基于个体视角的抗攻击信誉评价模型研究与实现

2022-10-06

随着电子商务的迅猛发展, 人们逐渐意识到信任的缺失是阻碍电子商务发展的一个重要障碍[1]。相对传统商务活动来说, 由于网络具有匿名性和虚拟性等特点, 致使电子商务在实际应用中建立信任更加困难[2]。在此背景下, 研究电子商务中的用户信任影响因素, 并建立起相应的信任机制的意义显得尤为重大。

一、典型信誉评价模型

为解决不公平评分问题, 各领域学者已经提出了各种各样的模型。主要分为三类方法, 分别是:基于过滤的方法 (如:BRS和i Club) 、基于折扣的方法 (如:TRAVOS、Referral Chain、Personalized) 和基于进化的方法 (如:MET) 。然而, 这些模型都不能完全抵抗各种策略性攻击。具体来说, 当不诚实的评价者占很大比例的时候, BRS的有效性很低, i Club也变得非常脆弱, 因为这两种模型都采用了“大多数原则”;当不诚实的评价者采用策略性攻击时, TRAVOS也不能很好地抵抗这种攻击, 因为TRAVOS模型的提出就假设评价者的行为是一致的;Referral Chain设置每一个新的买家用户信任值为1, 这使得一些不诚实的建议者在信誉变低时, 重新注册帐号进入电子商务市场;当买家与评价者没有足够多的共同交易经验以及大多数评价者不诚实时, Personalized就会变得非常脆弱;当买家信任的评价者含有大量的不诚实的评价者时, MET模型的抗攻击性就会减弱。

二、基于个体视角的抗攻击信誉评价模型

为解决不公平评分问题, 本文基于用户个体视角提出了一种新的信誉模型, 即ISAAA模型。

本文模型整个实现过程主要包括以下4步: (1) 获得每一个商家最近交易过的r个评价者; (2) 买家与r个评价者联系并获得他们的可信评价者列表以及他们对列表的满意度; (3) 获取买家B在交易之前的初始的可信评价者列表;买家B的历史交易商家列表;与推荐的k个商家最近评价过的r个买家的可信评价者列表;与推荐的10个商家最近评价过的r个评价者对它们自身可信评价者列表的满意度。最后通过进化方法获得买家B对推荐的10个商家的可信评价者列表, 返回给搜索agent; (4) 将第3步得到的可信评价者列表作为输入, 然后选择最适合买家B交易的商家。

三、实验及结果分析

(一) 实验设置

本实验平台模拟了一个“垄断市场”的情景, 设置两个垄断的商家, 分别为诚实的和不诚实的, 他们占据了市场中的大部分交易, 其中不诚实的垄断商家试图通过不诚实的评价者进行不公平的评分与诚实的垄断商家进行竞争。通过比较他们的交易量大小, 信誉值变化等信息判断模型的好坏。其他的商家, 包括99个诚实的和99个不诚实的, 其信誉值符合均匀分布, 属于[0, 1]。在没有女巫攻击下, 实验环境中添加12个不诚实的买家和28个诚实的买家, 在有女巫攻击时交换诚实和不诚实买家的数量。时间是100天, 买家每次只选择一个商家进行交易。

(二) 实验结果

通过一系列攻击性实验来比较各模型的抗攻击性。实验结果如表1所示, 通过均值和方差来展示, 其中粗体表示最好的结果。

从表2整体上可以看到, ISAAA模型对伪装攻击、女巫攻击、漂白攻击和女巫漂白攻击的抵御能力是最强的。TRAVOS对女巫攻击的抗攻击性很弱, 这是因为在买家购物经历不足情况下, TRAVOS不能发现足够多的参考商家, 因此, 不能对评价者的评分进行有效地折扣。

由图1可知, ISAAA模型防御女巫攻击过程中, 不诚实的垄断商家的信誉值明显低于其他模型, 这从侧面验证了实验结果的准确性。

四、结语

本文在主流的信誉系统的基础上, 综合信任等信用相关原理, 通过深入分析信誉系统理论和方法, 提出一种新的基于个体视角的抗攻击的信誉评价模型ISAAA模型。该模型设计中包括电子商务信用评价指标的设计, 信任度和满意度的设计和计算方法等, 可以为进行电子商务交易的双方提供可靠的信任关系, 帮助消费者选择更诚信的商家, 购买到满意的商品。

摘要：在线信誉评价系统可以为交易双方提供可靠的信任关系, 其中信誉评价模型是信誉系统的核心部分, 具有十分重要的研究意义。本文分析了电子商务市场现状以及典型的信誉模型的优缺点, 提出了基于个体视角的抗攻击信誉评价模型, 该模型综合考虑了交易次数、交易时间、买家的风险态度等影响信任评估的各种因素, 验证了信誉评价模型抵抗各种攻击的健壮性和有效性, 证明了该信誉评价模型比其他模型在抗攻击方面更有优势。

关键词：电子商务,信誉评价模型,抗攻击