基于用户下载需求偏好的P2P信誉模型

《基于用户下载需求偏好的P2P信誉模型》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于用户下载需求偏好的P2P信誉模型*由国家自然科学基金项目(60273041)及国家863基金项目(2006AA01A110)资助纪雯†Email：wenji@mail.ustc.edu.cn杨寿保韦冬刘福丽(中国科学技术大学计算机科学技术系安徽合肥230026)摘要：尽管信誉机制减少了P2P文件共享系统中的“Free-Riding”和“公有悲剧”现象，但对高信誉节点的请求过多往往造成网络拥塞以及“马太效应”等问题。本文提出一种基于用户下载需求偏好的P2P信誉模型，将服务节点所承诺提供的带宽大小和单个文件的评价值相结合

2、，作为请求节点选择下载的依据。根据不同偏好的效用大小不同，节点可以动态制定当前的承诺带宽以吸引其他节点下载。仿真结果表明，该方案可以有效缓解热门节点造成的网络拥塞现象，提高网络的整体资源利用率。关键词：P2P文件共享，信誉模型，网络拥塞，偏好1引言随着Peer-to-Peer（P2P）技术的日趋成熟，一些基于P2P技术的文件共享系统，如eMule、BT等，已成为人们获取资源的重要手段。P2P网络的“开放性”为节点获取资源提供了便利，却也带来一些弊端：网络中可能存在大量的伪造文件/受污染的文件，某些不负责任的节点随意中止上

3、传服务，以及“搭便车”（Free-Riding）[1,2]行为的泛滥等等。针对这些问题，一种可行的解决办法是使用信誉机制。在信誉机制下，节点的文件质量及服务质量成为衡量其信誉的标准。如果将节点请求资源到完成下载的过程称为一次交互，每次交互结束后请求节点会对这次交互进行评分，而节点的信誉值通常是基于历史的评分而获得的。信誉较高的节点意味着它可以提供更可靠的服务，同样也能够优先获得服务。依据信誉来选择服务节点往往会使高信誉的节点成为热门节点，而低信誉的节点受到冷落。由于节点的信誉与其下载次数和评价值成正比，在热门节点中途没有

4、改变的情况下，其信誉值会越来越高，与低信誉节点的差距也就越来越大，形成两级分化，即“马太效应”[3]。类似的，新节点加入后可能因为初始信誉值比较低而遭遇“Cold-Start”[4]。除此之外，对热门节点的请求过多也会造成网络拥塞，服务质量的下降。与此同时却有一些节点不被请求，导致网络的整体资源利用不均匀。除了节点的自私性，网络中还不可避免会存在一些恶意节点肆意传播受污染的文件。虽然信誉机制可以一定程度上抑制这种恶意行为，但一个节点通常不止共享一种文件，恶意节点在传播污染的同时，仍可以通过共享其他无污染文件赢得较高信誉（

5、同一节点的不一致行为）。对于P2P网络来说，信誉机制还有其特有的安全问题，如：评分阶段的欺骗（包括诋毁和节点之间的共谋）等等。传统的P2P信誉模型[5-11]中信誉值的度量往往只考虑文件的质量和服务质量，而忽略了服务节点所能提供的带宽大小是有限的。本文从分析用户下载时的需求偏好出发，提出基于下载需求偏好的P2P信誉模型。根据不同用户对文件质量和带宽的偏好不尽相同，将单个文件的评价值与节点承诺的带宽这两种要素相结合作为衡量是否请求该节点该文件的标准。我们使用效用函数来度量偏好[12]，服务节点根据当前自身文件的评价情况，动

6、态制定承诺带宽，使某些请求节点因为效用变大而选择自己。因而，评价较低和新加入的文件都能够参与到共享过程中来。本文的节点信誉值是衡量该节点是否有资格请求文件的标准，它是节点中所有共享文件的评价综合（一个节点中每个文件的评价是相互独立的）。信誉值的算法使同一节点的不一致行为遭受惩罚，但新加入的文件不会受到影响。本文第二部分是相关工作，第三部分对网络中的资源请求用户进行需求分析，根据第三部分的结果我们在第四部分给出基于下载需求偏好的信誉模型，仿真实验和结果在第五部分分析讨论，最后第六部分总结。2相关工作现实生活中，人们往往愿意

7、得到一种物品的收益而避开为此支付，因此，人们有成为Free-Rider的可能。在P2P文件共享系统中，同样存在Free-Riding和公有悲剧[13]的问题。货币支付是一种增加节点间合作的有效方法，系统中的节点需要支付货币才能够下载文件，但只能通过提供下载和传送广播来获得货币[5]。如果用信誉替代货币来度量节点的贡献，信誉机制也可以达到激励的效果。eBay[6]是一个流行的在线拍卖系统，eBay中买方卖方在每次交易后互相评分，全局信誉值就是这些评分的累加。但是eBay依赖于一个可信第三方，这就无法避免单点失效的问题。同样

8、，文献[5]也使用了一个中心信誉计算代理。文献[7]提出EigenTrust，它使用一种迭代算法计算全局信任值，每次交易后都会使用一次全局迭代算法来计算节点信誉值。EigenTrust可以减少恶意行为，但是全局迭代代价很高，不适用于大规模P2P环境。Xrep[9]不仅仅关注于节点信誉，它将节点服务信誉和资源信誉结合在