一种移动边缘环境下面向隐私保护QoS预测方法

为在移动边缘环境下快速并准确预测Web Service的服务质量,并有效保护用户隐私,提出了一种移动边缘环境下面向隐私保护的QoS预测方法(Edge-Laplace QoS).充分考虑移动边缘环境下用户移动性强、QoS属性值实时性强等问题.首先,利用地理位置信息定位边缘服务器并采用子矩阵划分法得到边缘服务器-QoS数据综合数据集.接着,为保护用户数据的私密性,采用不断更新噪声值改进的差分隐私法完成对边缘环境下原始数据的动态伪装.最后,在预测过程中,以所访问的边缘服务器为中心,利用地理位置信息不断扩大寻找相似用户的范围,从而在移动边缘环境下基于协同过滤法预测用户的属性值.网络开源数据的实验表明,本方法优于传统环境下的预测效率且相比传统隐私保护法更适合在移动边缘环境下进行QoS预测.