基于无干扰理论的云服务行为可信模型

为解决云服务环境下存在的资源共享及特权安全威胁,将传统的无干扰理论引入云服务环境中,提出一种基于无干扰理论的云服务可信模型（NICTM）。该模型将云服务中域、动作、状态、输出等进行抽象,形式化地定义了云服务环境中域的可信;然后证明了用户域行为可信定理,符合定理的用户域可以被证明是可信的;最后在Xen虚拟化平台上实现了基于模型的原型系统,并通过实验验证了模型的可行性。     

面向个性化云服务的动态信任模型

为更好地实践云计算为用户提供廉价按需服务的宗旨,满足服务请求者的个性化需求,提出一种面向个性化云服务的动态信任模型。基于细粒度服务思想定义个性化云服务,通过引入时间衰减因子和建立高效激励机制修正直接信任值,以灰色系统理论为基础计算实体间的评价相似度,并将评价相似度和推荐者的推荐可信度作为合成推荐信任值的重要因素,同时提出一种基于评价相似度的自信因子赋值方法,以提高合成综合信任值的准确性。实验结果表明,与GM-Trust模型及CCIDTM模型相比,该模型的交互成功率分别平均提高了4%和11%。     

云制造环境下基于可信评价的云服务选择

针对云制造环境下因存在大量功能相同或相似的制造云服务而导致用户很难获得合适云服务的问题,提出了一种基于可信评价的制造云服务选择方法。对问题进行了抽象,将可靠性、可用性、时效性、价格和诚信度纳入可信特征集,并考虑评价时间、评价者的诚信度对可信值的影响,采用加权平均的方法计算制造云服务的整体可信度;在此基础上,综合考虑制造云服务的功能、任务负载、当前状态和物理距离等因素,通过匹配功能、任务负载和价格,并结合可信评价值来指导云服务的选择。仿真结果表明,所提方法能够有效地识别云制造环境下的制造云服务实体,可提高交易活动的成功率,满足用户的功能需求和非功能需求。     

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.     

基于隶属度理论的云服务行为信任评估模型研究

针对云用户难以在大量性能特征不同的云服务提供者中找到满足自己性能偏好和特定信任等级的云服务的问题,建立了一个合理的、科学的云服务行为信任评估系统。设计了云服务行为信任评估系统框架,基于隶属度理论建立了云服务行为信任评估模型,利用综合信任云重心评价法来计算云服务行为信任度,经过实验分析,该模型能够根据用户性能需求,对云服务进行更准确、科学的信任评估。     

基于D-S理论的可信云服务评价方法研究

云制造环境下,用户选择云服务资源时往往陷入信息量巨大以及信任缺失的困境。针对如何选取可信云服务的问题,提出了一种基于D-S理论的云服务评价方法。选取六个云服务指标作为可信特征集;通过获取定性定量指标评价信息,求解指标的评价等级隶属度;进而获得评价指标效用偏好度作为基本概率分配值;引入各云服务评价指标的权重修正基本概率分配以减少证据合成过程中的冲突;应用D-S理论合成规则对可信云服务的证据进行合成;计算各云服务的信任区间并将其进行偏序关系的对比,实现了云服务的选择。以某汽车零部件制造商选择云服务为例,验证所提方法的可行性和有效性。     

基于业务流程的制造云服务组合模型

为了提高云制造系统中制造云服务的组合成功率,实现组合云服务与用户业务需求的准确匹配,在对制造云服务、流程节点任务、云服务的可组合性和流程匹配进行形式化描述的基础上,提出一种基于业务流程的制造云服务组合模型。该模型由业务流程引擎、业务流程、选择逻辑、评估逻辑、监控逻辑、知识库和原子云服务集构成,在功能匹配的基础上,对候选服务的可组合性进行检查,结合负载、服务质量(QoS)和业务流程信息,选择合适的云服务,并将其挂接在业务流程上实现制造云服务的组合。对制造云服务的组合流程进行了详细描述,并给出云服务组合的实现方法。实例分析表明,该模型能够有效地选择满足业务需求的云服务实体并进行组合,从而提高制造云服务的组合成功率,保障用户制造活动的顺利进行。     

基于SLA与用户评价的云计算信任模型

针对用户对云服务提供商缺乏信任的问题,提出一个基于服务等级协议(SLA)与用户评价的云计算信任模型。通过分析云服务提供商的SLA确认其承诺的服务质量,根据用户的评价确定云服务提供商对SLA的履行情况,综合两方面内容计算云服务的可信度。分析结果表明,借助该模型,用户可以准确地选择可信的云服务提供商。     

面向智慧社区基于可信联盟的服务推荐算法

针对现有推荐算法同等看待每个用户评价信息的问题,提出一种面向智慧社区的基于可信联盟的服务推荐算法。引入用户的信誉度和服务使用频率,改进传统相似度计算公式,建立基于用户信任模型的信任关系。在此基础上,面向智慧社区用户,引入社区因子,构建可信联盟,从而对目标用户进行个性化推荐。实验结果表明,与基于云模型的链式推荐等算法相比,该推荐算法的精确度更优。     

基于区块链的云数据审计方案

云存储凭借高扩展性、高可靠性、低成本的数据管理优点得到用户青睐。然而,如何确保云数据完整性成为亟待解决的安全挑战。目前的云数据完整性审计方案,绝大部分是基于半可信第三方来提供公共审计服务,它们存在单点失效、性能瓶颈以及泄露用户隐私等问题。针对这些缺点提出了基于区块链的审计模型。该模型采用分布式网络、共识算法建立一个去中心化、易扩展的网络解决单点失效问题和计算力瓶颈,利用区块链技术和共识算法加密用户数据保证数据不可窜改和伪造,确保了用户数据的隐私。实验结果表明,与基于半可信第三方云数据审计方案相比,该模型能够保护用户隐私,显著提高了审计效率,减少通信开销。     

基于多层次属性建模的云制造服务优选方法

随着云计算和信息技术的发展,制造企业逐渐由生产型向服务型转化.为了满足用户需求、解决云制造服务优选问题,提出一种基于多层次属性建模的云制造服务匹配和优选方法.对云制造服务资源和属性进行详细描述和划分,构建多层次属性描述模型.从基本属性、功能属性、非功能属性、综合匹配四个层次对候选服务和请求服务进行匹配计算.对不同类型的...     

云制造环境下个性化产品配置研究

在分析了云制造环境下的产品配置典型过程的基础上,总结了云制造环境下参与 者及制造资源组织的特点,包括产品配置过程需要兼顾不同参与方的利益,以及在产品配置求 解过程中需要覆盖不同制造服务实例的差异化属性的基础,提出了面向云制造的个性化产品配 置技术框架,阐述了面向产品配置的云服务模型、基于关联规则挖掘的产品初步配置以及基于 蚁群算法的产品完整配置 3 个关键问题的求解方法,为云制造环境下开展个性化产品配置提供 了一种新的思路。在模型设计及方案求解过程中,以轮式装载机产品配置作为示例进行了阐述, 验证了该方法的有效性和可行性。     

制造资源耦合映射与模糊匹配技术研究

针对云制造中云制造服务资源匹配映射多种模式并存,云制造服务资源与云制造资源需求间相互影响且映射关系复杂,导致缺少有效云制造服务资源匹配方法.在综合考虑云制造资源需求间相互影响的基础上,提出了云制造服务资源匹配模型,利用模糊积分度量用户云制造资源需求与云制造服务资源间的匹配程度,提出了基于模糊积分的云制造服务资源匹配方法.通过基于模糊积分的云制造服务资源匹配方法,计算获得云制造服务资源对云制造资源需求的匹配度,为制造云中的终端用户提供按需、自助、敏捷的云制造服务资源智能匹配技术.最后,以中小模具企业云制造平台某型号多工位级进模具排样图设计应用为实例,证明了文中方法在工程应用中的正确性与高效性.     

基于凸函数证据理论的关联感知云服务信任模型

针对大规模分布式云计算系统中的服务可信度辨别问题,提出一种基于凸函数证据理论的关联感知云服务信任模型。对云计算系统中云服务提供商、服务和用户之间的信任关系进行形式化描述,充分挖掘了同一服务商中的不同云服务之间的关联性,利用凸函数证据理论对有序命题的处理能力,构建了云计算系统中的可信服务推荐方法,根据用户需求为其提供合理可靠的云服务。与经典证据理论方法的对比结果表明,基于凸函数证据理论的关联感知云服务信任模型在保证有效性和健壮性的同时,充分利用了云计算系统中云服务之间的关联信息,能够根据用户的请求提供合理的云服务。     

面向云制造的服务组合执行引擎框架研究

云制造模式下,制造资源被封装成制造服务,通常以服务组合的方式满足用户复 杂的制造需求。针对云制造服务组合执行过程中高效性、准确性和动态性等要求,提出了面向 云制造的服务组合执行引擎框架,并详细阐述了引擎运行机制。首先,通过解析云制造服务组 合描述文件,构造服务组合节点和服务组合依赖边,建立服务组合节点参数关联关系,归纳推 倒出相应的执行规则。然后,基于执行状态变更的服务组合执行算法实现了制造服务组合的动 态执行。最后,给出了面向电梯产业联盟的云制造服务组合执行引擎实例,验证了框架的可行 性和有效性。     

Trustworthy assurance of service interoperation in cloud environment

Cloud computing can be realized by service interoperation and its essence is to provide cloud services through network. The development of effective methods to assure the trustworthiness of service interoperation in cloud environment is a very important problem. The essence of cloud security is trust and trust management. Combining quality of service (QoS) with trust model, this paper constructs a QoS-aware and quantitative trust-model that consists of initial trust value, direct trust value, and recommendatory trust value of service, making the provision, discovery, and aggregation of cloud services trustworthy. Hence, it can assure trustworthiness of service interoperation between users and services or among services in cloud environment. At the same time, based on this model, service discovery method based on QoS-aware and quantitative trust-model (TQoS-WSD) is proposed, which makes a solid trust relationship among service requestor, service provider and service recommender, and users can find trustworthy service whose total evaluation value is higher. Compared to QoS-based service discovery (QoS-WSD) method, it is proved by the experiment for TQoS-WSD method that more accurate result of service discovery will be achieved by service requestor, while reasonable time cost is increased. Meanwhile, TQoS-WSD method strongly resists the effect of service discovery by untrustworthy QoS values and improves service invocation success-rate and thus assures trustworthiness of services interoperation.     

A Multi-dimensional Trust-aware Cloud Service Selection Mechanism Based on Evidential Reasoning Approach

In the last few years, cloud computing as a new computing paradigm has gone through significant development, but it is also facing many problems. One of them is the cloud service selection problem. As increasingly boosting cloud services are offered through the internet and some of them may be not reliable or even malicious, how to select trustworthy cloud services for cloud users is a big challenge. In this paper, we propose a multi-dimensional trust-aware cloud service selection mechanism based on evidential reasoning(ER) approach that integrates both perception-based trust value and reputation based trust value, which are derived from direct and indirect trust evidence respectively, to identify trustworthy services. Here, multi-dimensional trust evidence, which reflects the trustworthiness of cloud services from different aspects, is elicited in the form of historical users feedback ratings. Then, the ER approach is applied to aggregate the multi-dimensional trust ratings to obtain the real-time trust value and select the most trustworthy cloud service of certain type for the active users. Finally, the fresh feedback from the active users will update the trust evidence for other service users in the future.     

云环境下基于服务等级协议的信任评估模型

针对用户在交互过程中对云服务商缺乏信任的问题,提出了一个基于服务等级协议(SLA)的云计算信任模型。在该模型中,云服务商在向服务中心--可信的第三方平台注册时,首先提交自身的实力评估报告,说明其实力、运营、技术及提供的服务属性等,服务中心根据相关的评价标准对该云服务商进行评估,得到系统信任;其次把系统信任引入到传统的声誉机制中,把系统信任、直接信任和间接信任作为评估一个云服务提供商的三个重要因素,并计算出云服务商的综合信任度;最后用户根据云服务商提供的服务和综合信任度与其进行SLA协商,确定最终交互对象,屏蔽掉不诚实或信誉较低的云服务商。实验结果表明,在基于服务等级协议的信任模型中,由于引入了系统信任,云服务商综合信誉的获得更全面准确、有效地防止了云服务商的不诚信行为,提高了交互的成功率。     

Towards a trust evaluation middleware for cloud service selection

With the advent of cloud computing, employing various cloud services to build highly reliable cloud applications has become increasingly popular. The trustworthiness of cloud services is a critical issue that hinders the development of cloud applications, and thus is an urgently-required research problem. Previous studies evaluate trustworthiness of services via either QoS monitoring mechanisms or user feedback ratings, while seldom they combine both of them for enhancing service trust evaluation. This paper proposes a trustworthy selection framework for cloud service selection, named TRUSS. Aiming at developing an effective trust evaluation middleware for TRUSS, we propose an integrated trust evaluation method via combining objective trust assessment and subjective trust assessment. The objective trust assessment is based on QoS monitoring, while the subjective trust assessment is based on user feedback ratings. Experiments conducted using a synthesized dataset show that our proposed method significantly outperforms the other trust and reputation methods.