20.2.1 Trust RepresentationTrust mo

20.2.1 Trust Representation
Trust models come in many flavours and can be classified in several ways. In this chapter we focus on two such classifications, namely probabilistic versus gradual approaches, and representations of trust versus representations of both trust and distrust. Table 20.1 shows some representative references for each class.

A probabilistic approach deals with a single trust value in a black or white fashion— an agent or source can either be trusted or not—and computes a probability that the agent can be trusted. In such a setting, a higher suggested trust value corresponds to a higher probability that an agent can be trusted. Examples can, among others, be found in [66] in which Zaihrayeu et al. present an extension of an inference infrastructure that takes into account the trust between users and between users and provenance elements in the system, in [55] where the focus is on computing trust for applications containing semantic information such as a bibliography server, or in contributions like [32] in which a trust system is designed to make community blogs more attack-resistant. Trust is also often based on the number of positive and negative transactions between agents in a virtual network, such as in Kamvar et al.’s Eigentrust for peer-to-peer (P2P) networks [28], or Noh’s formal model based on feedbacks in a social network [44]. Both [25] and [51] use a subjective logic framework (discussed later on in this section) to represent trust values; the former for quantifying and reasoning about trust in IT equipment, and the latter for determining the trustworthiness of agents in a P2P system.

On the other hand, a gradual approach is concerned with the estimation of trust values when the outcome of an action can be positive to some extent, e.g. when provided information can be right or wrong to some degree, as opposed to being either right or wrong (e.g. [1, 11, 15, 21, 35, 59, 68]). In a gradual setting, trust values are not interpreted as probabilities: a higher trust value corresponds to a higher trust in an agent, which makes the ordering of trust values a very important factor in such scenarios. Note that in real life, too, trust is often interpreted as a gradual phenomenon: humans do not merely reason in terms of ‘trusting’ and ‘not trusting’, but rather trusting someone ‘very much’ or ‘more or less’. Fuzzy logic [29, 65] is very well-suited to represent such natural language labels which represent vague intervals rather than exact values. For instance, in [59] and [31], fuzzy linguistic terms are used to specify the trust in agents in a P2P network, and in a social network, respectively. A classical example of trust as a gradual notion can be found in [1], in which a four-value scale is used to determine the trustworthiness of agents, viz. very trustworthy - trustworthy - untrustworthy - very untrustworthy.

The last years have witnessed a rapid increase of gradual trust approaches, ranging from socio-cognitive models (for example implemented by fuzzy cognitive maps in [12]), over management mechanisms for selecting good interaction partners on the web [59] or for pervasive computing environments (Almen?arez et al.’s PTM [3]), to representations for use in recommender systems [15, 35], and general models tailored to semantic web applications [68].

Results (Thai) 2:

20.2.1 ความน่าเชื่อถือเป็นตัวแทน
รุ่นความไว้วางใจมาในรสชาติจำนวนมากและสามารถแบ่งได้หลายวิธี ในบทนี้เรามุ่งเน้นไปที่การจำแนกประเภทสองดังกล่าวคือความน่าจะเป็นเมื่อเทียบกับวิธีการอย่างค่อยเป็นค่อยไปและเป็นตัวแทนของความไว้วางใจกับการแสดงของทั้งสองความไว้วางใจและความไม่ไว้วางใจ ตารางที่ 20.1 แสดงให้เห็นถึงการอ้างอิงตัวแทนบางส่วนสำหรับแต่ละชั้นเรียน. ข้อเสนอที่น่าจะเป็นวิธีที่มีค่าความไว้วางใจเดียวในแฟชั่นสีดำหรือสีขาวเป็นตัวแทนหรือแหล่งที่มาก็จะสามารถเชื่อถือได้หรือไม่และคำนวณความน่าจะเป็นตัวแทนที่สามารถเชื่อถือได้ เช่นในการตั้งค่าความไว้วางใจแนะนำที่สูงขึ้นสอดคล้องกับความน่าจะเป็นสูงที่ตัวแทนสามารถเชื่อถือได้ ตัวอย่างสามารถหมู่คนอื่น ๆ พบได้ใน [66] ซึ่ง Zaihrayeu et al, นำเสนอส่วนหนึ่งของโครงสร้างพื้นฐานการอนุมานที่คำนึงถึงความไว้วางใจระหว่างผู้ใช้และระหว่างผู้ใช้และองค์ประกอบที่มาในระบบใน [55] ที่ให้ความสำคัญกับความไว้วางใจสำหรับการใช้งานคอมพิวเตอร์ที่มีข้อมูลความหมายเช่นเซิร์ฟเวอร์บรรณานุกรมหรือในการมีส่วนร่วม เช่น [32] ซึ่งในความไว้วางใจระบบถูกออกแบบเพื่อให้บล็อกชุมชนมากขึ้นทนการโจมตี ความน่าเชื่อถือนอกจากนี้ยังมักขึ้นอยู่กับจำนวนของการทำธุรกรรมในเชิงบวกและเชิงลบระหว่างตัวแทนในเครือข่ายเสมือนเช่นใน Kamvar et al. ของ Eigentrust สำหรับ peer-to-peer (P2P) เครือข่าย [28], โนห์หรือรูปแบบที่เป็นทางการอยู่บนพื้นฐานของ การตอบในเครือข่ายสังคม [44] ทั้งสอง [25] และ [51] ใช้กรอบตรรกะอัตนัย (กล่าวถึงในภายหลังในส่วนนี้) จะเป็นตัวแทนของค่าความไว้วางใจ; อดีตเชิงปริมาณและการให้เหตุผลเกี่ยวกับความไว้วางใจในอุปกรณ์ไอทีและหลังการพิจารณาความน่าเชื่อถือของตัวแทนในระบบ P2P. บนมืออื่น ๆ เป็นวิธีการอย่างค่อยเป็นค่อยไปเป็นกังวลกับการประมาณค่าความไว้วางใจเมื่อผลของการกระทำที่สามารถ บวกบางส่วนเช่นเมื่อให้ข้อมูลสามารถถูกหรือผิดในระดับหนึ่งเมื่อเทียบกับการเป็นทั้งที่ถูกหรือผิด (เช่น [1, 11, 15, 21, 35, 59, 68]) ในการตั้งค่าค่อยเป็นค่อยไปค่าความไว้วางใจไม่ได้ตีความว่าเป็นความน่าจะเป็น: ค่าความไว้วางใจสูงขึ้นสอดคล้องกับความไว้วางใจที่สูงขึ้นในตัวแทนซึ่งจะทำให้การสั่งซื้อของความไว้วางใจค่าเป็นปัจจัยที่สำคัญมากในสถานการณ์เช่นนี้ โปรดทราบว่าในชีวิตจริงด้วยความไว้วางใจถูกตีความมักจะเป็นปรากฏการณ์อย่างค่อยเป็นค่อยไป: มนุษย์ทำไม่ได้เป็นเพียงเหตุผลในแง่ของ 'ไว้วางใจ' และ 'ไม่ไว้วางใจ' แต่คนที่ไว้วางใจ 'มาก' หรือ 'มากขึ้นหรือน้อย' ตรรกศาสตร์ [29, 65] เป็นอย่างดีเหมาะที่จะเป็นตัวแทนฉลากภาษาธรรมชาติดังกล่าวซึ่งเป็นตัวแทนของช่วงเวลาที่ค่อนข้างคลุมเครือกว่าค่าที่แน่นอน ยกตัวอย่างเช่นใน [59] และ [31] คำภาษาเลือนจะใช้ในการระบุความไว้วางใจในตัวแทนในเครือข่าย P2P และในเครือข่ายทางสังคมตามลำดับ ตัวอย่างคลาสสิกของความไว้วางใจเป็นความคิดที่ค่อย ๆ สามารถพบได้ใน [1] ซึ่งในระดับสี่ค่าที่ใช้ในการตรวจสอบความน่าเชื่อถือของตัวแทน ได้แก่ ที่น่าเชื่อถือมาก - ที่น่าเชื่อถือ - ไม่น่าไว้วางใจ -. ไม่น่าไว้วางใจมากปีที่ผ่านมาได้เห็นการเพิ่มขึ้นอย่างรวดเร็วของวิธีการไว้วางใจอย่างค่อยเป็นค่อยไปตั้งแต่รุ่นทางสังคมและทางปัญญา (เช่นแผนที่ดำเนินการโดยองค์ความรู้เลือนใน [12]) มากกว่ากลไกการจัดการสำหรับการเลือกการมีปฏิสัมพันธ์ที่ดี คู่ค้าในเว็บ [59] หรือสภาพแวดล้อมการประมวลแพร่หลาย (อัลเมนอับ? arez et al. ของ PTM [3]) เพื่อแสดงการใช้งานในระบบ recommender [15 35] และรูปแบบทั่วไปที่เหมาะกับการใช้งานเว็บความหมาย [68 ]

Results (Thai) 3:

20.2.1 ไว้ใจแทน
เชื่อรุ่นมาในรสชาติมากและสามารถจำแนกได้หลายวิธี ในบทนี้เราเน้น 2 เรื่องดังกล่าว คือ ความน่าจะเป็นกับวิธีการแรก และตัวแทนของความไว้วางใจกับตัวแทนของทั้งสองไว้วางใจและไม่ไว้วางใจ . ตารางแสดงเดิมตัวแทนอ้างอิงสำหรับแต่ละชั้นเรียน

แนวทางการตรวจสอบค่าเชื่อเดียวในสีดำหรือสีขาวแฟชั่น - ตัวแทน หรือแหล่งที่สามารถเชื่อถือได้หรือไม่ และคำนวณความน่าจะเป็นที่ตัวแทนที่ไว้ใจได้ ในการตั้งค่าที่สูงแนะนำไว้วางใจค่าสอดคล้องกับความน่าจะเป็นสูงที่ตัวแทนที่ไว้ใจได้ ตัวอย่างสามารถ ในหมู่คนอื่น ๆสามารถพบได้ใน [ 66 ] ซึ่ง zaihrayeu et al .ปัจจุบันส่วนขยายของการอนุมานโครงสร้างพื้นฐานที่ใช้ในบัญชีไว้วางใจระหว่างผู้ใช้และระหว่างผู้ใช้และองค์ประกอบรากในระบบ ใน [ 55 ] ที่เน้นการคำนวณความน่าเชื่อถือสำหรับการใช้งานที่มีข้อมูลทางบรรณานุกรม เช่น เซิร์ฟเวอร์ หรือในการเขียน เช่น [ 32 ] ซึ่งระบบเชื่อถูกออกแบบมาเพื่อทำให้บล็อก ชุมชนโจมตีมากกว่าป้องกันเชื่อก็มักจะขึ้นอยู่กับจำนวนบวกและลบรายการระหว่างตัวแทนในเครือข่าย เสมือนจริง เช่น ใน kamvar et al . eigentrust สำหรับ Peer - to - Peer ( P2P ) เครือข่าย [ 28 ] หรือโนก็เป็นทางการ ใช้รูปแบบการตอบในเครือข่ายทางสังคม [ 44 ] ทั้ง [ 25 ] และ [ 51 ] ใช้กรอบตรรกะอัตนัย ( กล่าวถึงในภายหลังในส่วนนี้ ) เป็นตัวแทนของค่าความน่าเชื่อถืออดีตสำหรับปริมาณและเหตุผลเกี่ยวกับความไว้วางใจในอุปกรณ์ และหลังกำหนดความน่าเชื่อถือของตัวแทนในระบบ P2P .

ในมืออื่น ๆ , วิธีการทีละส่วน เกี่ยวข้องกับการประมาณค่าความไว้วางใจ เมื่อผลของการกระทำที่สามารถบวกได้บ้าง เช่น เมื่อให้ข้อมูลสามารถ ถูก หรือ ผิด ไปบางส่วนเป็นนอกคอกถูกเหมือนกัน ถูก หรือ ผิด ( เช่น [ 1 , 11 , 15 , 21 , 35 , 59 , 68 ] ) ในการตั้งค่าที่ค่อยๆ คุณค่า ไว้วางใจไม่ได้แปลตามความน่าจะเป็น : ค่าความน่าเชื่อถือที่สูงขึ้นสอดคล้องกับความน่าเชื่อถือที่สูงในตัวแทน ซึ่งจะทำให้การสั่งซื้อของค่าปัจจัยที่สำคัญมากในสถานการณ์ดังกล่าวเชื่อถือได้ ทราบว่าในชีวิตจริงด้วย เชื่อมักจะถูกตีความเป็นปรากฏการณ์แรก :มนุษย์ไม่เพียงเหตุผลในแง่ของ ' เชื่อใจ ' และ ' เชื่อใจไม่ แต่ไว้ใจบางคน ' มาก ' หรือ ' มากขึ้นหรือน้อยลง " ตรรกศาสตร์คลุมเครือ [ 29 , 65 ] เป็นอย่างดีเหมาะกับการเป็นตัวแทน เช่น ภาษา ธรรมชาติ ป้ายซึ่งเป็นตัวแทนของช่วงเวลาคลุมเครือมากกว่าคุณค่าที่แท้จริง ตัวอย่างเช่นใน [ 59 ] และ [ 31 ] , เงื่อนไขทางภาษาแบบที่ใช้เพื่อระบุความน่าเชื่อถือในตัวแทนใน P2P เครือข่ายและในเครือข่าย สังคม ตามลำดับ ตัวอย่างคลาสสิกของความไว้วางใจเป็นความคิดที่ค่อยๆสามารถพบได้ใน [ 1 ] ซึ่งในระดับที่ 4 ค่าคือใช้เพื่อตรวจสอบความน่าเชื่อถือของตัวแทน ได้แก่ น่าเชื่อถือมาก - เชื่อถือได้ - เสือก - ไม่น่าไว้ใจสำหรับ .

ปีล่าสุดได้เห็นการเพิ่มขึ้นอย่างรวดเร็วของความไว้วางใจทีละแนวตั้งแต่สังคมแบบการคิด ( ตัวอย่างเช่นการเลือนการแผนที่ใน [ 12 ] ) ผ่านกลไกการจัดการเพื่อการคัดเลือกพันธมิตรปฏิสัมพันธ์บนเว็บ [ 59 ] หรือสภาพแวดล้อมคอมพิวเตอร์แพร่หลาย ( อัลเมน ? arez et al . PTM [ 3 ] ) เพื่อใช้แทนสำหรับใช้ในการแนะนำระบบ [ 15 , 35 ] และทั่วไปรุ่นที่เหมาะกับการใช้งานเว็บทางความหมาย [ 68 ]