一种基于协作频度聚类的Web服务信任度评估方法

一种基于协作频度聚类的Web服务信任度评估方法
【专利摘要】一种基于协作频度聚类的Web服务信任度评估方法，包括：(1)计算Web服务之间的协作频度；(2)基于协作频度对Web服务进行聚类；(3)计算Web服务个体信任度STD；(4)计算Web服务群体信任度GTD；(5)计算Web服务综合信任度CTD；(6)Web服务信任度评估框架。
【专利说明】一种基于协作频度聚类的Web服务信任度评估方法

【技术领域】
[0001] 本发明专利设计了一种基于协作频度聚类的Web服务信任评估方法，该方法利用 Web服务之间的协作频度将Web服务划分为若干群，计算Web服务的个体信任度和群体信任 度，再综合这两种信任度计算Web服务综合信任度，以更加客观地评估Web服务的信任度； 此外，本发明专利还设计了 一个信任度评估实现框架。

【背景技术】
[0002] 在Web服务协同环境中，Web服务可信性是指一个服务对另一个服务可共同完成 某个协作任务的期望，这种期望具有主观性，对于同一个Web服务，其他不同的Web服务可 能对它会有不同的信任度。
[0003] 国内外许多学者和研究机构对Web服务信任评估方法进行了研究。国外Jean等 人（Fourth International Conference on RCIS，2010)提出了一种基于 0WL-S 扩展的 Web 服务描述方法，使Web服务具有更加精确的质量描述。国内徐锋等人（软件学报，2003)设 计了一个基于Agent的服务交互模型，根据该交互模型提出了一个综合直接交互经验和第 三方推荐经验的用于度量服务间信任关系的信任评估模型。国内杨超等人（计算机科学， 2011)根据P2P网络的特征提出了一种基于声誉的信任评估模型，该模型采用与获取路径 以及评价者无关的声誉信息计算信任度，能够过滤评价中的不实信息，并且利用衰减因子 处理声誉的动态性，但是该方法采用简单的大多数原则来过滤不实声誉，不良评价者只需 提交多次评价信息就可以将自己的评价成为主流评价，从而导致评估机制失效。针对反馈 评价中存在的问题，国内王尚广等人（软件学报，2012)提出了一种用于Web服务选择的信 任度评估方法，利用反馈核查、校正和检测等方式来降低恶意评价对信任度评估的影响，从 而提高信任度评估的准确性。国内李海华等人（计算机学报，2008)考虑了信任评估中的主 观性因素，提出了一种基于服务能力属性的信任度评估方法，该方法在评估Web服务的信 任度时考虑了 Web服务的声誉、安全证书和服务能力等信息，不足之处在于该方法并没有 考虑Web环境的动态因素，并没有较好的反应Web服务可信度的实时变化。
[0004] 针对Web服务环境的开放性和不确定性，目前的评估方法不仅无法对Web服务信 任度的变化做出实时响应，并且大都从Web服务个体出发，没有考虑Web服务的群体特征。 实际上，Web服务的工作方式主要是多个Web服务以协同的方式进行的，其中一个Web服务 的失败会导致整个服务链的失败，所以当评估一个Web服务的信任度时，评估Web服务所在 群体的信任度也是非常重要的。


【发明内容】

[0005] 本发明要克服现有技术的上述缺点，提供一种基于协作频度聚类的Web服务信任 度评估方法，从分析Web服务群体特征出发，先计算Web服务的个体信任度和群体信任度， 再计算出Web服务的综合信任度，在这一过程中融合直接交互经验和第三方推荐经验，并 在计算可信度时引入时间衰减函数，以反应Web服务信任度的动态性和实时性，计算出较 为客观的Web服务信任度。
[0006] -种基于协作频度聚类的Web服务信任度评估方法，包括以下步骤：
[0007] (1)计算Web服务之间的协作频度。协作频度是指在一定时间内两个或多个Web 服务之间协作的频繁程度，相互间协作次数较多的Web服务间具有较高的协作频度，而协 作次数较少的服务间具有较低的协作频度。协作频度的计算方式如：

【权利要求】
1. 一种基于协作频度聚类的Web服务信任度评估方法，包括以下步骤： (1) 计算Web服务之间的协作频度；协作频度是指在一定时间内两个或多个Web服务 之间协作的频繁程度，相互间协作次数较多的Web服务间具有较高的协作频度，而协作次 数较少的服务间具有较低的协作频度；协作频度的计算方式如：
其中：Cu为某段时间内服务WSi和服务WS^之间的协作次数；Ci，total和(^ ttrtal分别为 服务WSi和服务WS^在这段时间内总的协作次数； (2) 基于协作频度对Web服务进行聚类；通过聚类将具有较高协作频度的Web服务划 分到一个群内，聚类过程如下： 2. 1 :以Web服务为节点V，服务间的协作关系为边E，协作频度为权值W，构建无向加权 图 G = (V，E，W); 2. 2:将每条边的权值W与频度阈值0比较，若W小于阈值0，则去掉该边；频度阈值 9的取值受到聚类规模上限和类内现有服务数量的约束； 2. 3 :上述过程会得到多个互不联通的子图，将每一个子图中的Web服务划分为一个聚 类； (3) 计算Web服务个体信任度STD ;个体信任度（Single trust degree，STD)是指信任 主体将信任客体当作一个独立的个体时，对其完成任务的期望值，是通过Web服务间的直 接交互经验来产生的； 服务WSi在与WSJ办作完成一项任务后，WSi会对WS^进行评分，记为stdu(M_ t)，接着 服务WSi会更新对WS^的个体信任度，计算方法为： Stdu = t Stdu^ +(1 (2) 其中stdu为更新后的服务WSi会更新对WS^的个体信任度，stdu _为原来的个体信 任度，为时间衰减函数，入为时间衰减参数，〖_表示当前时间，t()ld表示上次更新 时间。 (4) 计算Web服务群体信任度GTD ;群体信任度（Group trust degree，GTD)是指信任 主体对信任客体所在的群体的信任度； 设服务WSi所在群体的Web服务集合为Gi,服务WSj所在群体的Web服务集合为G j,为 了计算Gi对的群体信任度，先计算Gi中的服务对的平均信任度，其计算方法如下： 令Gi = {wsk|k = 1，2,…，K},服务wsk在最近一段时间内交互过的属于Gj的服务集合 记为 setk = {wsm I m = 1, 2,…，M},则有
其中：avgk为服务wsk在最近一段时间内对群体Gj的平均信任度；Std tm为服务WSk对 服务WS1J^个体信任度；t。^-tk，m〈 T为服务WSk与服务WSm在最近一段时间T内协作过； 之所以加入时间限制T是为了衡量群体(^_的实时信任度； Gi对Gj的群体信任度GTD计算公式为：
其中：gtdu为Gi对Gj的群体信任度；根据群体可信度的计算方式可以看出，群体可 信度是第三方推荐经验的体现，并且，Web服务只接受来自同一群体的第三方推荐经验，这 主要是为了接受第三方推荐经验的准确性，同一群体中的Web服务相互间具有较高的可信 度； (5) 计算Web服务综合信任度CTD ;综合信任度（Composite trust degree，CTD)是在 根据个体信任度和群体信任度计算得到的综合评价Web服务信任度；服务WSi对服务WSj的 CTD计算方法为： Ctdij= e'A{!rmr^) StdiJ+(I- ^}} )gtdLj (5) 其中：Ctdy为综合信任度，Zfwv为时间衰减函数，X为时间衰减参数，表示当 前时间，表示服务WSi对服务WS^的信任度的更新时间。 (6) Web服务信任度评估框架；设计了一个本地信任管理和全局信任管理相结合的Web 服务信任评估框架，评估框架结构如图1所示； (6. 1)全局信任管理器（Global trust manager, GTM)主要负责Web服务协作关系管 理、Web服务聚类以及群体信任度和综合信任度的计算，它由协作记录器、服务聚类器、信 任查询器、群体信任评估器等主要模块构成：协作记录器用于接收和保存最新的Web服务 之间的协作记录；服务聚类器根据协作记录器中的协作信息，计算Web服务间的协作频度， 对服务聚类更新，并保存聚类结果；信任查询器用于接收来自本地信任管理器的查询请求； 群体信任评估器用于计算Web服务群体信任度； 群体信任度计算过程如下： a. 向服务聚类器查询服务Wsi和服务所属的群，记为Gi和Gj ; b. 向Gi中的每个服务发送一个请求，查询最近一段时间T内更新的关于内任意服 务的个体任度； c. 本地信任管理器接收到该查询请求后，会查询Cache中的每一条记录record,若 record, ws G Gj,并且teulT - record. t〈 T，则将该记录发送给全局信任管理器； d. 群体信任评估器会整合收到的信任信息，并根据式（4)计算群体信任度； (6. 2)本地信任管理器（Local trust manager, LTM)是在Web服务注册之后由全局信 任管理器分配的，它负责处理服务的安全策略、交互协议和个体信任度计算等，并将本地信 任数据发送给全局信任管理器，LTM的框架结构如图1所示，由交互接口、Cache、信任评估 器和Cache更新器等主要模块组成； 交互接口主要用于外界与服务的交互，负责服务间的协同协议和安全决策等，当本地 服务需要与其他服务协同工作时，交互接口首先会调用信任评估器，对目标服务的可信度 进行评估，只有当对方服务的可信度符合本地安全策略的要求时，本地服务才会与对方服 务协同工作； Cache主要存储本地Web服务对以往协作服务的个体信任度；Cache中的每条记录保存 了服务id、服务个体信任度和更新时间戳；每个Web服务的更新时间戳组成了评估模型中 的时间戳集合； 信任评估器与Cache更新器；当本地服务WSi需要与另一个服务协作时，首先由 信任评估器对服务WSj的信任度进行评估；信任评估器从Cache中取出服务WSj的个体信 任度，接着向全局信任管理器发送请求，查询群体信任度，得到全局信任管理器返回的结果 后，信任评估器会根据式（5)计算服务的综合信任度（CTF); (6. 3)计算并更新Web服务个体信任度STD ;当一个服务WSi与另一个服务WSj协作结 束时，服务WSi中的信任评估器会根据本次交互结果对服务WS^的信任度进行评价，产生一 个最新的个体信任度stdu(_mt)，并且根据式（2)更新个体信任度；接着，信任评估器会将 最新的计算结果作为个体信任度和当前时间作为时间戳保存到Cache中，覆盖旧记录，并 将本次协作记录发送给全局信任管理器。
【文档编号】G06F17/30GK104360998SQ201410398712
【公开日】2015年2月18日 申请日期:2014年8月13日 优先权日:2014年8月13日
【发明者】张元鸣, 肖刚, 陆佳炜, 吴利群, 倪宽, 卢金晨 申请人:浙江工业大学