[发明专利]基于Qos驱动的工业物联网服务方法、存储介质和终端有效
申请号: | 201910317035.0 | 申请日: | 2019-04-19 |
公开(公告)号: | CN109873880B | 公开(公告)日: | 2021-10-29 |
发明(设计)人: | 亓晋;张振威;孙雁飞 | 申请(专利权)人: | 南京邮电大学 |
主分类号: | H04L29/08 | 分类号: | H04L29/08 |
代理公司: | 南京苏科专利代理有限责任公司 32102 | 代理人: | 姚姣阳 |
地址: | 210003 江苏*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 qos 驱动 工业 联网 服务 方法 存储 介质 终端 | ||
1.一种基于QoS驱动的工业物联网服务方法,其特征在于,包括:
接收工业互联网服务需求方发送的工业互联网服务请求;
基于所接收到的工业互联网服务请求,构建以响应时间、可用性、吞吐量、可信度作为评价指标的多指标协同服务适配模型;
采用所构建的多指标协同服务适配模型从可选的服务提供方中筛选出对应的服务提供方构成处理所述工业互联网服务请求的最佳服务组合;
基于所述服务提供方在处理已完成工业物联网服务中的合作度评价信息,从所述服务提供方中过滤出非可信服务提供方,具体包括:获取所述处理已完成工业物联网服务的服务组合中的所有服务提供方的信息;对所述服务组合中的所有服务提供方进行遍历,获取遍历至的当前服务提供方;分别获取所述服务组合中的其他服务提供方对当前服务提供方在处理已完成工业物联网服务过程中的合作度评价的信息;基于所获取的合作度评价信息,分别计算所述服务组合中的其他服务提供方对所述当前服务提供方的综合评价数值,生成当前服务提供方的综合评价集合;基于所述服务提供方的综合评价集合,计算当前服务提供方的综合评价平均值和综合评价标准差;分别计算所述综合评价集合中的各个综合评价数值与当前服务提供方的综合评价平均值之间的差值,生成当前服务提供方对应的评价偏离量集合;当计算得到的所述综合评价标准差小于预设的标准差阈值时,将所述评价偏离量集合中数值较大的预设数量个评价偏离量对应的其他服务提供方的怀疑次数增加预设的数值;当计算得到的所述综合评价标准差大于或等于所述标准差阈值且所述评价偏离量集合中存在大于对应的无效评价阈值的偏移量时,将大于对应的无效评价阈值的偏移量对应的其他服务提供方的怀疑次数增加所述数值;获取所述服务组合中的下一服务提供方作为当前服务提供方,直至所述服务组合中所有服务提供方全部遍历完成;获取所述服务组合中各个服务提供方的怀疑次数和评价次数的信息;基于所获取的服务提供方的怀疑次数和评价次数,计算得到对应的服务提供方的怀疑率;当计算得到的怀疑率和评价次数均大于对应的阈值时,将对应的服务提供方作为非可信服务提供方进行过滤;
采用所述最佳服务组合处理所述工业互联网服务请求。
2.根据权利要求1所述的基于QoS驱动的工业物联网服务方法,其特征在于,所构建的多指标协同服务适配模型为:
且对应的约束条件为:
其中,QoS表示所述多指标协同服务适配模型,Re表示所述工业互联网服务所能接受的最大响应时间,Ri表示构成所述工业互联网服务的第i个子服务的响应时间,A表示所述工业互联网服务所能接受的可用性,Ai表示构成所述工业互联网服务的第i个子服务的可用性,Th表示所述工业互联网服务所能接受的最小网络吞吐量,Thi表示表示构成所述工业互联网服务的第i个子服务的网络吞吐量,T表示所述工业互联网服务所能接受的最低可信度,Ti表示构成所述工业互联网服务的第i个子服务的可信度,n表示构成所述工业互联网服务的子服务的个数。
3.根据权利要求1所述的基于QoS驱动的工业物联网服务方法,其特征在于,采用如下的公式计算得到所述服务提供方的综合评价数值:
且:
其中,Ei表示第i个服务提供方的综合评价数值,Qj,i表示第j个服务提供方对第i个服务提供方的评价数值,Ti(t)表示第i个服务提供方在时间t时的个人信誉度,Ti(t-Δt)表示第i个服务提供方在时间(t-Δt)时的个人信誉度。
4.根据权利要求1所述的基于QoS驱动的工业物联网服务方法,其特征在于,所述无效评价阈值为基于对应的所述综合评价标准差计算得到。
5.根据权利要求1所述的基于QoS驱动的工业物联网服务方法,其特征在于,采用如下的公式计算得到所述无效评价阈值:
其中,H(σi)表示第i个服务提供方对应的无效评价阈值,σi表示第i个服务提供方对应的无效评价阈值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京邮电大学,未经南京邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910317035.0/1.html,转载请声明来源钻瓜专利网。