《Table 1 Comparison between the proposed method and other methods表1本文方法与其它方法的比较》
从模型使用的核心理论角度来看,文献[9-11]都基于经典的证据理论进行建模,本文使用凸函数证据理论进行建模,因此具备了有序命题的处理能力,而经典证据理论并不具备处理有序命题的能力。在直接信任的表达上,文献[9]使用服务节点自身的硬件参数等属性作为直接信任,本文和文献[10,11]使用用户对服务的信任作为直接信任,服务自身的属性是固定的,而用户对服务的信任是动态变化的,更符合实际的云服务场景。在间接信任的表达上,文献[9]使用云中心对服务的信任作为间接信任,文献[10,11]使用其它服务对该服务的信任作为间接信任,本文使用多种间接信任,分别为用户对用户的信任、其它服务对该服务的信任和第三方机构对云服务的信任,更全面地考虑了云服务中存在的各类情况。在对云服务之间关联性处理方面,文献[9]未考虑服务间的关联性,文献[10]假设云服务之间是独立的,可以进行信任值的传递和聚合,文献[11]假设云服务之间是独立的,可以进行信任值的融合,本文考虑了同一云服务提供商的不同服务之间的关联,同一云服务提供商的服务可以进行信任值的融合,否则不能进行信任值的融合。实验部分将对本文提出的模型的优势进行进一步验证和说明。
图表编号 | XD0035524400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.01 |
作者 | 刘玮、邹璐琨、霸元婕、李广力、张志刚 |
绘制单位 | 长春大学旅游学院工学院、吉林大学计算机科学与技术学院、吉林大学计算机科学与技术学院、中国科学院计算技术研究所、中国科学院大学计算机与控制学院、长春大学旅游学院工学院 |
更多格式 | 高清、无水印(增值服务) |