基于机器学习的动态信誉评估模型研究

被引：17

作者：

陈菲菲

桂小林

机构：

[1] 西安交通大学计算机科学与技术系

来源：

计算机研究与发展 | 2007年 / 02期

关键词：

机器学习; 信誉; 信誉级别; 模糊信誉综合; 网络安全;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

为在开放网络环境中建立资源消费者(用户)和资源提供者(主机)之间的信任关系,提出基于机器学习的动态信誉评估模型.模型中用户的信誉级别可以根据其行为和一些其他监测数据动态变化,而资源的信誉级别也可以根据用户对资源所提供服务的评价动态变化.给出了用于生成评估规则和信誉级别的模糊信誉级别评估算法(FTEA),算法采用基于规则的机器学习方法,具有从大量输入数据中自学习以获取评估规则的能力.实验结果表明,1000组输入数据能够生成理想的规则库,并且算法执行时间随输入判定因素数目成指数形式增长,因此需要选择5～6个因素和1000个左右的样本数据以进行系统实现.

引用

页码：223 / 229

页数：7