体现奖惩的云用户行为信任分级方法

云计算开放式的资源访问接口、海量资源集中化管理等优势无形中加大了云资源和其他云服务用户(CSU)受不可信CSU威胁的可能.为有效减少此类威胁,需对CSU实施不同信任等级的分别管控,其中对CSU行为信任分级至关重要.鉴于此,提出一种体现奖惩的犹豫模糊CSU行为信任分级求解途径.首先,基于TOPSIS-Sort-C框架,以犹豫模糊集(HFS)刻画多来源差异化CSU行为信任数据,选取每一指标下各CSU行为信任水平分位数作为该指标分级阈值;然后,通过对不同信任水平的CSU行为数据加以非线性放缩,获取体现奖惩的CSU行为信任的强可信、不可信测度(MDT、MDD),使得CSU行为信任水平优劣更加直观且扩大分级区分度;最后,通过某互联网公司对CSU行为信任分级的实例辅之对比分析,验证所提出方法的有效性和增强奖优罚劣优势.