定义整个P2P网络为一个有向图G_i={P_i,E_i},P_i={p_j|p_j是P2P网络中的一个节点},E_i={(p_j,p_k)|p_j 到p_k的连接,p_j,p_k∈P_i},N(i)={J(i,j)∈E_i}为节点i的直接邻居节点集合,即节点i可将查询消息转发到的直接邻居节点。P2P网络中的连接是非对称的,代表了节点的资源查询消息的转发通道。P2P网络中有两种连接:连通性连接,就是网络中每个节点存在一部分连接,保证网络的连通性;社区连接,就是信任度比较高而且能够进行资源共享的节点之间的连接。网络中存在和请求匹配的节点,也存在和请求不匹配的节点,也可能存在恶意节点,采用随机游走^{[ 9]}的方法寻找能够满足请求的节点,并进行连接更新,生成社区,P2P社区的形成过程如图1所示:

图1

	Figure Option ViewDownloadNew Window
	图1 P2P社区的形成过程

社区的形成步骤为:

(1)节点N向其邻居节点a1、b1、c1、d1、e1、f1、g1发出查询请求,TTL表示消息的生存时间。收到查询的节点首先检查自身是否有满足查询的结果,如果有,则直接返回查询命中节点的消息;如果没有,则沿覆盖网的边向邻居节点转发,邻居节点收到查询后进行同样的处理,以此类推。

(2)在消息的生存周期内发现节点a3、b2、c2、d1、f1可以提供节点N所需要的资源,那么节点a3、b2、c2、d1、f1各自向节点N发送一个应答消息。

(3)节点N计算节点a3、b2、c2、d1、f1的信任值,发现节点c2和f1的信任值小于节点N所能接受的最小信任值,那么节点N放弃与节点c2和f1进行信息共享,选择节点a3、b2、d1进行信息共享,信息共享结束后修改同节点a3、b2、d1的连接,a3、b2、d1加入N所在的社区,同时修改与节点c2和f1的连接为连通性连接。

(4)经过多次信息交互之后,P2P网络中信任度高的节点聚集到一起,形成社区。

节点间的信任是伴随资源共享的过程而建立的。节点用户发起请求并发送给网络中的其他节点。节点收到其他用户发送的请求后,检查自身的直接信任值库,确认是否与请求节点有过知识共享的历史。如果有知识共享的历史,那么将查询请求与自身的资源进行相似度匹配;如果没有知识共享的历史,则通过自身的推荐信任值库来确定请求节点的信任值,然后与自身的资源进行相似度匹配。匹配成功后将检索结果发送给请求节点,请求节点对查询结果进行评价,并通过评价结果进行信任值的计算。最后请求节点对提供资源节点进行直接信任值和推荐信任值计算,并将计算结果存储到直接信任值和推荐信任值库,同时将推荐信任值发送到其他节点进行信任值更新,整个过程如图2所示:

图2

	Figure Option ViewDownloadNew Window
	图2 P2P网络中信任的建立过程

下面对各功能模块和相关数据库进行描述:

(1)请求处理模块:对用户输入的请求进行处理,比如检查拼写错误等。

(2)资源搜索模块:根据网络结构,提出搜索算法。

(3)相似度匹配模块:当节点收到其他节点发出的请求时,根据各种匹配算法进行检索目标与节点资源的匹配处理。

(4)资源输出模块:当提问节点找到满足查询需求的目的节点时,直接连接以获取资源。

(5)用户评价模块:节点用户收到检索结果后,可评价查询结果与提问的相关度,并调整提问,再次提交查询请求。

(6)信任值计算模块:两个节点完成知识共享后,节点根据共享的结果,计算提供服务的节点的直接信任值,并且对提供资源的节点进行评价,产生对提供资源的节点的推荐信任。

①直接信任值库:在P2P网络中,节点之间不停地进行信息共享,共享结束之后每个节点都有一个对其他节点的主观评价,节点i和节点j进行信息共享之后,节点i对节点j的直接评价就存储在此库中。

②推荐信任值库:节点i和节点j进行信息共享结束后,节点i除了对节点j有一个主观意念的评价,还会产生对节点j的一个推荐信任,这个推荐信任就是为P2P网络中的其他节点提供对节点j的信任参考。

(7)信任值存储和更新模块:节点将计算获得的直接信任值存储到直接信任值库中,将对提供资源节点的推荐信任值存储到推荐信任值库中,并将推荐信任值发送到其他节点进行信任值更新。

节点间的信任建立后,每个节点都有两个信任值库,直接信任值库和推荐信任值库,两个库中分别存储节点对其他节点的直接信任值和推荐信任值,但是这两个信任值库的存储都是暂时的,节点的信任值由社区中的管理节点进行存储和更新。

每个节点需要不停地对直接信任值、推荐信任值进行存储更新,这两部分信任值如果由节点自行管理和维护不仅影响信任值的准确性和真实性,同时也降低节点间数据传输的效率。为了提高全局信任值的安全性,方便信任值的存储和查询,本文利用Chord^{[ 10]}机制为存储机制,通过分布式Hash表(DHT)^{[ 11, 12]}来放置节点的信任值,每个节点都由多个信任管理节点进行管理,管理节点的分配由 P2P网络的分布式哈希表Chord来计算决定。

每个节点都有一个物理地址ID,对节点i的物理地址进行Hash计算,得到节点i在Chord环形逻辑空间中的逻辑地址ID_i,它是节点i的全局唯一标识,是一个m比特的二进制数,对ID_i进行Hash计算得到键值key。如果ID_i是某键值最近的后继节点标识,则节点i为k所对应节点的管理节点。基于 Chord,网络中每个节点i均被指派了多个管理节点,而同时i又是一个或若干个其他节点的管理节点。i的管理节点具有以下几项功能:

(1)存储节点i的直接信任评价及对i的推荐信任值;

(2)验证所存储数据的合理性;

(3)向其他节点提交i的推荐信任值以及其他节点对i的直接信任评价;

(4)计算它所管理的节点的信任值。

信任值的计算是社区形成过程中比较重要的部分,节点的信任值是否准确,影响到知识共享的成功或失败。在社区中,节点之间存在着由知识共享带来的信任关系,节点之间进行知识共享之前需要进行信任评价,社区为成员节点提供评价和信息反馈的机会,节点可以在社区范围内进行信息共享。信任评价可以通过直接信任DT和推荐信任RT获得,直接信任是通过两个节点之间直接交易历史的经验获得,推荐信任是通过其他节点的反馈信息获得,这里采用基于权重^{[ 13]}的方法来计算直接信任值和推荐信任值。

(1)直接信任值计算

直接信任是节点A依据自身与节点B之间的交易记录对目标节点B未来行为的主观期望,本文主要从交互的满意程度、交互的次数、信任衰减方面考虑直接信任值计算。

①交互的满意程度,节点A与节点B进行交易后,根据B提供的服务质量或行为给出不同的评价,-1表示负面评价,0表示中性评价,1表示正面评价,这里用T (B)表示节点交易的满意程度,i表示交易的次数,即T (B) ={1,0,-1}。

②交互次数权重,只靠交互的满意程度来决定信任值有很大的缺陷,比如一些节点通过多次小金额的成功交易来提高自己的信任度,然后进行一次大金额的欺骗交易,这样一直重复操作,信任度仍然很高,是不合理的。节点A与B进行第i次交互的权重用W (B)表示,这样,节点即使进行多次金额很小的交易,节点的信任度也不会有很大的提高,提高了信任度评价的合理性。

③信任衰减权重,节点B的近期行为更能反映节点B的信任度,随着交易的进行,越早完成的交易在计算信任值时对其直接信任值和权重应该有较少的影响,这里用交易的间隔次数作为衰减因子,节点A与B进行第i次交易,之前第j(j<i)次交易所产生的信任值和权重应该缩减,缩减率用δ表示,则第N次交易后其信任值计算如下所示:

D (B) =

其中, δ^N-i表示第N(i<N)次交易的缩减率。

(2)推荐信任值的计算

当一个节点与另一个节点没有直接交互的历史记录时,必须依赖一个或多个第三方节点推荐形成的推荐信任来评定目标节点的信任度。节点A与B进行交易之前,需要计算其他节点对节点B的推荐信任,节点A会向与自己有信任关系的节点广播信任查询消息,再对反馈的信息进行合成得到其他节点对节点B的推荐信任。推荐信任值的计算如下:

RT_A(B)=

其中,C∈Dset(A)为所有与节点A有信任关系的集合,T_A(C)为节点A对推荐节点C的信任值,在推荐信任计算中,与节点A间信任值越大的节点推荐的权重也越大,权重为RWT_C(B),可以有效减少合伙欺骗节点提供的虚假反馈信息;同时,考虑推荐节点与目标节点的交易总额,保证其推荐的信息更可靠。

(3)全局信任值的计算

节点的全局信任包括一个节点对另一个节点的直接信任和从其他节点获得的推荐信任。节点A得到对节点B的直接信任值和推荐信任值后,再对这两个信任值进行合成,得到全局信任值,目标节点的全局信任值计算^{[ 14]}如下:

T_object= lD (B) + (1-l)RT_A(B),0 < l < 1

其中,T_object是目标节点的全局信任值, l 的取值与交易的次数有关,交易的次数越多则l的取值越大。当请求节点计算出服务节点的信任值后与预设的交易可靠性最低阈值T_min比较,满足T_object>T_min的节点生成一个信任值列表,最后请求节点选择信任值列表中信任值最大的节点作为服务节点进行知识共享。

本实例选取某大学的P2P资源共享BT网站中50个节点作为实验节点,利用Java编程将其处理为0-1结构的矩阵,利用整体网分析工具——UCINET软件将0-1格式的矩阵转换成UCINET格式的数据,然后利用UCINET自带的做图工具NetDraw将P2P网络和网络中的社区结构形态呈现出来,其中P2P网络的结构如图3所示:

图3

	Figure Option ViewDownloadNew Window
	图3 P2P网络中社区结构

为了便于表达,选取50个节点中12个节点的信任值变化过程作为研究对象,只对两次信息交互进行统计,假设这12个节点的初始信任值如表1所示:

表1

表1

表1 网络中节点的初始信任值 Node Direct Trust Recommended Trust N1 18 10 N2 9 9 N3 15 8 N4 5 18 N5 4 10 N6 18 13 N7 14 6 N8 13 7 N9 7 10 N10 20 10 N11 5 18 N12 16 10

表1 网络中节点的初始信任值

(1)第一次资源共享过程

节点间都是连通的,第一次资源共享过程中节点1发起查询请求,分别向邻居节点2、3、4发送消息,在消息的生存周期内,收到节点4、5、6的反馈消息,节点1通过计算发现,节点5信任值小于节点1所能接受的最小信任值T_min=10,所以节点1放弃与节点5进行信息交互,当节点1从节点4和6下载资源后,发现节点4提供的是虚假资源,因此把节点4看作不诚实的节点,最后能提供信息并且信任值比较高的节点是节点6,那么节点1建立与节点6的直接连接。资源共享结束后,根据信任值计算公式,节点1修改其他节点的信任值,更新后的信任值如表2所示:

表2

表2

表2 第一次资源共享过程更新后的信任值列表 Node Direct Trust Recommended Trust N1 18 10 N2 9 9 N3 15 8 N4 4 17 N5 4 10 N6 19 14 N7 14 6 N8 13 7 N9 7 10 N10 20 10 N11 5 18 N12 16 10

表2 第一次资源共享过程更新后的信任值列表

(2)第二次资源共享过程

节点3向其邻居节点1、5、6、7发送查询请求,在消息的生存周期内,节点10和节点11返回反馈消息,但是已知节点3同节点10和11没有资源共享的历史,因此节点3参考其他节点对节点10和节点11的推荐信任值,节点3在节点10和11下载资源后,发现节点10提供的资源不准确,因此节点3对节点10的信任降低,与节点11资源共享成功以后,修改同节点11之间的连接,从而建立与节点11的直接连接,并对节点进行信任值更新。更新后的信任值如表3所示:

表3

表3

表3 第二次资源共享过程更新后的信任值列表 Node Direct Trust Recommended Trust N1 18 10 N2 9 9 N3 15 8 N4 4 17 N5 4 10 N6 19 14 N7 14 6 N8 13 7 N9 7 10 N10 21 9 N11 5 19 N12 16 10

表3 第二次资源共享过程更新后的信任值列表

多次信息交互结束后,社区中交互频率高的节点成为社区的管理节点,用形状大的节点表示,P2P网络中社区呈现结构如图4所示:

图4

	Figure Option ViewDownloadNew Window
	图4 引进信任后的P2P网络中的社区结构

图4清晰地展示了P2P网络中的社区结构形态,根据节点的信任值研究社区的形成模型在继承传统的社区形成模型的基础上还解决了一般社区形成模型没有解决的问题,主要有以下优越性:

(1)在基于信任的P2P社区形成过程中,引进信任机制,用信任值来筛选需要提供服务的节点,使得节点下载的资源更加可靠。

(2)在定义社区的时候对社区节点、节点间的连接,以及节点的信任值进行形式化表示。在信任值的计算过程中,考虑到节点的直接信任和其他节点的推荐信任。在直接信任计算中,考虑了节点交互的满意程度、节点交互的次数,以及节点信任值随时间的衰减程度,相比较其他的社区形成模型,使得节点的信任值更加准确。

(3)信任作为一个节点的特定属性,利用信任值来衡量一个节点的提供服务的质量,符合现实社会的规律。本方法通过对节点进行信任评价获得节点的信任值,解决了一般社区形成过程中初始信任值不易获得的问题。

(4)一般的社区形成模型,只是对P2P网络中的节点进行相似兴趣聚类,没有考虑恶意节点的行为,本文提出的社区形成机制通过利用节点的信任值对节点进行筛选,避免了恶意节点提供不可靠的服务,使社区提供服务的质量大为提高。