论文研究 基于行为监控和数据挖掘的动态信任模型.pdf

实体之间的信任关系发生在一定的上下文中，其信任值与影响信任值的多个行为属性之间的关系复杂而且多变，很难用一个一成不变的函数去描述。根据软件传感器监测到的历史行为数据和目标信任值，利用logistic回归分析方法和成对分类法对行为属性与信任值之间的关系模式进行自适应的数据挖掘与知识发现，不需要任何的先验知识和主观假设，从而有效解决了信任值计算的动态性和客观性等问题。实验结果表明，与已有模型相比，该模型的平均误差率和计算效率都有所提高，能够快速有效地分类出实体间的信任等级。