一种路由设备服务可信属性定义方法与可信路由协议设计

受主观意志和研发能力影响,路由设备生产商难以严格按其对用户承诺提供路由产品,导致设备及其组件中可能存在漏洞与后门,这将给核心网络带来严重的安全威胁。文章为此提出一种路由设备服务可信属性的定义和动态测量方法,并设计相应的可信路由协议,以优化核心网络服务可信属性,促进网络信息传输安全。文章首先分析核心网络范围内网络服务可信属性与信息传输安全的关系,论证通过量化路由设备服务可信属性,同时基于该属性设计可信路由协议,可实现设备资源受限条件下信息传输安全效益的最大化。其次引入"信任度"的概念定义路由设备服务可信属性,在设计基于设备信任度和当前互联网在用路由协议的域内域间可信路由协议的基础上,理论证明上述协议下最优可信路由的存在。接着提出一种基于分组可信路由与实际转发路径一致性检测的路由设备信任度动态量化技术。最后构造可信路由网络模型,检测可信路由协议的安全效益及其对传统路由开销的影响,结果显示可信路由可显著增加信息传输的安全性,其带来的传统路由开销的增长及路由变化的频率与幅度可容忍。

增强Web服务可信性的服务选择方法

应用博弈论方法,建立了基于纳什讨价还价解的服务选择模型,提出了一种增强Web服务可信性的服务选择方法。设计了完全理性的服务双方的讨价还价算法,对服务的价格进行调整,以达到服务请求者与服务提供者双方效用最大化,从而提高交易的成功率和服务的可信性。实验结果表明,在服务提供者与请求者之间就服务质量、信誉、安全等属性进行博弈的基础上作服务选择,能够促进可信服务计算环境的建立,增强服务的可信性。

一种Web服务可信度测试方法

在深入分析Web服务不确定性的基础上,提出一种Web服务测试方法.通过引入可信度阈值进行检验,该方法对异常候选服务具有较强的抗干扰性,能够有效测试出候选服务的可信度、每个测试用例的期望标准输出及其测试能力.该方法根据可信度对候选服务进行排序,为服务使用者选择合理的Web服务提供了重要参考依据.该方法不仅可以测试单个Web服务,还能够对组合Web服务进行测试.最后,通过测试实验验证了该方法的可行性和有效性.

基于自律计算的系统服务可信性自优化方法

提出了一种基于Q学习的系统服务性能自优化方法.该方法通过感知网络系统的服务性能状态参数变化,利用前馈神经网络的非线性映射关系得到执行动作,综合系统服务性能变化情况及服务的可用性来计算环境奖赏函数值,利用Q学习的自学习特性和预测能力,使系统服务性能达到最优.仿真结果表明,该方法对优化系统整体可信性和服务效用具有明显的优越性.

基于滑动窗口的云服务可信评估模型优化

随着云服务的需求日益增强,云服务市场得到了快速的发展,但也产生了云服务的可信问题.国内外针对这个问题提出了各类的云服务可信评估模型,使用直接间接可信,用户评价、偏好相似度等因素参与云服务可信评估的流程中,然而现有研究中的云服务可信评估模型在流程中针对信任评估中并不能满足像是缓慢增加和快速下降等基本性质.本文引入云服务可信滑动窗口的方式加强整个云服务可信评估的流程,通过滑动窗口满足了缓慢增长等性质解决了问题,而后通过模拟实验验证了确实能够有效解决该问题.

基于不可信服务器的差分隐私混合推荐算法

大多数现有的隐私保护推荐算法是针对显式反馈行为数据的单一推荐算法,且仅适用于可信服务器场景。针对以上不足,提出了一个新的隐私保护推荐系统框架。框架利用用户隐式反馈行为数据,在客户端考虑数值敏感度和数据分布不同,使用LCF-VDP(local collaborative filtering-value differential privacy)机制扰动原始数据并上传到服务器;服务器混合两种算法的相似度,最终选择topk混合相似度发送给每个用户设备,在每个用户设备中进行预测评分计算并推荐。仿真结果表明,提出的方法可以根据不同的需求来选择合适的参数,以达到最佳推荐效果,且LCF-VDP在各种隐私预算下比传统的扰动机制效用更好。

云环境下服务信任感知的可信动态级调度方法

以社会学中的人际关系信任模型为基础,提出了一种基于服务消费者的服务满意度评价、推荐者的服务推荐和第三方服务性能反馈的可信度量模型。将用户对服务资源的信任需求和服务资源的可信度并入DLS算法得到可信动态级调度算法CTDLS,从而在计算调度级别时考虑服务资源的可信程度。模拟实验表明,该算法能有效满足任务在信任方面的服务质量需求,对提高任务调度的成功率具有实际意义。

交通信息服务的可信性内涵与评价方法研究

文中对交通信息服务的可信性问题进行了研究与分析。针对交通信息服务缺乏可信性内涵分析与验证方法的问题,提出1种服务的可信性质计算方法。采用本体理论构建存在于人与服务之间信任关系的语义知识,并基于模糊矩阵将多层次用户主观评价转化为对一维可信值的规约计算。应用该方法对停车诱导服务进行可信性评价,采用"认可""中立"和"否定"3个评价指标对测试人员的主观信任度进行量化,可得出该服务综合可信度为0.619。实例表明该方法能够为交通信息服务的可信性进行量化表示及评价,这将为构建优质的交通信息服务,营造"以人为本"的可信赖服务环境提供重要决策依据。

基于可靠性可信性分析的云制造服务组合优化

针对不稳定的制造实体可靠性和服务信誉给新时代制造带来的影响,分析了云制造服务可靠性和可信性,将服务可靠度和可信度、组合复杂度和协同度与执行时间和费用相结合,构建了一种新的服务质量(QoS)评价模型;并通过加权相对偏差评价服务组合性能,提出一种熵增强粒子群优化算法(EEPSO),再引入正态云以提高算法前期全局搜索能力和后期局部寻优精度。以举升装配机器人制造任务为例,验证了优化模型有效性和EEPSO算法可行性。结果表明,与标准遗传算法(SGA)、混合布谷鸟算法(CSBHC)、粒子群优化算法(PSO)、云熵遗传算法(CEGA)这4种算法相比,EEPSO具有更快收敛速度和更好综合性能。

基于社会网络面向个性化需求的可信服务推荐

在当前服务计算和社会计算背景下,针对难以获取满足用户个性化需求的可信Web服务问题,给出基于社会网络面向个性化需求的可信Web服务推荐模型;设计用户个性化功能需求分解与匹配算法,并利用语义词典提高功能需求语义匹配的准确性;基于个性化功能需求、社会网络节点信任度及服务信任度,设计了一种满足用户个性化需求的可信服务推荐算法,通过对社会网络节点之间、节点与服务之间的信任相关性进行分析,提高服务协同可信推荐性能。算法分析及实验结果表明该方法是有效和可行的。

可信云服务

云服务是一类依托于云计算平台的新兴网络服务,其外包服务模式以及云平台自身的安全风险引起了用户的信任问题.云服务可信与否成为用户业务向云迁移的最大顾虑.如何构建安全可信的云服务,成为近年来研究领域的热点之一.该文在分析云计算安全威胁的基础上,提出了可信云服务的定义,并从用户信任预期、安全威胁来源和技术针对的安全目标等角度对可信云服务研究技术的类型进行了划分;然后,系统地梳理了数据存储外包、计算外包、虚拟机外包等典型云服务的安全可信研究工作;最后,探讨了可信云服务的未来研究趋势.

基于协同过滤的可信Web服务推荐方法

为了实现对可信Web服务的推荐,在分析了Web服务推荐技术与电子商务推荐技术的不同的基础上,提出了一种基于协同过滤的可信Web服务推荐方法。首先,根据已有成果对待组装应用的可信需求进行评估,根据此需求对相似用户进行首次筛选;然后在首次筛选的用户中,根据用户使用服务后的评分数据和用户信息来对相似用户进行二次筛选,经过两次筛选得到最终推荐用户。在根据用户对服务的评分数据计算用户之间的相似性时,考虑了不同服务对于用户间相似性的贡献值;在根据用户信息计算用户之间的相似性时,考虑到用户信息之间非线性的特点,引入了欧几里得距离公式来计算其相似值;在产生推荐的过程中还考虑了不诚实用户和用户数不足的问题。模拟实验结果表明该方法能够有效地对可信Web服务进行推荐。

基于协同过滤的可信Web服务推荐

提出一种基于开放网络环境和用户协同过滤的可信Web服务推荐方法 TWSRCF(trustworthy web service recommendation based on collaborative filtering).首先根据用户的查询请求得到一组功能相同或相似的候选Web服务集合,然后基于用户的历史共同评价得到目标用户的偏好相似用户集合,并求得候选Web服务集合中每个服务的可推荐用户集合,并根据可推荐用户的相似度、评价值和可信度计算各候选服务的推荐度,按照推荐度对各候选服务进行排序并向目标用户推荐.实验结果表明,随着用户评价数量的增加,该方法所获得的服务推荐效果也逐渐明显.

云计算环境下可信服务的个性化推荐框架

针对当前云计算环境下服务选择中服务推荐技术的不足,提出一种面向可信云服务的个性化推荐框架(PerReF),该框架基于独立、开放的云评价中心和云推荐中心架构,以可信云服务的多属性分析和概率统计分析为基础,使用模糊综合方法集成消费者对云服务可信属性的历史评价,并结合潜在用户在不同应用场景下的个性化需求,从可信属性权重、可信度期望、成本期望角度出发,对云服务进行过滤,再通过多次迭代的模糊相似度计算,找出最适合用户个性化特征的云服务.仿真实验分析表明,PerReF能够适应复杂的云计算环境,提供具有较高用户满意度的个性化推荐结果.

基于改进蚁群算法的可信服务发现

针对非结构化P2P网络中的服务发现问题,提出了一种基于改进蚁群算法的可信服务发现方法。该方法在传统蚁群算法基础上应用若干新的策略控制蚁群的行为,如动态蚁群策略、子蚂蚁策略、服务节点的信誉评估策略以及蚂蚁的恶意节点惩罚策略等,高信誉服务节点在蚂蚁的推荐下进行邻居更换和自组织。这些策略和方法为蚁群算法在分布式环境下服务发现的应用研究提供了一种新思路。实验结果表明,本算法在各种常见复杂网络环境下仍可保证较高的可信服务查准率和更高的综合服务发现效率,通过对实验数据的分析和解释得到了若干有益的结论,为进一步的研究工作奠定了基础。

一种融合本地社交网络的轻量级可信服务推荐方法

移动通信技术和在线支付技术的成熟发展,促使能满足用户各种需求的服务大量涌现,服务信息严重过载,因此,推荐系统应运而生,以帮助人们快速选择优质且符合自己个性化需求的服务.目前的服务推荐方法大多基于用户服务评价矩阵,采用全局方法计算用户间的偏好相似度,计算资源消耗较多,且不能有效对抗恶意用户的托攻击行为.针对这一问题,提出了基于用户本地社交网络的轻量级可信服务推荐方法,该方法采用改进的Advogato信任模型构建用户的本地信任网络,并考虑用户间的社交圈子相似度和互动程度,计算用户的局部信任权重,然后融合局部信任权重和用户的服务评价相似性,进行目标用户的服务评分预测.基于真实数据集与其他推荐方法的对比实验表明,该推荐方法具有更高的评分预测准确度,能更有效的抵抗托攻击行为,并具有更低的计算复杂度.

一种基于可信服务器的可信引导方案

基于信任根和信任链的概念，利用可信服务器，结合系统的引导过程，提出了一种基于可信服务器的可信引导方案．该方案在引导过程中每次进行控制权转移时，对将要转移到的下一层，进行完整性验证．如验证通过，方进行控制权的转移．这样，系统的引导过程将按照信任链的传递进行．系统的引导处于一种可信的状态，成为一个可信的引导，从而使得整个系统的安全性得到极大的增强．同时，该可信引导方案还具有易实施及灵活的特点．

云计算下多源信息资源云服务模型可信保障机制的研究

针对云计算环境下多源信息资源云服务模型在复杂异构的云网络下存在安全、容错、监管等可信性问题,以及现存保障机制缺乏普适性和独立性,提出一种能从制度上保证服务监管的第三方可信保障机制。分析比对多种信息资源服务模式,将可信性机理、信誉评估、云端访问加密等技术融合,引入第三方信任平台,设计第三方监管角色,搭建独立于服务过程之外的第三方可信保障机制,并设立访问控制模型保障其自身可信性。通过构建商务领域下的应用示例平台,表明该保障机制能充分考虑云计算环境下多源信息资源服务体系中的共性问题,能面向不同应用领域,适用于各种不同类型信息服务应用,具有一定的普适性。

社交信任下的可信服务推荐方法

随着能满足用户需求的服务海量增加,推荐系统成了用户解决服务信息过载的重要手段.传统的协同过滤推荐方法普遍存在着数据稀疏、冷启动的问题,且大多数以用户评分作为判断用户相似性的基础,这使得恶意用户能够轻易复制、模拟目标用户的行为,并进行恶意推荐.针对以上问题,文中将Mark Granovetter所提出的社会网络理论引入到服务推荐方法中,将用户之间的社交关系热度、社交关系亲密度及推荐用户的社交关系核心度作为社交信任因素进行考虑,同时对用户的服务评分进行加权计算,并考虑推荐用户的服务认知程度,提出一种基于社交信任的可信服务推荐方法.实验结果表明:与现有的其他推荐方法相比,该方法在平均绝对误差和均方根误差上都取得了更好的计算结果,并且该方法能够较好的抵抗用户的恶意推荐攻击.

政务网络信息生态链中的可信云服务维度构建

随着云计算服务在政务网络信息生态链中的普及应用,其处理政务数据与信息的低成本与高效率优势日益显现。然而,取代本地资源架构的云服务架构导致政务网络信息生态链中服务流与信息流运作主体发生变化,进而造成了政务网络信息生态失衡。从业务功能维度、数据管理维度和权益保障维度构建了政务网络信息生态链的可信云服务,使政务网络信息生态实现了高效率、低成本(生态经济性)与高稳定、低风险(生态服务性)的再平衡。