一种位置服务隐私保护方法

近年来,大多数的位置服务隐私保护转向了基于用户协作的P2P形式,但是此模式最大的弊端在于协作用户存在不诚信的情况,如果出现恶意的协作用户,那么协作组用户信息可能会被泄露.在此前提下,本文通过添加第三方信任机构为移动用户进行网络行为异常检测的方式,提出一种防范位置隐私泄露给恶意用户的方法,并通过二叉树的形式扩展P2P模式下的寻找协作用户的范围.通过实验验证,可以有效地防范非诚信用户加入匿名组,降低了信息泄露的可能.     

基于性能感知预测的云服务推荐模型

互联网上出现越来越多的云服务,面对种类繁多的云服务,如何准确地在众多云服务中把符合用户需求并且性能好价格低的服务推荐给用户成为云服务推荐的研究热点.现有的服务推荐方法往往只是根据当前云服务的历史性能记录为用户进行推荐,并没有充分考虑云服务的性能趋势.针对上述问题,本文提出了一种基于性能预测的服务推荐模型,该模型利用共轭梯度改进人工神经网络对云服务的性能进行预测,使用层次分析法对性能,价格等因素进行综合比较计算,最终为用户推荐最为合适的云服务.实验结果表明,使用改进神经网络对服务性能进行预测能够获得较高的准确度,层次分析法可以综合考虑服务的性能与价格,为用户推荐最为合适的云服务.