袁小艷， 衛(wèi)洪春， 成淑萍

(四川文理學院 計算機學院， 四川 達州 635000)

?

基于SLA的個性化動態(tài)信任模型研究

袁小艷， 衛(wèi)洪春， 成淑萍

(四川文理學院 計算機學院， 四川 達州 635000)

針對現(xiàn)有云環(huán)境中云服務信任問題，將SLA服務水平協(xié)議中的參數(shù)引入信任度的計算中，通過在云端和客戶端實時監(jiān)測SLA參數(shù)，同時結(jié)合用戶對SLA參數(shù)和云服務屬性的主觀評價，計算出云服務質(zhì)量的信任度，并將個性化因素考慮其中，最終形成對云服務全面的、動態(tài)的、個性化的評估.同時，本模型還考慮了歷史因素、時間因素、金額因素等，采用灰色關(guān)聯(lián)度計算評價相似度，最終提高綜合信任度的科學性和準確性.實驗結(jié)果表明，與其它兩種模型比較，其成功交易率分別提高了5%和9%，有效地提高了云服務的成功交易率.

SLA參數(shù)； 動態(tài)信任模型； 云服務； 個性化； 智能學習

0 引言

在當今云時代，云計算發(fā)展得越來越迅猛，云服務也逐步出現(xiàn)，這些云服務封裝了很多的存儲、軟件和計算等資源.用戶要使用這些資源時，需要用到“按需付費”[1]的服務模式,從而使用云服務商提供的資源和服務.由于牽涉到經(jīng)濟利益等原因，云服務商難免會提供劣質(zhì)服務，商業(yè)競爭對手也可能會惡意地評價服務，這些問題都導致用戶無法快速、準確地獲得個性化要求的服務.為了解決這個問題，需要評價各種云服務的服務質(zhì)量和可信度，即考慮云服務的信任度[2].

云服務的信任取決于云服務商和用戶雙方.這就要求云服務商提供的服務是安全、穩(wěn)定、可靠、符合用戶要求的，而用戶的評價是真實、可信的.隨著用戶安全意識的增強，越來越多的學者在研究信任模型時，特別是對等網(wǎng)中，利用信任評價模型對商家和用戶的信譽進行評估，并已經(jīng)投入到實踐中去，但這些都不適合云環(huán)境下的服務.當前，云環(huán)境下信任模型的研究主要是評估云服務商和用戶的信任，很少涉及到云服務質(zhì)量的信任，因此難以保證用戶在選擇服務時的主動權(quán).

用戶要使用云服務，首先會與云服務商簽訂一個協(xié)議，即SLA(服務水平協(xié)議)[3-5].該協(xié)議詳細規(guī)定了各種參數(shù)，如服務水平/指標、相關(guān)責任、補救措施等信息[2].為了保證云服務的質(zhì)量，很多學者和專家都將SLA引入信任模型中，對SLA各參數(shù)進行監(jiān)測[6,7]，并應用于信任評估，這樣得到的服務信任度是最準確的，無法造假.例如,在文獻[2]中,提出了一種基于SLA的第三方平臺，使用用戶評價進行信任評估;在文獻[7]中,提出了一種信任評估模型，同時采用用戶評價和監(jiān)測對SLA參數(shù)評分.以上基于SLA的信任模型都還存在很多問題，如缺少客戶端監(jiān)控、SLA參數(shù)分類模糊、信任因素單一、缺少服務質(zhì)量的評估等問題.

針對現(xiàn)有模型的不足，結(jié)合目前已有的技術(shù)和研究成果，本文充分利用SLA相關(guān)的監(jiān)測值并進行分類，同時還將用戶對SLA參數(shù)的評價和用戶對云服務的總體評價引入其中，得到了對云服務的信任度，從總體上對各種云服務進行了多方、動態(tài)的評估.

1 動態(tài)信任模型

本文充分利用SLA參數(shù)的監(jiān)測值和用戶對SLA參數(shù)的評價進行信任研究，并以此得到了云服務的信任度.

1.1 SLA參數(shù)

根據(jù)SLA的定義，SLA中包含了云服務的各種服務參數(shù)，這些參數(shù)分可測量的和不可測量的兩種.如帶寬、存儲能力、計費等參數(shù)是可測量的，但可靠性、可用性、安全性、終端支持等參數(shù)是不可測量的.不可測量的參數(shù)可以映射到可測量的參數(shù)進行監(jiān)測，如將平均工作時間和平均修復時間映射到可用性，將帶寬、數(shù)據(jù)包與字節(jié)流映射到響應時間，將某個時間段得到的請求數(shù)映射到吞吐量等.

SLA參數(shù)還需要用戶的評價，分為客觀評價、主觀評價和綜合評價[7].客觀評價是SLA參數(shù)在客戶端的監(jiān)測值;主觀評價是用戶對SLA參數(shù)的評價，分為六個等級，即優(yōu)秀(0.9)、良好(0.8)、中等(0.7)、差(0.5)、特差(0.3)、無(0);綜合評價是綜合主客觀因素得到的信任度.

根據(jù)云服務的特點，主要將服務分為IaaS(設施即服務)、PaaS(平臺即服務)和SaaS(軟件即服務)[8].如智能學習中有云存儲、云學習服務器等IaaS服務；有虛擬桌面、虛擬實驗室、云圖書館、云學習平臺等PaaS服務；有工具軟件、編程軟件、電子作業(yè)、電子書包等SaaS服務.服務不同,參數(shù)也不同.下面給出幾個典型的服務參數(shù)，如表1所示.

表1 SLA參數(shù)

續(xù)表1

服務類型SLA參數(shù)參數(shù)說明是否可測量測量方式評估類型SaaS易用性定制性簡易性變更響應自定義終端支持非功能參數(shù)非功能參數(shù)非功能參數(shù)非功能參數(shù)功能參數(shù)功能參數(shù)是是否是否否云/用戶云/客戶端-云/客戶端--綜合綜合主觀客觀主觀主觀

1.2 個性化服務

環(huán)境不同，用戶的需求可能會不同.每個云服務除了SLA參數(shù)外，還有一些功能性的服務屬性，以此來體現(xiàn)每個人的服務需求，即個性化[9,10]，并能更準確地評估云服務商和用戶的行為.

Pm表示第m個服務商，A(Pm)=(Am1,Am2,…,Amn)，Amn是Pm的第n種服務，每種服務又包含k個屬性，各屬性的權(quán)重向量是W(Amn)=(Wmn1,Wmn2,…,Wmnk)，Wmnk是Amn的第k個屬性權(quán)重.因此，用戶個性化需求的矩陣是：

如智能學習云服務提供商提供虛擬實驗室服務、學習資源檢索服務、智能答疑服務.虛擬實驗室服務有內(nèi)容是否豐富、仿真程度、實驗技能考核等屬性;學習資源檢索服務有速度、準確率、新鮮度等屬性;智能答疑服務有易理解性、準確性、知識范圍的廣度等屬性.現(xiàn)有Rose、Jack用戶對學習資源檢索服務的個性化需求矩陣為：

以上兩個矩陣表示了Rose和Jack對學習資源檢索服務關(guān)心的側(cè)重點不同，代表了他們個性化的需求.交易完成后，用戶U都需評價此次服務，評價向量S(Amn)=(Smn1,Smn2,…,Smnk)，tmn表示第m個云服務商與第n個用戶交易的次數(shù).用戶S在請求服務前，會得到一個同類服務的信息副本，其結(jié)構(gòu)如表2所示.

表2 XX服務的信任關(guān)系

1.3 信任度計算

云服務的信任度主要來源于兩種：一種是直接信任度，即用戶通過直接使用云服務而得到的信任度；另一種是間接信任度，即通過別人使用云服務的信任度而得到的信任度.最后,通過這兩種信任度得到綜合信任度.

1.3.1 SLA不可測量參數(shù)監(jiān)測值的計算

在SLA參數(shù)中有不可測量的參數(shù)，這些參數(shù)的值不能直接得到，需要將其映射到與其相關(guān)的、可以測量的參數(shù)，才能得到其參數(shù)值.即參數(shù)AUG=(aug1,aug2,…,augr)，augr為第r個分解參數(shù)的監(jiān)測值，其權(quán)重向量為PW=(pw1,pw2,…,pwr)，因此AUG參數(shù)的監(jiān)測值為：

(1)

計算出不可測量參數(shù)的監(jiān)測值后，便可將其代入公式(2)SLA參數(shù)監(jiān)測值的計算中，以得到單次云服務的信任值.

1.3.2 單次云服務信任值的計算

影響云服務信任值的因素有三項，即SLA參數(shù)的監(jiān)測值、用戶對SLA參數(shù)的評價值和用戶對云服務SLA參數(shù)以外的屬性的評價值.

假設某次云服務的SLA參數(shù)監(jiān)測值為Q=(q1,q2,…,qk)，其權(quán)重向量為QW=(qw1,qw2,…,qwk)，用戶對SLA參數(shù)的評價值S=(s1,s2,…,sk)，其權(quán)重向量為SW=(sw1,sw2,…,swk)，此處監(jiān)測值的權(quán)重高于評價值的權(quán)重.為了防止用戶對云服務的惡意評價，本文將這兩部分值合為一個整體J，即：

(2)

該次云服務中,用戶對SLA參數(shù)以外屬性的評價值為Z=(z1,z2,…,zm)，其權(quán)重向量為ZW=(zw1,zw2,…,zwm)，這些屬性值實際上就是個性化因素.因此,此次云服務的屬性評價值為：

(3)

綜合以上兩部分，得到此次云服務的簡單信任值，即用戶第j次使用該服務的信任值為：

SVj=βJj+(1-β)NZj

(4)

β的值根據(jù)服務來決定，IaaS服務更注重性能，所以β的值高于0.5；SaaS服務更注重于個性化，所以β的值小于0.5；而PaaS中β的值為0.5.

云服務信任值的計算還應該考慮時間和金額因素，使用云服務的時間越近越可信，金額越小對信任值的影響越小.因此,時間衰減函數(shù)和金額衰減函數(shù)為：

(5)

(6)

其中,tj-TI是用戶第j次請求該云服務的時間和該用戶第1次使用該服務初始化信任的時間間隔;DTj是用戶第j次使用云服務持續(xù)的時間;mj是用戶第j次使用該云服務的金額.

綜合以上因素，用戶第j次使用該服務的信任值為：

TVj=SVjTD(j)MD(j)

(7)

1.3.3 直接信任度

直接信任度并不是取決于某次云服務的信任值，而是取決于用戶U使用云服務商P提供的云服務A(P)的所有信任值，即還需要考慮歷史信任值.因此,用戶使用了j次該服務的直接信任度為：

IMTUP(j)=(1-ξ)×IMTUP(j-1)+

ξ×η×TVj

(8)

其中,ξ為此次信任值的權(quán)重;η是激勵因子，并根據(jù)TVj取值.若TVj大于0，η為a，若TVj小于0，η為b，若TVj等于0，η為0，并且b>a>0，以此來進一步懲罰惡意評價行為.

1.3.4 間接信任度

用戶在第一次使用某云服務A時,是沒有直接信任度的，這時就需要其他用戶對該服務的信任度，并依此得到該服務的間接信任度.

本文的間接信任度從三個部分得到，即當前用戶U和使用過本服務的其他用戶Oi的評價相似度、其他用戶Oi對該服務的信任度、其他用戶Oi的可信度.公式如下：

(9)

其中,SimUOi表示用戶U和其他用戶Oi的相似度;TOi是其他用戶Oi的可信度，以防其他用戶聯(lián)合欺詐;IMTOiA是其他用戶Oi對云服務A的直接信任度.

以上兩個向量集的灰色關(guān)聯(lián)系數(shù)采用灰色系統(tǒng)理論的絕對關(guān)聯(lián)度來計算，公式如下：

(10)

其中,Mmin是XU(IMTUA′)和XOi(IMTOiA′)的等級間最小差;Mmax是XU(IMTUA′)和XOi(IMTOiA′)的等級間最大差;M是XU(IMTUA′)和XOi(IMTOiA′)的絕對差;λ是分辨系數(shù)，一般取0.5.

則XU(IMTUA′)和XOi(IMTOiA′)的灰色關(guān)聯(lián)度為：

(11)

根據(jù)XU(IMTUA′)和XOi(IMTOiA′)的灰色關(guān)聯(lián)度，可以得到U和Oi的評價相似度為：

(12)

將以上用戶U和Oi的評價相似度代入公式(9)中計算，便可得到某云服務的間接信任度.

1.3.5 綜合信任度

根據(jù)以上直接信任度和間接信任度，可以計算出用戶U對服務A的綜合信任度為：

TUP(n)=α×IMTUP(n-1)+(1-α)×STUP(n)

(13)

其中,α的值根據(jù)用戶間相似度決定.相似度越大，α越接近于0.5;相似度越小，α越接近于0.

2 實驗結(jié)果與分析

通過仿真實驗可驗證本文模型的有效性和準確性.本文以智能學習云服務為例，將其實驗結(jié)果和文獻[2]、文獻[7]中模型的結(jié)果進行了比較.

2.1 參數(shù)設置

本文包含了兩部分參數(shù)，即SLA參數(shù)和算法中的參數(shù).算法中的參數(shù)如表3所示.由于實驗時云服務商提供的智能學習云服務太多，不能一一列舉，本文僅以兩個用戶、三個云服務商均提供虛擬實驗室服務VPR為例，給出了SLA參數(shù)的測試值，如表4所示.

表3 實驗中的參數(shù)值設置

表4 SLA參數(shù)監(jiān)測值及服務屬性評價值

2.2 結(jié)果分析

本文的實驗結(jié)果是通過云服務的交易成功率來分析的，交易成功率TS是通過云模仿平臺中所有節(jié)點的交互總次數(shù)MC和成功的總次數(shù)SC計算得到的，其公式如下：

(14)

在設定惡意用戶比例為2%的情景中，通過比較本文模型、文獻[2]的模型和文獻[7]的模型，可得到相應的交易成功率隨著交易次數(shù)的變化而變化的曲線，如圖1所示.

圖1 三種模型的比較示意圖

從圖1可以知道，隨著交易次數(shù)的遞增，三種模型的交易成功率都逐漸降低并收斂于一個定值，本文模型為0.915,文獻[2]中模型為0.865，文獻[7]中模型為0.825,本文模型較文獻[2]和文獻[7]中模型分別提高了5%和9%.無疑，本文模型的交易成功率高于另外兩種模型的成功率.這是因為本模型既考慮了SLA參數(shù)的監(jiān)測，又考慮了個性化因素，從而更能準確地評估云服務和用戶間的信任關(guān)系，更讓云服務值得信任；而文獻[2]的模型僅僅考慮了SLA參數(shù)的監(jiān)測，沒有考慮個性化因素，使用戶無法感受到個性化的服務，所以降低了云服務的信任度；文獻[7]則僅僅考慮了個性化服務，沒有考慮SLA參數(shù)的細分和監(jiān)測，得到的信任值并不能準確地評估信任關(guān)系，從而也降低了云服務的信任度.

3 結(jié)束語

現(xiàn)有的云服務動態(tài)信任模型大多數(shù)是計算云服務商的信任度，而不是云服務信任度的計算，這并不科學.因為信譽好的云服務商有可能提供低劣的服務[12-14]，而信譽不好的云服務商也可能提供優(yōu)質(zhì)的服務.基于此，本文提出了一種計算云服務信任度的動態(tài)信任模型.

本模型將SLA服務水平協(xié)議中的參數(shù)引入其中，參數(shù)值在云端和客戶端都進行監(jiān)測，同時本模型中還引入了歷史信任系數(shù)、時間衰減函數(shù)[15]、金額衰減函數(shù)、激勵因子、懲罰因子等，讓參數(shù)值更科學、更準確.最后,采用灰色關(guān)聯(lián)度來計算用戶間的評價相似度.實驗結(jié)果表明，本模型能更準確地評估云服務的信任度，并能提供個性化的云服務.

[1] 任 偉,雷 敏,楊 榆.DRT:一種云計算中可信軟件服務的通用動態(tài)演變魯棒信任模型[J].小型微型計算機系統(tǒng),2013,33(4):679-683.

[2] 趙娉婷.云計算環(huán)境下服務信任度評估技術(shù)的研究[D].北京：北京交通大學，2014.

[3] Alhamad M,Dillon T,Chang E.SLA-based trust model for cloud computing[C]//Proceedings of 13th IEEE International Conference on Network-Based Information Systems(NBiS).Gifu,Japan:IEEE Computer Society,2010:321-324.

[4] Alhamad M,Dillon T,Chang E.Conceptual SLA framework for cloud computing[C]//Proceedings of 4th IEEE International Conference on Digital Ecosystems and Technologies (DEST).Dubai,UAE:BEBⅡ,2010:606-610.

[5] Emeakaroha V C,Brandic I,Maurer M,et al.Low level metrics to high level SLAs-LoM 2HiS framework:Bridging the gap between monitored metrics and SLA parameters in cloud environments[C]//Proceedings of 2010 International Conference on High Performance Computing and Simulation (HPCS).Uoft,Canada:Institute of Physics Publishing,2010:48-54

[6] Wang M C,Wu X,Zhang W,et al.A conceptual platform of SLA in cloud computing[C]//Proceeding of 2011 IEEE 9th International Conference on Dependable,Autonomic and Secure Computing (DASC).Sydney:NSW,2011:1 131-1 135.

[7] 高云璐,沈備軍,孔華鋒.基于SLA與用戶評價的云計算信任模型[J].計算機工程,2012,38(7):28-30.

[8] 沈舫濤.面向云服務的信任演化仿真模型研究[D].南京：南京大學，2013.

[9] 劉 飛，羅永龍，郭良敏，等.面向個性化云服務的動態(tài)信任模型[J].計算機工程,2014,40(4):32-36.

[10] 劉 飛，羅永龍，郭良敏，等.面向個性化云服務基于用戶類型和隱私保護的信任模型[J].計算機應用,2014,34(4):994-998.

[11] 朱 琦.基于灰色關(guān)聯(lián)度的云平臺信任模型研究[D].湖北：湖北大學，2013.

[12] 崔 超.云計算平臺下的動態(tài)信任模型研究[D].哈爾濱：哈爾濱工業(yè)大學，2011.

[13] 謝立軍,朱智強.基于隸屬度理論的云服務行為信任評估模型研究[J].計算機應用研究,2013,30(4):1 051-1 054.

[14] 王 磊,黃夢醒.云計算環(huán)境下基于灰色AHP的供應商信任評估研究[J].計算機應用研究,2013,30(3):742-745.

[15] 吳 慧，于 炯，于斐然.云計算環(huán)境下基于信任模型的動態(tài)級訪問控制[J].計算機工程與應用，2012，48(23)：102-106.

The research of personalized dynamic trust model based on SLA

YUAN Xiao-yan, WEI Hong-chun, CHENG Shu-ping

(College of Computer, Sichuan University of Arts and Science, Dazhou 635000, China)

How to solve the cloud service trust issues under the cloud enviroment,this paper proposes the introduction of the SLA parameters in the trust calculate,calculate a cloud service quality of trust through SLA parameters real-time monitoring in the cloud and the client,and combined with the user′s subjective evaluation of the SLA parameter and cloud service properties,and the personalized factor among them,to form a comprehensive,dynamic,personalized evaluation of cloud services the final.At the same time,this model also takes into consideration the historical factor,time factor and amount,and evaluation similarity is obtained by using the grey correlation degree,eventually improve the science and accuracy of comprehensive trust.Experimental results show that compared with the other two models,the successful transaction rate increased by 5% and 9% respectively,effectively improve the success of cloud services exchange rate.

SLA parameters; dynamic trust model; cloud services; personalized; intelligent learning

2015-03-28

四川省教育廳科技計劃項目(15ZB0318，15ZB0324)； 四川文理學院校級科研計劃項目(2014Z012Y)

袁小艷(1982-)，女，重慶永川人，講師，碩士，研究方向：軟件技術(shù)及開發(fā)、云教育及知識工程

1000-5811(2015)03-0167-06

TP312

A