信譽系統是一種通過一些實體相互給出看法和評價,來試圖確定這些實體的等級和類別的合作性篩選算法。

這很類似於一種推薦系統, 但是和其他對實體的推薦不同(比如書籍、電影,或者是音樂),信譽系統是實體間的互相推薦。信譽系統可以使所謂的信任(Resnick et al. 2000)更容易被量化,隨着信譽更加明顯,這一系統也變得更加有效。

信譽系統對於大型在線社區是很有用的,用戶經常有機會和之前毫無經驗的用戶互動,也有像YouTubeFlickr這樣發布用戶生成內容的社區。在那樣的環境下,基於信譽系統來決定是否和有經驗的用戶進行互動是很有幫助的。

信譽系統一般會伴隨着相關的激勵系統來進行獎優懲劣。例如,有很高信譽評價的用戶會被賦予特殊的權限,而評價很低的用戶或者是信譽評價很不穩定的用戶就會比較受限制。

信譽系統的類別

編輯

eBay使用着一個很簡單的信譽系統,它在每一對用戶完成一次交易之後記錄下雙方的評級(包括正面的、負面的,或者是中立的),每個用戶的信譽評價記錄了用戶所有積極或者消極的交易歷史。

PageRank是一個更複雜的的算法系統,通過單獨實體的信譽來度量一個單獨實體對其他實體的貢獻,它可以給基於連接結構的網頁進行排名。在PageRank系統中,每一個網頁對其他頁面的貢獻都會成比例地計入其本身的頁面排名,而網頁的外連則會被反比例計入。

在一些客觀情況下,信譽系統提供了一個統一的對某一消息、故事、博客或在線發布的信譽的影響力評價。系統首先獲得數據,利用複雜的算法根據數據進行打分和排名,確定是提高還是降低了個體、公司和品牌的信譽。

在線信譽系統

編輯

Howard Rheingold指出在線信譽系統是「採用計算機技術,用一種全新的更有效的方式來對舊有的基本的人類特徵進行描述」。 Rheingold傾向於internet用戶在線進行交互時需要在個體群中獲得信任才導致了這些系統的出現。 他認為重要的天生的人類特徵是那些社會功能,比如說類似「時至今日,我們應該相信誰,誰是被別人信任的,誰是重要人士以及誰來決定誰重要」的閒聊。 像eBayAmazon這樣的網站,他認為是尋求服務消費者特徵的,而且「建立在數百萬顧客的的群體貢獻之上」,內容質量的管理以及通過網站進行交互交換的信譽系統是給網站加分的。

一些實際應用的的舉例

編輯

對信譽系統的攻擊

編輯

Sybil攻擊,是指攻擊者通過創建大量假名實體,並利用它們獲得不成比例的巨大影響力,從而造成對信譽系統的破壞。 信譽系統遭到Sybil攻擊造成的破壞程度取決於Sybils是否可以很容易的生成,信譽系統如何對待來自於與值得信任的實體不存在信任鏈關係的實體的參與,信譽系統是否同等地對待所有實體。 它是以書籍《Sybil》中的主題而命名的,書的內容是關於女性多重人格障礙的案例研究。

請參閱

編輯

參考

編輯

外部連結

編輯