胡春華，羅新星，王四春，劉耀

（1. 湖南商學(xué)院 計(jì)算機(jī)與信息工程學(xué)院，湖南 長沙 410205；2. 中南大學(xué) 商學(xué)院，湖南 長沙 410083)

1 引言

云計(jì)算環(huán)境下的服務(wù)（又稱Web服務(wù)，網(wǎng)格服務(wù)）正成為一種基于標(biāo)準(zhǔn)技術(shù)的計(jì)算應(yīng)用平臺，它基于SOAP、WSDL和UDDI等一組技術(shù)標(biāo)準(zhǔn)，用戶可以有效地發(fā)布、查找和使用Web服務(wù)，通過在運(yùn)行時刻對其進(jìn)行動態(tài)選擇和組裝，構(gòu)建松散耦合的跨組織分布式系統(tǒng)協(xié)作流程，從而使得基于Web服務(wù)的相關(guān)技術(shù)獲得了廣泛的研究[1～3]。在實(shí)際應(yīng)用中，需選擇較高服務(wù)質(zhì)量的服務(wù)聚合形成更大粒度的服務(wù)。隨著云計(jì)算和Web Services技術(shù)的廣泛應(yīng)用，網(wǎng)絡(luò)間功能相似的服務(wù)逐漸增多，基于服務(wù)質(zhì)量對 Web服務(wù)進(jìn)行查找和選擇以提高服務(wù)組合的質(zhì)量已成為熱點(diǎn)研究問題之一[3,4]。

因此，作為服務(wù)選擇中的重要考慮因素，服務(wù)質(zhì)量（QoS, quility of service）評價的準(zhǔn)確性是其選擇的重要前提與基礎(chǔ)。雖有不少關(guān)于服務(wù)QoS評價研究，但服務(wù)質(zhì)量評價仍然是一個開放性問題，還存在許多值得研究的問題[5,6]。

早期研究中，大多假定服務(wù)提供者(SP, services provider)和服務(wù)消費(fèi)者(SC, services consumer)給出的QoS數(shù)據(jù)都是真實(shí)可信[2,7]，因而在進(jìn)行服務(wù)選擇時，直接使用SP發(fā)布的QoS數(shù)據(jù)(如可用性等)[8]，或者采用 SC反饋的 QoS數(shù)據(jù)(例如用戶評價等)[9,10]，這時的服務(wù)選擇主要關(guān)注如何從多維QoS中選取多目標(biāo)優(yōu)化的服務(wù)，而對服務(wù)的可信性考慮不足[11]。隨后的研究認(rèn)識到：對QoS數(shù)據(jù)真實(shí)性的假設(shè)往往很難保證：一方面，服務(wù)提供者可能為達(dá)到某種目的，發(fā)布虛假的QoS數(shù)據(jù)，以欺騙用戶；另一方面，服務(wù)消費(fèi)者也有可能出于某種目的，從而給出虛假反饋的QoS數(shù)據(jù)，或者受到自身因素的影響，反饋的QoS數(shù)據(jù)往往與真實(shí)情況不符合[11,12]。這些不可信的 QoS數(shù)據(jù)將直接影響 QoS評價的準(zhǔn)確性和可靠性。雖然有較多的研究提出了如何評價與獲取服務(wù)的可信性，并依據(jù)可信性來對服務(wù)的QoS進(jìn)行修正，以保障服務(wù)選擇得到的是真實(shí)的高QoS的服務(wù)。但如何獲取與識別實(shí)體的可信度與QoS的真實(shí)性卻存在很大的挑戰(zhàn)。

為此，本文利用概率論原理來表征服務(wù)實(shí)體間的信任度，系統(tǒng)地給出了基于概率密度信任關(guān)系的計(jì)算、推理及合并等演化方法。具體概括為如下內(nèi)容。

1) 采用改進(jìn)的概率密度方法來表示實(shí)體的可信度，和其他信任表示方法相比具有如下優(yōu)點(diǎn)。

可準(zhǔn)確表達(dá)不同交互過程中服務(wù)實(shí)體反饋信息權(quán)重。以往研究中[14,15]，服務(wù)信任度采用交易的成功與否來表示，雖然成功與否可以表示信任與不信任，但不能表示出信任程度。而實(shí)際上，同樣是成功交互其可信程度并不相同，而這類研究并不能區(qū)分這種不同性。本文中采用了定量描述方法，其原則是：一次高可信性的交易可信權(quán)重值大于多次可信度不高的交易。這是與實(shí)際社會交往類似的，從一個可信度非常高的實(shí)體中得到的評價結(jié)論往往比從多個可信度不高實(shí)體中得到評價結(jié)論更加準(zhǔn)確。因此，本文對可信度高實(shí)體返回的評價值應(yīng)該給予較高的權(quán)重；反之，信任度低的服務(wù)實(shí)體評價值應(yīng)給予較低的權(quán)重。本文中以信任程度的高低來標(biāo)記服務(wù)交互行為的重要程度，避免了以往研究中每次服務(wù)交互行為的權(quán)重都認(rèn)為相等的不足。

為獲得對某個事物的信任度，在現(xiàn)實(shí)生活中，常需從多個渠道來獲取對此事物的評價，若從多個渠道獲得一致的信息越多，則對此事物所做評價結(jié)論的可靠程序越高。因此，本文采用貝塔分布的概率密度分布函數(shù)能較好地綜合不同渠道的信任評價。信任模型采用概率密度函數(shù)，不但較好地描述了信任交互情況，而且依據(jù)貝塔分布概率密度的函數(shù)特征，提出了信任的累加、乘等運(yùn)算法則，建立了基于概率密度計(jì)算的信任演化方法，能為較全面地刻畫服務(wù)實(shí)體間的直接與推薦信任度，具有較好的普遍性。

2) 以往研究中[5,10]，有些研究規(guī)定服務(wù)交互中需向信任評價方面報告信任狀態(tài)，這種強(qiáng)制性的策略很難適應(yīng)無中心的分布式服務(wù)計(jì)算環(huán)境；此外，即使這種強(qiáng)制性的措施可實(shí)施，也難以保證報告的可信性，因而依據(jù)這些難以保證數(shù)據(jù)的可信性，導(dǎo)致得到的結(jié)論也存在不少缺陷。本文中無需實(shí)效強(qiáng)制性的報告，從而使方法具有更廣泛的適用性。

本文利用概率密度函數(shù)來表征服務(wù)實(shí)體間的信任關(guān)系，提出了基于概率密度信任關(guān)系的計(jì)算、推理及合并的演化方法，并給出了依據(jù)信任推理與QoS修正的服務(wù)評價算法。理論分析和實(shí)驗(yàn)結(jié)果表明該方法能有效評價服務(wù)參與者的信任度，削弱不可信的實(shí)體對服務(wù)評價的影響，提高服務(wù)選擇過程的質(zhì)量及準(zhǔn)確性。

2 系統(tǒng)模型定義及信任值表示

本文假設(shè)服務(wù)交互的實(shí)體可將評價信息向外公布，但與以往研究不同的是，本文認(rèn)為公布自己的評價信息不是強(qiáng)制性的，允許服務(wù)實(shí)體不公布自己的評價信息。而服務(wù)實(shí)體公布的評價信息也可讓其他所有實(shí)體獲取，這些公布的QoS評價信息可假設(shè)存儲在公共服務(wù)中心，這與大多數(shù)前人的研究類似[11, 16]。

2.1 系統(tǒng)模型

集合 S P ={ sp1, sp2,… ,s pm}表示系統(tǒng)中的m個SP實(shí)體，稱為SP實(shí)體域。

每個SP實(shí)體在向服務(wù)代理注冊時，會聲明自己的QoS等屬性。設(shè)實(shí)體A在ti時宣稱的QoS表示為

其中，u為服務(wù)質(zhì)量的維數(shù)，表示不同維的質(zhì)量信息，例如可用性、響應(yīng)時間、用戶滿意度等。

所有SP實(shí)體只存儲最近tw時間段內(nèi)宣稱的服務(wù)質(zhì)量矩陣在公共平臺中的存儲如下：

集合 S C ={ sc1,sc2,… ,scn}表示系統(tǒng)中的n個服務(wù)消費(fèi)者實(shí)體，稱為SC實(shí)體域。

與文獻(xiàn)[15]類似，服務(wù)交互過程中的評價結(jié)果如表1所示。在表1中，服務(wù)交互的結(jié)果評價矩陣共有n行代表n個服務(wù)消費(fèi)者實(shí)體，m列代表m個服務(wù)提供者SP實(shí)體。

表1 服務(wù)交互后的評價信息

值得注意的是，在實(shí)際應(yīng)用中SC實(shí)體對SP實(shí)體的QoS評價并不一定是SC實(shí)體對SP實(shí)體的真實(shí)評價，因?yàn)樵趶?fù)雜云計(jì)算環(huán)境下存在如下2種可能。

1) 虛假SC實(shí)體報告的SP實(shí)體QoS評價可能是虛假的，即SC實(shí)體有意提高與降低報告SP實(shí)體的QoS值。

2) 真實(shí)的 SC實(shí)體由于自身的條件限制，給出的報告并不一定真實(shí)反映了SP實(shí)體的QoS值，因此，本文承認(rèn)這種評價的不真實(shí)性，也不強(qiáng)求SC實(shí)體必需對與其交互的SP實(shí)體做出如表1所示的評價值。

2.2 信任度量的表示方法

以往信任值的表示中，一般采用成功(成功表示可信，用T代表)與失敗(失敗表示不可信，用F代表)表示，信任度用 C = T /(F + T )表示，其中，T和F分別表示成功與不成功的交互次數(shù)。每次交互僅用成功與不成功來代表對實(shí)際情況過于簡單化描述。在實(shí)際系統(tǒng)中，用戶難以用成功與不成功來表示，而且在這種信任的度量表示中，每個交互實(shí)體的評價作用是相等的，但在實(shí)際中往往是信任度比較高的實(shí)體評價的結(jié)論更有可信性。

為達(dá)到以上目標(biāo)，本文采用概率論中的貝塔(β,beta)分布的概率密度分布函數(shù)來表達(dá)信任的度量，能夠克服以上的不足。

貝塔分布的概率密度分布函數(shù)，對任何一個給定的p，概率密度 f ( p|α, β)代表一個后驗(yàn)概率，即在系統(tǒng)的已有交互記錄中，SC實(shí)體X成功執(zhí)行的次數(shù)為α-1，沒有成功的次數(shù)為β-1，在此基礎(chǔ)上，估計(jì)SP實(shí)體X次成功執(zhí)行的概率。

但上面的信任度量方法還不足以描述實(shí)際系統(tǒng)的信任關(guān)系，一般來說較為全面地反映實(shí)體的信任關(guān)系一般采用= ( b, d, u, a)來表示實(shí)體A對實(shí)體B的信任程度，這里b、d、u分別代表了信任、不信任和不確定。 b, d, u ∈ [ 0,1],而且 b +d+u=1。這里的參數(shù)a∈[0,1]，它是用來計(jì)算u轉(zhuǎn)換成b的概率，所以 E ()=b+au。也就說a決定了不確定性轉(zhuǎn)化為信任的程度，即實(shí)際的信任度量是采用四元向量的形式來表示的，可以通過如下轉(zhuǎn)換來獲得[18]：

有式(4)同樣就可以構(gòu)造出貝塔函數(shù)。同時，利用式(4)可將信任的四元向量和 beta密度函數(shù)的參數(shù)之間做雙向轉(zhuǎn)換，如式(5)所示：

經(jīng)過上面的變換，beta密度函數(shù)可以表達(dá)出交互過程中實(shí)際情況，但目前采用基于貝塔函數(shù)的信任模型還存在如下2個問題。

1) 問題1：目前的貝塔函數(shù)不能反映不同信任度的不同權(quán)重，需要對其進(jìn)行改造使其能對信任度高的交互記錄提高其權(quán)重，反之對信任度低的交互記錄降低其權(quán)重。

2) 問題2：目前函數(shù)還不能表達(dá)時間維度對信任度的影響，SP實(shí)體本身也隨時間變化，可能在不同時期其QoS與信任度都不相同。而且越是最新的交互記錄越能夠反映 SP實(shí)體的實(shí)際情況，其重要程度越高，這些也能在beta密度函數(shù)中反映出來。

因此，結(jié)合以上分析，提出采用如下方法來確定服務(wù)實(shí)體的信任值。

1) 對于問題1的解決方法。設(shè)基本信任度用?表示，第i次交互過程中，得到對實(shí)體A的正向信任度為基本信任度的ki倍，即ki?；在第j次交互過程中得到的負(fù)向信任度為gj?。那么式(4)和式(5)中的T和F按下式計(jì)算：

由此可看出，信任度越高的交互行為，其權(quán)重越大；越是不可信交互行為，其不可信的權(quán)重也越大，這就解決了第1個問題。

2) 對于問題2的解決方法。設(shè)在時間ti時，得到的對實(shí)體A的T的值為Ti，F(xiàn)的值為Fi。那么總的T與F的值如式(6)所示。

其中， ?(k)∈ [0, 1]是衰減函數(shù)，用來對發(fā)生在不同時刻的直接信任信息進(jìn)行合理的加權(quán)，定義與文獻(xiàn)[5]中的相同，限于篇幅，此處不在贅述。

經(jīng)過對貝塔函數(shù)的改進(jìn)，改變了原 β ( p |α, β)密度函數(shù)，其中α+β能得到當(dāng)前交互次數(shù)的信息，為了保留實(shí)體實(shí)際交互次數(shù)的信息，為貝塔函數(shù)增加參數(shù)γ，其表示實(shí)體間交互的次數(shù)，從上面論述可看出必定有α+β≥γ，這樣本文使用的概率密度函數(shù)為 f ( p |α, β, γ) 。

經(jīng)過以上分析，解決了信任采用的模型與信任密度表示方法，下面論述如何準(zhǔn)確獲取與判別服務(wù)實(shí)體的QoS及信任值。

3 服務(wù)間信任關(guān)系及評價

開放的云計(jì)算環(huán)境下每個服務(wù)實(shí)體都可在公共系統(tǒng)中發(fā)布自己的評價信息，這些信息紛繁復(fù)雜，且真假難辨。SC實(shí)體進(jìn)行服務(wù)選擇時，如何在云計(jì)算環(huán)境下不增加新限制(如強(qiáng)制信任評價提交)，而根據(jù)服務(wù)間的交互作用形成 QoS與信任度的識別機(jī)制，較準(zhǔn)確地表達(dá)實(shí)體間的信任關(guān)系以及SP實(shí)體的QoS值依然是一個重要的挑戰(zhàn)。為此，本文提出了一種新穎的服務(wù)信任關(guān)系推理及評價方法。

3.1 SC實(shí)體對SP實(shí)體直接信任評價

本文依據(jù)服務(wù)實(shí)體間的直接交互過程從而獲得了SC實(shí)體對SP實(shí)體的QoS及信任評價計(jì)算方法，從而豐富與擴(kuò)展SC實(shí)體的認(rèn)知范圍。

3.1.1 SC實(shí)體對SP實(shí)體的QoS評價計(jì)算

首先計(jì)算SC實(shí)體對與其直接交互的SP實(shí)體的QoS評價，由于SC實(shí)體直接與SP實(shí)體進(jìn)行過交互，SC實(shí)體依據(jù)自己獲得QoS，從而對SP實(shí)體有一個評價值。這個評價值對SC實(shí)體自己來說是可信的，真實(shí)的(自己的評價)。下面給出SC實(shí)體對與自己直接交往的SP實(shí)體的QoS評價計(jì)算方法。

其中， ? ( k)∈[0, 1]是衰減函數(shù)，同前面式(6)。

設(shè)SC實(shí)體A與z個SP實(shí)體進(jìn)行過交互，因此可以得到SC實(shí)體A對這z個SP實(shí)體的QoS的評價，如式(7)所示：

3.1.2 SC對SP實(shí)體的信任值評價計(jì)算

前面論述了SC實(shí)體對SP實(shí)體QoS的評價，下面論述SC實(shí)體對所有與其交互過的z個SP實(shí)體信任值的計(jì)算。依據(jù)前面系統(tǒng)模型中表1的評價信息，可知這z個SP實(shí)體在ti時刻宣稱的QoS為

SC實(shí)體A交互得到的QoS與實(shí)體B宣稱QoS的差異度用τ ( A , B, ti)表示；而SC實(shí)體A對SP實(shí)體B在ti時刻的一次交互差異度為

同樣，計(jì)算得到差異度的比例為

根據(jù)SC實(shí)體A得到QoS與實(shí)體B所宣稱的服務(wù)質(zhì)量的差異大小來決定SC實(shí)體A對SP實(shí)體B的信任度。

其中，?表示梯度劃分的量，%表示取模，用差異值對梯度取模表示當(dāng)前SC實(shí)體A交互得到的差異值與SP實(shí)體B宣稱的服務(wù)質(zhì)量間相差多少梯度，若正向相差越多，表示服務(wù)越可信；而負(fù)向相差越多，表示服務(wù)虛假的程度越高。當(dāng)差異的絕對值小于?時，表示服務(wù)是可信的，計(jì)算得到的可信度為1，當(dāng)負(fù)向差異值大于?時，表示其宣稱的QoS小于實(shí)體與其交互時得到的 QoS，且超過了一定限度，這時計(jì)算得到的信任值小于等于0，表示信任度較低。

從而，SC實(shí)體A與SP實(shí)體B交互過程中得到的服務(wù)評價結(jié)果存在信任評價向量。

式(8)中的元素表示了SC實(shí)體A對SP實(shí)體B在不同時間的信任評價，這樣SC所有與之交互的SP評價如下：

但是，上述信任模型難以進(jìn)行服務(wù)的推理與運(yùn)算，運(yùn)算過程難以保持信任的信息。將上面的信任評價轉(zhuǎn)化為概率密度函數(shù)，概率密度函數(shù)主要是確定貝塔(β,beta)分布函數(shù)中,α β值，做如下轉(zhuǎn)換。

式（9）解決了較高信任度的SP實(shí)體一次交互的結(jié)果會使T成比例的增加，能使其信任度成比例的提高。式（10）導(dǎo)致可信度差的SP實(shí)體會使F成比例的增加，而使其信任度成比例的下降。而?(i)函數(shù)表示了時間因素對信任值的影響，越是新的交互結(jié)果對結(jié)果影響越大，而離現(xiàn)在最遠(yuǎn)的交互行為對信任值的影響權(quán)重越小，這樣就解決了2.2節(jié)的2個問題。

經(jīng)過上面的轉(zhuǎn)化方法，則SC實(shí)體A對所有交互過的SP實(shí)體的概率密度函數(shù)為

用式(10)表示SC實(shí)體A對所有交互過的SP實(shí)體的信任概率密度函數(shù)向量。

3.2 SC實(shí)體的信任度評價

這節(jié)將利用上述的信息來對其他SC實(shí)體的信任度進(jìn)行評價。有了對其他SC實(shí)體的信任評價，就可擴(kuò)展SC實(shí)體的認(rèn)知范圍，從而有利于信任推理與QoS評價的開展。

與SC實(shí)體A交互過的SP為[SP1, SP2,…,SPz]，設(shè)與這z個SP交互過的SC實(shí)體個數(shù)為y個，從表1的公共平臺中得到對其交互的評價記錄如下矩陣：

可認(rèn)為第i個SC實(shí)體對自己直接得到的對第j個SP實(shí)體的QoS評價是真實(shí)的，因此，用自己得到的QoS來檢測其他SC實(shí)體給出的評價是否真實(shí)。采用與前相同的方法可計(jì)算兩者評價值間的差距：

同樣，計(jì)算得到差異度的比例為

根據(jù)SC實(shí)體A得到的QoS來評價SC實(shí)體C所評價的QoS的差異大小來決定SC實(shí)體C的信任度。

其中，?表示梯度劃分的量，%表示取模，Λ為一常數(shù)，當(dāng)差異值小于此閾值常數(shù)時表示可信任，越小信任度越高；而差異值大于此閾值Δ時，則不可信，差異值越大越不可信，得到的可信度為負(fù)值。這樣得到的服務(wù)信任評價結(jié)果存在信任評價向量。

上述矩陣的第j行表示通過SC實(shí)體A依據(jù)SC實(shí)體j對z個不同的SP的評價推理出對SC實(shí)體j的信任評價值。由于beta密度函數(shù)具有很好的相加性，因此，對每行進(jìn)行下面計(jì)算得到SC實(shí)體A對其他每個SC實(shí)體的總體評價值，例如SC實(shí)體A對SC實(shí)體C的計(jì)算方法如下：

這樣，得到對其他SC實(shí)體的總體信任評價：

4 基于信任推理的服務(wù)評價算法

綜合前面的論述，算法1給出了SC實(shí)體S對SP實(shí)體T的信任與QoS評價。

算法 1 FindBestService(SC S, SP T，int ε0，int ε1)

//算法為SC實(shí)體返回優(yōu)化的SP實(shí)體T，單個實(shí)體的信任度＞ε0

//算法最后輸出對SP實(shí)體T的QoS評價。

第1階段：信任計(jì)算網(wǎng)絡(luò)圖的建立與直接信任關(guān)系的計(jì)算；

1) 查找與S直接交互過的SP實(shí)體集合SP0，并按3.1.1節(jié)的方法計(jì)算出對SP0集合的QoS評價：；按3.1.2節(jié)的方法計(jì)算出對SP1集合的信任評價：

2) 查找獲得與SP0交互過的SC實(shí)體集合SC0，按3.2節(jié)的方法計(jì)算出對SC0集合的信任評價。

3) 從表1中查找與建立SC0集合交互過的SP實(shí)體集合，從此集合中減去集合 SP0，得到 SP1集合。采用3.1.2節(jié)的方法計(jì)算出SC0集合對SP1集合的信任函數(shù)。

4) 查找與建立與SP1集合交互過的SC實(shí)體且不屬于SC0的SC集合SC1。采用3.2節(jié)的方法計(jì)算出SC0集合對SC1集合的信任函數(shù)。

5) 反復(fù)采用第 3）和第 4）步的方法，一直遞推 K次，直到推導(dǎo)出 SCk-1對 SPk的信任值的計(jì)算。

第2階段：信任路徑的合并

2) 對每條信任推理路徑，反復(fù)采用式(13)合并得到對 SP實(shí)體的信任度。設(shè)得到的合并信任度為T.unionCredit。

T宣稱的QoS為T.q，則推理得到的QoS為：T.Q=T.unionCredit*T.QoS

3) 輸出：綜合的QoS評價:

End

由于算法的運(yùn)行空間只在與此服務(wù)實(shí)體相關(guān)的信任推理路徑上進(jìn)行，而不是全部的空間范圍，因此大大減少了運(yùn)算的復(fù)雜度。

5 性能分析與仿真實(shí)驗(yàn)

5.1 仿真實(shí)驗(yàn)環(huán)境設(shè)置

實(shí)驗(yàn)運(yùn)行在本課題組前期開發(fā)并升級形成的服務(wù)組合性能評價系統(tǒng)SWES中，該試驗(yàn)系統(tǒng)由用戶流程定制器、服務(wù)注冊中心、調(diào)度算法庫、試驗(yàn)日志組等部件構(gòu)成[17]。

為檢驗(yàn)本文提出方法的有效性，實(shí)驗(yàn)環(huán)境以貼近真實(shí)隨機(jī)、復(fù)雜網(wǎng)絡(luò)的實(shí)際情況為目標(biāo)，設(shè)置了如下的實(shí)驗(yàn)網(wǎng)絡(luò)環(huán)境，實(shí)體交互行為場景。實(shí)驗(yàn)中的SP與SC實(shí)體進(jìn)行如下設(shè)置。

SP實(shí)體設(shè)置成如下3種類型。

1) 真實(shí)的SP實(shí)體(簡稱Sp(1))：該服務(wù)總能遵守所宣稱的服務(wù)水平，真實(shí)對外宣稱自己所能提供的服務(wù)級別。

2) 惡意且有共謀欺騙SP實(shí)體(簡稱Sp(2))：該服務(wù)有共謀同伙并提供虛假服務(wù)信息，實(shí)際上提供的服務(wù)質(zhì)量較低。

3) 不真實(shí)的SP實(shí)體(簡稱Sp(3))：該服務(wù)能提供的服務(wù)水平總是小于對外宣稱的服務(wù)質(zhì)量，但無共謀同伙。

SC實(shí)體設(shè)置成如下4種類型。

1) 真實(shí)的SC實(shí)體(簡稱Sc(1))：總是給出真實(shí)的服務(wù)質(zhì)量評價。

2) 惡意且有共謀欺騙SC實(shí)體(簡稱Sc(2))：對同伙給出較好信任評價，對其他實(shí)體給出貶低的信任評價。

3) 有共謀欺騙SC實(shí)體(簡稱Sc(3))：對同伙給出較好評價，對其他實(shí)體給出隨機(jī)的評價。

4) 隨機(jī)性SC實(shí)體(簡稱Sc(4))：對評價存在不確定性，有時能做出客觀評價，但有時給出隨意性評價。

實(shí)驗(yàn)中服務(wù)實(shí)體交互情況設(shè)置如下。

1) 對于Sc(1)類服務(wù)實(shí)體的交互將遵循如下原則：

對無法做出評價的 SP實(shí)體以一定概率λ與未感知網(wǎng)絡(luò)環(huán)境進(jìn)行交互，以擴(kuò)展其視野。

對能獲得評價的SP實(shí)體選擇信任度高者發(fā)起訪問請求，將低QoS與惡意SP實(shí)體排除在計(jì)算之外。

2) Sc(2)、Sc(3)和Sc(4)類實(shí)體的交互行為遵循原則為：以一定概率與網(wǎng)絡(luò)中的服務(wù)實(shí)體隨機(jī)交互，然后依據(jù)此類的評價原則做出自己的QoS評價。

實(shí)際網(wǎng)絡(luò)的情況比以上還要復(fù)雜，但以上這網(wǎng)絡(luò)設(shè)置情況基本概括了當(dāng)前網(wǎng)絡(luò)實(shí)體的主要情況，是符合網(wǎng)絡(luò)實(shí)際情況的，這些可信與非可信實(shí)體的外在行為在很多情況下是非常相似的，難以區(qū)分，因而其研究極其困難。正因?yàn)殡y以對SP實(shí)體的QoS做出正確的評價，導(dǎo)致假設(shè)對SP實(shí)體QoS能夠知曉的服務(wù)選擇算法雖然非常完美，但是得到的結(jié)果卻不太理想。

下面通過實(shí)驗(yàn)驗(yàn)證本文的策略能否區(qū)分這幾類實(shí)體，以及為服務(wù)選擇算法提供較真實(shí)的QoS評價，從而為服務(wù)選擇研究打下基礎(chǔ)性工作。

5.2 實(shí)驗(yàn)結(jié)果及性能分析

本節(jié)實(shí)驗(yàn)設(shè)置的SP實(shí)體總數(shù)是3 000個，其中Sp(1)類實(shí)體占80%，Sp(2)類和Sp(3)類實(shí)體各占10%。SC實(shí)體的總數(shù)是5 000，其中Sc(1)類實(shí)占60%，Sc(2)類和Sc(3)類各占10%，Sc(4)類占20%。這樣設(shè)置與網(wǎng)絡(luò)中的實(shí)際情況網(wǎng)絡(luò)中真實(shí)的實(shí)體要大于惡意實(shí)體的比例，與實(shí)際情況比較符合。實(shí)驗(yàn)的交互過程是以輪(round)為單位，SC實(shí)體A在每輪中與SP實(shí)體交互的個數(shù)為10個，每輪結(jié)束后，再統(tǒng)計(jì)此輪中交互的情況。

圖 1是從總體來說明隨著交互次數(shù)增長，SC實(shí)體能夠做出評價的SC與SP實(shí)體數(shù)量，從圖可以看出隨著交互次數(shù)的增長，SC實(shí)體A的認(rèn)知也快速增長；這意味著：只要稍許增加實(shí)體的交互行為，實(shí)體能夠做出QoS評價的范圍增長得很多，給出評價結(jié)論的準(zhǔn)確性也提高很多。

圖1 交互次數(shù)與實(shí)體數(shù)量的關(guān)系

圖2表示的是SC實(shí)體A隨著交互次數(shù)的增長，與惡意實(shí)體交互的次數(shù)。從圖中可以看出：隨著交互次數(shù)的增長，與惡意 SP實(shí)體交互的次數(shù)快速減少，這也能表明在正常網(wǎng)絡(luò)環(huán)境中，本文的策略能較好地甄別虛假服務(wù)信息。

圖2 SC實(shí)體與惡意實(shí)體的交互情況

圖3檢驗(yàn)的是?取值對實(shí)體信任度的影響以及?對Sp(1)類實(shí)體信任度的影響。?是指SP實(shí)體宣稱的QoS與SC實(shí)體交互時得到的QoS的差異值除了梯度?得到信任度。?越小，只要SP實(shí)體宣稱的QoS與實(shí)際的QoS存在很小的偏差，則不可信。這說明對SP實(shí)體檢驗(yàn)的要求越嚴(yán)格，反之，?越大，則系統(tǒng)容忍 SP實(shí)體存在較大的偏差時也可信。因此，在圖3中，?允許誤差達(dá)到QoS百分比上升時，對SP實(shí)體的信任度上升?？梢?，實(shí)體是否可信還與判斷的標(biāo)準(zhǔn)相關(guān)，實(shí)際上網(wǎng)絡(luò)中實(shí)體的QoS總是變化，任意2個實(shí)體對相同SP實(shí)體的評價不會是完全相同的，因而需要根據(jù)實(shí)際情況確定適當(dāng)?shù)?。

圖3 ?取值對信任度計(jì)算的影響

圖4 不同閾值的信任值變化情況

圖4是對參與信任推理加以限制與不加限制情況下，對真實(shí)Sp(1)類服務(wù)信任值的計(jì)算情況。由4圖可見如果在信任推理的過程中只對信任值大于 0.5的節(jié)點(diǎn)參與計(jì)算，這樣實(shí)際意義是只對基本可信的實(shí)體才參與信任推導(dǎo)。在這種情況下，Sp(1)類節(jié)點(diǎn)的可信度是與實(shí)際情況相符合的。如果對所有服務(wù)實(shí)體都參與計(jì)算，這時Sp(1)類實(shí)體的可信度比實(shí)際情況偏低，因?yàn)椴豢尚殴?jié)點(diǎn)本身是不可信的，采用其推理的結(jié)果必然是不準(zhǔn)確的，因而得到這樣的實(shí)驗(yàn)結(jié)果。而如果將Sc(2)類實(shí)體的活躍度提高一倍，也就是將Sc(2)類實(shí)體的交互次數(shù)增長一倍，這樣得到的對Sp(1)類實(shí)體信任值更加偏低。這說明實(shí)體的信任值不僅與自己有關(guān)，也與網(wǎng)絡(luò)的情況相關(guān)，即使網(wǎng)絡(luò)中真實(shí)可信實(shí)體遠(yuǎn)大于不可信實(shí)體的情況下，由于真實(shí)實(shí)體保持正常的活躍程度，而惡意實(shí)體往往比較活躍，導(dǎo)致用戶感覺到的組織間可信性遠(yuǎn)不如上述的數(shù)據(jù)?？梢娍尚旁u價系統(tǒng)需要有限制不可信實(shí)體的機(jī)制才能保證結(jié)論的可靠性，而傳統(tǒng)方法簡單的采用交互成功與失敗的比例來表征實(shí)體的可信性存在一定的局限性。

圖5表示隨著交互次數(shù)增多，4類SC實(shí)體信任度的變化情況。SC實(shí)體的信任度在對SP實(shí)體的評價中起到重要作用，信任度高的SC實(shí)體表示對SP實(shí)體的評價是準(zhǔn)確可信，因而可以依據(jù)可信高的SC實(shí)體的評價來做出對未直接交互 SP實(shí)體的評價。相反，不可信SC實(shí)體的評價往往起到誤導(dǎo)與欺騙的作用。因此，考察對SC實(shí)體的可信度識別具有同樣重要的意義。

圖5 不同類SC實(shí)體的可信度變化情況

從圖5中還可看出，真實(shí)的Sc(1)類SC實(shí)體隨著交互的進(jìn)行，其信任度總體趨勢是緩慢增長，而隨機(jī)的Sc(4)類SC實(shí)體信任度不高，而且波動。惡意的Sc(2)類SC實(shí)體，由于對同伙與非同伙的評價都是相反的評價。在本文的策略中，如果對QoS高的實(shí)體做出低的評價，或者反之，而且給出的評價相差越大，其信任度下降得越快。因而方法很容易識別這種虛假的行為，其可信度下降得最快，惡意的 Sc(3)類 SC實(shí)體由于只對同伙做出虛假的高評價，對其他實(shí)體做出隨機(jī)的評價，因而更難識別，反映在實(shí)驗(yàn)中就是其信任度下降不如惡意的 Sc(2)類SC實(shí)體。

6 結(jié)束語

云計(jì)算環(huán)境下服務(wù)的關(guān)系較為復(fù)雜，不可信、惡意甚至欺騙實(shí)體的真實(shí)信息常難以獲得，而通過實(shí)體交互行為來判斷其可信度也受到很多限制和干擾。因此，獲得服務(wù)的真實(shí)QoS變得較為復(fù)雜，導(dǎo)致以此為基礎(chǔ)的更高應(yīng)用（如服務(wù)組合等）面臨較大的挑戰(zhàn)。為此，本文提出了一種新穎的基于QoS的服務(wù)實(shí)體信任評價方法，經(jīng)過有效性驗(yàn)證，為復(fù)雜環(huán)境下的服務(wù)評價提供了較好的思路。

本文雖引入了貝塔分布密度函數(shù)來表征服務(wù)實(shí)體間的信任關(guān)系，具有信任間的可“加”，可“乘”等良好特性，能夠綜合多個信息源來對實(shí)體的可信度進(jìn)行判斷。但是，更細(xì)致地識別和評價服務(wù)實(shí)體間，尤其信任傳遞路徑間的多條路徑綜合關(guān)系非常重要，這是下一步準(zhǔn)備研究的工作。

[1] MICHAEL H, MUNINDAR P S. Service-oriented computing: key concepts and principles[J]. IEEE Internet Computing, 2005, 9(1):75-81.

[2] DOU W C, CHEN J, LIU J X, et al. A workflow engine-driven SOA-based cooperative computing aradigm in grid environments[J].International Journal of High Performance Computing Applications,2008, 22(3): 284-300.

[3] 馮登國, 張敏, 張妍等. 云計(jì)算安全研究[J]. 軟件學(xué)報, 2011,22(1):71-83.FENG D G, ZHANG M, ZHANG Y, et al. Study on cloud computing security[J]. Journal of Software, 2011, 22(1): 71-83.

[4] ZAKI M, ATHMAN B. Reputation bootstrapping for trust establishment among Web services[J]. IEEE Internet Computing, 2009, 13(1):40-47.

[5] 胡春華, 劉濟(jì)波, 劉建勛. 云計(jì)算環(huán)境下基于信任演化及集合的服務(wù)選擇[J]. 通信學(xué)報, 2011, 32(7): 71-79.HU C H, LIU J B, LIU J X. Services selection based on trust evolution and union for cloud computing[J]. Journal on Communications, 2011,32(7): 71-79.

[6] 范小芹, 蔣昌俊, 王俊麗等. 隨機(jī)QoS 感知的可靠Web 服務(wù)組合[J]. 軟件學(xué)報, 2009, 20(3): 546-556.FAN X Q, JIANG C J, WANG J L, et al. Random-QoS-aware reliable Web service composition[J]. Journal of Software, 2009, 20(3):546-556.

[7] CARDOSO J, SHETH A, MILER J, et al. Quality of service for workflows and Web service processes[J]. Journal of Web Semantics,2004, 13(3): 281-320.

[8] OH S C, LEE D W, KUMARA R T S. Effective Web service composition in diverse and largescale service networks[J]. IEEE Transactions on Services Computing, 2008, 1(1): 15-32.

[9] ROSENBERG F, CELIKOVIC P, MICHLMAYR A, et al. An end-toend approach for QoS-aware service composition[A]. 13th IEEE International Enterprise Distributed Object Computing Conference[C]. 2009.151-160.

[10] CHEN W N, ZHANG J. An ant colony optimization approach to a grid workflow scheduling problem with various QoS requirements[J].IEEE Transactions on Systems, Man and Cybernetics Part C: Applications and Reviews, 2009, 39(1): 29-43.

[11] SURYANARAYANA G. Selection and Architecture-based Composition of Trust Models in Decentralized Applications[D]. University of California, Irvine, 2007.

[12] 潘靜, 徐鋒, 呂建. 面向可信服務(wù)選取的基于聲譽(yù)的推薦者發(fā)現(xiàn)方法[J]. 軟件學(xué)報, 2010, 21(2): 388-400.PAN J, XU F, LU J. Reputation-based recommender discovery approach for service selection[J]. Journal of Software, 2010, 21(2):388-400.

[13] JURCA R, FALTINGSI B. Eliciting truthful feedback for binary reputation mechanisms[A]. Proceedings of the 2004 IEEE/WIC/ACM International Conference on Web Intelligence[C]. Los Alamitos, CA: IEEE Computer Society Press. 2004. 214-220.

[14] DAMIANI E, VIMERCATI S D, PARABOSCHI S. A reputation based approach for choosing reliable resources in P2P networks[A].Proceedings of ACM conference on Computers and Communications Security[C]. New York: ACM Press, 2002. 18-22.

[15] LIMAN N, BOUTABA R. Assessing software service quality and trustworthiness at selection time[J]. IEEE Transactions on Software Engineering, 2010, 36(4): 559-574.

[16] 蔣哲遠(yuǎn), 韓江洪, 王釗. 動態(tài)的QoS感知Web服務(wù)選擇和組合優(yōu)化模型[J]. 計(jì)算機(jī)學(xué)報, 2009, 32(5): 1014-1026.JIANG Z Y, HAN J H, WANG Z. An optimization model for dynamic QoS-aware Web services selection and composition[J]. Chinese Journal of Computers, 2009, 32(5): 1014-1026.

[17] 胡春華, 吳敏, 劉國平. Web服務(wù)工作流中基于信任關(guān)系的QoS調(diào)度[J]. 計(jì)算機(jī)學(xué)報, 2009, 32(1): 42-53.HU C H, WU M, LIU G P. QoS scheduling based on trust relationship in Web service workflow[J]. Chinese Journal of Computers, 2009,32(1): 42-53.