پیشنهاد یک فرایند تعمیم یافته رتبه بندی تجربه برای چارچوب ntropi

مکانیزم اعتماد به عنوان یک راه حل کلیدی برای حل مشکل امنیت در سیستم های چند عاملی در نظر گرفته می شود. ایجاد اعتماد در اینترنت ساده نیست زیرا ابزارهای سنتی فیزیکی و اجتماعی اعتماد نمی توانند به طور مستقیم در محیط های مجازی بکار گرفته شوند. در بسیاری موارد طرف های درگیر حتی از قبل با هم تعاملی نداشته اند. سیستم های شهرت می توانند در بازارها و انجمن های برخط به منظور ترغیب کیفیت و رفتار خوب و جلوگیری از کیفیت پایین و رفتار بد بکار گرفته شوند. مدل ntropi چارچوبی برای تسهیل محاسبه اعتماد و تبادل اطلاعات مربوط به شهرت در سیستم های چند عاملی نامتمرکز می باشد که توسط farez abdul-rahman ارایه شده است. در این مدل محاسبه اعتماد از توصیه ها از طریق یک الگوی موردی انجام می شود. در این پایان نامه یک روش آماری و تعمیم یافته برای محاسبه شهرت ارایه می شود. ما یک مدل ساخت اعتماد خودکار بر اساس استنتاج بیزی و توزیع دیریکله ارایه می کنیم. توزیع های پیشین دیریکله همیشه قابلیت انعطلاف لازم را بوجود نمی آورند؛ بنابراین ما مدل های کنونی که از توزیع دیریکله استفاده می کنند را با ارایه روش هایی برای تخمین پارامترها برای این توزیع ها ارتقاء داده ایم. در شبیه سازی، مدل ntropi که قبلاً پیاده سازی نشده است پیاده سازی می شود و کارایی آن از طریق تجربی هم مشاهده می شود علاوه بر آن شبیه سازی نشان می دهد که با الگوریتم جدید شهرت، کارایی مدل ntropi افزایش می یابد. همچنین روشی برای مقابله با رتبه بندی غیر منصفانه ارایه می شود که مدل ntropi فاقد آن است. همچنین در مدل ntropi راهی برای دوباره اعتماد کردن به عامل هایی که در سیستم غیر قابل اعتماد شناخته شده است وجود ندارد. در این پایان نامه یکپارچه سازی مکانیزم بخشش با چارچوب ntropi را با ارایه مدل تیوری و عملی بخشش پیشنهاد می کنیم. نتایج شبیه سازی نشان می دهد در صورتی که عامل ها قادر باشند یکدیگر را ببخشند کارایی کل سیستم افزایش می یابد.