基于信任模式的P2P超級節(jié)點選取機(jī)制研究

摘 要：本文提出了一種基于信任模式的P2P超級節(jié)點選取機(jī)制，通過計算節(jié)點的總體信任度作為評選超級節(jié)點的一項重要指標(biāo)，并在計算節(jié)點信任度的過程中引入獎勵懲罰因子和時間衰減因子，同時在選取超級節(jié)點時采用閾值過濾算法從普通節(jié)點中篩選備選超級節(jié)點集合，然后再從備選超級節(jié)點集合中選取最優(yōu)的節(jié)點作為超級節(jié)點。通過在Matlab實驗環(huán)境下仿真表明，該機(jī)制能夠有效提高P2P超級節(jié)點選取的準(zhǔn)確性。

關(guān)鍵詞：對等網(wǎng)絡(luò) 超級節(jié)點 信任模式 獎勵懲罰因子

中圖分類號：TP3 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-3791（2013）05（c）-0003-02

近年來，隨著P2P應(yīng)用的不斷發(fā)展，傳統(tǒng)的互聯(lián)網(wǎng)計算模式正在逐步由C/S模式向P2P模式轉(zhuǎn)變。在半分布式P2P網(wǎng)絡(luò)中，通常采取性能較高的節(jié)點作為超級節(jié)點，在各個超級節(jié)點上存儲了系統(tǒng)中其他普通節(jié)點的信息，搜索請求僅在超級節(jié)點之間轉(zhuǎn)發(fā)，超級節(jié)點再將查詢請求轉(zhuǎn)發(fā)給適當(dāng)?shù)娜~子節(jié)點。但是P2P網(wǎng)絡(luò)的匿名性和自組織性等特性決定了它不能保證所有的超級節(jié)點都能提供誠實良好的服務(wù)和可靠資源，某些超級節(jié)點還可能提供惡意服務(wù)，從而導(dǎo)致普通節(jié)點要選擇合適的超級節(jié)點是非常困難的[5]。

目前對超級節(jié)點的選取研究常常是依據(jù)節(jié)點的工作能力，而研究人員沒有考慮到有些機(jī)器性能很好的惡意節(jié)點在不斷獲取超級節(jié)點的職能后，又立刻離開網(wǎng)絡(luò)，這樣導(dǎo)致網(wǎng)絡(luò)不斷地重復(fù)超級節(jié)點評選工作，而無法正常為用戶提供服務(wù)，造成網(wǎng)絡(luò)癱瘓。文獻(xiàn)中提出了一種基于用戶需求適應(yīng)的P2P網(wǎng)絡(luò)超級節(jié)點選取機(jī)制，在混合式P2P系統(tǒng)中對超級節(jié)點的選取引入對于用戶需求的考慮，以滿足不同用戶的喜好。文獻(xiàn)提出了一種基于分層象限空間的新型超級節(jié)點結(jié)構(gòu)Quad，并在Quad上實現(xiàn)了兩種非結(jié)構(gòu)化超級節(jié)點查找算法：一是回溯擴(kuò)展查找算法，該方法是將洪泛和隨機(jī)游走方式進(jìn)行折衷，兼顧網(wǎng)絡(luò)流量和查詢長度；二是利用BLOOM fileter技術(shù)對回溯擴(kuò)展查找進(jìn)行改進(jìn)。

在本文當(dāng)中，我們提出一種基于信任模式的P2P超級節(jié)點選取機(jī)制，模擬人類社會的交際模式，通過計算節(jié)點的總體信任度作為評選超級節(jié)點的一項重要指標(biāo)，在計算節(jié)點信任度的過程中引入獎勵懲罰因子和時間衰減因子，同時為了減輕在擁有大量節(jié)點的網(wǎng)絡(luò)中進(jìn)行超級節(jié)點的評選所帶來的網(wǎng)絡(luò)負(fù)載，我們采用閾值過濾算法對普通節(jié)點進(jìn)行閾值過濾，篩選得到相應(yīng)的備選超級節(jié)點集合，然后再從備選超級節(jié)點集合中選取最優(yōu)的超級節(jié)點。

1 改進(jìn)的信任模型ITM（Improved Trust Model）

在擁有大量匿名動態(tài)用戶的P2P網(wǎng)絡(luò)環(huán)境當(dāng)中，如何在資源搜索過程中有效的避免某些惡意節(jié)點的惡意欺詐服務(wù)，從而保障P2P超級節(jié)點能夠提供可靠的資源和服務(wù)，提高資源搜索效率，降低網(wǎng)絡(luò)負(fù)載是目前急需解決的難題，因而建立有效的信任模型變的尤為重要。為了解決這些問題，很多的學(xué)者都提出了不同的意見，本文在前人的基礎(chǔ)上提出了改進(jìn)的信任評價模型ITM（Improved Trust Model），擬從以下幾個方面考慮解決問題的方法。

（1）節(jié)點總體信任值為直接信任度和推薦信任度的加權(quán)平均值。

（2）為了限制惡意節(jié)點的不正確的反饋，在模型中引入激勵懲罰機(jī)制，在直接信任度計算中加入懲罰因子和獎勵因子，對節(jié)點的惡意行為通過懲罰因子降低節(jié)點的信任值進(jìn)行遏制，對提供良好服務(wù)的節(jié)點通過獎勵因子提高節(jié)點的信任度給予獎勵。

（3）在直接信任度計算中引入時間衰減函數(shù)。

①直接信任。

直接信任指的是網(wǎng)絡(luò)中兩個實體之間如果曾經(jīng)發(fā)生過直接的交易，那么他們之間就具有直接信任關(guān)系。而信任值取決于雙方的交易情況而得出的直接經(jīng)驗。

假設(shè)節(jié)點Pm和節(jié)點Pj之間進(jìn)行了Nmj次交易，則節(jié)點Pm對Pj的直接信任度Rmj定義為：

（1）

（2）

Smj為的是節(jié)點Pm與節(jié)點Pj在固定的時間∮（∮的設(shè)置根據(jù)系統(tǒng)的具體情況而設(shè)定）內(nèi)達(dá)到滿意的交易次數(shù)。

Fmj為的是節(jié)點Pm與節(jié)點Pj不滿意的交易次數(shù)。

Nmj為的是節(jié)點Pm和節(jié)點Pj之間直接交互交易的次數(shù)[2]。

Ω為懲罰因子，Ω的取值范圍為[1，20]，Ω取值為1時表示節(jié)點交易成功，懲罰因子無效。Ω取值為20時則表示，交互節(jié)點的一次失敗交易將在直接信任度上的損失是通過成功交易獲得信任值的20倍。通過引入激勵懲罰因子可以有效的抑制惡意節(jié)點獲得較高的信任度，實現(xiàn)有惡意行為的節(jié)點的較高的信任度迅速衰退。

C為獎勵因子。它的取值范圍為[0，1]，如果節(jié)點能夠提供良好的網(wǎng)絡(luò)服務(wù)，系統(tǒng)將根據(jù)實際情況對節(jié)點的信任值增加獎勵，這樣將會有效的提高善意節(jié)點進(jìn)行交易的積極性。

為時間衰減因子，信任也是具有生命周期，因此信任和時間同樣有著非常緊密的關(guān)系，其基本原理是節(jié)點在提供某次服務(wù)時與當(dāng)前時間間隔越長，則因該次服務(wù)產(chǎn)生的評價所占的權(quán)重就越小，相反，如果節(jié)點提供某次服務(wù)時與當(dāng)前時間間隔越近，則因該次服務(wù)產(chǎn)生的評價所占的權(quán)重就越大。滿足。

可以按照公式（2）進(jìn)行計算，其中，t1=Ti-T1，Ti表示節(jié)點進(jìn)行第i次的交易時刻，而這里T1表示的是記錄表上記錄的“第1次時刻”。

（2）推薦信任。

推薦信任度通常也被稱為間接信任度，是指兩個節(jié)點之間的信任關(guān)系是通過第三者的間接推薦而形成的信任度，也叫反饋信任度、聲譽(yù)等。在交易過程中節(jié)點Pm與節(jié)點Pj建立聯(lián)系時，需要知道節(jié)點的Pj的信任度，由于節(jié)點Pm與節(jié)點Pj并沒有建立直接信任，需要通過與節(jié)點Pj有直接信任關(guān)系的節(jié)點Pi（i=1，2，3……n）提供推薦信任。收到節(jié)點Pi（i=1，2，3……n）的推薦信任值Re（Pi，Pj），根據(jù)合成公式（3）計算得到的推薦信任值T（Pi，Pj）。

（3）

閾值的設(shè)定為用戶自身設(shè)置，和BitTorrent等應(yīng)用中設(shè)置項目中有類似項目設(shè)置。根據(jù)閾值過濾算法可以從普通節(jié)點中篩選得到相應(yīng)的備選超級節(jié)點集合BSN。

（3）總體信任。

節(jié)點Pj的總體信任度是由該節(jié)點的直接信任度和推薦信任度的加權(quán)平均?？傮w信任度的計算公式如公式（4）所示：

（4）

節(jié)點Pj的信任度究竟是根據(jù)其它節(jié)點的推薦而決定，還是根據(jù)自己的歷史交互而決定，需要通過一個參數(shù)來控制，是用來控制直接信任和推薦信任的權(quán)重因子，當(dāng)節(jié)點Pi在對節(jié)點Pj進(jìn)行信任度評價的時候，可以通過調(diào)節(jié)參數(shù)的值大小，在直接信任和推薦信任之間進(jìn)行取舍。當(dāng)時表示完全依賴于其他節(jié)點對Pj的推薦，當(dāng)時，表示直接由節(jié)點Pi和節(jié)點Pj的直接信任所決定。用戶可以根據(jù)實際情況進(jìn)行設(shè)置的值。的大小是一個動態(tài)的值，當(dāng)節(jié)點Pj近期與節(jié)點Pi的歷史交易次數(shù)比較多的時候，就可以通過增加的大小，當(dāng)節(jié)點Pj近期沒有發(fā)生過什么交互時，那么信任度主要依靠其他節(jié)點的推薦信任來決定總體推薦信任值。

2 基于信任模式的超級節(jié)點選取機(jī)制

目前，在P2P網(wǎng)絡(luò)當(dāng)中節(jié)點的匿名性、自組織性等特性對P2P技術(shù)的成功應(yīng)用有顯著的作用，但同時因為這些特性也造成了一些惡意的節(jié)點在網(wǎng)絡(luò)中提供不可靠或者欺騙的服務(wù)，不能保證所有的節(jié)點都能提供善意的服務(wù)，因而導(dǎo)致了搜索到的資源的非法性和不確定性。因此在選取超級節(jié)點的時候，如果能優(yōu)先考慮到節(jié)點的信任度，盡量避免惡意節(jié)點的欺詐行為，再選擇計算能力強(qiáng)，在線時間長、存儲能力大、穩(wěn)定性好、帶寬大和鄰居數(shù)多的節(jié)點作為超級節(jié)點，就能有效提高資源搜索的可靠性和安全性，改善節(jié)點的服務(wù)質(zhì)量。

（1）閾值過濾篩選備選超級節(jié)點集合。

由于P2P網(wǎng)絡(luò)在進(jìn)行選取超級節(jié)點的過程，可能存在某個區(qū)域內(nèi)的普通節(jié)點非常多，如果對區(qū)域內(nèi)的每一個普通節(jié)點都進(jìn)行比較，可能會大大降低P2P網(wǎng)絡(luò)的性能，為了避免這種情況出現(xiàn)，本文在進(jìn)行P2P網(wǎng)絡(luò)超級節(jié)點選取之前，首先對參選超級節(jié)點的普通節(jié)點進(jìn)行閾值過濾，定義普通節(jié)點ONj能力的參數(shù)集為{Cj，Vj，Sj，Uj，Bj，Nj}，分別代表節(jié)點的計算能力，存儲能力，信任度，在線時間，帶寬，鄰居數(shù)目等。而系統(tǒng)中定義對超級節(jié)點SN能力需求的閾值為如下[4]：

{Cthreshold，Vthreshold，Sthreshold，Uthreshold，Bthreshold，Nthreshold}

（2）超級節(jié)點選取策略。

對于篩選出來的備選超級節(jié)點集合，還需要從中評選出綜合評價最優(yōu)的節(jié)點作為最終確定的超級節(jié)點，依據(jù)公式（5）對備選超級節(jié)點集合的綜合能力進(jìn)行計算，從中選擇綜合能力值最大的節(jié)點確定為超級節(jié)點：

（5）

其中：，

在公式（5）中，，表示節(jié)點的計算能力，表示節(jié)點的存儲能力，表示節(jié)點的信任度值，表示節(jié)點的在線時間，表示節(jié)點的帶寬，代表節(jié)點的鄰居數(shù)目，其中分別代表節(jié)點計算能力、存儲能力、信任度值、在線時間、帶寬、鄰居數(shù)目等6個因素所占的權(quán)重。為了避免惡意節(jié)點被誤評為超級節(jié)點，我們在評價機(jī)制中一般設(shè)置的值給予更大的權(quán)重，在評選時優(yōu)先考慮被評節(jié)點的信任度值，其它的參數(shù)根據(jù)實際情況由用戶進(jìn)行設(shè)置，節(jié)點的信任度值越高，計算能力越強(qiáng)，存儲能力越大，在線時間越長，帶寬越大，鄰居數(shù)目越多，越能擔(dān)當(dāng)超級節(jié)點的任務(wù)，由它們所形成的超級節(jié)點組成的網(wǎng)絡(luò)穩(wěn)定性就越好[1]。

3 實驗結(jié)果分析

在Matlab中隨機(jī)生成200個備選超級節(jié)點集合，通過設(shè)置節(jié)點信任度的權(quán)重值&3，取值分別為0.6、0.7、0.8、0.9來驗證超級節(jié)點選取策略的有效性，表示普通節(jié)點，其他有特殊標(biāo)記的是&3取值不同時所選取的超級節(jié)點，如圖1所示。

4 結(jié)論

本文提出的基于信任模型的P2P超級節(jié)點選取機(jī)制相比現(xiàn)有的P2P超級節(jié)點選取機(jī)制作了部分改進(jìn)工作，更符合實際的網(wǎng)絡(luò)動態(tài)性和變化規(guī)律，實驗結(jié)果表明，該方法能夠有效地提高超級節(jié)點選取的準(zhǔn)確性，在以后的工作當(dāng)中，準(zhǔn)備在備選超級節(jié)點集合的綜合能力的計算過程中各參數(shù)的最優(yōu)化設(shè)置進(jìn)行進(jìn)一步的研究。

參考文獻(xiàn)

[1] 丁學(xué)永.基于信任的超級節(jié)點選取與搜索策略[D].燕山大學(xué)，2009.

[2] 吳海珍，陳阮濤.基于超級節(jié)點的P2P信任模型[J].計算機(jī)工程，2009：95-100.

[3] Jagadish Chimire，Mehdi Mani.Self-connectivity Estimation for Super Node Overlay Creation in Ad-hoc Networks.2010 17th International Conference on Telectommunications，2010：722-727.

[4] Huo Ying，Chen Zhigang.USMI：An Ultra-node Selection Mechanism with Incentive in P2P Network.2010 International Conference on Multimedia Information Networking and Security，2010：131-135.

[5] 許通.P2P超級節(jié)點選舉機(jī)制研究[D].北京：中國科學(xué)技術(shù)大學(xué)，2008.

[6] 馮勁瀟.基于分層象限空間的P2P超級節(jié)點查找技術(shù)[J].計算機(jī)科學(xué)，2010.