通过双胞胎模型实现任务协作的快速且持续的信任评估
机器学习
2025-06-23 v1 人工智能
摘要
信任正成为确保协作系统中任务成功完成的有效工具。然而，在任务执行期间快速且持续地评估协作者的可信度是一个显著的挑战，由于分布式设备、复杂的运营环境和动态变化的资源。为解决这一挑战，本文提出了一种双胞胎模型驱动的快速且持续的信任评估框架（SRCTE），以促进有效的任务协作。首先，收集并使用带属性控制流图（ACFG）表示受信任状态下的协作者的通信和计算资源属性 along with 历史协作数据，ACFG 捕获与信任相关的语义信息，并作为与任务执行期间收集的数据进行比较的参考。在每个时间槽中，收集协作者的通信和计算资源属性以及任务完成效果，并使用 ACFG 表示以传递其信任相关的语义信息。然后，采用由两个共享参数的 Structure2vec 网络组成的双胞胎模型来学习每对 ACFG 的深层语义并生成其嵌入。最后，计算每对 ACFG 嵌入之间的相似性，以确定每个时间槽中的协作者信任值。我们使用两个 Dell EMC 5200 服务器和一台 Google Pixel 8 构建了实际系统来测试所提出的 SRCTE 框架的有效性。实验结果表明，SRCTE 只需少量数据即可快速收敛，并在与基线算法相比时实现了高的异常信任检测率。
引用
@article{arxiv.2506.17128,
title = {Rapid and Continuous Trust Evaluation for Effective Task Collaboration Through Siamese Model},
author = {Botao Zhu and Xianbin Wang},
journal= {arXiv preprint arXiv:2506.17128},
year = {2025}
}