构建信任网络与传递信任

除了针对交易网络中的单节点信任评估研究和群体信任评估研究之外，部分学者还对信任网络的构建和信任传递进行了研究，以探索更高效的信任网络构建方法，实现更精确的信任传递过程，为单节点信任评估和群体信任评估提供更基础的保障。

针对电子商务环境中交易实体间的信任关系难以量化计算、信任传递过程冗余复杂等问题，甘早斌等人（2012）[82]结合社会网络中的认知理论和方法，分析电子商务实体间的关系及交易相关属性，将节点间的关系进行类型区分，将节点分为以下6种类型：

（1）S为源节点集合，S={s|s∈N，且s为源节点}；

（2）T为源节点集合，T={t|t∈N，且t为目标节点}；

（3）I为中间节点集合，I={i|i∈N，i∉S，i∉T}；

（4）R为推荐关系节点集合，R⊂N；

（5）F为朋友关系节点集合，F={i＠j|i，j∈N}，其中＠表示节点的信任关系程度；(www.xing528.com)

（6）Tv对应于F中朋友关系之间的信任值集合。

然后基于这些节点类型，提出了3条节点关系处理优化规则RN、CNM、CWBN，并生成了一套电子商务信任网络构造和优化算法，通过仿真实验验证，表明该算法可以有效降低信任评估算法的复杂度，为信任传递和信任计算提供更好的理论研究基础。

JØsang A等人（2006）[83]则对信任领域、信任传递属性等内容进行分析，提出了一种基于主观逻辑理论（TNA-SL）的信任网络构建和优化方法，该方法将信任网络作为一个直接联通图（DSPG）进行处理，将用户之间的推荐可信度作为参考信任，将用户能够执行某种行动作为功能信任，采用启发式搜索方法来生成得到一个最优DSPG，完成信任网络的构建和优化。信任网络中节点的声誉值采用公式2-10进行计算。

Rt（Z）为节点Z在时刻t的声誉值，a表示信任网络中所有节点的基本声誉值，r和s表示节点Z在过去时刻被观察到的正面和负面评价次数。

Zhiyuan Su等人（2014）[84]则对现有的信任传递模型进行梳理，比较它们在五种常见电子商务攻击模式下的表现。结果表明，不管是在限制条件信任传递还是在统一条件信任传递过程中，引入节点的相似度因素都能够有效提高信任模型的抗攻击能力。并且，在这两种信任传递模式引入时间衰减因子，也可以提高信任模型的抗共谋攻击能力。