[论文解读] 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 5

一句话总结

本文提出了一种用于代理中介电子市场的动态声誉模型，该模型可过滤不诚实顾问的意见，并根据交易价值和一致性动态加权诚实顾问的反馈。通过按交易价值成比例单调增加可靠顾问的声誉，该模型增强了信任度，并提高了在共享声誉系统中抵抗操纵的能力。

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.

研究动机与目标

• 解决代理中介电子市场中不诚实顾问操纵声誉系统的问题。
• 通过更稳健的声誉聚合机制降低因不可靠参与者导致的损失风险。
• 通过根据交易价值和一致性动态提高声誉权重，激励诚实顾问。
• 开发一种对顾问行为和当前交易情境敏感的系统，以提升可信度。

提出的方法

• 该模型通过过滤不公平或不诚实的顾问意见，计算聚合的共享声誉。
• 它根据顾问的过往行为和可靠性，动态调整每位顾问意见的权重。
• 诚实顾问的声誉增加量与当前交易的价值成单调正比。
• 一种反馈过滤机制通过分析意见的一致性和偏离程度，检测并抵抗不诚实顾问。
• 该系统通过在声誉计算中赋予一贯、真实反馈更高的影响力，鼓励买家之间的合作。
• 该方法将多智能体系统原理与社交网络动态相结合，以在去中心化电子市场中维持信任。

实验结果

研究问题

• RQ1 如何在代理中介电子市场中有效检测并过滤不诚实顾问的意见？
• RQ2 哪些机制可以根据顾问的可信度和交易价值，动态加权其反馈？
• RQ3 系统如何激励作为顾问的买家长期保持诚实行为？
• RQ4 动态加权在多大程度上提升了共享声誉系统的准确性和抗压能力？
• RQ5 该模型在不同水平的顾问不诚实性和交易价值下，如何维持信任？

主要发现

• 该模型通过基于一致性的检测机制，成功过滤了不公平或不诚实的顾问意见。
• 诚实顾问的声誉权重与交易价值成正比增加，从而激励其提供真实反馈。
• 动态加权机制通过优先考虑一贯且高质量的贡献者，提高了聚合声誉得分的可靠性。
• 与静态声誉模型相比，该系统表现出更强的抗操纵能力。
• 该方法通过赋予长期诚实贡献者更大的声誉计算影响力，促进了买家之间的合作。
• 由于采用了自适应过滤和加权策略，即使部分顾问行为不诚实，该模型仍能维持可信度。