基于动态博弈论与云服务分类的用户信念修正方法

摘要

本发明涉及一种基于动态博弈论与云服务分类的用户信念修正方法，包括以下步骤：（1）分别建立云服务提供商与可信用户、云服务提供商与不可信用户的支付矩阵，基于此建立云服务提供商与可信用户、云服务提供商与不可信用户的不完全信息动态博弈模型；（2）将云服务分为敏感服务和非敏感服务，分别进行信念修正，以监测用户行为；（3）结合用户的历史行为序列计算用户的当前信念值，以给出不同的反应策略。该方法有利于使云服务在连续性和安全性两方面取得平衡。

主权项

一种基于动态博弈论与云服务分类的用户信念修正方法，其特征在于，包括以下步骤：(1)分别建立云服务提供商与可信用户、云服务提供商与不可信用户的支付矩阵，基于此建立云服务提供商与可信用户、云服务提供商与不可信用户的不完全信息动态博弈模型；(2)将云服务分为敏感服务和非敏感服务，分别进行信念修正，以监测用户行为；(3)结合用户的历史行为序列计算用户的当前信念值，以给出不同的反应策略；云服务提供商与可信用户的支付矩阵为：可信用户发出正常服务请求，云服务提供商接受服务请求、不响应服务请求、拒绝服务请求对应的矩阵支付值分别为：((1‑α)(U_n‑C_n),(1‑α)(S_n‑Q_n))、(‑αq_iC_n,‑αq_i(S_n+Q_n))、(‑α(1‑q_i)(C_n+P_a),‑α(1‑q_i)(S_n+Q_n))；云服务提供商与不可信用户的支付矩阵为：不可信用户发出异常服务请求，云服务提供商接受服务请求、不响应服务请求、拒绝服务请求对应的矩阵支付值分别为：(β(U_a‑C_a),‑β(U_a+Q_n))、(‑(1‑β)q_i(C_a),(1‑β)q_i(U_i‑Q_n))、(‑(1‑β)(1‑q_i)(C_a+P_a),(1‑β)(1‑q_i)(U_a‑Q_n))；不可信用户发出正常服务请求，云服务提供商接受服务请求、不响应服务请求、拒绝服务请求对应的矩阵支付值分别为：((1‑α)(U_n‑C_n),(1‑α)(S_n‑Q_n))、(‑αq_iC_n,‑αq_i(S_n+Q_n))、(‑α(1‑q_i)(C_n+P_a),‑α(1‑q_i)(S_n+Q_n))；其中，各矩阵支付值(A,B)包括两项，前一项A表示用户的收益，后一项表示云服务提供商的收益；α为系统误报率，U_n为用户发出正常服务请求被允许访问时获得的收益，C_n为用户发起正常服务请求的开销，S_n为云服务提供商允许正常服务请求时获得的收益，拒绝正常服务请求时的效用则为‑S_n，Q_n为云服务提供商收到一个请求的开销，q_i为云服务提供商收到一个异常服务请求时采取不响应的概率，P_a为用户发送异常服务请求被检测出来受到的惩罚，U_a为不可信用户发出异常服务请求未被阻止时获得的效用，也是云服务提供商损失的收益，C_a为不可信用户发送异常服务请求的成本，U_i为云服务提供商对异常服务请求采取不响应策略时的收益，β为系统漏报率；敏感服务的信念修正方法为：采用精炼贝叶斯均衡修正模型，假设博弈的第n个阶段，云服务提供商对用户的信念为B_n，不可信用户以概率P发送异常服务请求，可信用户以概率1发送正常服务请求；对于云服务提供商：不可信用户发送正常服务请求的概率P1_Q0＝(1‑α)(1‑p)+pβ；不可信用户发送的异常服务请求概率P1_Q1＝α(1‑p)+p(1‑β)；则云服务提供商收到正常服务请求时，如果B_n>0.5，B_n+1为：$B_{n+1}=\frac{(1-\alpha +\beta )B_n\left(\right(1-\alpha \left)\right(1-p)+p\beta )}{B_n\left(\right(1-\alpha )(1-p)+p\beta )+(1-B_n)(1-\alpha )}---\left(1\right)$否则B_n+1＝0.5；其中，B_n+1为博弈的第n+1个阶段云服务提供商对用户的信念；云服务提供商收到异常服务请求时，B_n+1为：$B_{n+1}=\frac{B_n\left(\right(1-p)\alpha +p(1-\beta ))}{B_n\left(\right(1-p)\alpha +p(1-\beta ))+\alpha (1-B_n)}---\left(2\right)$其中，p为：$p=\frac{S_n+(2\alpha -1)Q_n}{[(1-q_i+{\mathrm{\beta q}}_i)U_a+(1-\beta )q_i{U}_i+2(\alpha +\beta -1)Q_n+S_n]B_n}---\left(3\right)$非敏感服务的信念修正方法为：基于精炼贝叶斯均衡修正模型，假设博弈的第n个阶段，云服务提供商对用户的信念为B_n，不可信用户以概率P发送异常服务请求，可信用户以概率1发送正常服务请求；对于云服务提供商：不可信用户发送正常服务请求的概率P1_Q0＝(1‑α)(1‑p)+pβ；不可信用户发送的异常服务请求概率P1_Q1＝α(1‑p)+p(1‑β)；则云服务提供商收到正常服务请求时，如果B_n>0.5，那么B_n+1为：$B_{n+1}=\frac{(1-\alpha +\beta )B_n\left(\right(1-\alpha \left)\right(1-p)+p\beta )}{B_n\left(\right(1-\alpha )(1-p)+p\beta )+(1-B_n)}---\left(4\right)$否则B_n+1＝0.5；云服务提供商收到异常服务请求时，B_n+1为：$B_{n+1}=\frac{B_n\left(\right(1-p)\alpha +p(1-\beta ))}{B_n\left(\right(1-p)\alpha +p(1-\beta ))+(1-B_n)\alpha }---\left(5\right).$