英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料

对移动云计算的用户行为模式的信任管理

摘要

随着无处不在的普适计算技术的发展，用户正在更多的使用移动设备产生和接受信息。然而，由于有限的计算和存储能力，移动云计算技术在架构，设计和实现方面出现了很多值得研究的问题。本文旨在通过分析用户行为模式，来构建可信赖的移动云管理。为此，我们建议分析移动设备的电话呼叫数据，据此提出一种量化一维信任关系的方法。之后，我们在移动云环境中集成了用户间的信任关系。基于上述工作，我们增强了数据在数据生产，管理和总体应用中的信任度。

关键词:移动云计算、社交网络、信任管理、信息技术

、介绍

云计算是一种方法，其中用户在网络环境中访问各自的计算资源和计算能力。云计算中的任务通过外部基础设施有效和经济地执行。它可以实现用户随时随地访问数据。云计算技术是从以前的分布式计算技术如网格计算和效用计算[8]（图1）变换而来的。随着虚拟化和网络环境的技术变得复杂，云计算服务已经被并入各个领域。不仅如此，随着Web技术逐渐演变为集体智慧，云计算已经被称为符合Web 2.0范式需求的计算。

此外，诸如智能手机和平板电脑的移动设备已经变得足够复杂，以代替目前被认为是日常生活的重要部分的常规计算设备。无论何时何地，在无线网络中用户都可以通过移动设备来产生各式各样的海量信息。这导致了更多信息的产生，但是存储和计算解决方案并未一同进步，这要求采用移动计算[9]这种技术。移动客户端通过外包在云中共享他们的角色，从而提高流程的整体效率。

使用智能手机中的资源建立云环境是移动云计算的代表性案例[10]。每个移动设备执行其自己的角色，并且输出被收集到云中。这种环境允许资源共享和分配计算负荷[11]。使用用户体验收集的数据也是可能的，因此提供了测量数据的可信赖性的工具。与只有少数几个产生和共享数据的系统相比，云计算环境不仅爆炸性地增加数据的数量而且增加数据的复杂性。因此，以下主题在分布式计算环境中变得越来越重要：高效的数据收集和数据集成，管理和其中可信数据的流动[12]。具体来说，可信数据的生产和流动超越了机械资源共享的效果，通过实现启发式和智能资源管理以及计算性能的有效分配，追求移动云计算技术所要求的灵活性和可扩展性。

分析关系以提供用户自定义数据很重要。因此，必须分析数据源之间的关系的可信赖性，以便管理和利用云计算环境中的数据。本文通过无缝集成一维信任关系值提出了一种全球社会信任模型构建系统。本文分析了移动计算环境中用户之间的交互。为此，基于来自移动设备的电话呼叫，我们建议创建一种模型来量化一维信任关系。量化的社会信任模型支持用户间信任关系和集成。换句话说，所提出的方法不仅有助于在云环境中确定可信数据的信道路径，而且有助于解决数据的增加的信任度的安全问题，因为我们的方法扩大了用户之间的信任关系与FOAF的概念（朋友的朋友）。通过这样做，建议在云环境下的可信数据的信道路径。通过增强的可信性，安全问题也得以解决。因此，增强了数据生产，管理，整体应用中的可信赖性，即数据的准确性和及时性。

在第2节中，我们描述了相关工作。第3节解释了我们的信任管理方法来构建移动云。第4节有其实现和结果。第5节讨论了所提出的方法中的一些研究问题。在第6节，总结了建议的方法，并提出了进一步研究的设想。

、相关工作

云计算是用于实现对共享资源，按需访问的模型（例如，网络，存储，应用和服务）。 有许多商业云提供商，如Amazon EC2 [13]和S3 [14]，Google App Engine [15]，Microsoft Windows Azure [16]等。

随着智能手机的普及，人们对从智能手机获得的数据的分析和利用的兴趣逐渐增加。

以前，为了托管社交网络，基于社交网络的云集成已经被人们深入研究，或者已经使用社交网络来扩展应用。 例如，社交网络服务的用户数量可以使用提供的开放API（例如Amazon Web Services，OpenSocial [17]等）提供可扩展的基于云的应用程序。PolarGrid [18]使用OpenSocial和OpenID提取社交数据[19]。

社交网络的结构本质上是具有用户之间的信任关系的动态虚拟组。 许多研究尝试定义与社会信任模型的关系[20-22]。 参考文献[21]提出了一种适用于使用用户配置文件的在线社区的信任模型。[22]建议一个反映不确定性用户信息的元素的信任模型。同时，各种研究分析和挖掘被表示为关系网络的社交网络[23,24]。 基于与云计算服务中的社会关系，参考文献[25]提出了一种协作策略的供应和管理方法。

随着智能手机的普及，人们对从智能手机获得的数据的分析和利用的兴趣增加。根据分析持续电话呼叫行为模式（即持续时间，频率，最近历史等）[26]提出了一种在IP电话系统上过滤掉语音垃圾电话的方法，其识别用户之间的关系，这种行为模式是通过智能手机日志获取的。[27]通过分析电话通话记录建立了一个社交网络。 [28]研究了智能手机用户的联系人列表和电话历史，并通过构建社交网络提取了每个用户的行为模式。它可以在作出决定时为用户产生推荐的用户列表; 它还建议一个标准来解决数据共享中出现的隐私问题。

、对移动云计算的用户行为模式的信任管理

在本章中，我们提出了一种用于可靠移动云计算的用户行为模式的信任管理方法（图2）。用户自己建立自己的社交网络。例如，他们生活中的不同关系，有的是明确关系，如在学校的朋友，在公司的同事以及家庭成员。有的是隐含关系，他们拥有共同的兴趣，如爱好和职责。在我们的方法中，移动云环境中的用户之间的社会关系由移动电话中的行为模式推断。这种具有一维透视的社交网络被称为“本地社交网络”，但是在第一阶段使用社交网络在显式或隐式关系中促进信息的扩展并不容易。因此，在使用社交网络集成推断信息的过程中，使用每个用户的本地社交网络来建立全球社交网络是非常重要的。

同时，推断信息的可靠性是信息扩展的关键问题，而推断信息是存在于多个直接链路路径组成的间接连接中。因此，通过调查和量化用户之间的社会影响来建立社会网络也是建立本地社会网络中重要的组成部分，用以评估和推断信息的可靠性。因此，在本章中，从智能手机中提取呼叫日志，并基于所提取的个人信息来检查是否形成了用户间关系。然后，提取定量值并表示为抽象信任值。行为模式决定因素，用户间关系的形成和程度可以通过分析用户的交互（即学术活动中的协作关系），电话和短信来分析。为了提高用户间关系的可靠性，用户在移动环境中的行为模式已经被分析和量化为信任值。最后，建立了基于行为的社会信任模型。

基于智能手机调用的细节来量化和抽象信任值，以找出用户的行为模式决定因素（图3）。本章中处理的呼叫日志是指与家庭，同事和朋友等直接关系的交互。因此，通过基于呼叫频率，亲密度（或持续时间）和用户之间的新近度来分析呼叫模式来量化用户的关系。在这项研究中，代表每个用户的直接连接的本地社交网络是通过分析用户呼叫行为在以下三个方面构建的： 频率，亲密和新近。

首先，通过用户之间的呼叫频率（频率A，B）来定义用户间关系[（1）]。 来自智能手机的呼叫频率表示用户之间的连接级别。 在这个研究中，呼叫频率被定义为“用户之间的呼叫总数”。换句话说，如果“用户A”和“用户B”之间的呼叫频率大于“用户A”和“用户C” 应该理解的是，“用户A”比“用户B”更信任“用户C”。换句话说，用户更加信任他的朋友，他每天使用电话和朋友交谈的时间 长于和同事交谈的时间，但频率较低。

如公式 （1），使用“用户A”和“用户B”之间的呼叫频率（呼叫A，B）相对于呼叫的频率来计算“用户A”和“用户B”之间的信任值 B）“用户A”呼叫所有其他用户（N个用户）。

上面的等式（2）计算“用户A”和“用户B”之间的亲密度（亲密度A，B）。亲密度是指用户间关系的持续时间。换句话说，如果关系的持续时间很低，尽管在形成关系时频率很高，则应当重新调整频率的评估（即，可以提供关于形成恶意关系的系统鲁棒性以增强信任值）。相反，如果用户间关系存在着着高亲密度的低频信息，那么他们之间的可靠性应该重新评估至较高水平。在这项研究中，亲密已经定义了用户之间的通话持续时间。换句话说，“用户A”和“用户B”之间的通话持续时间比“用户A”和“用户C”之间的通话持续时间长的事实意味着高亲密性和高可靠性的可能性。在本研究中，持续时间的亲密度可分为后发送持续时间（持续时间A，B）和接收后持续时间（持续时间A，B），我们在将亲密度应用加权值（theta;：发送的加权值）以反映智能电话用户“多种呼叫模式，例如通常使用发送功能的呼叫模式或仅使用接收功能的呼叫模式。

可以通过“用户A”和“用户B”之间的总呼叫持续时间（Delta;DA，B）相对于“用户A”与所有其他用户（“n”）的总呼叫持续时间获得发送持续时间 用户总数）。 （3）。

相反，呼叫接收持续时间（持续时间A，B）指的是在“用户B”发送到“用户A”之后所花费的时间，如公式 （4）。

在本研究中，分析用户的呼叫趋势以计算发送和接收的加权值。在公式 （5），计算由用户的呼叫或接收引起的持续时间的百分比。发送百分比（趋势A）是指“用户A”花费在总发送或接收持续时间上的总呼叫持续时间（接收比用1-趋向A计算）。

计算的发送比率（趋势A）根据其范围确定加权值（rho;），如公式 （6）。 如果呼叫趋势是“以发送为中心”（即，发送比率的0.75或更高），则将其划分为“面向接收（即接收比率的0.25或更低）”和普通情况（图4）。

最后，新近度（新近度A，B）指的是使用最近通话记录的用户之间的关系的时间流。换句话说，昨天的呼叫比一个月前的呼叫更可信，这是在将不同变化随时间的不确定性反映在用户之间的信任值之后获得的结果。 换句话说，由于不确定性的增加，用户间可靠性随时间持续下降。

在等式（7）中，它被表示为用户中的呼叫接续性（等级A，B）对于其中去除冗余呼叫的呼叫记录的最近列表中的总记录（N个用户）。换句话说，将对新近度的信任的加权值添加到做出最近呼叫记录的那些人。最后，可以通过频率，亲密度和新近度的合成来获得可以从呼叫日志提取的用户的习惯行为信息。 这三个因子的合成实际上从“0”到“1”。 [（8）]。 使用可从不同信息获取的习惯行为信息来进行泛化。

、实施和分析

在本节中，解释了自主认知社交网络上框架的实现和服务场景。事实上，它是基于用户的呼叫记录和智能手机环境中的个人信息构建的。如图3所示，实现过程如下：在客户端构建本地社交网络，在服务器中收集和构建全球社交网络。

在本研究中，提取样本，并且如表1所示进行测试以从智能手机获取必要的信息，例如用户的习惯行为信息，个人信息和SNS活动的细节。智能手机通话记录是根据Android智能手机（Android Froyo 2.2）提取的。从804个用户中提取了总共18,202个呼叫（每个用户大约23个呼叫）。提取的呼叫记录用于建立每个用户的个人本地社交网络作为用户之间的习惯行为信息。因为他们包括用户的个人信息，如性别，年龄，职业和地址，他们可以用作个人信息决定因素。

首先，建立社交网络，在智能手机（尤其是Android）环境中提取用户的通话记录，并开发获取个人信息的应用程序。提取的呼叫记录用于构建反映呼叫频率，亲密度的本地社交网络。在移动客户端中调用基于日志的信任值。 然后，将本地社交网络和个人信息发送到服务器（图6）。如图5所示，本地社会网络上的用户间关系被抽象并量化为信任值。 用户间信任值的范围从“0（不相关）”到“1（密切相关）”。量化结果经常被用来建立社交网络，而这个社交网络是显示出直接关系用户之间的连通性和关系层次。

图7揭示了基于习惯行为信息开发全球社交网络的过程。 从客户端建立的每个本地社交网络与来自个人信息输入应用的输入信息一起被发送到服务器。 在服务器中，通过集成呼叫日志创建的本地社交网络来构建全球社交网络，呼叫日志是用户的习惯行为信息之一。 然后，通过每个客户端将全球社交网络发送给用户。

图8显示了全球社交网络上的用户之间的strust值，它们用图1中解释的过程进行构造。来自呼叫日志的用户的直接关系具有较高的信任值，并且通过FOAF推断的间接关系形成新的关系。基于用户的习惯行为，高排名用户的排名显示非常类似的结果。在与新加入的朋友的关系方面，FOAF在具有高信任值的朋友日志之中具有高信任值的推论。换句话说，我们可以推断具有多路径（或间接关系）的信任值关系，由移动云环境中的可靠个人组成。此外，可靠的个人应该和联系人有明显联系或类似的行为模式。

、主要研究问题

移动云计算研究的一些主要挑战包括可靠性和安全性问题。新提出方法的引入带来了这些研究领域的新研究。移动云计算的可靠性涉及在移动云环境中提供经评估的关系的数据质量。这些关系表示每个移动客户端的可信赖性。这里的挑战将是在移动云环境中进行适当的可靠数据（或资源）分配机制和集成过程。 此外，所提出的信任管理可以应用于可靠地发现和选择资源的激励机制。

另一方面，移动云计算技术产生了安全问题，例如隐私和数据泄漏。换句话说，由于允许不必要的数据访问，不管数据共享过程中的独特意图如何，控制恶意访问变得困难。所提出的信任管理可以引入用于解决与移动客户端的身份相关的安全问题的新方法。身份是特定应用领域中实体的表示[29]。目前所需要的是身份管理来防止未许可访问和数据泄露的问题，该身份管理的关键在于确认移动端的用户行为信息。

、结论

随着通信环境和网络技术的发展，越来越多的人开始表达自己的意见并与移动设备共享信息。然而，这之中存在明显的限制，例如受限的计算能力和存储的匮乏，因此，移动云计算正在出现各式各样的研究问题。本文提出了可靠的数据集成，管理和应用在移动云计算环境中的信任管理方法。为了提供值得信赖的信息，本研究试图分析移动环境中用户之间的交互。为此，它建立了一

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[141364]，资料为PDF文档或Word文档，PDF文档可免费转换为Word