HASH GAME - Online Skill Game GET 300

　　公平交易是指如果交易双方都诚实守信,那么当协议运行结束时,双方顺利完成交易,如果交易双方有一方有不诚实行为,另一方也不会蒙受损失。公平交易问题在人们的日常生活中经常碰到,如文献(1)中提到的“同时签约”、“秘密的同时交换”等实质上都是一个公平交易问题。在电子商务时代,很多数字化产品都可以在网络上直接交易,这极大地提高了交易的方便性和快捷性,但是由于数字化产品易于复制、网络环境又极其复杂,因此公平交易的问题就显得更为突出了。迄今为止,人们提出了三种公平交易的协议模型(2),!自动执行协议模型。该模型的基本思想是交易双方逐渐把秘密泄露给对方,如将秘密分为n等份,每一轮交换一份,如果交易进行了m,n,轮以后终止,某方故意或由于通信技术原因等,,双方将尽力去推测对方剩下的秘密。如果双方的推测能力不一样,交易的公平性将遭到破坏,但是为了保证公平性而在,nternet环境下要求双方具有相近的推测能力是不现实的。另外,该模型直接对秘密n等份进行传递,将导致较大的通信量。在线第三方协议模型。在该模型中,交易双方A、B的每一次交易都需要借助在线第三方的帮助,A、B把各自的秘密SA、SB都交给第三方,由第三方分别验证秘密SA、SB的真实性,如果都真实,那么第三方把SB给A,把SA给B。该方案可能的问题是从安全

　　本文的公平交易方案利用了Hash链技术,该技术的基本思想是,用户随机地选择一个种子m,分别计算其Hash值h(m)(h2)m,,…(hn)m,,其中(hn)m,叫做Hash链的根。设用户的私钥是skc,用户对这个根签名(hn)m,(skc)然后发给远程服务器hn(m)和(hn)m,,skc。以后用户通过依次向服务器出示hn(1)m,,…(h)m,(m)可以证明自己n次。这主要是利用了单向Hash函数的单向性,即从hi(m)计算hi+1(m)容易,但从hi+1(m)计算hi(m)则非常困难。

　　秘密交换的响应者。首先(A)B在TTP处建立一个账户,并注入资金,由TTP分别发给他们一个交换字据证书,该证书要定期更新,如一个月或多少天等,,由此可以使那些有不良信用记录的人无法取得新的证书。A,B获得了交换字据证书,就表示从TTP处获得了授权,可以制造自己的交换字据链。一个交换字据链代表了秘密交换者之间的信用,它是一个Hash值的序列,链中的每个交换字据都具有相同的币值。A,B生成一个新的交换字据链的步骤是,

　　与文献(4)所提出的自动执行协议模型的典型方案相比,本文中的方案交换的是秘密的Hash值,而不是秘密本身,这样可以克服由于交易双方推测能力不同而可能造成不公平的弱点,而且可以减少交易过程的通信量。与文献(5)所提出的在线第三方协议模型的典型方案相比,本文采用离线第三方模式,只有在发生意外的情况下才需要第三方的介入,这样可以极大地减少系统的通信量,而且进行交易的对象数可以由两人方便地扩展为多人,而在第三方处不会形成瓶颈,此外,第三方并不接触交易双方的秘密本身,所以更为安全。与文献(6)所提出的离线第三方协议模型的典型方案相比,本文中的第三方在解决纠纷时,只是依据交易双方的交换字据链来进行,并不直接掌握交易双方的秘密本身,所以本方案的安全性更高。另外,由于本方案中主要涉及的是Hash函数计算,避免了以往种种公平交易协议中众多的各种加解密计算,所以极大地提高了协议的执行效率,降低了成本。

　　( 1 )在第一次交换时,A对自己的交换字据证书和交换字据链的终值,根,W AO签名,作为对该链的承保书,并把承保书、第1个交换对(W A 1 ) 1 ,和W AO发送给B,同样,B对自己的交换字据证书和Hash链的终值,根,WBO签名,作为对该链的承保书,并把承保书、第1个交换对(W B 1 ) 1 ,和W BO发送给A。 A可以验证h(W B 1 ) =W BO是否成立,B也可以验证h(W A 1 ) =W AO 是否成立。

　　(3)在第N次交换时,秘密交换的发起者A将真实的秘密WAN传给B,B通过验证h(WAN) =WAN-1 ,可以确定其真实性。此时,若B守信用,将自己的秘密WBN传给A,A通过验证h(WBN) =WBN-1 ,可以确定其真实性,这样秘密交换顺利结束,若B不守信用,将虚假的秘密WBN传给A,由于h(WBN) F WBN-1 ,A可以马上发现并对B提出警告。如果B仍然不听劝告,那么A可以把B以前传来的交换对,即B的交换字据链(WBO )W B1 ,…,W BN-1 ,,提交给TTP,TTP验证通过以后,根据每个交换字据所代表的币值,从B的账户中扣除相应价值的货币,并存储到A的账户中,使A得到补偿,同时TTP将B记入被撤销交换字据证书的黑名单。

　　达到子过程的收敛的检验标准。另外,在多目标优化的进化计算过程中,有时会出现一种解的聚集现象,即整个进化群体经常会只收敛于几个点或几个小区间,甚至会聚成一点,即所谓的“种群漂移”现象(8)9, 。解决该问题的关键在于保持遗传算法演化过程中的种群多样性。本文采用De Jong在l975年提出的基于排挤机制的选择策略,其基本思想是,在算法中设置一个排挤因子CF,一般取CF,2或3, ,由群体中随机地选取l/CF个个体组成排挤成员,然后依据新产生的个体与排挤成员的相似性来排挤一些与排挤成员相类似的个体,个体之间的相似性可用个体编码串之间的海明距离来度量。随着排挤过程的进行,群体中的个体逐渐被分类,从而形成一个个小的生成环境,并维持了群体的多样性。

　　算法参数设置如下,外部文件的大小为l00个个体,种群空间为50个个体,变异率为l/L,L为染色体的长度, ,达到子过程收敛的循环代数为2,不可替换部分的比率为0 3(CF)2。文献(6)中与本文算法共有的参数设置相同,参数设置如下,初始种群大小为50个个体,变异率为l/L,L为染色体的长度, (r)l0(CF)2。进化规划用VC++ 6 0实现。基本的多目标优化进化规划算法结果与本文算法结果的比较如表l所示。