[发明专利]基于Bayes模型的Hadoop架构信任评估方法

权利要求书

1.一种基于Bayes模型的Hadoop架构信任评估方法，其特征在于：

主要利用Hadoop架构云安全平台信任链路对客户的信任行为的评价，再采用评价结果控制客户端获取的服务资源，从而防止恶意客户端非法竞争资源，进而降低Hadoop架构云安全平台的服务质量。

2.根据权利要求1所述基于Bayes模型的Hadoop架构信任评估方法，其特征在于：

所述Hadoop架构云安全平台信任链路包括DataNode、NameNode/备份NameNode和JobTracker，实现对客户端节点的信任行为评分，具体包括：

Hadoop架构云平台中的每个DataNode节点对客户端进行周期性的信任服务评价，然后将自己对客户端的评估结果传输给NameNode/备份NameNode；当NameNode节点正常工作时，备份NameNode处于“休眠”状态，否则DataNode节点返回的信任数据由备份NameNode节点接收，再进行信任计算处理；JobTracker用于Hadoop架构云平台的监控功能，该节点输入信息是来自NameNode/备份NameNode，输出给每个DataNode节点用于修正DataNode节点对每个客户端节点行为的信任值；

当客户端节点接入Hadoop架构云平台时，信任监控节点JobTracker与信任链路控制节点NameNode/备份NameNode进行信任信息交互，在完成信任计算初始化之后，NameNode/备份NameNode将选择某些DataNode节点对客户端提供存储和计算数据服务，并驱动正在提供服务的DataNode节点按照部署的位置次序形成逐一对当前客户端节点的行为进行考核的信任数据链，即上一个DataNode节点将信任值通过I/O传输链路传递给下一个DataNode节点，最后末尾DataNode节点返回所有信任值给NameNode/备份NameNode；当信任链路控制节点NameNode/备份NameNode收到信任评价值时，信任监控节点JobTracker与信任链路控制节点NameNode/备份NameNode再次进行信任信息“交换”后，信任监控节点JobTracker确定客户端的信任值。

3.根据权利要求2所述基于Bayes模型的Hadoop架构信任评估方法，其特征在于：

每个客户端节点行为信任值由信任监控节点JobTracker、信任链路控制节点NameNode/备份NameNode和存储节点DataNode共同决定，首先客户端节点在接入Hadoop架构云平台之前，信任监控节点JobTracker利用Kerberos认证协议对其合法性进行验证，然后给与合法的接入云平台票据授权；客户端节点只有通过了云平台的身份识别，信任监控节点JobTracker才对其行为信任进行评估计算。

4.根据权利要求2或3所述基于Bayes模型的Hadoop架构信任评估方法，其特征在于：

所述NameNode节点对客户端的信任值通过如下方法计算得到：

当客户端x与云端y发生n次服务交互后，在客户端获取服务的过程中，它表现为正常行为的次数为u，非正常行为次数为v，则客户端x和云端y直接交互成功的后验概率服从Beta分布，其密度函数为：

Beta(θ|u,v)=Γ(u+v+2)Γ(u+1)Γ(v+1)θu(1-θ)v---(1)]]>

其中，Γ(x)是伽玛函数；

直接信任度为

θxy=E[Beta(θ|u+1,v+1)]=u+1n+2---(2)]]>

其中，E[x]对Beta分布取期望值；

每个客户端的信任度由Hadoop架构云平台的所有云端共同决定；假设基于Hadoop架构云平台中云端数为m个，且通常情况下每个云端评判客户端行为的重要性等级是相同的，则云平台中的NameNode节点对客户端x的信任值为

θx=Σy∈{1,...,m}θxym.]]>