Confidentialité dans les systèmes de réputation - GREYC mad Accéder directement au contenu
Article Dans Une Revue Revue Ouverte d'Intelligence Artificielle Année : 2022

Confidentialité dans les systèmes de réputation

Laurent Vercouter
  • Fonction : Auteur
Damien Lelerre
  • Fonction : Auteur

Résumé

Dans les systèmes de réputation, il a été observé, qu’afin d’éviter des évaluations vengeresses, les témoignages étaient majoritairement positifs, réduisant par là-même l’efficacité du système. Pour inciter les agents à diffuser tous leurs témoignages, les solutions classiques proposent d’anonymiser les témoignages. Dans la littérature, de nombreux travaux ont étudé des approches cryptographiques pour s’assurer à la fois de l’anonymat et de la non-répudiation des témoignages. Toutefois, ceci ne permet de garantir leur confidentialité en raison des corrélations entre transactions et diffusion d’un nouveau témoignage. Dans cet article, nous proposons d’étudier la faisabilité d’une autre approche dans laquelle les témoignages sont bruités et soumis à des délais de diffusion. Des résultats d’expérimentation mettent en lumière l’effet de ces perturbations sur les systèmes de réputation BetaReputation et EigenTrust.
Fichier principal
Vignette du fichier
ROIA_2022__3_5-6_671_0.pdf (2.07 Mo) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte

Dates et versions

hal-04389998 , version 1 (12-01-2024)

Licence

Paternité

Identifiants

Citer

Grégory Bonnet, Laurent Vercouter, Damien Lelerre. Confidentialité dans les systèmes de réputation. Revue Ouverte d'Intelligence Artificielle, 2022, 3 (5-6), pp.671-689. ⟨10.5802/roia.47⟩. ⟨hal-04389998⟩
8 Consultations
5 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More