社交网络中基于信任的隐私保护技术之计算机研究

针对直接信任的研究一直是信任研究的热点，PeerTrust[6]研究了利用了反馈机制来进行信任的评估。Gilbert 和 Karahalios[7]提出了联系强度的概念，将联系强度用来度量信任，具体到 Facebook 的数据集。Golbeck 等[8]对社交网络中用户的信任与相似度的关系进行了分析，为用户行为对信任的影响的研究打下了理论基础。文献[9,10]则从相似性与熟悉性两个维度进行了信任的计算。Adali[11]则进一步考虑了对话的质量对信任的影响，提出将信任分为对话信任和传播信任，其利用信息熵函数来量化对话信任，对话次数来计算传播信任。乔秀全等[12]提出了一种基于上下文的信任计算方法，利用社会学的研究，深入分析了用户间行为对信任的影响。MobiFuzzyTrust[13]在文献[12]的基础上，将其扩展到了移动社交网络中，探究了地理位置的相似性对信任的影响。还有许多学者从动态性、声誉等角度对直接信任进行了研究，其中有代表性的研究成果有 FrTrust[14],  文献[15,16]。

第 2 章  基础知识及相关理论

2.1  社交网络
Barnes[31]在九十年代末首次提出了社交网络的概念。他将社交网络比作一个图。在社交网络图中节点是用户，边表示用户间关系。如图 2.1（a）（b）所示，社交网络中的关系通常分为单向关系和双向关系。现实生活中所说的好友关系就是一种单向关系，好友关系一旦建立，则双方都能看到对方的动态信息。通常基于“熟人”的社交应用比如 Facebook、微信等都采用了这一关系模式。相反，关注就是一种双向关系。社交用户可以自主选择是否关注对方。假设 Alice 关注了 Bob，而 Bob 没有关注 Alice，则 Alice 可以看到 Bob 分享的内容而 Bob 看不到 Alice 的分享。拥有大量用户基数的新浪微博和 Twitter 都是基于此种社交关系模式。

社交网络以互联网作为基础，为用户提供了各种各样的功能，包括内容分享、即时通信、搜索和推荐等。随着社交网络的发展和用户使用习惯的改变，社交网络也已经从最初单一的即时通信平台演变成结合通信和娱乐的平台。社交网络一般具有如下特性：
同质性：社会学家 Mc Pherson[32]分析了数百个关于社交网络的研究并指出，同质性是个体与其他相似个体之间联系往来的倾向。这意味着人们在许多社会关系入口、行为和个人特征方面往往是同质的，即我们通常所说的“物以类聚”。同质性以一种人们对所收到的信息、所形成的态度以及所经历的互动来影响人们的社会关系。
小世界现象：社交网络中的“小世界”现象包含两种不同的观点。Milgram[33]提出“六度分割”原理，认为社会是一个高度联系的小世界，世界上任何两个人之间都可以通过六个人联系上。另一种观点认为，世界上绝大多数人都毫无关联，社会是由松散的“小世界”组成。Kleinfeld[34]指出在种族、经济和地理等条件约束下大多数人都几乎不存在直接联系，这加强了我们对社交网络的同质性的认识，使得创造出许多松散联系的小世界成为可能.
.........................

2.2  社交网络信任概述
2.2.1  信任的定义
信任是人类社交关系的重要组成部分，广泛应用在不用领域，比如心理学、社会学和计算机科学等，在不同领域均有不同的定义。图 2.2 表示了信任的层次结构。

在计算机科学领域，信任可以分为两大类：用户信任和系统信任。用户信任的概念来源于心理学和社交学，认为实体对另一个人将来行为的主观期望即是信任[35]。信任本质上个性化和关联化的，例如用户 Alice 和 Bob 因为经常交互，显然两者关系就会加强。而信任度则会随着他们交互经历的变化而不断改变，同时双方对对方的信任程度也不一样。如果交互经历是愉快的，则用户之间的信任度便会提升，反之便会减少。系统信任的概念来源于安全领域，一般指一个设备或系统按照特定的方式来实现其预期目标。显然，社交网络信任属于用户间的信任。
信任具有不同的信任类型，信任类型是指不同的信任对象关系。Sherchan[36]等将信任类型分为了功利型信任、关系型信任、情感型信任、认知型信任、体制型信任和气质型信任。社交网络信任一般是关系型信任，关系型信任是指随着时间的变化主客体间通过交互形成的信任关系,通常称之为直接信任。
...........................