[发明专利]云计算中基于粗糙集的服务量化方法

说明书

技术领域

本发明涉及计算机网络安全技术领域，尤其涉及云计算中基于粗糙集的服务量化方法。

背景技术

云计算是一种“一切皆服务”的计算模式，为用户提供灵活便利、高度可扩展的IT资源。在云计算中，用户所关心的核心问题不再是计算资源本身，而是他所能获得的服务。这种模式给我们带来前所未有服务体验的同时，也将在利用网络过程中个人用户端所面临的安全问题转移到云计算中心。

用户在选择云计算中心的时候，往往需要将管理和保护数据的责任转移给信誉高、可靠性高、安全性好的服务提供商。因此，在云计算环境中如何有效保护用户的隐私信息，是其提升用户体验和应用推广的关键。

在云中多租户应用场景中,由于多租户应用处理的需求,租户数据是动态持续变化的,现有的隐私保护方法并不能完全解决云环境下的动态及可控性要求，隐私的多样性及个性化问题。

当下面临的亟待解决的一个技术问题就是：如何提出一种有效措施以满足实际应用的更多需求。

发明内容

本发明所要解决的技术问题是提供一种云计算中基于粗糙集的服务量化方法，用于解决云计算环境中云用户以保护个人隐私为着眼点量化选择服务。

为了解决上述问题，本发明提供一种云计算中基于粗糙集的服务量化方法，包括：

输入云计算环境中待选服务的属性集合；

输出待选服务的量化值；

计算每个待选服务对象中每个服务属性对于信任属性的依赖度；

比较每个待选服务对象中信任属性得出判断矩阵，并计算行元素的几何平均值；

计算每个待选服务对象中信任属性的权重系数；

计算服务的量化值。

进一步的，所述属性集合包括服务属性和信任属性。

进一步的，所述信任属性包括低中高三级。

进一步的，所述服务属性包括时间属性和空间属性。

综上，本发明提出了一种以信任为依托的服务量化方法，使用户在选择和使用服务时，可结合自身的情况和对云计算中心的信任动态调整用户隐私释放粒度，满足用户的个性化隐私需求的同时量化服务，对着服务的选择有着明确的指示。

进一步的，本发明提出的基于粗糙集的服务量化方法用隐私信息与信任间的依赖关系量化服务提供，借以综合评价选择云计算环境中的服务提供者，分析表明，该方法适用于云计算环境中时间迁移、环境改变和自身发展而形成动态性，能够起到个性化隐私保护的目的。

附图说明

图1是本发明的云计算中基于粗糙集的服务量化方法的流程示意图；

图2是信任值与服务量化关系的示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，下面结合附图与实例对本发明作进一步详细说明。但所举实例不作为对本发明的限定。

如图1所示，本发明提供一种云计算中基于粗糙集的服务量化方法的流程示意图，包括：

输入云计算环境中待选服务的属性集合；

输出待选服务的量化值；

计算每个待选服务对象中每个服务属性对于信任属性的依赖度；

比较每个待选服务对象中信任属性得出判断矩阵，并计算行元素的几何平均值；

计算每个待选服务对象中信任属性的权重系数；

计算服务的量化值。

优选的，所述属性集合包括服务属性和信任属性。

优选的，所述信任属性包括低中高三级。

优选的，所述服务属性包括时间属性和空间属性。

实际应用中，在云计算环境中从用户隐私保护（可控服务）的需求出发，云用户作为决策者分析服务的多种属性，并作出隐私信息与服务信息之间的等价替换，形成基于隐私信息的个性化服务信息表示，通过服务属性与云用户对服务的信任属性间存在的相互依赖关系对服务进行量化，作出服务选择，以此达到动态个性化隐私保护的目的。

基于粗糙集的服务量化方法

输入：云计算环境中待选服务的属性集合，主要包括服务属性C和信任属性D

输出：待选服务的量化值

step1.计算每个待选服务对象x_i中每个C属性对于D的依赖度d_i，这里其中为条件属性C_i值为e所对应的对象集合；

step2.比较每个待选服务对象x_i中信任属性D_i得出判断矩阵，计算行元素的几何平均值（由公式1）；