P2P网络中Ayo博弈方法解决搭便车问题

沙特国王大学学报P2P网络中抑制搭便车的Ayo博弈方法巴巴通德岛Simon Biaoua，Ayodeji O.海伦·奥卢瓦托佩Odukoyaa，Ajiboye Babalolaa，奥卢瓦福拉克湖Ojob，Eric Herbert Sossouaa尼日利亚伊费岛，奥巴费米·阿沃洛沃大学b尼日利亚阿贝奥库塔联邦农业大学阿提奇莱因福奥文章历史记录：收到2020年2020年8月31日修订2020年9月24日接受2020年9月28日网上发售关键词：Ayo游戏点对点免费骑行A B S T R A C T对等网络是围绕对等节点的概念规划的，对等节点同时为系统上的不同节点的一个和其他客户端和服务器近年来，P2P组织节点的自私行为这种探索倾向于搭便车的对等系统中的问题。P2P网络中的搭便车问题已经成为越来越具有挑战性的各种尝试来解决这个问题。搭便车降低了P2P系统的有效性，鲁棒性和恶化的网络拥塞，因此，导致系统不稳定（Shahriar和Jaumard，2017）。许多现有的工作已经考虑使用博弈论方法来解决点对点网络中的搭便车问题。许多研究人员使用的博弈论的一些机制可以在某种程度上检测和惩罚P2P网络中的搭便车者，但代价是节点过载和节点之间通信缓慢而造成的带宽损失针对第二代非结构化P2P网络中部分集中式P2P网络中的搭便车问题，提出了一种新的Ayo博弈论随机模型机制©2020作者由爱思唯尔公司出版代表沙特国王大学这是一个开放的访问CC BY-NC-ND许可证下的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍文档共享是网络最主流的应用之一，在2010年占所有信息流量的40%左右。顾名思义，文档共享应用程序允许用户通过网络将其计算机上的记录提供给其他人。因此，近年来，视频数据已成为互联网流量的最重要组成部分。流量的增加是因为到2019年，70%的IP流量将是高清（HD）视频（Mohammed，2015）。视频将消耗今天存在的所有互联网物质共享阶段的80%，或者之前存在的所有互联网物质共享阶段，如Napster，OpenNap，eDonkey，FastTrack ， Gnutella ， BitTorrent ， Megaupload ， Rapidshare 和YouTube（Anjum等人， 2017年）。如此则电 子 邮 件 地 址 ： aoluwato@oauife.edu.ng （ A.O.Oluwatope ） ，ojoeo@funaab.edu. ng（O.E. Ojo）。沙特国王大学负责同行审查制作和主办：Elsevier共享P2P框架相对于传统的客户端-服务器设计在互联网上赢得了胜利在P2P系统中，由于使用系统和其他节点的资源，节点依赖于通过共享其资源来添加到系统。然而，在众多的P2P系统中，广泛的部分对等体是犹豫共享资源。在P2P网络中，搭便车者是从系统中获得记录而不贡献任何内容的客户端。统计数据显示，在Gnutella 0.6中，25%的节点提供了大约99%的资源，7%的节点贡献了比其他节点更多的文件。（缓解，2015年）。70%的对等体根本不共享任何文件，25%提供了网络中99%的所有查询命中（Istiaque等人， 2017年）。搭便车降低了P2P系统在部分集中式系统中，一些节点比其他节点具有更多的这些所谓的超级节点可以将资源呈现为其所有连接对等体的本地资源，并提供与其他超级节点的连接这些超级节点是动态选举的，它们的对等节点也是如此性能优于纯分散模型，可能低于混合分散模型，但该模型在故 障 弹 性 方 面 比 混 合 分 散 模 型 具 有 更 大 的 灵 活 性 （ Molijn ，2014）。https://doi.org/10.1016/j.jksuci.2020.09.0151319-1578/©2020作者。由爱思唯尔公司出版代表沙特国王大学这是一个在CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表沙特国王大学学报杂志首页：www.sciencedirect.com巴巴通德岛Simon Biaou，A.O.奥卢瓦托普Odukoya等人沙特国王大学学报2452在网络中，集群是一个周期，它命名一个枢纽的聚集，以类似聚集中的那些枢纽不同于依赖于地理位置的不同聚集中的那些枢纽的方式进行交易（Emmons等人，2016年）。集群是一个由集线器组成的环，这些集线器通过环形拓扑中的超级对等点进行确认和监督。在本文中，我们将对等点视为一个集群，其中聚集大小是组中集线器的数量，包括超级对等点本身。为了形成这些特定的聚类，使用了最广为人知的正态分布方法并利用模型传播的任意变量，尽管所有的分布。环中的超级对等体承认另一个朋友中心的请求，如果它的集群还没有得到它的特殊截止。组团式收集中心最大的偏好是鼓励行政化框架的实现，方便了框架中对等点的确认、管理和报复，简化了数据包迁移的构建。2. 相关工作Manaf（2018）提出了O-Torrent，这是一个P2P内容共享组件，它通过发送在环中具有大师级头脑的同行聚会之间进行单向交流的想法而成为BitTorrent的领导者。通过构造收益矩阵，将纳什均衡应用于O-Torrent的发送区间决策在一个集群中贡献的两个对等体。结果表明，O-Torrent在拒绝搭便车行为方面取得了更大的成功，并且比BitTorrent具有更好的执行力。然而，作为一个评论，环构造的机制，超载的对等体和缓慢的带宽。Mohammed（2015）开发了一个对等体之间交换的模型，作为修改的礼物赠送游戏，并提出了一个效用交互激励机制，以防止搭便车。基于P2P文件共享网络的GIFT-GIVING GAME模型，使用P2P模拟器和BitPeer BitTorrent（用于PeerSim的模块）对模型的性能进行评估针对P2P网络中的搭便车现象，提出了一种理论博弈机制它假定所有的同伴都是顺从和值得信赖的。然而，作为评论，没有考虑采用一种方法来隔离网络中共享不真实和恶意资源的对等点。Shahriar和Jaumard（2017）探讨了搭便车者的存在对P2P直播系统的影响他们建立了一个离散时间随机模型，然后观察系统的不断回放显示，接受系统中搭便车者的独特测量结果表明，免费搭车者的接近不利影响的P2P流媒体直播系统的一般执行。一个离散时间随机模型的P2P直播流媒体系统，以证明计划的激励系统的效果，被错过了。Abdulbaghi et al.（2017）提出了一种强大的流行性八卦技术，可以完全防止搭便车，并提供改进的覆盖形成以提高性能指标。基于流言学习算法的InFreD算法在PeerSim模拟器上实现，该模拟器在EclipseIDE上运行（Eclipse Foundation，2016）。结果表明，该方法对消息丢失和消息延迟具有很强的鲁棒性，有效地防止了搭便车行为。更多的是更复杂的覆盖其他公平性指标，而不是搭便车在这些系统中是一个悬而未决的问题。Sasabe（2018）在整数线性规划的帮助下分析了基于针锋相对（TFT）的P2P流媒体中的最佳作品流。通过顺序存在的求解器CPLEX获得的数值结果在具有10核Intel Xeon CPU 3.0 GHz和64 GB内存的服务器结果表明，在初始阶段，服务器应该向具有较大上载容量的对等体发送分片，并且分片的数量不会影响系统性能。这里解决的问题不是基于P2P中的搭便车问题不使用任何实现环境来评估系统。Gupta等人（2016）提出了一种新的基于资源分配的机制，称为非结构化P2P网络中的概率资源分配。计算了节点共享上传容量调整和概率资源分配建议的模型可能需要更多的计算，但它节省了空间的必要性。该模型不适用于特定一代的非结构化P2P网络。此外，对资产共享计算的博弈检验有效性的理论验证还有待进一步分析。3. 博弈论博弈论是认同的理论区分证明和分类的周期，创造聚会成员之间。在某些角度，博弈假设是对技术的研究，或者说是对战略情境中自立和竞争成员的最佳动态的下限的研究（Adam，2019）。博弈论的重要组成部分是博弈。这场比赛是一个模型的一个直观的场合之间的合法议员。博弈论的一个重要前提是，一个成员的荣誉取决于另一个成员所使用的技术。游戏发现了成员3.1. P2P系统的Ayo博弈分析在大多数P2P系统中，考虑了许多特性，例如特定目标、资源共享、网络化、去中心化、对称节点、自组织、可扩展性、最大流失率内的稳定性。同样，在Ayo游戏方法中，所有的礼节都是等价的。因此，表1中描述了使用修改的Ayo游戏对对等网络进行建模的动机。3.2. Ayo游戏对数学家来说，游戏是在人们或这些操作者的参与范围内上升的情况的改进变化。一个游戏解决了一个浪漫化的情况下，可以分解成数字揭示理解如何或为什么某些结果来（穆罕默德，2015）。Ayo是一种曼卡拉游戏，在尼日利亚的约鲁巴部落和贝宁共和国的部分地区它是一个整体名称集合2玩家回合制桌上游戏玩的种子和列的差距在一个董事会或其他发挥表面。Ayo是在一个由两列组成的主导机构上演奏的，每列包括六个圆形开口，在两端都可能有一个巨大的商店，如图所示。1.一、在比赛开始之前，每个开口必须包含四个种子（穆罕默德，2015）。两个人玩游戏和争夺相当于Ayo种子，这是特点和规则的指导。Ayo游戏是小心地轮流;一个玩家可以立即采取行动。 Ayo板可以被看作是一个P2P组织，其中每个开口可以作为朋友说话，每个种子作为可共享的资产，种子巴巴通德岛Simon Biaou，A.O.奥卢瓦托普Odukoya等人沙特国王大学学报24533.3. 修改后的Ayo游戏描述图 2描述了修改后的Ayo游戏的整体工作流程如下：(i) 游戏模拟了一个对等网络场景，洞代表对等节点。(ii) 游戏在所有包含种子的对等节点之间进行。(iii) 每个洞是对等节点（或集群的状态(iv) 一个洞可以包含零个/一个/多个种子。(v) 每个种子是一个可共享资源或可共享资源的片段.(vi) 种子永远不会被阻挡。(vii) 只要一粒种子在运输途中，它就可以在任何时候被任何一个孔索取或接收。(viii) 种子可以由同一簇中的一个或多个孔通过使用任何方向来请求。(ix) 游戏的结束被忽略了，如果一个节点继续共享资源，它就不会被阻止。(x) 每个共享资源的对等体都将获得一个点数，并从囤积资源的对等体3.4. 集群的形成和管理(a) 将对等点视为一个集群，其中组大小是集群中节点的数量，包括超级对等点本身。(b) 集群是一个节点环，通过环形拓扑中的超级对等点接受和(c) 环的超级对等体保持一个运行表，该运行表携带其环成员（对等体节点）的地址及其分配号，其中布置号是指示环中对等体节点的区域(d) 如果环中的超级节点的簇尚未达到极限，则超级节点接受新节点的请求。验收涉及：(i) 为对等体分配分组号，(ii) 向对等体提供其祖先在集群中的位置。(iii) 如果环还没有达到其容量，则环的超级对等体开始向新对等体传送管理消息。协商传输速度是一个主要的Fig. 1. Ayo board（Meaghan，2015）.允许对等体进入环的条件。新的对等体必须保证它将参与转发过程，同时保持环的传输速度的最低要求。在设置传输速度的条款后，对等体将被分配其序列号和其前任的IP地址。前- cessor也将被告知其在集群中的新的继任者，并将调整他的路由信息，以反映新的对等加入。最后，超级对等点调整其路由表。3.5. 系统中的数据包转发数据包转发的原理是基于路由表和IP服务水平协议（SLA）。系统中的每个对等节点都连接到两个或更多对等节点以及集群的超级对等节点。从一个节点到另一个节点，包括数据包资源的转发和存储原则转发表中存储的最佳路径是基于发送方和接收方的位置以及每条路径的条件3.6. 排除对等体(i) 禁止技术是激活的情况下，一个同行已被怀疑与自私的行为，或它已经违背了安排的交换规模。表1大多数P2P系统和Ayo游戏模型中的集体属性P2P系统Ayo博弈模型特定目标每个节点上的用户使用网络来完成任务。每个球员都要努力从对手那里赢得种子，直到他赢了足够的钱来支付他自己的那一边资源共享每个节点为P2P系统的运行贡献系统资源。P2P系统中所有节点都与其他节点互连，并且节点的完整集合是连通图的成员P2P系统的行为是由对等节点的集体行动决定的。对称节点所有节点在P2P系统的运行中具有相同的功能和责任自组织P2P系统随着时间的推移而增加，每个节点使用本地知识和本地操作，并且没有节点控制系统。可扩展性这是运行具有数百万个并发节点的P2P系统的先决条件。每一个洞都为Ayo游戏的运作贡献种子。在Ayo游戏模型中，所有的洞都与其他洞相互连接，并且全套洞都是棋盘的成员Ayo博弈模型的行为是由空穴的集体行为决定两个人玩游戏，争夺相同的阿约种子。Ayo游戏的每个玩家都可以自由选择任何一个非空的洞。Ayo游戏是访问每个人都准备好与另一个球员一起玩。稳定性在最大流失率范围内P2P系统应该保持其连通图，并能够在实际的跳数范围内确定性路由。Ayo游戏的董事会是稳定的，并保持其连接孔。●●●●巴巴通德岛Simon Biaou，A.O.奥卢瓦托普Odukoya等人沙特国王大学学报2454¼.¼ð ≤ ≤Þ ð Þ ð þÞ图二. 修改后的Ayo游戏的整体工作流程。(ii) 从集群中排除节点包括引导超级对等体的表，并在其新的前件上告诉被避免节点的紧接跟随者，从而将在其新的紧接跟随者上对这些紧接跟随者进行教育。其余节点的分组数量无需替换。4. 基于改进Ayo博弈模型的通过将集群视为Ayo板，概率Pr f h k<$dg <$P;其中d是具有集群的超级对等体的起始节点，P是标记的洞的概率Pr hk <$p。Pk;kx是从a移动的转移概率Prfhk<$dtg，peerhk到另一个peerhkx，即hx2N。Pij是从i移动到j的概率。矩阵Pij是概率转移矩阵。它是字符化时，求和条目在每一行，并获得一个单位（1）。设X= n;n = 0;1 ×是特定对等节点中可共享资源数量可能增加的概率X1个单位;如果添加n0;否则起始轮是与请求对等体共享一个可共享资源的动作。hs =起始对等体。HS必须在其他节点的方向上将可共享资源共享给对等节点，直到可共享资源完成。它在特定对等节点处结束，然后该对等节点被清空，对等节点在任何时候都可能为空。因此，对等节点可以同时具有的最大可共享资源被表示为xmax，并且其最小值被表示为xmin 0。每次，任何对等节点中的可共享资源的总数为xs½k2½xmin;xma xmin。推广到Pij s，以构造转移概率矩阵，选择特定对等节点的标记对等方法hsort，1不k，hs t x变成hs t x的概率1表示在该轮期间，在共享轮期间向其添加了可共享资源这是可能的概率Px;x ≤ 1。如果在一轮期间，在共享轮期间没有可共享资源被添加到hs_t_x_n ， 则概 率为 P x; x 。 也有 可能 的是 ，h_s_t_x_n在具有概率P x ; 0的共享回合期间共享她的所有x个可共享资源。一个随机过程fXn;n≥0g称为马尔可夫链，如果对任意的n×i2序列，Prf Xn¼ xnj Xn-1¼ xn-1; X0¼ x0g ¼ Prf Xn¼ xnj Xn-1¼ xn-1g;ð1Þ当量（1）直观地表明了随机变量X n之间的一种依赖关系;它意味着给定系统的当前状态，未来与过去无关（Yuan et al.， 2017年）。条件概率Prf Xn< $kj Xn-1<$ jg; n j; k2S称为从状态j到状态k的转移概率，表示为：直到可共享资源在h处结束，其中，k2N，其中，集群。PijnPrf Xn1/4kj Xn-11/2g：100 g设x为对等节点中的可共享资源的数量，假设集群具有n个对等节点，并且初始状态下的每个对等节点具有随机不同数量的可共享资源。总的来说，系统实际上具有Pi;jnij xij可共享资源。由于对等节点不可能具有所有的Pi;jnij xij最大限度地共享资源5. 生灭过程模型分析● 进程的时间和状态：Pij n;t n是给定n个可共享资源在时间上在系统中的情况下，从对等节点i移动到对等节点j的概率巴巴通德岛Simon Biaou，A.O.奥卢瓦托普Odukoya等人沙特国王大学学报2455Q2年q3QnXnqqqq qq q·· · qQ.Pji<$Pij×;i; j< $0; 1; 2;··· n=4.从对等节点i移动到对等节点j的时间t的集合由集群的监督者基于系统的吞吐量、延迟延迟和数据速率来定义。● 存在可以容忍的从对等节点i到对等节点j的转换的已知延迟等待时间因此，在所有那些定义的时间集合之上在可共享资源转发中保持沉默的特定对等节点i第一次被标识为试用者对等。从这两个频率相同的时间，我们得到一个方程：Pi;j×Pi;j<$Pj;i×qj;i<$3Pi;j的情况。j;i基于（8），可以通过使用以下等式来获得平衡方程：● 假设从对等节点hk移动并过渡到另一个节点，P×P¼P×qð5Þ考虑到可共享资源的数量，对等节点在j处相遇，不必多说，ii jj对等节点h处的可共享资源的数量kmax是n- 1并且如果在h_k_n中存在n个可共享资源，则1刚刚到达：● 关于马氏生灭链图的研究状态/对等平衡方程过程与一些有限的状态n如下图。第三章：● 在对等节点的典型状态i处，可共享资源将容易地转到下一对等节点i，i = 1，并且从该状态<$0和j<$1P0×P 0<$P1×q 1？P1¼P0×q1i<$1和j<$2P2<$P1×P1在第1步中，可共享资源将到达对等节点i，i， 2，i<$2和j<$3 P3<$P2×P2直到可共享的分发资源完成。..● 要看到这一点，让我们关注两个状态（对等节点i和对等节点j）之间的转换，如图2所示。 四、从典型的对等节点i，可共享资源的下一个转换将容易地转到对等节点j，或者从对等节点j接收到对等节点i，或者什么都没有发生。这将发生在以下情况下-i<$n-1和j<$nPn<$Pn- 1×Pn- 1已知P0，则可求出P1，则由P1，求出P2也可以得到分别降低了转移概率Pi;j，q;j，和Pii在任何时间点，可共享资源到达，可共享资源离开，或者什么都没有发生。为了基于频率解释来计算节点种子i的状态概率，它们必须遵守对等节点从对等节点i到对等节点j的转换次数不能从对等体j到对等体i是非常不同的逻辑是时间然而，如果P0未知，则将使用额外的归一化条件，如下所示：nPj 1！ P0P1P2P3···¼ 1j¼ 0P0P0 P1P0P1P2！P0P0P0×P0×···16对等体从i到j转换的频率P必须与对等体从j到i相同。×q1一季度二季度第一季第二季第三季然后是时间的分数，过渡从：XP0P0P1P0 P1P2P0 P1··· Pn-1● 对等节点i到对等节点j是Pi;j，并且● 对等节点j到对等节点i是Pj;i。j¼ 01 1 212 31 2 Nð7Þ因此，从以下转变的总体频率● peer i到peer nodej是Pi;j×Pi;j● 对等节点j到对等节点i是Pj;i×qj;i图3.第三章。具有n个状态的马尔可夫链图图四、2状态马尔可夫链图5.1. 搭便车识别模型在时间，基于形成集群的对等节点的数量来识别试用者对等节点的极限处的概率矩阵，如由A表示的：在另一时间0处，基于形成集群的对等节点的数量来识别搭便车者的极限处的概率矩阵，如由A0表示的。通常，基于形成集群的对等节点的数量获得搭便车者的概率是：P.A\A0PAP.A0-P。A\A0分8秒其中A和A0 是独立的，P.A\A0A0分6. 仿真模型从图5中可以看出，在编制任何计算机程序之前，计算是首先绘制重要含义的基础。以断开的方式管理编程，将发布计划隔离为不可否认的进展，之后，每一个动作都要进行改进，直到以下进展是最小的可行努力。下面介绍新加入组的对等体和搭便车ID的计算。这些被称为自上而下的结构方法。●Pj¼P01qþ· · ·þ¼1巴巴通德岛Simon Biaou，A.O.奥卢瓦托普Odukoya等人沙特国王大学学报2456巴巴通德岛Simon Biaou，A.O.奥卢瓦托普Odukoya等人沙特国王大学学报2457图五. 拟议模式的流程图。7. 模拟参数在模型仿真中，我们考虑了节点数目、簇的形成、每个场景的轮数、单位时间间隔等参数该时间间隔被划分为请求的可共享资源的对等体（搭便车者，试用者对等体和有价值的对等体）的时间的集合和没有任何请求的可共享资源的对等体的时间的集合假设对等体的数量可以分为三组对等体（100，500和1000）。这种分类表明，模拟有三个层次，以更好地得到评估。每组对等体被分类为每个场景十轮的十个集群，查询时间间隔从0到30，划分如下：(i) [0(ii) [15–30] Set of times belonging to the peers withoutrequested shareable在MATLAB中，聚类表示一个m × n矩阵，该矩阵包括从开区间（0，30）上的标准均匀分布中提取的独立伪随机值，并且m × n矩阵的每一列表示为对等体。8. 模型评价评估模型的各种机制分析的交互以另一现有模型为代价，该模型是协作分布式系统中的InFreD（智能搭便车检测）（Abdulbaghi等人，2017）在其他测试提出的Ayo游戏机制，并将其与以下过程分析进行比较：(i) 搭便车率：搭便车率意味着在每个集群的系统中识别的搭便车者的年龄百分比。Abdulbaghi等人（2017年）模拟了一个由250到2000个同伴组成的系统，并在三个阶段获得了三个最高的搭便车者百分比：5%，10%和33%。巴巴通德岛Simon Biaou，A.O.奥卢瓦托普Odukoya等人沙特国王大学学报2458公司简介-公司简介(ii) 下载率：该过程表明系统在鼓励同行贡献方面的成功，并有效地禁止搭便车。 Abdulbaghi等人（2017）模拟了三个阶段的同行系统，并获得了95%，90%和66%的可能完成下载的同行。(iii) 鲁棒性和可扩展性：为了评估可扩展性，当系统中搭便车者的百分比增加时，计算可能完成下载的对等体的百分比9. 结果和讨论表2显示了搭便车者（FR）、试用期同伴（PP）和值得同伴（WP）的总体百分比。此外，在每个对等体集群处没有请求可共享资源（NOT）的对等体的百分比，以及最后，在每个对等体集群处添加到没有请求可共享资源（WP + NOT）的对等体的有价值对等体的百分比。从表2中可以看出，在100、500和1000个同行的系统中，三个阶段的搭便车者的最高百分比分别为1%、1.2%和1.2%。百分之二在任何对等体系统中，其中完全不存在搭便车者和试用对等体的每个被请求对等体的概率被假设为100%。因此，模型中可能完成其下载的对等体的百分比是基于有价值的对等体和没有请求可共享资源的对等体的积累来评估的。因此，从上述三个阶段的搭便车者的三个最高百分比来看，可以说可能完成其下载的对等体的百分比为98%、95.8%和95%。9.1. 免费乘车率现有模型和建议模型之间的搭便车百分比如图6所示。在所提出的模型中，在第一阶段，确定的搭便车者的百分比是1%，而在现有的模型是2%。此外，在第二阶段，与现有模型相比，所提出的模型记录了3.80%的改进。最后，在第三阶段，所提出的模型比现有模型提高了然而，从该结果来看，在所提出的模型中，从阶段1到阶段3识别的搭便车者的演变随着时间的推移逐渐增加，而在现有模型中，这种演变增加快速穿越时间总之，该评估的结果因此揭示了所提出的模型，随着时间的推移逐渐改善，具有更好的显着改善，这是能够阻止更多的节点成为搭便车的系统中的P2P网络。9.2. 下载速率图7示出了在第一阶段的现有模型中，可能完成其下载的对等体为95%，而在所提出的模型中为98%。此外，在第二阶段，与现有模型相比，所提出的模型记录了5.80%的改进。更重要的是，在所提出的模型的最后阶段，可能完成其下载的对等体的百分比为95%，而在现有模型中为66%。图7中得到的结果显示，随着时间的推移，可能完成其下载的对等体的进化逐渐增加，而现有模型快速增加总之，该模型在特定的P2P网络中的性能优于现有的模型。9.3. 健壮性和可扩展性所提出的模型（y 0：015 x 0：9927）的函数是以恒定速率随时间变化的函数，而现有模型（y 0：145 x 1：1267）的函数以与函数值成比例的速率随时间快速增加，如图所示。8 .第八条。图图8示出随着阶段随时间从3增加到10，在所提出的模型中可能完成其下载的对等体的百分比从0.9477逐渐降低到0.8427，而现有模型中的百分比从0.6917快速降低到0.3233。总之，该评价的结果表明，随着时间的推移逐渐改进的所提出的模型具有更好的结果。10. 结论本研究工作展示了搭便车模型在第二代非结构化P2P网络中的应用提出了一种改进的Ayo博弈模型来抑制P2P网络中的搭便车行为。该模型是用博弈论的方法建立的表2集群中分布的节点的模拟结果总结集群是的不WP + NOTFRPPWP100位同行第一集群0%的百分比百分之二百分之四十一百分之五十七百分之九十八二集群百分之一百分之一百分之五十二百分之四十六百分之九十八第三组百分之二百分之三百分之五十四百分之四十一百分之九十五500位同行第一集群0%的百分比2.2%百分之四十四百分之五十三点八百分之九十七点八二集群百分之零点四2.8%百分之四十四百分之五十二点八百分之九十六点八第三组百分之一点二百分之三百分之四十六百分之四十九点八百分之九十五点八1000名同行第一集群0%的百分比2.3%百分之四十五点五百分之五十二点二百分之九十七点七二集群百分之零点四百分之一点七42.6%百分之五十五点三百分之九十七点九第三组百分之一百分之三点三百分之四十二百分之五十三点七百分之九十五点七巴巴通德岛Simon Biaou，A.O.奥卢瓦托普Odukoya等人沙特国王大学学报2459见图6。搭便车者识别的百分比。见图7。 完成下载的对等体的百分比。见图8。 模型功能随时间的演变基于修改的Ayo游戏的方法。利用随机模型的生灭过程原理对所建模型进行了分析，并利用随机概率分布进行了验证。使用MATLAB对所制定的模型进行仿真，使用来自连续概率的正态分布的定义的时间集合对仿真模型进行评估，并且使用对等体的数量（搭便车率、下载率和可扩展性）作为性能度量。仿真结果表明，现有模型的搭便车百分比分别为2.0%、5.0%和16.5%，而新模型的搭便车百分比分别为1.0%、1.2%和2.0%。此外，现有模型的常规对等点的下载完成率分别为95.0%、90.0%和66.0%，而建议模型的常规对等点的下载完成率分别为98.0%、95.8%和95.0%。该模型的优点是加快了P2P网络的通信扩散速度，减少了P2P网络带宽的不足，并显著改善了P2P网络中高比率的搭便车现象因此，修改后的Ayo游戏策略鼓励更多的节点表现得像有价值的节点，并促进他们在典型的P2P网络中完成他们的下载。由于PeerSim仿真器是一个开源的Java开发环境，因此需要在一个合适的仿真环境中实现它的目的是应付P2P系统的属性，这是最高的可扩展性（高达100万个节点）。竞争利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作。引用Abdulbaghi，G.，Mehdi，K.，米迪亚河，2017. InFreD：协作分布式系统中的智能搭便车检测。J.网络计算8（30278），1084- 8045中所述。亚 当 ·H2019. 博 弈 论 定 义 [ 联 机 ] 。 网 址 ： （ 2020 年 5 月 22 日 上 午 10 ： 23 访问）。安朱姆，Karamshuk，D.，Shikh-Bahaei，M.，Sastry，N.，2017.对等辅助内容分发网络研究综述。Comput. 网络116，79-95。Emmons，S.，Kobourov，S.，格兰特先生Borner，K.，2016.大规模网络聚类算法和聚类质量度量分析。PLoSONE11（7）.https://doi.org/10.1371/journal.pone.0159161网站。古普塔河，巴西-地Singha，N.，Singh，Y.N.，2016.非结构化P2P网络中基于信誉度的概率资源分配方法。对等网络Appl·9（6），1101-1113。Istiaque，S.，Dongyu，Q.，Brigitte，J.，2017. P2P流媒体直播系统中搭便车者的建模。2017年计算机、网络和通信研讨会（CNC）。Manaf，Zghaibeth，2018.O-Torrent：一种公平，健壮，免费的P2P内容分发机制。施普林格科学与商业媒体，纽约。https://doi.org/10.1007/s12083-017-0563-7网站。MeaghanO.2015.Ayo ： 约 鲁 巴 游 戏 板 。 [ 联 机 ] 。 可 访 问 ：www2.clarku.edu/faculty/jborgatti/discover/1meaghan/ayo.htm> （ 2020 年 5 月22日上午12：24访问）。巴巴通德岛Simon Biaou，A.O.奥卢瓦托普Odukoya等人沙特国王大学学报2460Mohammed，Onimisi Yahaya，2015.缓解对等网络中的搭便车：博弈论方法。 尼日利亚J. Technol. （NIJOTECH）34（2），Li375-Li384.Molijn，P.，2014. P2P网络分类。硕士论文，荷兰开放大学，细胞遗传学和基因组研究91，第1号，Vo。第4页。52比56Sasabe，M.，2018年对等流媒体中最优分片流的分析Comput Networks 139，60Shahriar，D. Qiu，Jaumard，B.，2017. P2P环境下少量观众流媒体直播信道模型分析。并行、网格、云和互联网计算（3PGCIC）。Yuan，X.，Min，G.，杨中尉丁，Y.I.，方，Q.2017年。基于博弈论的地理分布式数据中心云动态资源分配策略。 未来一代Comput.系统76，63-72。