群体信任评估方法：一种思路

移动通信技术和移动社交网络的发展，使社交网络在人们生活、工作、出行中的作用变得更加重要，人们常常通过社交网络咨询相关朋友、熟人、专家的意见和建议，因此，社交网络中的可信用户群体信任评估方法显得尤为重要。

Al-Oufi S等人（2012）[80]提出了一种针对在线社交网络进行可信用户群体识别的信任评估方法。该方法使用公式2-4来计算用户的信任权重。

其中，Wu，v代表用户u对用户v的信任权重，O（u）和O（v）分别为用户u和v的出度邻居集合。在获得了用户间的信任权重后，再通过公式2-5来选择最大信任权重路径，计算得到1跳连接之外的用户信任容量。

其中，C（v）为通过公式2-5计算得到的1跳距离外的用户v的信任容量，IS（v）为从源用户u可达的用户v的入度邻居集合，d为距离衰减因子。通过公式2-5，便可以计算得到源用户u的信任网络中所有可达用户的信任容量，然后通过Ford-Fulkerson算法来对可信用户群体进行排序，并将可信用户群体进行输出。

Hur J等人（2016）[81]则针对电子商务中大规模群体共谋行为，提出了一种基于用户声誉计算的可信群体识别模型。该模型采用公式2-6和2-7来评估一个节点为恶意节点或诚信节点的概率。(www.xing528.com)

其中，为M次投票后，恶意节点产生i次错误投票的概率。为M次投票后，诚信节点产生i次正确投票的概率。并据此计算得到节点为诚信节点和恶意节点的概率Pgood（i）和Pbad（i）。并通过公式2-8验证了模型判断失效的概率。

其中，P1×N为电子商务网络中总的共谋者数量；f0为单个共谋成员被错误划分为诚信群体的概率，采用公式2-9进行计算。

群体信任评估方法的优势是计算效率较高，能对社会网络中的可信用户进行快速识别和处理；其缺点是单个节点的识别效果并不理想，且容易忽视节点的个性化因素的作用。