[发明专利]一种基于用户诚实度的动态的Web服务信任评估方法

说明书

技术领域

本发明提出了一种基于用户诚实度的动态的Web服务信任评估方法，属于Web服务动态信任评估技术领域。

背景技术

随着Web服务技术的日益成熟，越来越多的Web服务出现在网络上。对于服务的使用者和组合服务的开发者（统称“用户”）来说，都面临着一个问题，即如何在功能相似的Web服务中进行挑选。这时，就需要引入信任问题，从用户的角度，对Web服务的可信性进行评估，以指导可信服务的选择。

早期关于信任问题的研究中，学者们将传统的安全认证授权机制中隐含的信任概念抽取出来，并以此为中心进行展开。最具代表性的是Matt Blaze等人的研究工作，他们在1996年首次提出了“信任管理(trust management)”的概念，并用于解决互联网服务的安全问题。他们提出的信任管理模型，其本质还是一种基于凭证的信任模型，是对信任的一种理性的、客观的评价方法。

然而一些学者（如Alfarez Abdul-Rahman，Diego Gambetta和Audun等）指出，信任应该是带有主观性的、是非理性的，基于此观点，学者们提出了一些经典的信任评估模型，如信任度评估模型和Beth信任评估模型等等。随着研究工作的推进，多种理论方法被引入到信任领域中，例如贝叶斯网络、模糊逻辑、信息熵、云模型、灰色理论等等，从而形成了多种多样的信任评估方法。

现有的信任评估方法中，学者们考虑了多方面的因素对信任的影响，如直接交互经验和从其他用户获取的信任值。直接交互经验又包括用户获得的客观的服务质量和用户对服务的主观评价；从其他用户获取信任值有两种方式，一种是通过相似用户推荐，另一种是信任链的传递。综观现有的模型，不仅研究了多种多样的信任值的量化和表示方法，还研究了信任传递以及综合信任计算的方法，但其中仍然存在一些问题：

1.现有的信任评估方法，多集中在如何将信任证据进行整合，从而导出客观的信任度评估值。关于信任证据的来源，其中有的只考虑交互成功次数，有的考虑多维服务质量属性（由监控部件在用户端进行质量数据的监控）。在考虑了多维质量属性的方法中，有的不考虑用户对服务的质量属性的偏好（多维信任证据在整合时所占的权重），而考虑用户偏好的评估方法，大多要求用户手动设置不同质量属性的权重，不能够自动从用户需求中挖掘出用户偏好。

2.新用户对Web服务的信任度评估在很大程度上依赖于从其他用户间接获取的信任值，而Web服务在一个开放式的环境下，难免会存在一些用户对服务进行恶意评价（包括恶意诋毁和恶意好评），这些恶意的评价会误导新用户进行错误的决策。现有的信任模型中，检测恶意评价的方法，或是通过与可信第三方的评价进行比较，或是将评价与客观的服务能力可信度进行比较。其中存在的问题：一方面，用户对服务的评价与其偏好有很大关系，而第三方的评价或者客观能力可信度无法涵盖不同偏好的用户，可能产生误判现象；另一方面，第三方评价和能力可信度都属于客观的数据，而客观数据与主观数据比较的合理性还有待研究。

3.现有信任模型中，提供恶意评价的用户对服务的直接信任值，将不参与间接信任的计算。这样的处理方法不够合理：一方面，现有恶意评价的检测方法很可能将诚实的评价误判为恶意评价，如果去除这部分用户的直接信任值，会导致计算出的间接信任不够全面；另一方面，即使是提供了恶意评价，那些用户的客户端监控到的质量数据对服务的信任度评估仍然存在一定的价值，所以不应采取完全去除的方法。

发明内容

本发明的目的是提出一种基于用户诚实度的动态的Web服务信任评估方法，可以降低恶意评价对Web服务信任评估的影响，提高信任评估的准确性，更好地指导用户进行可信服务的选择。

为了实现以上目的，本发明采取的技术方案如下：一种基于用户诚实度的动态的Web服务信任评估方法，包括如下几个步骤：

1）根据用户对服务质量的需求以及监控的质量数据，分别评估每一维质量属性的可信值；

2）从用户对服务质量的需求中自动挖掘用户偏好；

3）由每一维质量属性可信值，根据用户偏好设定权重加权求和，计算客观质量可信值；

4）根据用户偏好，划分相似用户群，在偏好相似用户群中，基于评价一致用户聚类，将诚实用户与恶意用户区分开来，评估用户群的用户诚实度；

5）根据用户诚实度设定主观评价的权重，将主观评价与客观质量可信值加权求和，计算最终综合信任评估值。

所述步骤1）中，根据用户对Web服务质量的需求以及监控的质量数据，分别评估每一维质量属性的可信性ToQ的具体方法如下：