一种基于非功能属性决策的可信Web服务发现模型

Web服务注册中心为服务请求者寻找Web服务带来方便,但由于其缺少对服务非功能信息的支持,无法很好满足用户需求,最终导致服务发现可信程度不高.首先对Web服务质量、服务信誉等非功能属性进行分析,通过服务行为观测机制获取较客观的属性指标数据,利用多属性决策方法,提出一种可信的Web服务发现模型.模型能帮助服务请求者发现最优的、可信的服务.最后通过一个应用实例验证了模型的有效性.     

基于策略的Web服务非功能属性匹配

Web服务的非功能属性匹配对增强Web服务发现的准确性,保证Web服务调用质量具有重要作用。目前Web服务的非功能属性匹配研究一般局限于某一具体的非功能属性,缺少支持各非功能属性的统一匹配方法。该文提出了一种基于策略的Web服务非功能属性的匹配方法,把Web服务非功能属性作为服务双方的策略,利用策略匹配来实现非功能属性的匹配。采用WSPL作为策略描述语言,并提出了层次化策略的概念,利用不同的发布方式对不同层次的策略进行发布,服务发现的过程与不同层次的策略匹配结合在一起。该方法支持各种非功能属性的匹配,并可以容易地和Web服务的功能性匹配方法结合到一起,形成完整的Web服务发现匹配系统。     

基于领域本体的可信服务组合

针对现有Web服务组合方法缺乏对服务自身属性信任问题的深入考虑,服务组合过程可信需求无法得到保障,提出了一种基于领域本体的可信Web服务组合方法。将服务的非功能属性分为服务质量、服务信任和服务上下文三个主要方面,并采用本体构建工具Protégé构建原子服务本体,利用推理机FaCT++对原始服务集进行本体推理过滤;引入了融合本体推理过滤的Web服务架构;提出了基于层次任务网络(hierarchical tasknetwork,HTN)规划法的可信服务组合算法。仿真实验表明:与传统的组合方法相比,该方法可有效提高服务组合的效率和成功率。     

基于模糊理论的Web服务信任评估模型

针对Web服务所处网络环境的开放性、欺诈性和不确定性等特点,提出一种基于模糊理论的Web服务信任评估模型.该模型采用粗糙集和信息熵理论相互结合的方法对Web服务的信任度进行度量,为候选可信的Web服务提供良好的决策依据.最后,以仿真实验说明该模型在Web服务信任评估方面更加准确可靠.     

一种基于混合智能优化的服务选择模型

基于Web服务功能属性与非功能属性分离的思想,提出了在组合服务流程确定情况下基于非功能属性的组合Web服务选择模型.考虑到非功能属性之间的不可公度性和矛盾性,设计了一种基于极大熵函数和社会认知算法的新型混合智能优化算法来解决全局服务选择问题.最后给出了数值实验,实验表明文中的方法可以综合考虑服务组合的非功能要求,从而实现自动的全局服务选择.     

上下文感知在Web服务动态信任计算中的应用

针对当前信任模型未能充分考虑环境因素在信任评估中的影响问题,提出了一种基于上下文本体的Web服务动态信任计算模型（CO-WTCM）。该模型通过感知服务实体所处上下文信息,对这些动态、分布、异构的信息进行本体建模,在此基础上采用主客观组合赋权法和模糊综合评估算法对服务实体间的信任关系进行综合评估并通过信任度的综合计算实时更新实体间的信任关系,从而最大程度地保证实体行为的安全和可信。通过与EigenTrust模型相对比,仿真实验验证了该模型的可靠性和有效性。     

一种策略驱动的Web服务质量保障框架

随着面向服务计算技术的发展和应用,提供非功能属性保障能力成为服务在企业应用中获得成功的关键因素.同传统的分布式计算技术不同的是,服务是动态发现和绑定的,这要求服务双方必须动态协商并保障各种非功能属性.使用WS-Policy语言来显式描述Web服务的非功能性的能力和需求,并提出了一种策略驱动的服务保障框架来完成非功能属性的动态保障,最后在SOAP引擎SOAPExpress中实现了这一框架,结果表明它可以有效满足企业应用对Web服务质量的需求.     

一种基于模糊理论的Web服务信任评估方法

信任评估是可信软件中的核心问题.针对Web服务信任的不确定性和主观性特点,引进模糊理论,给出了一种Web服务信任的综合评估方法,同时,以例子说明了这种方法的应用.最后,描述了评估模型的实现.     

Web服务可信证据收集与评估机制研究

现有Web服务的可信评估机制大多忽视Web服务使用者及应用场景的差异性,其评估结果的准确性无法得到保证。提出了一种基于可信证据的Web服务可信评估机制,实现了可信证据的Web服务调用主动探测、服务容器自动反馈和用户反馈收集,同时提出了一种基于用户反馈的上下文敏感可信评估方法,全面考虑了Web服务质量属性的上下文相关性,进一步提高了Web服务可信评估的准确性。     

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.     

融合可信性评价的Web服务组合QoS优化

针对复杂网络环境下存在的恶意欺诈行为,提出一种将服务可信性评价和基于QoS感知的服务组合优化相结合的方法框架.首先,基于Web服务的历史行为分别采用贝叶斯学习理论和用户评价方法,从客、主观两方面对Web服务可信性进行评估;然后,利用可信性度量后的QoS属性构建多目标优化模型,并提出一种改进的多目标灰狼优化(IMOGWO)算法用于模型求解;最后,通过实验数据验证所提出方法框架在服务组合优化时的有效性.     

应用于Web服务合成的一种有效的Web服务发现策略

随着Web服务的流行，如何发现Web服务为研究者们提出了挑战．文中将描述Web服务的信息分为服务操作信息（OWSDL）、服务功能信息（一般属性）和服务约束信息（实例属性）．基于描述服务的三部分信息，分三步实现服务查找．第一步，基于领域本体商业规范OWSDL实现服务操作同构；第二步，基于服务概要描述的一般属性，满足服务的功能需求；第三步，应用服务匹配度模型，基于概要描述的实例属性，按需为消费者提供恰当的服务．最后，通过实例证明了该方法是一种有效的Web服务发现策略．     

基于用户视角的组合Web服务响应时间优化

针对响应时间,通过选择、调用合适的成员Web服务,对组合Web服务的QoS进行优化．该优化方法基于用户的视角,将组合Web服务运行时用户一次等待周期中需要执行的所有任务作为一个整体进行调度;同时根据组合Web服务流程的不同环节中用户对等待时间的不同敏感度,设置调度参数,降低关键环节超时的风险．实验表明,此方法可以有效地优化组合Web服务的响应时间,提高用户的满意度和QoS．     

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.     

一种多维集成直觉模糊信息的信任评价方法

信任是保证在线服务质量的前提。针对电子商务环境存在的复杂性、模糊性和不确定性等因素,引入直觉模糊理论,提出了一种多维集成直觉模糊信息的信任评价方法,给出了两类信任反馈属性集成直觉模糊信息的方法,通过直觉模糊熵确定属性权重,并利用直觉加权算数平均算子求出实体的综合直觉模糊数,从而全面、客观和细腻地反映信任的模糊性和不确定性。计算实例和仿真实验表明,基于多维集成直觉模糊信息的信任评估方法是可行的,通过对风险偏好因子的灵敏度分析,发现服务请求者风险偏好不同,则评估的服务提供商的信任得分也不同;同时也验证了该方法可以有效地抑制恶意节点的攻击,为电子商务环境下信任评价的研究提供了新思路。     

Web服务中主观信任和客观声誉的研究

随着Web服务的出现,对软件服务和服务组合的安全可靠的运行使得服务提供方、服务请求方以及代理之间的相互信任变得尤为重要。首先给出信任和声誉的定义以及它们之间的区别和联系,由此提出一个用于度量软件服务间信任关系的信誉评估模型——WSTR。给出了更加灵活的计算直接信任度方法,并且将声誉引入推荐信任的合成中,利用现有的节点作为声誉存储实体,更加能够体现信任的主观性和客观性的结合。仿真结果表明声誉度能够客观地反映出真实的实际情况。     

领域自适应的Web服务评价模型

Web服务质量的评价是指导Web服务的选取与组合的主要手段,而目前的Web服务评价模型采用与服务领域无关的评价因子来评价服务,不能全面衡量服务使用者对Web服务质量的要求．该文用基于语义的方法描述Web服务评价模型,支持动态定制不同领域的服务评价因子,同时利用Web服务在使用过程中产生的知识以及领域专家的领域知识交互计算评价因子的权重分布．实验证明,该模型的评价结果优于其它评价模型的评价结果,并且采用交互算法的准确率比仅采用机器学习算法或仅使用先验知识的准确率提高10％以上．该模型可应用于Web服务管理系统、Web服务选取和Web服务合成引擎等Web服务应用系统中．     

电子商务中Web服务社区的动态信任启动模型

为对新Web服务的信任值做出公平的评估,提出一种基于Web服务社区的动态信任启动模型。通过Web服务的QoS获得担保信任值,使用愿意共享交易评价的记录求得经验信任值,对这2种信任值进行动态线性组合得到实际信任值,且担保信任值所占的比重随着交易次数的增加而动态减少。实验结果表明,该模型不仅使新Web服务能与长期存在的Web服务竞争,而且使用户免受欺诈。