[发明专利]一种大数据信任评估方法

权利要求书

1.一种大数据信任评估方法，其特征在于，所述方法包括：

通过信任收集器收集大数据提供商下的数据源的可信度并存储在信任值数据库；

获取大数据需求商通过信任评估代理发送的对特定数据源的可信度查询请求；

基于可信度查询请求查询信任值数据库是否存储有对特定数据源的可信度；

在信任值数据库未存储有待查询的特定数据源的可信度的情况下，对邻居信任处理代理发送查询请求；

接收由邻居信任代理反馈的可信度；

在信任值数据库存储有待查询的特定数据源的可信度的情况下，直接获取对特定数据源的可信度；

将获取到的可信度发布至大数据需求商的信任评估代理；

其中，所述邻居信任处理代理表示可信任的信任处理代理，信任处理代理之间通过生产消费关系建立邻居关系；

所述方法还包括：

接收大数据需求商对特定数据源的综合可信度的获取请求；

基于对特定数据源的获取请求，计算特定数据源的推荐可信度并在信任数据库中查询结果；

其中，间接可信度是通过遍历获取的其他数据源所存储的直接可信度进行计算的，所述推荐可信度则表示特定数据源所处的大数据网络对特定数据源的评价，所述信任传播网络由相互之间存在邻居关系的至少两个信任处理代理组成；

根据遍历结果计算特定数据源的间接可信度并根据特定数据源的间接可信度和特定数据源的推荐可信度计算特定数据源的综合可信度包括：

根据遍历结果确认从其他信任处理代理处获取到的特定数据源的直接可信度及特定数据源的直接可信度的获取路径并根据特定数据源的直接可信度及特定数据源的直接可信度的获取路径计算特定数据源的间接可信度；

根据特定数据源的间接可信度和特定数据源的推荐可信度计算特定数据源的综合可信度；

其中，设在t时刻，所述综合可信度为T，直接可信度为T_d(t)，间接可信度为T_i(t)，推荐可信度为T_r(t)，则其计算方式为：

所述综合可信度为：

其中，所述t表示在信任计算器计算综合可信度T的时刻；

所述直接可信度通过可能性计算公式进行计算，具体为：

对于直接可信度T_d(t)而言，命题A应为框架内的信任焦元{T}，综上所述，直接可信度T_d(t)的计算方式为：

其中，|{T}|＝1,|{T,-T}|＝2，|A|表示焦元A所包含的元素数量，|Θ|表示识别框架Θ所包含的元素数量，所述识别框架Θ包括信任{T}、不信任{-T}、不确定{T,-T}这3个焦元，{-T}表示特定数据源为不可信任的，{T}表示特定数据源为可信任的，{T,-T}表示特定数据源为不确定是否可信任的；

所述间接可信度为：

其中，P_x(t)表示信任收集器获取到特定数据源的直接可信度的第x条路径的衰减可信度，T_xy表示第x条路径上第y个信任处理代理的信用传递的衰减程度，T_xy(t)＝a_xy，a_xy表示第x条路径上第y个信任处理代理的衰减系数，⊕表示信任的聚合算法或表示算术平均，表示信任处理代理之间的直接可信度的传递；

所述推荐可信度为：

其中，设F表示待验证的特定数据源，PR_F(t)表示t时刻数据源F在大数据生产消费关系网络中的排名值PR，T_r(t)是大数据数据源F的推荐值，且是数据源F排名值PR_F(t)的归一化结果；PR_max(t)和PR_min(t)分别代表t时刻大数据生产消费关系网络中的最大排名值和最小排名值。