面向可信服务选取的基于声誉的推荐者发现方法

为了满足开放系统的高度动态性,特别是系统在线演化对服务评估高效性提出的要求,提出了一种基于声誉的推荐者发现方法,首先引入一个相关因子量化不同上下文中的推荐信任关系,得到信任可传递空间,然后应用信任子网分割算法得到评估发起者的可信推荐者群,最后通过主体群内的信任传递与迭代计算,确定具有高声誉值的推荐信息源.初步实验结果表明,该方法有助于在保证推荐信息准确性基础上减少信息收集中的网络资源消耗,从而有效提高可信服务评估的效率.     

基于证据推理的动态系统安全性在线评估方法

综合考虑动态系统历史记录、当前状态以及未来退化趋势信息来对其安全性进行在线评估是极其重要的.本文提出了一种基于证据推理（Evidential reasoning,ER）的安全性在线评估方法.该方法先融合多个安全性指标获得各个时刻的安全性状态,而后融合系统"历史"、"当前"、"未来"时刻的安全性状态,评估得到系统的综合安全性水平.首先,建立了基于三阶Volterra滤波器的在线预测模型,预测指标未来信息;然后,建立了指标最优自适应权重求取模型,计算并更新指标实时权重;最后,提出了基于证据推理方法的融合框架,对"历史"、"当前"、"未来"时刻的信息进行融合,得到系统当前时刻的综合安全性评估结果.通过对某惯性平台系统的安全性评估实例验证了所提方法的有效性.     

一种考虑QoS数据可信性的服务选择方法

随着Internet上功能相似的Web服务的逐渐增多,在运行时刻基于服务质量(QoS)对Web服务进行查找和选择已成为研究热点.现有的基于QoS的服务选择方法通常假定服务提供者和使用者给出的QoS数据都是真实可信的,然而这一假设在实际中往往很难保证.为此,提出了一种考虑QoS数据可信性的服务选择方法.方法从QoS数据来源的角度对质量属性进行分类和计算:对于数据来自服务提供者的质量属性,使用以往运行数据统计,对提供者的QoS数据进行修正;对于数据来自服务使用者的质量属性,通过计算用户间以往反馈的相似程度权衡不同QoS反馈数据的可信程度.对此给出了实现框架,并通过一组模拟实验说明该方法能够有效地削弱不可信的QoS数据对服务选择的影响,增强了Web服务选择结果的准确性.     

一种基于信任推理与演化的Web服务组合策略

为解决动态复杂互联网中恶意、欺诈、不诚信服务实体造成的服务组合质量不高的难题,文中基于开放网格服务体系架构(OGSA),建立了以公共信任演化系统和实体信任演化系统为主体构成的信任推理与演化系统;提出了受限于可信实体的信任演化、实体集合的信任演化、逐步逼近评价实体的信任演化等信任演化方法,以改变信任推理中的信任缺失与信任泛化的不足;通过服务实体间信任关系的推导、反演与递推,极大程度地丰富了实体的信任关系,以识别共谋欺骗并克服信任演化中直接信任关系稀小、前期信任匮乏的问题.文中以新的信任推理与演化为基础,提出了一种Web服务组合策略.应用实例及测试结果表明该服务组合策略能够有效地识别实体行为中潜在的风险,克服实体经验差异,较大幅度地提高了服务组合的成功率.     

基于ELECTRE法的云服务选择

越来越多的云服务为消费者提供了广泛的选择,使云服务选择成为一个具有挑战性的决策问题,这需要使用恰当的决策方法,协助决策者选择最好的服务以满足用户的需求.本文提出一个云服务选择方法,给出了云服务的服务质量（Quality of Service,QoS）的描述形式.引入了ELECTRE的排序方法,该方法通过建立一致性矩阵和矛盾性矩阵来获得各个服务的的优先级别关系.最后,通过实例验证了该算法的有效性.     

基于D-S证据推理的水轮机调速器故障诊断

为了更好地进行水轮机调速器的故障诊断，利用D—S证据推理对不同的神经网络技术得出的结果进行数据融合。仿真结果证实，利用D—S证据推理所得出的结论比单纯利用神经网络得出的结果要理想，它减小了误诊率，提高了水轮机故障诊断的准确率。     

云计算环境下服务信任评估方法研究

云计算环境中,服务资源广域分布、复杂多变,服务实体之间的信任关系因不确定性强而难以有效建立与维护。传统的服务信任评估方法无法全面反映信任的随机性和模糊性特征。在研究云模型理论的基础上,提出一种基于加权多属性云的服务信任评估方法。引入时间衰减因子来反映服务信任的时效性,并以多属性信任云来细化信任评估的粒度。计算用户评价相似度,确定推荐实体的推荐可靠性和权重,防止不法分子的合谋欺骗和恶意攻击。通过云相似度计算确定服务的信任等级,为用户的服务选择提供安全决策。仿真结果表明,该方法明显提高了服务交互成功率,并能有效适用于云计算环境下的服务信任评估。     

云环境下基于协同推荐的信任评估与服务选择

“模糊、自治”的云计算环境中,服务品类繁多、质量参差不齐,用户主体难以进行可信赖的服务选择。在用户交互经验的基础上,结合现实人际交易模式,提出了一种基于协同推荐的综合信任量化评估模型。模型引入了时间衰减、权重两类动态因子,设计了多元化混合协同推荐算法来实现用户之间的有效协作,帮助用户正确选择可信云服务。为了验证模型的可行性,设计出一个分布式的原型系统,对模型的用户满意度和服务选择质量进行仿真实验。仿真结果表明,该模型能够更快地提高平均服务满意度,更有效地抑制恶意服务,而且随着交互次数的增长,服务选择质量也会不断提高。     

基于粗集理论的知识系统证据推理研究

证据推理是处理不确定问题的重要方法，但灾用中存在许多问题，如假设的基本概率指派（bpa)往往由专家事先确定，带有较强的主观性，基于证据推理和粗集理论的基本关系，利用粗集约简，决策表确定基本概率指派等方法解决上述问题，并在此基础上，提出了一种决策表的证据推理方法，用于决策表的预测，实例表明，证据推理和粗集理论的结合可提高并对不确定问题的求解能力。     

一种基于服务质量预测的Web服务选择方法

服务质量评估是基于QoS服务选择的前提和基础。然而,目前的Web服务发现方法在服务质量评估过程中没有充分考虑服务质量的动态变化,不能对服务的表现进行准确的预测。在分析现有相关研究的基础上,提出了一种基于服务质量预测的Web服务选择方法,并详细介绍了该服务选择方法的实现和服务质量预测模型的结构。     

基于SecLA的云服务商选择方法研究

云计算应用领域不断拓展,用户越来越关注云服务的安全性,现有云服务商选择方法主要考量性能和费用,缺乏有效的安全属性考评方法,为此提出了基于安全等级协议的云安全量化评比方法。基于云安全联盟的云控制矩阵及配套共识评估问卷,设计了云服务商安全指标体系及量化评分模型;对Web服务协议框架进行扩展,设计了云安全等级协议的模板框架;引入负提供参数来增强比较优势度法,实现了云安全等级的量化评比。实验检验了系列方法的可行性及有效性,与参数评估方法、简单线性加权方法等的对比表明,优先度排序更加合理,负提供参数对决策起到了良好的辅助效果。     

一种新的基于二维云模型不确定性推理的智能控制器

提出一种新型的二维云模型智能控制器结构.这种结构模型是一种本质非线性模型,可以很容易由一组不确定性推理规则构成.分析了一维和二维云模型的非线性映射特性,并给出了基于此结构模型的智能控制器的设计方法及仿真实例.     

基于云模型的不确定性QoS 感知的Skyline 服务选择

由于传统QoS感知的Web服务选择方法无法保证服务选择的可靠性和实时性,提出了一种基于云模型的不确定性QoS感知的Skyline服务选择方法.该方法首先通过云模型计算QoS的不确定性,然后采用Skyline计算提取Web服务中的Skyline服务,剔除冗余服务,最后采用混合整数规划在Skyline服务中进行服务选择.在公共有效数据集和合成数据集上的实验结果表明,所提出的方法能够为用户提供可靠、快速的服务选择.     

基于置信规则库推理的二择众仓分类方法

针对线性组合方式所构建的置信规则库存在常常无法准确发挥前件属性权重的效能,且随着评价等级个数的增加,新激活权重公式往往会对结果造成不利影响的不足,本文在现有置信规则库推理分类算法的基础上,提出二择众仓决策法,以此改进置信规则库决策系统。首先仅设置两个规则的后件评价等级,对一个决策问题仅做出二择判定,即回答是与否;其次,设置多个置信规则库同时处理若干个子问题;最后通过众仓决策方式融合多个子问题的结果,进而解决最终的分类问题。实验结果表明,改进后的置信规则库推理分类方法可行有效。     

基于事例推理的Web服务QoS动态预测研究

随着面向服务计算技术的发展,网络上出现了大量功能相同而服务质量(QoS)有很大差别的Wcb服务,QoS逐渐成为评价和选择Web服务的重要依据。目前常用Web服务历史QoS的算术平均值来近似服务的QoS,这种度量方法没有考虑Wcb服务QoS的动态性,不能准确地度量Wcb服务的QoS,从而造成被选择的Wcb服务以较大概率不能满足用户的QoS需求。针对这一问题,提出了一种基于事例推理(C13R)的QoS动态预测方法,该方法将Web服务的QoS与服务的外界环境、所处理的任务类型、任务大小关联起来,利用事例推理技术预测Web服务处理新任务时的QoS。实验结果表明,该预测方法能有效地提高Wcb服务QoS的准确度。     

一种基于划分的组合服务选取方法

组合服务选取问题是服务计算领域研究的核心问题.由于组合服务中基本服务QoS间存在着复杂的关联关系,使得某些服务一起使用时效率会较高,而某些服务一起使用时效率反而会降低,现有的服务选取算法几乎忽略了该问题,从而使得选取时所使用的Web服务QoS数据往往不准确,致使选取出的组合服务在实际执行时并不是最优的.为了解决该问题,提出了一种基于划分的组合服务选取方法.首先基于日志记载的质量信息选取那些性能优良的组合服务执行实例,在此之上发现被频繁一起使用的具体服务集合,据此产生对组合服务的划分,形成组合服务点和对应的点模式;最后把点模式集作为点的备选服务集,以点为单位进行组合服务选取.由于点模式经过了多遍执行的验证,和直接对点中各基本服务进行独立选取相比其性能往往会更高.实验表明,该方法能有效提高选取出的组合服务质量.     

基于聚类和Skyline计算的云计算服务选择

针对云计算环境中存在着大量功能相同或类似而服务质量不同的服务,而实现对这些服务选取的方法往往具有效率低和实时性差的缺点,为此,提出了一种基于聚类和Skyline计算的云计算服务选择方法;首先,对各抽象服务类采用相似度矩阵进行分类,选取其中与用户服务请求最匹配的分类作为候选分类;然后,通过Skyline计算剔除各候选分类中的冗余服务,保留支配服务作为候选服务;最后,通过最大化效用函数来选取候选服务构成组合服务;仿真实验表明文中方法能高效地实现云计算环境下的服务选取,且与其它方法比较,与用户服务请求需求具有较高的匹配度,服务选择精确度达到100%,同时算法的时间复杂度较低,具有较大的优越性。     

属性群签名的可信服务选择方案

面向服务计算(service-oriented computing,SOC)的一个基本内容就是选择和组合服务以直接支持指定用户的需求或提供附加服务,这些需求往往是细粒度的.现有的服务选择方法要么没有考虑要么是从粗粒度上考虑服务间的信任关系.我们提出一个新的可信服务选择方法:基于属性群签名的可信服务选择方案(TSS-ABGS).该方案将功能属性相同的可选服务组成一个属性群,当请求者向该群发出包含属性集的选择请求时,满足属性集要求的群成员返回一个签名,请求者通过群管理员开放签名者并与之建立可信关系而达到可信服务选择的目的.该方法具有可跟踪性和防共谋.     

一种高效的基于服务功能规约的服务选择方法

服务因其灵活的应用机制,逐渐成为软件开发过程中的主要载体.面对网络中涌现出的大量功能相同或相似而QoS(quality of service)不同的服务群体,如何快速、准确地定位到所需要的服务个体,仍是一项十分具有挑战性的工作.基于服务对功能的封装特性,提出一种基于服务功能规约的服务选择方法,将功能相关的抽象服务规约为一个粒度更大的服务级的抽象服务;然后,针对规约后的大粒度抽象服务完成服务发现和组合优化的过程.由于规约操作能够有效减少参与服务组合优化的抽象服务的个数以及相应的候选服务的个数,从而使算法的执行效率得到有效提升.实验结果表明:该算法与传统的启发式算法相比执行效率更高,并且对服务组合规模及候选服务规模表现出更好的扩展性.     

一种面向自动推理的语义Web服务发现方法

面向服务计算是近年研究的热点,在面向软件方面上主要体现在Web服务发现、服务选择、服务组合等方面。提出一种面向自动推理的服务发现方法,主要建立一种Petri网的流程控制方法和自动机推理模式,并给出一些定理和性质来说明服务发现的可行性。从而实现服务发现的自动识别,并有效完成服务组合。最后以Amazon中的一组定购服务进行分析得出,该方法可行且有效。