Przedstawione wcześniej rozwiązania w zakresie zagrożeń zaufania uwzględniają informacje kontekstowe, a mianowicie wartość klienta i jego uczciwość. Te informacje kontekstowe są cenne dla rozwiązania zagrożenia zaufania typu flip-flop, w którym algorytm może dostosowywać się do różnych rozwiązań w oparciu o kontekst. Na przykład obecność nieuczciwych klientów wymaga mechanizmu filtrującego. Skuteczność tych mechanizmów filtrujących zależy od odsetka nieuczciwych klientów. Dlatego opracowaliśmy rozwiązanie uwzględniające zagrożenie zaufania oparte na kontekście i uwzględniające różne rozwiązania w oparciu o informacje kontekstowe, takie jak lokalizacja, nieuczciwość i preferencje. Poniższe rozwiązanie zakłada, że mamy dostępny wektor kontekstów. Naszym celem jest wyczucie interesujących kontekstów aplikacji e-commerce i zastosowanie odpowiednich rozwiązań zagrożeń zaufania, które są świadome wybranych kontekstów. Poniżej przedstawiono szczegóły działań niezbędnych do osiągnięcia tego celu. We wszystkich dostępnych kontekstach wyczuwamy aplikację e-commerce. Jest to pokazane w wierszach 5 i 6. Wiersze 7-9 wybierają inne powiązane konteksty w odniesieniu do (. Wreszcie wiersz 12 aktywuje odpowiednie rozwiązania zagrożeń zaufania, świadome wybranych kontekstów dostępnych w ST.
- T <- Wektor dostępnych kontekstów
- ST <- Wektor dostępnych wybranych kontekstów
- N <- Liczba kontekstów
- For i = 1 do N
Iff] jest wyczuwalny
ST = ST + f)
- For (j = 1 do N)
ff (f) jest powiązany z fh & f π)
- ST = ST + Tj
- Koniec
- Koniec
Aktywuj odpowiednie rozwiązanie rozpoznające ST