基于行為監控和數據挖掘的動態信任模型

摘要：實體之間的信任關系發生在一定的上下文中，其信任值與影響信任值的多個行為屬性之間的關系復雜而且多變，很難用一個一成不變的函數去描述。根據軟件傳感器監測到的歷史行為數據和目標信任值，利用lo-gjstic回歸分析方法和成對分類法對行為屬性與信任值之間的關系模式進行自適應的數據挖掘與知識發現，不需要任何的先驗知識和主觀假設，從而有效解決了信任值計算的動態性和客觀性等問題。實驗結果表明，與已有模型相比，該模型的平均誤差率和計算效率都有所提高，能夠快速有效地分類出實體間的信任等級。