第一章 绪论
1.1 研究背景
随着互联网为核心的网络技术得到不断发展,整个现代社会进入网络经济时代,优化和改进了生产和服务的模式,潜移默化地改变着消费者的消费观念和价值观。截止 2019 年底，中国移动互联网用户已达 13.19 亿，占全球互联网用户总数的 32.17%；电子商务交易额 34.81 万亿元，连续多年占据全球电子商务市场第一的位置。互联网的行业环境不断变化改进，新产品、新形式的业务和服务模型不断迭代发展1。在线服务作为现代服务的最主要组成部分，如电商服务、e-learning服务、Web 服务、云服务等，彻底改变了服务的提供方式和消费方式[1]。
在线服务通过网络技术向消费者提供线上服务。通过使用在线服务可以满足消费者用户的功能需求。应用程序的在线服务和人力资源的在线服务组成了在线服务：应用程序的在线服务是互联网应用的基础，它包括 Web 网站、金融交易、论坛交互、聊天、游戏、文件上传下载和线上学习、在线视频等；人力资源的在线服务是比较新兴的在线服务方式。即个人或社会组织以手艺、知识、才能等手段通过网络即时向用户群体提供在线服务[2]。近些年，由于网络技术的不断更新，在线服务涵盖的领域显著扩大，其包括线上学习、网上购物、商业交流、Web 服务、娱乐活动等诸多领域。在线服务给社会群体提供了方便快捷的生活方式，利用这种互联网技术，用户可以进行信息共享，完成通信交流、购买商品和服务、获取知识、下载资源等[3]。用户与在线服务完成交互后，依照主观感受对服务做出评价，表达他们的偏好及满意程度[4]。随着移动网络上可供消费者选取的在线服务数量增多，用户选择满足自己偏好的服务需要花费更多的时间和金钱。通过聚合用户群体的偏好信息得到服务信誉，可帮助用户群体在具有相似功能的在线服务中选择出满足用户需要的服务。
.........................
1.2 国内外研究现状
互联网技术的飞速发展使得用户获取线上服务的便捷性提高许多，但信誉度操纵问题也变得异常常见。虽然电商平台利用信誉排名和推荐机制，为消费者获取可信服务贡献参考意见。然而，一些恶意用户、在线服务提供商不断采取欺骗、伪装、漂白、共谋、歧视等策略控制用户偏好，进而误导用户进行服务选择[12-13]。总结现有的在线服务信誉系统防操控机制，主要包括四方面：降低通过虚假信息进行操纵的影响；识别恶意用户，对他们做出惩罚或者进行隔离；激励用户表达真实偏好；增加操控者的操控成本（成本可能是金钱、时间等）。
1.2.1 降低通过虚假信息进行操纵的影响
降低通过虚假信息进行操纵的影响来防操控比较常见，建立相关机制检测用户操纵行为或不诚实反馈、进行信誉修正、防止数据被篡改等都可以降低虚假信息的影响。例如，在利用不诚实反馈的操控中，操控者通过使用多个账户（即小号），利用小号操控信誉系统[14]。对于不诚实反馈可以通过降低不诚实反馈的影响来处理，若检测到评价者有故意打低分或高分的行为，则降低其信誉，系统设置低信誉用户提供的反馈对服务提供者的信誉影响较小。根据用户的可信度来衡量其评价的可信度，称做“用户反馈信誉”。服务的信誉通过全部反馈(即用户评价信息)的加权平均值来计算，其中权重就是用户反馈信誉。
Anupama Aggarwal[15]建立了检测用户对信誉系统操纵行为的机制，利用可疑用户的时间行为和网络特征，可以从合法用户中检测出虚假操纵行为，减轻操纵信誉对在线社交网络的影响。Siyuan Liu[16]等提出了一个信誉修正机制，这个机制在一段时间内暂时抬高被误判服务的信誉，从而使服务可以弥补因评分错误而造成的效用损失。Jaehong Ahn[17]等提出从存储在基于区块链的在线支付系统交易中的原始评价获取信誉，具有防止数据篡改的不变性特点，防止信息被恶意操纵。Roslan Ismail[18]等采用自顶向下的方法，提出了一种信誉系统的安全体系结构,令牌发行者和收集中心/证书颁发机构是以集中式方式安排的,在发布和计算信誉评级时使用标准程序,维护了信誉系统的真实性和隐私性。
..........................
第二章 相关理论知识与技术分析
2.1 问题阐述
2.1.1 问题定义
操控问题是社会选择理论所研究的基本问题之一，其分为贿赂问题和控制问题，本论文重点解决操控问题中的控制问题。信誉系统的控制问题是指一些实体，通常被称为信誉系统的管理者，有能力影响用户选择的情况。信誉系统的控制问题又可分为构造性控制和破坏性控制，构造性控制问题是指信誉系统管理者根据掌握的用户偏好，通过增加、删除用户或服务使得某些特定服务成为信誉最高的服务；破坏性控制是构造性控制的变体，信誉系统管理者根据掌握的用户偏好，通过增加、删除用户或服务使得阻止某些特定服务成为信誉最高的服务。
两种控制类型都通过增加和删除用户或服务进行控制。构造性控制作为一种最经典且最常见的控制[32]，不失一般性，本文重点阐述构造性控制问题。为了更好地阐述基于 Fallback 的在线服务信誉防操控的问题。
表 2.2 用户-服务评分表
2.2相关理论和技术分析
2.2.1 群决策与社会选择理论
科学技术的进步伴随着社会的发展，人类可获取的知识迅速增加，人们必须在海量选择出做出决策。任何独立的人单凭自己的经验及知识无法掌握所有需要的信息，很难解决所有决策问题，所以需要建立一个由不同知识体系组成的，运用科学理论和手段，可以相互启发、集结多数人知识的信息综合体，来保证决策的科学化[35]。由于西方福利经济学的发展，使得群决策理论产生并发展。1985 年Nitzan 等人对群决策(Group Decision Making)进行了定义：群决策将具有共同利益的群体当作决策主体，充分聚合群体的决策资源做出最优决策[36]。
群决策中最为重要的部分是社会选择问题。所谓社会选择是指群体对一些重要问题进行决策，社会选择方法主要有传统、独裁、投票表决和市场机制。KennethArrow[37]提出的“社会选择与个人价值”以及“阿罗不可能定理”奠定了社会选择理论的基础，学者们的关注点从仅限于对特定规则的研究转移到开发数学模型来讨论和分析这些规则，使得在群决策基础上的社会选择理论得到发展。社会选择理论是研究个人偏好对集体选择的聚合的科学研究，如何在两组偏好不同的人之间找到稳定的匹配，涉及到了计算社会选择。今天，计算社会选择的研究有两个主要推动力，首先，研究人员试图应用计算范式和技术来更好地分析社会选择机制，并构建新的社会选择机制。第二是研究人员正在研究社会选择理论在计算环境中的应用[38]。
2.2.2投票表决
从原始社会起，人们开始使用投票表决的形式来表达大多数人的意见，例如，表决部族间的重要方针、选举部族的领头人。投票表决是群决策最悠久的方法，同时是当代社会表达群众观点的最普遍的方式之一[39]。
不管表决是要选择某个岗位的候选人还是要选择某个政策，该投票通常是一个多标准决策过程。例如，当确定岗位的候选人时，可以通过多个评估标准来判断候选人的选择。这些评估标准可以是候选人的知识、经验、性格、个人品德和政治素养等。选民要根据上述标准综合考虑候选人的各种条件，以形成效用价值函数，然后进行投票和决策。所以，投票过程可以看作是多准则群决策方法[40]，但是当投票选择候选人时，每个投票者考虑的这些标准并不出现在真实计票过程中。投票表决过程也可以细分为投票和计票两个过程。
投票中应该避免让候选人参与投票，并且投票规则应该简单明了，让选民能够明白具体过程及投票注意事项。计票则需要指定几个特定人指导和监督，防止有人企图操纵投票或者计票过程中产生漏票。
...............................
第三章 基于 Fallback 的在线服务信誉防操控机制............................17
3.1 引言..............................................17
3.2 基于 Fallback 的在线服务信誉度量.............................................17
第四章 基于 Fallback 在线服务信誉防操控机制设计与实现........... 35
4.1 引言................................... 35
4.2 系统需求分析.............................35
第五章 总结与展望..............................51
5.1 工作总结........................................... 51
5.2 未来研究与展望........................................52
第四章 基于 Fallback 在线服务信誉防操控系统设计与实现
4.1系统需求分析
4.1.1 需求分析
基于 Fallback 在线服务信誉防操控机制原型系统的核心是基于 Fallback 聚合用户群体的偏好信息获得服务信誉的过程，该系统可以为用户群体的服务决策提供帮助。基于 Fallback 在线服务信誉防操控机制系统页面应该从使用者角度出发，在项目的开发设计过程中，应该充分考虑系统现在和之后的工作量，使项目的功能、性能和响应时间均能满足系统管理员的需求[58]。系统的具体实施步骤如下：
（1）系统管理员登录设置提醒，如电话号格式、登录密码不能为空，在注册页面设置登录权限，保障登录安全性。
（2）提供系统整体导向图，帮助系统管理员了解整个原型系统满足的功能。
（3）提供数据处理模块，实现数据导入以及数据处理功能。
（4）提供 Fallback 在线服务信誉度量模块，管理员根据用户提供的数据集，准确输出在线服务信誉度量结果。
（5）提供防操控性验证模块，根据控制类型分成几个板块验证。
表 4.1 系统用例表
第五章 总结与展望
5.1 工作总结
随着互联网应用的飞速发展，在线服务的数量和种类显著增长，用户使用在线服务后，依照其偏好对服务做出评价，通过聚合用户群体的偏好信息获得在线服务信誉，可帮助用户群体进行服务选择。由于现实生活中恶意用户或在线服务提供商为了提高自身的利益，可能操纵攻击信誉系统，扭曲在线服务的信誉，使用户面临无法选择出满足需求服务的风险，这其中的特殊群体-信誉系统的管理者，他们更容易获得用户信息，利用掌握到的用户偏好信息，对服务信誉进行有针对性的操纵，信誉系统面临被其管理者操纵的道德风险。为此，本文提出了基于 Fallback 的在线服务信誉防操控机制。
本文的主要工作包含以下几个方面：
（1）现有工作缺少通过技术手段解决信誉系统内部能够掌握用户偏好的管理者的控制问题，通过对信誉系统管理者控制问题的研究，社会选择理论中Fallback 方法对于防范该控制问题非常有效。因此，本文以社会选择理论中的Fallback 方法作为基础，提出了基于 Fallback 的在线服务信誉防操控机制，该机制通过 Fallback 方法集结所有用户的偏好排序得到最终服务的信誉及用户群体偏好，利用 Fallback 方法提高控制用户偏好问题的计算复杂性，增加管理者的攻击时间成本以达到防控制的目的。
本文通过理论分析验证了 Fallback 方法的公平性、单调性、非独裁性和防操控性，同时实验通过对比均值法、Copeland 法和 Condorcet 法，进一步验证了该方法的公平性、单调性和防操控的有效性。
（2）不同的用户拥有不同的价值观，每个用户对于服务选择具有不同的偏好，用户服务评分无法客观的反映服务质量，在这种情况下，即使性能相同的服务也可能会得到不同的评分，导致用户对服务的评分不可比较，使用评分信息进行信誉度量会影响用户的选择。为了在不需要假设用户偏好一致的情况下解决用户评价标准不一致导致的在线服务评分无法比较问题，本文方法以用户对服务的偏好排序为输入，同一用户的评价准则相对一致，不同服务的评价信息可以比较，使得基于 Fallback 的在线服务信誉度量结果会更准确。
参考文献（略）