• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권2호
• /
• pp.914-934
• /
• 2016

In the mobile distributed environment, an entity may move across domains with great frequency. How to utilize the trust information in the previous domains and quickly establish trust relationships with others in the current domain remains a challenging issue. The classic trust models do not support cross-domain and the existing cross-domain trust models are not in a fully distributed way. This paper improves the outstanding Certified Reputation (CR) model and proposes a Lightweight Cross-domain Trust (LCT) model for the mobile distributed environment in a fully distributed way. The trust certifications, in which the trust ratings contain various trust aspects with different interest preference weights, are collected and provided by the trustees. Furthermore, three factors are comprehensively considered to ease the issue of collusion attacks and make the trust certifications more accurate. Finally, a cross-domain scenario is deployed and implemented, and the comprehensive experiments and analysis are conducted. The results demonstrate that our LCT model obviously outperforms the Bayesian Network (BN) model and the CR model in our cross-domain scenario, and significantly improves the successful interaction rates of the honest entities without increasing the risks of interacting with the malicious entities.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제6권9호
• /
• pp.2370-2387
• /
• 2012

A new security management model based on Rough set and Bayesian learner is proposed in the paper. The model focuses on finding out malicious nodes and getting them under control. The degree of dissatisfaction (DoD) is defined as the probability that a node belongs to the malicious node set. Based on transaction history records local DoD (LDoD) is calculated. And recommended DoD (RDoD) is calculated based on feedbacks on recommendations (FBRs). According to the DoD, nodes are classified and controlled. In order to improve computation accuracy and efficiency of the probability, we employ Rough set combined with Bayesian learner. For the reason that in some cases, the corresponding probability result can be determined according to only one or two attribute values, the Rough set module is used; And in other cases, the probability is computed by Bayesian learner. Compared with the existing trust model, the simulation results demonstrate that the model can obtain higher examination rate of malicious nodes and achieve the higher transaction success rate.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권4호
• /
• pp.1773-1795
• /
• 2020

Unmanned aerial vehicles (UAVs) network are a very vibrant research area nowadays. They have many military and civil applications. Limited bandwidth, the high mobility and secure communication of micro UAVs represent their three main problems. In this paper, we try to address these problems by means of secure clustering, and a security clustering algorithm based on integrated trust value for UAVs network is proposed. First, an improved the k-means++ algorithm is presented to determine the optimal number of clusters by the network bandwidth parameter, which ensures the optimal use of network bandwidth. Second, we considered variables representing the link expiration time to improve node clustering, and used the integrated trust value to rapidly detect malicious nodes and establish a head list. Node clustering reduce impact of high mobility and head list enhance the security of clustering algorithm. Finally, combined the remaining energy ratio, relative mobility, and the relative degrees of the nodes to select the best cluster head. The results of a simulation showed that the proposed clustering algorithm incurred a smaller computational load and higher network security.

• 에너지공학
• /
• 제27권4호
• /
• pp.36-49
• /
• 2018

본 연구에서는 일반인을 대상으로 일반 설문과 선택형 컨조인트 분석(Choice Based Conjoint Analysis: CBC Analysis)을 통해 태양광 발전을 중심으로 신재생에너지와 신재생에너지 사업 전반에 대한 인식을 파악하고, 계층적 베이지안 모형(Hierarchical Bayesian Model)을 이용하여 신재생에너지 사업에 대한 일반 국민의 선호를 정량적으로 분석하였다. 그 결과, 응답자들은 신재생에너지 사업에 참여하게 될 경우 누가 사업을 주도 하는가, 즉 사업을 주도하는 주체에 대해 가장 중요하게 생각하며, 그 뒤를 이어 발전소의 위치와 국민들의 참여 방식과 이익배분에 대해서 중요하게 생각하였고, 상대적으로 사업에 대한 국민들의 의사결정 참여는 중요하지 않은 것으로 나타났다. 또한 응답자들은 신재생에너지 사업에 참여할 경우, 정보 공유나 의사 개진, 협조, 조율과 같은 사업에 대한 지원 활동(volunteering) 보다는 대출이나 지분 소유를 통한 투자 참여를 선호하였고, 따라서 의사 결정 참여와 같은 사업의 절차적(procedural justice) 측면 보다는 이익의 배분과 같은 분배적(distributional justice) 측면에 관심이 더 높았다. 각 사업의 속성 수준별 부분 효용의 크기에 따른 분석에서는, 지방자치단체 주도 하에 국민들이 신재생에너지 사업에 대해 주식을 소유하고 사업의 수익률에 연동하여 배당을 받는 방식으로 참여하고 산지나 해변보다는 지붕에 발전 시설을 설치하는 것을 선호하였고, 반대로 전문 개발회사와 투자회사 주도로 정보공유, 협의, 조율과 모니터링에 참여하고 이익의 일부를 마을 복지나 발전 기금으로 받으며, 발전소를 산지나 임야에 짓는 경우를 선호하지 않았다. 본 연구는 직접적인 설문과 면담 등의 질적 연구만으로는 밝혀내기 어려웠던 국민 참여를 전제한 신재생에너지 사업 속성의 영향력을 계량화된 모형을 통해 입증하였다는 점에서 의의를 가지며, 따라서 본 연구에서 나타난 신재생에너지 사업에 대한 일반인의 인식과 선호 분석의 결과는 향후 국민 참여형 신재생에너지 사업의 방향 수립 시 주민 수용성을 높이는 기초 자료로 활용될 수 있을 것이다.

• 지능정보연구
• /
• 제27권2호
• /
• pp.1-15
• /
• 2021

추천시스템은 사용자의 기호를 파악하여 물품 구매 결정을 도와주는 역할을 할 뿐만 아니라, 비즈니스 전략의 관점에서도 중요한 역할을 하기에 많은 기업과 기관에서 관심을 갖고 있다. 최근에는 다양한 추천시스템 연구 중에서도 NLP와 딥러닝 등을 결합한 하이브리드 추천시스템 연구가 증가하고 있다. NLP를 이용한 감성분석은 사용자 리뷰 데이터가 증가함에 따라 2000년대 중반부터 활용되기 시작하였지만, 기계학습 기반 텍스트 분류를 통해서는 텍스트의 특성을 완전히 고려하기 어렵기 때문에 리뷰의 정보를 식별하기 어려운 단점을 갖고 있다. 본 연구에서는 기계학습의 단점을 보완하기 위하여 BERT 기반 감성분석을 활용한 추천시스템을 제안하고자 한다. 비교 모형은 Naive-CF(collaborative filtering), SVD(singular value decomposition)-CF, MF(matrix factorization)-CF, BPR-MF(Bayesian personalized ranking matrix factorization)-CF, LSTM, CNN-LSTM, GRU(Gated Recurrent Units)를 기반으로 하는 추천 모형이며, 실제 데이터에 대한 분석 결과, BERT를 기반으로 하는 추천시스템의 성과가 가장 우수한 것으로 나타났다.