P2P網(wǎng)絡(luò)環(huán)境下基于RBF神經(jīng)網(wǎng)絡(luò)的信任預(yù)測模型.pdf

1、P2P技術(shù)的發(fā)展不僅給個人用戶帶來了前所未有的便利,而且也極大地推動了網(wǎng)絡(luò)潛能的進一步開發(fā),但是其安全性是一個影響網(wǎng)絡(luò)推廣、應(yīng)用所不容忽視的問題。因此在P2P網(wǎng)絡(luò)中建立合理的信任模型一直是一個研究熱點,然而目前的信任模型中普遍存在時間代價高,不能及時反饋節(jié)點信任值等問題。
　　 本文對P2P網(wǎng)絡(luò)的特點和發(fā)展應(yīng)用各階段出現(xiàn)的各種安全問題進行了分析,介紹了目前P2P網(wǎng)絡(luò)中信任模型的研究現(xiàn)狀和信任數(shù)據(jù)的存儲機制,在此基礎(chǔ)上提出了一種基

2、于聚類的RBF神經(jīng)網(wǎng)絡(luò)信任預(yù)測模型。
　　 節(jié)點的資源和行為相似度在一定程度上可以從歷史交易中看出來,本模型首先通過聚類網(wǎng)絡(luò)初始結(jié)點產(chǎn)生一系列興趣組。但是,訓(xùn)練節(jié)點數(shù)過于龐大的興趣組會帶來相應(yīng)神經(jīng)網(wǎng)絡(luò)收斂速度變慢,系統(tǒng)開銷大等問題。本模型借助計算篩減因子對節(jié)點身份進行標識,不僅解決了網(wǎng)絡(luò)訓(xùn)練過程中出現(xiàn)的輸入層節(jié)點過多的問題,減少了模型訓(xùn)練和預(yù)測過程中的代價,同時也有利于系統(tǒng)根據(jù)結(jié)點的身份標識,靈活地選取信任值預(yù)測方法。備選隊列中