改进EigenTrust：P2P网络中信任模型的研究与优化

"本文主要探讨了P2P网络中EigenTrust信任模型的研究与改进，重点关注了其在处理节点信任评估过程中的不足，并提出了相应的优化策略。 EigenTrust模型是P2P网络中常用的信任评估机制，它依赖于节点间的满意和不满意交易次数来计算信任值。然而，现有模型存在几个关键问题：首先，它只考虑了交易的满意和不满意次数之差，忽视了历史信任信息对当前信任值的影响，没有体现交易时间序列的连续性；其次，模型对待满意和不满意交易的处理方式相同，使得恶意节点和非恶意节点难以区分，对恶意节点的惩罚力度不足；最后，EigenTrust对所有节点的本地信任值进行统一归一化处理，导致异质节点的信任值计算偏差。 针对这些问题，文章进行了以下改进：(1)引入时间衰减因子，将近期交易表现赋予更高的权重，远期交易表现则逐渐淡化，这样在信任值计算中充分考虑了时间因素；(2)建立了激励/惩罚机制，当节点行为恶化时，信任值迅速降低，而行为改善时，信任值缓慢提升，更好地模拟了信任建立的过程，同时能有效惩罚摇摆不定的节点；(3)对于服务摇摆问题，文章设计了一种基于服务摇摆度的惩罚机制，通过历史记录数组记录节点服务稳定性，权重随时间增加，以便更准确地识别和抑制摇摆节点。 通过这些改进，文章旨在增强EigenTrust模型的适应性和安全性，以提高P2P网络中交易的安全性和成功率。改进后的模型有望更好地应对P2P网络中的不诚信行为，为节点间的交易提供更加可靠的信任基础。"