一种考虑服务质量可信性的网络服务选取方法

摘要

本发明公开了一种考虑服务质量可信性的网络服务选取方法，包含的步骤为：步骤1，服务提供者发布网络服务：步骤2，服务消费者进行服务选取：其中，步骤1，包括以下步骤：获取服务注册中心的服务器；获取提供商的身份信息；验证提供商的身份信息；获取该提供商发布授权方式；获取提供商添加实体信息；判断是否添加实体信息；添加商业实体相关信息；选择一个商业实体信息；添加服务信息；添加绑定信息；获取提供商添加模型信息；判断是否添加模型信息；添加模型信息的客观服务质量信息；判断添加的服务质量信息是否正确；注册模型的基本信息；创建模型实例；绑定该模型的键值；完成发布网络服务。

说明书

技术领域

本发明涉及一种计算机网络数据处理，特别是一种考虑服务质量可信性的网络服 务选取方法。

背景技术

Web(网络)服务作为一种新兴的应用模式，因其具有较强的互操作性，数据格式， 服务接口的开放性，软件资源之间的松散耦合性、可复用性、语言独立性和平台无关 等特性而得到了学术界的广泛关注；与此同时，由于Web服务设计简单、结构灵活、 开发高效、维护方便、价格低廉而倍受很多商家或者企业的青睐。随后越来越多的企 业将自己的应用程序作为Web服务发布，越来越多的稳定可靠易用的Web服务共享 在网络上，可供选择的候选服务数量越来越多。如何准确地、高效地从庞大的Web服 务集中找到所需的服务，尤其是如何从众多功能相似的Web服务中发现最符合要求的 服务是Web服务技术面临的巨大挑战。

在实际的运行环境中，我们很难保证服务消费者和服务提供者提供的QoS数据是 可信的；一方面，服务提供者出于自身利益考虑，可能发布不完整的、虚假的甚至恶 意的服务注册信息，由此，服务消费者获取高质量的服务面临着巨大的问题。另一方 面，服务消费者出于某种目的提供不诚实的、恶意的反馈信息是服务的可信性不能准 确的体现出来。

针以上问题，近年来已出现Web服务可信度评测模型，虽然在一定程度上实现了 Web服务的优化选择，但对已使用服务的评价仍然存在很大的误差。如何去完善或者 扩展这些模型，为服务消费者推荐满意度高的Web服务还有着广阔的研究空间。

在分布式、松耦合、灵活、动态的Web服务环境下，传统的安全机制难以保证服 务自身的质量，为此Eyhab(E AL-Masri,QH Mahmoud.QoS-Based Discovery and  Ranking of Web Services.In Proceedings of 16th International Conference on Computer  Communications and Nerworks,Honolulu,2007:529-534.)等人提出了一个WSRF函数来 衡量服务QoS矩阵，以及给出基于用户偏好的Web服务的相关度的排序，但是此方法 仅仅考虑提供者提出的服务的QoS信息，并没有考虑其信息中存在的虚假性的问题。 LI等人从QoS数据来源的角度对质量属性进行分类和计算，对数据来自服务使用者的 质量属性，通过计算用户间以往反馈的相似程度权衡不同QoS反馈数据的可信程度， 有效地削弱简单的不可信的QoS数据对服务选择的影响，但是，伪装的恶意攻击将影 响Web服务选择结果的准确性。

Z.Zheng(Zibin Zheng,Hao Ma,Michael R.Lyu,Irwin King,WSRec:A  Collaborative Filtering Based Web Service Recommender System,Proceedings of the 2009 IEEE International Conference on Web Services p.437-444,July 06-10,2009.)等人考虑到 Web服务选择过程中用户反馈对推荐产生的影响，为此他们开发了一种增强皮尔逊相 关系数计算用户相似度的方法，解决了两个用户实际不相似却具有相似的QoS反馈的 问题。一定程度上避开了恶意推荐,但是对新加入的用户如何推荐其可信用户组未进行 考虑及对善恶反馈识别方面欠缺。

以上的各种方法的不足之处还在于，首先，这些模型中的QoS都是由服务提 供者提供，服务注册后没有相应的机制对QoS的可信度进行检测。这就产生了以下问 题：服务提供者是否在客观的立场提供QoS信息；QoS信息是否完全正确；如果QoS 下降了，如何及时调整UDDI注册中心的QoS信息。因此，必须考虑采用某种机制 对QoS的可信度进行保证。

其次，在用户经验反馈方面，这些模型同等看待了每一个用户的评价。而在实际 中，对同一服务不同的使用者由于自身的偏好不同而有着不同的使用经验，由此导致 用户评价服务的准则也相应的不同。同等看待每个用户的评价，或仅仅考虑用户评分 的相似度，并未考虑用户领域相关性与推荐信息的可信程度，依然会在服务信誉度的 评价上造成极大的误差。因此，在尽量避免用户的个人倾向或偏见造成的主观随意性 的同时，不仅要考虑用户在评价方面的相似程度，还需要有一种方法确定推荐信息的 可信程度。

发明内容

发明目的：本发明提供一种考虑服务质量可信性的网络服务选取方法，目的是最 大程度的遏制了恶意虚假反馈数据对服务选择结果产生的影响，并且把基于协同过滤 的服务可信推荐引入到服务选择中来，并进一步扩展现存的Web服务选择模型，最大 程度的提高Web服务选择的准确性。保证用户所选择服务的可信性，从而提高用户对 服务选择的满意度。

本发明公开了一种考虑服务质量可信性的网络服务选取方法，包括如下步骤：

步骤1)服务提供者发布网络服务：

步骤1.1)获取服务注册中心的服务器；

步骤1.2)获取提供商的身份信息；

步骤1.3)验证提供商的身份信息；

步骤1.4)获取该提供商发布授权方式；

步骤1.5)获取提供商添加实体信息；

步骤1.6)判断是否添加实体信息，如果添加，转步骤1.7)，否则，转步骤1.8)；

步骤1.7)添加商业实体相关信息；

步骤1.8)选择一个商业实体信息；

步骤1.9)添加服务相关信息；

步骤1.10)添加绑定相关信息；

步骤1.11)获取提供商添加模型信息；

步骤1.12)判断是否添加模型信息，如果是，转步骤1.13)，否则，转步骤1.16)；

步骤1.13)添加模型信息的一些客观服务质量信息；

步骤1.14)判断添加的服务质量信息是否正确，如果正确，转步骤1.15)，否则，转 步骤1.9)；

步骤1.15)注册模型的基本信息；

步骤1.16)创建模型实例；

步骤1.17)绑定该模型的键值；

步骤1.18)完成发布网络服务；

步骤2)服务消费者进行服务选取：

步骤2.1)获取用户的要求输入信息；

步骤2.2)判断该信息是否包含服务质量要求信息，如果包含，转步骤2.4)，否则， 转步骤2.11)；

步骤2.3)获取用户输入的服务质量权值信息；

步骤2.4)根据用户的服务质量要求，匹配服务；

步骤2.5)获取待选网络服务的服务列表；

步骤2.6)判断该服务列表是否为空，如果不为空，转步骤2.6)，否则，转步骤2.3)；

步骤2.7)获取用户的请求输入信息；

步骤2.8)判断该信息是否包含对服务推荐信任的请求信息，如果包含，转步骤2.9)， 否则，转步骤2.12)；

步骤2.9)计算待选服务的推荐信任度：

步骤2.9.1)获取待选服务的用户评价信息和当前请求的用户信息；

步骤2.9.2)判断当前请求用户是否在系统存在访问历史记录，如果存在历史访问记 录，本文称之为老用户，如果为老用户，转步骤2.9.3)，否则，转步骤2.9.6)；

步骤2.9.3)计算当前请求用户与其他使用该待选服务列表的用户之间的兴趣相似度 Sim_I(u,v)：

${\mathrm{Sim}}_I(u,v)=\frac{\underset{i=1}{\overset{n}{\Sigma }}{I}_{\mathrm{ui}}{I}_{\mathrm{vi}}}{\sqrt{\underset{i=1}{\overset{n}{\Sigma }}{I_{\mathrm{ui}}}^2}\sqrt{\underset{i=1}{\overset{n}{\Sigma }}{I_{\mathrm{vi}}}^2}}---\left(1\right)$

其中，u表示用户u，v表示用户v，n表示项目的种类数，I_ui表示用户u对i类服务的兴趣 度；

步骤2.9.4)计算当前请求用户与其他使用该待选服务列表的用户之间的评价相似度 Sim_r(u,v)：

${\mathrm{Sim}}_r(u,v)=\frac{\underset{i\in I_{\mathrm{uv}}}{\Sigma }(R_{\mathrm{ui}}-\overline{R_u})\times (R_{\mathrm{vi}}-\overline{R_v})}{\sqrt{\underset{i\in I_{\mathrm{uv}}}{\Sigma }{(R_{\mathrm{ui}}-\overline{R_u})}^2}\sqrt{\underset{i\in I_{\mathrm{uv}}}{\Sigma }{(R_{\mathrm{vi}}-\overline{R_v})}^2}}---\left(2\right)$

其中，u表示用户u，v表示用户v，I_uv表示用户u与用户v共同评论过的服务集合，R_ui与 R_vi表示用户u与用户v对服务的主观评分，与分别表示用户u和用户v调用不同网 络服务的平均评分；

步骤2.9.5)计算当前请求用户与其他使用该待选服务列表的用户的相似度；

步骤2.9.6)获取各评价用户的用户信任等级和评价信息；

步骤2.9.7)根据步骤2.9.5)和步骤2.9.6)，计算待选服务的推荐信任度；

步骤2.10)根据服务质量权值和服务的推荐信任度，计算服务的综合评级，转步骤 2.12)；

步骤2.11)根据用户输入的服务质量权值，计算服务的综合评级；

步骤2.12)输出不同情况下的综合评级；

步骤2.13)输出排序后的网络服务列表；

步骤2.14)获取用户选择的服务；

步骤2.15)获取用户对服务的评价信息；

步骤2.16)使用可信度估计，估计用户的评价信息；

步骤2.17)更新用户的信任级别；

步骤2.18)结束网络服务选取。

本发明中，主要是分析服务提供者、服务质量以及服务消费者三者之间的相互关 系特征，并提出基于这个关系的模型，将这个模型和根据三者的其他特征所得到的模 型相结合，达到对网络服务准确选择的目的。主要解决了现实环境中存在的恶意数据 对网络服务选择准确度的影响问题，属于机器学习和数据挖掘领域。

本发明对比已有的技术，具有以下创新点：

一些网络中的用户为获取大多数用户的信任，给出与大多数用户一样的评价意见， 从而提高了与大多数用户的相似度，增加了自身被推荐的可能。针对此问题本发明为 每个用户加入对服务的兴趣度，由用户对服务的评价和用户对服务的兴趣度综合计算 用户间的相似度，从而有效的降低了恶意用户被推荐的可能，避免了以上情况的发生。 同时也提高了服务选择的准确性。

由于Web服务中使用者的主观特征相对于某些实体使用者主观特征较弱，例如用 户对电影类别(如言情片、恐怖片等)存在强烈的兴趣爱好差异，而用户对于Web服务 来讲并非如此，作者认为在对Web服务进行反馈评价时，偏离超出一定范围的主观性 反馈信息是值得怀疑的，偏离程度越大，其可信度越低。低于一定的阈值时，则被定 义为恶意反馈。从而有效的增加了系统的抗攻击能力。

附图说明

下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/ 或其他方面的优点将会变得更加清楚。

图1为改进的Web服务选择模型图。

图2为服务提供商发布服务的流程图。

图3为服务消费者选择服务的流程图。

图4为服务的推荐信任度计算的流程图。

具体实施方式

针对目前存在的网络服务选择的方法具有盲目性和用户服务评价的不可信性问题， 本发明提出一种考虑用户服务质量的网路服务选取方法。对现有的服务选择模型进行 改进，并引入网络服务推荐度概念，用户在服务选择时，综合考虑服务的客观服务质 量和服务的推荐信任度，在计算服务的推荐信任度时，结合用户兴趣度和用户评分的 相似性计算方法，并通过不同的权值来表示它们的重要程度，综合计算目标用户的最 近邻居集合，从而有效避免了恶意用户对选择结果产生的影响。最后，考虑到网络服 务反馈中主观特征较弱问题，我们引入了可信度评测函数，从而使用户的反馈更客观 更准确，提高了系统的抗攻击能力。经检验证明本专利一定程度上解决了恶意用户反 馈对服务最终选择产生的影响，提高了用户的满意度。同时也解决了当今技术中网络 服务选择所提出的模型的单一性和局限性等问题。

本发明提出的基于可信QoS的网络服务选择方法，是一种基于服务提供商，QoS 以及服务消费者的关系特征的选择方法。实现了从客观QoS和由主观用户经验反馈所 计算的推荐度两个方面进行综合评估网络中待选择的服务，并将计算得到的综合值最 高的Web服务给服务消费者。为实现此项功能，本发明在传统的服务选择模型进行了 相应的扩展，如图1所示，扩展后的Web服务选择模型各个角色的功能描述如下：

Web服务提供者：发布服务的功能性描述和部分非功能性QoS信息，提供Web服 务的功能。

Web服务消费者：提出查询请求；请求信息中可包含服务的QoS偏好信息；具有 调用服务的功能，且对使用完的服务具有对其评分的功能。

扩展后的服务注册中心：在保持原有功能的基础上还可以存储每个服务的QoS相 关信息。

服务选择代理：处于注册中心、推荐度管理器和用户之间，使得web服务选择能 满足用户功能的需求。包括接收用户的服务请求，发现与用户相匹配的服务，计算综 合评级，利用匹配计算、排序算法选择最优服务，并把它返回给用户。

推荐度管理器：接收用户反馈信息并进行可信度评测，对于可信反馈给予奖励， 对于恶意反馈给予惩罚；当用户向服务代理发出请求时，该模块负责根据用户的反馈 记录计算服务的可信推荐度并将服务的推荐度信息发送给服务选择代理，进行服务综 合选择。

因为Web服务QoS属性的多样性，所以其属性的可信性处理也具有很大的差异， 根据QoS属性的特征可以将QoS分为以下3类：

第一类是真实的Web服务质量属性，如服务价格。这类属性不存在可信问题。

第二类是可以客观反映Web服务水平的质量属性，如服务的执行时间、可用性等， 它们主要由服务提供者决定，但也受到服务使用者网络环境的影响.这类属性通常在服 务注册时会随功能属性发布到注册中心。但一些服务提供者为了吸引服务使用者会发 布高于实际性能的数值。所以，在进行服务选择时如果直接使用服务提供者发布的数 值会导致达不到服务使用者的要求。因此有必要对这类属性值通过以往服务消费者的 实际运行情况进行修正。

第三类是带有主观特性的服务质量属性，如满意度。这类属性从服务使用者反馈， 受到服务使用者所处环境、主观想法的影响，不同的使用者对同一次服务都可能有明 显不同的评价结果，而且不能排除恶意诋毁的情形。所以把这类结果评价平等对待显 然是不合适的。

本发明提出了一种新的网络服务发布方式及网络服务选取方式，其实施步骤如下 所述：

步骤1)服务提供者使用服务发布接口来发布服务。服务提供者发布服务时提交的 服务描述包括功能属性信息和非功能属性信息，既需要指定服务的基本描述也需要输 入QoS描述信息，见图2，其具体步骤如下：

步骤1.1)在互联网上服务提供商获得要发布的UDDI服务器，它规范定义了一个通用 服务信息注册中心标准，允许服务提供商按一定的标准发布响应的商业服务，比如酒店预定服务， 天气预报服务等。

步骤1.2)在服务提供商发布服务之前需要对提供商进行身份验证包括身份ID，密 码及提供商公司相关信息，在服务器验证通过后给予发布授权方式。

步骤1.3)在服务器给予服务提供商权限后，服务器首先询问服务提供商是否要添 加实体，如添加实体，转到步骤1.4)，否则，转到步骤1.5)。

步骤1.4)在商业领域内，合作伙伴和潜在的合作伙伴都期望能准确地定位到商业 实体所能提供的服务或产品的相关信息，并把这些信息作为了解你们企业的开始。为 此服务提供商录入商业实体相关信息，为方便后期的精确查找。

步骤1.5)如果服务提供商以前曾经注册过商业实体，则可以直接选择一个已存在 的商业实体。

步骤1.6)服务提供商确定其商业实体之后则录入服务相关信息包括服务的一些功 能性描述并且绑定相关信息。

步骤1.7)在服务提供商录入服务相关信息之后，服务器端会询问提供商是否添加 一个tModel，如是，则转到步骤1.8)，否则，转到步骤1.12)。

步骤1.8)录取tModel的一些客观服务质量信息，包括服务执行时间，服务的安全 性，服务的可靠性，服务的可用性等比较客观的服务质量属性。

步骤1.9)录入的QoS信息是否正确，在此做初步格式判断，不包括可信度的判断， 如果录入的QoS信息正确，则转到步骤1.10)，如不正确，则转到步骤1.8)。

步骤1.10)为了识别不同的公共规范(或者在特定合作者间共享的私有规范)，规范 本身的信息需要是可发现的，服务端注册tModel的基本信息。

步骤1.12)服务器端完成tModel的注册之后则会自动创建tModel的一个实例。

步骤1.13)绑定tModelKey，这是给定tModel机构的唯一键值。当保存一个新的 tModel机构时，应当传入一个空的tModelKey值。这表示将由注册中心操作入口站点生 成一个UUID值。当更新一个已有的tModel结构时，应当传入与一个存在的tModel实例 相对应的tModelKey值。

步骤1.14)发布商业实体服务。

步骤2)服务提供商发布完Web服务后，接下来服务消费者将对其进行选择，其选 择步骤见图3，详细步骤如下：

步骤2.1)系统要求用户输入服务的功能性描述，以便做初步搜索，比如酒店订购 服务，天气预报服务等。

步骤2.2)系统判断用户是否有服务各QoS的数值要求。如果有则转到步骤2.3)，否 则，转到步骤2.9)。

步骤2.3)如果发现请求用户有服务各服务质量的数值要求，则根据服务质量的数 值要求与注册中心存在的功能相同服务质量不同的服务做服务匹配。

步骤2.4)根据用户输入的服务质量的数值要求，系统会返回一组功能相同服务质 量不同的符合要求的服务列表，且判断待获得待选的Web服务列表。

步骤2.5)根据步骤2.4)得到的服务列表判断待选的Web服务列表是否为空，如不 为空则转步骤2.6)，否则转步骤2.3)。

步骤2.6)因为服务注册中心存在各式各样的服务，也可能存在一些恶意的不诚信 的服务，为了使服务消费者能够得到可信的服务，用户可自行选择是否要进行各服务 的可信度计算，即判断用户是否有对服务推荐信任的请求，如果有此请求则转到步骤 2.7)，则否转到步骤2.9)。

步骤2.7)计算各待选服务的推荐信任度，计算过程如图4所示，步骤如下：

步骤2.7.1)在待选服务中存在服务消费者对这些服务的评价信息，系统首先要获得 各待选服务的用户评价信息；其中用户的评价信息即为用户对服务的综合评分。

步骤2.7.2)进而判断当前请求用户是否为老用户(即以前对待选服务列表中的服务 进行过调用，调用之后并进行了评价的用户)，如果为老用户则转到步骤2.7.3)，如果 为新用户则转到步骤2.7.6)。

步骤2.7.3)计算当前请求用户与其他使用该待选服务列表的用户之间的兴趣相似度 Sim_I(u,v)：

${\mathrm{Sim}}_I(u,v)=\frac{\underset{i=1}{\overset{n}{\Sigma }}{I}_{\mathrm{ui}}{I}_{\mathrm{vi}}}{\sqrt{\underset{i=1}{\overset{n}{\Sigma }}{I_{\mathrm{ui}}}^2}\sqrt{\underset{i=1}{\overset{n}{\Sigma }}{I_{\mathrm{vi}}}^2}}---\left(1\right)$

其中，u表示用户u，v表示用户v，n表示项目的种类数，I_ui表示用户u对i类服务的兴趣 度。

步骤2.7.4)计算当前请求用户与其他使用该待选服务列表的用户之间的评价相似度 Sim_r(u,v)：

${\mathrm{Sim}}_r(u,v)=\frac{\underset{i\in I_{\mathrm{uv}}}{\Sigma }(R_{\mathrm{ui}}-\overline{R_u})\times (R_{\mathrm{vi}}-\overline{R_v})}{\sqrt{\underset{i\in I_{\mathrm{uv}}}{\Sigma }{(R_{\mathrm{ui}}-\overline{R_u})}^2}\sqrt{\underset{i\in I_{\mathrm{uv}}}{\Sigma }{(R_{\mathrm{vi}}-\overline{R_v})}^2}}---\left(2\right)$

其中，u表示用户u，v表示用户v，I_uv表示用户u与用户v共同评论过的服务集合，R_ui与 R_vi表示用户u与用户v对服务的主观评分，与分别表示用户u和用户v调用不同网 络服务的平均评分。

步骤2.7.5)根据步骤2.7.3)和步骤2.7.4)综合计算当前请求用户与其他使用该待 选服务列表的用户的相似度Sim(u,v)：

Sim(u,v)＝(1-θ)Sim_r(u,v)+θSim_I(u,v)      (3)

步骤2.7.6)获取各评价用户的用户信任级别及评价信息，其中，用户信任级别＝用 户可信评价次数/系统采纳总次数。

步骤2.7.7)计算各待选服务的推荐信任度：

其中，是目标用户u对自已评分项目的平均评分，R_vi表示推荐用户v对服务ws_i的评 分值，是推荐用户v对自己评分项目的平均评分，sim'(u,v)是用户u与用户v的评分相 似度，m代表是推荐用户的个数，ε为推荐用户v的用户信任等级。

步骤2.8)根据用户输入的服务质量的权值信息计算各服务的服务综合值及由步骤7) 计算的服务的推荐信任度，计算服务的综合评级。转到步骤2.10)。

步骤2.9)仅根据用户输入的服务质量权值信息计算各服务的服务综合值。

步骤2.10)根据用户主观偏好的不同情况输出各功能相同服务质量不同的待选服务 的综合评级并对这些待选服务进行排序后的得到Web服务最终的列表。

步骤2.11)系统根据步骤2.10)给予用户推荐最符合要求且最可信的Web服务，用 户使用完服务后，对服务进行评价，该评价信息是用户对服务使用后的主观感受给予 的评分。

步骤2.12)由于用户对使用过的服务的评价信息出自主观感受，在反馈的过程中可 能存在一些恶意的诽谤情形，为此需要对对用户的反馈评价进行可信度估计，并由此 更新当前反馈用户的信任级别。

步骤2.13)服务选择流程程序结束。

本发明提供了一种考虑服务质量可信性的网络服务选取方法，具体实现该技术方 案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术 领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润 饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均 可用现有技术加以实现。