CN108960862A - 虚假制造云服务识别方法 - Google Patents
虚假制造云服务识别方法 Download PDFInfo
- Publication number
- CN108960862A CN108960862A CN201810715306.3A CN201810715306A CN108960862A CN 108960862 A CN108960862 A CN 108960862A CN 201810715306 A CN201810715306 A CN 201810715306A CN 108960862 A CN108960862 A CN 108960862A
- Authority
- CN
- China
- Prior art keywords
- cloud service
- hypervolume
- manufacture
- false
- service
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 18
- 238000010586 diagram Methods 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种虚假制造云服务识别方法,建立云服务有效性判别指标体系,通过基于蒙特卡洛模拟估计的超体积计算模型,对制造云服务数据集内的虚假制造云服务进行识别,并进行剔除与清洗。本发明提出的一种虚假制造云服务识别方法,实现简单,具有较好的实施性。
Description
技术领域
本发明涉及云制造技术领域,特别是一种虚假制造云服务识别方法。
背景技术
随着经济全球化的迅速发展,在云制造环境下,云平台上以制造云服务(或产品)的形式体现“制造即服务”的全新制造服务理念已经在制造业中发展起来。云平台上制造任务,制造产品等均以服务形式展示给网络用户,服务的数据集合即为云池。在云池中,存在着大量相同或者相近的制造云服务,其中不乏出现一些为吸引云用户的虚假制造云服务或为打击竞争对手的恶意制造云服务。并且云用户在大量的云服务中如何精确的选择符合自己需求的云服务至关重要。因此,本发明建立对制造云服务有效性判别的方法,结合相关算法实现对虚假制造云服务进行识别。
发明内容
本发明的目的在于提供一种虚假制造云服务识别方法,以克服现有技术中存在的缺陷。
为实现上述目的,本发明的技术方案是:一种虚假制造云服务识别方法,建立云服务有效性判别指标体系,通过基于蒙特卡洛模拟估计的超体积计算模型,对制造云服务数据集内的虚假制造云服务进行识别,并进行剔除与清洗。
在本发明一实施例中,通过对制造云服务的查找,以及网页上对产品信息及交易记录分析,获取制造云服务产品的关键信息。
在本发明一实施例中,所述云服务有效性判别体系为两级体系结构;一级体系包括制造云服务的三个方面:服务完备性、供应性和访问能力;每个方面均包括二级体系;所述服务完备性的二级体系包括:性能描述信息、参数配置信息以及产品实物图或视频;所述供应性的二级信息为产品供应商的信息,包括:供应商的数量、产品价格、运输成本、时间成本;所述访问能力为通过网络完成服务询价的客流量或询价数量。
在本发明一实施例中,将蒙特卡洛模拟估计和超体积算法相结合,建立所述基于蒙特卡洛模拟估计的超体积计算模型,计算每一个云制造服务多维指标的超体积值,根据超体积值的大小,识别虚假制造云服务,并将超体积值小于预设阈值的云制造服务从云制造服务数据集中剔除。
在本发明一实施例中,所述基于蒙特卡洛模拟估计的超体积计算模型通过如下方式建立:
记制造云服务数据集为Z,云服务的指标为:
其中,n为云服务数据维数,zi为指标值,li和ui分别为指标的上下限;得到所有指标所形成的多维空间体积V:
对于M个样本点表示为s1,s2,…,sM;
记Hi(a,P,R)为第i个分区的体积,a为空间中的一个点,P为点集合,R为参考点;超体积算法预先定义参考点R,通过检查每一个S是否在区域Hi(a,P,R)中的两个判断依据如下,其中,1≤i≤k,a∈P,k为空间分区的数量;
(1)在多维空间中,Sj是在参考点R的下方,即存在一个r,使得Sj被参考点R所支配;
(2)支配Sj集合A不是空的集合;
如果两个条件满足,则采样点Sj在分区Hi(a,P,R)中,有i=|A|,且a∈A,说明a在第i部分区域;如果上面两个条件有一个不满足,则采样点Sj不在分区Hi(a,P,R)中;
记为一个离散的变量,如果采样点Sj在分区Hi(a,P,R)中,且a在第i部分区域,则为1,否则,为0;
则对应的部分估计值为:
记基于共享权重σ的系数为:
则a对应的超体积估计值为:
相较于现有技术,本发明具有以下有益效果:本发明提出的一种虚假制造云服务识别方法,包含制造云服务基础特性的二级制造云服务有效性判别指标体系及基于蒙特卡洛模拟估计的超体积算法,将蒙特卡洛模拟估计与超体积算法结合建立基于蒙特卡洛模拟估计的超体积算法用于制造云服务识别,实现简单,具有较好的实施性。
附图说明
图1为本发明一实施例中虚假制造云服务识别方法流程图。
图2为本发明一实施例中制造云服务有效性判别指标体系图。
具体实施方式
下面结合附图,对本发明的技术方案进行具体说明。
本发明提出一种虚假制造云服务识别方法,如图1所示,建立云服务有效性判别指标体系,通过基于蒙特卡洛模拟估计的超体积计算模型,对制造云服务数据集内的虚假制造云服务进行识别,并进行剔除与清洗。
进一步的,在本实施例中,通过对制造云服务的查找,以及网页上对产品信息及交易记录分析,获取制造云服务产品的关键信息。
进一步的,在本实施例中,如图2所示,所述云服务有效性判别体系为两级体系结构;对于所有通过云平台发布的制造云服务、制造产品,将它们的服务完备性、供应性和访问能力的三方面作为一级指标体系,其中服务完备性包括三个二级指标,分别是对应制造云服务的性能描述信息、参数配置信息以及产品实物图或视频;供应性对应的二级指标为产品供应商信息,包括供应商的数量、产品价格、运输成本、时间成本等;访问能力指通过网络完成该服务询价的客流量或询价数量。
进一步的,在本实施例中,将蒙特卡洛模拟估计和超体积算法相结合,建立所述基于蒙特卡洛模拟估计的超体积计算模型,云制造服务数据集内存有虚假云制造服务,计算每一个云制造服务多维指标的超体积值,根据超体积值的大小,识别虚假制造云服务,并将超体积值小于预设阈值的云制造服务从云制造服务数据集中剔除。
进一步的,在本实施例中,选用超体积(Hypervolume)算法计算上述体系中多个因素的综合指标。利用蒙特卡洛模拟估计来模拟制造云服务的虚假概率模型实验,将模拟结果作为虚假问题的近似解。所述基于蒙特卡洛模拟估计的超体积计算模型通过如下方式建立:
记制造云服务数据集为Z,云服务的指标为:
其中,n为云服务数据维数,zi为指标值,li和ui分别为指标的上下限;得到所有指标所形成的多维空间体积V:
对于M个样本点表示为s1,s2,…,sM;
记Hi(a,P,R)为第i个分区的体积,a为空间中的一个点,P为点集合,R为参考点;
超体积算法需要预先定义参考点R,通过检查每一个S是否在区域Hi(a,P,R)中的两个判断依据如下,其中,1≤i≤k,a∈P,k为空间分区的数量;
(1)在多维空间中,证明Sj是在参考点R的“下方”,即存在一个r,使得sj被参考点R所支配;
(2)证明支配Sj集合A不是空的集合;
如果两个条件满足,则采样点Sj在分区Hi(a,P,R)中,有i=|A|,且a∈A,说明a在第i部分区域;如果上面两个条件有一个不满足,则采样点Sj不在分区Hi(a,P,R)中;
记为一个离散的变量,如果采样点Sj在分区Hi(a,P,R)中,且a在第i部分区域,则为1,否则,为0;
通过上面的定义及说明,计算对应的部分估计值为:
由大数定理可知,适当增加M可以逼近对应超体积的真实值。基于共享权重σ的系数设置为:
则a对应的超体积估计值为:
超体积算法不仅可以对多个指标属性综合分析,而且对数据两极分化严重的现象极为敏感,表现为虚假制造云服务数据,对应得到的超体积值将极小。
为了让本领域技术人员进一步了解本发明的技术方案,下面结合具体实施例说明本发明提出的方法。具体包括如下如下步骤:
1)建立制造云服务有效性判别指标体系,通过对制造云服务的查找,以及网页上对产品信息及交易记录分析,获取制造云服务产品的关键信息,建立制造云服务的有效性判别二级指标体系。
2)将蒙特卡洛模拟估计和超体积算法相结合,建立基于蒙特卡洛模拟估计的超体积算法。
3)通过基于蒙特卡洛模拟估计的超体积算法计算制造云服务数据集内每一个制造云服务多维指标的超体积值,依据超体积值的大小,识别虚假制造云服务。
4)将超体积值极小的制造云服务看作虚假制造云服务或恶意制造云服务,将它们从制造云服务的数据集中剔除。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (5)
1.一种虚假制造云服务识别方法,其特征在于,建立云服务有效性判别指标体系,通过基于蒙特卡洛模拟估计的超体积计算模型,对制造云服务数据集内的虚假制造云服务进行识别,并进行剔除与清洗。
2.根据权利要求1所述的虚假制造云服务识别方法,其特征在于,通过对制造云服务的查找,以及网页上对产品信息及交易记录分析,获取制造云服务产品的关键信息。
3.根据权利要求2所述的虚假制造云服务识别方法,其特征在于,所述云服务有效性判别体系为两级体系结构;一级体系包括制造云服务的三个方面:服务完备性、供应性和访问能力;每个方面均包括二级体系;所述服务完备性的二级体系包括:性能描述信息、参数配置信息以及产品实物图或视频;所述供应性的二级信息为产品供应商的信息,包括:供应商的数量、产品价格、运输成本、时间成本;所述访问能力为通过网络完成服务询价的客流量或询价数量。
4.根据权利要求1所述的虚假制造云服务识别方法,其特征在于,将蒙特卡洛模拟估计和超体积算法相结合,建立所述基于蒙特卡洛模拟估计的超体积计算模型,计算每一个云制造服务多维指标的超体积值,根据超体积值的大小,识别虚假制造云服务,并将超体积值小于预设阈值的云制造服务从云制造服务数据集中剔除。
5.根据权利要求4所述的虚假制造云服务识别方法,其特征在于,所述基于蒙特卡洛模拟估计的超体积计算模型通过如下方式建立:
记制造云服务数据集为Z,云服务的指标为:
其中,n为云服务数据维数,zi为指标值,li和ui分别为指标的上下限;得到所有指标所形成的多维空间体积V:
对于M个样本点表示为s1,s2,…,sM;
记Hi(a,P,R)为第i个分区的体积,a为空间中的一个点,P为点集合,R为参考点;超体积算法预先定义参考点R,通过检查每一个S是否在区域Hi(a,P,R)中的两个判断依据如下,其中,1≤i≤k,a∈P:k为空间分区的数量;
(1)在多维空间中,Sj是在参考点R的下方,即存在一个r,使得Sj被参考点R所支配;
(2)支配Sj集合A不是空的集合;
如果两个条件满足,则采样点Sj在分区Hi(a,P,R)中,有i=|A|,且a∈A,说明a在第i部分区域;如果上面两个条件有一个不满足,则采样点Sj不在分区Hi(a,P,R)中;
记为一个离散的变量,如果采样点Sj在分区Hi(a,P,R)中,且a在第i部分区域,则为1,否则,为0;
则对应的部分估计值为:
记基于共享权重σ的系数为:
则a对应的超体积估计值为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810715306.3A CN108960862B (zh) | 2018-06-29 | 2018-06-29 | 虚假制造云服务识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810715306.3A CN108960862B (zh) | 2018-06-29 | 2018-06-29 | 虚假制造云服务识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108960862A true CN108960862A (zh) | 2018-12-07 |
CN108960862B CN108960862B (zh) | 2022-06-07 |
Family
ID=64485330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810715306.3A Expired - Fee Related CN108960862B (zh) | 2018-06-29 | 2018-06-29 | 虚假制造云服务识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108960862B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116894057A (zh) * | 2023-07-17 | 2023-10-17 | 云达信息技术有限公司 | 基于Python的云服务数据收集处理方法、装置、设备及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105718805A (zh) * | 2016-01-25 | 2016-06-29 | 福建北卡科技有限公司 | 基于评价可信度的云计算信任管理方法 |
CN108108914A (zh) * | 2018-01-12 | 2018-06-01 | 重庆大学 | 一种云制造环境下制造服务可信评价方法 |
-
2018
- 2018-06-29 CN CN201810715306.3A patent/CN108960862B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105718805A (zh) * | 2016-01-25 | 2016-06-29 | 福建北卡科技有限公司 | 基于评价可信度的云计算信任管理方法 |
CN108108914A (zh) * | 2018-01-12 | 2018-06-01 | 重庆大学 | 一种云制造环境下制造服务可信评价方法 |
Non-Patent Citations (3)
Title |
---|
JOHANNES BADER ET AL: "HypE: An Algorithm for Fast Hypervolume-Based Many-Objective Optimization", 《EVOLUTIONARY COMPUTATION》 * |
管力明等: "云制造环境下信誉度服务组合算法研究", 《小型微型计算机系统》 * |
郭伟等: "基于RS与AHP的中小企业云制造模式下多服务主体信用评价体系构建", 《计算机集成制造系统》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116894057A (zh) * | 2023-07-17 | 2023-10-17 | 云达信息技术有限公司 | 基于Python的云服务数据收集处理方法、装置、设备及介质 |
CN116894057B (zh) * | 2023-07-17 | 2023-12-22 | 云达信息技术有限公司 | 基于Python的云服务数据收集处理方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108960862B (zh) | 2022-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | A posterior-neighborhood-regularized latent factor model for highly accurate web service QoS prediction | |
CN101826105B (zh) | 基于匈牙利匹配算法的钓鱼网页检测方法 | |
JP5248915B2 (ja) | Gps追跡及び周知な近傍目的地からのユーザの行動趣向の学習 | |
CN110490729B (zh) | 一种基于用户画像模型的金融用户分类方法 | |
CN110413707A (zh) | 互联网中欺诈团伙关系的挖掘与排查方法及其系统 | |
CN103793476B (zh) | 基于网络社区的协同过滤推荐方法 | |
Mat et al. | The impact of infrastructure on foreign direct investment: The case of Malaysia | |
CN109189867A (zh) | 基于公司知识图谱的关系发现方法、装置及存储介质 | |
CN104321794B (zh) | 一种使用多维评级来确定一实体的未来商业可行性的系统和方法 | |
CN109558951A (zh) | 一种欺诈账号检测方法、装置及其存储介质 | |
CN110188198A (zh) | 一种基于知识图谱的反欺诈方法及装置 | |
TW201727558A (zh) | 地理區域的熱力展現方法和裝置 | |
US20170303079A1 (en) | Information distribution apparatus and method | |
KR20170100535A (ko) | 거래 위험 검출 방법 및 장치 | |
CN103810299A (zh) | 基于多特征融合的图像检索方法 | |
CN103425650B (zh) | 推荐搜索方法和系统 | |
CN104166732B (zh) | 一种基于全局评分信息的项目协同过滤推荐方法 | |
CN108415913A (zh) | 基于不确定邻居的人群定向方法 | |
CN108563690A (zh) | 一种基于面向对象聚类的协同过滤推荐方法 | |
CN109492076A (zh) | 一种基于网络的社区问答网站答案可信评估方法 | |
Khayyambashi et al. | An approach for detecting profile cloning in online social networks | |
CN109522831A (zh) | 一种基于微卷积神经网络的车辆实时检测方法 | |
CN106681989A (zh) | 一种预测微博转发概率的方法 | |
JP2016167149A (ja) | 商圏に応じて店舗の期待成約人数を推定するプログラム、装置及び方法 | |
CN109492027A (zh) | 一种基于弱可信数据的跨社群潜在人物关系分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220607 |