基于多属性熵权合成的软件可信等级评估方法

摘要

本发明公开了一种基于多属性熵权合成的软件可信等级评估方法，首先定义待评软件的可信属性集合并获取支持这些可信属性的证据项，根据证据类型不同，对每一个可信证据进行度量，获取度量结果，然后获取软件可信证据对软件可信属性的基本信任分配函数，对软件可信证据进行分类及合成，利用不确定熵计算不同证据类合成结果的权重并得到可信属性的支持度，最终确定基于规则评估软件可信等级。本发明解决了不同应用领域、不同类别的软件可信度量及可信分级问题，提高了可信评估的可靠性和真实性，解决了证据本身不确定性问题。

主权项

1.一种基于多属性熵权合成的软件可信等级评估方法，其特征在于包括下述步骤：步骤一：参照TRUSTIE-STC规范所定义的软件可信属性模型定义待评软件的可信属性集合H＝{H_s|1≤s≤n，1≤n≤6，s，n∈Z}，其中，H_s表示软件的可信属性，n表示待评软件的可信属性的个数；步骤二：参照TRUSTIE-STC规范所定义的软件可信证据框架，获取支持这些可信属性的证据项E_i，i∈N⁺；步骤三：根据证据类型不同，利用以下方法对每一个可信证据进行度量，获取度量结果x，0＜x＜1；对于定量证据，按照TRUSTIE-STC规范中软件可信属性原始度量的确切定义直接度量；对于定性证据，将其分为六个等级：level₁≤60、level₂＝65、level₃＝75、level₄＝85、level₅＝90、level₆≥95；$x=\left\{\begin{array}{cc}0& v<=60\\ 1/2+1/2\sin \left(\frac{\pi }{95-60}(v-\frac{95+60}{2})\right)& 60<v<95\\ 1& v>=95\end{array}\right.$其中v是定性证据的等级；步骤四：获取D-S证据理论中软件可信证据对软件可信属性的基本信任分配函数，具体包括以下步骤：定义可信属性H_s的支持度定义为可信证据对可信属性真实性相信的程度，记为W_s，s＝1，2，…6，将其分为6个等级，参照D-S证据理论把可信属性的六个支持度作为识别框架Θ{0，1，2，3，4，5}，m_i(A_l)为第i个证据E_i所对应的基本可信分配函数，A_l是m_i所对应的焦元，J(A_l)是焦元A_l所包含的基元个数。识别框架中的元素称为该框架下的基元，记为B_j，j＝0，1，2，…，5；本方案依据软件的可信性具有连续性的特点，定义焦元的集合为：R＝{{0}，{0，1}，{1}，{1，2}，{2}，{2，3}，{3}，{3，4}，{4}，{4，5}，{5}，{1，2，3}，{2，3，4}，{3，4，5}}则A_l∈R，l＝1，2，…，14；步骤4.1：根据x的值和基元分配准则确定可信证据E_i的基本信任分配函数对应的基元集合R_i(B)＝{B_j|j＝0，1，2，…，5}；确定可信证据E_i的基本信任分配函数对应的焦元集所述的基元分配准则为：当x≤0.2时，可信证据的基本信任分配函数对应的基元集合为{0，1}；当0.2＜x≤0.4时，可信证据的基本信任分配函数对应的基元集合为{1，2，3}；当0.4＜x≤0.6时，可信证据的基本信任分配函数对应的基元集合为{2，3，4}；当0.6＜x≤0.8时，可信证据的基本信任分配函数对应的基元集合为{3，4，5}；当0.8＜x≤1.0时，可信证据的基本信任分配函数对应的基元集合为{4，5}；步骤4.2：通过下面的可信隶属函数f(x)获取可信证据E_i对应焦元A_l的信任值S_i(A_l)；通过x代入到焦元A_l的可信隶属函数中得到的信任值为S_i(A_l)＝f(x)；步骤4.3：设定门限G＝0.1，获取可信证据支持的焦元集Z_i＝{A_l|S_i(A_l)≥G}；步骤4.4：计算可信证据E_i对Z_i中A_l的基本可信分配函数$m_i\left(A_l\right)=\frac{S_i\left(A_l\right)}{{\Sigma }_l{S}_i\left(A_l\right)},A_l\in Z_i;$步骤五：对软件可信证据进行分类及利用D-S合成公式对分类结果进行合成：步骤5.1：获得m_i(A_l)对基元B_j的平均支持度步骤5.2：获得m_i(A_l)支持的最大基元属性B_i，max＝max{D_i(B_j)}；步骤5.3：获取m_i(A_l)所支持的基元属性集为步骤5.4：迭代前三步计算出所有m_i(A_l)所支持的基元属性集合Ω_i；步骤5.5：获得支持基元属性的证据集合步骤5.6：通过下面公式获取支持基元属性的集类令：$T_0=\{T_{B_j},j=\mathrm{0,1,2},···,5\}$$T_1=\left\{T_{B_j}\right|T_{B_j}⋐T_{B_L},L\ne j;L,j=\mathrm{0,1,2},···,5\}$从T₀中删除T₁得到集类T＝T₀/T₁；则集类T中的每一个元素均表示一种证据分类的结果；令T中分类的个数定义为b，对每一分类结果利用D-S合成公式进行合成，可以得到一组合成证据M_i，1≤t≤b；步骤六：利用不确定熵计算不同证据类合成结果的权重，利用该权重合成不同的证据类得到可信属性的支持度W_s；步骤6.1：计算m_i的不确定熵步骤6.2：计算证据的确定度步骤6.3：计算合成的证据M_t的加权系数步骤6.4：对所有分类合成证据进行加权平均即为最终可信属性H_s的支持度W_s：$W_s=\underset{t}{\Sigma }{d}_t{M}_t,t=\mathrm{1,2},···b$步骤七：确定基于规则评估软件可信等级