---
title: "Trust-Scoring"
type: concept
tags: [trust, scoring, agent-reliability]
sources: [agentic-identity-trust.md]
last_updated: 2026-04-25
---

## Definition

Trust-Scoring 是一种基于**可验证结果**的惩罚型信任量化模型。Agent 从初始分数 1.0 开始，仅通过可客观验证的问题进行扣分；Agent 不得自我报告信号来提高信任分。

## Scoring Model

```python
score = 1.0

# 证据链损坏（最高惩罚）
if not check_chain_integrity(agent_id):
    score -= 0.5

# 结果验证（失败率 × 0.4）
outcomes = get_verified_outcomes(agent_id)
if outcomes.total > 0:
    failure_rate = 1.0 - (outcomes.achieved / outcomes.total)
    score -= failure_rate * 0.4

# 凭证新鲜度
if credential_age_days(agent_id) > 90:
    score -= 0.1
```

## Trust Levels

| 分数区间 | 信任等级 | 说明 |
|---------|---------|------|
| ≥ 0.9 | HIGH | 完全可信任，可执行高风险操作 |
| ≥ 0.5 | MODERATE | 有限信任，需额外验证 |
| > 0.0 | LOW | 高度谨慎，需全面验证 |
| 0.0 | NONE | 不可信，拒绝所有操作请求 |

## Key Properties

- **无自我报告**：Agent 不能声称自己是可信的——信任来自客观可验证的证据
- **信任衰减**：长期未活动的 Agent 或过期凭证自动降低信任分
- **证据驱动**：评分基于 [[Evidence-Chain]] 中的实际执行结果，而非声誉或声明

## Relationships
- [[Zero-Trust]]：Trust-Scoring 是 Zero-Trust 可量化验证的实现
- [[Evidence-Chain]]：Trust-Scoring 的评分依据来源
- [[Peer-Verification]]：Peer-Verification 协议使用 Trust-Scoring 作为决策依据之一

## Sources
- [[agentic-identity-trust.md]]