[論文レビュー] A Dynamic Model for Sharing Reputation of Sellers among Buyers for Enhancing Trust in Agent Mediated e-market

Vibha Gaur, Neeraj Kumar Sharma+1 more|arXiv (Cornell University)|Jan 18, 2012

Access Control and Trust参考文献 17被引用数 5

ひとこと要約

本論文は、取引価値と一貫性に基づいて誠実なアドバイザーのフィードバックを動的に重み付けする、不誠実なアドバイス意見をフィルタリングする動的レピュテーションモデルを提案する。信頼できるアドバイザーのレピュテーションを取引価値に比例して単調に増加させることで、共有レピュテーションシステムにおける信頼性を高め、操作に対して耐性を持つ。

ABSTRACT

Reputation systems aim to reduce the risk of loss due to untrustworthy participants. This loss is aggravated by dishonest advisors trying to pollute the e-market environment for their self-interest. A major task of a reputation system is to promote and encourage advisors who repeatedly respond with fair advice and to apply an opinion filtering or honesty checking mechanism to detect and resist dishonest advisors. This paper provides a dynamic approach to compute the aggregated shared reputation component by filtering out unfair advice and then generating the aggregated shared reputation value. The proposed approach is dynamic in nature as it is sensitive to the behaviour of advisors, value of the current transaction and encourages the cooperation among buyers as advisors. It provides incentive to honest advisors in lieu of repeated sharing of honest opinion by increasing the weight of their opinion and by making the increase in the reputation of honest advisors monotonically proportional to the value of a transaction.

研究の動機と目的

• エージェント主導の電子市場における不誠実なアドバイザーによるレピュテーションシステムの操作問題に対処すること。
• より強固なレピュテーション集約メカニズムにより、信頼できない参加者による損失リスクを低減すること。
• 取引価値と一貫性に基づいてレピュテーション重みを動的に増加させることで、誠実なアドバイザーをインcentivizeすること。
• アドバイザー行動と現在の取引文脈に敏感なシステムを構築し、信頼性を向上させること。

提案手法

• モデルは、不公正または不誠実なアドバイザーの意見を除外することで、集約された共有レピュテーションを計算する。
• アドバイザーの過去の行動と信頼性に基づいて、各アドバイザーの意見の重みを動的に調整する。
• 誠実なアドバイザーのレピュテーション増加は、現在の取引価値に単調に比例する。
• フィードバックのフィルタリング機構は、意見の一貫性と乖離を分析することで、不誠実なアドバイザーを特定・抵抗する。
• システムは、一貫性があり真実のフィードバックを提供する者に高い影響力与えることで、買い手間の協力を奨励する。
• マルチエージェントシステムの原則とソーシャルネットワークダイナミクスを統合し、分散型電子マーケットプレイスでの信頼維持を実現する。

実験結果

リサーチクエスチョン

• RQ1 どのようにしてレピュテーションシステムが、エージェント主導の電子市場において不誠実なアドバイザーの意見を効果的に検出・フィルタリングできるか？
• RQ2 信頼性と取引価値に基づいて、アドバイザーのフィードバックを動的に重み付けるメカニズムは何か？
• RQ3 長期間にわたり誠実な行動を取る買い手（アドバイザーとして）をどのようにインセンティブ化できるか？
• RQ4 動的重み付けは、共有レピュテーションシステムの正確性とレジリエンスをどの程度向上させるか？
• RQ5 アドバイザーの不誠実な行動と取引価値の変動という状況下でも、モデルはどのようにして信頼性を維持するか？

主な発見

• 一貫性に基づく検出メカニズムにより、本モデルは不公正または不誠実なアドバイザーの意見を効果的にフィルタリングした。
• 誠実なアドバイザーは、取引価値に比例してレピュテーション重みが増加し、真実のフィードバックを提供するインcentiveが得られる。
• 動的重み付けメカニズムにより、一貫性があり高品質な貢献者を優遇することで、集約されたレピュテーションスコアの信頼性が向上した。
• 静的レピュテーションモデルと比較して、本システムは操作に対する耐性が向上した。
• 長期的に誠実な貢献者に高い影響力を与えることで、買い手間の協力を促進する。
• 適応的フィルタリングと重み付け戦略のおかげで、一部のアドバイザーが不誠実に行動しても、信頼性が維持された。