基于概率逻辑推理的高阶互补云API推荐方法

云时代,云API作为服务交付、数据交换和能力复制的最佳载体,已成长为当今面向服务软件开发和企业数字化转型不可或缺的核心要素.然而动态开放网络中持续增长的云API在给开发者提供了更多选择的同时,也将其淹没在海量的云API选择之中,设计有效的云API推荐方法就此成为API经济健康发展中迫切要解决的现实问题.但是,现有研究主要利用搜索关键词、服务质量和调用偏好进行建模,生成质量高功能单一的云API推荐列表,没有考虑服务化软件实际开发中开发者对多元化高阶互补云API的客观需要.高阶互补云API推荐旨在为多个查询云API生成多元互补云API列表,要求推荐结果与查询云API均互补,以满足开发者的联合需求.针对此问题,本文提出基于概率逻辑推理的高阶互补云API推荐方法(Probabilistic Logic Reasoning for High-order Complementary Cloud API Recom⁃mendation,PLR4HCCR).首先,通过云API生态真实数据分析论证云API互补推荐需求的必要性和互补关系建模中替补噪声的客观存在,为云API互补推荐问题研究提供动机和数据支持.其次,采用Beta概率嵌入对云API及其之间的关系约束进行编码,以刻画云API间互补关系的不确定性和支持互补逻辑推理.接着,设计由投影、取反和交并三个基本逻辑算子构建的互补关系逻辑推理网络,使查询集中的每个云API获得非对称互补关系感知和替补噪声消解约束下的互补云API表示.然后,引入注意力机制为查询云API的互补云API分配不同权重,增强高阶互补云API基向量的表征能力.在此基础上,采用KL散度度量高阶互补云API基向量与候选云API之间的距离,并根据KL散度排序生成高阶互补性可感知下的云API推荐结果.最后,我们利用两个真实云API数据集在不同阶互补推荐场景下进行实验,实验表明,与传统启发式推荐方法和深度学习推荐方法相比,PLR4HCCR在互补关系感知推理和替补噪声消解方面均具有较大的优势,继而使其在低阶、高阶和混合阶互补云API推荐中均展示出更优的推荐效果和更强的泛化能力.进一步,超参数敏感性实验、实例分析和用户调查验证了方法的有效性、实用性和可行性,这使结合高阶互补关系的云API推荐方法PLR4HCCR不仅更有可能生成开发者满意的结果,而且可有效提升云API服务提供者的收益.

功能互补关系增强的云API推荐方法

当前云API推荐方法主要采用相似性计算或者利用Mashup的历史调用来生成推荐结果,忽略了Mashup与云API之间有益的功能互补关系。针对上述问题,提出一种基于功能互补关系增强的云API推荐方法。首先,利用标签共现对功能互补关系进行刻画。然后,计算功能互补得分来刻画云API和Mashup之间的功能互补程度,学习功能互补向量来刻画云API和Mashup之间的潜在功能互补关系。在此基础上,将功能互补得分和功能互补向量嵌入云API推荐模型中,使功能互补关系在推荐云API的过程中起到关键性的作用。在真实世界云API数据集上进行实验,所提方法在稀疏场景下的AUC、F1、HR@5指标上平均提升了2.32%、1.86%、9.15%,最终验证了所提方法可以在提高云API推荐结果准确性的同时,提升对长尾云API的推荐性能。

面向服务质量感知云API推荐系统的数据投毒攻击检测方法

针对现有研究通常假设云API推荐系统的服务质量数据是可靠的,忽略了开放网络环境中恶意用户对云API推荐系统的数据投毒攻击的问题,提出了一种基于多特征融合的数据投毒攻击检测方法。首先,依据设计的相似性度量函数构建用户连通网络图,并利用Node2vec捕获用户邻域特征;其次,采用稀疏自编码器挖掘用户服务质量深度特征,并构建基于服务质量数据加权平均偏差的用户解释特征。进一步,融合用户邻域特征、服务质量深度特征和解释特征建立基于支持向量机的虚假用户检测模型,并使用网格搜索和交替迭代优化策略学习模型参数,继而实现虚假用户检测。最后,通过多组实验验证了所提方法的有效性和优越性,实现了服务质量感知云API推荐系统在数据端的投毒攻击防御。

基于萤石云API的测震台站视频监视系统

为了提高测震台站运维工作效率,设计一套视频监视系统,实现地震台网中心对测震台站的远程、实时视频监视,数据流监视与中断告警,入侵侦测与告警以及市电中断告警等功能。系统分为台站端子系统和中心端子系统,其中,台站端子系统集成萤石网络摄像机、市电监控装置和4G路由器等设备,可以将台站视频截图通过4G信道近实时传输至中心端子系统;中心端子系统是一套应用程序,基于萤石云API开发。该系统为无人值守台站的视频监视提供了完整解决方案,在承德中心台的应用证明,可提高台网运维工作效率。

基于开放云API的移动APP设计研究

随着移动互联网的快速发展,传统的Web应用正逐步被安卓、苹果等智能手机APP所取代,越来越多的开发者开始关注移动APP的开发。由于系统平台的不兼容,数据处理不统一,移动APP的开发需要针对不同的系统分别进行设计开发。另外,对非商业化移动APP来讲,数据的存储设备、服务端设备的大量投入也是非常头疼的问题,解决这些问题开放云API是其中一种比较好的解决方案。

云应用程序编程接口安全研究综述:威胁与防护

云时代,云应用程序编程接口(API)是服务交付、能力复制和数据输出的最佳载体。然而,云API在开放服务和数据的同时,增加了暴露面和攻击面,攻击者通过数据劫持和流量分析等技术获取目标云API的关键资源,能够识别用户的身份和行为,甚至直接造成背后系统的瘫痪。当前,针对云API的攻击类型繁多,威胁与防护方法各异,缺乏对现有攻击和防护方法的系统总结。该文梳理了云API安全研究中云API面临的威胁和防护方法,分析了云API的演化历程和类别划分;讨论了云API的脆弱性以及云API安全研究的重要性;提出了云API安全研究框架,涵盖身份验证、云API分布式拒绝服务(DDoS)攻击防护、重放攻击防护、中间人(MITM)攻击防护、注入攻击防护和敏感数据防护6个方面相关研究工作综述。在此基础上,探讨了增加人工智能(AI)防护的必要性。最后给出了云API防护的未来挑战和发展趋势。

面向云原生的API攻击诱捕技术研究

应用程序接口(API)作为连接服务和传输数据的核心通道,在蕴含巨大价值的背后也隐藏着不可忽视的安全风险,其作为互联网上最重要的信息基础设施已成为攻击者的主要攻击目标。为弥补现有API安全方案针对API广泛攻击面无法进行充分保护的短板问题,重点关注云原生API安全问题。基于主动诱捕思想,提出了一种面向云原生的API攻击诱捕框架,针对不同的云服务层次特点构造了相应的API诱饵及高交互诱捕环境。其中,在容器编排层(平台层),围绕云组件Kubernetes及Docker的脆弱点构造了3个API诱饵;在应用层,选取危害性较大且利用频率较高的API漏洞构造了15个API诱饵。同时,针对应用层API诱饵物理资源需求较高的问题,提出了一种基于当前网络流量的动态调度算法,在充分利用物理资源的同时最大化捕获效果。基于诱捕框架实现了原型系统并在真实环境中部署应用,系统最终捕获到1270个独立互联网协议(IP)地址以及4146个请求。实验结果表明,提出的API攻击诱捕技术可有效发现云原生环境下的API攻击行为。

基于TrackingJS库+百度云人脸识别课程签到系统设计与实现

为了重点解决课程签到作弊问题,文章设计了一款基于TrackingJS库+百度云人脸识别课程签到系统。首先,将课程签到细分为3种方式,分别是线下课签到、线上课签到、公开课签到。其中,线下课签到是最严格的签到管理制度,以确保每一位学员的真实到场,并明确禁止任何形式的代签行为。其次,系统前端采用TrackingJS人脸识别动态抓取库,后端调用百度云人脸识别接口,以及基于教师端的手机Web App签到功能设计,实现低成本、防作弊的课程签到功能。最后,采用Nginx+tomcat+Redis+MySQL技术优化系统架构,解决签到高峰阻塞问题。本设计实现了一个可靠且简单易用的,包括线上、线下及公开课的课程签到系统。

基于安卓系统开发工具及API接口实现APP开发策略

在改革开放不断深入的新局势之下,在越来越多人的生活中,手机已经成为必不可少的通讯工具,人们可以通过手机进行购物、微信、旅游、交友等。但是许多APP由于系统不兼容,在数据处理过程中总会出现一些问题,为了更好地解决这一问题,移动端软件开发工程师需要根据不同的系统来完成APP的开发与设计。除此之外,就目前的非商业化APP来看,对于系统中的数据存储、服务端设备的投入也非常重要,处理好开放云中的API将是一个最优化的解决方案。

基于百度私有云存储技术的点名系统的设计与实现

本文介绍了一种基于百度云平台的点名系统的设计与实现。借助百度私人云存储实现用户点名数据私有化、持久化及共享。通过本系统实现随时随地读写点名数据,为教师、辅导员等教学管理人员全面、准确掌握课堂点名信息提供技术支持。同时本文对使用百度开放API进行软件开发有一定的借鉴意义。

基于微信小程序的树洞设计与实现

本文提出了基于微信小程序的树洞平台的设计架构,利用微信云开发和云平台API,实现了树洞交流平台,为用户提供一个自我情绪表达及日常记录的空间,有一定实用价值。