jī)學(xué)報(bào)，2009，32(4):664-674.LI Xiaoyong，GUI Xiaolin，MAO Qian，et al.Adaptive dynamic trust measurement and prediction model based on behavior monitoring［J］.Chinese Journal of Computers，2009，32(4):664-674.

［6］李小勇，桂小林.動(dòng)態(tài)信任預(yù)測(cè)的認(rèn)知模型［J］.軟件學(xué)報(bào)，2010，21(1):163-176.LI Xiaoyong，GUI Xiaolin.Cognitive model of dynamic trust forecasting［J］.Journal of Software，2010，21(1):163-176.

［7］LIU Qing，JIANG Feng，DENG Dayong.Design and implement for diagnosis systems of hemorheology on blood viscosity syndrome based on GrC［C］//RSFDGrC＇03 Proceedings of the 9th International Conference on Rough Sets，F(xiàn)uzzy Sets，Data Mining，and Granular Computing.Chongqing，China，2003:413-420.

［8］李小勇，桂小林.可信網(wǎng)絡(luò)中基于多維決策屬性的信任量化模型［J］.計(jì)算機(jī)學(xué)報(bào)，2009，32(3):405-416.LI Xiaoyong，GUI Xiaolin.Trust quantitative model with multiple decision factors in trusted network［J］.Chinese Journal of Computers，2009，32(3):405-416.

［9］李景濤，荊一楠，肖曉春，等.基于相似度加權(quán)推薦的P2P環(huán)境下的信任模型［J］.軟件學(xué)報(bào)，2007，18(1):157-167.LI Jingtao，JIING Yinan，XIAO Xiaochun，et al.A trust model based on similarity-weighted recommendation for P2P environments［J］.Journal of Software，2007，18(1):157-167.

［10］饒屾，王勇.基于P2P網(wǎng)絡(luò)的動(dòng)態(tài)模糊綜合信任模型［J］.計(jì)算機(jī)應(yīng)用，2011，31(1):139-142.RAO Sheng，WANG Yong.Dynamic fuzzy comprehensive trust model based on P2P network［J］.Journal of Computer Applications，2011，31(1):139-142.