一种异构网络节点多层级信任管理评估方法及系统

本发明属于网络安全与分布式身份信任管理，具体涉及一种异构网络节点多层级信任管理评估方法及系统。

背景技术：

1、随着分布式系统、web 3.0、区块链网络、云边协同以及跨域服务调用等技术的发展，网络中的主体类型、交互关系和业务场景日益复杂，涵盖电子商务、政务服务、企业合作、金融服务和日常社交等多类场景。在中心化可信第三方验证能力有限或跨域验证成本较高的异构网络中，如何根据节点间历史交互记录、关系链路和业务上下文动态评估节点信任度，是保障分布式身份认证、访问控制和可靠交互的重要技术问题。因此，面向异构网络的信任评估技术在分布式身份认证、跨域授权、链上交互风险控制、隐私保护和权限管理等领域具有重要应用价值。

2、现有信任评估方法中，较常见的一类方法是基于网络拓扑结构、全局声誉或概率传播进行信任计算。例如，pagerank类图排序方法通常根据节点连接关系和全局拓扑结构计算节点重要性，并可被借鉴用于声誉或信任评价；eigentrust等方法通过聚合局部信任评价得到全局信任值；还有一些方法采用信任传播、概率连乘或矩阵迭代等方式计算多跳路径上的间接信任。近年来，基于深度学习或图神经网络的信任预测方法也被用于复杂网络中的信任关系建模。上述方法能够在一定程度上反映节点之间的拓扑关系、历史交互情况或潜在关系特征，但在面对具有多业务场景、多隐私等级和多种治理规则的异构交互网络时，仍存在进一步改进空间。

3、在实际异构网络中，信任关系并非只由节点连接关系决定，还受到业务场景和交互上下文影响。例如，一个节点在电子商务场景（b2c）中因交易履约率高而获得较高信任评价，并不意味着其在政务服务场景（g2c）或涉及机密数据的企业协作场景（b2b）中也应当具有同等可信度。若缺乏对交互类型、交互目标、治理规则和隐私级别的统一建模，低安全需求或低隐私等级场景下形成的高信任值可能被不合理地迁移并复用于高安全需求或高隐私等级场景中，从而增加权限越界、信任滥用和隐私泄露的风险。

4、在分布式信任管理中，节点间的信任评估还常常需要沿多跳路径进行间接传递。现有方法在处理信任链路时，多采用路径权重累积、概率连乘、全局声誉迭代或矩阵计算等方式。这类方式能够反映链路长度或拓扑结构对信任传递的影响，但通常难以明确量化信任在跨越不同业务场景时产生的语义差异。例如，当信任证据从公开的社区互动场景（c2c）迁移至金融服务场景（b2c）或政务服务场景（g2c）时，由于交互目标、治理规则和隐私级别存在差异，信任评估结果通常需要进行相应衰减或约束。若缺乏跨场景信任衰减机制，可能导致跨域信任分数偏高，难以符合目标场景的安全预期。

5、同时，部分上下文感知信任管理或访问控制方法虽然引入了时间、位置、服务类型、设备状态等上下文属性，但多面向特定网络环境或特定业务场景设计，缺少统一的图结构表达和可组合的信任计算机制。当系统中同时存在消费者到消费者（c2c）、企业到消费者（b2c）、企业到企业（b2b）、政府到企业（g2b）、政府到消费者（g2c）等多类交互关系时，现有方法难以在同一模型中对多场景信任证据进行隔离存储、路径传播、证据合成和隐私约束检查。

6、此外，部分基于深度学习或图神经网络的信任预测方法能够从大量交互数据中学习节点关系特征，但通常对训练数据质量、样本规模和模型参数具有较强依赖。在政务服务、金融服务、分布式身份认证等高安全需求场景中，信任评估结果不仅需要准确，还需要具备可追溯、可审计和可验证的计算过程。若模型难以明确给出信任值的来源路径、场景依据以及隐私约束执行过程，则其在安全控制和合规治理场景中的适用性会受到限制。

7、从工程实现角度看，异构网络中的信任关系具有动态变化特征。新的业务场景、新的节点交互记录和新的信任边可能持续加入系统。现有依赖全局迭代或单一全局信任图的方案，在场景扩展或信任边更新时可能需要重新计算大量节点信任值，影响实时评估效率，也可能导致新增场景对既有场景信任关系产生干扰。此外，若路径筛选阶段未结合隐私级别和许可等级进行约束，不满足隐私要求的路径证据可能进入后续信任计算过程，降低信任评估结果在安全控制中的可靠性。

技术实现思路

1、针对现有技术存在的不足，本发明的目的在于提供一种异构网络节点多层级信任管理评估方法及系统，用于克服现有技术中的上述缺陷。

2、为实现上述目的，本发明提供了如下技术方案：

3、一种异构网络节点多层级信任管理评估方法，包括：

4、场景建模步骤：获取异构网络中的节点历史交互记录及其业务上下文信息，并据此构建包含交互主体和多维场景语义属性的场景六元组；

5、图谱构建步骤：基于所述场景六元组、所述节点历史交互记录以及对应的信任权重，构建反映节点间多场景关联关系的上下文感知信任图谱，针对同一源节点和目标节点在不同业务场景下的交互，映射为具有不同场景标签的独立连接边；

6、路径筛选步骤：接收包含待评估的源节点、目标节点及目标评估场景的信任评估请求，在所述上下文感知信任图谱内，结合连接边的场景标签、路径跳数限制与隐私许可条件，搜索并筛选出所述源节点至所述目标节点的有效信任路径；

7、信任计算步骤：利用预设的信任评估算子集合对所述有效信任路径对应的信任证据进行量化计算，计算过程包括沿单条路径进行累积的信任传递计算、针对多条路径或多个源场景的信任证据融合计算，以及基于源场景与目标场景间语义属性差异所执行的跨场景信任衰减计算，进而得到所述目标评估场景下的综合信任结果；

8、安全控制步骤：将计算所得的所述综合信任结果与所述目标评估场景对应的安全放行阈值及隐私约束策略进行严格匹配验证，生成针对所述源节点的节点评估结果，并基于该评估结果执行对应的访问授权、降级验证或访问拦截管控动作。

9、作为优选，所述信任计算步骤中：所述跨场景信任衰减计算的具体过程为：比较所述源场景与目标场景所对应场景六元组中的交互类型、交互目标、治理规则和隐私级别属性，计算出两场景之间的语义场景距离；

10、针对类别型属性，根据属性分类是否一致或预设的语义差异矩阵确定局部属性差异程度；针对隐私级别属性，根据预设的归一化序列等级差值确定局部属性差异程度；

11、将各项局部差异程度进行加权求和并进行归一化处理得到所述语义场景距离后，采用单调不增的衰减函数或该衰减函数的一阶近似函数计算得出目标衰减系数，并将该衰减系数映射至待传递的信任证据上。

12、作为优选，所述图谱构建步骤中：所述上下文感知信任图谱包括节点集合、上下文感知连接边集合、信任权重映射函数以及场景标签映射函数，所述上下文感知连接边由源节点、目标节点、场景六元组及信任权重构成；当网络中发生具有相同源节点和目标节点，但场景六元组不同的交互记录时，以源节点、目标节点和场景六元组的组合作为检索条件，在所述上下文感知信任图谱中为该节点对建立多条具有不同场景标签的上下文感知连接边。

13、作为优选，所述路径筛选步骤中：所述信任评估请求还包含用于提取初始信任证据的源场景集合，所述目标评估场景用于确定所述节点评估结果适用的最终业务场景及其对应的隐私约束策略；系统在预设的最大跳数范围内搜索所述源节点至所述目标节点的候选路径，并根据连接边的场景标签对所述候选路径进行初步过滤；将候选路径中上下文感知连接边对应的隐私级别属性与所述信任评估请求对应的许可等级进行隐私约束比对，当判定候选路径中存在隐私级别高于所述许可等级的连接边时，阻断并剔除包含该连接边的候选路径，以完成有效信任路径的筛选。

14、作为优选，所述信任计算步骤中：所述信任传递计算用于量化单条有效信任路径上的整体信任证据，具体的计算过程包括：将有效信任路径上每条上下文感知连接边对应的原始信任分数与证据置信度构成信任证据组；沿首尾相接的有效信任路径，对各连接边的信任分数与证据置信度依次进行递推累积乘积计算，得到包含整体路径信任分数和整体路径证据置信度的综合路径信任证据。

15、作为优选，所述信任计算步骤中：所述信任证据融合计算用于针对多条有效信任路径或多个源场景所对应的综合路径信任证据进行整体融合；所述融合计算方式包含置信度加权融合、最大值融合、最小值融合或调和平均融合；在执行所述置信度加权融合时，对各条有效路径的综合路径信任证据进行合并，融合后的最终信任分数由各综合路径信任证据的置信度加权求和得出，融合后的最终证据置信度通过各路径置信度的累加并附加预设的上界约束计算得出，该计算过程满足交换律。

16、作为优选，所述安全控制步骤中：将计算所得的所述综合信任结果分别与所述目标评估场景对应的安全放行阈值及降级处理阈值进行比对校验；若判定综合信任结果达到所述安全放行阈值且满足隐私约束策略，则触发对应的认证放行或权限赋权指令；若判定综合信任结果未达到所述安全放行阈值，但高于所述降级处理阈值且满足隐私约束策略，则触发包含限制访问权限、二次身份认证、补充验证要素或人工审核环节在内的降级验证指令；若判定综合信任结果低于所述降级处理阈值，或未满足所述隐私约束策略，则直接触发访问拦截指令。

17、作为优选，所述场景建模步骤中：所述场景六元组包含交互源主体、交互目标主体、交互类型、交互目标、治理规则和隐私级别属性；所述交互源主体和交互目标主体用于确定所述上下文感知信任图谱中的节点及交互方向，所述交互类型、交互目标、治理规则和隐私级别用于表征节点交互的场景语义差异；所述交互类型包括由消费者、企业、政府中任意两者组合形成的交互形式，所述隐私级别按照数据的公开和保密程度划分为严格递增的等级序列。

18、作为优选，所述方法还包含位于安全控制步骤之后的结果缓存步骤：以所述源节点、目标节点、源场景及目标评估场景的组合特征作为缓存索引，将计算生成的所述综合信任结果存储至缓存单元中；在图谱状态更新过程中，当监控到所述上下文感知信任图谱中的上下文感知连接边发生新增操作、删除操作或对应的信任权重发生数值更新时，系统依据该连接边的特征信息检索并清除与此相关联的所有历史缓存结果。

19、一种异构网络节点多层级信任管理评估系统，所述系统包含用于执行所述方法的系统模块，具体包括：

20、场景建模模块，用于获取异构网络中的节点历史交互记录及其业务上下文信息，并据此构建包含交互主体和多维场景语义属性的场景六元组；

21、图谱构建模块，用于基于所述场景六元组、所述节点历史交互记录以及对应的信任权重，构建反映节点间多场景关联关系的上下文感知信任图谱；

22、路径筛选模块，用于接收包含待评估的源节点、目标节点及目标评估场景的信任评估请求，结合连接边的场景标签、路径跳数限制与隐私许可条件，搜索并筛选出有效信任路径；

23、信任计算模块，用于利用预设的信任评估算子集合对所述有效信任路径对应的信任证据进行量化计算，该计算包括执行信任传递计算、信任证据融合计算以及跨场景信任衰减计算，得出综合信任结果；

24、评估决策模块，用于将所述综合信任结果与所述目标评估场景的安全放行阈值及隐私约束策略进行严格匹配验证，生成针对所述源节点的节点评估结果并执行对应的权限管控动作。

25、本发明的有益效果：发明通过场景六元组将交互类型、交互目标、治理规则和隐私级别纳入信任建模过程，使同一节点对在不同业务场景下能够形成不同的信任评价依据，减少单一全局信任值在异构场景中被直接复用的问题。本发明通过上下文感知信任图谱表示节点、上下文感知边、信任权重和场景标签，使异构网络中的节点交互关系能够同时表达拓扑连接关系和业务上下文关系，提高了信任证据表达的完整性。本发明通过信任传播算子和信任合成算子，对单条路径、多条路径以及多个源场景下的信任证据进行计算和融合，使信任评估能够同时利用直接信任证据和多跳间接信任证据；由于信任证据的来源路径、场景标签、隐私级别和计算过程均可被记录和追溯，提高了复杂网络环境下信任评估的适用性、可解释性和可审计性。本发明通过跨场景衰减算子，根据源场景与目标场景之间的场景距离对信任证据进行衰减映射，使跨场景信任传递受到交互类型、交互目标、治理规则和隐私级别差异的约束，减少跨场景信任过度迁移和信任语义偏移。本发明在信任评估结果生成后，结合目标场景安全约束策略执行认证放行、权限赋权、降级验证或访问拦截等安全控制，使信任评估结果能够直接服务于异构网络中的访问控制、身份认证和权限管理，提高了信任评估方法的工程可实施性、评估效率和安全控制效果。