基于认知学习的动态信任关系的度测机理研究

在网格、P2P和普适计算等各种开放式网络应用环境中，涉及数目巨大的、处在不同安全域的计算资源与软件实体，大量资源的接入，实体行为的动态变化，使得网络的各个实体之间难以建立动态的信任关系。研究和探索动态信任关系的度量与预测（简称度测）机理已成为动态信任管理技术的基础性工作，并成为急需解决的科学问题。本项目在感知网络实体行为和剖析行为间关系的基础上，研究信任关系的多维属性和心理认知特征，探索基于认知学习的动态信任关系度测机理，克服传统方法对环境特征和应用行为适应不足的问题。具体引入本体论、粗糙集、粒计算和信息熵等认知学习领域的前沿理论与方法，建立动态信任关系的形式化概念模型，研究行为感知与分析技术，提出信任度量与分配方法，改进基于机器学习的信任关系推理与决策算法，实现基于决策的信任预测与反馈。本项目的研究成果对于可信网络、可信系统和可信软件的研究具有良好的指导和借鉴作用。