基于多维信任云的信任模型研究

针对主观信任的模糊性和不确定性以及现有的基于云模型的信任模型中粒度粗糙的问题,提出了一种基于多维信任云的信任模型。首先,依据实体间的直接交互经验和交互时间,利用加权逆向云生成算法计算被评估实体的直接信任云;然后,通过评估推荐实体的推荐可信度,计算被评估实体的推荐信任云;最后,综合直接信任云和推荐信任云产生综合信任云,并依此进行可信实体的选择。仿真结果表明,基于多维信任云的信任模型能够有效地识别系统中的各类服务实体,可提高实体间的交易成功率。

云计算环境下的信任评估模型

针对云计算环境内部的信任问题,提出一种基于证据理论的信任评估模型,为云中心的资源分配及调度提供决策支持。在对信任评估的过程中,考虑到云环境中存在着大量的不确定性因素,将信任关系分为"可信"、"不可信"、"不确定",从这3方面对信任进行评估。根据实体的中央处理器(CPU)、内存、磁盘、网络状况,得到直接信任值;根据实体与云中心的交互情况,得到间接信任值;进行加权平均得到综合信任值。仿真结果表明,该信任模型能够准确有效的对信任做出评估。