基于强弱联系反馈的多媒体社交网络信誉值计算方法
【专利摘要】本发明公开了一种基于强弱联系反馈的多媒体社交网络信誉值计算方法，主要解决现有技术在多媒体社交网络中用户信用程度的表示问题。其方法步骤为：划分网络强联系和弱联系用户、计算用户内容评价值、计算用户行为评价值、计算用户阶段评价值、计算用户信誉值。本发明充分考虑多媒体社交网络中用户间的身份关系，使用内容评价值和行为评价值表示用户在信誉周期内的表现情况，提高了信誉值计算的综合性和准确性，降低了恶意用户和共谋用户对信誉值的影响；利用衰落窗口机制充分考虑信任随时间变化的特点，提高了信誉值计算的全面性。
【专利说明】基于强弱联系反馈的多媒体社交网络信誉值计算方法
【技术领域】:
[0001]本发明属于互联网【技术领域】，具体涉及一种基于强弱联系反馈的多媒体社交网络信誉值计算方法。
【背景技术】:
[0002]随着近年来，通信、网络及计算机技术的迅速发展，互联网进入以用户为中心的WEB2.0时代。作为多媒体分享技术与社交网络技术的结合产物，多媒体社交网络不同于用户被动接受多媒体数据内容方式的传统网络，它为用户提供了一个动态、开放平台，允许用户主动参与到多媒体数字服务的共享与监督之中。该网络形态是以用户为主体，通过用户之间的联系而形成。经过近十年的发展，社交网络已经发展成从传统虚拟社区到以用户为中心的分布式网络。“无中心”的结构特征同样为数据的快速、广泛传播创造了条件。传播方式也兼具有一对一、一对多的传播形态。
[0003]多媒体社交网络具有个体性、传播高效性、分享性、交流下等特点。这些特征给大众提供便利的同时，也给网络安全带来隐患。多媒体数据的分享与传播往往会带来非安全数据的欺骗、相同数字内容大量冗余、数字版权混乱和恶意内容扩散迅速等问题。与针对以上问题，一个主要的解决方案是采用数字版权管理技术。但由于数字版权技术严格的控制技术与管理自主、传播快速的多媒体社交网络的发展存在一定的冲突，并且在控制的“度”上目前也没有完全界定。因此，工业界和学术界寻求更佳的技术方法，而信任被认为是解决多媒体社交网络问题的重要方法。信任是构建社会关系的基础，是构建社交网络的基石，并且信任管理具有独立性、动态性、软硬件要求小等特点。采用信任管理方案被认为是解决多媒体社交网络安全问题的重要手段，对建立可信度高、健康传播的多媒体社交网络具有重要意义。
[0004]Zhang Zhiyong 等在 Social Network Analysis and Mining 上发表的文章“Atrust model for multimedia social networks”提出了一种基于小世界理论的多媒体社交网络的信任模型。该模型利用直接信任关系和推荐信任关系，并分别建立了直接信任评估模型和推荐信任模型，最终得到综合的信任评估模型。但该文章所提及信任模型存在以下问题:首先该方法没有考虑到各个反馈用户与目标用户的关系，不能准确反映出社交网络的社会性特点。其次该模型只是简单考虑到数字内容的基本属性，未考虑到网络中用户的行为。最后信任评价模型中直接信任和推荐信任权重值没有给出，不能动态地反映多媒体社交网络中信任情况。
[0005]Nepal 等在 Trust, Security and Privacy in Computing and Communications 发表的文章“Strust: a trust model for social networks”中米用公众信任值和参与信任值进行融合得到最终信任值。但该模型存在以下问题:首先该信任模型没有涉及到网络的信任关系，更没有考虑用户间的关系。其次，该方法对信任的时间性考虑不周到，未准确反映信誉值随时间衰落的特点。
【发明内容】
:
[0006]本发明针对现有技术的不足，提出一种基于强弱联系反馈的多媒体社交网络信誉值计算方法，可在对用户进行强联系和弱联系用户划分的基础上，考虑内容评价值和行为评价值，结合衰落窗口机制，以提高多媒体社交网络中信誉值计算的全面性、合理性和准确性，有效抵制恶意反馈和共谋攻击，并促进健康的数据在网络中的扩散和抑制恶意数字内容的传播。
[0007]为了实现上述目的，本发明基于强弱联系反馈的多媒体社交网络信誉值计算方法，包括如下步骤:
[0008](I)初始化:将多媒体社交网络中用户信誉值的初始值设定为0.5，将用户的内容评价值和行为评价值设定为0.5，将用户的内容评价状态值和行为评价状态值设定为O ;
[0009](2)划分强联系和弱联系用户:
[0010](2a)按下式计算用户Ui和用户Uj的同质性:
[0011]H=R.S
[0012]其中，H表示用户Ui和用户Uj的同质性，R表示用户Ui的信誉值，R e [0，I]，S表示用户Ui和用户Uj的属性相似度，S e [O, I]；
[0013](2b)按照帕累托分 布计算用户强联系和弱联系用户划分值:
[0014]
【权利要求】
1.一种基于强弱联系反馈的多媒体社交网络信誉值计算方法，其包括如下步骤: (1)初始化:将多媒体社交网络中用户信誉值的初始值设定为0.5，将用户的内容评价值和行为评价值设定为0.5，将用户的内容评价状态值和行为评价状态值设定为O ; (2)划分强联系和弱联系用户: (2a)按下式计算用户Ui和用户Uj的同质性:
H=R.S 其中，H表示用户Ui和用户Uj的同质性，R表示用户Ui的信誉值，R e [O, I]，S表示用户Ui和用户Uj的属性相似度，S e [O, I]； (2b)按照帕累托分布计算用户强联系和弱联系用户划分值:
2.根据权利要求1所述的基于强弱联系反馈的多媒体社交网络信誉值计算方法，其中步骤(2a)所述的强联系和弱联系用户的属性相似度计算如下:
3.根据权利要求1所述的基于强弱联系反馈的多媒体社交网络信誉值计算方法，其中
步骤(2c)所述的帕累托分布，分布律满足Kx) =
4.根据权利要求1所述的基于强弱联系反馈的多媒体社交网络信誉值计算方法，其中步骤(2d)中所述的多媒体社交网络中强联系和弱联系用户的划分算法的根据“三度影响力”理论，认为强联系用户的影响力超出三度后即消失。
5.根据权利要求1所述的基于强弱联系反馈的多媒体社交网络信誉值计算方法，其中步骤(3b)中所述平均内容评价状态值均值的计算步骤如下: 第一步:内容评价状态值表示用户Uk对用户Ux发布内容的满意情况，服从两点分布，其分布律为
6.根据权利要求1所述的基于强弱联系反馈的多媒体社交网络信誉值计算方法，其中步骤(5a)中所述贝叶斯估计的参数设定如下:平均行为评价状态值均值的共轭先验分布为正态分布，其后验分布满足正态分布，设定该分布的均值为阶段评价值。
7.根据权利要求1所述的基于强弱联系反馈的多媒体社交网络信誉值计算方法，其中步骤(6a)中所述的目标用户Ux确定信誉值时采用衰落窗口机制，服从以下规则:衰落窗口函数为连续的增函数；若信誉周期序号t小于窗口大小IWinI，空缺的阶段评价值由初始阶段评价值代替计算；若信誉周期数序号t大于窗口大小IWinI，截取从当前信誉周期为起始点，数量为窗口大小的过往阶段评价值进行计算。
【文档编号】G06F17/30GK103631898SQ201310589064
【公开日】2014年3月12日 申请日期:2013年11月19日 优先权日:2013年11月19日
【发明者】裴庆祺, 严定宇, 马立川, 李子 申请人:西安电子科技大学