模糊Petri網(wǎng)及其在Web服務(wù)信任評(píng)估中的應(yīng)用

摘 要:為了提高 Web服務(wù)的信任評(píng)估準(zhǔn)確度和交互成功率，提出了一種新的基于模糊Petri網(wǎng)的Web服務(wù)信任評(píng)估模型(WS-TEM)。該模型給出了評(píng)估的模糊信任規(guī)則，在此基礎(chǔ)上，提出了一種基于模糊Petri網(wǎng)的推理算法，并使用模糊Petri網(wǎng)中知識(shí)表示和運(yùn)行的基本算法，并行處理一個(gè)服務(wù)實(shí)體的多個(gè)推薦信任來(lái)綜合評(píng)估Web服務(wù)實(shí)體間的信任關(guān)系。經(jīng)過模擬實(shí)驗(yàn)和分析表明，該模型在Web服務(wù)信任評(píng)估上更加準(zhǔn)確可靠，從而降低了交互的風(fēng)險(xiǎn)，保證了交互的成功率。

關(guān)鍵詞:信任評(píng)估模型; 信任度更新算法; 模糊Petri網(wǎng); 模糊推理算法

中圖分類號(hào):TP393

文獻(xiàn)標(biāo)志碼:A

文章編號(hào):1001-3695(2010)02-0573-04

doi:10.3969/j.issn.1001-3695.2010.02.047

Fuzzy Petri net and its application in Web services trust evaluation

LI Ji， ZHU Xiao-yong

(School of Computer， Chongqing University， Chongqing 400044， China)

Abstract:In order to improve the accuracy of trust evaluation and the success rate of interaction of Web services，this paper proposed a new Web services trust evaluation model WS-TEM based on the fuzzy Petri net. This model gave the fuzzy trust rules of evaluation， based on it， proposed a reasoning algorithm based on the fuzzy Petri net. This model used the knowledge of fuzzy Petri net to represent and run basic algorithm which applied to comprehensive evaluation trust relation of Web services entities by parallel processing of more than one recommended trust. The result of simulative experiment and analysis show that this model on the trust evaluation of Web services becomes more accurate and reliable， consequently the interaction risk is reduced and ensured the success rate of interaction.

Key words:trust evaluation model; trust value update algorithm; fuzzy Petri net; fuzzy reasoning algorithm

在Web服務(wù)環(huán)境中，實(shí)體間的交互和協(xié)作行為更加普遍，服務(wù)請(qǐng)求者和服務(wù)提供者需要建立在彼此信任的基礎(chǔ)上，因此信任問題在Web服務(wù)環(huán)境中變得越來(lái)越重要。傳統(tǒng)的信任關(guān)系研究呈現(xiàn)的是一種確定性的基于策略的客觀信任關(guān)系，實(shí)體之間的信任只有信任和不信任，如PKI中的證書、訪問控制中的ACL等。由于這些客體規(guī)定了嚴(yán)格的信任關(guān)系，應(yīng)用在Web服務(wù)信任評(píng)估上不能對(duì)實(shí)體間信任關(guān)系的主觀性、模糊性、不確定性作出推理判斷。

在對(duì)Web服務(wù)信任評(píng)估的模糊性、不確定性的推理判斷中，由于模糊Petri網(wǎng)[1]更符合人類的思維和認(rèn)知方式，描述和分析Web服務(wù)信任關(guān)系的模糊性和并發(fā)性具有廣泛的意義。本文提出了一種基于模糊Petri網(wǎng)的Web服務(wù)信任評(píng)估模型(WS-TEM)，該模型通過綜合初始實(shí)體的初始感知度(對(duì)目標(biāo)實(shí)體的主觀性度量)和推薦信任來(lái)綜合評(píng)估目標(biāo)實(shí)體的信任度，以便與目標(biāo)實(shí)體建立直接的信任關(guān)系。

1 Web服務(wù)信任評(píng)估模型

1.1 Web服務(wù)信任評(píng)估模型(WS-TEM)

Web服務(wù)基于SOA(service oriented architecture)模型，該模型由三個(gè)參與者和三個(gè)基本的操作組成。三個(gè)參與者分別是服務(wù)提供者(service provider， SP)、服務(wù)請(qǐng)求者(service requester， SR)、服務(wù)注冊(cè)中心(service register center，SRC)。三個(gè)基本操作分別為發(fā)布(publish)、查找(find)和綁定(bind)，某一個(gè)節(jié)點(diǎn)可能是SR和SP的混合體，本文統(tǒng)稱為實(shí)體。WS-TEM信任評(píng)估模型是對(duì)SOA模型進(jìn)行擴(kuò)展，增加了信任的第三方機(jī)構(gòu)——服務(wù)信任模塊(service trust module，STM)，如圖1所示。STM由四大部分組成，分別為信任管理引擎、模糊推理機(jī)、數(shù)據(jù)采集器和交互記錄數(shù)據(jù)庫(kù)。信任管理引擎負(fù)責(zé)對(duì)Web服務(wù)實(shí)體的信任度進(jìn)行查詢、發(fā)布、決策以及提供推薦實(shí)體等功能;模糊推理機(jī)負(fù)責(zé)對(duì)目標(biāo)實(shí)體的信任度進(jìn)行模糊推理及模糊判斷;數(shù)據(jù)采集器負(fù)責(zé)從交互記錄數(shù)據(jù)庫(kù)中收集Web服務(wù)實(shí)體的信任度，并給模糊推理機(jī)提供數(shù)據(jù)支持;交互記錄數(shù)據(jù)庫(kù)集中保存Web服務(wù)實(shí)體的歷史交互記錄。

在WS-TEM模型中存在多種信任關(guān)系，如服務(wù)注冊(cè)中心(SRC)對(duì)服務(wù)提供者(SP)的信任;服務(wù)提供者對(duì)于服務(wù)注冊(cè)中心、服務(wù)請(qǐng)求者(SR)的信任等。假設(shè)SR、SP和SRC均對(duì)STM完全信任，在進(jìn)行訪問控制時(shí)只考慮服務(wù)請(qǐng)求者和服務(wù)提供者的信任度。而在WS-TEM模型中一個(gè)實(shí)體既可以是服務(wù)請(qǐng)求者也可以是服務(wù)提供者，這樣一個(gè)Web服務(wù)實(shí)體在WS-TEM模型中就存在兩種類型的信任度和兩種類型的初始信任度，分別是實(shí)體作為服務(wù)請(qǐng)求者的信任度和實(shí)體作為服務(wù)提供者的信任度以及初始實(shí)體對(duì)目標(biāo)實(shí)體的主觀性度量(初始感知度)和目標(biāo)實(shí)體對(duì)初始實(shí)體的訪問控制閾值(初始信任閾值)。為描述方便作如下定義:

定義 1 在WS-TEM模型中，TR代表服務(wù)實(shí)體S作為服務(wù)請(qǐng)求者的信任度，TP代表服務(wù)實(shí)體S作為服務(wù)提供者的信任度。

定義2在WS-TEM模型中，Ge代表初始實(shí)體對(duì)目標(biāo)實(shí)體的主觀性度量，即為初始感知度，Ve代表目標(biāo)實(shí)體對(duì)初始實(shí)體的訪問控制閾值即為初始信任閾值。

定義3在WS-TEM模型中為了最后決策方便，令Te代表實(shí)體的綜合信任度，RT代表實(shí)體的推薦信任度。

定義4Web服務(wù)實(shí)體的信任度是一個(gè)動(dòng)態(tài)演化的過程，因此令Twsi表示服務(wù)實(shí)體在i次更新后的信任度，Tei表示第i次交互后，初始實(shí)體對(duì)目標(biāo)實(shí)體的信任評(píng)估值。

1.2 Web服務(wù)實(shí)體信任關(guān)系建立及信任度更新算法

Beth信任度評(píng)估模型[2]將信任分為直接信任和推薦信任，直接信任定義為“若實(shí)體P對(duì)實(shí)體Q的所有(包括直接的或有推薦獲得的)經(jīng)驗(yàn)均為肯定經(jīng)驗(yàn)，則P對(duì)Q存在直接信任關(guān)系”。但由于Beth模型對(duì)直接經(jīng)驗(yàn)定義過于嚴(yán)格，僅采用肯定經(jīng)驗(yàn)對(duì)信任關(guān)系進(jìn)行度量，另外，其信任度綜合計(jì)算采用簡(jiǎn)單的算術(shù)平均，因此對(duì)目標(biāo)實(shí)體不能很好地作出評(píng)估。本文定義直接信任為:兩個(gè)曾經(jīng)有過歷史交互經(jīng)驗(yàn)的實(shí)體，根據(jù)交互經(jīng)驗(yàn)對(duì)對(duì)方的一種直接信任關(guān)系。推薦信任定義為:兩個(gè)沒有歷史交互經(jīng)驗(yàn)的實(shí)體，根據(jù)其他實(shí)體的推薦而建立的一種信任關(guān)系。其相互關(guān)系如圖2所示。

圖2中實(shí)體X與Y，Y與Z曾經(jīng)有過歷史交互經(jīng)驗(yàn)，所以它們之間的信任關(guān)系是直接信任;實(shí)體X與Z之前沒有歷史交互經(jīng)驗(yàn)，如果它們之間要進(jìn)行交互，只能通過別的實(shí)體的推薦(如實(shí)體Y)。在WS-TEM模型中服務(wù)實(shí)體信任關(guān)系建立及信任度更新算法如下:

輸入:服務(wù)請(qǐng)求者→SR，服務(wù)提供者→SP;

輸出:服務(wù)實(shí)體的信任度Tws。

if SR向STM查詢SP交互記錄 then

輸出Tp=table(SR，SP，Tp ，Ge ，Ve ，time)

//提取交互記錄表中的信任度Tp

Ge=table(SR，SP，Tp ，Ge ，Ve ，time)

// 提取交互記錄表中的初始感知度Ge

Ve=table(SR，SP，Tp ，Ge ，Ve ，time)

// 提取交互記錄表中的初始信任閾值Ve

if Tp≥Ve then

輸出 “信任實(shí)體”

向STM收集多個(gè)推薦信任實(shí)體，求得綜合推薦信任度RT

Te=αGe+βRT ，(α+β=1) //獲得當(dāng)前實(shí)體交互后的信任度

Tws=12φiTp+(1-12φi )Te /更新實(shí)體的信任度，φi表示時(shí)間衰減因子，且φi=(ti-t0)/ki=1(ti-t0)/

else

輸出 “不信任實(shí)體”

end if

else

STM收集多個(gè)推薦信任實(shí)體，求得綜合推薦信任度RT

輸出Te=αGe+βRT，(α+β=1)

//獲得目標(biāo)實(shí)體的綜合推薦信任度

if Te≥Ve then

輸出 “信任實(shí)體”

Tp=Te//更新實(shí)體的信任度

else

輸出 “不信任實(shí)體”

end if

end if

通過以上算法可以看出，WS-TEM信任模型可以有效地建立實(shí)體間信任關(guān)系及更新實(shí)體信任度。接下來(lái)將介紹WS-TEM模型的重要組成部分——模糊信任推理機(jī)。

2 基于模糊Petri網(wǎng)的Web服務(wù)信任評(píng)估

2.1 模糊Petri網(wǎng)的知識(shí)表示方法

模糊Petri網(wǎng)提供了一種對(duì)模糊知識(shí)進(jìn)行有效表達(dá)和推理的工具，由于更符合人類的思維和認(rèn)知方式，在描述和分析Web服務(wù)信任關(guān)系乃至社會(huì)系統(tǒng)的交互和并發(fā)行為時(shí)具有廣泛的意義。Petri網(wǎng)包括庫(kù)所(place)和變遷(transition)兩部分，庫(kù)所用“○”表示，變遷用“|”表示，則一般的推理規(guī)則可簡(jiǎn)單地表示為

ifR1(α1) and R2(α2) and R3(α3) and …and Rn(αn)thent E1(β1)，E2(β2)， E3(β3)，…， Em(βm)

其中:R1，R2，…，Rn表示在Web服務(wù)信任評(píng)估中有n個(gè)推薦信任實(shí)體;α1，α2，α3，…，αn為推薦信任實(shí)體在推薦路徑中的權(quán)重系數(shù)，滿足 ni=1αi=1(i=1，2，3，…，n);β1，β2，…，βm為每個(gè)推理結(jié)論的可信度，滿足條件0≤βk≤1(k=1，2，3，…，m);τ為規(guī)則可實(shí)現(xiàn)的閾值，滿足0<τ<1。此表達(dá)式的含義為:如果R1，R2，R3，…，Rn推薦信任成立，則可以推出結(jié)論E1，E2，E3，…，Em。用模糊邏輯表達(dá)式表示為

R1×α1^R2×α2^R3×α3^…^Rn×αnτ

E1(β1)，E2(β2)，E3(β3)，…，Em(βm)

轉(zhuǎn)換為模糊Petri網(wǎng)模型[3]，如圖3所示。

此模型中，條件和結(jié)論命題用Web服務(wù)中的推薦信任和直接信任表示，推理規(guī)則用變遷節(jié)點(diǎn)表示，條件的權(quán)重系數(shù)和結(jié)論的信任度分別用輸入/輸出弧線的連接強(qiáng)度來(lái)表示。接下來(lái)將給出基于推理規(guī)則的Web服務(wù)信任模糊Petri網(wǎng)的十元組表示法:

WS-FPN=(E，W，I，O，α， τ(t)，T0(E)，Ge，Ve，Tws)為Web服務(wù)模糊Petri網(wǎng)模型(WS-FPN)。其中:

a)E={E1，E2，E3，…，En}是Web服務(wù)實(shí)體節(jié)點(diǎn)的有限集合，在模糊Petri網(wǎng)中表示模糊庫(kù)所節(jié)點(diǎn)。

b)W={W1，W2，W3，…，Wm}是Web服務(wù)實(shí)體推薦路徑的有限集合，在模糊Petri網(wǎng)中表示模糊變遷節(jié)點(diǎn)的有限集合和規(guī)則的實(shí)現(xiàn)。

c)I是定義在E×W上的一個(gè)帶標(biāo)志的模糊關(guān)系，表示初始實(shí)體到推薦實(shí)體的推薦路徑的連接情況和每個(gè)連接的權(quán)重系數(shù)，滿足0

d)O是定義在W×E上的一個(gè)帶標(biāo)志的模糊關(guān)系，表示推薦信任到初始實(shí)體的連接情況和每個(gè)輸出連接的可信度，0

e)α={α1，α2，α3，…，αn}是表示推薦實(shí)體在每條推薦路徑中所占的權(quán)重，在模糊Petri網(wǎng)中表示每個(gè)規(guī)則前件在規(guī)則推理中所占的權(quán)重，0≤αi≤1，ni=1αi=1，(i=1，2，3，…，n)。

f)τ=[τ1，τ2，τ3，…，τm]T是推薦路徑的初始信任閾值的集合，在模糊Petri網(wǎng)中是定義在變遷集合W上的一個(gè)取值變量，0≤τj≤1，j=1，2，…，m表示變遷節(jié)點(diǎn)的觸發(fā)閾值。

g)T0(E)是定義在Web服務(wù)實(shí)體節(jié)點(diǎn)集合E上的一個(gè)取值[0，1]中實(shí)數(shù)的函數(shù)，在模糊Petri網(wǎng)中表示庫(kù)所節(jié)點(diǎn)在推理開始時(shí)的初始標(biāo)記狀態(tài)，即已知命題的可信度，未知命題的可信度定義為0。

h)Ge為Web服務(wù)信任在評(píng)估前的初始實(shí)體對(duì)目標(biāo)實(shí)體的初始感知度，0

i)Ve為Web服務(wù)信任在評(píng)估前的初始實(shí)體對(duì)目標(biāo)實(shí)體的初始信任閾值，在模糊Petri網(wǎng)中表示規(guī)則命題推理前的初始信任閾值。

j)Tws={t1，t2，t3，…，tn}為Web服務(wù)實(shí)體的綜合信任度集合，在模糊Petri網(wǎng)中表示在W上的最終推理得到的結(jié)果與初始信任閾值Ve的加權(quán)合成。

2.2 WS-FPN的形式推理算法

本文采用文獻(xiàn)[3]中模糊Petri網(wǎng)FPN的形式推理方法，該方法應(yīng)用到Web服務(wù)模糊Petri網(wǎng)WS-FPN中存在以下缺陷:對(duì)Web服務(wù)信任關(guān)系評(píng)估中缺乏初始實(shí)體對(duì)陌生實(shí)體的主觀性判斷;在綜合信任度計(jì)算時(shí)缺乏對(duì)最終推理結(jié)果進(jìn)行權(quán)重分配。針對(duì)上述缺陷，筆者對(duì)其作如下改進(jìn):

首先設(shè)Web服務(wù)信任評(píng)估過程中有n個(gè)推薦實(shí)體，m條推薦路徑，WS-FPN模型的輸入矩陣intn×m，輸出矩陣outn×m，變遷的閾值向量τ和狀態(tài)信任向量T分別定義如下:

a)Int={δij}為輸入矩陣，δij∈[0，1]，表示Ei到Wj上的輸入關(guān)系和權(quán)重。當(dāng)兩個(gè)實(shí)體之間存在推薦路徑，δij等于Ei到Wj輸入弧上的權(quán)系數(shù)αij;當(dāng)兩個(gè)實(shí)體之間不存在推薦路徑，δij=0 (i=1，2，…，n;j=1，2，…，m)。

b)Out={λij}為輸出矩陣，λij∈[0，1]，表示W(wǎng)j到Ei輸出關(guān)系和結(jié)論的可信度。當(dāng)Ei是Wj的輸出時(shí)(由直接信任和推薦信任組成的一條推薦信任路徑的可信度)，λij等于變遷Wj推出結(jié)論Ei的可信度βij;當(dāng)Ei不是Wj輸出時(shí)， λij=0 (i=1，2，3，…，n;j=1，2，3，…，m)。

c)T=[t1，t2，t3，…，tn]T為定義在E上的狀態(tài)信任向量，表示各推薦路徑的可信度，ti∈[0，1](i=1，2，3，…，n)。

d)τ=[τ1， τ2， τ3，…，τm]為推薦路徑的變遷閾值， τi∈[0，1](i=1，2，3，…，m)。

結(jié)合推理算法的需要，首先定義以下算子:

1)乘法算子

#8226;:A#8226;B=C，A=(aij)n×m，B=(bij)m×n，C=(cij)n×n

2)取大數(shù)算子

:AB=C，A、B、C都是n維的列向量，ci=max(ai，bi)

3)直接乘法算子

:AB=C，A、B、C都是n維的列向量，ci=(ai#8226;bi)

4)比較算子

Θ:AΘB=C，A、B、C都是n維的列向量，if ai≥bi

then ci=1 else ci=0

WS-FPN推理算法如下:

輸入:權(quán)重矩陣int，規(guī)則可信矩陣out，規(guī)則閾值數(shù)組τ，初始信任度數(shù)組T0，初始感知度Ge，初始信任閾值Ve，主觀決策權(quán)重α，β;

輸出:目標(biāo)實(shí)體的信任度Tws。

a)TE=IntT#8226;T0 ;//計(jì)算等效模糊輸入可信度

b)G=TEΘτ;//模糊輸入可信度與變遷閾值的比較

c)H=TE G;

//剔除等效模糊輸入可信度小于等于推薦路徑變遷閾值的輸入項(xiàng)

d)T1=out#8226;H;//計(jì)算模糊輸出庫(kù)所的可信度

e)T1=T0T1;a);//計(jì)算當(dāng)前可得到的所有命題的可信度，并跳轉(zhuǎn)到a)進(jìn)行反復(fù)迭代

f)TK=TK-1 TK;//經(jīng)過K次迭代后所有結(jié)論的可信度

g)if TK=TK-1then TK=TK-1 else a) end if

//當(dāng)推理計(jì)算不再使任何結(jié)論的可信度發(fā)生變化時(shí)，推理結(jié)束

h)Tws=α#8226;Ge+β#8226;TK;if Tws≥Ve then success else cancel

end if //合成推理的最終結(jié)果并作出決策判斷

2.3 WS-FPN算法對(duì)Web服務(wù)信任評(píng)估及實(shí)例分析

運(yùn)用2.1節(jié)中模糊Petri網(wǎng)的知識(shí)表示方法并結(jié)合Web服務(wù)信任評(píng)估的模糊推理算法WS-FPN，可以得到Web服務(wù)信任模糊Petri網(wǎng)模型[6]，如圖4所示。

圖4中各庫(kù)所和輸出弧線的連接強(qiáng)度代表的物理含義:X1表示第一個(gè)推薦信任實(shí)體，a1表示其推薦信任度， Xn表示第n個(gè)推薦信任實(shí)體，an表示其推薦信任度;Y1表示接受第一推薦信任實(shí)體，b1表示接受信任度，Ym表示接受第m個(gè)推薦信任實(shí)體，bm表示接受信任度;Z表示獲得交互實(shí)體的信任度;在Web服務(wù)信任模糊Petri網(wǎng)中X1a1Y1b1Z表示一條完整的推薦信任路徑，以下是具體的實(shí)例分析:

本文參考文獻(xiàn)[6]中的實(shí)例并加以修改驗(yàn)證，應(yīng)用到WS-TEM信任模型中，若在WS-TEM信任模型中實(shí)體X(服務(wù)請(qǐng)求者)想要與實(shí)體Z(服務(wù)提供者)進(jìn)行交互，但X的歷史交互信任表中沒有Z的交互記錄，因此X首先通過STM收集到有四個(gè)推薦實(shí)體Y1、Y2、Y3、Y4分別向X推薦信任Z，已知X對(duì)Y1、Y2、Y3、Y4的直接信任度和Y1、Y2、Y3、Y4對(duì)Z的直接信任度，求X對(duì)Z的綜合信任度Tws。X與Z的信任關(guān)系如圖5所示。

定義WS-FPN信任推理規(guī)則如下:

規(guī)則1 if U1(0.6) and U2(0.4) then (τ1=0.4) U9(規(guī)則可信度0.86).

規(guī)則2 if U3(0.5) and U4(0.5) then (τ2=0.4) U10(規(guī)則可信度0.9).

規(guī)則3 if U5(0.7) and U6(0.3)then (τ3=0.4) U11(規(guī)則可信度0.8).

規(guī)則4 if U7(0.6) and U8(0.4)then (τ4=0.4) U12(規(guī)則可信度0.95).

規(guī)則5 if U9(0.3) and U10(0.3) and U11(0.2) and U12(0.2)then (τ5=0.2) U13(規(guī)則可信度0.85)。其中:U1~8表示X和Z信任路徑上的直接信任度;U9~12表示X接受推薦實(shí)體的推薦;U13表示X信任Z，條件括號(hào)里的數(shù)值表示推薦信任在該規(guī)則中所占的權(quán)重;τ1、τ2、τ3、τ4、τ5分別表示規(guī)則觸發(fā)的閾值，每條規(guī)則后面為規(guī)則的可信度，U1 and U2→U9表示一條完整的推理路徑，即每條規(guī)則在Web服務(wù)信任評(píng)估中都表示一條完整的推薦信任路徑。WS-FPN算法的推理過程如圖6所示。

根據(jù)WS-FPN推理算法的定義，推理所需要的條件，即輸入矩陣int、輸出矩陣out、規(guī)則閾值τ和初始命題的信任度T0，分別為

int=0.600000.4000000.500000.5000000.70000000.30000.600000.4000000.300000.300000.200000.200000out=00000000000000000000000000000000000000000.86000000.9000000.800.30000.95000000.85

τ=[0.4，0.4，0.4，0.4，0.2]T

所有命題的初始信任度為

T0=[0.6，0.8，0.6，0.7，0.8，0.7，0.8，0.8，0，0，0，0，0]T

根據(jù)WS-FPN推理算法可得到以下結(jié)果:

T1=[0.6，0.8，0.6，0.7，0.8，0.7，0.8，0.8，0.54，0.52，0.616，0.72，0]T

T2=[0.6，0.8，0.6，0.7，0.8，0.7，0.8，0.8，0.54，0.52，0.616，0.72，0.59]T

T3=[0.6，0.8，0.6，0.7，0.8，0.7，0.8，0.8，0.54，0.52，0.616，0.72，0.59]T

由以上推理過程可以看出T2=T3，所以推理結(jié)束，得到推理結(jié)果為T=[0.6，0.8，0.6，0.7，0.8，0.7，0.8，0.8，0.54，0.52，0.616，0.72，0.59]T，從而通過推理得到實(shí)體Z的推薦綜合信任度Tk為0.59。再根據(jù)2.2節(jié)的知識(shí)，Tws=α#8226;Ge+β#8226;Tk，假設(shè)α=0.5，Ge=0.5，Ve=0.4，通過計(jì)算得Tws=0.545，Tws>Ve，所以實(shí)體X調(diào)用實(shí)體Z的服務(wù)。

從上面的推理過程可以看出，采用WS-FPN算法的推理過程完全是并行的，推理計(jì)算的迭代步數(shù)只與推理進(jìn)行的最大深度有關(guān)，而與規(guī)則的多少無(wú)關(guān)。從實(shí)例中可以看出，推理的最大深度為2層，所以推理迭代只需要進(jìn)行兩步就可完成。接下來(lái)將通過模擬實(shí)驗(yàn)驗(yàn)證WS-TEM信任模型的有效性。

2.4 模擬實(shí)驗(yàn)結(jié)果及其分析

本文在MATLAB 7.0.1環(huán)境下驗(yàn)證了WS-TEM信任模型對(duì)實(shí)體節(jié)點(diǎn)信任度評(píng)估的有效性。作為參照，筆者比較了Beth信任模型在同一實(shí)驗(yàn)環(huán)境下與WS-TEM信任模型的實(shí)現(xiàn)情況。實(shí)驗(yàn)結(jié)果如圖7所示。設(shè)節(jié)點(diǎn)V的真實(shí)信任度為0.8，由圖7所示的結(jié)果可以看出，本文提出的WS-TEM信任模型計(jì)算的信任值更逼近節(jié)點(diǎn)的真實(shí)信任值;由于Beth信任模型并未考慮評(píng)估的主觀可信度，在推薦信任值計(jì)算上僅采用推薦信任的平均值，計(jì)算出節(jié)點(diǎn)V的信任值在0.55左右。本文提出的信任模型通過參考自身的初始感知度和其他交互節(jié)點(diǎn)的推薦，利用WS-FPN推理算法剔除推薦信任度小于推薦路徑變遷閾值節(jié)點(diǎn)的推薦，計(jì)算出的節(jié)點(diǎn)信任值能迅速逼近真實(shí)值。由圖8所示的結(jié)果可以看出，與Beth信任模型相比，該模型在陌生實(shí)體逐漸增多的環(huán)境中能很好地保持交互的成功率，而Beth信任模型由于綜合信任度計(jì)算的不準(zhǔn)確和缺乏初始實(shí)體對(duì)陌生實(shí)體的主觀性判斷等因素，不能很好地保持交互的成功率，模擬實(shí)驗(yàn)驗(yàn)證了該模型在計(jì)算目標(biāo)實(shí)體信任度上具有極高的準(zhǔn)確性和有效性，從而保證了交互的正常進(jìn)行。

3 結(jié)束語(yǔ)

本文設(shè)計(jì)了一種基于模糊Petri網(wǎng)的Web服務(wù)信任評(píng)估模型WS-TEM，該模型運(yùn)用模糊Petri網(wǎng)的推理算法進(jìn)行推理運(yùn)算。在推理過程中充分考慮推薦實(shí)體在推薦路徑中的權(quán)重、推薦路徑觸發(fā)的閾值以及推薦信任規(guī)則的可信度等要素，并且推理過程完全采用矩陣運(yùn)算的形式進(jìn)行。通過模擬實(shí)驗(yàn)和分析表明，該模型在Web服務(wù)信任評(píng)估中可以更加準(zhǔn)確、快速、有效地獲得目標(biāo)實(shí)體的信任度并作出合理的決策判斷。

今后，將Web服務(wù)的信任評(píng)估擴(kuò)展到基于實(shí)體行為風(fēng)險(xiǎn)的方面以及對(duì)信任模型增加誠(chéng)實(shí)反饋的激勵(lì)機(jī)制。

參考文獻(xiàn):

[1]

何新貴.模糊Petri網(wǎng)[J].計(jì)算機(jī)學(xué)報(bào)，1994， 17(12):946-950.

[2] BETH T，BORCHERDING M，KLEIN B.Valuation of trust in open network[C]//Proc of the European Symposium on Researchin Security(ESORICS).Brighton:Springer-Verlag，1994:3-18.

[3]賈立新，薛鈞義，茹峰.采用模糊Petri網(wǎng)的形式化推理算法及其應(yīng)用[J].西安交通大學(xué)學(xué)報(bào)，2003，37(12):1263-1266.

[4]唐文，陳鐘.基于模糊集合理論的主觀信任管

理模型研究[J].軟件學(xué)報(bào)，2003，14(8):1401-1408.

[5]梁軍濤，蔣曉原.一種基于推薦的Web服務(wù)信任模型[J].計(jì)算機(jī)工程，2007，33(15):52-55.

[6]龍毅宏，潘丹，張海松，等.基于模糊Petri網(wǎng)的信任評(píng)估[J].信息安全與通信保密，2008，11(3): 58-64.

[7]徐鋒，呂建.Web安全中的信任管理研究與進(jìn)展[J].軟件學(xué)報(bào)，2002，13(11):2057-2064.

[8]劉建剛，高潔，工明哲.模糊Petri網(wǎng)的形式化推理算法及其應(yīng)用[J].計(jì)算機(jī)仿真，2004，21(11):152-154.

[9]李小勇，桂小林.大規(guī)模分布式環(huán)境下動(dòng)態(tài)信任模型研究[J].軟件學(xué)報(bào)，2007，18(6):1510-1521.