云模型驱动的软件可信性评估方法及其实验验证

本文主要探讨了在软件应用领域快速扩张的背景下，如何有效解决软件可信性评估这一难题。传统的量化方法在处理软件可信问题时面临着不确定性和复杂性的挑战。为了克服这些困难，研究者提出了一种基于云模型的可信性评估模型。该模型以REST（Representational State Transfer，表述性状态转移）架构作为应用背景，REST架构以其分布式和可扩展性等特点，为构建可信性评估提供了良好的平台。 云模型理论在此研究中起到了关键作用，通过定义信任云和系统综合信任云，对软件的构成构件进行个体信任度评估，并进一步整合到系统整体的可信性评估中。这个过程从四个层面展开：首先，从可信基础参数的获取出发，这是评估的基础；其次，利用云模型理论生成每个构件的可信度分布，这有助于捕捉不确定性；接着，通过合并多个构件的信任云，形成系统的信任度；最后，将评估结果应用于实际的软件可信性决策和管理。 实验结果显示，基于云模型的可信性评估模型在提高评估精度和适应性方面表现出色，它能够更好地应对软件可信性评估中的动态变化和不确定性。这种模型的优势在于其灵活性，可以根据实际情况调整评估策略，为软件开发者和用户提供了更科学、全面的可信性评估工具。 该研究还涉及到了作者团队的专业背景，包括大连理工大学软件学院的副教授周勇，专注于高性能计算、数据流挖掘和软件体系结构可信性研究；顾聪越硕士，专注于软件体系结构可信性；以及水利工程学院的程春田教授，他的研究领域涵盖了水火电优化调度、智能算法和并行计算。他们的合作展示了跨学科视角在解决软件可信性问题上的价值。 这篇论文为软件可信性评估提供了一个创新的方法论，通过云模型理论和REST架构的应用，有望推动软件领域的可信性管理实践向前发展。同时，这也是一项得到了国家自然科学基金和中央高校基本科研业务费专项资金支持的研究项目，显示出学术界对这一问题的重视和投入。