公开(公告)号：CN118573454B

公开(公告)日：2025-02-07

申请号：CN202410796019.5

申请日：2024-06-19

Applicant: 南京理工大学

Inventor： 时龙 ,  许沁顺 ,  陈诗蓥 ,  梅镇 ,  王喆 ,  李骏

IPC: H04L9/40 ,  H04L67/104 ,  G06N3/08

Abstract: 本发明属于信誉管理技术领域，公开了一种基于图学习的对等网络信誉评估方法，包括以下步骤：给定通信网络拓扑结构；生成节点偏好、拒绝概率以及交互次数；生成节点特征，计算标准信誉值，并划分训练集、测试集和验证集；基于注意力机制对图神经网络进行监督训练。本发明采用上述的一种基于图学习的对等网络信誉评估方法，针对图学习和信誉传播的特点设计基于注意力机制的对等网络信誉评估方法，有利于在真实场景中部署高精确度的信誉管理模型；随着对等网络中节点数量的增加以及图直径的增加，本发明在交互次数上具有更优越的性能范围，不依赖于特定场景，具有更广泛的适用性。

公开(公告)号：CN118573454A

公开(公告)日：2024-08-30

申请号：CN202410796019.5

申请日：2024-06-19

Applicant: 南京理工大学

Inventor： 时龙 ,  许沁顺 ,  陈诗蓥 ,  梅镇 ,  王喆 ,  李骏

IPC: H04L9/40 ,  H04L67/104 ,  G06N3/08

Abstract: 本发明属于信誉管理技术领域，公开了一种基于图学习的对等网络信誉评估方法，包括以下步骤：给定通信网络拓扑结构；生成节点偏好、拒绝概率以及交互次数；生成节点特征，计算标准信誉值，并划分训练集、测试集和验证集；基于注意力机制对图神经网络进行监督训练。本发明采用上述的一种基于图学习的对等网络信誉评估方法，针对图学习和信誉传播的特点设计基于注意力机制的对等网络信誉评估方法，有利于在真实场景中部署高精确度的信誉管理模型；随着对等网络中节点数量的增加以及图直径的增加，本发明在交互次数上具有更优越的性能范围，不依赖于特定场景，具有更广泛的适用性。