众包作为一种解决复杂困难问题的有力方法,不仅在学术界吸引了大量专家学者进行研究,而且已经被许多大型企业(例如亚马逊、宝马汽车等)用于实际的生产与盈利。由于众包机制的商业价值巨大,使其早已进入生产生活,许多企业通过众包解决自身需求,节约了大量资金的同时也创造了财富。然而由于众包本身的开放性与便捷性,导致其易受到来自内部参与人员的攻击,对众包的安全性造成了极大的威胁,许多专家学者也在积极推进提高其安全性。研究表明众包中不仅存在自私用户,占用公共资源、参与众包积极性较低,更存在少部分恶意用户,他们对其他用户直接发起攻击,妨碍他人完成任务、窃取他人成果等,对众包平台以及其他用户造成巨大损失。为了解决上述攻击问题,提高用户的参与积极性,筛查并剔除恶意用户,从理论方面提高众包的安全性,文章主要在以下几个方面进行的研究:(1)为了促进众包参与者合作,提高众包解决困难问题的效率。首先从理论上分析用户发动攻击行为的原因;而后,通过博弈论的知识,推导众包参与者的收益矩阵,由该矩阵得出用户出现自私性的原因,发现收益矩阵满足博弈论中囚徒困境模型;为解决上述问题,文章提出一种新的时衰收益模型,通过奖励合作用户一个额外的随时间衰减的收益来激励自私用户的主观能动性。从理论上分析用户的预期收益以证明模型的有效性,仿真实验结果表明该时衰收益可以激励用自私户合作,打破囚徒困境。(2)除自私用户外,众包中恶意用户的攻击行为会对用户造成更大的伤害与损失。为了筛查并剔除恶意用户,在众包中引入声誉系统,赋予所有参与者一个信任值,通过信誉值判断用户是否为恶意用户。为了提高信任值的准确性,提出一种通过灰色指数平滑法进行预测的信任预测模型。该模型可以通过用户历史信任值,较为精确的预测出用户现在的可信度,有效的剔除低于信誉阈值的恶意用户。通过仿真实验对该模型的性能进行分析,实验结果表明了信任机制对抗恶意用户的攻击的有效性,提升了众包机制的鲁棒性。(3)为了充分利用两种模型的优势,将用户的信任值通过收敛函数转化为收益矩阵中的收益。为了鼓励合作,设置高信誉阈值,完成相同的任务,使高信誉用户花费更少的资金,同时考虑时衰收益,综合分析矩阵。仿真实验结果表明了新模型能有效激励用户快速高质量地完成任务,识别并排除恶意节点,有效地解决了众包中用户自私行为与恶意攻击行为。