Proliferation of smartphones enables interaction among nearby users anywhere, anytime. Despite that these interaction opportunities may provide benefit to users, they also involve risks since nearby users may not be known. In this thesis, we propose a decentralized stereotypical trust model that supports variation in human behavior based on context changes, specifically place. We leverage previous studies that show how the place of interaction affects the level of trust of users and applied them to a stereotypical trust scheme. Our results show that the proposed scheme not only performs faster in terms of stereotypes creation time (average 200%) but also reduces the rate of regarding a malicious user as a trustworthy one (average 75%) when com-pared to existing approach.
스마트폰의 보급으로 사용자는 장소와 시간에 관계없이 주변의 사용자들과 상호작용을 할 수 있게 되었다. 이런 사용자들간의 상호작용은 많은 장점을 가지고 있지만, 한편으로는 낯선 사용자들과 상호작용을 한다는 측면에서 위험이 따른다. 본 논문에서는 장소의 변화에 따라 사용자의 행동변화를 고려한 스테레오타입 기반의 신뢰도 측정 기술을 소개한다.
기존의 스테레오타입 기반의 신뢰도 측정 기술들은 상황의 변화에 관계없이 동일한 모델을 사용하여 대상의 신뢰도를 예측하는 방법을 활용하였다. 이는 장소에 따라 변하는 사용자들의 행동을 반영하지 못하므로 실제 모바일 환경에서 예측의 정확도를 감소시킨다. 따라서 본 논문에서는 장소의 변화에 따라 동적으로 스테레오타입을 변화시켜 예측된 신뢰도의 정확도를 향상시켰다.
장소마다 다른 스테레오타입을 형성하기 위해 현재 장소와 연관된 사용자 특성들을 정의한 상황추론 온톨로지를 활용하였고, 온톨로지에서 추론된 특성들을 활용하여 사용자의 경험을 필터링하여 스테레오타입을 형성하였다. 추가적인 필터링 과정을 통해 장소에 따른 사용자의 행동 변화를 반영하여 보다 정확도가 높은 스테레오타입을 형성하였고, 기존의 방식보다 스테레오타입 형성에 사용되는 레코드의 수를 감소시켜 학습과정에 걸리는 시간을 줄일 수 있었다. 시뮬레이션결과 스테레오타입 형성에 걸리는 시간이 기존의 방식보다 평균 50% 수준으로 감소하였고, 악의적인 사용자를 검출하는 정확도는 평균 75% 더 나은 성능을 보여주었다.
