基于信任力矩的網(wǎng)絡(luò)資源選擇模型

劉玉玲，杜瑞忠,2，田俊峰，袁鵬

（1. 河北大學(xué) 網(wǎng)絡(luò)技術(shù)研究所，河北 保定 071002；2. 武漢大學(xué) 計(jì)算機(jī)學(xué)院，湖北 武漢 430072）

1 引言

資源選擇是網(wǎng)格計(jì)算領(lǐng)域的重要研究?jī)?nèi)容之一。網(wǎng)格中的資源種類繁多，功能各異。由于網(wǎng)格資源的開放性、分布性、動(dòng)態(tài)性及復(fù)雜性，面對(duì)海量的資源，用戶在增加選擇機(jī)會(huì)的同時(shí)也面臨著如何識(shí)別和選擇高效、安全的資源問題。同時(shí)，隨著網(wǎng)格應(yīng)用技術(shù)的不斷發(fā)展，由于處理對(duì)象、應(yīng)用目標(biāo)及內(nèi)在結(jié)構(gòu)的不同，對(duì)網(wǎng)格資源除了普遍性需求之外，還應(yīng)考慮個(gè)人需求偏好，因此如何根據(jù)用戶的請(qǐng)求，從網(wǎng)格資源中找到滿足用戶請(qǐng)求的資源，并對(duì)它們加以選擇已成為一件重要且復(fù)雜的工作[1]。

Azzedin等人[2]首先把信任引入網(wǎng)格資源管理，通過評(píng)估資源節(jié)點(diǎn)行為，反映資源節(jié)點(diǎn)的可信程度。Buyya等人[3]從用戶成本、供求關(guān)系等經(jīng)濟(jì)學(xué)角度建立了一個(gè)網(wǎng)格市場(chǎng)模型 GRACE，并提出了一種基于時(shí)間和成本約束[4]的網(wǎng)格資源選擇策略，但該模型假設(shè)資源是安全可靠的，這種理想化的假設(shè)與網(wǎng)格現(xiàn)實(shí)環(huán)境中存在良莠不齊的資源現(xiàn)狀是不一致的。文獻(xiàn)[5]提出了普適環(huán)境下一種基于信任的服務(wù)評(píng)價(jià)和選擇模型，借助自然科學(xué)中的萬有引力定律，定義了“信任引力”的概念，但在“信任引力”公式中假設(shè)服務(wù)請(qǐng)求方的質(zhì)量不變，這并不符合現(xiàn)實(shí)情況，現(xiàn)實(shí)中服務(wù)請(qǐng)求方的請(qǐng)求是隨著上下文環(huán)境等因素動(dòng)態(tài)變化，在公式中也沒有給出質(zhì)量函數(shù)的具體量化計(jì)算方法，此外，該模型會(huì)因服務(wù)提供方不斷切換服務(wù)而導(dǎo)致大量中間信息的存儲(chǔ)，因此降低了模型的可用性。文獻(xiàn)[6]針對(duì)網(wǎng)格資源選擇中用戶對(duì)服務(wù)質(zhì)量的定性描述和選擇的自私性，提出了一種利用云理論和資源代理實(shí)現(xiàn)網(wǎng)格資源選擇的策略，給出了相關(guān)調(diào)度算法。文獻(xiàn)[7]依據(jù)QoS指標(biāo)及用戶偏好，提出了基于應(yīng)用偏好模糊聚類的網(wǎng)格資源策略。文獻(xiàn)[8,9]主要考慮資源提供者QoS的各屬性要求，而對(duì)需求者自身的主觀偏好考慮不充分，因此無法滿足用戶需求的多樣性。針對(duì)上述研究現(xiàn)狀，在文獻(xiàn)[5]的基礎(chǔ)上，結(jié)合模糊相關(guān)理論，提出了基于信任力矩的網(wǎng)格資源選擇模型。

在目前的科學(xué)研究中,將自然科學(xué)相關(guān)概念引入信息領(lǐng)域解決問題的現(xiàn)象越來越普遍。Peng等[10]基于萬有引力定義了“數(shù)據(jù)引力”的概念，并把其應(yīng)用到數(shù)據(jù)分類領(lǐng)域，基于引力大小把不同的數(shù)據(jù)分到不同的集合中取得了很好的分類效果。本文借助人類社會(huì)購(gòu)買商品經(jīng)驗(yàn)，除了關(guān)注賣家商品對(duì)買家的吸引力，還要考慮買家對(duì)賣家的信任程度，認(rèn)為在網(wǎng)格資源交易過程中也遵從此選擇規(guī)律。當(dāng)有多個(gè)網(wǎng)格節(jié)點(diǎn)同時(shí)提供同類資源時(shí)，資源請(qǐng)求節(jié)點(diǎn)需要依靠歷史交易經(jīng)驗(yàn)、當(dāng)前資源屬性和個(gè)人偏好綜合判斷進(jìn)而有效地選擇最佳交易對(duì)象。一個(gè)具有更好資源的網(wǎng)格節(jié)點(diǎn)能對(duì)請(qǐng)求該資源的節(jié)點(diǎn)體現(xiàn)出更大的吸引力，借用萬有引力定律定義其為“信任引力”,資源請(qǐng)求節(jié)點(diǎn)對(duì)于資源提供節(jié)點(diǎn)的信任程度定義為“信任半徑”，“信任引力”與“信任半徑”的乘積定義為“信任力矩”，并將其作為資源選擇的依據(jù)。

2 基于信任力矩的網(wǎng)格資源選擇模型

2.1 模型邏輯結(jié)構(gòu)圖

借鑒文獻(xiàn)[11]的思想，本文構(gòu)建由Root-Agent、Resource Domain-Agent和Resource Node組成的3層結(jié)構(gòu)框架，如圖1所示。

采用層次化管理方式的好處如下：1)把具有相同類型的資源節(jié)點(diǎn)邏輯上劃分到一個(gè)資源域，管理與維護(hù)方便；2)由于相同類型的資源存放于同一個(gè)資源域，查詢時(shí)可有效降低“泛洪”式搜索所帶來的弊端。

模型由一個(gè)絕對(duì)信任根Root-Agent(RA)、若干個(gè)資源域（RD, resource-domain）組成；每個(gè)資源域RD由一個(gè)資源域代理(RDA, resource domain-agent)及若干個(gè)資源節(jié)點(diǎn)(RN, resource node)組成。

1) RA屬于輕量級(jí)代理，是絕對(duì)可信的信任根，負(fù)責(zé)系統(tǒng)中所有 RDA的管理，主要任務(wù)是管理和存儲(chǔ)所有資源的名稱、資源域代理的ID，各個(gè)資源域之間通信信息的收集、轉(zhuǎn)發(fā)等。

2) RDAi是系統(tǒng)中第i個(gè)資源域中節(jié)點(diǎn)的管理者，RDAi負(fù)責(zé)管理和存儲(chǔ)資源域i中所有資源節(jié)點(diǎn)的信息；負(fù)責(zé)接收、轉(zhuǎn)發(fā)資源請(qǐng)求節(jié)點(diǎn)的請(qǐng)求信息；提供如信任引力計(jì)算等部分計(jì)算職能；負(fù)責(zé)存儲(chǔ)資源節(jié)點(diǎn)ID，聲譽(yù)R及資源狀態(tài)S等信息，存儲(chǔ)結(jié)構(gòu)為如圖2所示。資源狀態(tài)S用來表征該服務(wù)節(jié)點(diǎn)當(dāng)前的繁忙程度，用L表示該資源服務(wù)節(jié)點(diǎn)定義所能提供服務(wù)的最大值，l表示該服務(wù)節(jié)點(diǎn)當(dāng)前正在提供的服務(wù)個(gè)數(shù)，其中，0≤l≤L。根據(jù)該服務(wù)節(jié)點(diǎn)當(dāng)前正在提供服務(wù)的情況，可以把該服務(wù)節(jié)點(diǎn)的繁忙程度劃分為不同等級(jí)，為了簡(jiǎn)單，劃分為5個(gè)等級(jí)，等級(jí)越高，說明該服務(wù)節(jié)點(diǎn)越繁忙，用式（1）表示。)

圖1 模型邏輯結(jié)構(gòu)

圖2 RDA的存儲(chǔ)結(jié)構(gòu)

3) RN是擁有資源的網(wǎng)格節(jié)點(diǎn)。該節(jié)點(diǎn)提供某種資源能力時(shí)稱為資源提供節(jié)點(diǎn)，記為pN；對(duì)某種資源提出需求時(shí)，該節(jié)點(diǎn)稱為資源請(qǐng)求節(jié)點(diǎn)，記為qN。

2.2 定義相關(guān)

定義1 資源域。在網(wǎng)格環(huán)境中，根據(jù)所擁有資源類型的不同，將資源節(jié)點(diǎn)邏輯上劃分為不同的域，如計(jì)算資源域、存儲(chǔ)資源域等。

定義2 資源質(zhì)量。表征資源服務(wù)性質(zhì)的一組非功能屬性，用QoR表示。本文抽取了資源費(fèi)用P、資源安全性S、資源可用性A、資源真實(shí)性F4個(gè)代表性屬性組成資源質(zhì)量QoR= {P,S,A,F}。為了便于處理，采用歸一化方法把各屬性值轉(zhuǎn)化為（0,1）之間無量綱的量。

當(dāng)前，關(guān)于信任的定義還沒有統(tǒng)一，D.Gambetta[12]定義信任為對(duì)實(shí)體未來行為的一種期望，是事先對(duì)一個(gè)實(shí)體執(zhí)行特定動(dòng)作的主觀可能性的期望程度，是主體對(duì)客體的特定動(dòng)作的主觀可能性預(yù)期，取決于以往經(jīng)驗(yàn)，且隨著客體行為的變化而不斷修正。

定義3 信任。借鑒文獻(xiàn)[12]中關(guān)于信任的定義，本文將信任定義為在網(wǎng)格環(huán)境下，各資源節(jié)點(diǎn)通過不斷的交易，逐漸形成節(jié)點(diǎn)間相互的信任程度，這種信任程度通過信任力矩來表示。

定義4 個(gè)人偏好。資源請(qǐng)求節(jié)點(diǎn)的主觀屬性，用于體現(xiàn)資源請(qǐng)求節(jié)點(diǎn)對(duì)服務(wù)節(jié)點(diǎn)的信任程度。

定義5 隸屬度。設(shè)論域?yàn)榉强占蟈= [ 0,+ ∞]，x為X中的元素，對(duì)任意的x∈X給出映射μA：X→ [0 ,1]，x|→μA(x)。則μA確定一個(gè)X的模糊子集A，μA稱為A的隸屬函數(shù)，μA(x)稱為x對(duì)A的隸屬度。

定義6 信任向量。定義為影響節(jié)點(diǎn)間交易的因素所構(gòu)成的向量，用U= (u1,u2,… ,un)表示，其中ui(i= 1 ,… ,n)為影響交易結(jié)果的因素，如交易時(shí)間、交易金額、安全性、真實(shí)性、可用性等，這些特征向量不同程度地影響交易結(jié)果。

定義7 權(quán)重因子。信任向量中，由于不同的因素對(duì)節(jié)點(diǎn)間交易影響程度不同，因此不同信任向量應(yīng)賦予不同的權(quán)重，用W= (w11,w22,… ,wnn)表示，，其中，wii(i= 1 ,… ,n)表示某一因素對(duì)交易結(jié)果影響所施加的權(quán)重。

定義8 期望距離。定義為資源請(qǐng)求者Nq所期望的資源質(zhì)量QoRq與資源服務(wù)者Np所能提供的QoRp之間的差距，用de表示。期望距離采用歐氏距離方法計(jì)算。假設(shè)資源質(zhì)量QoR= {P,S,A,F}，Nq和Np之間的期望距離計(jì)算采用式（2）計(jì)算。

其中，Pq、Sq、Aq和Fq分別代表Nq期望的資源費(fèi)用、安全性、可用性和真實(shí)性的屬性值，Pp、Sp、Ap和Fp分別代表Np實(shí)際能夠提供的資源費(fèi)用、安全性、可用性和真實(shí)性的屬性值。為了防止Np完全滿足Nq的所有質(zhì)量屬性要求，導(dǎo)致期望距離de為0，在式（2）中增加了一個(gè)很小但不為0的實(shí)數(shù)ΔB。計(jì)算得到的de越小，表明Np提供的資源越接近Nq的需求。

定義9 交易滿意度評(píng)價(jià)。定義為資源請(qǐng)求節(jié)點(diǎn)Nq和提供節(jié)點(diǎn)Np每次交易結(jié)束后，對(duì)交易結(jié)果滿意程度的評(píng)判，用U(Nq,Np)表示，且U(Nq,Np)∈ [ 0,1]。Nq和Np交易失敗，U(Nq,Np)=0；Nq和Np交易成功且Np提供的服務(wù)令Nq完全滿意，U(Nq,Np)=1。

定義10 聲譽(yù)。是對(duì)資源提供節(jié)點(diǎn)所有歷史交易記錄中得到的交易滿意度的綜合評(píng)價(jià)值，用nR表示，考慮信譽(yù)隨時(shí)間衰減特性，通過式（3）進(jìn)行聲譽(yù)計(jì)算。

其中，n為qN和pN的交易次數(shù)。

定義11 渴求度。體現(xiàn)資源請(qǐng)求節(jié)點(diǎn)對(duì)資源需求的緊迫程度的函數(shù)，用式（4）表示。

其中，Δt為等待時(shí)間，Δt=tend-tbegin，tbegin為資源請(qǐng)求節(jié)點(diǎn)發(fā)起時(shí)刻，tend為資源提供節(jié)點(diǎn)響應(yīng)時(shí)刻。T0表示間隔周期，k表示資源請(qǐng)求節(jié)點(diǎn)的渴求程度。

定義12 信任質(zhì)量。分為資源提供節(jié)點(diǎn)的信任質(zhì)量和資源請(qǐng)求節(jié)點(diǎn)的信任質(zhì)量，分別用Mp和Mq表示。

Mp是資源提供節(jié)點(diǎn)聲譽(yù)的函數(shù)。

其中，γ定義為吸引因子，與資源提供節(jié)點(diǎn)提供服務(wù)得到的滿意評(píng)價(jià)次數(shù)相關(guān)。滿意評(píng)價(jià)次數(shù)越多，表明其吸引能力越強(qiáng)，信任質(zhì)量也就越大。

Mq是關(guān)于請(qǐng)求節(jié)點(diǎn)渴求度的函數(shù)。

其中，δ為渴求因子，與資源請(qǐng)求節(jié)點(diǎn)得到服務(wù)資源后是否立即使用相關(guān)。如果請(qǐng)求節(jié)點(diǎn)不立即使用所請(qǐng)求的資源，下次再進(jìn)行資源請(qǐng)求時(shí)就降低δ的取值，以示懲罰，減小其信任質(zhì)量。

2.3 模型基本原理

當(dāng)用戶需求某種資源時(shí)，首先向本資源域內(nèi)代理RDAi發(fā)出服務(wù)請(qǐng)求，該請(qǐng)求信息包括需求資源名稱、資源質(zhì)量描述、備選節(jié)點(diǎn)個(gè)數(shù)、請(qǐng)求節(jié)點(diǎn)信任質(zhì)量等信息。資源域代理RDAi將該請(qǐng)求信息轉(zhuǎn)發(fā)給可信根RA，可信根RA根據(jù)需求資源名稱等信息將該請(qǐng)求發(fā)送給能提供該資源的其他域代理。RDAj收到請(qǐng)求信息后，計(jì)算資源提供節(jié)點(diǎn)的信任質(zhì)量和信任引力，并選擇n（請(qǐng)求節(jié)點(diǎn)提供的信息）個(gè)信任引力高的節(jié)點(diǎn)作為備選節(jié)點(diǎn)；查詢各備選節(jié)點(diǎn)的繁忙狀態(tài)，將備選節(jié)點(diǎn)中的飽和節(jié)點(diǎn)刪除，并補(bǔ)充新的節(jié)點(diǎn)；選擇完成后，RDAj將備選節(jié)點(diǎn)信息（節(jié)點(diǎn) ID、信任引力值等信息）發(fā)送給可信根RA；RA再將這些信息轉(zhuǎn)發(fā)給請(qǐng)求節(jié)點(diǎn)的資源域代理RDAi；RDAi依據(jù)RA提供的信息，搜索請(qǐng)求節(jié)點(diǎn)的信任樹，獲取信任半徑等信息；結(jié)合信任引力計(jì)算各備選節(jié)點(diǎn)的信任力矩，從中選擇最大信任力矩的節(jié)點(diǎn)，并進(jìn)行資源交易。

模型流程如圖3所示，實(shí)現(xiàn)算法詳見2.4節(jié)。

圖3 模型流程

2.4 信任的相關(guān)計(jì)算方法

2.4.1 信任引力的計(jì)算

萬有引力定律是解釋物體之間相互作用的引力定律，引力的大小與它們的質(zhì)量乘積成正比，與它們距離的平方成反比,用公式表示如下:

其中，F(xiàn)表示1M和2M之間的引力；G是萬有引力常數(shù)；1M是物體1的質(zhì)量；2M是物體2的質(zhì)量；r表示兩物體之間的距離。

在網(wǎng)格環(huán)境下，節(jié)點(diǎn)間的交易過程也體現(xiàn)某種相互吸引關(guān)系。資源提供節(jié)點(diǎn)pN的聲譽(yù)越高，服務(wù)質(zhì)量越好，對(duì)qN吸引能力越強(qiáng)，即這種吸引關(guān)系和聲譽(yù)成正比；同樣，當(dāng)資源請(qǐng)求節(jié)點(diǎn)qN對(duì)某資源渴求度越高，表明對(duì)該資源需求越迫切，對(duì)擁有該資源的pN表現(xiàn)出強(qiáng)烈的需求愿望，這種渴求度和引力之間也存在正比關(guān)系。相反，當(dāng)pN與qN之間期望距離增大時(shí)，pN對(duì)于能滿足qN當(dāng)前資源需求的能力越來越低，對(duì)qN體現(xiàn)出越來越弱的吸引能力，這種吸引跟qN與pN之間的期望差距存在某種反比關(guān)系。借鑒萬有引力定律，把網(wǎng)格環(huán)境下節(jié)點(diǎn)間的信任吸引稱為信任引力，用TF表示，用式（8）進(jìn)行描述。

其中，G是資源規(guī)模調(diào)整因子，表示為G0代表網(wǎng)格資源規(guī)模均衡態(tài)因子，G可根據(jù)網(wǎng)格資源市場(chǎng)中資源交易活動(dòng)的頻繁程度而動(dòng)態(tài)改變。f(Mp,Mq) 為資源節(jié)點(diǎn)的信任質(zhì)量函數(shù)，f(Mp,Mq)=MpMq=f(R)f(Q)。信任引力與信任質(zhì)量函數(shù)成正比，與期望距離成反比。

2.4.2 信任半徑的計(jì)算

定義13 信任半徑。簡(jiǎn)單而言，信任半徑就是個(gè)人意愿把信任擴(kuò)展到的范圍大小。本文將信任半徑定義為資源請(qǐng)求節(jié)點(diǎn)Nq對(duì)資源提供節(jié)點(diǎn)Np提供某種資源能力的信任程度，屬于Nq的個(gè)人主觀偏好，體現(xiàn)的是Nq想把信任程度擴(kuò)展范圍大小的主觀意愿，用RT表示，RT越小，表明Nq對(duì)Np的信任程度越大，RT體現(xiàn)的是一種局部信任關(guān)系。

定義14 局部信任值。通過歷史交易得出資源請(qǐng)求節(jié)點(diǎn)Nq對(duì)資源提供節(jié)點(diǎn)Np提供服務(wù)能力的信任程度，用LTVqp表示。初始局部信任值LTVqp為Nq與Np第一次交易后得到的滿意度評(píng)價(jià)U(Np,Nq)。

人們習(xí)慣用自然語言來刻畫信任等級(jí)，可以將信任關(guān)系劃分為多個(gè)等級(jí)，借鑒文獻(xiàn)[13]的思想，本文將網(wǎng)格系統(tǒng)中的信任關(guān)系分為 4種：“絕對(duì)可信”、“一般可信”、“臨界可信”和“不可信”，并采用二叉有序“信任樹”存儲(chǔ)某資源請(qǐng)求節(jié)點(diǎn)的信任半徑，結(jié)構(gòu)如圖4所示。

圖4 “信任樹”結(jié)構(gòu)

在如圖4中，根節(jié)點(diǎn)Nqi表示第i(i= 1,2,… ,n)個(gè)資源請(qǐng)求節(jié)點(diǎn)，Np1,Np2,Np3, … ,Npj(j= 1,2,… ,m)分別表示與Nqi有過歷史交易的資源提供節(jié)點(diǎn)。

“絕對(duì)可信”和“一般可信”節(jié)點(diǎn)的個(gè)數(shù)存儲(chǔ)在“信任樹”左子樹的根節(jié)點(diǎn)，分別用n1和n2表示。“絕對(duì)可信”的資源提供節(jié)點(diǎn)存儲(chǔ)在左子樹的左分支，“一般可信”的資源提供節(jié)點(diǎn)存儲(chǔ)在左子樹的右分支；“臨界可信”和“不可信”節(jié)點(diǎn)的個(gè)數(shù)存儲(chǔ)在“信任樹”右子樹的根節(jié)點(diǎn)，分別用n3和n4表示?！芭R界可信”的資源提供節(jié)點(diǎn)存儲(chǔ)在右子樹的左分支，“不可信”的資源提供節(jié)點(diǎn)存儲(chǔ)在右子樹的右分支。存儲(chǔ)的某個(gè)資源提供節(jié)點(diǎn)的局部信任值LTVij越大，反映該資源請(qǐng)求節(jié)點(diǎn)對(duì)此資源提供節(jié)點(diǎn)的信任程度越高，信任半徑RT越小。信任半徑計(jì)算式如式(9)所示。

其中，ΔC是一個(gè)不為0且非常小的實(shí)數(shù)，當(dāng)Nqi對(duì)Npj完全信任時(shí)，LTVij=1，此時(shí)信任半徑RT為ΔC。

每次交易結(jié)束后，資源請(qǐng)求節(jié)點(diǎn)都對(duì)該次交易進(jìn)行滿意度評(píng)價(jià)，更新該資源提供節(jié)點(diǎn)的信任質(zhì)量和“信任樹”中的局部信任值LTVij。為了簡(jiǎn)化，本文僅考慮影響信任值LTVij的 2個(gè)主要因素：交易金額和交易時(shí)間，信任值LTVij的更新公式定義如式（10）所示。

2.4.3 信任力矩的計(jì)算

定義15 信任力矩。定義為資源請(qǐng)求節(jié)點(diǎn)信任半徑與資源提供節(jié)點(diǎn)信任引力共同作用而得到的信任程度的大小，體現(xiàn)的是資源請(qǐng)求節(jié)點(diǎn)和資源提供節(jié)點(diǎn)交易中主、客觀屬性共同作用的結(jié)果，用MT表示。公式描述為

從定義可以看出，影響信任力矩的主要因素包括: 資源請(qǐng)求節(jié)點(diǎn)與資源提供節(jié)點(diǎn)的信任質(zhì)量、資源請(qǐng)求節(jié)點(diǎn)與資源提供節(jié)點(diǎn)的當(dāng)前期望距離和信任半徑。

2.5 基于信任的資源選擇算法

由于信任具有模糊性和不確定性，而模糊邏輯是通過使用模糊集合來工作的，是一種精確解決不確定不完全信息的方法，其最大特點(diǎn)就是用它可以比較自然地處理人類思維的主動(dòng)性和模糊性。

基于信任力矩的資源選擇過程，在判斷資源節(jié)點(diǎn)的信任度時(shí)，需要同時(shí)考慮諸多因素，可以借助模糊理論中的綜合評(píng)價(jià)法和 TOPSIS(technique for order preference by similarity to ideal solution)法[14]解決。綜合評(píng)價(jià)是對(duì)受到多個(gè)因素制約的對(duì)象做出總評(píng)價(jià)。TOPSIS法是一種逼近理想解的排序方法，是多屬性決策分析中一種常用的有效方法。本文只列出建立評(píng)價(jià)對(duì)象因素集和評(píng)價(jià)等級(jí)論域的步驟，詳細(xì)算法見文獻(xiàn)[14]，其余計(jì)算過程這里將不再贅述。

1) 建立評(píng)價(jià)對(duì)象因素集

評(píng)估對(duì)象因素集為信任向量U= (u1,u2,… ,un)，在本文中評(píng)估對(duì)象因素集為信任向量U= (u1,u2,u3,u4)。其中，u1為資源提供節(jié)點(diǎn)的信任質(zhì)量，u2為資源請(qǐng)求節(jié)點(diǎn)的信任質(zhì)量，u3為當(dāng)前的期望距離，u4為信任半徑。

2) 建立評(píng)價(jià)等級(jí)論域V

V= (v1,v2,… ,vm)，m為評(píng)語等級(jí)集合的個(gè)數(shù)，每一個(gè)等級(jí)可對(duì)應(yīng)一個(gè)模糊子集，具體等級(jí)可以依據(jù)評(píng)價(jià)內(nèi)容用適當(dāng)語言描述。本文遵照“信任樹”的定義將信任分為4級(jí)：絕對(duì)可信、一般可信、臨界可信及不可信，并定義可信區(qū)間如下。

T1≤μA(x) ＜T2：表示“不可信”。至少有一方對(duì)另一方失去了信任。

T2≤μA(x) ＜T3：表示“臨界可信”。雙方?jīng)]有充分理由相信或不相信對(duì)方。

T3≤μA(x) ＜T4：表示“一般可信”。雙方經(jīng)過多次一般事件“交易”而獲得的相互信任。

T4≤μA(x) ≤T5：表示“絕對(duì)可信”。雙方經(jīng)過多次重要事件“交易”而獲得的相互信任。

其中， 0 ≤T1＜T2＜T3＜T4＜T5≤1，T1、T2、T3、T4、T5可以根據(jù)資源交易的規(guī)模、重要性由需求者動(dòng)態(tài)設(shè)定，體現(xiàn)了基于用戶偏好的特點(diǎn)。對(duì)于重要的大額交易，用戶進(jìn)行交易時(shí)一般都比較謹(jǐn)慎，如可以設(shè)置T= ( 0,0.4,0.6,0.9,1)；對(duì)于一般的普通小額交易，用戶可以設(shè)置得寬泛些，如T= ( 0,0.3,0.5,0.8,1)。

3 仿真實(shí)驗(yàn)及結(jié)果分析

3.1 仿真平臺(tái)

仿真實(shí)驗(yàn)采用Java語言開發(fā)的GridSim[15]，通過設(shè)定用戶和資源，生成具有特定規(guī)則的用戶計(jì)算機(jī)和資源，和現(xiàn)實(shí)網(wǎng)格環(huán)境中用戶與資源多樣性情況相符合。SimJava是一款離散事件模擬工具，GridSim 擴(kuò)展了 SimJava[16]，可仿真網(wǎng)格環(huán)境中各種不同實(shí)體。因此，利用GridSim仿真網(wǎng)格資源選擇過程非常合適和可行。本文采用的是Gridsim 4.2，開發(fā)平臺(tái)是Eclipse 5.5，語言采用Java。

3.2 仿真實(shí)驗(yàn)參數(shù)設(shè)定

為了便于和其他模型相比較，仿真中設(shè)定了100個(gè)資源節(jié)點(diǎn)，查詢周期為1 000個(gè)，模型中各參數(shù)值設(shè)定如表1所示。

表1 仿真參數(shù)及其取值

3.3 仿真實(shí)驗(yàn)結(jié)果及分析

由于仿真實(shí)驗(yàn)建立在Java多線程機(jī)制下，代表資源節(jié)點(diǎn)的各線程隨機(jī)并發(fā)執(zhí)行，所以實(shí)驗(yàn)運(yùn)行結(jié)果也是隨機(jī)的，在這里取多次運(yùn)行結(jié)果的平均值。

本實(shí)驗(yàn)考察了4種典型的資源選擇策略。

1) 隨機(jī)(random)選擇算法，該算法采取隨機(jī)選擇的方法選取某資源提供節(jié)點(diǎn)。

2) 基于嚴(yán)格成本的算法(DBC)[4]，該算法選擇價(jià)格最低廉的資源提供節(jié)點(diǎn)，不考慮資源的安全性和風(fēng)險(xiǎn)。

3) 基于嚴(yán)格信任(strict trust)的算法[5]，該算法選擇最可信的資源提供節(jié)點(diǎn)，而忽略選擇的成本及代價(jià)。

4) 基于信任力矩(TM)的選擇算法，該算法既注重資源的 QoS屬性，又兼顧了需求者的需求偏好。

3.3.1 重大交易成功率分析

本仿真實(shí)驗(yàn)重點(diǎn)驗(yàn)證不同資源選擇方法隨重大交易次數(shù)的增加其成功率的變化趨勢(shì)。其中，重大交易是指交易金額較多、交易規(guī)模較大，交易前雙方需要慎重考慮的交易。交易成功率則定義為資源節(jié)點(diǎn)成功交易次數(shù)與所有交易次數(shù)的比值，結(jié)果如圖5所示。

圖5 不同資源選擇策略的交易成功率隨重大交易次數(shù)增加的變化趨勢(shì)

通過仿真驗(yàn)證發(fā)現(xiàn)，本文所采用的資源選擇策略，交易成功率較基于嚴(yán)格信任的選擇策略和基于嚴(yán)格成本的策略略高。這是由于基于嚴(yán)格成本的選擇策略在選擇交易對(duì)象時(shí)過分追求價(jià)格低廉的資源，從而忽略了資源的安全性屬性，導(dǎo)致其交易成功率較低。基于嚴(yán)格信任(strict trust)的選擇方式則是因?yàn)檫^分的強(qiáng)調(diào)資源的安全性，忽略了需求者的需求偏好，從而導(dǎo)致該算法選擇出的資源安全性很高，但是可能并不符合需求者的喜好，使得其交易成功率略低于TM算法的成功率。而基于信任力矩的選擇算法(TM)做到了資源的QoS屬性和需求者需求偏好的兼顧，使其交易成功率高于其他算法。仿真實(shí)驗(yàn)中節(jié)點(diǎn)的信任引力隨著吸引因子和渴求因子取值不同而變化，而資源交易的成功率會(huì)隨著信任引力的增大而提高。

3.3.2 資源選擇失效率分析

失效率指當(dāng)請(qǐng)求節(jié)點(diǎn)無法找到滿足要求的資源提供節(jié)點(diǎn)導(dǎo)致交易失敗的次數(shù)與總提交資源請(qǐng)求數(shù)的比值。該仿真實(shí)驗(yàn)驗(yàn)證4種資源選擇算法隨著資源交易次數(shù)的增加其失效率的變化趨勢(shì)，結(jié)果如圖6所示。

圖6 使用不同的資源選擇策略時(shí)作業(yè)失效率的比較

通過仿真驗(yàn)證發(fā)現(xiàn)，基于嚴(yán)格信任(strict trust)的選擇算法失效率最低，因?yàn)樵跐M足安全性的前提條件下采用該策略始終會(huì)找到滿足要求的資源提供節(jié)點(diǎn)。其次是采用基于信任力矩算法(TM)的資源選擇方式，由于在資源選擇的過程中要同時(shí)滿足資源 QoS屬性和需求者的需求偏好，這就影響了資源選擇的效率，但通過仿真實(shí)驗(yàn)可以看出，這種方式的失效率相對(duì)還是比較低的。然后是隨機(jī)(random)選擇方式，而失效率最高的是基于嚴(yán)格成本(DBC)的選擇方式。實(shí)驗(yàn)中節(jié)點(diǎn)的信任引力隨著吸引因子和渴求因子取值的不同而變化，信任引力越大，請(qǐng)求節(jié)點(diǎn)就越容易找到自己所需要的資源，資源選擇的失效率也隨之降低。

4 結(jié)束語

針對(duì)現(xiàn)有網(wǎng)格資源選擇模型中，往往忽略用戶自身需求偏好的問題，借用萬有引力定律，高效、安全的網(wǎng)格資源節(jié)點(diǎn)能體現(xiàn)出更大的吸引力，定義“信任引力”與“信任半徑”的乘積為“信任力矩”，提出了基于信任力矩的網(wǎng)格資源選擇模型，將網(wǎng)格資源按類型劃分為多個(gè)可信資源域，每個(gè)域的網(wǎng)格資源由其域代理負(fù)責(zé)組織管理，通過對(duì)資源節(jié)點(diǎn)進(jìn)行信任評(píng)估，依靠歷史交易經(jīng)驗(yàn)、當(dāng)前資源屬性和個(gè)人偏好綜合判斷，實(shí)現(xiàn)了既注重用戶資源選擇的服務(wù)質(zhì)量，又能滿足用戶需求偏好的資源選擇算法。最后，通過仿真實(shí)驗(yàn)驗(yàn)證了模型的可行性和有效性。

[1] LIU C, YANG L Y, FOSTER I,et al. Design and evaluation of a resource selection framework for grid applications[A]. Proceedings of IEEE International Symposium on High Performance Distributed Computing[C]. Edinburgh, Scotland, 2002.12-26.

[2] AZZEDIN F, MAHESWARA M N. Towards trust-aware resource management in grid computing systems[A]. The 2nd IEEE/ACM International Symposium on Cluster Computing and the Grid[C]. USA,2002.

[3] BUYYA R, ABRAMSON D, GIDDY J,et al. Economic models for resource management and scheduling in grid computing [J]. Concurrency and Computation-Practice & Experience (S1532-0626), 2002,14(13-15):1507-1542.

[4] BUYYA R, M MURSHED, ABRAMSON D. A deadline and budget constrained cost-time optimization algorithm for scheduling task farming applications on global grids[A]. Proceedings of the 2002 International Conference on Parallel and Distributed Processing Techniques and Applications (PDPTA'02)[C]. Las Vegas, Nevada, USA, 2002.

[5] 陳貞翔, 葛連升, 王海洋等. 普適環(huán)境中基于信任的服務(wù)評(píng)價(jià)和選擇模型[J]. 軟件學(xué)報(bào), 2006, 17(11): 200-210.CHEN Z X, GE L S, WANG H Y,et al. A trust-based service evaluation and selection model in pervasive computing environment[J].Journal of Software, 2006, 17(11):200-210.

[6] 馬滿福, 段富海, 黃志毅等. 基于云理論的網(wǎng)格資源選擇[J]. 計(jì)算機(jī)應(yīng)用, 2009, 29(4):1162-1164.MA M F, DUAN F H, HUANG Z Y,et al. Grid resource selecting based on cloud theory[J]. Journal of Computer Applications, 2009,29(4):1162-1164.

[7] 郭東, 胡亮, 郭冰心等. 基于應(yīng)用偏好模糊聚類的網(wǎng)格資源選擇[J].儀器儀表學(xué)報(bào), 2008, 29(7):1403-1407.GUO D, HU L, GUO B X,et al. Grid resource selection based on preference-based fuzzy clustering[J]. Chinese Journal of Scientific Instrument, 2008, 29(7):1403-1407.

[8] 馬滿福, 姚軍, 王小牛. 基于QoS參數(shù)綜合模型的網(wǎng)格資源選擇優(yōu)化[J]. 計(jì)算機(jī)應(yīng)用, 2008, 28(6):1585-1587.MA M F, YAO J, WANG X N. Grid resource selection optimizing based on QoS parameters integrated model[J]. Journal of Computer Applications, 2008, 28(6):1585-1587.

[9] 齊寧, 黃永忠, 陳海勇等. 一種基于QoS的網(wǎng)格資源選擇優(yōu)化模型[J].計(jì)算機(jī)工程與應(yīng)用, 2009, 44(8):142-144.QI N, HUANG Y Z, CHEN H Y,et al. QoS-based grid resource selection optimization model[J]. Computer Engineering and Applications, 2009, 44(8):142-144.

[10] PENG L Z, CHEN Y H, YANG B,et al. A novel classification method based on data gravitation[A]. Int’l Conf on Neural Networks and Brain (ICNN&B)[C]. Beijing, China, 2005. 667-672.

[11] ZHOU R, HWANG K. Trust overlay networks for global reputation aggregation in P2P grid computing [A]. The 20th International Parallel and Distributed Processing Symposium[C]. USA, 2006.

[12] GAMBETTA D. Can we trust trust? [A]. Trust: Making and Breaking Cooperative Relations[C]. Basil Blackwell, 1990. 213-237.

[13] 陳建剛, 王汝傳, 張琳等. 基于模糊集合的網(wǎng)格資源訪問的信任機(jī)制[J]. 計(jì)算機(jī)學(xué)報(bào), 2009, 32(8):1676-1682.CHEN J G, WANG R C, ZHANG L,et al. The resource access mechanism in grid based on fuzzy-trust[J]. Chinese Journal Computers,2009, 32(8):1676-1682.

[14] 徐玖平, 吳巍. 多屬性決策的理論與方法[M]. 北京:清華大學(xué)出版社, 2006.XU J P, WU W. Theories and Methods for Multiple Attribute Decision Making[M]. Beijing: Tsinghua University Press, 2006.

[15] BUYYA R, MURSHED M. GridSim: a toolkit for modeling and simulation of grid resource management and scheduling[J]. Concurrency and Computation: Practice and Experience, 2002, 14:1175- 1220.

[16] HOWELL F, MCNAB R. Simjava: a discrete event simulation package for Java with applications in computer systems modeling [A].Proceedings of First International Conference on Web-based Modeling and Simulation[C]. San Diego, CA, USA, 1998. 51-56.