劉大福1，蘇  旸1，2，謝洪安1，楊  凱1，2

　　(1.網(wǎng)絡(luò)與信息安全武警部隊(duì)重點(diǎn)實(shí)驗(yàn)室，陜西 西安710086；2.武警工程大學(xué)信息安全研究所，陜西 西安710086)

　　摘  要： 針對云服務(wù)環(huán)境下的云服務(wù)商和客戶之間缺乏信任建立和評估手段的問題，提出了一種基于客戶評價(jià)的信任模型CETrust。該模型首先應(yīng)用基于粗糙集理論的屬性約簡算法精簡評價(jià)數(shù)據(jù)，而后通過評價(jià)相似度的客戶過濾算法提升計(jì)算精度。充分考慮客戶的可信性，將總體評價(jià)與分項(xiàng)屬性評價(jià)結(jié)合來計(jì)算評價(jià)信任度，最后綜合第三方評估機(jī)構(gòu)的認(rèn)證結(jié)果得出綜合信任度。實(shí)驗(yàn)仿真結(jié)果表明，與同類技術(shù)相比，該模型特點(diǎn)是在不損失信任度計(jì)算精確性的條件下減少了計(jì)算量，能夠有效過濾各類惡意評價(jià)，得出真實(shí)反映云服務(wù)可信性的綜合評估結(jié)果。

　　關(guān)鍵詞： 云服務(wù)；信任模型；評價(jià)過濾；屬性約簡

0 引言

　　信任模型可以根據(jù)客戶與云服務(wù)的歷史交互行為和評價(jià)，使交易雙方能夠了解對方的可信程度，從而為客戶選擇云服務(wù)提供有價(jià)值的參考。學(xué)界針對其他分布式計(jì)算環(huán)境，如Ad Hoc網(wǎng)絡(luò)[1，2]和P2P網(wǎng)絡(luò)[3，4]已經(jīng)提出很多有效的信任模型。這些模型大多建立在對等條件下，每個(gè)節(jié)點(diǎn)都有自己的信任度，并且都能夠主動(dòng)發(fā)起與其他節(jié)點(diǎn)的信任度量評估。但是在云服務(wù)環(huán)境中的實(shí)體并不是對等關(guān)系，而是以客戶為主體對云服務(wù)商進(jìn)行評價(jià)和選擇；第三方評估機(jī)構(gòu)作為認(rèn)證決策者，其他實(shí)體接受其判斷。因此不能直接使用已有方案對云服務(wù)環(huán)境下的信任建模。

　　針對云服務(wù)環(huán)境實(shí)際情況，文獻(xiàn)[5，6]通過以監(jiān)督服務(wù)質(zhì)量（Quality of Service，QoS）和服務(wù)等級協(xié)議（Service Level Agreement，SLA）為基礎(chǔ)來獲取信任值，從而建立信任管理模型。但這種方式僅關(guān)注服務(wù)性能，對技術(shù)規(guī)格條款的分類模糊，缺乏對云服務(wù)安全能力的考慮。TALAL H N[7，8]等建立了一個(gè)基于信譽(yù)的云服務(wù)信任管理框架CloudArmor，但是框架中并沒有一個(gè)可信的第三方對信任值驗(yàn)證提供支持。中國可信云服務(wù)認(rèn)證組織建立了可信云網(wǎng)站(http：//www.kexinyun.org)，網(wǎng)站對信任管理與第三方認(rèn)證方式結(jié)合的服務(wù)選擇判斷進(jìn)行了初步嘗試，但其信任管理機(jī)制還很粗糙，難以抵抗各類惡意評價(jià)。

　　針對上述不足，本文建立了基于客戶評價(jià)的信任模型(Customer Evaluation based Trust Model，CETrust)，通過總體評價(jià)和分項(xiàng)可信屬性評價(jià)兩種方式計(jì)算信任度，根據(jù)第三方評估機(jī)構(gòu)權(quán)威認(rèn)證綜合評估信任度。提出性能和功能屬性約簡算法對計(jì)算的屬性項(xiàng)目進(jìn)行約簡，減少評價(jià)冗余和模型計(jì)算量。通過客戶之間總體評價(jià)和分項(xiàng)屬性評價(jià)相似度大小來過濾共謀客戶和惡意客戶的評價(jià)，提升模型信任度評估的準(zhǔn)確性。計(jì)算信任度過程中考慮客戶可信性，引入信任度增長和懲罰因子，提升模型動(dòng)態(tài)性能和評價(jià)的綜合性。

1 CETrust評價(jià)屬性約簡

　　參考云計(jì)算服務(wù)安全的2個(gè)國家標(biāo)準(zhǔn)[9，10]，本文將云服務(wù)環(huán)境中的實(shí)體簡化為云服務(wù)客戶(Cloud Service Customer，CSC)、云服務(wù)提供商(Cloud Service Provider，CSP)和第三方評估機(jī)構(gòu)(Third Party Assessment Organization，3PAO)。云服務(wù)的可信屬性分為3類：功能屬性、性能屬性和安全能力屬性。

　　由于云服務(wù)本身能力與CSC個(gè)體視角不同的原因，CSC對云服務(wù)性能屬性和功能屬性的評價(jià)可能產(chǎn)生不一致、不完整、不精確的情況；計(jì)算信任度時(shí)并不是每個(gè)屬性都起決定性作用，評價(jià)中可能存在相當(dāng)程度的冗余。因此CETrust基于知識(shí)信息量的屬性約簡算法評價(jià)屬性進(jìn)行約簡。

　　CSC對象集C=(c1，c2，…，ci)需要根據(jù)信任度選擇能夠滿足自身個(gè)性化需求的云服務(wù)，每個(gè)云服務(wù)都有性能屬性和功能屬性集合A=(a1，a2，…，am)，CSC對A中的屬性進(jìn)行評價(jià)，值域?yàn)镈=(D1，D2，…，Dn)。這樣CSC對云服務(wù)的屬性評價(jià)構(gòu)成一個(gè)信息系統(tǒng)S=(C，A，D，f)。

　　定義 1[11]  設(shè)S=(C，A，D，f)為一個(gè)信息系統(tǒng)，C為論域，R是A上的等價(jià)關(guān)系族。如果Q?哿R，且Q≠?覫，則Q的所有等價(jià)關(guān)系的交也是一個(gè)等價(jià)關(guān)系，記作IND(Q)。

　　定義 2[11]  設(shè)R是一個(gè)等價(jià)關(guān)系族，r∈R，如果IND(R)=IND(R-{r})，則稱r在R中是可被約去的知識(shí)；如果P=R-{r}是獨(dú)立的，則P是R中的一個(gè)約簡。

　　定義 3[11]  R中所有不可約去的關(guān)系稱為核，由它構(gòu)成的集合稱為R的核集，記作CORE(R)。

　　定義4  客戶Cx的屬性評價(jià)知識(shí)P?哿A，且C_IND(P)=(C1，C2，…，Cx)，則知識(shí)P的信息量為：

　　其中表示等價(jià)類Ci在C中的概率，|Ci|表示集合C的基數(shù)。

　　定義5  屬性ap∈A(1≤p≤m)在A中的重要性為：

　　即a的重要性表示為在A中去掉a后引起信息量變化的大小。

　　假設(shè)R?哿A，a∈R，最小約簡中每一個(gè)屬性的權(quán)值表示為Wl=(wl1，wl1，…，wlm)，則基于知識(shí)信息量的屬性約簡算法描述如下：

　　輸入：信息系統(tǒng)S=(C，A，D，f)；

　　輸出：最小約簡RED(A)，各屬性的權(quán)值。

　　(1)由式(2)循環(huán)計(jì)算核集CORE(R)，若E(a)>0則屬性a標(biāo)記為核屬性；

　　(2)RED(A)=CORE(R)，若IND(RED(A))=IND(R)則轉(zhuǎn)到步驟(5)，否則進(jìn)入步驟(3)；

　　(3)?坌a∈R-RED(R)，由式(1)計(jì)算每個(gè)屬性的信息量，并標(biāo)記當(dāng)前重要性最大的屬性ap；

　　(4)RED(A)=RED(A)∪：{ap}，轉(zhuǎn)到步驟(2)；

　　(5)：輸出最小約簡RED(A)；

　　(6)：輸出。

　　假設(shè)若CSC使用過CSP提供的云服務(wù)，則需要對其作整體評價(jià)，并且針對性能和功能屬性分別作屬性評價(jià)。參與評價(jià)的全體客戶記為RC={cp|1≤p≤i}。經(jīng)過屬性約簡后的評價(jià)矩陣表示為：

2 CETrust客戶評價(jià)過濾

　　惡意評價(jià)通常有2種：(1)利用共謀方式夸大或詆毀云服務(wù)信任評價(jià)以獲取利益的共謀客戶MC(Malicious Consumer)的評價(jià)，這類評價(jià)具有明顯的相似性；(2)以不負(fù)責(zé)的行為或報(bào)復(fù)心理進(jìn)行的惡意客戶CC(Collusive Consumer)的評價(jià)，這類評價(jià)有很高的隨意性，與其他正常的評價(jià)有明顯不同。

　　假設(shè)云服務(wù)環(huán)境中大部分客戶對云服務(wù)進(jìn)行符合自身實(shí)際情況的正常的評價(jià)，小部分客戶進(jìn)行了惡意評價(jià)。那么，在第k+1次評價(jià)中，當(dāng)此客戶的評價(jià)與其他大部分客戶有一定程度不同時(shí)，客戶的真實(shí)性存疑。即：

　　其中1≤p≤i，?灼(0<?灼<１)表示可疑評價(jià)檢測閾值。評價(jià)超過閾值的客戶cp被標(biāo)記為可疑客戶SC(Suspicious Consumer)。SC中任意兩個(gè)客戶ce和cf間第k+1次的評價(jià)相似度為：

　　其中，1≤e≤s，1≤f≤s，e≠f。越高，客戶就越可能是MC，設(shè)共謀客戶閾值為?字(0<?字<1)；越低，客戶越可能是CC，設(shè)惡意客戶閾值為?啄(0<?啄<?字<1)。

　　使用基于評價(jià)相似度的客戶過濾算法過濾惡意評價(jià)，具體如下：

　　輸入：可疑客戶集SC，評價(jià)矩陣E；

　　輸出：MC和CC的數(shù)量。

　　(1)由式(5)計(jì)算任意兩個(gè)客戶ce和cf間第k+1次的評價(jià)相似度；

　　(2)構(gòu)建模糊圖SG=(V，E)的最大生成樹，V表示頂點(diǎn)集，每一個(gè)頂點(diǎn)代表一個(gè)客戶，E表示無向邊集，邊的權(quán)重為評價(jià)相似度，標(biāo)記所有頂點(diǎn)為SC；

　　(3)減去≤≤字的邊；

　　(4)標(biāo)記聚集起來>字的頂點(diǎn)為CC，標(biāo)記分散人<的頂點(diǎn)為MC；

　　(5)分別輸出MC和CC的標(biāo)記數(shù)量。

3 CETrust信任度計(jì)算

　　3.1 評價(jià)信任度計(jì)算

　　在第k+1輪評價(jià)中分項(xiàng)屬性ac的信任度為：

　　在第k+1輪評價(jià)中OE信任度為：

　　在第k+1輪評價(jià)后，分項(xiàng)屬性ac的信任度為：

　　其中，

　　在第k+1輪評價(jià)后，OE的信任度為：

　　其中，

　　為信任值增長因子，為信任值懲罰因子，和設(shè)為0.5。

　　在第k+1輪評價(jià)后，由分項(xiàng)屬性ac聚合的信任度為：

　　最后驗(yàn)證<5%，認(rèn)為客戶的總體評價(jià)和分項(xiàng)的屬性評價(jià)能夠相互印證，取值為：

　　3.2 綜合信任度評估

　　由CSC的評價(jià)計(jì)算出性能屬性和功能屬性的信任度后，需要和3PAO對安全能力屬性的認(rèn)證評估綜合，從而得到對云服務(wù)的完整的綜合信任度。綜合信任度與云服務(wù)編號(hào)組成信譽(yù)表Table(CSnum，TDcs)。綜合信任度評估方法為：

　　其中，As取值為1或0，當(dāng)TDcs≥1時(shí)，表示云服務(wù)經(jīng)過3PA0的評估認(rèn)證；當(dāng)TDcs<1時(shí)，表示沒有經(jīng)過3PA0的評估認(rèn)證，其信任度由其他CSC的評價(jià)計(jì)算而出。CSC如果對安全能力有要求，則應(yīng)當(dāng)從綜合信任度大于1的云服務(wù)中進(jìn)行選擇；如果CSC對安全能力沒有要求，則可以考慮其他客戶評價(jià)計(jì)算出的信任度。

4 實(shí)驗(yàn)仿真與分析

　　采用NetLogo5.2平臺(tái)對云服務(wù)信任模型進(jìn)行實(shí)驗(yàn)仿真。假設(shè)某云服務(wù)的性能和功能屬性共10項(xiàng)，評價(jià)等級劃分為D=(D1，D2，D3，D4，D5)，即滿意、較滿意、一般、不滿意、差，量化為1、0.75、0.5、0.25、0。RC總數(shù)設(shè)置為1 000人，評價(jià)次數(shù)設(shè)置為50次。進(jìn)行評價(jià)的客戶設(shè)置為3類，分別是：正?？蛻鬘C共850人，共謀客戶CC共100人，惡意客戶MC共50人。各參數(shù)設(shè)置為：=0.50，=0.85，=0.20，=0.60，=0.90。

　　4.1 惡意評價(jià)過濾

　　圖1顯示CETrust在50次評價(jià)中檢測出的SC、CC和MC的數(shù)量，基本穩(wěn)定后平均值為SC=211、CC=103、MC=52。由于不同客戶對同一云服務(wù)的各項(xiàng)性能和功能屬性主觀體驗(yàn)各不相同但大體一致，因此模型對客戶類型的檢測數(shù)量會(huì)不斷波動(dòng)，但平均數(shù)趨于一致。SC、CC、MC檢測結(jié)果略大于實(shí)驗(yàn)設(shè)置的標(biāo)準(zhǔn)值（5%左右）。實(shí)際是以提升誤檢率為代價(jià)減少漏檢率的，目的是提升模型抵抗惡意評價(jià)的能力。

　　4.2 屬性約減后的信任度

　　圖2中CAR和CAR-RE分別表示不進(jìn)行屬性約減和進(jìn)行屬性約減兩種情況得到的信任度曲線。CAR和CAR-RE曲線總體保持一致，在第50輪時(shí)信任度都穩(wěn)定在0.69。說明CETrust在進(jìn)行屬性約簡后沒有損失信息系統(tǒng)的信息，在減小計(jì)算量的同時(shí)保持了與屬性約簡前的計(jì)算準(zhǔn)確度。CR曲線表示客戶的總體評價(jià)得到的信任度，由于評價(jià)尺度粒度較粗，不同客戶的不同評價(jià)標(biāo)準(zhǔn)使用總體評價(jià)CR和分項(xiàng)屬性評價(jià)CAR(CAR-RE)信任度有6%左右的偏差。

　　4.3 Eigen-Trust與CETrust的信任度

　　將Eigen-Trust模型[12]作為基準(zhǔn)與CETrust的總體和分項(xiàng)屬性評價(jià)聚合計(jì)算出的信任度TD進(jìn)行對比。設(shè)置兩個(gè)模型的初始信任度都為0.5。圖3中CETrust信任度穩(wěn)定在0.70，Eigen-Trust信任度平均值為0.79。由于Eigen-Trust僅將服務(wù)質(zhì)量作為評價(jià)時(shí)信任度計(jì)算的指標(biāo)，因此在計(jì)算信任度時(shí)對惡意評價(jià)的過濾效果不夠好，導(dǎo)致其信任度在計(jì)算時(shí)受到不負(fù)責(zé)任的評價(jià)影響的會(huì)有較大波動(dòng)，受到共謀的夸大影響使可信度計(jì)算結(jié)果偏高。

5 結(jié)論

　　本文提出了一種云服務(wù)環(huán)境下基于客戶評價(jià)的信任模型，結(jié)合粗糙集理論確定分項(xiàng)屬性權(quán)重，基于知識(shí)信息量的屬性約簡算法減少分項(xiàng)屬性信任度的計(jì)算量，使用基于評價(jià)相似過濾算法去除惡意評價(jià)影響，最后通過第三方機(jī)構(gòu)的認(rèn)證評估結(jié)果得到了能夠真實(shí)準(zhǔn)確反應(yīng)客戶評價(jià)的綜合信任度。仿真與分析結(jié)果表明，該模型能夠通過標(biāo)識(shí)共謀客戶和惡意客戶方法，有效應(yīng)對各類惡意評價(jià)，在不損失信任度計(jì)算精確性的條件下減少了計(jì)算量，為當(dāng)前云服務(wù)信任度評估和云服務(wù)選擇提供了一種有效方法。

　　參考文獻(xiàn)

　　[1] 田春岐，黃震華，鄒仕洪.構(gòu)建自組網(wǎng)絡(luò)中基于興趣群組的激勵(lì)機(jī)制[J].電子學(xué)報(bào)，2015，43(12)：2466-2469.

　　[2] RAVINDRA J M，DADASO T M.TRAODV：Trusted and robust adhoc on demand distance vector routing in MANET [J].International Journal of Computer Science and Information Technologies，2015，6(3)：2342-234.

　　[3] KANG X，WU Y.A trust-based pollution attack prevention scheme in peer-to-peer streaming networks[J].Computer Networks，2014，72(7)：62-73.

　　[4] 陳衛(wèi)東，李敏強(qiáng)，趙慶展.基于P2P環(huán)境下的Web服務(wù)選擇信任模型研究[J].計(jì)算機(jī)科學(xué)，2015，42(1)：113-118.

　　[5] ALHAMAD M，DILLON T,CHANG E.SLA-based trust model for cloud computing[C].NBIS：Proceedings of 13th International Conference on Network-Based Information Systems，IEEE，2010：321-324.

　　[6] QU C，BUYYA R.A cloud trust evaluation system using hierarchical fuzzy inference system for service selection[C].Proceedings of IEEE 28th International Conference on Advanced Information Networking and Applications，IEEE，2014：850-857.

　　[7] TALAL H N，QUAN Z S，NGU A H，et al.CloudArmor：supporting reputation-based trust management for cloud services[J].IEEE Transactions on Parallel and Distributed，2016，27(2)：367-380.

　　[8] TALAL H N，QUAN Z，ZEADALLY S，et al.Trust management of services in cloud environments：obstacles and solutions[J].ACM Computing Surveys，2013，46(1)：28-36.

　　[9] 全國信息安全標(biāo)準(zhǔn)化技術(shù)委員會(huì).GB/T 31168-2014信息安全技術(shù)云計(jì)算服務(wù)安全指南[S].北京：中國標(biāo)準(zhǔn)出版社，2014.

　　[10] 全國信息安全標(biāo)準(zhǔn)化技術(shù)委員會(huì).GB/T 31167-2014信息安全技術(shù)云計(jì)算服務(wù)安全能力要求[S].北京：中國標(biāo)準(zhǔn)出版社，2014.

　　[11] 王國胤，姚一豫，于洪.粗糙集理論與應(yīng)用研究綜述[J].計(jì)算機(jī)學(xué)報(bào)，2009，32(7)：1229-1246.

　　[12] SEPANDAR D K，MARIO T S，HECTOR G M.The EigenTrust algorithm for reputation management in P2P networks[C].Proceedings of the 12th Int'l Conf.on World Wide Web.Budapest：ACM Press，2003：640-651.