CN106778287A - 基于云模型推理的移动用户行为可信评判模型及评判方法 - Google Patents

基于云模型推理的移动用户行为可信评判模型及评判方法 Download PDF

Info

Publication number
CN106778287A
CN106778287A CN201710021804.3A CN201710021804A CN106778287A CN 106778287 A CN106778287 A CN 106778287A CN 201710021804 A CN201710021804 A CN 201710021804A CN 106778287 A CN106778287 A CN 106778287A
Authority
CN
China
Prior art keywords
behavior
mobile subscriber
cloud
credible
cloud model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710021804.3A
Other languages
English (en)
Inventor
张仕斌
韩桂华
盛志伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu University of Information Technology
Original Assignee
Chengdu University of Information Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chengdu University of Information Technology filed Critical Chengdu University of Information Technology
Priority to CN201710021804.3A priority Critical patent/CN106778287A/zh
Publication of CN106778287A publication Critical patent/CN106778287A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
    • G06F21/57—Certifying or maintaining trusted computer platforms, e.g. secure boots or power-downs, version controls, system software checks, secure updates or assessing vulnerabilities
    • G06F21/577—Assessing vulnerabilities and evaluating computer system security

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于云模型推理的移动用户行为可信评判模型及评判方法，可信评判模型为移动用户行为评判标准集为C＝{C1,C2,...,Cn}，其中表示移动用户ui(i＝1，2，...,n)的评判标准集的数字特征。所述评判方法包括：评判主体根据实际情况设置容忍度，容忍度用R表示；以评判标准集为依据得到评判该移动用户行为的数字特征，由正向云发生器，正向云发生器是将定性概念转换成定量的描述，得到代表移动用户行为的云滴，并经过转换得到表征移动用户行为的云模型和移动用户行为评判的云模型；最后经过云模型推理及云模型综合评判。本发明建立移动互联网环境下基于云模型推理的移动用户行为可信评判模型，确保移动用户行为可信评判和移动互联网应用环境的安全可信。

Description

基于云模型推理的移动用户行为可信评判模型及评判方法
技术领域
本发明属于网络系统技术领域，尤其涉及一种基于云模型推理的移动用户行为可信评判模型及评判方法。
背景技术
在传统上，研究移动用户行为的研究主要侧重于对网络流量进行分析与研究。随着技术的发展，人们意识到虽然网络中行为形式各异，但同一移动用户的长期行为呈现一定的趋势，分析这些趋势能基本上可得到该攻击者在网上的活动范围等信息。在传统互联网中，借助于可信第三方TTP(trusted thirdparty)是实现抗否认性、可追溯性、公平性等安全问题的方式之一，目前在很多网络系统(如电子政务和电子商务网络系统)中得到了广泛的应用。否认性是最主要的威胁之一，主要包括：否认场景做过什么事情、否认发送过某个消息、否认接收到某个消息、否认递交过某个消息和否认在规定的时间内收到或发送消息等；如果出现抗否认的争议，争议双方(发送方和接收方)必须出示证据在仲裁方的调停下解决争议。可追溯性是与抗否认性密切相关的另外一个重要安全性质，是通过发送方抗否认和接收方抗否认两个基本目标达到的，发送方抗否认证据是指向接收方提供的不可抵赖证据，用于证明发送方做过什么事情(比如发送过某个消息)；接收方抗否认证据是指向发送方提供的不可抵赖证据，用于证明接收方收到发送方发送的某个消息。公平性是指正确执行某操作后，应当保证发送方和接收方都收到抗否认证据，如果终止了操作，应当保证通信双方都处于同等地位，任何一方都不占任何优势。在传统互联网中，借助于可信第三方TTP(trusted thirdparty)是实现抗否认性、可追溯性、公平性等安全问题的方式之一，目前在很多网络系统(如电子政务和电子商务网络系统)中得到了广泛的应用。在移动互联网中，由于移动用户具有移动性、随机性、主观性、多样性等特征主要表现为不确定性，如果借助于传统的可信第三方TTP(trusted thirdparty)来实现对具有不确定性的移动用户行为的可信评价，将不能真实地反应移动互联网环境下移动用户具有的错综复杂的行为属性。
综上所述，在移动互联网中借助于传统的可信第三方TTP(trusted thirdparty)来实现对具有不确定性的移动用户行为的可信评价存在不能真实地反应移动互联网环境下移动用户具有的错综复杂的行为属性。
发明内容
本发明的目的在于提供一种基于云模型推理的移动用户行为可信评判模型及评判方法，旨在解决在移动互联网中借助于传统的可信第三方TTP(trusted third party)来实现对具有不确定性的移动用户行为的可信评价存在不能真实地反应移动互联网环境下移动用户具有的错综复杂的行为属性。
本发明是这样实现的，一种基于云模型推理的移动用户行为可信评判模型，所述基于云模型推理的移动用户行为可信评判模型的移动用户行为评判标准集为C＝{C1,C2,...,Cn}，其中表示移动用户ui(i＝1，2，...,n)的评判标准集的数字特征，体现了对不同移动用户行为评判标准的差异性。
本发明的另一目的在于提供一种所述基于云模型推理的移动用户行为可信评判模型的评判方法，所述评判方法包括以下步骤：
步骤一，评判主体根据实际情况设置容忍度，容忍度用R表示；比如，根据实际情况，容忍度R可提前由评判主体预先设置，容忍度设置体现了评判主体在客观评判中的影响。例如，在移动用户进行某操作时需要输入密码，当移动用户连续3次输入错误密码时，移动用户当天就被禁止再进行某操作，即本次移动用户行为的容忍度为3；
步骤二，以评判标准集为依据得到评判该移动用户行为的数字特征，由正向云发生器，正向云发生器是将定性概念转换成定量的描述，由云的数字特征产生云滴，得到代表移动用户行为的云滴，经过转换得到表征移动用户行为的云模型和移动用户行为评判的云模型；并以此为基础计算移动用户行为的可信得分；
(1)移动用户行为的云模型确定度值
当移动用户进行一次操作时，可以得到一个表征其行为的数值xi(xi即是云的定义中的x)，将该值映射到表征用户一次行为的云模型中，可以得到其行为云模型的确定度的值u(xi)(这里u(xi)即是云的定义中的f(x))。
这里，xi是用户本次操作直接获得的数值，而xi·u(xi)是实际值乘以云模型的确定度后的修正值，代表本次行为在云模型中表现出的行为可能性趋势。
(2)计算移动用户行为的可信得分
可信得分是按一定的规则(这里的“规则”是根据用户行为评判标准具体设定的，由于不同的行为具有不同的评判标准，故此处的“规则”也应根据实际的用户行为设定)计算出xi和xi·u(xi)对应的可信得分si和si+1，然后再将这两个值映射到云模型中对用户行为进行评判，可以得到评判其行为的确定度值fi(x)和fi+1(x)，然后根据公式(2)可以计算出该次评判的行为确定度值ci(xi)，根据公式(3)可以计算出该次行为的可信得分。
步骤三，最后经过云模型推理及云模型综合评判，计算移动用户整体行为可信得分，完成移动用户行为的可信评判结果。
(1)移动用户整体行为可信得分的计算
由公式(2)和(3)可以分别得到评估用户一次行为的确定度值和可信得分。由于在评判用户行为的各属性时，各属性的重要程度不一样，因此在需要综合考虑各属性的权重时，可以结合权重计算出用户整体行为确定度值TC和整体行为的可信得分TS，具体如公式(4)和(5)所示：
(2)移动用户行为的可信评判
利用上述评判方法可以得到某移动用户整体行为的可信得分以及行为确定度值，完成移动用户行为可信与否的评估。
本发明的另一目的在于提供一种利用所述基于云模型推理的移动用户行为可信评判模型的电子政务系统。
本发明的另一目的在于提供一种利用所述基于云模型推理的移动用户行为可信评判模型的电子商务网络系统。
本发明提供的基于云模型推理的移动用户行为可信评判模型及评判方法，对移动用户行为进行可信性评判，并记录移动用户行为及可信评判结果(同时自动更新保存在TTP处的相应移动用户行为属性值及可信评判结果)；如果以后需要调查某移动用户，可以出示或查看以前某用户的行为及可信评判结果(保存在TTP处)，杜绝了移动用户的抗否认、欺骗和窃听问题，起到了可追溯性和公平性等作用。针对如何在移动互联网环境下对移动用户行为的可信性进行评判问题，以移动用户行为数学管理模型为基础，引入云模型推理、云模型综合评判等相关理论来研究移动用户行为的可信评判问题，以建立起切实有效的移动互联网环境下基于云模型推理的移动用户行为可信评判模型。本发明利用云模型理论易刻画移动互联网环境下移动用户行为相关属性所具有的不确定性，通过移动互联网环境下移动用户行为相关属性的变化规律，完成对移动用户行为的相关属性的定量、准确地描述；通过研究移动互联网环境下错综复杂的移动用户行为，发现影响移动用户行为相关属性所具有移动性、随机性、主观性、多样性等特性主要表现为不确定性，而对这些移动用户行为进行研究的主要困难在于如何对这种不确定性建模。因此，本发明利用云模型理论、云模型推理、云模型综合评判等理论与算法，建立起切实有效的移动互联网环境下基于云模型理论的移动用户行为管理数学模型的思路和基于云模型推理的移动用户行为可信评判模型、解决移动互联网环境下应用的安全，为构建安全可信的移动互联网应用环境奠定理论基础；建立移动互联网环境下基于云模型推理的移动用户行为可信评判模型，确保移动用户行为可信评判和移动互联网应用环境的安全可信。
附图说明
图1是本发明实施例提供的基于云模型推理的移动用户行为可信评判模型的评判方法流程图。
图2是本发明实施例提供的基于云模型理论的移动用户行为管理数学模型及基于云模型推理的移动用户行为可信评判示意图。
图3是本发明实施例提供的具有可信第三方的移动互联网结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示，本发明实施例提供的基于云模型推理的移动用户行为可信评判模型的评判方法包括以下步骤：
S101：评判主体根据实际情况设置容忍度，容忍度(用R表示)；
S102：以评判标准集为依据得到评判该移动用户行为的数字特征，由正向云发生器，正向云发生器是将定性概念转换成定量的描述，由云的数字特征产生云滴，得到代表移动用户行为的云滴，并经过转换(映射)得到表征移动用户行为的云模型和移动用户行为评判的云模型；
S103：最后经过云模型推理及云模型综合评判，完成移动用户行为的可信评判结果。
所述评判方法具体包括以下步骤：
步骤一，评判主体根据实际情况设置容忍度，容忍度用R表示；比如，根据实际情况，容忍度R可提前由评判主体预先设置，容忍度设置体现了评判主体在客观评判中的影响；例如，在移动用户进行某操作时需要输入密码，当移动用户连续3次输入错误密码时，移动用户当天就被禁止再进行某操作，即本次移动用户行为的容忍度为3；
步骤二，以评判标准集为依据得到评判该移动用户行为的数字特征，由正向云发生器，正向云发生器是将定性概念转换成定量的描述，由云的数字特征产生云滴，得到代表移动用户行为的云滴，经过转换得到表征移动用户行为的云模型和移动用户行为评判的云模型；并以此为基础计算移动用户行为的可信得分；
(1)移动用户行为的云模型确定度值
当移动用户进行一次操作时，可以得到一个表征其行为的数值xi(xi即是云的定义中的x)，将该值映射到表征用户一次行为的云模型中，可以得到其行为云模型的确定度的值u(xi)(这里u(xi)即是云的定义中的f(x))。
这里，xi是用户本次操作直接获得的数值，而xi·u(xi)是实际值乘以云模型的确定度后的修正值，代表本次行为在云模型中表现出的行为可能性趋势。
(2)计算移动用户行为的可信得分
可信得分是按一定的规则(这里的“规则”是根据用户行为评判标准具体设定的，由于不同的行为具有不同的评判标准，故此处的“规则”也应根据实际的用户行为设定)计算出xi和xi·u(xi)对应的可信得分si和si+1，然后再将这两个值映射到云模型中对用户行为进行评判，可以得到评判其行为的确定度值fi(x)和fi+1(x)，然后根据公式(2)可以计算出该次评判的行为确定度值ci(xi)，根据公式(3)可以计算出该次行为的可信得分。
步骤三，最后经过云模型推理及云模型综合评判，计算移动用户整体行为可信得分，完成移动用户行为的可信评判结果。
(1)移动用户整体行为可信得分的计算
由公式(2)和(3)可以分别得到评估用户一次行为的确定度值和可信得分。由于在评判用户行为的各属性时，各属性的重要程度不一样，因此在需要综合考虑各属性的权重时，可以结合权重计算出用户整体行为确定度值TC和整体行为的可信得分TS，具体如公式(4)和(5)所示：
(2)移动用户行为的可信评判
利用上述评判方法可以得到某移动用户整体行为的可信得分以及行为确定度值，完成移动用户行为可信与否的评估。
下面结合具体实施例对本发明的应用原理作进一步的描述。
本发明通过研究复杂的移动互联网环境下移动用户具有的错综复杂的行为属性，拟借鉴传统互联网中依靠可信第三方TTP实现抗否认性、可追溯性、公平性等方法，利用云模型推理、云模型综合评判等相关理论(主要针对移动用户的不确定性行为)来解决移动用户行为的可信评判问题，以建立起切实有效的移动互联网环境下基于云模型推理的移动用户行为可信评判模型，防止移动用户(可能的攻击者)的抗否认、欺骗、窃听等问题，实现移动用户行为及评判的可追溯性和公平性。
对移动用户行为进行可信性评判，并记录移动用户行为及可信评判结果(同时自动更新保存在TTP处的相应移动用户行为属性值及可信评判结果)；如果以后需要调查某移动用户，可以出示或查看以前某用户的行为及可信评判结果(保存在TTP处)，杜绝了移动用户的抗否认、欺骗和窃听问题，起到了可追溯性和公平性等作用。
定义3.设移动用户行为评判标准集为C＝{C1,C2,...,Cn}，其中表示移动用户ui(i＝1，2，...,n)的评判标准集的数字特征，体现了对不同移动用户行为评判标准的差异性。
如图2所示，本发明实施例提供的基于云模型推理的移动用户行为可信评判模型的构建方法包括：
借助于云模型理论的期望、熵和超熵三个数字特征来描述移动用户行为以及对行为进行评判。为了清楚阐明移动用户行为可信评判，下面首先具体阐述如何构建基于云模型推理的移动用户行为可信评判模型的思路：
1)云模型理论
①云和云滴的概念：设U＝{x}是一个定量论域，C代表定性概念，函数f(x)代表U到C的随机映射关系，f(x)的值存在于区间[0,1]内且具有某种稳定的倾向。x在U上的分布就称为云，而每一个x就是一个云滴。
②云的数字特征：为了将一个定性的概念用定量的方式进行描述，运用期望Ex(表示云滴x在论域U上分布的期望，它是最能代表定性概念C的典型样本点)、熵En(是对定性概念C的不确定性度量，说明了云滴x在论域空间U中可以被接收的范围，反映了定性概念的随机性和模糊性)、超熵He(是对熵的不确定性度量，是用来衡量样本是否能够形成概念的重要指标。因此，定性概念C就可以用(Ex,En,He)来表征其整体特征)三个数字特征来表征一个定性概念的整体特征。
③正向云发生器：由定性概念到定量的转换过程(在该过程中，可以由云的数字特征产生云滴)。
④逆向云发生器：与正向云发生器过程相反，它是由云滴得到云的数字特征的过程。
2)构建基于云模型理论的移动用户行为管理数学模型的思路
设移动用户行为属性集为U＝{U1,U2,...,Un}，其中U为用户整体行为集合，U的某一子集为一次用户整体行为，令Ui＝{Exi,Eni,Hei}代表一次用户行为的数字特征。
其中，Exi反映了本次用户行为的整体特征，是对本次行为最直接的量化；Eni反映了本次用户行为的不确定性，是对其不确定性的数字化度量；Hei反映了Eni的不确定性，是对Eni不确定性的度量。
在对移动用户行为进行描述时，考虑到各行为属性对用户整体行为的影响不同，因此各属性在整体行为中所占的比重也不应该相同。假如用代表一次行为的权重(由于在不同的网络场景中，各行为的权重有所不同，故在此的值可根据实际情况来设定)。
在使用云模型理论描述移动用户行为时，由于Exi是对行为最直接的量化，为了与客观事实更为接近，在此用公式(1)来代表描述用户行为的云模型的期望。
这样就用云模型理论的数字特征(Exi',Eni,Hei)对用户某一行为属性Ui进行了定量的描述，完成了基于云模型理论的移动用户行为管理数学模型的建模(如图2)。
3)构建基于云模型推理的移动用户行为可信评判模型的思路
设移动用户行为评判标准集为C＝{C1,C2,...,Cn}，其中表示移动用户ui(i＝1，2，...,n)的评判标准集的数字特征，体现了对不同移动用户行为评判标准的差异性。
为了体现评判主体的影响，评判主体事先设置好容忍度R；然后以评判标准集为依据得到评判该移动用户行为的数字特征；最后由正向云发生器转换得到该行为评判的云模型，完成移动用户行为评判。
本发明实施例提供的基于云模型推理的移动用户行为可信评判模型的评判过程，为了体现评判主体的影响，评判主体根据实际情况事先设置好容忍度，由于决定最终评判结果的主体是人，因此在对移动用户行为进行整体评判时，应设置相应的范围来衡量评判结果是否在可以接受的范围内，在此称为容忍度(用R表示)。比如，根据实际情况，容忍度可提前由评判主体预先设置，容忍度设置体现了评判主体在客观评判中的影响。例如，在移动用户进行某操作时需要输入密码，当移动用户连续3次输入错误密码时，移动用户当天就被禁止再进行某操作，即本次移动用户行为的容忍度为3；然后以评判标准集为依据得到评判该移动用户行为的数字特征，由正向云发生器，正向云发生器是将定性概念转换成定量的描述，由云的数字特征产生云滴，得到代表移动用户行为的云滴，并经过转换(映射)得到表征移动用户行为的云模型和移动用户行为评判的云模型；最后经过云模型推理及云模型综合评判，完成移动用户行为的可信评判结果。
综上所述，在基于云模型理论的移动用户行为管理数学模型的基础上，借助于可信第三方TTP(如图3所示)，利用云模型推理、云模型综合评判等，并提出基于云模型推理的移动用户行为可信评判模型，能有效防止移动用户的抗否认、欺骗、窃听问题，实现移动用户行为评判的可追溯性和公平性，确保移动用户行为评判和移动互联网应用环境的安全可信。考虑到由于不同的移动用户行为属性对应不同的评判标准集，这也体现了对移动用户行为的不确定性和评判标准的差异性。事实上，这也与客观事实更为接近。
下面结合实验对本发明的应用效果作详细的描述。
为了验证本发明的基于云模型推理的移动用户行为可信评判模型的有效性、可行性和安全性，模拟移动互联网环境下的实际运用场景，进行移动用户行为可信评判的实验。比如在移动电子商务网络环境下进行交易双方的可信性评判，同时验证该模型在进行可信性评判时的安全性、有效性和可行性，以及是否具有可追溯性和公平性等优势；设计移动电子商务网络环境下交易双方的抗否认、相互欺骗和窃听实验，分析说明本模型是如何防止用户间抗否认、相互欺骗、窃听的问题，以及验证移动用户可信评判的真实可靠性和安全可信性，同时根据实验结果数据的分析，修正并完善本项目研究的基基于云模型推理的移动用户行为可信评判模型。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于云模型推理的移动用户行为可信评判模型，其特征在于，所述基于云模型推理的移动用户行为可信评判模型的移动用户行为评判标准集为C＝{C1,C2,...,Cn}，其中表示移动用户ui(i＝1，2，...,n)的评判标准集的数字特征。
2.一种如权利要求1所述基于云模型推理的移动用户行为可信评判模型的评判方法，其特征在于，所述评判方法包括以下步骤：
步骤一，评判主体根据实际情况设置容忍度，容忍度用R表示；
步骤二，以评判标准集为依据得到评判该移动用户行为的数字特征，由正向云发生器，正向云发生器是将定性概念转换成定量的描述，由云的数字特征产生云滴，得到代表移动用户行为的云滴，并经过转换得到表征移动用户行为的云模型和移动用户行为评判的云模型；
步骤三，最后经过云模型推理及云模型综合评判，完成移动用户行为的可信评判结果。
3.如权利要求2所述的评判方法，其特征在于，所述步骤二具体包括：
(1)移动用户行为的云模型确定度值，当移动用户进行一次操作时，得到一个表征其行为的数值xi，xi即是云的定义中的x，将该值映射到表征用户一次行为的云模型中，得到其行为云模型的确定度的值u(xi)，u(xi)即是云的定义中的f(x)；xi是用户本次操作直接获得的数值，而xi·u(xi)是实际值乘以云模型的确定度后的修正值，代表本次行为在云模型中表现出的行为可能性趋势；
(2)计算移动用户行为的可信得分，计算出xi和xi·u(xi)对应的可信得分si和si+1，将这两个值映射到云模型中对用户行为进行评判，得到评判其行为的确定度值fi(x)和fi+1(x)，根据公式计算出该次评判的行为确定度值ci(xi)，根据公式计算出该次行为的可信得分si(xi)：
c i ( x i ) = f i ( x ) + f i + 1 ( x ) 2 ;
s i ( x i ) = s i + s i + 1 2 .
4.如权利要求2所述的评判方法，其特征在于，所述步骤三具体包括：
(1)移动用户整体行为可信得分的计算
得到评估用户一次行为的确定度值和可信得分，结合权重计算出用户整体行为确定度值TC和整体行为的可信得分TS，具体如下式：
T C = Σ i = 1 n BW U i · c i ( x i ) ;
T S = Σ i = 1 n BW U i · s i ( x i ) ;
(2)得到某移动用户整体行为的可信得分以及行为确定度值，完成移动用户行为可信与否的评估。
5.一种利用权利要求1所述基于云模型推理的移动用户行为可信评判模型的电子政务系统。
6.一种利用权利要求1所述基于云模型推理的移动用户行为可信评判模型的电子商务网络系统。
CN201710021804.3A 2017-01-12 2017-01-12 基于云模型推理的移动用户行为可信评判模型及评判方法 Pending CN106778287A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710021804.3A CN106778287A (zh) 2017-01-12 2017-01-12 基于云模型推理的移动用户行为可信评判模型及评判方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710021804.3A CN106778287A (zh) 2017-01-12 2017-01-12 基于云模型推理的移动用户行为可信评判模型及评判方法

Publications (1)

Publication Number Publication Date
CN106778287A true CN106778287A (zh) 2017-05-31

Family

ID=58948038

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710021804.3A Pending CN106778287A (zh) 2017-01-12 2017-01-12 基于云模型推理的移动用户行为可信评判模型及评判方法

Country Status (1)

Country Link
CN (1) CN106778287A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114002949A (zh) * 2020-07-28 2022-02-01 华为技术有限公司 基于人工智能的控制方法与控制装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102307205A (zh) * 2011-09-29 2012-01-04 北京理工大学 由信誉评估上升到信任管理的跨域访问控制策略生成方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102307205A (zh) * 2011-09-29 2012-01-04 北京理工大学 由信誉评估上升到信任管理的跨域访问控制策略生成方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王丹琛等: "基于业务用户行为的计算机动态取证评估模型研究", 《电子科技大学学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114002949A (zh) * 2020-07-28 2022-02-01 华为技术有限公司 基于人工智能的控制方法与控制装置
CN114002949B (zh) * 2020-07-28 2024-06-11 华为技术有限公司 基于人工智能的控制方法与控制装置

Similar Documents

Publication Publication Date Title
Bodkhe et al. A survey on decentralized consensus mechanisms for cyber physical systems
She et al. Blockchain trust model for malicious node detection in wireless sensor networks
CN109523683B (zh) 一种基于区块链技术的不记名电子投票方法
Wang et al. A blockchain based privacy-preserving incentive mechanism in crowdsensing applications
Golbeck et al. Inferring binary trust relationships in web-based social networks
Mousa et al. Trust management and reputation systems in mobile participatory sensing applications: A survey
Sun et al. A trust-based framework for fault-tolerant data aggregation in wireless multimedia sensor networks
Shukla et al. Online voting application using ethereum blockchain
Huang et al. Blockchain-assisted personalized car insurance with privacy preservation and fraud resistance
Bidgoly et al. Modeling and quantitative verification of trust systems against malicious attackers
CN103916246A (zh) 一种基于可信计算的考试防作弊方法及系统
Zhang et al. Towards verifiable federated learning
Gutscher A trust model for an open, decentralized reputation system
CN113992526A (zh) 一种基于可信度计算的联盟链跨链数据融合方法
Alvi et al. From conventional voting to blockchain voting: categorization of different voting mechanisms
CN106778287A (zh) 基于云模型推理的移动用户行为可信评判模型及评判方法
Umar et al. Paillier cryptosystem based Chainnode for secure electronic voting
Shen et al. Blockchain-based lightweight and privacy-preserving quality assurance framework in crowdsensing systems
Myeong Citizens’ Perception of Blockchain-Based E-Voting Systems: Focusing on TAM
Al-Janabi et al. Security of internet voting schemes: A survey
Hashim et al. Performance Evaluation of Blockchain Consensus Algorithms for Electronic Health Record Sharing
Chen et al. Belief reliability evaluation with uncertain right censored time‐to‐failure data under small sample situation
Zhang et al. A privacy-preserving interactive messaging scheme based on users credibility over online social networks
Yang et al. PPFO: A Privacy Preservation-oriented Data Freshness Optimization Framework For Mobile Crowdsensing
CN102546602A (zh) 基于隐私保护信任评估进行网络交易的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170531