一种基于多参数区间数多属性决策的云服务信任评估方法与流程

本发明涉及云计算领域，具体是一种基于多参数区间数多属性决策的云服务信任评估方法。

背景技术：

随着网络、巨型计算和大数据的发展，商用为主的云计算得到大力推广，越来越多的企业推出云服务。面对众多功能相同或相近，而质量不同的云服务，如何对其进行客观的信任评估，为用户提供个性化推荐已成为当前云计算领域亟待解决的问题。传统的云服务信任评估方法存在很多不足：套用现成的web服务评价模型，无法适应新需求；缺乏定量的从多个方面对云服务质量度量的方法，评价不够准确；评价体系局限于云服务某几个指标，扩展困难；采用确定的QoS值进行信任评估，缺乏对云服务指标范围的限定；指标权重的设定中加入过多的主观评价因素，云服务的信任评估缺乏客观性等。

技术实现要素：

针对上述问题，本发明提出一种基于多参数区间数多属性决策的云服务信任评估方法，与现有方法相比具有更强的客观性和实用性。

实现本发明目的的技术方案是：

一种基于多参数区间数多属性决策的云服务信任评估方法，包括如下步骤：

(1)基于多参数区间数的数据采集及处理，以多参数区间数形式采集云服务运行的QoS指标数据并列出决策矩阵，将多参数区间数形式的指标值转换成二元联系数，再按照成本型和效益型类型对决策矩阵规范化处理得到规范化决策矩阵；

(2)基于联系数的属性权重未知的权重设定，依据“云服务指标值波动越大的指标应该赋予越大的权重”的原则，确定QoS指标权重；

(3)进行云服务信任评估，基于规范化决策矩阵和QoS指标权重，采用主值模型对云服务信任评估。

步骤(1)所述基于多参数区间数的数据采集及处理，具体步骤如下：

(1-1)定义所研究的云服务集为S＝{S₁，S₂，...，S_i，...，S_n}，每一个云服务对应m个QoS指标，有Q＝{q₁，q₂，...，q_m}，各指标数据以多参数区间数形式表示；

(1-2)采集数据，通过监测云环境，观察不同云服务的运行情况，以多参数区间数形式采集云服务运行的QoS指标数据，列出决策矩阵。其中，多参数区间数是指区间数的参数为三个及以上，传统的区间数决策问题一般采用由一个最大值和一个最小值两个参数组成的区间数表示指标数据，这种选取方法缺乏代表性，本方法在传统区间数基础上增加了在2/4和3/4两个百分点所监测到的数据，共同组成一个四参数的区间数，以q_ik表示云服务S_i的QoS指标q_k的多参数区间数，则有：其中，表示在整个检测过程中检测到的最小值；表示在第2/4百分点检测到的数据；表示在第3/4百分点检测到的数据；表示检测到的最大值；基于q_ik的云服务QoS指标决策矩阵如下所示：

(1-3)将多参数区间数形式的指标值q_ik转换成二元联系数，得到“均值+最大偏差”二元联系数u_ik，既保存了区间数对范围的限定作用，又减少了区间数的不确定性，u_ik的计算公式如下：

其中，j∈[-1,1]；

(1-4)将以复数形式的二元联系数u_ik转化成等价的三角函数U_ik，三角函数成为原区间数的一个代表点，令(cosθ+jsinθ)＝1，用三角函数U_ik的模r_ik表示三角函数U_ik，则称r_ik为三角形的主值，用三角函数的主值代替三角函数参与运算，在保证结果一致性的基础上，大大简化运算过程，具体公式表示如下：

(1-5)将步骤(1-4)中进行指标数据转换后的决策矩阵中的QoS指标数据按照指标的效益型和成本型两类进行规范化处理，效益型指标是指数值越大越好的指标，如资源利用率，可靠性，准确性等；成本型指标是指数值越小越好的指标，如响应时间，成本等。通过规范化处理，可以去除不同QoS指标的量纲，从而实现对不同指标的融合计算；并能够将不同指标数据转化为特定区间的数据，避免不同数据数值的巨大波动相互影响。对效益型指标和成本型指标的规范化处理方法是不同的，以r'_ik表示规范化后的指标，具体规范化如下：

对效益型指标的规范化处理公式如下：

对成本型指标的规范化处理公式如下：

(1-6)基于对不同QoS指标规范处理后的规范化决策矩阵X'如下：

其中，q'_ik＝r'_ik；i＝1,2,...,n；k＝1,2,...,m。

步骤(2)所述中基于联系数的属性权重未知的权重设定，其原理为：如果所有云服务在第k个指标Q_k下的指标值波动较小，说明该指标对云服务信任评估的影响越小；反之，指标Q_k在各云服务中的指标值波动较大，说明该指标对云服务信任评估的影响越大。因此，从云服务信任评估这一角度考虑，云服务指标值波动越大的指标应该赋予越大的权重。特别地，当所有云服务在指标Q_k下的各属性值没有丝毫波动，则该指标Q_k对云服务信任评估将不起作用，可令其权重为零。基于步骤(1)求得的规范后的决策矩阵X'，指标的权重计算具体步骤如下：

(2-1)定义QoS指标的权重向量集为W＝(ω₁,ω₂,...,ω_i,...,ω_m)，并满足归一化约束m为指标数量；

(2-2)为了表达指标值的波动性，计算n个云服务中k个指标值的模的方差，公式如下：

式中，是规范化决策矩阵中云服务各QoS指标模的平均数；

(2-3)把m个Q_k值归一化处理，计算得到各指标权重ω_k,，公式如下：

基于公式(8)求得QoS指标的权重向量集为W＝(ω₁,ω₂,...,ω_i,...,ω_m)，并满足归一化约束

步骤(3)所述进行云服务信任评估，基于所求得规范化决策矩阵和QoS指标权重体系，采用线性加权方法实现对云服务的信任评估，具体步骤如下：

(3-1)将步骤(1)中所求的规范化决策矩阵X'与步骤(2)中所求得的指标权重向量集W，代入云服务的信任评估线性加权公式中，计算云服务的信任评估值，以T(S_i)表示第i个云服务S_i的信任评估值，其计算公式如下：

T(S_i)＝∑(q'_ik×w_k)，i＝1,2,...,n；k＝1,2,...,m (9)

其中，ω_k为步骤(2)中所求得的指标权重集；q'_ik为规范化决策矩阵X'中第i行k列的QoS指标数据；其中，规范化决策矩阵中QoS指标数据q'_ik以三角函数主值的形式参与信任评估，这种评估模型称之为主值模型。采用主值模型进行信任评估，将区间数转换成二元联系数u_ik，接着，将u_ik转化成三角函数，三角函数成为原区间数的一个代表点，用三角函数主值参与信任评估，保存了原区间数对范围的限定，降低了不确定性，简化了运算过程；

(3-2)依据步骤(3-1)中的云服务的信任评估公式，计算各云服务的信任评估值；进一步对同一云提供商的不同服务或不同云提供商的同一服务进行信任评估。

本发明的有益效果是，以多参数区间数形式采集QoS指标数据，在传统区间数基础上增加了在2/4和3/4两个百分点所监测到的数据，共同组成一个四参数的区间数，保证了数据的真实性和客观性；基于联系数的属性权重未知的区间数多属性决策方法确定QoS指标权重，使权重的确定依赖于采集的QoS指标数据的波动性，提高了决策的客观性，避免了人为主观因素的影响，其计算结果更加客观、真实；依据主值模型计算云服务的综合评价值，将区间数化为联系数，减少了区间数的不确定性又简化了计算过程，同时降低了评估方法的时间复杂度。因此，本发明方法具有更强的客观性和实用性。

附图说明

图1为本发明的云服务信任评估模型框架图；

图中，1、基于多参数区间数的数据采集及处理模块，2、基于联系数的属性权重未知的权重设定模块，3、云服务信任评估模块。

具体实施方式

以下结合附图对本发明内容做进一步阐述，但不是对本发明的限定。

如图1所示，一种基于多参数区间数多属性决策的云服务信任评估方法，具体步骤如下：

(1)基于多参数区间数的数据采集及处理模块1，通过监测云环境中云服务的运行状况，以多参数区间数形式采集云服务运行的QoS指标数据并列出决策矩阵，接着，进行数据处理得到QoS数据库；

(2)基于联系数的属性权重未知的权重设定模块2，依据“云服务指标值波动越大的指标应该赋予越大的权重”的原则，基于步骤(1)所求得的QoS数据库，确定QoS指标权重；

(3)进行云服务信任评估模块3，基于步骤(1)所求得的QoS数据库和步骤(2)所得的QoS指标权重，采用主值模型对云服务进行可信性评估，得到信任库。

步骤(1)所述基于多参数区间数的数据采集及处理模块1，具体步骤如下：

(1-1)定义所研究的云服务集为S＝{S₁，S₂，...，S_i，...，S_n}，每一个云服务对应m个QoS指标，有Q＝{q₁，q₂，...，q_m}，各指标数据以多参数区间数形式表示；

(1-2)采集数据，通过监测云环境，观察不同云服务的运行情况，以多参数区间数形式采集云服务运行的QoS指标数据，列出决策矩阵。其中，多参数区间数是指区间数的参数为三个及以上，传统的区间数决策问题一般采用由一个最大值和一个最小值两个参数组成的区间数表示指标数据，这种选取方法缺乏代表性，本发明在传统区间数基础上增加了在2/4和3/4两个百分点所监测到的数据，共同组成一个四参数的区间数，以q_ik表示多参数区间数，则有：其中，表示在整个检测过程中检测到的最小值；表示在第2/4百分点检测到的数据；表示在第3/4百分点检测到的数据；表示检测到的最大值；基于q_ik的云服务QoS指标决策矩阵如下所示：

(1-3)将多参数区间数形式的指标值q_ik转换成二元联系数，得到“均值+最大偏差”二元联系数u_ik，既保存了区间数对范围的限定作用，又减少了区间数的不确定性，二元联系数u_ik的计算公式如下：

其中，j∈[-1,1]；

(1-4)将以复数形式的二元联系数u_ik转化成等价的三角函数U_ik，三角函数成为原区间数的一个代表点。令(cosθ+jsinθ)＝1，用三角函数U_ik的模r_ik表示三角函数U_ik，则称r_ik为三角形的主值，用三角函数的主值代替三角函数参与运算，在保证结果一致性的基础上，大大简化运算过程，具体公式表示如下：

(1-5)将步骤(1-4)中进行指标数据转换后的决策矩阵中的QoS指标数据按照指标的效益型和成本型两类进行规范化处理，通过规范化处理，可以去除不同QoS指标的量纲，从而实现对不同指标的融合计算；并能够将不同指标数据转化为特定区间的数据，避免不同数据数值的巨大波动相互影响。对效益型指标和成本型指标的规范化处理方法是不同的，以r'_ik表示规范化后的指标，具体规范化如下：

对效益型指标的规范化处理公式如下：

对成本型指标的规范化处理公式如下：

(1-6)基于对不同QoS指标规范处理后的规范化决策矩阵X'如下：

其中，q'_ik＝r'_ik；i＝1,2,...,n；k＝1,2,...,m。

步骤(2)所述中基于联系数的属性权重未知的权重设定模块2，基于步骤(1)求得的规范后的决策矩阵X'，指标的权重计算具体步骤如下：

(2-1)定义QoS指标的权重向量集为W＝(w₁,w₂,...,w_i,...,w_m)，并满足归一化约束m为指标数量；

(2-2)为了表达指标值的波动性，计算n个云服务中k个指标值的模的方差，公式如下：

式中，是规范化决策矩阵中云服务各QoS指标模的平均数；

(2-3)把m个Q_k值归一化处理，计算得到各指标权重ω_k,，公式如下：

基于公式(8)求得QoS指标的权重向量集为W＝(w₁,w₂,...,w_i,...，w_m)，并满足归一化约束

步骤(3)所述进行云服务信任评估模块3，基于所求得规范化决策矩阵和QoS指标权重体系，采用线性加权方法实现对云服务的信任评估，具体步骤如下：

(3-1)将步骤(1)中所求的规范化决策矩阵X'与步骤(2)中所求得的指标权重向量集W，代入云服务的信任评估线性加权公式中，计算云服务的信任评估值，以T(S_i)表示第i个云服务S_i的信任评估值，其计算公式如下：

T(S_i)＝∑(q'_ik×w_k)，i＝1,2,...,n；k＝1,2,...,m (9)

其中，ω_k为步骤(2)中所求得的指标权重集；q'_ik为规范化决策矩阵X'中第i行k列的QoS指标数据；采用主值模型进行信任评估，将区间数转换成二元联系数u_ik，接着，将u_ik转化成三角函数，三角函数成为原区间数的一个代表点，用三角函数主值参与信任评估，保存了原区间数对范围的限定，降低了不确定性，简化了运算过程；

(3-2)依据步骤(3-1)中的云服务的信任评估公式，计算各云服务的信任评估值；进一步对同一云提供商的不同服务或不同云提供商的同一服务进行信任评估。