位置:成果数据库 > 期刊 > 期刊详情页
一种识别和追踪恶意匿名评价者的信任模型
  • ISSN号:1006-2467
  • 期刊名称:《上海交通大学学报》
  • 时间:0
  • 分类:TP393[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]北京邮电大学信息安全中心,北京100876, [2]国瑞数码安全系统有限公司,北京100080
  • 相关基金:国家自然科学基金(61121061,61140320); 国家科技支撑计划(2012BAH37B05)资助项目
中文摘要:

针对现有信誉系统中为了激励和保护节点提供诚实可靠的信誉反馈值,而引入的匿名评价机制存在难以识别恶意节点的诋毁和共谋等攻击问题,提出了一种保护诚实评价者并能识别和追踪恶意节点的匿名评价信任模型.该模型中节点基于可验证随机函数生成的评价标签对交易对象进行匿名评价,隐藏了交易过程中真实身份;模型引入贝叶斯评价信息过滤算法识别恶意评价标签,对超过恶意评价次数门限值的评价标签,模型基于可验证密钥共享机制自动暴露其真实身份并对其所有评价进行追踪.仿真试验及分析表明,该信任模型能够有效抵御匿名恶意节点攻击,相比已有的同类型的信任模型较大程度地提高了节点信任累加值的准确度.

英文摘要:

In reputation systems, the anonymous evaluation mechanisms introduced for preserving privacy of honest feedback providers brings about the difficulty in identifying slandering, ballot stuffing and Sybil attacks. A trust model which protects honest feedback providers and identifies and traces the malicious peer was proposed in this paper to deal with this problem. Peers in this trust model use a verifiable random function to generate tags, so as to anonymously evaluate the transaction objects and hide the true identity of the transaction process. In this model, the Bayesian filtering algorithm was introduced to identify malicious tags; when the tags exceed the threshold malicious number, the trust model can automatically expose true identities and track all of the providing feedbacks based on the verifiable secret sharing mechanism. The simulation results show that the proposed trust model can efficiently resist attacks of anonymous malicious peers and evidently improve the accuracy of trust accumulated value compared with two existing trust models.

同期刊论文项目
期刊论文 303 会议论文 42 获奖 4 著作 1
同项目期刊论文
期刊信息
  • 《上海交通大学学报》
  • 中国科技核心期刊
  • 主管单位:中华人民共和国教育部
  • 主办单位:上海交通大学
  • 主编:郑杭
  • 地址:上海市华山路1954号15F
  • 邮编:200030
  • 邮箱:shjt@chinajournal.net.cn
  • 电话:021-62933373 62932534
  • 国际标准刊号:ISSN:1006-2467
  • 国内统一刊号:ISSN:31-1466/U
  • 邮发代号:4-256
  • 获奖情况:
  • 1996年全国优秀科技期刊奖,1992年、1996年、1999年国家教育部系统优秀科技期刊奖,2002年“百种重点期刊奖”,2003年百种中国杰出学术期刊,2004年教育部全国高校优秀科技期刊一等奖,2004年“百种重点期刊奖”
  • 国内外数据库收录:
  • 美国化学文摘(网络版),美国数学评论(网络版),德国数学文摘,荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:30903