信任度(trust degree)：信任度是授信方对受信方信任程度的 量化表示，也称信任值、可信度。
直接信任度（Direct Trust Degree）：表示在给定上下文中， 一个实体根据直接交易历史纪录而得到的对另外一个实体的信 任程度。
推荐信任度(recommendation trust)：表示实体间通过第三 者的推荐形成的信任度，也称间接信任。
通过评论的数量特征判断评论的优劣
假设：大多数人的意见是可靠的，即假定如果一个 评论与大多数人的看法是一致的，则它是一个好评 论 ，否则，正好相反
缺陷：如果一个被评估对象拥有大量的虚假评论也 有可能获得较好的声誉
2020/7/7
40
实现方法
质量评估原则 质量评估属性 质量评估方法 Web服务声誉评估 节点异质性问题
信任度计算
Web服务信任度 提供商信任度 消费者信任度
2020/7/7
30
Web服务信任度
能力属性信任贡献度：
SS (s) dots1(s)
maxNum(c(s))
安全性信任贡献度：
dots
2(
s)
s(s)
e(s) 3
w(
s)
,
if s(s) or e(s) or w(s)
0,
others
信任与信誉的关系： （1）因为你有很好的信誉，所以我信任你； （2）尽管你的信誉不好，但是我仍然信任你。
8
信任示例
信任的决定因素
决定者因素 (DecisionMaker Factors)
风险的容忍度（Risk Tolerance） 调整能力（Level of Adjustment） 相对权力（Relative Power）
网络环境中的信任机制研究
董晓华
2020/7/7
1
虚拟组织VO（Virtual Organization）是多个组 织中具有某些共同特征的某些实体的集合，他 们在共享和使用各种资源时具有一致的模式。 虚拟组织中的成员和资源有他们共同遵守的规 则和策略。
2
互联网的困惑
我能相信它吗？
2020/7/7
识别准确度受到影响
2020/7/7
17
研究信任的方法
定性方法 定量方法
2020/7/7
18
信任的定性研究
将信任关系根据需要分成若干等级，如信任、 不信任，无信任关系
提出信任模型 进行信任运算
定性信任研究方法：确定模型
20
21
信任运算
22
23
信任的定量研究
确定模型：
影响信任的关键因素分析 确定各因素的权重
房间里还有鱼。我喜欢 这次入住还给我免费升级了，不错.3月下旬去北京还要
入住的 好，就是好，就是好！！！！！ 地理位置好,环境佳,房间环境一般.服务水平高! 不错，门口、大堂成天美女如云/////////////////// 5月1号住的高级楼层标准房，要￥468，房价直逼4，5
星了 酒店非常好，超出我的想象，下次来还会入住 等等
2020/7/7
11
如何衡量信任？
数字证书 数字签名
反馈信息
加密
推荐 etc
时效性
声明 交易上下文
+
惩罚因子
行为相似性
信任度
2020/7/7
12
信任衡量途径：
保障实体信息本身的质量 数字证书 加密 数字签名 声明
恶意行为识别 反馈信息 行为相似性
交易上下文
惩罚机制 惩罚因子
2020/7/7
6
信任的性质:
主观性 动态性 信任的实体属性相关性 可度量性 弱传递性 非对称性 上下文相关性 时间衰减性 信任的多样性
7
信誉(Reputation)：也称声誉、声望、信用度、信誉度，是对网 格服务节点已有服务的质量或特性的综合度量,反映节点履行其承 诺服务的水平及网格环境中其它节点对其信任程度。
3
研究背景
网络环境的开放性，自治性，不确定性和欺骗 性等特征
不正当的 商业利益
提供商 消费者
虚假Web服 务注册信息
虚假Web服 务评论
？
检索
高质量 Web服务
构建有效和规范的网络信任管理机制
2020/7/7
4
什么是信任？
信任是一个非常主观的概念 信任是一种社会行为 信任是一种心理状态 过分相信或过度缺乏信任都
Decide
与提供商发布的信息相比，用户评论的主要不同之处 包括 ：
更加真实可靠 更加针对消费者 用户评论的质量通常难以保证
2020/7/7
39
有关反馈信息质量问题的研究
在P2P系统中，通过观察它作为提供商是否可 信间接判断它作为消费者所提供的评论是否可 靠
不适用于其他的分布式系统，如Web服务和网格
声誉属性信任贡献度：
f (u, s)
dots3(s) uUS (s) US (s)
3
dots(s) ri * dotsi(s)
i 1
2020/7/7
31
相关假设
能力假设：若一个服务被使用的次数越多，则 认为该服务能力比较强，可信度比较高；否则 正好相反
安全性假设：一个服务越安全或者越可靠就越 值得信赖
可能会造成一定的经济损失
信任管理需要成本 聪明的人，懂得用平和以及
宽大的胸怀去接纳别人，这 就是信任
……
2020/7/7
5
信任(Trust)：信任是在特定时段特定上下文环境中服务授信 方(Trustor)对受信方(Trustee)的诚信(honesty)、安全性 (security)、可靠性(reliablity)和性能(competence)的一种 主观肯定。
2020/7/7
15
如何防止恶意行为的破坏呢？
规范化Web服务，例如制定WSLA, WS-Policy 和WS-Security 等标准
保障Web服务注册信息，例如：
利用CA机制保证服务QoS信息的可信性 采用数字签名和资源使用声明技术(asserted by)对
包括语义Web服务在内的rdf资源的使用提供信任保 障
环境因素 (Situational Factors)
安全性（Security） 相似性（Number of Similarities） 利益倾向性（Alignment of Interests） 善意的关心（Benevolent Concern ） 能力（Capability） 沟通（Level of Communication）
主要缺陷：很少考虑如何有效识别恶意行为
惩罚机制
利用反馈信息识别恶意行为
2020/7/7
16
利用反馈信息识别恶意行为
当前主要借助数据挖掘技术，例如
利用聚类技术检测和过滤掉一些异常的反馈信息 通过挖掘出实体间相似行为特征，进而识别协同作
弊行为
主要缺陷：
虚假反馈信息的干扰 被评估者拥有的反馈信息量也常常不均衡
其中表示提供商p所提供的服务集合信息
2020/7/7
33
消费者信任度
对消费者进行信任评估意义不大 原因：消费者申请新帐号的代价较低，导致一
旦某个帐号信用不好消费者往往会废弃该帐号， 重新申请新帐号 如上所述，信任函数集合：
F {dots1,dots2,dots3,dots,dotp}
2020/7/7
声誉假设：
反馈信息是真实和可靠的
用户u对服务s评价越高，表示u对s越满意，强力推 荐；评价越低，表示u对s越不满意，警示其它用户 慎重使用
2020/7/7
32
提供商信任度
假设：若一个提供商以往提供的服务比较可信， 则该提供商也比较可信
计算公式：
dots(s)
dotp( p) ssp( p) sp( p)
疑虚假评价 通过定期分析信任度变化情况判断提供商是否存在恶意行为 把定期识别出的可疑提供商/消费者信息展示出来以示提醒
2020/7/7
28
信任评估
任务：计算被评估对象(如Web服务)的信任度值 可采用方法：
参考社会学的信任模型，利用量化主体 能力属性提升信任评估的准确度
2020/7/7
29
*Robert F. Hurley. The Decision to Trust. Harvard Business Review Article, 2006, R0609B: 55-65.
2020/7/7
10
如何衡量信任呢？
重要性：正确的信任衡量是实现高效信任管理 的前提和基础
如何衡量信任呢？
2020/7/7
35
基于用户评论质量的 Web服务声誉评估方法
2020/7/7
36
一种Web服务声誉评估方法
当前Web服务声誉评估方法主要利用反馈信息(如用 户评论)作为参考依据，且假定反馈信息是真实和可 靠的
主要缺陷：反馈信息的质量问题，通常导致评估准确 度受极大影响
作为反馈信息的主要来源，当前用户评论：
34
“能力”与信任评估的相关度
表1 能力属性因子与信任评估的相关度
方法 基于能力属性的方法
混合方法-1 混合方法-2 混合方法-3 基于反馈信息的方法
r1
100% 70% 50% 30%
0
r3
0% 30% 50% 70% 100%
相关度 0.523 0.480 0.388 0.280 0.274
利用Pearson积矩相关系数分别计算各种方法与信任度测试标准之间的相关性 基于能力属性方法的相关度(0.523)远远大于基于反馈信息方法的相关度(0.247)
缺点：反馈信息的质量问题经常使其评估准确度受 到质疑
2020/7/7
14