抑制恶意评价与虚假数据的Web服务QoS参数计算方法

"本文介绍了一种针对Web服务选择的QoS参数计算方法，旨在减少用户恶意评价和服务提供者虚假数据对QoS参数的影响，提高参数真实性和服务选择的准确性。该方法结合了Sproas信任模型和服务的负载状态参量，以增强参数的稳定性和与实际值的相似度，同时有助于改善Web服务的负载均衡。" 正文: 在当前的互联网环境中，Web服务已成为系统集成的关键部分，尤其是在面向Internet的服务体系结构中。随着大量Web服务在UDDI上注册，服务选择过程中考虑服务质量（QoS）的重要性日益凸显。QoS参数包括服务费用、执行时间、可用性、可靠性和安全性等，这些参数通常分为两类：来自服务请求者的参数和来自服务提供者的参数。 然而，现有的QoS计算方法存在一定的缺陷，它们假设所有参数都是完全可信的，未考虑恶意用户和提供者可能带来的不真实数据。已有文献如[1-3]提出的优化服务选择方法虽有其独特之处，但未能有效解决这些问题。因此，提出的新方法旨在解决这些不足，通过一种QoS参数计算方法，包括两个主要部分：计算来自服务请求者的参数和来自服务提供者的参数。 新方法采用Sproas信任模型来处理来自服务请求者的参数。这种模型能够通过过滤恶意用户评价，提高参数值的稳定性，从而降低用户恶意行为对服务声誉度的影响。通过引入Web服务的负载和状态参量，该方法可以更准确地计算来自服务提供者的参数，降低服务提供者发布虚假数据的影响力，进一步提高参数与实际值的相似度，确保服务选择的准确性。 此外，这种方法还考虑了服务的负载均衡，通过改进的QoS参数计算，可以更有效地分配资源，避免服务过载，提升整体系统性能。文献中提到，新方法在模拟实验中显示，服务请求者的参数值稳定性提高了9.8%，而服务提供者的参数值与实际值的相似度平均提高了16.7%。 综合来看，本文提出的QoS参数计算方法结合了信任模型和社会统计原理，能够有效地对抗恶意用户评价和服务提供者虚假数据的影响，提高Web服务选择过程中的QoS参数真实性，同时优化了系统的负载均衡。这一方法对于构建更加安全、可靠的Web服务环境具有重要的理论和实践价值。