云环境下基于历史调用记录的可信服务选择研究

In cloud environment, the QoS (quality of service) data advertised by service providers is not always real and trusted. Therefore, evaluating the quality of a web service based on the service’ historical invocation records (i.e., subjective user ratings and objective QoS records), has become one of the effective approaches for trusted service selection. However, the accuracy of web service evaluation result is heavily affected, by the sparsity, diversity and differences of web service’s invocation records. In view of this, this project intends to carry out the “Research on Trusted Service Selection Based on Historical Invocation Records in Cloud Environment ”, around two main threads of “user ratings” and “QoS records”. First, we put forward a trusted incentive and pre-processing method for sparse user ratings, to cope with the sparsity, malice and preference of user ratings. Afterwards, we introduce a trusted protection and evaluation method, to cope with the privacy, attribute correlation and form diversity of QoS records. Finally, we bring forth a trusted weight distribution method, to discriminate different candidate web services as well as their respective multiple invocation records. The research aim of this project is to provide real and trusted reference data of service quality for cloud users’ web service selection, when the QoS data advertised by service providers is not trusted.

在云环境下，服务提供者发布的QoS(quality of service)数据并不总是真实可信的，因此，通过web服务的历史调用记录（即：主观的用户评级和客观的QoS记录）来评估web服务的质量，成为实现可信服务选择的有效途径之一。然而，web服务调用记录的稀疏性、多样性和差异性，严重影响了web服务评估结果的准确性。有鉴于此，本项目拟沿“用户评级”和“QoS记录”两条主线，开展“云环境下基于历史调用记录的可信服务选择研究”：首先，针对用户评级的稀疏性、恶意性和偏好性，提出一种针对稀疏用户评级的可信激励与预处理方法；然后，针对QoS记录的隐私性、属性相关性和形式多样性，提出一种可信保护与评估方法；最后，为了区分对待各候选web服务及其多个调用记录，提出一种可信权重分配方法。项目的研究目标，是在服务提供者发布的QoS数据不可信的情况下，为云用户的web服务选择提供真实可信的服务质量参考数据。

在云计算环境下，服务提供者发布的服务质量数据，即：QoS(quality of service)并不总是真实可信的。因此，在本项目中我们通过web服务的历史调用记录（即：主观的用户评级和客观的QoS记录）来评估web服务的真实质量。然而，web服务的历史调用记录呈现出稀疏性、多样性和差异性等诸多特点，严重影响了web服务评估结果的准确性。有鉴于此，我们开展了“云环境下基于历史调用记录的可信服务选择研究”。具体而言，（1）为了克服用户评级的稀疏性、恶意性和偏好性给服务评估带来的不利影响，我们借鉴社会心理学中的“奖励递减”法则、“期望-失验”理论，提出一种针对稀疏用户评级的可信激励与预处理方法；（2）通过概率化、区间化等泛化手段，来保护QoS记录中的用户隐私；通过多元线性相关分析、多元非线性回归分析，来对多维且相关的QoS属性进行降维，以保证web服务评估方法的公平性、合理性；同时设计了更为弹性的web服务评估方法，以应对web服务质量的不断波动所带来的质量违约；（3）最后，我们提出了一种基于上下文的QoS记录赋权方法，以区分对待各候选web服务及其多个QoS记录，从而使得web服务评估结果更加公平合理。通过本项目的研究， 我们可以在服务提供者发布的QoS数据不可信的情况下，为云用户的服务选择决策提供真实可信的QoS参考数据。