印桂生，王瑩潔，董宇欣

(哈爾濱工程大學計算機科學與技術學院，黑龍江哈爾濱150001)

傳統(tǒng)的軟件形態(tài)是采用自頂向下的分析方法進行開發(fā)的，其實體的封閉性本質難以適應開放網絡環(huán)境中的動態(tài)、多變和復雜情況的要求.因此，一種新的軟件形態(tài)——網構軟件被提出，網構軟件是在Internet開放、動態(tài)和多變環(huán)境下軟件系統(tǒng)基本形態(tài)的一種抽象，是傳統(tǒng)軟件結構的自然延伸，網構軟件的顯著特征是自主性、協同性、反應性、演化性以及多態(tài)性［1］.它能夠感知外部環(huán)境的變化，按需動態(tài)調整實體間交互模式，在線完成復雜任務.在網構軟件系統(tǒng)演化過程中，人們往往希望通過有效手段控制網構軟件實體行為及交互策略的選取，以使系統(tǒng)快速地收斂到目標狀態(tài).網絡可信技術是在原有網絡安全技術的基礎上增加行為可信的安全新方法，強化了對網絡狀態(tài)動態(tài)處理、為實施智能自適應的網絡安全和服務質量控制提供策略基礎.然而，從信任關系的內涵來看，其本質上是最復雜的社會關系之一，具有不確定性、不對稱性、部分傳遞性、異步性、上下文獨立性和時空衰減性等一系列復雜動態(tài)屬性，是一個抽象的心理認知過程，涉及假設、期望、行為和環(huán)境等多種因子，很難定量表示和預測.

信任度量就是一個信任使用機制，通過對信任多個方面的描述，實現對信任的要求.在信任度量中，目前主要從信任的表示、信任的計算以及信任的使用3個方面上描述信任.信任度量模型主要分為開放式網絡環(huán)境下的信任度量方法［2-3］，基于Agent軟件協同服務的信任度量方法［4］以及基于粗糙集理論的信任度量方法［5］.

現有的關于信任度量方法的研究成果有效地推動了相關研究的發(fā)展和極大地豐富了人們對信任關系的理解，但也有本身存在的問題:

1)現有的信任度量方法，大多采用專家意見法或者平均權值法等主觀的融合計算方法，致使信任演化預測結果帶有較大的主觀成分，影響了信任決策的科學性，而且缺少靈活性，一旦權值確定，將在實際應用中很難由系統(tǒng)動態(tài)地去調整它，致使信任演化模型缺少自適應性［6］.

2)大多數模型對信任量化的決策屬性考慮不夠全面，在計算總體信任度時只考慮直接信任與反饋信任的簡單的加權平均，對一些環(huán)境上下文考慮不夠，由于不注重信任值的環(huán)境上下文意義，模型不能很好地刻畫信任關系的復雜性和不確定性.

針對以上問題，在前期工作的基礎上，提出了一種基于Rough-Fuzzy的網構軟件信任度量模型.將Rough-Fuzzy思想引入到對網構軟件的信任度量上，以解決信任屬性值計算的不確定性問題.通過Rough-Fuzzy來計算信任行為的標準參數值，并將實體參數的實際數據與標準參數值進行比較，得到不同的信任屬性值;將信息熵理論引入到對不同信任屬性值的權值計算上，從而解決信任屬性值的不確定性問題.

1 信任度量的建模

1.1 網構軟件可信屬性

將網構軟件的可信屬性分為可靠性，可用性，防危性以及可維護性.其中影響網構軟件可靠性的因素有:可靠度、失效率、失效強度;影響可用性的因素有:有效性、交互效率、用戶滿意度;影響防危性的因素有:軟件事故率、軟件防危可靠度;影響可維護性的因素有:易修改性、可移植性、穩(wěn)定性.則可信性的綜合度量指標如圖1所示.

1)可靠性.軟件的可靠性是指在規(guī)定的條件下，在規(guī)定的時間內，軟件不引起系統(tǒng)失效的概率.則描述軟件可靠性的參數分別為:可靠度、失效率和失效強度.

①可靠度參數主要從一個系統(tǒng)能夠正常工作的時間長短來描述系統(tǒng)的可靠性.

②失效率是指在t時刻尚未發(fā)生失效的情況下，在t時刻以后，單位時間內發(fā)生失效的概率.

③失效強度是指失效數均值隨時間的變化率.

圖1 可信性的綜合度量指標Fig.1 Comprehensive measure indexes of trust

2)可用性.軟件的可用性是指用戶在特定的環(huán)境中使用產品完成具體任務時，交互過程的有效性、交互效率和用戶滿意度.

①有效性是指用戶完成特定任務時所達到的準確程度和完整程度.

②交互效率是指用戶完成特定任務的準確程度和完整程度與所用資源(如時間、精力)之間的比率.

③用戶滿意度是指用戶在使用產品過程中具有的主觀滿意和接受程度.

3)防危性.防危性表示系統(tǒng)在給定的時間內不發(fā)生災難事故的能力.描述系統(tǒng)防危性的量稱之為防危性參數，常用的軟件防危性參數有軟件事故率、軟件防?？煽慷?

①軟件事故率是軟件安全性的一種基本參數.其度量方法為:在規(guī)定的條件下和規(guī)定的時間內，軟件的事故總次數與壽命單位總數之比.

②軟件防?？煽慷仁菍ｉT針對安全性事故的.其度量方法為:在規(guī)定的條件下和規(guī)定的時間內，軟件執(zhí)行任務過程中不發(fā)生安全性事故的概率.

4)可維護性.可維護性是指系統(tǒng)具有可修復和升級的能力，影響軟件可維護性的因素主要有:易修改性、可移植性和穩(wěn)定性.

①易修改性是指程序便于修改的難易程度.對易修改性的度量主要是對軟件系統(tǒng)及軟件維護人員實現軟件修改所付出的努力程度進行度量.

②可移植性是指軟件對目標環(huán)境的適應性.因此，可移植性的度量指標可以包括目標環(huán)境的數量，目標環(huán)境的移植工作量，以及轉移成本.

③穩(wěn)定性是指由于修改帶來的不期望風險情況.

綜上所述，提取出網構軟件的4個可信屬性:可靠性、可用性、防危性以及可維護性，并將這4個屬性進行進一步的劃分，提取出11個可信度量參數:可靠度、失效率、失效強度、有效性、交互效率、用戶滿意度、軟件事故率、軟件防?？煽慷取⒁仔薷男?、可移植性以及穩(wěn)定性.

1.2 信任度量模型的建立

古希臘數學家和哲學家彼得哥拉斯(Pythagoras)曾經提出論斷:每件事物都可以數字化，也就是所有事物在最后分析中都可用數字表示出來，是一種事量關系.在Rough-Fuzzy的基礎上，根據實體的信任行為進行信任度量［7］.通過將實體的行為進行量化，研究其行為與網絡中各個屬性參數的關系，以Rough-Fuzzy作為研究工具，對網構軟件中的實體進行信任度量，將網絡中實體復雜的行為進行抽象、劃分，從而轉化為若干較為簡單的問題，即形成塊.在此基礎上對網構軟件中的信任演化機制進行進一步的研究.

假設［a，b］是一個區(qū)間，R是該區(qū)間上的難區(qū)分關系，由于區(qū)間的范圍［a，b］?［0，1］，所以用k來劃分區(qū)間.任選x1，x2［a，b］，x1Rx2(|x1-x2|≤k)，則［a+j×k，a+(1+j)×k］?［a，b］，j=0，1，…，n-2，即區(qū)間［a，b］被k劃分成n個小區(qū)間，其中前n-1個區(qū)間為相等區(qū)間，每個區(qū)間被稱為一個劃分的等價類，稱作一個基本粒.所以區(qū)間被關系R劃分，直到a+n×k＞b，n是小區(qū)間的總數.如何來確定k值?利用古數學中黃金分割的粒計算理論來定義這種不可分關系，因為0.618是［0，1］區(qū)間上的最優(yōu)選點，因此以0.618定義不可區(qū)分關系并將這種不可區(qū)分關系用作劃分的方法，是對模糊性和不確定性事物的一種很好的劃分方法.根據黃金分割原理，給出了k的計算公式:

由以上分析可知，網構軟件系統(tǒng)的可信度量參數為:可靠度(TP1)、失效率(TP2)、失效強度(TP3)、有效性(TP4)、交互效率(TP5)、用戶滿意度(TP6)、軟件事故率(TP7)、軟件防?？煽慷?TP8)、易修改性(TP9)、可移植性(TP10)以及穩(wěn)定性(TP11).其中TP為實體信任行為參數數據.通過計算每個區(qū)間的平均值AV和標準差SD來分析網絡中實體的動態(tài)信任度.其中平均值AV表示該區(qū)間的最優(yōu)點，標準差SD反映數據的離散程度，即一個較大的標準差，代表大部分數值和其平均值之間差異較大，一個較小的標準差，代表這些數值較接近平均值.

基本粒區(qū)間的平均值計算公式為

標準偏離為

根據式(2)、(3)可以得參數區(qū)間的平均值和標準偏離值.假設TP為實體信任行為參數值，表示在某次交互中某個實體的實際參數值.用IV來表示它們之間的誤差，稱為實體信任行為指數值.對于一些可信參數而言，其參數值越大表示其可信度越高，如可靠度(TP1)、有效性(TP4)等，其信任行為的計算方法如式(4)所示，當實體信任行為參數值不大于區(qū)間平均值時，IV=(TP-AV)/SD;而當實體信任行為參數值大于區(qū)間平均值時，IV=0，即此時實體的信任度處于較高的狀態(tài).而對于另外一些可信參數而言，其參數值越小表示其可信度越高，如失效率(TP2)、失效強度(TP3)以及軟件事故率(TP7)，其信任行為的計算方法如公式(5)所示.對于IV1，IV4，IV5，IV6，IV8，IV9，IV10，IV11:

對于任意實體j(j≠i)，則實體i對實體j的評價表示為Pij.根據式(4)和式(5)可以得到實體信任行為的指數值.

將網構軟件的可信屬性劃分為可靠性、可用性、防危性及可維護性，則根據IV值，根據專家學習經驗給出4個可信屬性的可信度的計算公式:

則根據式(6)～(9)，可以得到網構軟件4個可信屬性的信任值.

根據以上的分析，給出實體可信度的計算方法:

式中:ω為信任屬性的相應權值，ω1+ω2+ω3+ω4=1.相應的權值代表不同可信屬性對整體可信度的重要程度.則由式(10)可以計算出實體i對實體j的總體信任評價的可信度.

假設信任等級的空間為{l1，l2，…，ln}，則相應的服務級別的空間為{s1，s2，…，sn}.根據對信任值的計算，可以得到如式(10)所示的服務等級s與信任度Γ(Pij)之間的映射函數Φ(Γ(Pij)).

則當實體j向實體i請求服務時，實體i就可以根據對實體j信任度的計算值Γ(Pij，給出相應的服務級別s∈{s1，s2，…，sn}，這樣既可以通過分級對不同信任度的實體提供不同的服務，又可以降低系統(tǒng)可能存在的風險，并且可以激勵實體對信任策略的選擇，是系統(tǒng)信任的激勵懲罰準則.

圖2 信任度量過程Fig.2 Process of trust measure

根據以上對信任度量模型的分析，可知基于Rough-Fuzzy的網構軟件信任度量模型的信任度量過程如圖2所示.該圖反映了實體信任度量過程，呈現出金字塔的度量過程，由底層向高層依次進行度量，最后將得到的最高層的信任值反饋給最底層，作為下一次度量的歷史數據，從而使其成為一個不斷演化的反饋系統(tǒng).

1.3 分類權重的計算方法

信息熵是由香農(Shannon)將熱力學熵引入信息論而提出的，其為不確定方法的一個重要概念，常被用于較粗略地給出不確定性的度量.信息熵在事件發(fā)生之前，它是結果不確定性的量度，在事件發(fā)生之后，它是從該事件中所得到信息的量度(信息量).因此，事件的信息熵是一個事件的不確定性或信息量的量度，也可以理解為包含在這個事件本身中的關于它自己的信息，因為事件發(fā)生后結果就完全確定了［8-9］.下面給出可信屬性權重的計算方法，如式(12)所示:

其中，X表示相應可信屬性的可信度，1-X表示相應可信屬性的不可信程度.

假若X1=0.9，1-X1=0.1;X2=0.5，1-X2=0.5.

此時H(X1)＜H(X2)，說明可信屬性X2比X1的平均不確定性要大，若在事件發(fā)生之前，對于可信屬性X2，由于事件是等概率的，難以猜測哪一個事件會發(fā)生;而可信屬性X1雖然也存在不確定性，但大致可以知道X1出現的可能性要大.

設C(X)是X相對于其他可信屬性的分類區(qū)分度，其計算方法如式(13)所示.則相應權重的計算方法如式(14)所示.

式中:s為該在實體上一次交互中所獲得的服務等級，根據公式(13)，則有0≤ω≤1且ω1+ω2+ω3+ω4=1，確定分類權重后便可根據公式(10)計算出網構軟件實體的可信度.

1.4 算法實現

根據提出的方法給出其算法實現，實體i根據Γ(pij)值來對服務請求者提供相應的服務.下面給出信任度計算算法.

1)輸入:粒計算區(qū)間［a1，b1］，［a2，b2］，…，［a11，b11］;/*根據實體交互中的歷史數據來確定粒計算區(qū)間*/

2)輸入:可信參數 TP1，TP2，…，TP11;

3)根據式(1)～(5)計算各可信屬性的可信度;

①Rt←公式(6);/*可靠性*/

②At←式(7);/*可用性*/

③St←式(8);/*防危性*/

④Mt←式(9);/*可維護性*/

⑤根據式(12)～(14)計算各可信屬性的分類權重;

5.Γ(Pij)←式(10);/*計算實體的總體信任度*/

6)Φ(Γ(Pij))←式(11);/*實體i根據Γ(Pij)值對服務請求者j提供相應的服務*/

7)END.

2 模擬實驗與性能分析

對網構軟件進行模擬交易，來驗證模型的有效性.將網構軟件實體分為4類［10］:正常節(jié)點Normal nodes——始終提供服務的軟件實體;震蕩欺騙節(jié)點C-D(concussion deception)nodes——信任積累到一定值時開始欺騙，當信任值低于某一水平時再重新開始提供服務;無規(guī)則欺騙節(jié)點No-rule Deception nodes——其信任度具有不確定性，即無規(guī)則的欺騙性;懶惰節(jié)點Lazy nodes——偶爾提供服務，然后長時間不提供服務.

采用Windows XP操作系統(tǒng)，用Matlab 6.5編程進行仿真實驗，實驗參數設置如表1所示.

表1 實驗參數設置Table 1 Experimental parameters

根據提出的信任度計算算法得出不同類型節(jié)點的信任值度量的仿真結果，如圖3所示為基于Rough-Fuzzy的網構軟件信任度量模型的仿真實驗結果.圖3(a)表示正常節(jié)點的信任度曲線圖，該類節(jié)點始終提供服務，其信任值的總體趨勢為不斷上升的態(tài)勢.圖3(b)表示震蕩欺騙節(jié)點的信任度曲線圖，該類節(jié)點當信任度積累到一定程度時開始欺騙，此時信任度急劇下降，以達到懲罰欺騙節(jié)點的目的.圖3(c)表示無規(guī)則欺騙節(jié)點的信任度曲線圖，該類節(jié)點不受系統(tǒng)信任度規(guī)則的制約，該圖表示節(jié)點的信任度一直徘徊在低水平的范圍(0～0.5)，因此對于經常性作惡的節(jié)點，該模型能夠很好地抵抗該類節(jié)點的非信任行為，控制其信任度的大小.圖3(d)表示懶惰節(jié)點的信任度曲線圖，這類節(jié)點在提供了一段時間服務后，就長時間不提供服務，雖然它沒有作惡，但已經是不活躍節(jié)點.圖3(e)為4種節(jié)點的交易次數疊加曲線圖，由該圖可以看出該信任度量模型對于善意節(jié)點和惡意節(jié)點的信任度有明顯的區(qū)分效果.

圖3 模擬實驗結果Fig.3 Results of simulation experiment

由模擬實驗的仿真結果可以看出，提出的信任度量模型能夠解決信任行為的不確定性和模糊性等問題.對善意節(jié)點和惡意節(jié)點的信任度有明顯的區(qū)分效果，能夠抑制惡意節(jié)點的信任度增長.并且該模型具有良好的適應性，對于一些信任度量參數，系統(tǒng)可以動態(tài)地去調整并且增加或減少信任度量屬性，能有很好地適應開放網絡環(huán)境的動態(tài)性特點.

3 結束語

提出了一種基于Rough-Fuzzy的網構軟件信任度量模型.將Rough-Fuzzy思想引入到對網構軟件的信任度量上，以解決信任屬性值計算的不確定性問題;基于信息熵理論來確定信任屬性的分類權重，進一步解決信任屬性值的不確定性問題.由模擬實驗的仿真結果可以看出，該度量模型對善意節(jié)點和惡意節(jié)點的信任度有明顯的區(qū)分效果，能夠抑制惡意節(jié)點的信任度增長.并且該模型具有良好的適應性，對于一些信任度量參數，系統(tǒng)可以動態(tài)地去調整并且增加或減少信任度量屬性，能有很好地適應開放網絡環(huán)境的動態(tài)性特點.

下一步的工作重點是，進一步探討開放網絡環(huán)境中的信任屬性，以及實體與實體、實體與環(huán)境之間的信任關系，并對模型做進一步的完善，繼續(xù)探討適合描述動態(tài)信任關系的普適的度量模型.

［1］楊芙清.軟件工程技術發(fā)展思索［J］.軟件學報，2005，16(1):1-7.YANG Fuqing.Thinking on the development of software engineering technology［J］.Journal of Software，2005，16(1):1-7.

［2］王遠，呂建，徐鋒，等.一個適用于網構軟件的信任度量及演化模型［J］.軟件學報，2006，17(4):1-2.WANG Yuan，Lü Jian，XU Feng，et al.A trust measurement and evolution model for internetware［J］.Journal of Software，2006，17(4):1-2.

［3］陸文，徐鋒，呂建.一種開放環(huán)境下的軟件可靠性評估方法［J］.計算機學報，2010，3(3):452-462.LU Wen，XU Feng，Lü Jian.An approach of software reliability evaluation in the open environment［J］.Chinese Journal of Computers，2010，3(3):452-462.

［4］唐文，陳鐘.基于模糊集合理論的主觀信任管理模型研究［J］.軟件學報，2003，14(8):1401-1408.TANG Wen，CHEN Zhong.Research of subjective trust management model based on the fuzzy set theory［J］.Journal of Software，2003，14(8):1401-1408.

［5］李小勇，桂小林，毛倩，等.基于行為監(jiān)控的自適應動態(tài)信任度測模型［J］.計算機學報，2009，32(4):664-674.LI Xiaoyong，GUI Xiaolin，MAO Qian，et al.Adaptive dynamic trust measurement and prediction model based on behavior monitoring［J］.Chinese Journal of Computers，2009，32(4):664-674.

［6］李小勇，桂小林.動態(tài)信任預測的認知模型［J］.軟件學報，2010，21(1):163-176.LI Xiaoyong，GUI Xiaolin.Cognitive model of dynamic trust forecasting［J］.Journal of Software，2010，21(1):163-176.

［7］LIU Qing，JIANG Feng，DENG Dayong.Design and implement for diagnosis systems of hemorheology on blood viscosity syndrome based on GrC［C］//RSFDGrC＇03 Proceedings of the 9th International Conference on Rough Sets，Fuzzy Sets，Data Mining，and Granular Computing.Chongqing，China，2003:413-420.

［8］李小勇，桂小林.可信網絡中基于多維決策屬性的信任量化模型［J］.計算機學報，2009，32(3):405-416.LI Xiaoyong，GUI Xiaolin.Trust quantitative model with multiple decision factors in trusted network［J］.Chinese Journal of Computers，2009，32(3):405-416.

［9］李景濤，荊一楠，肖曉春，等.基于相似度加權推薦的P2P環(huán)境下的信任模型［J］.軟件學報，2007，18(1):157-167.LI Jingtao，JIING Yinan，XIAO Xiaochun，et al.A trust model based on similarity-weighted recommendation for P2P environments［J］.Journal of Software，2007，18(1):157-167.

［10］饒屾，王勇.基于P2P網絡的動態(tài)模糊綜合信任模型［J］.計算機應用，2011，31(1):139-142.RAO Sheng，WANG Yong.Dynamic fuzzy comprehensive trust model based on P2P network［J］.Journal of Computer Applications，2011，31(1):139-142.