Confidentialité dans les systèmes de réputation - GREYC mad Access content directly
Journal Articles Revue Ouverte d'Intelligence Artificielle Year : 2022

Confidentialité dans les systèmes de réputation

Laurent Vercouter
  • Function : Author
Damien Lelerre
  • Function : Author

Abstract

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
Origin : Publisher files allowed on an open archive

Dates and versions

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

Licence

Attribution

Identifiers

Cite

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 View
6 Download

Altmetric

Share

Gmail Facebook X LinkedIn More