matlab仿真p2p节点贡献度,P2P网络节点信任路径优化算法仿真

1引言P2P网络的节点信任度评估是当前网络环境中节点对系统资源获取的可靠性评价指标。目前对于P2P网络系统资源的可靠性主要是利用第三方认证,并且将其认证结果开放于每个节点,使得对于开放的节点,其认证通过的信息可以被共享。但是由于集中认证的网络带宽成本和费用高,当单个节点失效时会造成网络资源获取的信任度降低等[1]。基于此,P2P网络节点的信任路径评估模型被研究,该模型主要是基于节点的资源相互推荐来形成信任路径,并且以节点间的信息交易次数来对节点的信任度进行评估,并且该模型中假设在网络系统中存在少量的不信任节点[2]。文献[3]提出了PKI信任评估模型,该模型利用领袖节点对其它节点进行监督,对违反规则的节点进行报警,但该模型依赖于中心节点的信任度,适用性差;文献[4]提出了基于推荐的信任模型,该模型主要基于第三方推荐,以当前模型在成功与失败的信息交易次数的比例为信任度评价,但该模型对于节点信任度变化和信任衰减等网络实用性较差;文献[5]对P2P网路的信任模型进行了系统分析,提出了具有推荐性和节点积极性的P2P网络信任模型研究趋势。基于此,本文提出了差分进化半协同的P2P网络节点信任路径优化模型,并对其节点的推荐信任度算法进行了仿真。实验结果表明,该算法可靠性高,鲁棒性强。2P2P网络节点信任路径评估模型P2P网络系统中节点的部署不仅包括节点持有内容的分布,而且包括节点信任度的评估与划分,但节点的信任度评估信任度的计算和信任度的合并等。Beth提出的BBK方案[6]以信任推理和信任估算为方法,提出了基于认证的信任关系传递和推理规则。该信任度评估模型以实数值V(V[0,1])表示信任度,若令V=1表示信任,则V=0表示不信任。而节点的信任关系主要通过节点的间接经验信息获得,因此本文主要考虑节点的推荐信任R(RecommendTrust)。假设在P2P网络中,对其节点的信任度进行评估时,所有的评估信息来自相邻节点的推荐信息。由于节点的相邻节点并不唯一,因此需要对节点的推荐信息和目标节点的信任关系进行综合评价。Beth提出节点信任的推理规则为:RRR信息度计算规则为:V1V2=V1V2,节点的推荐信任度评估规则为:VCOM=1nni=1Vi。若当前目标节点包括n个等距离的推荐节点,则其推荐信任度信息为V1,V2{,…,V}n,其综合推荐信任度为各推荐节点的信任度均值。若设P2P网络中信任关系的节点信任通信路径为sc1c2…t,其中tr为节点的信任度,则tr=sttr,节点信任度为每个信任关系节点的信任度乘积。由于节点信任关系路径受到P2P网络节点在线时长等特征影响较大,因此本文通过优化节点的路径跳转次数来降低节点信任度降低风险。设P2P网络的节点信任关系拓扑结构可用图G表示,且G={(V,E),s,t,M},其中V为节点集合,E为信任关系,其阈值为[0,1],(s,t)V,s为源节点,t为目标节点,M为节点跳转次数,n为信任关系路径的节点数,且nM,trji表示节点j对节点i的推荐信任度,则:pl=ijEitrjipl为信任关系路径,Ei为信任关系路径pl的集合。3半协同进化的P2P网络节点信任路径优化算法3.1进化算法及其改进粒子群算法作为一种典型的进化算法,自提出后就受到广泛的研究。由于它具有个体认知和社会学习能力,因此对于优化问题求解具有良好的搜索效果。设粒子群规模为M,空间维度为D,则第i个粒子在第d维空间中的位置集合可表示为Xi=xi1,xi2{,…,x}iD,粒子的速度集合可表示为Vi=vi1,vi2{,…,v}iD,个体的最优位置集合可表示为