基於強弱聯繫反饋的多媒體社交網絡信譽值計算方法
2023-10-08 17:53:54 1
基於強弱聯繫反饋的多媒體社交網絡信譽值計算方法
【專利摘要】本發明公開了一種基於強弱聯繫反饋的多媒體社交網絡信譽值計算方法，主要解決現有技術在多媒體社交網絡中用戶信用程度的表示問題。其方法步驟為：劃分網絡強聯繫和弱聯繫用戶、計算用戶內容評價值、計算用戶行為評價值、計算用戶階段評價值、計算用戶信譽值。本發明充分考慮多媒體社交網絡中用戶間的身份關係，使用內容評價值和行為評價值表示用戶在信譽周期內的表現情況，提高了信譽值計算的綜合性和準確性，降低了惡意用戶和共謀用戶對信譽值的影響；利用衰落窗口機制充分考慮信任隨時間變化的特點，提高了信譽值計算的全面性。
【專利說明】基於強弱聯繫反饋的多媒體社交網絡信譽值計算方法
【技術領域】:
[0001]本發明屬於網際網路【技術領域】，具體涉及一種基於強弱聯繫反饋的多媒體社交網絡信譽值計算方法。
【背景技術】:
[0002]隨著近年來，通信、網絡及計算機技術的迅速發展，網際網路進入以用戶為中心的WEB2.0時代。作為多媒體分享技術與社交網絡技術的結合產物，多媒體社交網絡不同於用戶被動接受多媒體數據內容方式的傳統網絡，它為用戶提供了一個動態、開放平臺，允許用戶主動參與到多媒體數字服務的共享與監督之中。該網絡形態是以用戶為主體，通過用戶之間的聯繫而形成。經過近十年的發展，社交網絡已經發展成從傳統虛擬社區到以用戶為中心的分布式網絡。「無中心」的結構特徵同樣為數據的快速、廣泛傳播創造了條件。傳播方式也兼具有一對一、一對多的傳播形態。
[0003]多媒體社交網絡具有個體性、傳播高效性、分享性、交流下等特點。這些特徵給大眾提供便利的同時，也給網絡安全帶來隱患。多媒體數據的分享與傳播往往會帶來非安全數據的欺騙、相同數字內容大量冗餘、數字版權混亂和惡意內容擴散迅速等問題。與針對以上問題，一個主要的解決方案是採用數字版權管理技術。但由於數字版權技術嚴格的控制技術與管理自主、傳播快速的多媒體社交網絡的發展存在一定的衝突，並且在控制的「度」上目前也沒有完全界定。因此，工業界和學術界尋求更佳的技術方法，而信任被認為是解決多媒體社交網絡問題的重要方法。信任是構建社會關係的基礎，是構建社交網絡的基石，並且信任管理具有獨立性、動態性、軟硬體要求小等特點。採用信任管理方案被認為是解決多媒體社交網絡安全問題的重要手段，對建立可信度高、健康傳播的多媒體社交網絡具有重要意義。
[0004]Zhang Zhiyong 等在 Social Network Analysis and Mining 上發表的文章「Atrust model for multimedia social networks」提出了一種基於小世界理論的多媒體社交網絡的信任模型。該模型利用直接信任關係和推薦信任關係，並分別建立了直接信任評估模型和推薦信任模型，最終得到綜合的信任評估模型。但該文章所提及信任模型存在以下問題:首先該方法沒有考慮到各個反饋用戶與目標用戶的關係，不能準確反映出社交網絡的社會性特點。其次該模型只是簡單考慮到數字內容的基本屬性，未考慮到網絡中用戶的行為。最後信任評價模型中直接信任和推薦信任權重值沒有給出，不能動態地反映多媒體社交網絡中信任情況。
[0005]Nepal 等在 Trust, Security and Privacy in Computing and Communications 發表的文章「Strust: a trust model for social networks」中米用公眾信任值和參與信任值進行融合得到最終信任值。但該模型存在以下問題:首先該信任模型沒有涉及到網絡的信任關係，更沒有考慮用戶間的關係。其次，該方法對信任的時間性考慮不周到，未準確反映信譽值隨時間衰落的特點。
【發明內容】
:
[0006]本發明針對現有技術的不足，提出一種基於強弱聯繫反饋的多媒體社交網絡信譽值計算方法，可在對用戶進行強聯繫和弱聯繫用戶劃分的基礎上，考慮內容評價值和行為評價值，結合衰落窗口機制，以提高多媒體社交網絡中信譽值計算的全面性、合理性和準確性，有效抵制惡意反饋和共謀攻擊，並促進健康的數據在網絡中的擴散和抑制惡意數字內容的傳播。
[0007]為了實現上述目的，本發明基於強弱聯繫反饋的多媒體社交網絡信譽值計算方法，包括如下步驟:
[0008](I)初始化:將多媒體社交網絡中用戶信譽值的初始值設定為0.5，將用戶的內容評價值和行為評價值設定為0.5，將用戶的內容評價狀態值和行為評價狀態值設定為O ;
[0009](2)劃分強聯繫和弱聯繫用戶:
[0010](2a)按下式計算用戶Ui和用戶Uj的同質性:
[0011]H=R.S
[0012]其中，H表示用戶Ui和用戶Uj的同質性，R表示用戶Ui的信譽值，R e [0，I]，S表示用戶Ui和用戶Uj的屬性相似度，S e [O, I]；
[0013](2b)按照帕累託分 布計算用戶強聯繫和弱聯繫用戶劃分值:
[0014]
【權利要求】
1.一種基於強弱聯繫反饋的多媒體社交網絡信譽值計算方法，其包括如下步驟: (1)初始化:將多媒體社交網絡中用戶信譽值的初始值設定為0.5，將用戶的內容評價值和行為評價值設定為0.5，將用戶的內容評價狀態值和行為評價狀態值設定為O ; (2)劃分強聯繫和弱聯繫用戶: (2a)按下式計算用戶Ui和用戶Uj的同質性:
H=R.S 其中，H表示用戶Ui和用戶Uj的同質性，R表示用戶Ui的信譽值，R e [O, I]，S表示用戶Ui和用戶Uj的屬性相似度，S e [O, I]； (2b)按照帕累託分布計算用戶強聯繫和弱聯繫用戶劃分值:
2.根據權利要求1所述的基於強弱聯繫反饋的多媒體社交網絡信譽值計算方法，其中步驟(2a)所述的強聯繫和弱聯繫用戶的屬性相似度計算如下:
3.根據權利要求1所述的基於強弱聯繫反饋的多媒體社交網絡信譽值計算方法，其中
步驟(2c)所述的帕累託分布，分布律滿足Kx) =
4.根據權利要求1所述的基於強弱聯繫反饋的多媒體社交網絡信譽值計算方法，其中步驟(2d)中所述的多媒體社交網絡中強聯繫和弱聯繫用戶的劃分算法的根據「三度影響力」理論，認為強聯繫用戶的影響力超出三度後即消失。
5.根據權利要求1所述的基於強弱聯繫反饋的多媒體社交網絡信譽值計算方法，其中步驟(3b)中所述平均內容評價狀態值均值的計算步驟如下: 第一步:內容評價狀態值表示用戶Uk對用戶Ux發布內容的滿意情況，服從兩點分布，其分布律為
6.根據權利要求1所述的基於強弱聯繫反饋的多媒體社交網絡信譽值計算方法，其中步驟(5a)中所述貝葉斯估計的參數設定如下:平均行為評價狀態值均值的共軛先驗分布為正態分布，其後驗分布滿足正態分布，設定該分布的均值為階段評價值。
7.根據權利要求1所述的基於強弱聯繫反饋的多媒體社交網絡信譽值計算方法，其中步驟(6a)中所述的目標用戶Ux確定信譽值時採用衰落窗口機制，服從以下規則:衰落窗口函數為連續的增函數；若信譽周期序號t小於窗口大小IWinI，空缺的階段評價值由初始階段評價值代替計算；若信譽周期數序號t大於窗口大小IWinI，截取從當前信譽周期為起始點，數量為窗口大小的過往階段評價值進行計算。
【文檔編號】G06F17/30GK103631898SQ201310589064
【公開日】2014年3月12日 申請日期:2013年11月19日 優先權日:2013年11月19日
【發明者】裴慶祺, 嚴定宇, 馬立川, 李子 申請人:西安電子科技大學