Mécanisme d’anonymisation décentralisé dans les systèmes de réputation

Contexte applicatif :

La mise en place d’un système de réputation au sein de plateformes numériques d’échanges d’information ou service permet de faciliter les transactions entre acteurs en instaurant des relations de confiance basées sur les expériences passées. Ces systèmes ont l’objectif de calculer une valeur de réputation pour chaque agent sur la base de témoignages envoyés par les autres agents ayant interagi avec celui-ci. Les réputations sont ensuite utilisées par les agents dans leur prise de décision quant avec quel autre agent interagir. De nombreux systèmes de réputation ont été proposés dans la littérature pour le calcul des réputations (par exemple : BetaReputation, EigenTrust, FlowTrust, Repage). Une des difficultés à surmonter, pour développer un mécanisme efficace de calcul de réputation, consiste à inciter et obtenir des agents un témoignage qui reflète fidèlement une interaction passée. En effet, il a été constaté dans la pratique que des utilisateurs remontaient peu de témoignages négatifs de peur d’être victime en retour de témoignages négatifs de la part des acteurs dénigrés (ce phénomène est notamment très présent sur la plateforme eBay dans un cadre de commerce électronique).

Contexte scientifique :

Ce stage s’inscrit dans la continuité d’un stage précédent intitulé « Systèmes de réputation à témoignages confidentiels ». Il fait donc suite à une première collaboration entre le GREYC (MAD) et le LITIS (MIND) et a pour vocation de faire perdurer cette collaboration en répondant à de nouvelles problématiques scientifiques. En effet, au cours du stage précédent, un modèle de système de réputation centralisé ajoutant du bruit aux témoignages et des délais aléatoires dans leur prise en compte avait été proposé. De premières expérimentations ont montré l’intérêt de cette approche : certains niveaux de bruit et de délais permettaient de conserver une précision acceptable, tout en augmentant la confidentialité des témoignages. Toutefois, dans un système réel impliquant plusieurs centaines ou milliers d’agents, la centralisation forme à la fois un goulot d’étranglement et un point de fragilité : compromettre ce point central revient à compromettre le système dans sa globalité. Décentraliser l’approche peut répondre à cette problématique mais pose alors de nouvelles questions d’ordre scientifique : (1) comment répartir l’information entre les agents sachant qu’ils peuvent quitter le système à tout moment ? (2) comment retrouver l’information sachant que chaque agent indépendamment ne doit pas pouvoir reconstruire l’information le concernant ?

Objectif du stage :

Ainsi, l’objectif de ce stage de master est de proposer un modèle de confidentialité pour les témoignages déposés dans un système de réputation décentralisé. Il conviendra dans un premier temps d’étudier les mécanismes permettant de conserver et de retrouver des informations de manière décentralisée (réseaux pair-à-pair, tables de hachage distribuées). Il sera possible de s’inspirer de travaux déjà réalisés au GREYC sur le stockage d’information décentralisé (voir la thèse de Benoît Romito encadrée par François Bourdon). Dans un second temps, il conviendra de décentraliser les mécanismes d’ajout de bruit et de délais qui ont été précédemment proposés. Il serait notamment intéressant d’explorer la confidentialité par ajout de bruit qui consiste à masquer les témoignages réels au sein de faux témoignages générés de manière à garantir les propriétés globales attendues d’un système de réputation.
Les réalisations attendues pour ce master sont :
1. un modèle théorique décentralisé de protection de la confidentialité des témoignages
2. le développement d’un système de réputation décentralisé
3. une évaluation expérimentale sur le prototype d’application développé

Lieu du stage : LITIS, INSA ROUEN ou GREYC, Université de Caen
Contact : Laurent Vercouter, Laurent.Vercouter@insa-rouen.fr

Encadrement du sujet :

Grégory Bonnet est maître de conférences à l’Université de Caen Normandie et membre du laboratoire GREYC, équipe MAD (Modèles, Agents, Décisions). Ses travaux de recherche s’articulent autour des mécanismes de régulation et de coordination dans les systèmes multi-agents, dont les systèmes de réputation font partie. Plus particulièrement, il s’intéresse à la robustesse de tels systèmes face aux manipulations.
• Thibaut Vallée and Grégory Bonnet. Using KL Divergence for Credibility Assessment. AAMAS 2015 (p. 1797-1798).
• Thibaut Vallée, Grégory Bonnet and François Bourdon. Multi-Armed Bandit Policies for Reputation Systems. PAAMS 2014 (p. 279-290).
• Grégory Bonnet. A Protocol Based on a Game-Theoretic Dilemma to Prevent Malicious Coalitions in Reputation Systems. ECAI 2012 (p. 187-191).

Laurent Vercouter est professeur des universités à l’INSA de Rouen et membre de l’équipe MIND (Multi-agent, INteraction, Décision) du LITIS. Son domaine de recherche porte sur la robustesse et l’adaptation de systèmes multi-agents, par le développement de modèles décentralisés de gestion de la confiance dans des systèmes de type pair-à-pairs. La protection des informations sensibles (privacy preservation) dans des réseaux gérés de manière décentralisé est également une problématique abordée dans ses travaux.
• Laurent Vercouter, Jean-Paul Jamont: Lightweight trusted routing for wireless sensor networks. Progress in AI 1(2): 193-202 (2012)
• Yann Krupa, Laurent Vercouter: Handling privacy as contextual integrity in decentralized virtual communities: The PrivaCIAS framework. Web Intelligence and Agent Systems 10(1): 105-116 (2012)
• Andrei Ciortea, Yann Krupa, Laurent Vercouter: Designing privacy-aware social networks: a multi-agent approach. WIMS 2012: 8:1-8:8

Equipe : MIND
ut felis neque. venenatis, Praesent eleifend justo libero Phasellus ut et,