張佳樂(lè)，張秀芳，張桂玲

(1.天津工業(yè)大學(xué) 計(jì)算機(jī)科學(xué)與軟件學(xué)院,天津 300387；2.廊坊師范學(xué)院 數(shù)信學(xué)院，河北 廊坊 065000)

基于模糊綜合策略的用戶行為評(píng)估方法

張佳樂(lè)1，張秀芳2，張桂玲1

(1.天津工業(yè)大學(xué) 計(jì)算機(jī)科學(xué)與軟件學(xué)院,天津 300387；2.廊坊師范學(xué)院 數(shù)信學(xué)院，河北 廊坊 065000)

對(duì)網(wǎng)絡(luò)用戶行為的可信性評(píng)估是當(dāng)今可信網(wǎng)絡(luò)領(lǐng)域的研究熱點(diǎn)之一。針對(duì)傳統(tǒng)可信網(wǎng)絡(luò)用戶行為評(píng)估方法的主觀性、局限性和靜態(tài)性等問(wèn)題，提出了一種基于模糊綜合策略(FCS)的可信評(píng)估方法，并結(jié)合可信網(wǎng)絡(luò)用戶行為度量機(jī)制設(shè)計(jì)了用戶行為評(píng)估模型。該評(píng)估模型使用模糊綜合評(píng)價(jià)的方法對(duì)用戶行為和特征屬性進(jìn)行挖掘分析,以此為基礎(chǔ)構(gòu)建了評(píng)價(jià)指標(biāo)及綜合指標(biāo)權(quán)重,并運(yùn)用模糊算子對(duì)評(píng)估結(jié)果進(jìn)行加權(quán)運(yùn)算，從而準(zhǔn)確地量化用戶行為評(píng)估結(jié)果。通過(guò)仿真實(shí)驗(yàn)對(duì)四種用戶行為進(jìn)行了基于FCS的可信判定,并與其他兩種用戶行為可信判定策略進(jìn)行了對(duì)比分析。實(shí)驗(yàn)結(jié)果與分析表明,所提出的方法能夠在復(fù)雜網(wǎng)絡(luò)環(huán)境中對(duì)用戶行為進(jìn)行全面、準(zhǔn)確和動(dòng)態(tài)的量化評(píng)估,且評(píng)估結(jié)果更加切合實(shí)際。

可信網(wǎng)絡(luò);用戶行為評(píng)估;模糊綜合策略;綜合指標(biāo)權(quán)重;模糊算子

0 引 言

隨著網(wǎng)絡(luò)應(yīng)用技術(shù)的持續(xù)發(fā)展和網(wǎng)絡(luò)用戶規(guī)模的不斷擴(kuò)大,傳統(tǒng)的網(wǎng)絡(luò)應(yīng)用模式已經(jīng)不能滿足大規(guī)模網(wǎng)絡(luò)和用戶需求,分布式系統(tǒng)(如云計(jì)算、物聯(lián)網(wǎng)、網(wǎng)格計(jì)算、P2P、Ad hoc網(wǎng)絡(luò)和電子商務(wù)等)迅速成為網(wǎng)絡(luò)發(fā)展的主流,系統(tǒng)形態(tài)開始向開放的、公共可訪問(wèn)的和動(dòng)態(tài)協(xié)作的服務(wù)模式轉(zhuǎn)變。在這種開放的網(wǎng)絡(luò)環(huán)境下,用戶可以得到更多資源共享和交互協(xié)作的機(jī)會(huì),其行為也日趨復(fù)雜,一些用戶行為會(huì)不同程度地危及網(wǎng)絡(luò)運(yùn)行狀態(tài),甚至影響其他用戶的正常交互,比如用戶的非法訪問(wèn)、濫用資源和惡意攻擊等行為會(huì)導(dǎo)致網(wǎng)絡(luò)擁塞、網(wǎng)絡(luò)負(fù)載、節(jié)點(diǎn)異常甚至網(wǎng)絡(luò)癱瘓。因此,為了確保網(wǎng)絡(luò)的安全運(yùn)行,必須從用戶行為的可信性入手,對(duì)用戶行為的可信性進(jìn)行全面、準(zhǔn)確和動(dòng)態(tài)的評(píng)估。用戶行為信任的研究不僅可以提高網(wǎng)絡(luò)的安全性，而且也可以提高網(wǎng)絡(luò)的整體性能[1]。

目前針對(duì)用戶行為可信問(wèn)題的研究主要集中在量化評(píng)估方面,林闖、田立勤等[1-2]給出了可信網(wǎng)絡(luò)中用戶行為可信的概念,并提出了基于滑動(dòng)窗口的用戶行為管理機(jī)制,為用戶行為可信評(píng)估奠定了理論基礎(chǔ)。文獻(xiàn)[3]提出了基于AHP層次分析的評(píng)估方法,利用AHP原理確定用戶行為證據(jù)指標(biāo)和各指標(biāo)權(quán)重,對(duì)用戶行為進(jìn)行量化評(píng)估。但由于確定權(quán)重的AHP層次分析方法容易引入模糊性而造成權(quán)重失真[4],影響評(píng)估結(jié)果，因此有研究人員引入數(shù)據(jù)挖掘技術(shù)對(duì)用戶行為可信進(jìn)行研究,通過(guò)數(shù)據(jù)挖掘算法,分析并發(fā)現(xiàn)用戶正常行為模式和異常狀態(tài)下的特征規(guī)劃,反映出用戶行為的可信性[5],但該種方法的運(yùn)算復(fù)雜度較高,且實(shí)際操作十分困難。文獻(xiàn)[6]從網(wǎng)絡(luò)用戶的自有模糊性出發(fā),通過(guò)有序二元對(duì)比矩陣確定用戶行為證據(jù)的相對(duì)重要程度,結(jié)合證據(jù)權(quán)重得到用戶行為的可信隸屬度,進(jìn)而對(duì)其進(jìn)行可信劃分,但在對(duì)證據(jù)進(jìn)行有序二元對(duì)比時(shí),其相對(duì)重要程度是通過(guò)歷史經(jīng)驗(yàn)獲得,對(duì)評(píng)估結(jié)果有較大影響。為此，通過(guò)建立模糊矩陣、熵權(quán)法確定權(quán)重以及模糊算子量化評(píng)估結(jié)果等方式來(lái)解決專家意見和歷史經(jīng)驗(yàn)等對(duì)評(píng)估結(jié)果的影響。文獻(xiàn)[7-11]在云計(jì)算開放的運(yùn)行環(huán)境下,運(yùn)用AHP、FAHP、FANP及DSW等方法對(duì)用戶行為進(jìn)行可信評(píng)估。

這些方法雖然都能量化地評(píng)估用戶行為,但仍然面臨著以下兩個(gè)問(wèn)題:一方面,采用專家建議、歷史經(jīng)驗(yàn)或者評(píng)估準(zhǔn)則等方法構(gòu)建評(píng)價(jià)指標(biāo)具有主觀性,從而影響評(píng)估的準(zhǔn)確性;另一方面,網(wǎng)絡(luò)中的用戶行為經(jīng)常處于變化之中,而評(píng)價(jià)指標(biāo)和權(quán)重是單一靜態(tài)的,因此極易導(dǎo)致評(píng)估結(jié)果隨用戶行為的變化而失效等誤差。

針對(duì)上述問(wèn)題，提出了一種基于模糊綜合策略(FCS)的網(wǎng)絡(luò)用戶行為可信評(píng)估方法。將模糊綜合評(píng)估方法應(yīng)用在用戶行為及其特征屬性的挖掘分析上,構(gòu)建了評(píng)價(jià)指標(biāo)和綜合指標(biāo)權(quán)重,并使用模糊算子對(duì)評(píng)估結(jié)果進(jìn)行了加權(quán)運(yùn)算,不僅能夠精確量化評(píng)估結(jié)果,而且能夠消除專家意見的主觀性對(duì)指標(biāo)權(quán)重的影響。

1 用戶行為評(píng)估模型

1.1 用戶行為的模糊綜合評(píng)估方法

由于網(wǎng)絡(luò)用戶行為的復(fù)雜性和不確定性,其行為特征往往由多種指標(biāo)因素決定,因此,單一評(píng)估方法不能全面分析用戶行為特征,模糊綜合評(píng)估是在考慮多種因素的影響下,運(yùn)用模糊數(shù)學(xué)方法對(duì)事物或問(wèn)題做出綜合評(píng)估的方法。用戶行為模糊綜合評(píng)估的主要思路是:首先將用戶行為看作由n個(gè)評(píng)價(jià)指標(biāo)(行為特征屬性)組成的模糊集合X={x1,x2,…,xn},設(shè)定這些評(píng)價(jià)指標(biāo)能選取的評(píng)估等級(jí),組成具有m種評(píng)語(yǔ)的評(píng)價(jià)集Y={y1,y2,…,ym},通過(guò)模糊映射,將行為特征屬性集合映射到評(píng)價(jià)集上,得到n×m的模糊評(píng)價(jià)矩陣Rn×m,然后根據(jù)行為特征屬性在各個(gè)評(píng)價(jià)目標(biāo)中的權(quán)重分配,求出模糊指標(biāo)權(quán)重向量W={ω1,ω2,…,ωn},最后通過(guò)模糊算子對(duì)R和W進(jìn)行模糊運(yùn)算：E=R°W,得到模糊綜合評(píng)價(jià)的定量解。

為更好地描述用戶行為的模糊綜合評(píng)價(jià)策略,首先給出以下定義。

定義1(行為特征屬性):指用于描述網(wǎng)絡(luò)用戶行為的多種指標(biāo)因素,可在用戶正常網(wǎng)絡(luò)交互中通過(guò)測(cè)量獲得。假設(shè)集合P={p1,p2,…,pn}為描述網(wǎng)絡(luò)用戶行為特征的n項(xiàng)指標(biāo),通過(guò)測(cè)量得到某時(shí)刻n項(xiàng)網(wǎng)絡(luò)用戶行為特征指標(biāo)對(duì)應(yīng)的測(cè)量值,分別為x1,x2,…,xn,則可用這n個(gè)測(cè)量值組成的模糊集合X={x1,x2,…,xn}來(lái)表示用戶行為特征屬性,也稱為用戶行為原始數(shù)據(jù)。

為了準(zhǔn)確和全面地描述用戶行為特征屬性,采用用戶訪問(wèn)日志挖掘技術(shù)來(lái)獲取網(wǎng)絡(luò)用戶的行為特征集X,詳細(xì)方法參考文獻(xiàn)[12]，這里不再贅述。

定義2(熵和熵權(quán)法):熵的概念最早來(lái)自熱力學(xué),用來(lái)度量分子運(yùn)動(dòng)的無(wú)規(guī)則性,即不確定性。熵在應(yīng)用于復(fù)雜決策問(wèn)題的過(guò)程評(píng)價(jià)時(shí)是一個(gè)很理想的尺度,它是確定多指標(biāo)綜合評(píng)價(jià)問(wèn)題中各指標(biāo)權(quán)重的有效方法。在用戶行為模糊綜合評(píng)價(jià)過(guò)程中,用戶行為特征屬性及對(duì)應(yīng)評(píng)價(jià)集組成n×m的模糊評(píng)價(jià)矩陣R=[rij]n×m,其中第i個(gè)指標(biāo)的熵定義為:

相應(yīng)地,第i個(gè)指標(biāo)的熵權(quán)為:

定義4(模糊算子)：在模糊綜合評(píng)價(jià)方法中,通常采用模糊合成算子來(lái)求解模糊綜合評(píng)價(jià)的定量解。常用的模糊合成算子類型有主因素突出型和加權(quán)平均型。其中，主因素突出型包括M(∧,∨)模型和M(·,∨)模型,這兩種模型主要應(yīng)用于主指標(biāo)因素在綜合評(píng)價(jià)中起主導(dǎo)作用的情況;加權(quán)平均型包括M(∧,⊕)模型和M(·,⊕)模型,這兩種模型在運(yùn)算時(shí)兼顧了各因素的作用,適用于各指標(biāo)因素均起作用的情況。采用M(·,⊕)模型來(lái)解決用戶行為評(píng)估問(wèn)題中的模糊運(yùn)算問(wèn)題。

定義5(模糊評(píng)價(jià)值)：經(jīng)過(guò)模糊綜合評(píng)價(jià)得到的結(jié)果是一個(gè)模糊向量,所包含的信息比較豐富和雜亂,不便于比較和評(píng)估,因此可以用一些方法將其轉(zhuǎn)化為一個(gè)具體的點(diǎn)值,這個(gè)點(diǎn)值被稱為模糊評(píng)價(jià)值。常用方法有最大隸屬原則、加權(quán)平均原則和模糊向量單值化三種。為突出綜合指標(biāo)權(quán)重在評(píng)估過(guò)程中的作用,采用加權(quán)平均原則來(lái)求得模糊評(píng)價(jià)值:

1.2 基于FCS的用戶行為評(píng)估模型

為了準(zhǔn)確量化用戶行為可信評(píng)估結(jié)果,基于模糊綜合策略(FCS)的用戶行為評(píng)估方法首先需要采集用戶行為原始數(shù)據(jù),通常包括Web日志采集和客戶端信息采集兩種方式,然后通過(guò)數(shù)據(jù)清理和數(shù)據(jù)標(biāo)準(zhǔn)化選擇用戶行為特征屬性所對(duì)應(yīng)的評(píng)價(jià)集,建立模糊矩陣,繼而通過(guò)熵權(quán)法設(shè)置其綜合指標(biāo)權(quán)重,最后利用模糊矩陣和指標(biāo)權(quán)重計(jì)算模糊綜合評(píng)價(jià)值,對(duì)用戶行為數(shù)據(jù)進(jìn)行量化評(píng)估,根據(jù)評(píng)估結(jié)果判定信任等級(jí)并通過(guò)網(wǎng)絡(luò)獲取相應(yīng)的對(duì)象和操作。據(jù)此，提出了基于FCS的用戶行為評(píng)估模型,包括數(shù)據(jù)采集模塊、數(shù)據(jù)預(yù)處理模塊、綜合指標(biāo)權(quán)重設(shè)置模塊和用戶行為評(píng)估模塊,如圖1所示。

圖1 基于FCS的用戶行為評(píng)估模型

(1)數(shù)據(jù)采集模塊:該模塊在用戶行為評(píng)估模型中負(fù)責(zé)采集用戶行為指標(biāo)的原始數(shù)據(jù),一般包括Web日志采集和客戶端信息采集兩種方式,常見的構(gòu)建方式為分布式的第三方采集器,如NetFlow Monitor、Bandwidth Monitor等[13]。采集器獲取的用戶數(shù)據(jù)在模塊內(nèi)部經(jīng)過(guò)初步處理(如數(shù)據(jù)歸類、刪除無(wú)屬性信息、統(tǒng)計(jì)均值和比例值等)形成用戶行為指標(biāo)評(píng)估的原始數(shù)據(jù)。

(2)數(shù)據(jù)預(yù)處理模塊:該模塊負(fù)責(zé)對(duì)數(shù)據(jù)采集模塊生成的原始數(shù)據(jù)進(jìn)行處理,構(gòu)建用戶行為評(píng)估原始數(shù)據(jù)集,并進(jìn)行模糊映射,得到初始模糊矩陣,進(jìn)一步進(jìn)行標(biāo)準(zhǔn)化消除數(shù)據(jù)物理量綱對(duì)取值范圍的影響,最終生成模糊矩陣,具體處理方法詳見2.1節(jié)。

(3)綜合指標(biāo)權(quán)重設(shè)置模塊:該模塊用于確定評(píng)價(jià)指標(biāo)的權(quán)重向量,首先確定各評(píng)價(jià)指標(biāo)相對(duì)于某一特定評(píng)價(jià)等級(jí)的熵值,然后根據(jù)熵權(quán)法的定義求得對(duì)應(yīng)指標(biāo)的熵權(quán),進(jìn)而得到各評(píng)價(jià)指標(biāo)的綜合權(quán)向量。

(4)用戶行為評(píng)估模塊:該模塊根據(jù)評(píng)價(jià)指標(biāo)和綜合權(quán)向量對(duì)用戶行為數(shù)據(jù)進(jìn)行量化計(jì)算,通過(guò)模糊綜合評(píng)價(jià)方法確定用戶行為的評(píng)估定量解,即模糊評(píng)價(jià)值,進(jìn)而對(duì)用戶行為進(jìn)行可信評(píng)級(jí)。

從現(xiàn)如今的網(wǎng)絡(luò)體系結(jié)構(gòu)上來(lái)看,基于FCS的用戶行為評(píng)估模型具有較強(qiáng)的可實(shí)現(xiàn)性。數(shù)據(jù)采集模塊可呈分布式結(jié)構(gòu)部署在網(wǎng)絡(luò)的各個(gè)節(jié)點(diǎn),能夠?qū)崟r(shí)有效地獲取用戶行為和網(wǎng)絡(luò)狀態(tài)數(shù)據(jù),數(shù)據(jù)預(yù)處理、綜合指標(biāo)權(quán)重設(shè)置及用戶行為評(píng)估三個(gè)模塊均可部署在網(wǎng)絡(luò)的中心節(jié)點(diǎn)上進(jìn)行集中式管理,進(jìn)而對(duì)用戶行為進(jìn)行全面、準(zhǔn)確和動(dòng)態(tài)的可信評(píng)估。

2 用戶行為評(píng)估方法

基于模糊綜合策略的用戶行為評(píng)估方法在過(guò)程上包括數(shù)據(jù)采集和預(yù)處理、確定綜合指標(biāo)權(quán)重和用戶行為模糊綜合評(píng)價(jià)三個(gè)階段,首先采集用戶行為原始數(shù)據(jù),通過(guò)數(shù)據(jù)清理和數(shù)據(jù)標(biāo)準(zhǔn)化確定評(píng)價(jià)集,并建立初始模糊矩陣,進(jìn)而通過(guò)熵權(quán)法設(shè)置其綜合指標(biāo)權(quán)重,最后利用模糊矩陣和指標(biāo)權(quán)重計(jì)算模糊綜合評(píng)價(jià)值,對(duì)用戶行為數(shù)據(jù)進(jìn)行量化評(píng)估,最終得到用戶的可信評(píng)級(jí)和服務(wù)等級(jí)。具體流程如圖2所示。

2.1 用戶行為數(shù)據(jù)采集和預(yù)處理

用戶行為特征和評(píng)價(jià)指標(biāo)的選取依賴于用戶行為實(shí)際數(shù)據(jù)的挖掘和分析,數(shù)據(jù)的采集方法包括Web日志采集和客戶端信息采集兩種方式。為了評(píng)估的準(zhǔn)確和全面,需要對(duì)采集到的用戶行為數(shù)據(jù)進(jìn)行預(yù)處理。

圖2 基于FCS的用戶行為評(píng)估流程圖

初始模糊矩陣中的用戶行為數(shù)據(jù)由采樣得到的原始數(shù)據(jù)組成,其單位和量綱可能不一樣,為了避免取值范圍不同而引起的誤差,需要對(duì)其標(biāo)準(zhǔn)化。標(biāo)準(zhǔn)化的方法采用極差變換法:

(1)

其中,i=1,2,…,n;j=1,2,…,m。這樣就消除了量綱的影響且使得0≤rij≤1,進(jìn)而得到模糊矩陣R=[rij]n×m。

2.2 熵權(quán)法確定綜合指標(biāo)權(quán)重

(2)

相應(yīng)地,第i個(gè)指標(biāo)的熵權(quán)為:

(3)

2.3 用戶行為模糊綜合評(píng)估

根據(jù)用戶行為特征屬性和各指標(biāo)評(píng)級(jí)構(gòu)成的模糊矩陣與綜合權(quán)向量進(jìn)行量化計(jì)算即可得到用戶行為模糊綜合評(píng)估的定量解。具體的量化計(jì)算公式為:

(4)

(k=1,2,…,n)

(5)

E=

(i=1,2,…,n)

(6)

最后將求得的模糊評(píng)估值按照可信級(jí)別映射表[14]進(jìn)行可信評(píng)級(jí),可信級(jí)別映射表如表1所示。

表1 可信級(jí)別映射表

當(dāng)用戶行為屬于不可信和較不可信范圍內(nèi)時(shí),服務(wù)器會(huì)拒絕用戶交互請(qǐng)求,并將用戶剔除可信用戶列表;而當(dāng)用戶行為可信級(jí)別在可信范圍內(nèi)時(shí),服務(wù)器會(huì)響應(yīng)用戶的交互請(qǐng)求。從而對(duì)不同用戶行為進(jìn)行正確的可信控制,提高網(wǎng)絡(luò)利用率并降低網(wǎng)絡(luò)可能遇到的風(fēng)險(xiǎn)。

3 實(shí) 驗(yàn)

3.1 數(shù)據(jù)源說(shuō)明及環(huán)境設(shè)置

為了驗(yàn)證所提出的用戶行為評(píng)估機(jī)制,采用OWLS-TC數(shù)據(jù)庫(kù)的數(shù)據(jù)資源,在CPU為Intel Core i7,主頻為2.5 GHz,內(nèi)存為8 GB的PC機(jī)上對(duì)評(píng)估機(jī)制進(jìn)行了Matlab編程仿真。根據(jù)信任關(guān)系,將實(shí)體間的信任分為四類:高度可信、一般可信、臨界可信和不可信。定義實(shí)體的可信評(píng)估值為E,各類實(shí)體的信任范圍表述如下:

0.8≤E≤1:表示“高度可信”,高度可信表明服務(wù)器可以根據(jù)實(shí)體的服務(wù)屬性值,一直提供真實(shí)可信服務(wù),與服務(wù)器的交互成功率很高且交互速度很快。

0.6≤E<0.8:表示“一般可信”,一般可信實(shí)體和完全可信實(shí)體相比，服務(wù)器對(duì)其服務(wù)屬性值的認(rèn)知程度不夠,導(dǎo)致與服務(wù)器的交互成功率和交互速度表現(xiàn)一般。高度可信和一般可信的實(shí)體,其可信評(píng)估值會(huì)隨交互次數(shù)的增加,一直呈現(xiàn)上升趨勢(shì)。

0.3≤E<0.6:表示“臨界可信”,臨界可信表明服務(wù)器提供的服務(wù)時(shí)好時(shí)壞,實(shí)體的服務(wù)屬性值不穩(wěn)定,因此,其可信評(píng)估值會(huì)隨交互次數(shù)的增加呈現(xiàn)波浪起伏的態(tài)勢(shì)。

0≤E<0.3:表示“不可信”,不可信表明服務(wù)器不能識(shí)別其服務(wù)屬性值,實(shí)體的可信評(píng)估值會(huì)隨交互次數(shù)的增加而迅速下降,直至被剔除用戶可信列表。

3.2 實(shí)驗(yàn)結(jié)果分析

3.2.1 準(zhǔn)確性分析

在用戶行為準(zhǔn)確性分析實(shí)驗(yàn)中,對(duì)四種不同信任級(jí)別的實(shí)體進(jìn)行可信評(píng)估,實(shí)驗(yàn)設(shè)定在相同的網(wǎng)絡(luò)環(huán)境和交互模式下,實(shí)體與服務(wù)提供者之間的交互次數(shù)為600,服務(wù)器提供的服務(wù)數(shù)目為200個(gè),可信評(píng)估值初始化為0.5。理論上,四類用戶行為的可信評(píng)估值會(huì)隨著交互次數(shù)的增加而呈現(xiàn)出不同的變化趨勢(shì)。

圖3 可信評(píng)估值對(duì)比圖

如圖3所示,當(dāng)交互次數(shù)為0時(shí),四類實(shí)體用戶的可信評(píng)估初始化值為0.5,高度可信和一般可信實(shí)體由于一直提供真實(shí)可信的服務(wù),因此其可信評(píng)估值隨交互次數(shù)的增加而不斷上升。其中,高度可信實(shí)體的可信評(píng)估值逐漸趨近于1,且在任意交互次數(shù)下,其可信評(píng)估值均大于一般可信實(shí)體的評(píng)估值。臨界可信實(shí)體由于提供的服務(wù)時(shí)好時(shí)壞,實(shí)體的服務(wù)屬性值不穩(wěn)定,因此,其可信評(píng)估值會(huì)隨交互次數(shù)的增加呈現(xiàn)波浪起伏的態(tài)勢(shì)。而不可信實(shí)體,由于一直提供不可信服務(wù),其可信評(píng)估值隨交互次數(shù)迅速下降,直至為0,最終剔除用戶可信列表。

實(shí)驗(yàn)結(jié)果驗(yàn)證了基于FCS的用戶行為評(píng)估方法的準(zhǔn)確性,與理論分析相吻合。

3.2.2 對(duì)比分析

為了充分說(shuō)明評(píng)估方法的優(yōu)點(diǎn),將基于FCS的用戶行為評(píng)估方法與傳統(tǒng)評(píng)估方法在準(zhǔn)確性方面進(jìn)行比較,所采用的對(duì)比評(píng)估方法為文獻(xiàn)[3]的基于AHP層次分析法和文獻(xiàn)[6]的基于模糊決策分析的用戶行為評(píng)估方法,選擇用戶交互成功率作為評(píng)價(jià)指標(biāo)。實(shí)驗(yàn)同樣采用以上四種不同信任級(jí)別的實(shí)體進(jìn)行用戶行為評(píng)估,設(shè)定用戶實(shí)體節(jié)點(diǎn)數(shù)目為100個(gè),其中高度可信用戶實(shí)體比例為0.3,一般可信用戶實(shí)體比例為0.4,臨界可信用戶實(shí)體比例為0.2,不可信用戶實(shí)體比例為0.1,用戶交互次數(shù)為200次,服務(wù)器提供的服務(wù)數(shù)目為200。

圖4 交互成功率對(duì)比圖

如圖4所示,隨著交互次數(shù)的增多,三種用戶行為評(píng)估方法的用戶交互成功率均呈現(xiàn)上升趨勢(shì),但基于AHP的用戶行為評(píng)估方法在交互過(guò)程中的交互成功率會(huì)產(chǎn)生較大波動(dòng),主要原因是在用戶行為評(píng)價(jià)指標(biāo)的獲取和評(píng)級(jí)過(guò)程中,專家意見和歷史經(jīng)驗(yàn)起關(guān)鍵作用,導(dǎo)致用戶行為指標(biāo)權(quán)重具有主觀性,量化結(jié)果波動(dòng)較為明顯;基于模糊決策分析的用戶行為評(píng)估方法在交互過(guò)程中的交互成功率較低,而且也有部分波動(dòng)現(xiàn)象,主要原因在于這種方法的用戶行為可信隸屬度評(píng)級(jí)不夠準(zhǔn)確,證據(jù)權(quán)重因素不全面,使得可信評(píng)估結(jié)果量化粒度粗,整體交互成功率偏低;而所采用的評(píng)估方法在交互過(guò)程中的交互成功率較AHP方法和基于模糊決策分析的交互成功率較高且較為穩(wěn)定,主要原因在于所采用的評(píng)估方法在用戶行為評(píng)估過(guò)程中,摒棄專家意見和歷史經(jīng)驗(yàn)對(duì)用戶行為指標(biāo)權(quán)重的主導(dǎo)作用,采用熵權(quán)法來(lái)建立用戶行為評(píng)價(jià)指標(biāo)及綜合指標(biāo)權(quán)重,并運(yùn)用模糊算子和加權(quán)平均原則對(duì)評(píng)估結(jié)果進(jìn)行精確量化,評(píng)估結(jié)果合理準(zhǔn)確,切合實(shí)際,相比于其他評(píng)估方法,在安全性和準(zhǔn)確性方面都有所提高。

4 結(jié)束語(yǔ)

隨著網(wǎng)絡(luò)技術(shù)與應(yīng)用的快速發(fā)展,終端用戶行為的復(fù)雜性和開放性使得網(wǎng)絡(luò)安全面臨嚴(yán)峻挑戰(zhàn),而對(duì)網(wǎng)絡(luò)終端用戶的可信性評(píng)估顯得尤為重要。結(jié)合模糊綜合評(píng)估理論提出了一種基于模糊綜合策略的網(wǎng)絡(luò)用戶行為可信評(píng)估方法，采用熵權(quán)法來(lái)構(gòu)建用戶行為的綜合指標(biāo)權(quán)重，并運(yùn)用模糊算子和加權(quán)平均原則保證了評(píng)估結(jié)果的精確量化。實(shí)驗(yàn)結(jié)果表明，該評(píng)估方法能夠在復(fù)雜網(wǎng)絡(luò)環(huán)境中對(duì)用戶行為進(jìn)行全面、準(zhǔn)確和動(dòng)態(tài)的量化評(píng)估。結(jié)合可信網(wǎng)絡(luò)連接控制機(jī)制,將評(píng)估機(jī)制擴(kuò)展到可信網(wǎng)絡(luò)中將是下一步工作方向。

[1] 林 闖,田立勤,王元卓.可信網(wǎng)絡(luò)中用戶行為可信的研究[J].計(jì)算機(jī)研究與發(fā)展,2008,45(12):2033-2043.

[2] 田立勤,林 闖.可信網(wǎng)絡(luò)中一種基于行為信任預(yù)測(cè)的博弈控制機(jī)制[J].計(jì)算機(jī)學(xué)報(bào),2007,30(11):1930-1938.

[3] 冀鐵果,田立勤,胡志興,等.可信網(wǎng)絡(luò)中一種基于AHP的用戶行為評(píng)估方法[J].計(jì)算機(jī)工程與應(yīng)用,2007,43(19):123-126.

[4] Xi Zhenyuan, Chen He, Wang Xiaozhong, et al. Evaluation model for computer network information security based on analytic hierarchy process[C]//Intelligent information technology application.[s.l.]:[s.n.],2009:186-189.

[5] 武小年,周勝源.數(shù)據(jù)挖掘在用戶行為可信研究中的應(yīng)用[C]//第十一屆保密通信與信息安全現(xiàn)狀研討會(huì)論文集.廈門:出版地不詳,2009.

[6] 馬軍煜,趙知?jiǎng)?葉學(xué)義.基于模糊決策分析的可信網(wǎng)絡(luò)用戶行為評(píng)估[J].計(jì)算機(jī)工程,2011,37(13):125-127.

[7] 呂艷霞,田立勤,孫珊珊.云計(jì)算環(huán)境下基于FANP的用戶行為的可信評(píng)估與控制分析[J].計(jì)算機(jī)科學(xué),2013,40(1):132-135.

[8] Hosseini S B,Shojaee A,Agheli N.A new method for evaluating cloud computing user behavior trust[C]//Proceedings of the 7th information and knowledge technology.[s.l.]:[s.n.],2015:1-6.

[9] Tian Liqin,Lin Chuang,Ni Yang.Evaluation of user behavior trust in cloud computing[C]//Proceedings of the computer application and system modeling.Taiyuan,Shanxi:[s.n.],2010.

[10] Li Wen,Ping Lingdi,Lu Kuijun,et al.Trust model of users’ behavior in trustworthy internet[C]//Proceedings of the information engineering.Taiyuan,Shanxi:[s.n.],2009:403-406.

[11] Yang Xiaoqiong,Liu Lianzhong,Zou Rongbo.A statistical user behavior trust evaluation algorithm based on cloud model[C]//Proceedings of the 6th computer science and convergence information technology.Jeju,Seogwipo:[s.n.],2011:598-603.

[12] Shan Xiaohong,Sun Huamei,Ge Gaoxin.The research of web users’ behavior analysis based on Web Log Mining[C]//E-Business and E-Government (ICEE).Shanghai:[s.n.],2011:1-4.

[13] 陸 悠,羅軍舟,李 偉,等.面向網(wǎng)絡(luò)狀態(tài)的自適應(yīng)用戶行為評(píng)估方法[J].通信學(xué)報(bào),2013,34(7):71-80.

[14] 田 野,彭新光,李宏濱,等.網(wǎng)絡(luò)用戶行為可信性集值統(tǒng)計(jì)度量方法[J].小型微型計(jì)算機(jī)系統(tǒng),2013,34(10):2354-2357.

User Behavior Evaluation in Trusted Network Based on Fuzzy Comprehensive Strategy

ZHANG Jia-le1,ZHANG Xiu-fang2,ZHANG Gui-ling1

(1.School of Computer Science & Software Engineering,Tianjin Polytechnic University,Tianjin 300387,China;2.Institute of Mathematics & Information Science,Langfang Teachers University,Langfang 065000,China)

The credibility evaluation of network user behavior is one of the hot spots in the field of trusted network.Due to the problems of subjectivity,limitations and static for the traditional user behavior evaluation ways in trusted network,a new trust evaluation method based on Fuzzy Comprehensive Strategy (FCS) has been put forward,and the user behavior trust evaluation model has been designed by combining with the trusted network user behavior measurement mechanism.In the new trusted evaluation model,user behaviors and attributes have been mined and analyzed by using fuzzy comprehensive evaluation method.Thus the evaluation indexes and the index weights can be constructed.The accurate user behavior evaluation quantization results have been obtained by weighted computing with proposed fuzzy operators based on indexes and index weights above.Experimental simulation have evaluated the four kinds of user behaviors with FCS evaluation methods,and compared them with the other two kinds of trusted evaluation methods of user behavior.The experiments and analysis show that the proposed methods can evaluate the user’s behavior comprehensively,accurately and dynamically in complex network environments and the simulation results are more realistic.

trusted network;user behavior evaluation;fuzzy comprehensive strategy;comprehensive index weight;fuzzy operator

2016-06-21

2016-09-22 網(wǎng)絡(luò)出版時(shí)間：2017-03-13

天津市重點(diǎn)投資人才引進(jìn)計(jì)劃基金項(xiàng)目(029416)

張佳樂(lè)(1994-),男,碩士研究生,研究方向?yàn)榭尚庞?jì)算、網(wǎng)絡(luò)安全;張秀芳,博士，講師,研究方向?yàn)榫W(wǎng)絡(luò)安全;張桂玲,博士,教授,研究方向?yàn)榭尚庞?jì)算、網(wǎng)絡(luò)安全、圖像處理。

http://kns.cnki.net/kcms/detail/61.1450.TP.20170313.1548.106.html

TP393

A

1673-629X(2017)05-0138-06

10.3969/j.issn.1673-629X.2017.05.029