BT 網絡中基于聲望值的信任管理模型

劉衍珩，唐伯浩，李松江，王愛民

（吉林大學 計算機科學與技術學院，長春130012）

0 引 言

BitTorrent（BT）作為一種文件分發協議，解決了在傳統FTP、HTTP協議中占用過多服務器帶寬資源、下載者上行帶寬資源卻幾乎全部浪費的問題，使同一資源的下載者之間可以進行文件共享，極大地緩解了服務器的壓力。BT 網絡中每一個節點都扮演兩個角色：服務端、客戶端［1］。BT 下載與傳統的Client－Server結構相比，具有以下幾個優勢：自擴展性、可靠性、公平性以及成本低、效率高的特性［2］。隨著BT 網絡的發展，越來越多的人在使用BT 網絡下載資源時限制上傳帶寬，不愿上傳資源，這種行為就叫做free－riding行為。該行為占用其他節點的上傳帶寬，自己不提供或提供極少的上傳帶寬［3］。同時，還有各種有害節點利用BT 協議的這一缺陷，對BT 網絡進行攻擊［4－5］。激勵機制作為BT 網絡中的重要組成部分，可以在一定程度上鼓勵用戶上傳資源。但研究證明［6－8］，基本的BT 協議不足以抵制freeriding行為。實現激勵機制還可以采用信任管理的方式，激勵機制下表現越好的節點擁有越高的信任度。在一定時間內，對節點i進行資源上傳越多的節點，i就越信任該節點。該信任僅僅表達了節點i對其的看法，不能正確體現該節點在BT網絡中的表現情況，文獻［9］提出局部信任值和全局信任值的概念。

針對free－riding行為，Ge等［10］提出通過給予每個新加入的節點足夠的啟動時間，關閉optimistic unchoke機制。缺點是當非新節點更新鄰居列表后，由于沒有啟動時間，與新鄰居之間發生死鎖。Manoharan［11］提出“缺點策略”：資源上傳節點期待資源接受節點以一定的速率回饋資源，如果接受者沒有回饋足夠的資源，上傳節點將永遠拒絕向其發送數據，這就存在如果某一節點在一段時間內出現網絡不穩定的情況，即使之后網絡通暢，仍不能從已經將其屏蔽了的節點處獲得資源的問題。陳綿書等［12］提出了改進的基于推薦證據的P2P網絡信任模型，基于概率Gossip算法的證據搜索策略可以以較小的搜索成本獲得推薦證據。Bhakuni等［13］提出一種快速檢測具有free－riding行為節點的方法：如果節點在下載一定數據量α之后仍沒有任何數據上傳，則被認為是有害節點，不足之處在于如果該節點以極小速率上傳資源，則不會被識別，且不足以鼓勵節點分享資源。

本文采用經過迭代計算的聲望值來表示某節點的全局信任值，對節點行為進行評價，鼓勵節點主動上傳資源。

1 模型構建

如果將BT 網絡中的資源傳輸行為看作是一種交易，那么現有的信任管理機制多是根據節點歷史交易行為對節點信任值進行評估的，而對交易行為進行統計和計算則成為信任機制中獲得節點信任值的主要方式。這些模型普遍過度依賴節點評價的真實性。但是存在這樣一種不誠實的有害節點i，它像正常節點一樣，為所有節點提供上傳服務，但是在從特定free－riding節點處獲得極少的資源后，對其給出過高的、不真實的信任評價，使得這些free－riding節點的信任值虛高，不易被其他節點識別出來，影響BT 網絡的效率和穩定性。所以，關注節點與哪些節點進行了交易行為以及這些節點的信任值有多高是十分必要的。例如，一個節點經常從信任值較低的節點處下載資源，并給出較高的評價，有理由相信該節點很有可能是不誠實節點。該方法可以暴露那些隱藏著的、不誠實的有害節點，如果不想使這些隱藏節點暴露，free－riding節點必須做出有效上傳，保證擁有一個可靠的信任值。

該方法的重要意義在于將free－riding節點和不誠實節點關聯在一起，如果其中一部分沒有正常進行資源上傳或提供真實評價，則會使其他非正常節點暴露，從而達到將其與正常節點區分開的目的。

此外，即使節點做出同樣的資源上傳，獲得的信任評價也不應完全相同。當為一個聲望值較高的節點做出同樣流量的資源上傳時，與為其他節點上傳相比，認為該節點的這次上傳更有利于BT 網絡資源的分享，這是現有其他模型對交易量進行計算時所忽略的地方。

在BT 網絡中，當節點經過一定數量的交易后，可以用帶權有向圖G ＝（V，E，W）來表示節點間的信任關系。其中，V 表示當前網絡中的所有節點；E＝｛（i，j）｜對于V 中的任意兩個不同節點i和j，i和j有過交易行為｝，表示節點間存在信任關系；W ＝｛w｜w ＝Rij｝，表示節點i對j的信任值。顯然，Rij的計算直接影響該模型的質量。

每當節點i從節點j下載一個piece，則認為i和j產生了一次交易行為。如果i的下載是成功的并且獲得了需要的piece，那么這次交易就是成功的，否則就是失敗的。如果把所有成功和失敗的交易次數分別加在一起，記作s（i，j）和f（i，j），可以得到i對j 的直接信任值d（i，j）＝s（i，j）－f（i，j）。通過統計直接信任值可以得出節點j 對于節點i的信任值比重b（i，j）：

令Rij＝b（i，j）或Rij＝d（i，j），該方法可以對部分free－riding節點起到屏蔽作用，但僅體現了節點i對節點j的“個人”看法，不能體現節點j在整個網絡中的關鍵程度（本文認為能夠提高整個BT 網絡下載速率的節點為關鍵節點），對不誠實節點的欺騙行為很難做到較好的屏蔽。

如圖1所示，設節點1、2、3、4、7為正常節點，節點6為隱藏的不誠實節點，即與正常節點一樣下載和上傳資源，節點5、8、9為free－riding節點，在這里只為節點6 上傳少量資源換取虛高的評價，不為整個網絡服務。節點5、8、9 可以通過optimistic unchoke機制從正常節點處獲得資源，然后發送給節點6，再從節點6那里獲得虛假的信任評價，繼續從正常節點處下載資源。這顯然不利于BT 網絡的公平性，不能保證資源以最快速度在網絡中傳播。

圖1 有害節點與正常節點Fig.1 Malicious peers and honest peers

節點的交易行為并不局限于為其他節點進行資源上傳以得到相應的信任值，同時還下載其所需的資源并對其他節點做出信任評價。所以，在關注節點資源上傳的同時，也需要關注該節點從哪些節點處獲得資源下載，這關系到該節點給出的評價是否可信。為了防止出現圖1 中freeriding節點與不誠實節點通過發送極少的資源來實現合伙欺騙的情況，本文將信任值比重b（i，j）加入到信任管理模型當中。

模型采用Ts（i）和Tf（i）分別代表節點i的“上傳信任值”以及“評價信任值”。對Ts（i）和Tf（i）遞歸定義如下：

由定義可以看出，當j的評價信任值Tf（j）越高且j從i下載的資源占其總下載量的比例b（j，i）越高時，Ts（i）的值越高，從而說明i提供相同的資源時，評價可信度高的節點可以更多地影響Ts（i）；當j的上傳信任值Ts（j）越高且i從j下載的資源占其總下載量的比例b（i，j）越高時，Tf（i）就越高，從而說明節點i與重要節點的交易行為更為密切，其評價可信度更高。Ts（j）和Tf（j）的值隨著時間在不斷地變化，逐步趨于穩定。

為了模型穩定，本文在Ts（i）和Tf（i）每次迭代運算之前對Ts（i）和Tf（i）進行標準化處理，保證其收斂性，必要的初始化操作使剛加入網絡的新節點能夠更公平地與其他節點競爭資源。算法偽代碼如下所示：

1.for i from 1to n do

2.initialize（Tf（i））

3.initialize（Ts（i））

4.initialize（Rij）

5.end for

6.while（BT running correctly）do

7.for i from 1to n do

8.for j from 1to n do

9.Ts（i）＝b（j，i）＊Tf（j）

10.end for

11.end for

12.normalize（Ts（i））

13.for i from 1to n do

14.for j from 1to n do

15.Tf（i）＝b（i，j）＊Ts（j）

16.end for

17.end for

18.normalize（Tf（i））

19.Rij＝α＊b（i，j）＋（1－α）＊Ts（i）

20.end while

在屏蔽free－riding節點的同時，還必須鼓勵正常節點更多地上傳自己擁有的資源，利用Rij＝αb（i，j）＋（1－α）Ts（i）的值作為在tit－for－tat中對節點排序的依據（這里，節點i為資源請求者），替代原算法中使用類似b（i，j）等簡單依據，其中α為屬于（0，1）的常量。在現有模型中，如果僅使用類似b（i，j）的值作為排序依據，則沒有考慮到節點i 對整體網絡中的貢獻度。本文加入Ts（i）變量，將節點i對整個網絡的貢獻值納入考慮范圍，同時兼顧了節點i對當前節點的“個人”看法。如果節點的“上傳信任值”或“評價信任值”有一個過低，則該節點為free－riding節點或不誠實節點的可能性大大增加，所以應在執行optimistic unchoke機制時，將這些節點排除在外，使其沒有繼續獲得資源、占用帶寬的資格。

該模型能夠有效使有害節點和正常節點分離，逐步形成分級。由于分級邊界的模糊性，使那些因與上傳信任值較低的節點有過交易而被誤認為是不誠實節點的節點，或因從不誠實節點處獲得較高評價而被誤認為是free－riding節點的正常節點在離開這些有害節點后，可以繼續獲得下載資源的機會。

2 仿真實驗

針對上述提出的模型，本文基于PeerSim 模擬器對該模型進行仿真模擬。仿真環境參數設置如表1所示。

表1 仿真環境參數設置Table 1 Default value of parameters in simulation

在實驗中，設置有500 個初始節點，對一個500 MB文件進行分享，模擬現實中2 個小時的下載，在分別擁有20%、40%以及60%的freeriding節點情況下，對是否使用該模型進行對比，結果如圖2所示。

圖2 完成資源下載的節點數量Fig.2 Number of nodes which finish downloading

從圖2中不難發現，對于free－riding節點比例越低的情況，使用該模型對下載速率的提高越大。因為該模型能夠將有害節點與正常節點隔離，當free－riding節點比例過高時，網絡中可上傳帶寬減小，即使將正常節點與有害節點隔離，由于正常節點數量過少，有害節點不斷占用與正常節點的連接，導致文件分享效率提高不大。3 種情況下平均用時分別減少17%、15%和2%。

如圖3所示，使用本模型后，free－riding節點的下載完成比例明顯降低，其中在擁有20%freeriding節點的情況下，有害節點的屏蔽效果不明顯是由于正常節點下載完成后將空閑的上傳帶寬分配給了free－riding節點。而圖2中使用本模型處理擁有20%free－riding節點的情況下，在5500 s左右時正常節點基本全部完成下載，有足夠的剩余帶寬為free－riding節點提供資源，使圖3中free－riding節點的完成比例上升。實驗證明，該模型能夠有效防止在正常節點沒有完成下載時free－riding節點占用正常節點的下載帶寬，提高文件分享速率。

圖3 Free－riding節點下載完成比例Fig.3 Completion rate of free－riding nodes

如圖4所示，在擁有20%free－riding節點的情況下，當不存在不誠實節點時，僅擁有上傳信任值的模型可以大幅提高文件分享的速率；當存在不誠實節點時，僅擁有上傳信任值的模型對文件分享速率的提高十分有限，但本文提出的模型受不誠實節點的影響較小，可以屏蔽掉不誠實節點對BT 網絡的影響。

圖4 與僅有上傳信任值模型對比Fig.4 Compared with upload trust model

經實驗模擬分析可知，該模型對女巫攻擊、勾結攻擊以及部分欺騙攻擊同樣具有一定的屏蔽效果。在保證500個正常節點的同時，分別加入上述3 種有害節點，使用該模型后，分別可以減少7%、12%以及5%的性能降低。

3 結束語

本文提出的模型能夠在一定范圍內有效提高BT 網絡中的文件分享速度，減少節點的平均下載時間。在鼓勵用戶主動上傳數據的同時，有效屏蔽free－riding行為在內的多種針對BT 網絡的攻擊，提升BT 網絡的穩定性。但當有害節點數量明顯多于正常節點時，該模型雖然對BT 網絡性能提升不大，但對有害節點仍具有一定的屏蔽效果。

下一步研究工作將以本文成果為基礎，提升有害節點多于正常節點情況下的系統性能，并實現對包括Lying－piece攻擊、Chatty－peer攻擊以及內容污染攻擊在內的多種現有針對BT 網絡的攻擊進行屏蔽，進一步提高BT 網絡的穩定性與可用性，為用戶提供一個更好、更公平的資源分享平臺。

［1］Fan X，Li M，Ma J，et al.Behavior－based reputation management in P2Pfile－sharing networks［J］.Journal of Computer and System Sciences，2012，78（6）：1737－1750.

［2］Sarjaz B S，Abbaspour M.Securing BitTorrent using a new reputation－based trust management system［J］.Peer－to－Peer Networking and Applications，2013，6（1）：86－100.

［3］Shin K，Reeves D S，Rhee I.Treat－before－trick：Free－riding prevention for BitTorrent－like peer－topeer networks［C］∥Parallel ＆Distributed Processing，IEEE，2009：1－12.

［4］Gheorghe G，Cigno R L，Montresor A.Security and privacy issues in P2Pstreaming systems：a survey［J］.Peer－to－Peer Networking and Applications，2011，4（2）：75－91.

［5］Douceur J R.The Sybil Attack［M］.Berlin：Springer Berlin Heidelberg，2002：251－260.

［6］Locher T，Moor P，Schmid S，et al.Free riding in BitTorrent is cheap［C］∥Proc Workshop on Hot Topics in Networks（HotNets），California，USA，2006：85－90.

［7］Piatek M，Isdal T，Anderson T，et al.Do incentives build robustness in BitTorrent［C］∥Proc of NSDI，Cambridge，2007：1－14.

［8］Levin D，LaCurts K，Spring N，et al.Bittorrent is an auction：analyzing and improving bittorrent＇s incentives［C］∥ACM SIGCOMM Computer Communication Review，ACM，2008，38（4）：243－254.

［9］Shah P，ParisJF.Incorporating trust in the BitTorrent protocol［C］∥International Symposium on Performance Evaluation of Computer and Telecommunication Systems，San Diego，USA，2007：586－593.

［10］Ge T，Manoharan S.Mitigating free－riding on bittorrent networks［C］∥Digital Telecommunications（ICDT），2010 Fifth International Conference on，IEEE，2010：52－56.

［11］Manoharan S，Ge T.A demerit point strategy to reduce free－riding in BitTorrent［J］.Computer Communications，2013，36（8）：875－880.

［12］陳綿書，王世朋，陳賀新，等.改進的基于推薦證據的對等網絡信任模型［J］.吉林大學學報：工學版，2013，43（6）：1666－1674.Chen Mian－shu，Wang Shi－peng，Chen He－xin，et al.Improved trust model based on recommendation evidence for P2Pnetworks［J］.Journal of Jilin University（Engineering and Technology Edition），2013，43（6）：1666－1674.

［13］Bhakuni A，Sharma P，Kaushal R.Free－rider detection and punishment in BitTorrent based P2P networks［C］∥ Advance Computing Conference（IACC），2014IEEE International，IEEE，2014：155－159.