基于行为监控的动态信任模型，挺有意思的一个方法。它用logistic 回归加上成对分类那一套，把信任值和行为属性之间的复杂关系搞得明明白白。你不用写啥预设函数，直接喂历史数据进去，它就自己学，响应也快，分类效果还不错。

整个模型依赖软件传感器采集行为数据，通过数据挖掘方法出信任等级。不管是安全系统，还是用户行为追踪，这种玩法都挺实用的。适合那种信任值老变的场景，比如 P2P 平台或 IoT 网络。

你要是平时喜欢用WEKA之类的工具，文末那几个相关链接也可以看看，分类回归方面讲得蛮细的。尤其是想上手写写看，可以参考Matlab 实现 Logistic 回归那一篇，对应逻辑都挺清晰。

如果你平时需要根据用户行为来评估信任或风险，可以试试用这个模型结构搞一套自己的，逻辑清晰，执行效率也比较高，嗯，还不依赖太多先验知识，挺省事的。