CN108989095B - 可抵抗恶意评价的公有云可信度评估方法及其评估系统 - Google Patents

可抵抗恶意评价的公有云可信度评估方法及其评估系统 Download PDF

Info

Publication number
CN108989095B
CN108989095B CN201810687108.0A CN201810687108A CN108989095B CN 108989095 B CN108989095 B CN 108989095B CN 201810687108 A CN201810687108 A CN 201810687108A CN 108989095 B CN108989095 B CN 108989095B
Authority
CN
China
Prior art keywords
evaluation
value
attribute
cloud
qos
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.)
Active
Application number
CN201810687108.0A
Other languages
English (en)
Other versions
CN108989095A (zh
Inventor
仲红
邹建忠
许艳
崔杰
陈志立
应作斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui University
Original Assignee
Anhui University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui University filed Critical Anhui University
Priority to CN201810687108.0A priority Critical patent/CN108989095B/zh
Publication of CN108989095A publication Critical patent/CN108989095A/zh
Application granted granted Critical
Publication of CN108989095B publication Critical patent/CN108989095B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
    • H04L41/5003—Managing SLA; Interaction between SLA and QoS
    • H04L41/5009—Determining service level performance parameters or violations of service level contracts, e.g. violations of agreed response time or mean time between failures [MTBF]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
    • H04L41/5032—Generating service level reports
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/50—Testing arrangements
    • H04L43/55—Testing of service level quality, e.g. simulating service usage
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/02—Network architectures or network communication protocols for network security for separating internal from external traffic, e.g. firewalls
    • H04L63/0227—Filtering policies
    • H04L63/0245—Filtering by information in the payload
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/53—Network services using third party service providers

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种可抵抗恶意评价的公有云信任评估方法及其评估系统，包括以下步骤：系统初始化及服务请求步骤、QoS监测及客观可信度评估步骤、用户恶意评价检测步骤、主观可信度评估步骤和综合可信度评估步骤。本发明引入了可信第三方对公有云进行主观可信度和客观的可信度的评估。

Description

可抵抗恶意评价的公有云可信度评估方法及其评估系统
技术领域
本发明属于云服务安全技术，具体涉及一种可抵抗恶意评价的公有云可信度评估方法及其评估系统。
背景技术
云计算是继网格计算、并行计算和P2P计算之后迅速发展起来的一种新兴的计算模式。而公有云作为云计算中的一个重要组成部分由于其具有低成本、高性能和动态易扩展等优点被广泛使用。亚马逊、谷歌、腾讯和阿里等国内外的知名IT公司都相继推出了公有云服务平台。随之而来的安全问题也逐渐成为人们关注的热点，调查显示超过半数的潜在云用户对公有云的可靠性保持怀疑的态度。所以，公有云可信度的研究显得尤为重要。
目前对于公有云可信度的研究工作主要包括以下几个方面：
(1)客观方面：S.Yau,S.Kalepu等人提出了基于QoS监测的客观评估方法，但是不是所有的属性的QoS值都可以在服务使用过程中被监测到。
(2)主观方面：Z.xu，Q.He等人提出了用户反馈的方法来给云服务评分，这类方法特别依靠评价者自身的信誉，而且主观评价本身所具有的的不确定性也大大影响了系统的准确性。
(3)Mingdong Tang等人在2017年发表了一篇名为《Towards a trust evaluationmiddleware for cloud service selection》的文章，他们将主观评估和客观评估结合在一起来评估云服务提供商可信度。但是这篇文章所提出的方案没有考虑到主观评估的不确定性并且在存在大量恶意用户的评价时，系统的准确性会大大降低。
(4)周国圣，林汉超等人提出一种基于TOPSIS和云模型的公有云可信度评估方法，他们将TOPSIS和云模型分别运用到客观和主观可信度的评估过程中，但是该方案同样没有考虑到有用户恶意评价的影响。
发明内容
发明目的：本发明的目的在于解决现有技术中存在的不足，提供了一种能抵抗用户恶意评价的公有云可信度评估方法及其评估系统，本发明借助可信第三方分别对云服务提供商进行客观和主观可信度的评估，在主观可信度评估之前对恶意用户的恶意评价进行过滤，有效的提高可行性，在主观可信度评估时使用云模型算法，很好的反映出主观评价的不确定性。
技术方案：本发明的一种可抵抗恶意评价的公有云可信度评估方法，依次包括以下步骤：
(1)系统初始化及服务请求，即：可信第三方根据云服务提供商首次提供的QoS参数对其进行排名，用户向可信第三方请求服务；
QoS值为Qi＝{qi1,qi2,…,qim}；
其中，qij是指第i个云服务提供商的第j个属性值，1≤i≤n,1≤j≤m,qij＝{sij,lij}，n代表云服务提供商的个数，m代表服务属性的个数，sij和lij分别代表该属性的最小值和最大值，即是云服务提供商所公布的属性最小值和最大值；
(2)QoS监测及客观信任评估，即：可信第三方利用服务使用过程中监测得到的真实QoS参数以及服务提供商公布的QoS参数进行客观可信度评估；
真实QoS值为
Figure BDA0001711935880000021
其中，c≤m，k表示在第k次监测所得的记录；
(3)用户恶意评价检测，即：对用户的评价进行监测，过滤掉恶意评价；
(4)主观信任评估，即：利用云模型的逆向云生成算法将用户的评价转化为定性的概念，能够更好的体现主观评价的不确定性；
(5)综合信任评估，即：对主观可信度Ssub和客观可信度Sobj进行加权综合得到公有云综合的可信度。
进一步的，所述的步骤(1)具体包括以下步骤：
(1.1)云服务提供商向可信第三方平台发布QoS值Qi＝{qi1,qi2,…,qim}；
(1.2)可信第三方根据云服务提供商公布的QoS值按从小到大的顺序对云服务提供商进行首次排名；
(1.3)用户向可信第三方请求服务，可信第三方根据首次排名结果推荐服务给用户，用户使用该服务。
进一步的，所述步骤(2)具体过程为：
(2.1)用户使用服务的过程中，可信第三方多次监测得到第i个云服务提供商的真实QoS值
Figure BDA0001711935880000031
(2.2)将步骤(2.1)中监测所得的真实QoS值处理后与步骤(1)中公布在可信第三方上的QoS值进行比较，得出客观可信度评估值Sobj；
上述步骤(2.2)的具体过程为：
(2.2.1)数据处理步骤，先将第i个云服务提供商的k次监测结果累加求均值得到Mi＝{mi1,mi2,…,mic}，由于各属性的QoS值具有不同的取值范围，使用前应该对每个属性先规范化；规范公式为：
Figure BDA0001711935880000032
Figure BDA0001711935880000033
当QoS的属性为一个积极属性时即值越大越好(例如：带宽)时，采用公式(1)，当QoS的属性为一个消极的属性时即值越小越好(例如：响应时间)时，采用公式(2)；
(2.2.2)客观可信度计算，即计算真实服务过程中QoS的值是否与云服务提供商公布在可信第三方中的值一致；
当QoS的属性为一个积极属性时，计算过程如下：，当mij<sij时，CF(mij)＝norm(mij)＝0；当mij>lij时，CF(mij)＝norm(mij)＝1；当sij≤mij≤lij时，
Figure BDA0001711935880000034
当QoS的属性为一个消极的属性时，计算过程如下：当mij>li时，CF(mij)＝norm(mij)＝0；当mij<sij时，CF(mij)＝norm(mij)＝1；当sij≤mij≤lij时，
Figure BDA0001711935880000035
其中wij的计算公式为
Figure BDA0001711935880000036
其中Max(qj,mj)和min(qj,mj)代表整个监测过程和云服务提供商公布在可信第三方过程中属性j所出现的最大值和最小值；则对于该服务提供商来说，
Figure BDA0001711935880000037
即客观可信度评估值Sobj＝CF(Qi)。
进一步的，所述步骤(3)的具体过程为：
(3.1)划分服务评价等级，且评分e满足0≤e≤1；
(3.2)获取用户评价，用户使用完第i个云服务提供商提供的服务后对相应属性给出相应评价ei{ei1,ei2,…,eis},s≤m；
(3.3)用户恶意评价检测阶段，取ei与Mi中相同属性的部分构造e′i＝{e′i1,e′i2,…,e′ip}和M′i＝{m′i1,m′i2,…,m′ip}；计算e′i与M′i的欧式距离
Figure BDA0001711935880000041
当
Figure BDA0001711935880000042
时可认为该评价合法，将ei存入可信第三方中，否则认为ei为恶意评价，立即删除；其中τ，
Figure BDA0001711935880000043
根据具体应用场景确定。
进一步的，所述的步骤(4)具体包括以下步骤:
(4.1)从可信第三方中采集云服务的历史评价记录，并通过逆向云生成算法得到各属性的定性概念：
N(Ni1(Exi1,Eni1,Hei1),Ni2(Exi2,Eni2,Hei2),…,Nis(Exis,Enis,Heis))，
其中，Ni1到Nis分别为第i个云服务提供商的s个属性的定性概念，Exis，Enis和Heis分别为对应的期望，熵和超熵；
(4.2)将每个属性根据各自的重要程度分配权重θj，属性的重要程度越高时，θj越大，要求
Figure BDA0001711935880000044
并对所有属性进行综合得到属性综合信任云Ni(Exi,Eni,Hei)，
其中，期望
Figure BDA0001711935880000045
熵
Figure BDA0001711935880000046
超熵
Figure BDA0001711935880000047
(4.3)属性综合信任云的期望Exi即为第i个云服务提供商的主观可信度评估值Ssub。
进一步的，所述步骤(5)的详细步骤为：
(5.1)客观信任评估值与主观信任评估值按照相应权重相加得到综合信任评估值T；
T＝Sobj×α+Ssub×(1-α)；
其中，当系统侧重于客观可信度时，α的取值范围为0.5<α≤1；当系统侧重于用户的主观反馈时，α的取值范围为0≤α<0.5；当系统处于正常下，即既不侧重客观可信度也不侧重主管反馈时，α取值0.5；
(5.2)可信第三方按照综合可信度评估值从大到小的顺序对云服务提供商进行重新排名。
本发明还公开了一种用于可抵抗恶意评价的公有云可信度评估方法的公有云可信度评估系统，包括可信第三方、用户和云服务器，所述用户向可信第三方请求服务和反馈服务评价，可信第三方向用户推荐服务，并进行可信度评估和恶意评价检测，检测服务中的QoS值，云服务器向用户提供服务以及公布QoS值；
其中，所述可信第三方具有以下四个模块：
(1)系统信息存储模块，该模块负责存储云服务提供商QoS数据、实时监测的QoS数据和有效的用户评价信息信息；
(2)QoS监测模块，该模块负责监测服务运行过程中相应属性的QoS的监测工作；
(3)用户恶意评价检测模块，在进行主观可信度评估之前，该模块对每个用户的评价信息进行检测，若检测出恶意评价则将其删除，不保存到信息存储模块；
(4)可信度计算模块，该模块负责进行客观可信度、主观可信度以及综合可信度的计算
有益效果：与现有技术相比，本发明具有以下优点：
(1)本发明结合主观可信度和客观可信度的评估方法，有效提高系统评估的准确性，并且在计算综合可信度的时候引入了可调节的权重，使得本发明能够运用在不同的工作环境中。
(2)本发明在进行主观信任评估之前，先对用户的评价可靠性进行有效的检测，将恶意评价过滤掉，提高可信度计算的真实性与准确性。
(3)本发明使用云模型中逆向云生成算法来进行主观可信度评估，体现出主观信任固有的随机性和模糊性等不确定性的特征，提高了评估的准确性。
附图说明
图1为本发明的整体结构示意图；
图2为实施例的流程示意图；
图3为实施例中的可信第三方的内部模块结构图。
具体实施方式
下面对本发明技术方案进行详细说明，但是本发明的保护范围不局限于所述实施例。
如图1和图2所示，本实施例的一种可抵抗恶意评价的公有云可信度评估方法包括以下步骤：
步骤S10、系统初始化及服务请求；
步骤S20、QoS监测及客观可信度评估；
步骤S30、用户恶意评价检测；
步骤S40、主观可信度评估；
步骤S50、综合可信度计算。
本发明针对云服务环境下，利用可信第三方对公有云的可信度进行评估。如图3所示，可信第三方具有以下四个模块：
(1)系统信息存储模块，该模块负责存储云服务提供商QoS数据、实时监测的QoS数据和有效的用户评价信息等信息。
(2)QoS监测模块，该模块负责监测服务运行过程中各种属性的QoS的监测工作。
(3)用户恶意评价检测模块，在进行主观可信度评估之前，该模块对每个用户的评价信息进行检测，若检测出恶意评价则将其删除，不保存到信息存储模块。
(4)可信度计算模块，该模块负责进行客观可信度、主观可信度以及综合可信度的计算。
下面对能抵抗恶意评价的可信度评估方法的各个步骤作详细的说明：
(1)系统初始化及服务请求步骤：
第1步，云服务提供商向可信第三方平台发布QoS值Qi＝{qi1,qi2,…,qim}qij代表的是第i个云服务提供商的第j个属性值，其中1≤i≤n,1≤j≤m,qij＝{sij,lij},sij和lij分别代表该属性的最小值和最大值。
第2步，可信第三方根据服务提供商公布的QoS值对云服务提供商进行首次排名。
第3步，用户向可信第三方请求服务，可信第三方根据首次排名结果推荐该云服务提供商给用户，用户使用该服务。
(2)QoS监测及客观可信度评估步骤：
第1步，用户使用服务的过程中，可信第三方多次监测得到第i个云服务提供商真实的QoS值
Figure BDA0001711935880000071
其中c≤m，k表示在第k次监测所得的记录。
第2步，将b1步中监测所得的真实QoS值进行预处理，首先将k次监测结果累加求均值得到Mi＝{mi1,mi2,…,mic}，然后将Mi进行规范化，规范化公式如下：
Figure BDA0001711935880000072
Figure BDA0001711935880000073
当QoS的属性为一个积极属性时及值越大越好(例如：带宽)时，采用公式(1)，当QoS的属性为一个消极的属性时及值越小越好(例如：响应时间)时，采用公式(2)。
第3步，进行客观可信度计算，以积极属性为例，当mij<sij时，CF(mij)＝norm(mij)＝0；当mij>lij时，CF(mij)＝norm(mij)＝1；当sij≤mij≤lij时，
Figure BDA0001711935880000074
其中wij的计算公式为
Figure BDA0001711935880000075
其中Max(qj,mj)和min(qj,mj)代表整个过程中属性j所出现的最大最小值。则对于该服务来说，
Figure BDA0001711935880000076
即客观可信度评估值Sobj＝CF(Qi)，关于wij的计算过程可通过以下例子进一步说明：
例如，以吞吐率为例，服务提供商公布在可信第三方中的QoS值为{1M,100M}，服务运行运行过程中监测得到最大的真实吞吐率为100M，最小时为0,则
Figure BDA0001711935880000077
(3)用户恶意评价检测步骤：
第1步，划分服务评价等级，其中评分e满足0≤e≤1，具体等级划分标准见下表：
Figure BDA0001711935880000081
第2步，用户根据自己的使用情况给与云服务相应的评价ei＝{ei1,ei2,…,eis}，其中s≤m，取用户评价ei与监测结果Mi中相同属性的部分构造e′i＝{e′i1,e′i2,…,e′ip}和M′i＝{m′i1,m′i2,…,m′ip},计算e′i与M′i的欧式距离
Figure BDA0001711935880000082
当
Figure BDA0001711935880000083
时可认为该评价合法，将ei存入TPA中系统信息存储模块中,否则认为e为恶意评价，立即删除。其中τ，
Figure BDA0001711935880000084
根据具体应用场景确定。
(4)主观可信度评估步骤：
第1步，从可信第三方的系统信息存储模块中取出大量用户的评价，利用云模型中的逆向云生成算法得到单个属性的定性概念。
第j个属性的云模型逆向云算法如下：
输入：n个用户的评价云滴eij
输出：这n个云滴表示的定性概念Nij(Exij,Enij,Heij)
①计算第j个属性的数据样本eij的均值
Figure BDA0001711935880000085
一节样本绝对中心矩
Figure BDA0001711935880000086
样本方差
Figure BDA0001711935880000087
②期望
Figure BDA0001711935880000088
③
Figure BDA0001711935880000089
④
Figure BDA00017119358800000810
第2步，将上述算法计算出来的多个属性的定性概念按照相应权值θi进行综合，得到综合属性信任云Ni(Exi,Eni,Hei)，计算公式如下：
Figure BDA0001711935880000091
Figure BDA0001711935880000092
Figure BDA0001711935880000093
第3步，主观可信度评分Ssub＝Exi
(5)综合可信度评估步骤：
将上述步骤所得的客观信任评估值与主观信任评估值按照相应权重相加得到综合信任评估值。T＝Sobj×α+Ssub×(1-α)，其中α可根据实际情况选取。
通过上述实施例可以看出，本发明能够监测部分属性，且在主观评估阶段对部分不能监测的属性进行评估，同时在进行主观信任评估之前，先对用户的评价可靠性进行有效的检测，将恶意评价过滤掉，提高可信度计算的真实性与准确性。

Claims (5)

1.一种可抵抗恶意评价的公有云可信度评估方法，其特征在于：依次包括以下步骤：
(1)系统初始化及服务请求，即：可信第三方根据云服务提供商首次提供的QoS参数对其进行排名，用户向可信第三方请求服务；
QoS值为Qi＝{qi1,qi2,…,qim}；
其中，qij是指第i个云服务提供商的第j个属性值，1≤i≤n,1≤j≤m,qij＝{sij,lij}，n代表云服务提供商的个数，m代表服务属性的个数，sij和lij分别代表该属性的最小值和最大值，即是云服务提供商所公布的属性最小值和最大值；
(2)QoS监测及客观信任评估，即：可信第三方利用服务使用过程中监测得到的真实QoS参数以及服务提供商公布的QoS参数进行客观可信度评估；
真实QoS值为
Figure FDA0002859866180000011
其中，c≤m，k表示在第k次监测所得的记录；
(3)用户恶意评价检测，即：对用户的评价进行监测，过滤掉恶意评价；
(4)主观信任评估，即：利用云模型的逆向云生成算法将用户的评价转化为定性的概念；
(5)综合信任评估，即：对主观可信度Ssub和客观可信度Sobj进行加权综合得到公有云综合的可信度；
上述步骤(2)具体过程为：
(2.1)用户使用服务的过程中，可信第三方多次监测得到第i个云服务提供商的真实QoS值
Figure FDA0002859866180000012
(2.2)将步骤(2.1)中监测所得的真实QoS值处理后与步骤(1)中公布在可信第三方上的QoS值进行比较，得出客观可信度评估值Sobj；
上述步骤(2.2)的具体过程为：
(2.2.1)数据处理步骤，先将第i个云服务提供商的k次监测结果累加求均值得到Mi＝{mi1,mi2,…,mic}，由于各属性的QoS值具有不同的取值范围，使用前应该对每个属性先规范化；规范公式为：
Figure FDA0002859866180000021
Figure FDA0002859866180000022
当QoS的属性为一个积极属性时即值越大越好时，采用公式(1)，当QoS的属性为一个消极的属性时即值越小越好时，采用公式(2)；
(2.2.2)客观可信度计算，即计算真实服务过程中QoS的值是否与云服务提供商公布在可信第三方中的值一致；
当QoS的属性为一个积极属性时，计算过程如下：当mij<sij时，CF(mij)＝norm(mij)＝0；当mij>lij时，CF(mij)＝norm(mij)＝1；当sij≤mij≤lij时，
Figure FDA0002859866180000023
当QoS的属性为一个消极的属性时，计算过程如下：当mij>li时，CF(mij)＝norm(mij)＝0；当mij<sij时，CF(mij)＝norm(mij)＝1；当sij≤mij≤lij时，
Figure FDA0002859866180000024
其中wij的计算公式为
Figure FDA0002859866180000025
其中Max(qj,mj)和min(qj,mj)代表整个监测过程和云服务提供商公布在可信第三方过程中属性j所出现的最大值和最小值；则对于该服务提供商来说，
Figure FDA0002859866180000026
即客观可信度评估值Sobj＝CF(Qi)。
2.根据权利要求1所述的可抵抗恶意评价的公有云可信度评估方法，其特征在于：所述的步骤(1)具体包括以下步骤：
(1.1)云服务提供商向可信第三方平台发布QoS值Qi＝{qi1,qi2,…,qim}；
(1.2)可信第三方根据云服务提供商公布的QoS值按从大到小的顺序对云服务提供商进行首次排名；
(1.3)用户向可信第三方请求服务，可信第三方根据首次排名结果推荐服务给用户，用户使用该服务。
3.根据权利要求1所述的可抵抗恶意评价的公有云可信度评估方法，其特征在于：所述步骤(3)的具体过程为：
(3.1)划分服务评价等级，且评分e满足0≤e≤1；
(3.2)获取用户评价，用户使用完第i个云服务提供商提供的服务后对相应属性给出相应评价ei{ei1,ei2,…,eis},s≤m；
(3.3)用户恶意评价检测阶段，取ei与Mi中相同属性的部分构造e′i＝{e′i1,e′i2,…,e′ip}和M′i＝{m′i1,m′i2,…,m′ip}；计算e′i与M′i的欧式距离
Figure FDA0002859866180000031
当
Figure FDA0002859866180000032
时可认为该评价合法，将ei存入可信第三方中，否则认为ei为恶意评价，立即删除；其中τ，
Figure FDA0002859866180000037
根据具体应用场景确定。
4.根据权利要求1所述的可抵抗恶意评价的公有云可信度评估方法，其特征在于：所述的步骤(4)具体包括以下步骤:
(4.1)从可信第三方中采集云服务的历史评价记录，并通过逆向云生成算法得到各属性的定性概念：
N(Ni1(Exi1,Eni1,Hei1),Ni2(Exi2,Eni2,Hei2),…,Nis(Exis,Enis,Heis))，
其中，Ni1到Nis分别为第i个云服务提供商的s个属性的定性概念，Exis，Enis和Heis分别为对应的期望，熵和超熵；
(4.2)将每个属性根据各自的重要程度分配权重θj，属性重要程度越高时，θj越大，要求
Figure FDA0002859866180000033
并对所有属性进行综合得到属性综合信任云Ni(Exi,Eni,Hei)，
其中，期望
Figure FDA0002859866180000034
熵
Figure FDA0002859866180000035
超熵
Figure FDA0002859866180000036
(4.3)属性综合信任云的期望Exi即为第i个云服务提供商的主观可信度评估值Ssub。
5.根据权利要求1所述的可抵抗恶意评价的公有云可信度评估方法，其特征在于：所述步骤(5)的详细步骤为：
(5.1)客观信任评估值与主观信任评估值按照相应权重相加得到综合信任评估值T；
T＝Sobj×α+Ssub×(1-α)；
其中，当系统侧重于客观可信度时，α的取值范围为0.5<α≤1；当系统侧重于用户的主观反馈时，α的取值范围为0≤α<0.5；当系统处于正常下，即既不侧重客观可信度也不侧重主管反馈时，α取值0.5；
(5.2)可信第三方按照综合可信度评估值从大到小的顺序对云服务提供商进行重新排名。
CN201810687108.0A 2018-06-28 2018-06-28 可抵抗恶意评价的公有云可信度评估方法及其评估系统 Active CN108989095B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810687108.0A CN108989095B (zh) 2018-06-28 2018-06-28 可抵抗恶意评价的公有云可信度评估方法及其评估系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810687108.0A CN108989095B (zh) 2018-06-28 2018-06-28 可抵抗恶意评价的公有云可信度评估方法及其评估系统

Publications (2)

Publication Number Publication Date
CN108989095A CN108989095A (zh) 2018-12-11
CN108989095B true CN108989095B (zh) 2021-03-23

Family

ID=64539318

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810687108.0A Active CN108989095B (zh) 2018-06-28 2018-06-28 可抵抗恶意评价的公有云可信度评估方法及其评估系统

Country Status (1)

Country Link
CN (1) CN108989095B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110659503A (zh) * 2019-09-12 2020-01-07 西安文理学院 一种云计算安全强度评估的方法及系统
CN112035569A (zh) * 2020-08-14 2020-12-04 联动数科(北京)科技有限公司 一种商户评分方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102880637A (zh) * 2012-08-07 2013-01-16 东南大学 一种基于用户诚实度的动态的Web服务信任评估方法
CN103259805A (zh) * 2013-06-09 2013-08-21 中国科学院计算技术研究所 基于用户评价的域名访问控制方法及系统
CN103916392A (zh) * 2014-03-31 2014-07-09 北京工业大学 基于奖惩因子和评价可信度的实体推荐信任计算方法
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

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8356001B2 (en) * 2009-05-19 2013-01-15 Xybersecure, Inc. Systems and methods for application-level security
CN101770627A (zh) * 2010-01-21 2010-07-07 北京航空航天大学 服务相对信任度评价方法和装置
KR101517266B1 (ko) * 2012-02-03 2015-05-08 충북대학교 산학협력단 Ｐ2ｐ 환경에서 신뢰성 있는 아이템 평가 방법
CN107360147A (zh) * 2017-07-03 2017-11-17 武汉理工大学 基于topsis和云模型的公有云可信度评估方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102880637A (zh) * 2012-08-07 2013-01-16 东南大学 一种基于用户诚实度的动态的Web服务信任评估方法
CN103259805A (zh) * 2013-06-09 2013-08-21 中国科学院计算技术研究所 基于用户评价的域名访问控制方法及系统
CN103916392A (zh) * 2014-03-31 2014-07-09 北京工业大学 基于奖惩因子和评价可信度的实体推荐信任计算方法
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

Also Published As

Publication number Publication date
CN108989095A (zh) 2018-12-11

Similar Documents

Publication Publication Date Title
CN112769796B (zh) 一种基于端侧边缘计算的云网端协同防御方法及系统
Li et al. An Internet of Things QoE evaluation method based on multiple linear regression analysis
CN108989095B (zh) 可抵抗恶意评价的公有云可信度评估方法及其评估系统
CN103581186A (zh) 一种网络安全态势感知方法及系统
CN110493043B (zh) 一种分布式态势感知调用方法和装置
CN104270372B (zh) 一种参数自适应的网络安全态势量化评估方法
JP2015515686A (ja) ネットワーク仮想ユーザリスク抑制方法およびシステム
CN108924120B (zh) 一种多维状态感知的动态访问控制方法
CN108230016B (zh) 一种农产品市场价格传递分析方法及分析装置
CN107483292B (zh) 用于云平台的动态监控方法
CN108156235A (zh) 在线验证方法、装置、计算机设备和存储介质
CN110046519B (zh) 一种基于移动设备权限的用户隐私风险量化方法
CN111598457A (zh) 一种电力无线网络质量的确定方法及装置
Zhang et al. Real-time performance prediction for cloud components
Zhang et al. A differentially private method for reward-based spatial crowdsourcing
CN117556429A (zh) 公共安全视频图像系统的安全防护能力评价方法和系统
CN116707940B (zh) 一种基于大数据的数据安全可视化分析方法及系统
CN117596174A (zh) 一种铁塔视联数据云传输调测方法、系统和介质
CN110471975B (zh) 一种物联网态势感知调用方法和装置
WO2024007565A1 (en) Network analysis using optical quantum computing
Sun et al. Quality-of-protection (QoP): a quantitative methodology to grade security services
CN115617279A (zh) 分布式云数据的处理方法、装置及存储介质
Djemame et al. A machine learning based context-aware prediction framework for edge computing environments
Yang et al. A statistical user-behavior trust evaluation algorithm based on cloud model
CN110569475A (zh) 一种网民影响力的评估方法、装置、设备和存储介质

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