基于區(qū)塊鏈的服務(wù)質(zhì)量綜合評(píng)估框架與算法

閆志強(qiáng) ,楊翰宇+,程冠杰,劉洪榮 ,鄧水光,劉冠宇 ,楊 明

(1.首都經(jīng)濟(jì)貿(mào)易大學(xué) 管理工程學(xué)院，北京 100010；2.浙江大學(xué) 計(jì)算機(jī)學(xué)院，浙江 杭州 310007；>3.航天神舟智慧系統(tǒng)技術(shù)有限公司，北京 100010)

0 引言

隨著全球化商業(yè)環(huán)境的日益復(fù)雜以及競爭日益激烈，企業(yè)面臨著巨大的挑戰(zhàn)，企業(yè)需要業(yè)務(wù)流程管理來不斷優(yōu)化其業(yè)務(wù)流程。同時(shí)，為了保證靈活性，企業(yè)將很多非核心功能外包出去，通過購買服務(wù)并將購買的服務(wù)組合成適用的業(yè)務(wù)流程，以這樣的方式來滿足自己的業(yè)務(wù)需求。但企業(yè)的服務(wù)組合和選取仍需根據(jù)服務(wù)提供商或第三方機(jī)構(gòu)提供的服務(wù)質(zhì)量(Quality of Service,QoS)列表來決策。而且這些搜集到的服務(wù)的QoS參數(shù)信息的可靠性一直存在疑問。互聯(lián)網(wǎng)上存在著許多虛假服務(wù)，服務(wù)提供商有時(shí)也會(huì)為了追求利益而提供不真實(shí)的QoS值，收集和維護(hù)服務(wù)QoS值的第三方機(jī)構(gòu)(如統(tǒng)一描述、發(fā)現(xiàn)和集成協(xié)議(Universal Description Discovery and Integration，UDDI))也很難保證其QoS的真實(shí)性。

區(qū)塊鏈技術(shù)起初源自于比特幣網(wǎng)絡(luò)[1]，可以替代現(xiàn)有的第三方機(jī)構(gòu)來收集和維護(hù)服務(wù)的QoS值。區(qū)塊鏈采用分布式存儲(chǔ)，每個(gè)節(jié)點(diǎn)都會(huì)存儲(chǔ)一份服務(wù)的QoS值，即使某些節(jié)點(diǎn)出現(xiàn)故障也不會(huì)影響系統(tǒng)穩(wěn)定性。區(qū)塊鏈的共識(shí)機(jī)制保證了一旦服務(wù)的QoS值上傳到區(qū)塊鏈網(wǎng)絡(luò)上，就不能再隨意更改，這將大大提升供應(yīng)商和機(jī)構(gòu)的作弊成本。另外，區(qū)塊鏈的加密機(jī)制也確保了系統(tǒng)的安全性。

區(qū)塊鏈上還可以通過智能合約(Smart Contract，SC)自動(dòng)簽署服務(wù)合同。SC的概念于1995年由NICK首次提出[2]，是一種旨在以信息化方式傳播、驗(yàn)證或執(zhí)行合同的計(jì)算機(jī)協(xié)議。它是一套以數(shù)字形式定義的承諾，是一種運(yùn)行部署在區(qū)塊鏈平臺(tái)上的可執(zhí)行代碼集合[3]，SC可以允許在沒有第三方的情況下進(jìn)行可信的服務(wù)交易，這些交易可追蹤且不可逆轉(zhuǎn)。SC能夠從區(qū)塊鏈中讀取數(shù)據(jù)，并在達(dá)到限定條件的情況下自動(dòng)執(zhí)行服務(wù)并將執(zhí)行結(jié)果存儲(chǔ)在區(qū)塊鏈中。也就是說，運(yùn)行在區(qū)塊鏈平臺(tái)上的SC可以在沒有可信第三方的情況下強(qiáng)制執(zhí)行服務(wù)購買者與提供者之間簽署的服務(wù)協(xié)議。

現(xiàn)階段對(duì)于在區(qū)塊鏈上進(jìn)行QoS綜合評(píng)估的研究相對(duì)較少，VIRIYASITAVAT等[4]提出在區(qū)塊鏈上安全存儲(chǔ)用戶反饋值的QoS值，并使用其平均值來確定客觀QoS參考值，重點(diǎn)在于利用區(qū)塊鏈的優(yōu)勢來存儲(chǔ)用戶反饋評(píng)價(jià)，主要工作是為在區(qū)塊鏈上存儲(chǔ)用戶反饋評(píng)價(jià)值，以及部署相應(yīng)SC框架提供思路。而存儲(chǔ)服務(wù)商提供的QoS以及利用兩者進(jìn)行基于區(qū)塊鏈智能合約QoS評(píng)估的機(jī)制并沒有涉及。

本文針對(duì)以上問題主要做了兩方面工作：首先，提出了基于區(qū)塊鏈與SC技術(shù)的存儲(chǔ)服務(wù)屬性、客戶反饋的QoS客觀評(píng)估框架，對(duì)商家提供的服務(wù)屬性和用戶對(duì)服務(wù)屬性的反饋評(píng)價(jià)，通過SC進(jìn)行存儲(chǔ)和調(diào)用管理。為了減少數(shù)據(jù)在區(qū)塊鏈存儲(chǔ)，無法防止源頭作弊的弊端，同時(shí)為用戶提供更高的參考價(jià)值，本文基于該背景和文獻(xiàn)[4]中設(shè)想的QoS區(qū)塊鏈客觀評(píng)估機(jī)制，提出了高斯混合模型估參拆分和復(fù)雜動(dòng)態(tài)賦權(quán)結(jié)合的算法機(jī)制，擬在區(qū)塊鏈上自動(dòng)進(jìn)行該服務(wù)的QoS客觀評(píng)估，并通過實(shí)驗(yàn)驗(yàn)證了算法的有效性和優(yōu)勢。該方法在一定程度上改善了業(yè)務(wù)流程管理(Business Process Management,BPM)中服務(wù)選擇流程的多方信任這一基礎(chǔ)問題，并進(jìn)一步完善了服務(wù)選擇、服務(wù)QoS評(píng)估的自動(dòng)化、去中心化和互操作性。

1 相關(guān)研究

1.1 區(qū)塊鏈與智能合約

區(qū)塊鏈最初在虛擬貨幣、金融、公證與知識(shí)產(chǎn)權(quán)等領(lǐng)域有著廣泛的應(yīng)用。例如區(qū)塊鏈外匯交易公司Cobalt,利用區(qū)塊鏈技術(shù)簡化外匯交易的流程，并為外匯參與者降低了高達(dá)80%的風(fēng)險(xiǎn)和交易后成本。再如在Ripple[注]Ripple, https://ripple.com/。上，人們可以將現(xiàn)金自由地從一家銀行轉(zhuǎn)移到另一家銀行，并在區(qū)塊鏈上進(jìn)行記錄交易，不需要清算行，進(jìn)而節(jié)省了大量時(shí)間和金錢。現(xiàn)在，區(qū)塊鏈智能合約的應(yīng)用場景逐漸從虛擬貨幣，金融科技領(lǐng)域擴(kuò)展到工業(yè)制造、供應(yīng)鏈管理、醫(yī)療、物流乃至慈善等越來越多的領(lǐng)域。例如文獻(xiàn)[5-6]的“區(qū)塊鏈慈善”提出了一種基于區(qū)塊鏈的慈善模式。討論了基于區(qū)塊鏈捐贈(zèng)知識(shí)產(chǎn)權(quán)等無形資產(chǎn)的可能性以及以區(qū)塊鏈為基礎(chǔ)的慈善機(jī)構(gòu)籌集資金和解決社會(huì)問題的新途徑；李琪等[6]提出基于區(qū)塊鏈技術(shù)的慈善應(yīng)用模式與平臺(tái)，實(shí)現(xiàn)了善款在捐款人與被捐款人之間的直接劃轉(zhuǎn)，并且限制被捐款人對(duì)善款的濫用，與此同時(shí)，通過時(shí)間戳實(shí)現(xiàn)善款追蹤與實(shí)時(shí)更新。薛騰飛等[7]提出基于區(qū)塊鏈的醫(yī)療數(shù)據(jù)共享模型，解決了醫(yī)療機(jī)構(gòu)共享數(shù)據(jù)需要花費(fèi)大量的資源和時(shí)間用于權(quán)限審查和數(shù)據(jù)校驗(yàn)的問題。黃涵禧[8]在以太坊錢包上進(jìn)行了一次簡易的承兌匯票合約實(shí)踐,并以此分析其優(yōu)勢與存在的問題,探討了當(dāng)前SC與數(shù)字票據(jù)結(jié)合的可能場景。

在業(yè)務(wù)流程管理領(lǐng)域，MENDLING等[9]對(duì)業(yè)務(wù)流程管理與區(qū)塊鏈技術(shù)結(jié)合的可能性進(jìn)行了深刻探討，并提出了其存在的機(jī)遇與挑戰(zhàn)。FRIDGEN等[10]提出以國際結(jié)算業(yè)務(wù)流程為例的基于區(qū)塊鏈與SC的自動(dòng)化流程模型，該模型可以大大減少不必要的人工成本、時(shí)間成本與紙質(zhì)文檔的使用，降低了重要憑證與關(guān)鍵信息丟失的可能性，并且在一定程度上減少了通知行、開證行等第三方機(jī)構(gòu)的介入。DI CICCIO等[11]研究了如何在以區(qū)塊鏈為基礎(chǔ)的供應(yīng)鏈上運(yùn)行業(yè)務(wù)流程，并在其運(yùn)行時(shí)提供完整的流程可跟蹤性，并提出了一種通過組織間業(yè)務(wù)流程的區(qū)塊鏈進(jìn)行流程跟蹤的解決方案。HAAMANN等[12]提出將區(qū)塊鏈作為中間層加入組織內(nèi)部或上下游組織之間流程的思路，使其在跨組織或跨部門的業(yè)務(wù)流程中承擔(dān)傳輸存儲(chǔ)重要信息和輔助決策的角色。Orlenys，Luciano等開發(fā)了一個(gè)稱為CATERPILLAR[注]CATERPILLAR, https://github.com/orlenyslp/Caterpillar。的工具，可以將BPMN轉(zhuǎn)化為以太坊[注]以太坊,Ethereum,區(qū)塊鏈平臺(tái)之一, https://ethereum.org/。上的智能合約語言Solidity，并將該流程在以太坊上進(jìn)行部署。此外，在生活中也已有京東區(qū)塊鏈開發(fā)產(chǎn)品供應(yīng)鏈溯源系統(tǒng)，普華永道推出區(qū)塊鏈審計(jì)業(yè)務(wù)等成功案例。區(qū)塊鏈的去中心化，不對(duì)稱加密，共識(shí)算法等特點(diǎn)使其成為解決企業(yè)業(yè)務(wù)流程中信息傳遞、信息安全、多方信任等問題最具潛力的技術(shù)之一。

1.2 QoS評(píng)估與服務(wù)選擇組合

物聯(lián)網(wǎng)(Internet of Things, IoT)、面向服務(wù)架構(gòu)(Service-Oriented Architecture, SOA)和云技術(shù)等先進(jìn)信息技術(shù)的產(chǎn)生推動(dòng)增加了許多功能類似的服務(wù)，但這些服務(wù)的QoS值和個(gè)人偏好層面(聲譽(yù)，價(jià)位)卻不盡相同。隨著越來越多的服務(wù)在動(dòng)態(tài)環(huán)境中自主運(yùn)行，這些擁有不同QoS值卻提供著相同或相似功能的服務(wù)使服務(wù)的選擇和組合變得多樣化也更具挑戰(zhàn)[13-14]。每個(gè)企業(yè)都或多或少會(huì)將部分業(yè)務(wù)流程以購買服務(wù)的形式進(jìn)行外包，企業(yè)根據(jù)其需求和條件制定不同的服務(wù)選擇策略，因此QoS作為一項(xiàng)重要指標(biāo)，在服務(wù)選擇過程中受到越來越多的關(guān)注。目前，在Web 服務(wù)QoS領(lǐng)域的研究工作主要分為幾方面：QoS 模型研究、QoS 信息獲取及存儲(chǔ)和QoS屬性度量方法。其中，基于QoS的Web服務(wù)發(fā)現(xiàn)技術(shù)包括QoS屬性的組成、表示、計(jì)算及對(duì)QoS 屬性按一定的規(guī)范化算法和評(píng)價(jià)標(biāo)準(zhǔn)計(jì)算出綜合QoS相對(duì)最優(yōu)服務(wù)[15]。近年來，各種QoS感知評(píng)估與服務(wù)選擇方法被提出。在QoS值感知與評(píng)定方面，如朱連章等[16]提出引入用戶體驗(yàn)質(zhì)量(Quality of Experience,QoE)并結(jié)合QoS參數(shù)量化用戶體驗(yàn)質(zhì)量的評(píng)價(jià)模型，更精確地體現(xiàn)用戶體驗(yàn)質(zhì)量與服務(wù)質(zhì)量的關(guān)系。HUANG[17]提出通過在線社區(qū)用戶評(píng)定Web服務(wù)QoS的UsageQoS算法，該方法利用Web服務(wù)的使用頻率計(jì)算社區(qū)內(nèi)Web服務(wù)的QoS的分?jǐn)?shù)并能夠選擇性地將用戶評(píng)級(jí)作為其初始輸入。王玉標(biāo)等[18]提出一種 Web 服務(wù)動(dòng)態(tài)評(píng)估模型，運(yùn)用灰色系統(tǒng)理論(Grey System Theory,GST) 中的灰色處理方法對(duì)人為主觀評(píng)分?jǐn)?shù)據(jù)進(jìn)行模糊化處理。同時(shí)，分別采用層次分析法(Analytic Hierarchy Process,AHP) 和改進(jìn)的熵值賦權(quán)法計(jì)算Web服務(wù)的主客觀因子權(quán)重，將主客觀的權(quán)重進(jìn)行組合，計(jì)算綜合權(quán)重。GUO等[19]提出一種基于人工神經(jīng)網(wǎng)絡(luò)排名的服務(wù)評(píng)估算法。除此之外，還有一些考慮了用戶偏好的模型，如CAO等[20]提出一種基于QoS和用戶偏好的Q-WSEM評(píng)估模型，可以根據(jù)不同的用戶喜好選擇有效的服務(wù)，CHOI等[21]提出一種基于服務(wù)質(zhì)量等級(jí)和用戶QoS屬性偏好的QoS評(píng)估方法，并考慮業(yè)務(wù)間或服務(wù)間上下游關(guān)系提出如Chowdhury的基于混合過濾的感知分層QoS預(yù)測方法。服務(wù)選擇和組合方面，現(xiàn)在已有多種方法滿足QoS約束并進(jìn)行動(dòng)態(tài)服務(wù)組合選擇，如以各種啟發(fā)式算法為基礎(chǔ)的根據(jù)用戶功能需求進(jìn)行服務(wù)篩選的方法，包括改進(jìn)模擬退火算法、局部貪婪算法[22]、遺傳算法等[23]。此外，還有文獻(xiàn)進(jìn)一步考慮到資源服務(wù)之間的關(guān)聯(lián)度對(duì)QoS值的影響，進(jìn)而DENG等[24]提出一種稱為相關(guān)感知服務(wù)剪枝(Correlation-Aware Service Pruning,CASP)的方法來進(jìn)行服務(wù)選擇。這些方法有的將服務(wù)的選擇組合與QoS評(píng)定看作是一種決策優(yōu)化問題，有的將其看作是混合整數(shù)規(guī)劃的問題來尋找最佳服務(wù)組合。

然而，對(duì)于這些方法最大的阻礙是QoS值的可靠性。上述文獻(xiàn)中QoS值有的是通過觀察實(shí)驗(yàn)服務(wù)的單個(gè)個(gè)體得到的，有的是完全依賴第三方機(jī)構(gòu)提供，有的則在傳統(tǒng)方法的基礎(chǔ)上考慮用戶的反饋評(píng)價(jià)權(quán)重和歷史數(shù)據(jù)。但實(shí)際應(yīng)用中假定服務(wù)商提供的QoS值完全可信是不明智的，依賴第三方中心機(jī)構(gòu)也有許多風(fēng)險(xiǎn)，如較高的維護(hù)開銷、拒絕服務(wù)攻擊(Denial of Service，DoS )、第三方作假欺詐，或單點(diǎn)故障等問題，收集用戶反饋和歷史數(shù)據(jù)雖然在一定程度上緩解了服務(wù)提供者給出QoS數(shù)據(jù)不可靠的顧慮，但不可否認(rèn)的是這些評(píng)價(jià)、反饋或歷史數(shù)據(jù)也有被篡改或偽造的可能性。而區(qū)塊鏈的去中心化、分布式結(jié)構(gòu)以及賬本數(shù)據(jù)庫的技術(shù)特性使存儲(chǔ)在區(qū)塊鏈上的數(shù)據(jù)永久不可篡改且可信，這為解決這些障礙提供了途徑。本文首先將區(qū)塊鏈技術(shù)與業(yè)務(wù)流程管理相結(jié)合，提出一種基于區(qū)塊鏈對(duì)用戶反饋數(shù)據(jù)、歷史數(shù)據(jù)以及服務(wù)提供商提供的QoS屬性數(shù)據(jù)進(jìn)行存儲(chǔ)、管理和調(diào)用的流程模型來解決這些問題。但區(qū)塊鏈也有一定的技術(shù)局限性，如無法防止數(shù)據(jù)源頭作弊，可以通過后續(xù)的懲罰手段，如當(dāng)用戶被發(fā)現(xiàn)作弊，則扣除該用戶在區(qū)塊鏈上的信譽(yù)值，然后將信譽(yù)值與一系列利益活動(dòng)相關(guān)聯(lián)。也可以設(shè)計(jì)一些算法機(jī)制輔助懲罰手段來規(guī)避這些弊端，因此本文在提出該流程模型的基礎(chǔ)上進(jìn)而提出了相應(yīng)的QoS評(píng)估機(jī)制和算法，在減少源頭作弊可能性的同時(shí)也增加了用戶使用服務(wù)時(shí)的參考價(jià)值，并使鏈上數(shù)據(jù)更具說服力。

2 研究基礎(chǔ)

2.1 服務(wù)與QoS

在企業(yè)里，一個(gè)抽象服務(wù)代表一個(gè)業(yè)務(wù)的解決方案，可以分為原子服務(wù)和復(fù)雜服務(wù)。原子服務(wù)由一個(gè)任務(wù)構(gòu)成，不可再分，服務(wù)(任務(wù))可由市場上的供應(yīng)商提供。復(fù)雜服務(wù)可以由多個(gè)服務(wù)(任務(wù))組合而成，其組合方式可以用一個(gè)業(yè)務(wù)流程模型來描述。定義1給出了抽象服務(wù)的形式化描述。圖1是一個(gè)Web搜索與IP地址查詢的簡化流程，流程中任務(wù)的執(zhí)行由相對(duì)應(yīng)功能的服務(wù)完成，服務(wù)的接口通過使用SOA技術(shù)封裝來標(biāo)準(zhǔn)化。

定義1抽象服務(wù)。一個(gè)抽象服務(wù)是一個(gè)二元組S=(T，proc)，其中T={t1,…,t|T|}是具體服務(wù)提供商執(zhí)行的有限任務(wù)集合，proc 表示服務(wù)S對(duì)應(yīng)的業(yè)務(wù)流程，提供了任務(wù)間的結(jié)構(gòu)信息和執(zhí)行方案。

QoS是一組非功能屬性的集合,其中,每個(gè) QoS 屬性表征了服務(wù)某一方面的質(zhì)量信息,具有一個(gè)屬性值,例如可用性、響應(yīng)時(shí)間以及吞吐率等。服務(wù)市場上QoS的提供一般來源包括第三方機(jī)構(gòu)測評(píng)、服務(wù)提供商掛售服務(wù)時(shí)提供、用戶使用后反饋。

定義2服務(wù)質(zhì)量。A代表QoS的屬性集合，QoS為一個(gè)向量Q=(q1,q2…,q|A|),其中:Q表示服務(wù)的各個(gè)維度的屬性值，qk為第k個(gè)QoS屬性值。

服務(wù)購買企業(yè)根據(jù)自己的抽象服務(wù)以及抽象服務(wù)中每個(gè)任務(wù)的QoS約束在市場上選擇服務(wù)，合成可執(zhí)行的組合服務(wù)(composite service)。用戶在使用過服務(wù)后要對(duì)服務(wù)QoS給出反饋評(píng)價(jià)。

定義3組合服務(wù)。組合服務(wù)是抽象服務(wù)的一個(gè)執(zhí)行實(shí)例，是一個(gè)四元組C=(S,P,select,feedback)，其中：S是一個(gè)抽象服務(wù)；P是服務(wù)提供商的有限集合；select：T→P×QoS是一個(gè)函數(shù)，select(tk)=(pk，Qk)代表選擇服務(wù)商pk來執(zhí)行任務(wù)tk，服務(wù)商提供的服務(wù)質(zhì)量為Qk=(qk,1,qk,2,…,qk,|A|)。feedback:T→P×QoS是一個(gè)函數(shù)，feedback(tk)=(pk，F(xiàn)k)代表服務(wù)購買者使用過服務(wù)后，對(duì)服務(wù)商pk執(zhí)行任務(wù)tk服務(wù)質(zhì)量的評(píng)價(jià)為Fk=(fk,1,fk,2…,fk,|A|)。

2.2 區(qū)塊鏈

字面意義上講，區(qū)塊鏈就是由區(qū)塊組成的一個(gè)鏈條。意味著由多個(gè)區(qū)塊前后連接在一起，而交易記錄則保存封裝在每個(gè)區(qū)塊內(nèi)部，相鄰模塊通過哈希加密關(guān)聯(lián)，因此這些記錄變得可追溯和不可更改。從實(shí)質(zhì)上講，區(qū)塊鏈?zhǔn)且粋€(gè)去中心化、分布式的數(shù)據(jù)庫或賬本，具有以下特征：

(1)去中心化 簡單地說，就是在網(wǎng)絡(luò)上一個(gè)或多個(gè)服務(wù)器癱瘓的情況下應(yīng)用或服務(wù)仍然能夠持續(xù)正常地運(yùn)行，且即使每一個(gè)服務(wù)器都有一份數(shù)據(jù)或執(zhí)行程序的副本，但一個(gè)服務(wù)器絕不可能完全控制數(shù)據(jù)和程序的執(zhí)行。

(2)分布式 網(wǎng)絡(luò)上每個(gè)服務(wù)器或節(jié)點(diǎn)相互連接，服務(wù)器之間是多對(duì)多而不是一對(duì)多、一對(duì)一的連接狀態(tài)。

(3)數(shù)據(jù)庫 指持久化存儲(chǔ)數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行檢索、管理的工具。

(4)賬本 賬本是一種特殊的數(shù)據(jù)存儲(chǔ)方式，他不允許修改歷史數(shù)據(jù)，要對(duì)歷史數(shù)據(jù)進(jìn)行修改或更新只能通過增加記錄的形式繼續(xù)進(jìn)行存儲(chǔ)，沒有任何修改歷史數(shù)據(jù)的可能。

(5)智能合約 區(qū)塊鏈上執(zhí)行的自動(dòng)化腳本，用來在區(qū)塊鏈上存儲(chǔ)、調(diào)取信息，或者在達(dá)到某些條件時(shí)自動(dòng)觸發(fā)某些行為，可以看作取代人工的自動(dòng)執(zhí)行的合約。

定義4智能合約SC(pi,sj)。 服務(wù)提供商掛售服務(wù)時(shí)提供的智能合約，其中：pi為該服務(wù)市場中的服務(wù)商i，sj為該合約對(duì)應(yīng)的服務(wù)，j為服務(wù)編號(hào),用來區(qū)別不同服務(wù)。

這些特征都是由區(qū)塊鏈的存儲(chǔ)方式、運(yùn)行方式、加密技術(shù)等技術(shù)特性決定的，因此簡單來講，區(qū)塊鏈就是一個(gè)去中心化分布式的不可篡改數(shù)據(jù)庫。利用這些技術(shù)特點(diǎn)，區(qū)塊鏈可以使QoS評(píng)定和業(yè)務(wù)流程中服務(wù)的選擇變得更加具有可伸縮性、穩(wěn)定性和高可用性。不存在單點(diǎn)故障的問題，也具有較高的可信任性、透明性和公正性。具體來講，為克服前文提出的障礙，區(qū)塊鏈技術(shù)做出了以下貢獻(xiàn)：

(1)在不涉及任何中介或第三方機(jī)構(gòu)的情況下建立未知服務(wù)之間的可信關(guān)系：規(guī)避了DoS(拒絕服務(wù)攻擊)、第三方作假欺詐，或單點(diǎn)故障等第三方問題。

(2)在諸多方面降低了流程成本：如一些傳統(tǒng)人工操作成本，第三方機(jī)構(gòu)的中介成本，省去基于QoS屬性的數(shù)字證書評(píng)定成本,而且為整個(gè)系統(tǒng)層面提供了更高的安全性等級(jí)。

(3)通過智能合約實(shí)現(xiàn)結(jié)合用戶反饋?zhàn)詣?dòng)實(shí)時(shí)更新的客觀QoS值認(rèn)證，以及自動(dòng)化執(zhí)行滿足企業(yè)需求的服務(wù)選擇和組合的任務(wù)，從而提升整體流程的效率。

(4)數(shù)據(jù)歷史不可篡改。記錄在區(qū)塊鏈上的用戶評(píng)價(jià)反饋和商家提供的QoS值無法被修改，可作為有效的防詐騙依據(jù)。

3 基于區(qū)塊鏈的服務(wù)選擇與QoS評(píng)價(jià)框架

如本文2.2節(jié)所述，在區(qū)塊鏈及相關(guān)技術(shù)走進(jìn)人們視野之前，已有許多學(xué)者對(duì)當(dāng)前網(wǎng)絡(luò)環(huán)境下QoS的綜合評(píng)定方法進(jìn)行了研究，如前文提到針對(duì)服務(wù)提供商和服務(wù)請求者兩方參與者進(jìn)行研究的，考慮第三方評(píng)價(jià)機(jī)構(gòu)參與進(jìn)行三方加權(quán)的研究，基于歷史數(shù)據(jù)統(tǒng)計(jì)對(duì)當(dāng)前QoS數(shù)據(jù)進(jìn)行修正的方法，對(duì)人為主觀評(píng)分?jǐn)?shù)據(jù)進(jìn)行模糊化處理或采用各種啟發(fā)式算法進(jìn)行動(dòng)態(tài)評(píng)估的方法，以及考慮用戶偏好服務(wù)或偏好QoS屬性來對(duì)服務(wù)QoS進(jìn)行評(píng)估的方法等。

但上述文獻(xiàn)主要存在的問題是，部分文獻(xiàn)根據(jù)服務(wù)提供商給出的QoS或用戶反饋的QoS進(jìn)行簡單加權(quán)，權(quán)重大小沒有細(xì)分，其他有的雖然對(duì)加權(quán)方法進(jìn)行了細(xì)化研究，或考慮了主觀和客觀因素綜合評(píng)分，采用了一些修正的反饋機(jī)制，但都未考慮根源問題，即服務(wù)提供商、用戶反饋或第三方提供QoS值的可靠性，對(duì)于惡意評(píng)價(jià)和作弊評(píng)價(jià)不誠實(shí)樣本的考慮不夠完善。

于是在此基礎(chǔ)上，前文提出的基于區(qū)塊鏈的QoS評(píng)價(jià)與服務(wù)選擇流程模型首先在一定程度上解決了當(dāng)前環(huán)境下歷史數(shù)據(jù)、用戶反饋評(píng)價(jià)可篡改、易篡改，無法作為有效法律依據(jù)，QoS值不可信以及第三方風(fēng)險(xiǎn)等問題。現(xiàn)階段對(duì)于在區(qū)塊鏈上進(jìn)行QoS綜合評(píng)估的研究相對(duì)較少，VIRIYASITAVAT[4]提出使用在區(qū)塊鏈上安全存儲(chǔ)的用戶反饋值的平均來確定客觀QoS參考值，該文重點(diǎn)在于利用區(qū)塊鏈的優(yōu)勢來存儲(chǔ)用戶反饋評(píng)價(jià)，主要工作是為在區(qū)塊鏈上存儲(chǔ)用戶反饋評(píng)價(jià)值以及部署相應(yīng)智能合約框架提供思路。而存儲(chǔ)服務(wù)商提供的QoS以及利用兩者進(jìn)行基于區(qū)塊鏈智能合約QoS評(píng)估的機(jī)制并沒有涉及。本文對(duì)此進(jìn)行改進(jìn)，提出新的流程以及完成的合約代碼和基于區(qū)塊鏈進(jìn)行綜合評(píng)估算法，使用戶使用時(shí)能獲取更多參考信息。該機(jī)制(后文稱Viriyasitavat機(jī)制)主要在以下方面可以改進(jìn)：

(1)完全信任用戶反饋，忽視用戶惡意評(píng)價(jià)，或商家串通用戶打高分的行為，區(qū)塊鏈?zhǔn)菬o法規(guī)避源頭作弊的，雖然信息一旦上傳將被永久記錄，區(qū)塊鏈技術(shù)的防篡改性使鏈上數(shù)據(jù)可作為有效依據(jù)為偵測和懲處欺詐節(jié)點(diǎn)提供支持，一定程度上減弱節(jié)點(diǎn)參與方的欺詐行為，可作為有效的反欺詐工具，但這也只是后續(xù)懲處手段的基礎(chǔ)，應(yīng)盡可能降低源頭作弊出現(xiàn)的概率。

(2)單純考慮用戶反饋一個(gè)維度的數(shù)據(jù)，不能很好地反映真實(shí)QoS的數(shù)據(jù)特征，商家完全沒有話語權(quán)，在很大程度上造成數(shù)據(jù)特征損失。

因此，仍需考慮進(jìn)一步優(yōu)化區(qū)塊鏈上QoS綜合評(píng)估的機(jī)制來最大可能地限制參與方源頭作弊的可能性?；谝陨纤伎?，本文提出了高斯混合模型估參拆分與復(fù)雜動(dòng)態(tài)賦權(quán)結(jié)合的QoS綜合評(píng)估算法(第4章詳細(xì)介紹)，并給出一定的基于區(qū)塊鏈智能合約的實(shí)現(xiàn)思路。

如圖2所示為本文提出的一個(gè)基于區(qū)塊鏈的服務(wù)選擇與評(píng)價(jià)的框架，包括服務(wù)QoS：Q=q(q1…qn)及反饋評(píng)價(jià)Feedback：F=f(f1…n)進(jìn)行存儲(chǔ)、管理和使用兩者進(jìn)行綜合評(píng)估的智能合約流程模型，框架具體描述如下：

(1)首先由服務(wù)提供商p1編寫發(fā)布與服務(wù)相應(yīng)的智能合約SC(p1,s1)。

(2)服務(wù)提供商通過合約寫入服務(wù)的QoS屬性QS1，寫入屬性的功能限制可使用者地址僅為服務(wù)提供商。

(3)服務(wù)信息同智能合約一起上傳到同類服務(wù)池區(qū)塊鏈中。

(4)當(dāng)服務(wù)消費(fèi)者根據(jù)需求選擇該服務(wù)后，服務(wù)消費(fèi)者C(1,s1)聯(lián)系服務(wù)提供商達(dá)成服務(wù)購買意向。

(5)完成服務(wù)購買后(購買流程也可基于區(qū)塊鏈智能合約實(shí)現(xiàn)自動(dòng)支付，邏輯是：當(dāng)確認(rèn)選擇該服務(wù)后，錢款由服務(wù)消費(fèi)者的錢包地址轉(zhuǎn)入服務(wù)提供商錢包地址)，服務(wù)提供商提供服務(wù)，并發(fā)送包含寫入過信息合約SC(p1,s1)的地址。

(6)用戶使用服務(wù)。

(7)用戶調(diào)用合約。

(8)當(dāng)用戶使用服務(wù)之后，通過合約地址調(diào)用合約對(duì)相應(yīng)的服務(wù)QoS屬性值進(jìn)行用戶評(píng)價(jià)反饋，評(píng)價(jià)反饋功能限制可使用者地址為服務(wù)提供商以外的其他地址。

(9)完成評(píng)價(jià)反饋FSIC1后，自動(dòng)執(zhí)行算法結(jié)合歷史上存儲(chǔ)過的：反饋值FSIC(1….k)、服務(wù)提供商提供QoS值QS1(1…n)得出 QoS綜合評(píng)估值，并將以上提到的值存入?yún)^(qū)塊鏈賬本中。這樣做的目的是防止服務(wù)提供商欺詐，用戶惡意評(píng)價(jià)，以及取代第三方機(jī)構(gòu)。后文會(huì)具體講解該模型為何能夠規(guī)避欺詐、惡意評(píng)價(jià)等風(fēng)險(xiǎn)。

4 基于高斯混合模型估參拆分+復(fù)雜動(dòng)態(tài)賦權(quán)的QoS綜合評(píng)估算法

本文的最終目的是設(shè)計(jì)一個(gè)算法機(jī)制，降低上傳存儲(chǔ)到區(qū)塊鏈的用戶反饋和商家提供的QoS屬性數(shù)據(jù)源頭說謊的可能性，同時(shí)綜合給出一組對(duì)未來服務(wù)購買者有決策幫助的客觀綜合分值。這里一階段算法-高斯混合模型估參拆分和二階段算法-復(fù)雜動(dòng)態(tài)賦權(quán)結(jié)合是相輔相成的。在本文實(shí)驗(yàn)中選用期望最大化算法(Expectation-Maximization algorithm，EM)做高斯混合模型估參拆分，主成分分析法(Principal Component Analysis，PCA)算法做復(fù)雜動(dòng)態(tài)賦權(quán)。當(dāng)無效評(píng)論點(diǎn)少的情況下EM算法會(huì)將該維度下這些評(píng)分異常的分值簇下的無效評(píng)論樣本組刪除，余下通過PCA算法分?jǐn)?shù)綜合保證數(shù)據(jù)特征完整性，此情況下主要是EM算法起作用。但當(dāng)q′j(1…k)和f′j(1…k)中某一維度無效評(píng)論樣本點(diǎn)超過50%的時(shí)候，EM算法就會(huì)將此維度正常分值簇下的正常樣本組剔除，此維度剩下占比很高的高分作弊點(diǎn)或低分惡意評(píng)價(jià)點(diǎn)，此時(shí)PCA就會(huì)起主要作用，因?yàn)榇藭r(shí)另一個(gè)維度方差較大，PCA就會(huì)把另一維度作為主成分，而綜合結(jié)果分值仍會(huì)保持在正常區(qū)間。所以想要大幅提升分值或者大幅拉低分值只能兩維度同時(shí)作弊才能達(dá)成。本文中提到的高斯模型估參拆分和復(fù)雜動(dòng)態(tài)賦權(quán)中的核心算法都是可以根據(jù)目的和需求替換的，如梯度下降法、Gibbs采樣法、TSNE算法等。本章以第5章實(shí)驗(yàn)中使用服務(wù)S2，latency屬性的一組數(shù)據(jù)為例輔助解釋算法流程。

步驟1評(píng)價(jià)數(shù)據(jù)預(yù)處理。

因?yàn)镼oS屬性集合中不同屬性QoS的評(píng)價(jià)指標(biāo)不盡相同，所以要對(duì)FSC和QS中包含的的兩組QoS數(shù)據(jù)針對(duì)其屬性進(jìn)行評(píng)價(jià)數(shù)據(jù)預(yù)處理，本文數(shù)據(jù)預(yù)處理采用最小-最大規(guī)格化方法。FSC和QS通過歸一化處理后記做F′SC=f′(f′1…f′n)和Q′S=q′(q′1…q′n)，如表1所示為服務(wù)S2，latency屬性(以下寫作lty)歸一化處理后F′SC和Q′S的數(shù)據(jù)概覽。其中服務(wù)服務(wù)S2，latency屬性在服務(wù)池屬性中歸一化后正常分布區(qū)間在0.5～0.7，用戶評(píng)價(jià)F′SC有40%的樣本是異常評(píng)價(jià)樣本，即分布不在0.5～0.7內(nèi)，以作弊評(píng)價(jià)數(shù)量居多(0.9分以上過高分評(píng)價(jià))，惡意評(píng)價(jià)較少(0.2分以下，過低評(píng)價(jià))。這里假定商家完全畏懼失信懲罰，因此提供Q′S，全樣本均為有效樣本(商家虛假評(píng)分情況會(huì)在實(shí)驗(yàn)中討論)。

步驟2對(duì)輸入樣本組F′SC和Q′S中的QoS屬性進(jìn)行高斯混合模型參數(shù)估計(jì)與拆分。

通過分析探索性數(shù)據(jù)，對(duì)于服務(wù)si的n條歷史商家掛售時(shí)提供的Q′Si(1…n)及其對(duì)應(yīng)n個(gè)用戶評(píng)價(jià)反饋F′sic(1…n)集合中某一QoS屬性j的q′j(1…n)和f′j(1…n)分值可看做兩組高斯混合模型，一般可能會(huì)存在說謊作弊打分過高的分值分布、正常范圍內(nèi)的分值分布、惡意評(píng)價(jià)打分過低的分值分布，故可能會(huì)出現(xiàn)偏離的2～3個(gè)混合正太分布簇。如圖3所示為數(shù)據(jù)預(yù)處理后樣例數(shù)據(jù)例1中用戶評(píng)價(jià)F′SC的分布。

將上文提到的q′j(1…n)和對(duì)應(yīng)的f′j(1…n)看作觀測數(shù)據(jù)y1y2…yn和y′1y′2…y′n進(jìn)行高斯混合模型估參并進(jìn)行拆分。

一階段算法-高斯混合模型估參拆分步驟為：

(1)輸入觀測數(shù)據(jù)y1y2……yn(y′1y′2……y′n)高斯混合模型。

(2)運(yùn)用算法對(duì)當(dāng)前高斯模型進(jìn)行參數(shù)估計(jì)，包括模型中每個(gè)分布簇的分布均值、混合成分的混合概率。

(3)根據(jù)每個(gè)觀測值yi屬于各個(gè)混合類別的后驗(yàn)概率，劃分觀測值所屬類別。

(4)剔除異常樣本?；旌细怕什怀^50%的混合類別看作異常類別分布簇，刪除該簇下的觀測值yi及其對(duì)應(yīng)的y′i。

(5)輸出處理后呈近似正態(tài)分布的新觀測數(shù)據(jù)模型：q′j(1…k)和f′j(1…k)。

本文采用EM算法來求解高斯混合型，EM算法處理表1中的混合模型，得到輸出參數(shù)，其中mu為分布均值mu1=0.598，mu2=0.944，mu3=0.105的3個(gè)高斯分布，混合概率為prob1=0.596，prob2=0.303，prob3=0.101，處理結(jié)果符合輸入數(shù)據(jù)的基本概況，3個(gè)類簇中心為0.598,0.944,0.105,對(duì)應(yīng)3種樣本類型，正常樣本(0.5～0.7)，作弊樣本(>0.9),惡意評(píng)價(jià)樣本(<0.2)?；旌细怕室不痉陷斎霕颖窘M中異常樣本數(shù)量40%。將混合概率不超過50%的分布看做異常分值分布簇。

之后計(jì)算每個(gè)觀測值歸屬于各個(gè)簇的后驗(yàn)概率。根據(jù)每個(gè)觀測值yi屬于各個(gè)混合成分的后驗(yàn)概率劃分每個(gè)觀測值所屬類別，當(dāng)某一觀測值的q′ji(f′ji)與其對(duì)應(yīng)同組的f′ji(q′ji)中有一個(gè)屬于異常類別，則將該組全部視為無效評(píng)價(jià)，并刪除組的q′ji和f′ji。例如對(duì)于用戶評(píng)價(jià)數(shù)據(jù)F′SC的樣本f′lty(2)=0.1，經(jīng)過計(jì)算后得到劃分類別為3,f′lty(3)=0.92劃分為類別2,f′lty(98)=0.91劃分類別為2，f′lty(100)=0.91劃分類別為2，后4個(gè)樣本被劃分到異常類，則刪除f′lty(2),f′lty(3),f′lty(98),f′lty(100)和q′lty(2),q′lty(3),q′lty(98),q′lty(100)。表1標(biāo)框部分即為刪除部分。

表1 S2服務(wù)latency屬性標(biāo)準(zhǔn)化數(shù)據(jù)表

EM算法處理后得到具有相同數(shù)量的q′j(1…k)和f′j(1…k)。

步驟3q′j(1…k)和f′j(1…k)進(jìn)行復(fù)雜動(dòng)態(tài)加權(quán)算法處理。

通過步驟2處理，得到了剔除疑似異常評(píng)分后的服務(wù)商提供q′j(1…k)和用戶反饋f′j(1…k)，但區(qū)塊鏈?zhǔn)菬o法避免源頭作弊的，如果忽視后續(xù)懲罰手段的影響，用戶在上步操作中某一個(gè)維度的數(shù)據(jù)存在大量異常作弊評(píng)分，則其中的正常評(píng)分就會(huì)被剔除，為盡可能避免這種情況帶來的影響，并為了給用戶以最少的數(shù)據(jù)量概括該服務(wù)的屬性特征，本文提出復(fù)雜動(dòng)態(tài)加權(quán)算法(算法2)來對(duì)算法1處理過后的兩維度數(shù)據(jù)進(jìn)行動(dòng)態(tài)加權(quán)降維，最后得到一組綜合評(píng)分?jǐn)?shù)據(jù)，該組數(shù)據(jù)要極大程度地保證原有數(shù)據(jù)的數(shù)據(jù)特征。這里必須選用動(dòng)態(tài)加權(quán)的方法來確定兩個(gè)維度數(shù)據(jù)的權(quán)重和降維，因?yàn)槿绻L期通過固定權(quán)重比來計(jì)算多個(gè)數(shù)據(jù)源的綜合分值，服務(wù)提供商為提高自身服務(wù)的評(píng)估數(shù)值，只用著力在一個(gè)維度上對(duì)數(shù)據(jù)進(jìn)行作弊就可以達(dá)到提升評(píng)估數(shù)值的效果，例如若用戶反饋f′j(1…k)的權(quán)重比較高，則商家會(huì)串通客戶故意提高評(píng)價(jià)值，若商家提供數(shù)值q′j(1…k)的權(quán)重較高，則商家會(huì)冒險(xiǎn)進(jìn)行說謊上傳虛假值的行為來提高評(píng)價(jià)值，從而影響客戶反饋的真實(shí)性，降低該QoS屬性分值的準(zhǔn)確性。但當(dāng)權(quán)重為未知狀態(tài)時(shí)，商家為獲取高數(shù)值只能保證兩個(gè)數(shù)據(jù)維度都作弊，這樣做的風(fēng)險(xiǎn)成本也會(huì)最大化，從而限制了商家作弊的可能。

二階段算法-復(fù)雜動(dòng)態(tài)加權(quán)算法步驟為：

(1)輸入算法1輸出的q′j(1…k)和f′j(1…k)。

(2)對(duì)q′j(1…k)和f′j(1…k)動(dòng)態(tài)加權(quán)或保證最大數(shù)據(jù)特征的降維方法處理。

(3)輸出步驟(2)得到的關(guān)于服務(wù)si第j個(gè)QoS屬性的一組評(píng)估值，如本文使用PCA主成分分析法進(jìn)行處理輸出pcaj(1…k)。

本文采用PCA算法來進(jìn)行復(fù)雜動(dòng)態(tài)加權(quán)算法處理，如PCA算法處理步驟2的結(jié)果數(shù)據(jù)模型，得到表2的輸出結(jié)果。

表2 PCA算法結(jié)果表

5 實(shí)驗(yàn)仿真

本文采用仿真環(huán)境模擬驗(yàn)證模型的有效性，數(shù)據(jù)來源模擬數(shù)據(jù)和一部分WS-DREAM站點(diǎn)( http: / /www.wsdream.net) 提供的數(shù)據(jù)集，實(shí)驗(yàn)選擇搜索服務(wù)中S1S2S3S4四個(gè)自服務(wù)的延遲(latency)屬性作為實(shí)驗(yàn)對(duì)象，通過最大最小值規(guī)格化后，假定S1～S4四個(gè)服務(wù)延遲(latency)歸一化后的標(biāo)準(zhǔn)QoS值域?yàn)镾1:0.7～0.9,S2:0.5～0.7,S3:0.3～0.5,S4:0.1～0.3，試驗(yàn)數(shù)據(jù)包含作弊評(píng)價(jià)或惡意評(píng)價(jià)的比例稱為無效評(píng)價(jià)率。為契合實(shí)際場景，無效評(píng)價(jià)主要包括過高打分(作弊評(píng)價(jià))、過低打分(惡意評(píng)價(jià))和一部分臨近正常值域區(qū)間但不在其中的分值評(píng)價(jià)(正常場景下，這一部分評(píng)價(jià)應(yīng)該看作正常評(píng)價(jià)，但實(shí)驗(yàn)為了驗(yàn)證機(jī)制效果，故嚴(yán)格限制正常評(píng)價(jià)分值區(qū)間)。

實(shí)驗(yàn)1本節(jié)實(shí)驗(yàn)先對(duì)不同無效評(píng)價(jià)率下4個(gè)服務(wù)的用戶評(píng)價(jià)和商家提供QoS通過本文提出的EMPCA算法機(jī)制進(jìn)行處理，之后對(duì)得到的綜合評(píng)價(jià)值pcalatency(1…k)的無效評(píng)價(jià)率進(jìn)行對(duì)比。每次實(shí)驗(yàn)分為4組，將歸一化處理后服務(wù)si延遲屬性的100條q′latency(1…100)和其100條對(duì)應(yīng)的f′latency(1…100)看做一組實(shí)驗(yàn)數(shù)據(jù)，q′latency(i)和其對(duì)應(yīng)的f′latency(i)看作一個(gè)輸入樣本組。實(shí)驗(yàn)數(shù)據(jù)輸入EM/PCA算法機(jī)制模型中，輸出一組pcalatency(1…k)綜合評(píng)價(jià)值數(shù)據(jù)，其中每一個(gè)pcalatency(i)作為一個(gè)輸出樣本點(diǎn)。輸入樣本中有一定比例的樣本包含無效評(píng)價(jià)，即該樣本組為無效評(píng)價(jià)樣本組。通過實(shí)驗(yàn)觀測輸出樣本點(diǎn)中無效評(píng)價(jià)率(不在正常值域分布的樣本點(diǎn)占比)相比輸入樣本組的無效評(píng)價(jià)率有何改變來驗(yàn)證算法有效性。

圖4是當(dāng)輸入樣本組q′latency(1…100)和f′latency(1…100)中的無效評(píng)價(jià)率達(dá)到40%的情況下，4個(gè)服務(wù)S1S2S3S4的輸出樣本點(diǎn)的分布圖，輸出的無效評(píng)價(jià)樣本點(diǎn)個(gè)數(shù)分別為S1：3個(gè)，S2：2個(gè)，S3：3個(gè)，S4：2個(gè)，無效評(píng)價(jià)率均在5%以下。

圖5是極端情況輸入樣本組q′latency(1…100)和f′latency(1…100)中之一的無效評(píng)價(jià)率高達(dá)60%的情況下(現(xiàn)實(shí)場景中不太可能出現(xiàn)一半以上評(píng)價(jià)都是惡意評(píng)價(jià)或者高分作弊評(píng)價(jià)的情況)，當(dāng)輸入樣本組中某一維度無效評(píng)價(jià)率超過50%時(shí)，機(jī)制仍然有效，此時(shí)PCA算法起到主要作用。4個(gè)服務(wù)S1S2S3S4的輸出樣本點(diǎn)的分布圖，輸出的無效評(píng)價(jià)樣本點(diǎn)個(gè)數(shù)分別為S1：1個(gè)，S2：2個(gè)，S3：0個(gè)，S4：2個(gè)，無效評(píng)價(jià)率均在5%以下。

圖6為測試機(jī)制極限，當(dāng)輸入樣本組q′latency(1…100)和f′latency(1…100)無效評(píng)價(jià)率都超過50%時(shí)，機(jī)制崩潰。圖6所示為當(dāng)輸入樣本組的兩維度無效評(píng)價(jià)率均為60%時(shí)，4個(gè)服務(wù)S1S2S3S4的輸出樣本點(diǎn)的分布圖，輸出的無效評(píng)價(jià)樣本點(diǎn)個(gè)數(shù)分別為S1：63個(gè)，S2：61個(gè)，S3：61個(gè)，S4：61個(gè)，無效評(píng)價(jià)率均在60%以上，機(jī)制失效。但這種情況在現(xiàn)實(shí)生活中一般不會(huì)出現(xiàn)，想要達(dá)到這種效果，商家必須提供半數(shù)以上的虛假Q(mào)oS值，同時(shí)還要買通半數(shù)以上的客戶給服務(wù)打出高評(píng)價(jià)反饋。

實(shí)驗(yàn)2本實(shí)驗(yàn)主要延續(xù)實(shí)驗(yàn)1的結(jié)果，對(duì)實(shí)驗(yàn)1進(jìn)行100次重復(fù)實(shí)驗(yàn)，觀測其結(jié)果，進(jìn)而驗(yàn)證算法的穩(wěn)定性。

圖7為輸出結(jié)果波動(dòng)情況圖，結(jié)果顯示在輸入樣本組q′latency(1…100)和f′latency(1…100)的無效評(píng)價(jià)率40%的情況下，重復(fù)100次實(shí)驗(yàn)，S1S2S3S4四個(gè)服務(wù)的輸出樣本無效評(píng)價(jià)率均遠(yuǎn)低于40%且波動(dòng)較小，均基本在15%以下。

實(shí)驗(yàn)3本實(shí)驗(yàn)對(duì)比4個(gè)服務(wù)S1S2S3S4使用本文機(jī)制(新機(jī)制)、Viriyasitavat的機(jī)制(舊機(jī)制)兩種機(jī)制在一定條件下最終輸出結(jié)果的有效性，每次輸入100個(gè)輸入樣本組q′latency(1…100)和f′latency(1…100)，輸出一個(gè)客觀評(píng)估值Qs″=m(latency)，進(jìn)行100次重復(fù)實(shí)驗(yàn)，觀測本文機(jī)制(新機(jī)制)與Viriyasitavat的機(jī)制(舊機(jī)制)下輸出的客觀評(píng)估值Q″si波動(dòng)情況，及輸入樣本組在不同無效評(píng)價(jià)率下，得到的客觀評(píng)估值Q″si在該服務(wù)的標(biāo)準(zhǔn)QoS值域內(nèi)外的分布情況，從而觀測新機(jī)制的穩(wěn)定性。

圖8是S1S2S3S44個(gè)服務(wù)當(dāng)他們的輸入樣本組q′latency(1…100)和f′latency(1…100)無效評(píng)價(jià)率40%(故意高分的作弊評(píng)價(jià)居多，惡意低分評(píng)價(jià)占比少)時(shí)重復(fù)實(shí)驗(yàn)100次的結(jié)果。其中實(shí)驗(yàn)結(jié)果反饋，Viriyasitavat的機(jī)制(舊機(jī)制)產(chǎn)生的客觀評(píng)估值明顯受到無效評(píng)價(jià)的影響嚴(yán)重，整體偏高甚至超出正常值域范圍，而新機(jī)制下產(chǎn)生的結(jié)果都在正常值域范圍內(nèi)，收斂度更強(qiáng)，結(jié)果更加精準(zhǔn)，相較于舊機(jī)制，本文機(jī)制(新機(jī)制)受到作弊評(píng)價(jià)打分，惡意評(píng)價(jià)打分的影響效果更低。

圖9是服務(wù)S2當(dāng)輸入樣本組客戶反饋f′latency(1…100)高分作弊評(píng)價(jià)的無效評(píng)價(jià)率65%時(shí)(故意高分的作弊評(píng)價(jià)居多，惡意低分評(píng)價(jià)占比少)，重復(fù)100次實(shí)驗(yàn)的結(jié)果，經(jīng)過多次實(shí)驗(yàn)驗(yàn)證，當(dāng)輸入樣本組一個(gè)維度無效評(píng)價(jià)率超過50%時(shí)，新機(jī)制中的EM算法將該維度中占比較少的正常評(píng)價(jià)視作異常值剔除，而后PCA算法起到主要作用。新機(jī)制的實(shí)驗(yàn)結(jié)果顯示，這種情況下客觀評(píng)估值仍能保持基本分布在正常值域區(qū)間內(nèi)，而舊機(jī)制無法抵御無效評(píng)價(jià)過多的影響。

6 結(jié)束語

隨著區(qū)塊鏈及相關(guān)技術(shù)逐漸走進(jìn)人們視野，BPM系統(tǒng)對(duì)動(dòng)態(tài)組織間透明、自動(dòng)化的互操作性需求也進(jìn)一步得到滿足，如本文提出，可靠迅速地服務(wù)選擇與組合，公正合理的QoS客觀評(píng)估都是BPM系統(tǒng)服務(wù)選擇組合領(lǐng)域急需解決的問題，而愈加完善的區(qū)塊鏈技術(shù)正是解決這些問題的關(guān)鍵突破口之一，是值得深入研究的方法之一。本文結(jié)合服務(wù)選擇與組合的流程特點(diǎn)與區(qū)塊鏈的技術(shù)特性，提出了一個(gè)可供參考和優(yōu)化的基于區(qū)塊鏈的服務(wù)選擇流程框架，并提出了基于區(qū)塊鏈智能合約管理用戶反饋與商家掛出QoS數(shù)據(jù)的可行方法，并進(jìn)一步提出了基于EM算法與PCA主成分分析法在區(qū)塊鏈上進(jìn)行客觀QoS綜合評(píng)估的新算法機(jī)制。最后通過實(shí)驗(yàn)驗(yàn)證了方法的有效性，為今后在該領(lǐng)域的研究提供了更可靠的基礎(chǔ)和有力的鋪墊。未來將沿著本文思路對(duì)區(qū)塊鏈結(jié)合QoS評(píng)估、存儲(chǔ)，服務(wù)選擇與使用反饋等方面流程進(jìn)行進(jìn)一步探索與優(yōu)化，并對(duì)本文提出的高斯混合模型估參拆分+復(fù)雜動(dòng)態(tài)賦權(quán)的QoS綜合評(píng)估算法進(jìn)行進(jìn)一步改進(jìn)和優(yōu)化，探尋更優(yōu)的解決方案。