8.3　恶意用户过滤

在现实社会中，人与人之间的交互都是建立在个人主观意愿之上的，因此在交互的过程中不可避免地会出现欺诈行为。当欺诈行为出现时，人们自然会降低与欺诈者的交互意愿，最后达到欺诈者被孤立的目的，降低了欺诈者对整个社会的影响。

在计算机领域的信任管理系统中也一样如此。当某实体发生欺诈行为之后，当前实体以及其他实体都将减少与该实体的交互，欺诈者将无法继续通过正常交互来累计信任。在信任管理领域中，实体的欺骗行为是要重点关注的因素。

因此，引入信任一致性的概念来描述这一问题。在现实社会中，人们的行为往往是不可预测、反复变化的，然而普通的基于证据的信任管理模型无法对这种情况做出正确的响应。比如，如果某实体通过积极的行为累加获得了信任度的提升，然后又通过欺诈行为信任度被衰减。当实体存在多次积极行为与消极行为交替的时候，实体的信任度总是保持不变，这不满足现实社会对信任的定义。因此在考察实体信任度的时候，应当考虑实体信任的一致性，使得实体信任度达到慢增长、快下降的效果。

在分布式信任管理模型中，实体进行欺诈主要为两种方式：累计欺骗与共谋欺骗。因此，需要根据实体信任的一致性来判断实体是否处于累计欺骗状态和合谋欺骗状态。这里为层次化信任管理模型引入信任标准差（Trust Standard Deviation，TSD）的概念。