云联盟中收益最优化算法

云联盟环境下,资源提供者旨在协作地向用户提供资源,以获取更多的经济收益。通过联盟博弈研究了云资源提供者的群体合作行为,基于任务执行时间和执行代价最优化问题,定义了资源提供者组建资源联盟的依据,并设计了两种任务调度算法PMTC和TMPC。同时,对联盟收益进行内部分配时,提出了基于Shapley值的联盟收益分配算法,该算法充分考虑了联盟成员对联盟总收益的贡献度,使得联盟总收益在其个体成员间的分配更加均衡与合理。算例分析结果表明,云资源联盟不仅可以改进任务执行效率和资源提供者收益,而且Shapley值可以实现收益的公平分配。     

基于云环境下的信任管理模型研究

针对云计算环境中服务节点的可信度参差不齐常导致用户很难获得高质量组合服务的问题,本文研究和分析了几种经典的信任模型,并在此基础上构建了一个云计算环境下信任模型的体系结构。该系统主要由信任引擎和验证引擎组成,通过该系统用户可以得到潜在的合作伙伴列表,然后从中选择服务评价最高者来为自己提供服务。     

基于合并与分裂机制的云任务联盟博弈调度

为降低任务执行代价,提高云资源提供者收益,提出一种云计算环境下基于合并与分裂机制的任务调度联盟博弈优化算法。建立基于资源联盟的任务执行模型,定义资源提供者选择建立联盟的依据;给出联盟完成云任务后总收益在其联盟成员间的分配方式,重点阐述如何通过联盟合并与分裂机制产生稳定的联盟结构,分析结盟算法的性能。通过仿真实验,与同类型算法进行性能比较,比较结果表明,联盟博弈算法可以产生稳定的联盟结构,为联盟中的个体成员带来最大化收益。     

信任驱动的资源调度算法

针对当前网格资源管理中任务与资源匹配的缺陷,基于信任效益函数和最小完成时间,提出了基于信任的Trust Mintime Min-Min算法.分析了传统的Min-Min算法,考虑Min-Min算法负载不平衡,对其在调度策略方面进行了改进.仿真实验表明,该算法不但可以有效地平衡负载,而且可以提高任务的完成率,兼顾计算的有效性和可靠性.     

云信任驱动的物联网在相关信息系统应用

由于物联网涉及到未来网络和信息资源的掌控与利用,我国非常重视物联网的建设,希望通过积极参与国际物联网的概念设计,框架规划和标准制定,能够掌握物联网时代的世界话语权,并抢占下一代信息技术领域的制高点。从云环境下物联网寻址服务的信任度评估角度,分析一个云信任驱动的物联网信息资源寻址模型(Information ResourceAddressing ModelBased on Cloud Trust-Driven for Internet of Things,IRAMCTDIOT),着重实现物联网底层信息资源寻址的目标,以便更好地推动物联网在世界范围内的安全互联,并阐述在相关信息领域的应用。     

云服务中面向信任的动态访问控制博弈机制

针对云计算环境下交互实体间的信任危机以及无法动态控制访问请求的问题,提出了一种基于信任的动态访问控制博弈机制.根据交互时间与交互次数两要素获得推荐信息的可靠性参数进而动态计算用户的信任值,通过信任值对应的信任等级对用户进行角色的激活与授权工作.为了防止恶意用户对云资源的破坏,将信任等级与动态调节因子引入收益函数对云环境...     

信任驱动的网格调度算法

针对目前网格资源管理中任务与资源匹配问题的不足,基于信任效益函数与匹配概念,提出了信任驱动的网格调度匹配算法。在调度中同时还考虑了任务和资源效益值,对已经提出的两种信任驱动的网格调度算法进行改进。结果证明:该算法较传统基于的信任驱动调度算法而言,信任效益值,资源效益值,负载平衡和失效服务数等方面有较好的综合性能。     

供应链联盟伙伴合作关系的进化博弈研究

针对现实中供应链联盟伙伴合作关系的不稳定性和失败率高的问题,建立了伙伴企业合作静态博弈的得益矩阵模型,并利用进化博弈理论研究了对称和非对称两种情况下供应链联盟伙伴合作关系的形成及进化演变。研究结果表明,在实际博弈中,伙伴企业通过学习进化到什么状态,与初始时选择合作的概率有关;联盟的收益与合作成本的比例越大,联盟中伙伴合作的意愿越大,联盟越趋于稳定;当博弈双方平分合作成本及合作收益时,联盟进化为稳定的合作关系的可能性最大。     

云环境中基于混合多目标粒子群的科学工作流调度算法

为了更高效地实现科学工作流任务的调度,研究了云环境中的工作流调度多目标优化问题,提出了一种基于非占优排序的混合多目标粒子群优化的工作流调度算法HPSO。首先,建立了截止时间与预算约束下工作流调度的多目标优化模型,模型引入三目标最优化,包括工作流执行跨度、执行代价及执行能耗;其次,设计了一种混合粒子群算法对相互冲突的三目标最优化进行求解,算法通过非占优排序的形式可以得到满足Pareto最优的工作流调度解集合;最后,通过3种科学工作流案例的仿真实验,与同类多目标调度算法NSGA-II,MOPSO和ε-Fuzzy进行了性能比较。实验结果表明,HPSO得到的调度解不仅收敛性更好,而且调度解的空间分布更加一致,更符合云环境中的工作流调度优化。     

多云联盟机制及其性能研究

为了满足用户需求,实现云资源能力的动态扩展,提出了一种多云联盟机制。首先,以最大化总收益为目标,以联盟博弈论对多个CRPs之间的合作行为进行建模,旨在形成稳定最优的CRPs联盟结构以满足用户需求;其次,为了得到稳定的联盟结构,引入动态的联盟合并与分裂规则,使得最终稳定联盟中的个体成员无法为提高个体收益而脱离当前联盟结构;最后,为了满足公平性原则,依据个体对联盟的贡献度,提出一种Shapley值法完成联盟总收益在其成员间的分割。实验结果表明,算法不仅可以产生稳定的联盟结构,还可以为个体成员带来更高的收益。     

面向云环境内部DDoS攻击检测的博弈论优化

结合传统基于虚拟机内省(virtual machine introspection-based, VMI)和基于网络(network-based)入侵检测系统(intrusion detection system, IDS)的特点,提出一种部署在云服务器集群内部的协同入侵检测系统(virtual machine introspection & network-based IDS, VMI-N-IDS)来抵御云环境内部分布式拒绝服务攻击(distributed denial of service, DDoS)攻击威胁,比如“云滴冻结”攻击.将入侵检测系统和攻击者看作是博弈的双方,提出一种针对云服务器集群内部DDoS攻击与检测的博弈论模型;分别给出博弈双方的效用函数,并证明了该模型子博弈精炼纳什均衡;给出了权衡误报率和恶意软件规模控制的最佳防御策略,解决了动态调整云环境内部入侵检测策略的问题.实验表明,VMI-N-IDS能够有效抵御云环境内部DDoS攻击威胁.     

基于非合作博弈效用最优化的云资源提供策略

为解决云计算资源提供过程中用户的异构性需求问题,提出一种基于非合作博弈效用最优化的云资源提供策略.利用比例共享机制,根据用户的出价提供资源,对用户的出价函数进行求解,并证明效用最优化模型存在非合作博弈纳什均衡解.实验结果表明,该策略能够反映用户需求与资源价格之间的浮动关系,规范用户的出价与资源分配,在公平性、均衡性和合理性上均有较好的效果.     

云服务及信任度量方法研究

对云服务的概念做进一步的认知,并对衡量服务可信度的方法进行研究分类,有助于认识该领域存在的问题及其发展前景。文章主要介绍云服务信任问题的背景、研究现状,以及相关概念,并将信任度量方法做出分类,对一些典型的信任度量模型进行了分析。总结提出了目前技术探索以及实际应用中所存在的一些问题,并对未来的发展做出了展望。     

基于非完全信息博弈的云资源分配模型

针对云环境下相互竞争的多租赁市场运营模式,以提高资源供求双方利益及资源能效为目标,提出了一种基于非完全信息博弈的云资源分配模型.首先利用隐Markov理论根据服务提供商(service provider, SP)的历史资源需求情况预测其当前出价,以预测值为基础构建动态博弈定价模型,激励服务提供商选择符合整体利益的最优购买出价策略,从而实现利益最大化;然后设计了支持多服务提供商、多种资源同时分配,以分类资源单位价格进行分配的资源分配模型,保证了基础设施提供商(infrastructure provider, INP)的收益最优.仿真实验表明：在博弈定价模型中,预测价格与实际交易价格相近且交易价格低于实际估值,能够保障服务提供商的利益;基于不同种类资源单价的分配模型能够增加基础设施提供商的收益.     

TD_Max-min:信任驱动的网格任务调度新算法

利用信任机制的概念,对传统的Max-min调度算法进行改进,提出一种信任驱动的网格任务调度算法——TD_Max-min。在相同的假定条件设置下,将其与现有的TD_Min-min算法和TD_Sufferage算法进行仿真和比较研究。结果表明,信任驱动的网格调度算法不仅优于传统的基于时间的调度算法,而且当具有强信任关系的任务数量大于弱信任关系及无信任关系的任务数量时,TD_Max-min算法的调度性能明显优于TD_Min-min算法。     

一种云计算资源优化分配的方法探究

文章针对云计算的特征提出了云银行模型,在模型中以多维的帕累托最优理论为依据进行资源调度,对其进行了最优化分析,目的在于提高客户的满意度,提高资源的利用率。通过对比实验,证明了该文提出的方法是有效的。     

云模式下的信息安全探讨

云计算的安全问题是影响云计算发展的重要因素,文章重点对云计算模式下的信息安全问题进行了深入的探讨,指出必须从技术、管理和法规制度建设等多个方面来解决云模式下的信息安全问题。