本發(fā)明涉及云計(jì)算領(lǐng)域，具體是一種基于多參數(shù)區(qū)間數(shù)多屬性決策的云服務(wù)信任評(píng)估方法。

背景技術(shù)：

隨著網(wǎng)絡(luò)、巨型計(jì)算和大數(shù)據(jù)的發(fā)展，商用為主的云計(jì)算得到大力推廣，越來越多的企業(yè)推出云服務(wù)。面對(duì)眾多功能相同或相近，而質(zhì)量不同的云服務(wù)，如何對(duì)其進(jìn)行客觀的信任評(píng)估，為用戶提供個(gè)性化推薦已成為當(dāng)前云計(jì)算領(lǐng)域亟待解決的問題。傳統(tǒng)的云服務(wù)信任評(píng)估方法存在很多不足：套用現(xiàn)成的web服務(wù)評(píng)價(jià)模型，無法適應(yīng)新需求；缺乏定量的從多個(gè)方面對(duì)云服務(wù)質(zhì)量度量的方法，評(píng)價(jià)不夠準(zhǔn)確；評(píng)價(jià)體系局限于云服務(wù)某幾個(gè)指標(biāo)，擴(kuò)展困難；采用確定的QoS值進(jìn)行信任評(píng)估，缺乏對(duì)云服務(wù)指標(biāo)范圍的限定；指標(biāo)權(quán)重的設(shè)定中加入過多的主觀評(píng)價(jià)因素，云服務(wù)的信任評(píng)估缺乏客觀性等。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)上述問題，本發(fā)明提出一種基于多參數(shù)區(qū)間數(shù)多屬性決策的云服務(wù)信任評(píng)估方法，與現(xiàn)有方法相比具有更強(qiáng)的客觀性和實(shí)用性。

實(shí)現(xiàn)本發(fā)明目的的技術(shù)方案是：

一種基于多參數(shù)區(qū)間數(shù)多屬性決策的云服務(wù)信任評(píng)估方法，包括如下步驟：

(1)基于多參數(shù)區(qū)間數(shù)的數(shù)據(jù)采集及處理，以多參數(shù)區(qū)間數(shù)形式采集云服務(wù)運(yùn)行的QoS指標(biāo)數(shù)據(jù)并列出決策矩陣，將多參數(shù)區(qū)間數(shù)形式的指標(biāo)值轉(zhuǎn)換成二元聯(lián)系數(shù)，再按照成本型和效益型類型對(duì)決策矩陣規(guī)范化處理得到規(guī)范化決策矩陣；

(2)基于聯(lián)系數(shù)的屬性權(quán)重未知的權(quán)重設(shè)定，依據(jù)“云服務(wù)指標(biāo)值波動(dòng)越大的指標(biāo)應(yīng)該賦予越大的權(quán)重”的原則，確定QoS指標(biāo)權(quán)重；

(3)進(jìn)行云服務(wù)信任評(píng)估，基于規(guī)范化決策矩陣和QoS指標(biāo)權(quán)重，采用主值模型對(duì)云服務(wù)信任評(píng)估。

步驟(1)所述基于多參數(shù)區(qū)間數(shù)的數(shù)據(jù)采集及處理，具體步驟如下：

(1-1)定義所研究的云服務(wù)集為S＝{S₁，S₂，...，S_i，...，S_n}，每一個(gè)云服務(wù)對(duì)應(yīng)m個(gè)QoS指標(biāo)，有Q＝{q₁，q₂，...，q_m}，各指標(biāo)數(shù)據(jù)以多參數(shù)區(qū)間數(shù)形式表示；

(1-2)采集數(shù)據(jù)，通過監(jiān)測(cè)云環(huán)境，觀察不同云服務(wù)的運(yùn)行情況，以多參數(shù)區(qū)間數(shù)形式采集云服務(wù)運(yùn)行的QoS指標(biāo)數(shù)據(jù)，列出決策矩陣。其中，多參數(shù)區(qū)間數(shù)是指區(qū)間數(shù)的參數(shù)為三個(gè)及以上，傳統(tǒng)的區(qū)間數(shù)決策問題一般采用由一個(gè)最大值和一個(gè)最小值兩個(gè)參數(shù)組成的區(qū)間數(shù)表示指標(biāo)數(shù)據(jù)，這種選取方法缺乏代表性，本方法在傳統(tǒng)區(qū)間數(shù)基礎(chǔ)上增加了在2/4和3/4兩個(gè)百分點(diǎn)所監(jiān)測(cè)到的數(shù)據(jù)，共同組成一個(gè)四參數(shù)的區(qū)間數(shù)，以q_ik表示云服務(wù)S_i的QoS指標(biāo)q_k的多參數(shù)區(qū)間數(shù)，則有：其中，表示在整個(gè)檢測(cè)過程中檢測(cè)到的最小值；表示在第2/4百分點(diǎn)檢測(cè)到的數(shù)據(jù)；表示在第3/4百分點(diǎn)檢測(cè)到的數(shù)據(jù)；表示檢測(cè)到的最大值；基于q_ik的云服務(wù)QoS指標(biāo)決策矩陣如下所示：

(1-3)將多參數(shù)區(qū)間數(shù)形式的指標(biāo)值q_ik轉(zhuǎn)換成二元聯(lián)系數(shù)，得到“均值+最大偏差”二元聯(lián)系數(shù)u_ik，既保存了區(qū)間數(shù)對(duì)范圍的限定作用，又減少了區(qū)間數(shù)的不確定性，u_ik的計(jì)算公式如下：

其中，j∈[-1,1]；

(1-4)將以復(fù)數(shù)形式的二元聯(lián)系數(shù)u_ik轉(zhuǎn)化成等價(jià)的三角函數(shù)U_ik，三角函數(shù)成為原區(qū)間數(shù)的一個(gè)代表點(diǎn)，令(cosθ+jsinθ)＝1，用三角函數(shù)U_ik的模r_ik表示三角函數(shù)U_ik，則稱r_ik為三角形的主值，用三角函數(shù)的主值代替三角函數(shù)參與運(yùn)算，在保證結(jié)果一致性的基礎(chǔ)上，大大簡(jiǎn)化運(yùn)算過程，具體公式表示如下：

(1-5)將步驟(1-4)中進(jìn)行指標(biāo)數(shù)據(jù)轉(zhuǎn)換后的決策矩陣中的QoS指標(biāo)數(shù)據(jù)按照指標(biāo)的效益型和成本型兩類進(jìn)行規(guī)范化處理，效益型指標(biāo)是指數(shù)值越大越好的指標(biāo)，如資源利用率，可靠性，準(zhǔn)確性等；成本型指標(biāo)是指數(shù)值越小越好的指標(biāo)，如響應(yīng)時(shí)間，成本等。通過規(guī)范化處理，可以去除不同QoS指標(biāo)的量綱，從而實(shí)現(xiàn)對(duì)不同指標(biāo)的融合計(jì)算；并能夠?qū)⒉煌笜?biāo)數(shù)據(jù)轉(zhuǎn)化為特定區(qū)間的數(shù)據(jù)，避免不同數(shù)據(jù)數(shù)值的巨大波動(dòng)相互影響。對(duì)效益型指標(biāo)和成本型指標(biāo)的規(guī)范化處理方法是不同的，以r'_ik表示規(guī)范化后的指標(biāo)，具體規(guī)范化如下：

對(duì)效益型指標(biāo)的規(guī)范化處理公式如下：

對(duì)成本型指標(biāo)的規(guī)范化處理公式如下：

(1-6)基于對(duì)不同QoS指標(biāo)規(guī)范處理后的規(guī)范化決策矩陣X'如下：

其中，q'_ik＝r'_ik；i＝1,2,...,n；k＝1,2,...,m。

步驟(2)所述中基于聯(lián)系數(shù)的屬性權(quán)重未知的權(quán)重設(shè)定，其原理為：如果所有云服務(wù)在第k個(gè)指標(biāo)Q_k下的指標(biāo)值波動(dòng)較小，說明該指標(biāo)對(duì)云服務(wù)信任評(píng)估的影響越?。环粗?，指標(biāo)Q_k在各云服務(wù)中的指標(biāo)值波動(dòng)較大，說明該指標(biāo)對(duì)云服務(wù)信任評(píng)估的影響越大。因此，從云服務(wù)信任評(píng)估這一角度考慮，云服務(wù)指標(biāo)值波動(dòng)越大的指標(biāo)應(yīng)該賦予越大的權(quán)重。特別地，當(dāng)所有云服務(wù)在指標(biāo)Q_k下的各屬性值沒有絲毫波動(dòng)，則該指標(biāo)Q_k對(duì)云服務(wù)信任評(píng)估將不起作用，可令其權(quán)重為零?；诓襟E(1)求得的規(guī)范后的決策矩陣X'，指標(biāo)的權(quán)重計(jì)算具體步驟如下：

(2-1)定義QoS指標(biāo)的權(quán)重向量集為W＝(ω₁,ω₂,...,ω_i,...,ω_m)，并滿足歸一化約束m為指標(biāo)數(shù)量；

(2-2)為了表達(dá)指標(biāo)值的波動(dòng)性，計(jì)算n個(gè)云服務(wù)中k個(gè)指標(biāo)值的模的方差，公式如下：

式中，是規(guī)范化決策矩陣中云服務(wù)各QoS指標(biāo)模的平均數(shù)；

(2-3)把m個(gè)Q_k值歸一化處理，計(jì)算得到各指標(biāo)權(quán)重ω_k,，公式如下：

基于公式(8)求得QoS指標(biāo)的權(quán)重向量集為W＝(ω₁,ω₂,...,ω_i,...,ω_m)，并滿足歸一化約束

步驟(3)所述進(jìn)行云服務(wù)信任評(píng)估，基于所求得規(guī)范化決策矩陣和QoS指標(biāo)權(quán)重體系，采用線性加權(quán)方法實(shí)現(xiàn)對(duì)云服務(wù)的信任評(píng)估，具體步驟如下：

(3-1)將步驟(1)中所求的規(guī)范化決策矩陣X'與步驟(2)中所求得的指標(biāo)權(quán)重向量集W，代入云服務(wù)的信任評(píng)估線性加權(quán)公式中，計(jì)算云服務(wù)的信任評(píng)估值，以T(S_i)表示第i個(gè)云服務(wù)S_i的信任評(píng)估值，其計(jì)算公式如下：

T(S_i)＝∑(q'_ik×w_k)，i＝1,2,...,n；k＝1,2,...,m (9)

其中，ω_k為步驟(2)中所求得的指標(biāo)權(quán)重集；q'_ik為規(guī)范化決策矩陣X'中第i行k列的QoS指標(biāo)數(shù)據(jù)；其中，規(guī)范化決策矩陣中QoS指標(biāo)數(shù)據(jù)q'_ik以三角函數(shù)主值的形式參與信任評(píng)估，這種評(píng)估模型稱之為主值模型。采用主值模型進(jìn)行信任評(píng)估，將區(qū)間數(shù)轉(zhuǎn)換成二元聯(lián)系數(shù)u_ik，接著，將u_ik轉(zhuǎn)化成三角函數(shù)，三角函數(shù)成為原區(qū)間數(shù)的一個(gè)代表點(diǎn)，用三角函數(shù)主值參與信任評(píng)估，保存了原區(qū)間數(shù)對(duì)范圍的限定，降低了不確定性，簡(jiǎn)化了運(yùn)算過程；

(3-2)依據(jù)步驟(3-1)中的云服務(wù)的信任評(píng)估公式，計(jì)算各云服務(wù)的信任評(píng)估值；進(jìn)一步對(duì)同一云提供商的不同服務(wù)或不同云提供商的同一服務(wù)進(jìn)行信任評(píng)估。

本發(fā)明的有益效果是，以多參數(shù)區(qū)間數(shù)形式采集QoS指標(biāo)數(shù)據(jù)，在傳統(tǒng)區(qū)間數(shù)基礎(chǔ)上增加了在2/4和3/4兩個(gè)百分點(diǎn)所監(jiān)測(cè)到的數(shù)據(jù)，共同組成一個(gè)四參數(shù)的區(qū)間數(shù)，保證了數(shù)據(jù)的真實(shí)性和客觀性；基于聯(lián)系數(shù)的屬性權(quán)重未知的區(qū)間數(shù)多屬性決策方法確定QoS指標(biāo)權(quán)重，使權(quán)重的確定依賴于采集的QoS指標(biāo)數(shù)據(jù)的波動(dòng)性，提高了決策的客觀性，避免了人為主觀因素的影響，其計(jì)算結(jié)果更加客觀、真實(shí)；依據(jù)主值模型計(jì)算云服務(wù)的綜合評(píng)價(jià)值，將區(qū)間數(shù)化為聯(lián)系數(shù)，減少了區(qū)間數(shù)的不確定性又簡(jiǎn)化了計(jì)算過程，同時(shí)降低了評(píng)估方法的時(shí)間復(fù)雜度。因此，本發(fā)明方法具有更強(qiáng)的客觀性和實(shí)用性。

附圖說明

圖1為本發(fā)明的云服務(wù)信任評(píng)估模型框架圖；

圖中，1、基于多參數(shù)區(qū)間數(shù)的數(shù)據(jù)采集及處理模塊，2、基于聯(lián)系數(shù)的屬性權(quán)重未知的權(quán)重設(shè)定模塊，3、云服務(wù)信任評(píng)估模塊。

具體實(shí)施方式

以下結(jié)合附圖對(duì)本發(fā)明內(nèi)容做進(jìn)一步闡述，但不是對(duì)本發(fā)明的限定。

如圖1所示，一種基于多參數(shù)區(qū)間數(shù)多屬性決策的云服務(wù)信任評(píng)估方法，具體步驟如下：

(1)基于多參數(shù)區(qū)間數(shù)的數(shù)據(jù)采集及處理模塊1，通過監(jiān)測(cè)云環(huán)境中云服務(wù)的運(yùn)行狀況，以多參數(shù)區(qū)間數(shù)形式采集云服務(wù)運(yùn)行的QoS指標(biāo)數(shù)據(jù)并列出決策矩陣，接著，進(jìn)行數(shù)據(jù)處理得到QoS數(shù)據(jù)庫；

(2)基于聯(lián)系數(shù)的屬性權(quán)重未知的權(quán)重設(shè)定模塊2，依據(jù)“云服務(wù)指標(biāo)值波動(dòng)越大的指標(biāo)應(yīng)該賦予越大的權(quán)重”的原則，基于步驟(1)所求得的QoS數(shù)據(jù)庫，確定QoS指標(biāo)權(quán)重；

(3)進(jìn)行云服務(wù)信任評(píng)估模塊3，基于步驟(1)所求得的QoS數(shù)據(jù)庫和步驟(2)所得的QoS指標(biāo)權(quán)重，采用主值模型對(duì)云服務(wù)進(jìn)行可信性評(píng)估，得到信任庫。

步驟(1)所述基于多參數(shù)區(qū)間數(shù)的數(shù)據(jù)采集及處理模塊1，具體步驟如下：

(1-1)定義所研究的云服務(wù)集為S＝{S₁，S₂，...，S_i，...，S_n}，每一個(gè)云服務(wù)對(duì)應(yīng)m個(gè)QoS指標(biāo)，有Q＝{q₁，q₂，...，q_m}，各指標(biāo)數(shù)據(jù)以多參數(shù)區(qū)間數(shù)形式表示；

(1-2)采集數(shù)據(jù)，通過監(jiān)測(cè)云環(huán)境，觀察不同云服務(wù)的運(yùn)行情況，以多參數(shù)區(qū)間數(shù)形式采集云服務(wù)運(yùn)行的QoS指標(biāo)數(shù)據(jù)，列出決策矩陣。其中，多參數(shù)區(qū)間數(shù)是指區(qū)間數(shù)的參數(shù)為三個(gè)及以上，傳統(tǒng)的區(qū)間數(shù)決策問題一般采用由一個(gè)最大值和一個(gè)最小值兩個(gè)參數(shù)組成的區(qū)間數(shù)表示指標(biāo)數(shù)據(jù)，這種選取方法缺乏代表性，本發(fā)明在傳統(tǒng)區(qū)間數(shù)基礎(chǔ)上增加了在2/4和3/4兩個(gè)百分點(diǎn)所監(jiān)測(cè)到的數(shù)據(jù)，共同組成一個(gè)四參數(shù)的區(qū)間數(shù)，以q_ik表示多參數(shù)區(qū)間數(shù)，則有：其中，表示在整個(gè)檢測(cè)過程中檢測(cè)到的最小值；表示在第2/4百分點(diǎn)檢測(cè)到的數(shù)據(jù)；表示在第3/4百分點(diǎn)檢測(cè)到的數(shù)據(jù)；表示檢測(cè)到的最大值；基于q_ik的云服務(wù)QoS指標(biāo)決策矩陣如下所示：

(1-3)將多參數(shù)區(qū)間數(shù)形式的指標(biāo)值q_ik轉(zhuǎn)換成二元聯(lián)系數(shù)，得到“均值+最大偏差”二元聯(lián)系數(shù)u_ik，既保存了區(qū)間數(shù)對(duì)范圍的限定作用，又減少了區(qū)間數(shù)的不確定性，二元聯(lián)系數(shù)u_ik的計(jì)算公式如下：

其中，j∈[-1,1]；

(1-4)將以復(fù)數(shù)形式的二元聯(lián)系數(shù)u_ik轉(zhuǎn)化成等價(jià)的三角函數(shù)U_ik，三角函數(shù)成為原區(qū)間數(shù)的一個(gè)代表點(diǎn)。令(cosθ+jsinθ)＝1，用三角函數(shù)U_ik的模r_ik表示三角函數(shù)U_ik，則稱r_ik為三角形的主值，用三角函數(shù)的主值代替三角函數(shù)參與運(yùn)算，在保證結(jié)果一致性的基礎(chǔ)上，大大簡(jiǎn)化運(yùn)算過程，具體公式表示如下：

(1-5)將步驟(1-4)中進(jìn)行指標(biāo)數(shù)據(jù)轉(zhuǎn)換后的決策矩陣中的QoS指標(biāo)數(shù)據(jù)按照指標(biāo)的效益型和成本型兩類進(jìn)行規(guī)范化處理，通過規(guī)范化處理，可以去除不同QoS指標(biāo)的量綱，從而實(shí)現(xiàn)對(duì)不同指標(biāo)的融合計(jì)算；并能夠?qū)⒉煌笜?biāo)數(shù)據(jù)轉(zhuǎn)化為特定區(qū)間的數(shù)據(jù)，避免不同數(shù)據(jù)數(shù)值的巨大波動(dòng)相互影響。對(duì)效益型指標(biāo)和成本型指標(biāo)的規(guī)范化處理方法是不同的，以r'_ik表示規(guī)范化后的指標(biāo)，具體規(guī)范化如下：

對(duì)效益型指標(biāo)的規(guī)范化處理公式如下：

對(duì)成本型指標(biāo)的規(guī)范化處理公式如下：

(1-6)基于對(duì)不同QoS指標(biāo)規(guī)范處理后的規(guī)范化決策矩陣X'如下：

其中，q'_ik＝r'_ik；i＝1,2,...,n；k＝1,2,...,m。

步驟(2)所述中基于聯(lián)系數(shù)的屬性權(quán)重未知的權(quán)重設(shè)定模塊2，基于步驟(1)求得的規(guī)范后的決策矩陣X'，指標(biāo)的權(quán)重計(jì)算具體步驟如下：

(2-1)定義QoS指標(biāo)的權(quán)重向量集為W＝(w₁,w₂,...,w_i,...,w_m)，并滿足歸一化約束m為指標(biāo)數(shù)量；

(2-2)為了表達(dá)指標(biāo)值的波動(dòng)性，計(jì)算n個(gè)云服務(wù)中k個(gè)指標(biāo)值的模的方差，公式如下：

式中，是規(guī)范化決策矩陣中云服務(wù)各QoS指標(biāo)模的平均數(shù)；

(2-3)把m個(gè)Q_k值歸一化處理，計(jì)算得到各指標(biāo)權(quán)重ω_k,，公式如下：

基于公式(8)求得QoS指標(biāo)的權(quán)重向量集為W＝(w₁,w₂,...,w_i,...，w_m)，并滿足歸一化約束

步驟(3)所述進(jìn)行云服務(wù)信任評(píng)估模塊3，基于所求得規(guī)范化決策矩陣和QoS指標(biāo)權(quán)重體系，采用線性加權(quán)方法實(shí)現(xiàn)對(duì)云服務(wù)的信任評(píng)估，具體步驟如下：

(3-1)將步驟(1)中所求的規(guī)范化決策矩陣X'與步驟(2)中所求得的指標(biāo)權(quán)重向量集W，代入云服務(wù)的信任評(píng)估線性加權(quán)公式中，計(jì)算云服務(wù)的信任評(píng)估值，以T(S_i)表示第i個(gè)云服務(wù)S_i的信任評(píng)估值，其計(jì)算公式如下：

T(S_i)＝∑(q'_ik×w_k)，i＝1,2,...,n；k＝1,2,...,m (9)

其中，ω_k為步驟(2)中所求得的指標(biāo)權(quán)重集；q'_ik為規(guī)范化決策矩陣X'中第i行k列的QoS指標(biāo)數(shù)據(jù)；采用主值模型進(jìn)行信任評(píng)估，將區(qū)間數(shù)轉(zhuǎn)換成二元聯(lián)系數(shù)u_ik，接著，將u_ik轉(zhuǎn)化成三角函數(shù)，三角函數(shù)成為原區(qū)間數(shù)的一個(gè)代表點(diǎn)，用三角函數(shù)主值參與信任評(píng)估，保存了原區(qū)間數(shù)對(duì)范圍的限定，降低了不確定性，簡(jiǎn)化了運(yùn)算過程；

(3-2)依據(jù)步驟(3-1)中的云服務(wù)的信任評(píng)估公式，計(jì)算各云服務(wù)的信任評(píng)估值；進(jìn)一步對(duì)同一云提供商的不同服務(wù)或不同云提供商的同一服務(wù)進(jìn)行信任評(píng)估。