Hadoop云平台中基于行为的信任评估研究

Hadoop平台是当前最为流行的云计算平台,其访问控制主要采取Kerberos认证机制,存在一定安全隐患。文章提出一种基于用户行为的信任评估思路,将用户行为数据量化为信任度,通过信任度保障云平台的安全。     

基于用户行为评估的Hadoop云平台动态访问控制

为解决现有Hadoop云平台访问控制缺乏动态性的问题,提出一种基于用户行为评估的Hadoop云平台动态访问控制模型（DACUBA）.该模型采用指令序列学习（CSL）算法从用户指令序列中提取用户行为模式,利用全局模式库对用户行为进行分类并对分类结果进行行为评估,然后将评估值应用于Hadoop云平台的访问控制机制中实现动态访问控制.验证实验结果证明了DACUBA的有效性,与其他方法相比,该方法对云请求的访问控制效率较高,且稳定性较好.      

面向教育云E-learning服务用户的信任评估

基于用户主观性及其能力客观性分别提出了用户信任云评估模型及其能力信任评估模型,用户信任云模型使用期望、熵和超熵对具有随机性和模糊性的复杂实体进行主观信任评估;而用户能力评估模型在考虑能力对象和交互属性基础上综合评估用户客观能力的信任度.结合这2种模型提出了用户综合信任评估模型,实验结果表明该评估模型能较好地实现教育云计算环境下E-learning服务用户综合信任评估.     

数字信息环境下的用户行为研究

论述了用户行为的内涵及国内外对用户行为的理论研究,在此基础上,重点分析了数字信息环境下用户行为的改变及其给图书馆带来的启示.     

基于用户行为模型的身份验证算法研究

身份认证技术是电子商务系统的重要环节。本文根据电子商务系统用户的特点，将网络入侵检测技术的思想引入用户身份验证，提出了基于用户行为模型的身份验证方案。该方案选择用户消费习惯、用户浏览时间以及用户键盘输入特性作为数据源，根据综合验证算法计算值与阈值对照，对用户身份进行验证。本文全面阐述了该身份验证方案的基本思想、测量点的选择和取值、以及综合验证算法等关键问题和解决方案；重点介绍了基于AHP方法的用户消费习惯模型的建立过程，以及利用该模型计算某种商品和用户期望值向量的相似度算法。     

基于云模型的信任评估研究

讨论了信任关系的随机性和模糊性共存以及相互融合问题。分析云模型描述不确定性概念的方法和实现定性语意与定量数值相互转换的算法,提出了基于云理论的信任评估模型—信任云。该模型提出云特征参数表达的信任传递和合并算法,在精确描述信任期望值的同时,通过熵和超熵刻画了信任的不确定性。相对于传统的信任评估策略,该模型获取的信任值包含更多的语意信息,更适合作为信任决策的依据。     

云环境下用户数据安全性访问控制算法

针对传统的用户数据安全性访问算法存在安全性及整体性能低下的问题,提出一种新的云环境下用户数据安全性访问控制算法。通过介绍所提算法的基本概念,利用模糊层次分析法计算云环境中用户数据直接信任值;通过用户和其他云服务之间的信任值求取用户数据推荐值;在此基础之上,确定用户数据综合信任值。通过用户数据信任等级分配得到用户访问权限,针对信任水平较低的用户,云服务供应商通过拒绝其访问保证整个云环境的安全性。实验结果表明,所提算法安全性高,整体性能强。     

基于贝叶斯网络和用户行为日志挖掘的行为信任研究

深入研究信任管理和行为信任的模型及方法,设计基于贝叶斯网络的信任预测和控制算法,综合利用聚类和分布密度函数设置算法参数,建立可量化的证据与信任等级之间的对应关系,算法可预测多属性下的行为信任等级.深入IIS和.Net底层实现可配置的信任管理插件,形成用户行为日志,为预测和控制算法提供证据, 免除了一般Web日志的清洗工作.实验数据表明算法的应用提高了服务器各项性能,并约束了用户的商业行为.     

基于AHP与云模型的水电建设项目评价

由于水电建设工程量巨大,专业技术资质要求高,多家企业共同合作参与建设是水电建设项目的一个通用形式。而合作企业的实力强弱,目前尚无合理的评价方法。通过层次分析法确定评价指标权重,利用云模型实现用自然语言值定量表示定性概念,提出一种基于AHP与云模型结合的水电建设项目评价方法,并通过实例验证,结果表明本文方法可以针对不同情况分别做出评价,更为客观合理。     

云环境下基于贝叶斯网络的用户操作文档的行为预测

通过收集、整理、分析云环境下用户操作文档行为的记录,建立用户操作文档行为模型,使用贝叶斯网络结构学习算法推理计算出文档操作的潜在风险系数。实验结果表明,贝叶斯网络能够有效地预测用户操作文档的风险,为云环境中文档的安全提供了一种预警机制,提高了文档的安全性。     

云环境下基于静态博弈的信任等级模型研究

针对开放的云环境下个别用户的不合作行为对系统造成的安全威胁,提出一种基于"倒金字塔"分级的信任模型.以云用户在数据交互中的合作态度为依据计算信誉值,按照积累的信誉值甄别用户的可信程度并进行分级管理,并进一步使用完全信息静态博弈理论,评判不同级别用户在交互中的选择策略.仿真结果及分析表明,此信任等级模型能够甄别系统中存在的非可信用户,激励用户的合作行为,提高系统预防安全威胁的能力.      

基于风险的云计算环境用户效用分析

通过分析云计算环境中资源分配和用户任务请求的过程,提出了云计算环境中的用户效用函数,并引入风险对云计算服务和资源由于被非授权访问造成的损失进行量化,得出了基于风险的用户期望效用函数.最后,通过仿真实验论证了任务执行数与用户需求,时间,费用和用户效用之间的关系.从仿真实验可以看出,用户的一次提交的任务数存在一个理想值,在...     

基于日志分析的用户搜索行为研究

用户行为分析是改进搜索引擎的重要依据,为了更好地理解中文搜索用户的检索行为,在引入分词的基础上对搜狗搜索引擎在一个月内的真实查询日志进行了分析,对查询语言、查询长度、rank和网页深度与点击次数四个方面的用户行为进行分析。所得结论对改进中文搜索引擎的设计和更准确地评测检索效果都有较好的指导意义。     

基于贝叶斯网络和行为日志挖掘的行为信任控制

目前评估网络用户行为的方法成本高且缺乏可操作性,为了便捷有效地对用户行为信任进行预测与评价,文中首先提出了基于贝叶斯网络的用户行为信任预测和控制算法,算法利用聚类和分布密度函数设置算法参数,建立可量化的证据与信任等级之间的对应关系.接着实现基于IIS和.Net底层架构的可配置式信任管理插件,形成用户行为日志,为预测和控制算法提供证据,免除了一般Web日志的清洗工作.实验结果表明,文中算法可预测多属性下的行为信任等级,提高服务器的安全性和可靠性,并约束了用户的商业行为.     

基于机器学习的企业私有云用户行为分析模型

鉴于传统的访问控制机制为用户提供静态的授权,极少监管用户行为,导致企业很难发现来自恶意的内部用户或账号失窃带来的数据安全威胁,定义和形式化描述了私有云下的用户行为,基于Hadoop架构提出了一个基于TensorFlow机器学习的用户行为分析的框架,通过用户行为数据采集、存储、特征选择、预处理,给出了建立并训练用于用户行为分析的机器学习模型的方法和过程,实现了企业私有云用户行为的自动分析,用于数据安全威胁的发现和响应.     

基于服务风险的云服务商信任评价研究

云服务风险的发生,导致中小企业用户无法使用服务商所承诺的服务质量水平,进而引发用户对云服务商的信任危机。以用户与云服务商之间的信任关系为切入点,从用户视角出发探讨了服务风险的发生对双方信任关系的影响,以期对云服务商的市场策略提供有针对性的对策建议。在将中小企业用户与云服务商之间的信任关系划分为直接信任关系和间接信任关系的基础上,得到不同用户对云服务商信任评价的综合模型,进一步利用计算机数值仿真验证了所构建信任评价模型的有效性。研究结果表明:服务风险的发生会对云服务商的信誉造成负面影响;用户对服务风险的厌恶程度越高,其对云服务商的信任就越低;服务风险的发生,对间接信任的负向影响要显著大于对直接信任的负向影响。     

基于行为持续性的电子商务信任与风险评估方法

提出了一种改进的信任评估方法,该方法以用户的持续行为为基础,激励用户提供持续的诚实服务,可以解决信用炒作和周期欺骗问题.通过对交互风险的分析,提出了一种适合于网上交易的风险计算方法,该方法可以根据用户的行为持续性来对当前交易的风险进行评估.模拟实验结果表明,信任评估与风险评估方法的融合能够有效地抵制常见的恶意行为并保护诚实用户的合法利益.