Review on Computational Trust and Reputation Models

Sabater, Jordi; Sierra, Carles

doi:10.1007/s10462-004-0041-5

Cited by 730 publications

(468 citation statements)

References 25 publications

Supporting

Mentioning

459

Contrasting

Unclassified

Order By: Relevance

“…Nem elképzelhetetlen, hogy az államok és a privát entitások között zajló kibertámadások is alkalmaznak majd a közel-jövőben MI megoldásokat, ezáltal olyan rizikófaktort jelentenek, ami további kutatásokat motivál a káresemények elkerülése érdekében. Ahogy az MI rendszerek egyre komplexebbé válnak, és egymással is hálózati kapcsolatba kerülnek, intelligens módon kell kezelniük a bizalom kérdéskörét, ami szintén olyan újabb kutatási területek felé nyitja meg az utat, mint a statisztikai-viselkedési alapokon nyugvó bizalomépítés (Probst -Kasera, 2007), vagy a számítástechnikai reputációs modellezés (Sabater -Sierra, 2005). …”

Section: Biztonságunclassified

Kutatási prioritások a megbízható és hasznos mesterséges intelligencia létrehozásáért

tartalom¹

2017

InfTárs

View full text Add to dashboard Cite

Hivatkozás/reference:"Kutatási prioritások a megbízható és hasznos mesterséges intelligencia létrehozásáért", Informá-ciós Társadalom, XV. évf. (2015) 4.szám, 60-76. old. http://dx.doi.org/10.22503/inftars.XV.2015 A folyóiratban közölt művek a Creative Commons Nevezd meg! -Ne add el! -Így add tovább! 4.0 Nemzetközi Licenc feltételeinek megfelelően használhatók. Kutatási prioritások a megbízható és hasznos mesterséges intelligencia létrehozásáértA mesterséges intelligenciával kapcsolatos kutatások sikeressége magában hordozza a lehetősé-gét annak, hogy az emberiség példa nélküli elő-nyökhöz jusson. Érdemes ezért feltárni azokat a kutatási területeket, amelyek az esetleges buktatók elkerülésével egy időben segíthetnek maximalizálni az elérhető eredményeket. Jelen tanulmány számos ilyen témakört és példát mutat be (a teljesség igényének hajszolása nélkül), amelyek biztosíthatják, hogy az mesterséges intelligencia a jövőben is robusztus és az ember számára elő-nyös maradjon. Kulcsszavak: mesterséges intelligencia, rövid és hosszú távú hatások, jog és etika, kutatási irányok

show abstract

Section: Biztonságunclassified

Kutatási prioritások a megbízható és hasznos mesterséges intelligencia létrehozásáért

tartalom¹

2017

InfTárs

View full text Add to dashboard Cite

show abstract

“…The model only takes into account direct interactions. It differentiates three types of trust: basic trust, general trust, and situation trust [13] . Modern approaches model trust as two values: probability and certainty.…”

Section: Trust and Reputation Modelsmentioning

confidence: 99%

A multi-dimensional trust-aware cloud service selection mechanism based on evidential reasoning approach

Fan

Yang

Perros

et al. 2014

Int. J. Autom. Comput.

View full text Add to dashboard Cite

Abstract:In the last few years, cloud computing as a new computing paradigm has gone through significant development, but it is also facing many problems. One of them is the cloud service selection problem. As increasingly boosting cloud services are offered through the internet and some of them may be not reliable or even malicious, how to select trustworthy cloud services for cloud users is a big challenge. In this paper, we propose a multi-dimensional trust-aware cloud service selection mechanism based on evidential reasoning (ER) approach that integrates both perception-based trust value and reputation based trust value, which are derived from direct and indirect trust evidence respectively, to identify trustworthy services. Here, multi-dimensional trust evidence, which reflects the trustworthiness of cloud services from different aspects, is elicited in the form of historical users feedback ratings. Then, the ER approach is applied to aggregate the multi-dimensional trust ratings to obtain the real-time trust value and select the most trustworthy cloud service of certain type for the active users. Finally, the fresh feedback from the active users will update the trust evidence for other service users in the future.

show abstract

“…There, trust comes directly from the artificial agents. Ramchurn et al (2004), and Sabater and Sierra (2005) give a good overview of the trust and reputation models in this area.…”

Section: Related Workmentioning

confidence: 99%

Ability-aware trust for vehicular networks

Bamberger

Schlittenlacher

Diepold

2012

IJSCCPS

View full text Add to dashboard Cite

Future vehicles will exchange much information through a wireless network in order to efficiently maintain their inner model of the environment. Before they can believe received pieces of information, they must evaluate their reliability. Trust is a mechanism to estimate this reliability based on the sender. It depends on friendship-like relations between vehicles, the social structure.Our traffic and network simulation shows that such relations indeed arise, because vehicles often drive the same route. Within this simulation, all vehicles are equipped with the proposed trust model, which continuously monitors the experiences made with others. The model focuses on these direct experiences of the individual and does not depend on a central reputation unit. It continuously evaluates the performance and reputation of other vehicles and includes a feedback loop to faster adapt to changes in the other's behaviour. Since the performance of a vehicle depends on the abilities of its sensors, like different abilities in velocity measurement or in traffic sign detection, the proposed model develops trust depending on the sender and on the type of the information.

show abstract

Review on Computational Trust and Reputation Models

Cited by 730 publications

References 25 publications

Kutatási prioritások a megbízható és hasznos mesterséges intelligencia létrehozásáért

Kutatási prioritások a megbízható és hasznos mesterséges intelligencia létrehozásáért

A multi-dimensional trust-aware cloud service selection mechanism based on evidential reasoning approach

Ability-aware trust for vehicular networks

Contact Info

Product

Resources

About