عنوان پایان‌نامه
مدل اعتماد تطبیق پذیر چند وجهی در رایانش ابری
- رشته تحصیلی
- مهندسی فناوری اطلاعات
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2434;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 62765
- تاریخ دفاع
- ۲۲ دی ۱۳۹۲
- دانشجو
- زهره راغبی
- استاد راهنما
- محمود رضا هاشمی
- چکیده
- اعتماد را می توان به عنوان یکی از بزرگترین موانع پذیرش، رشد و گسترش رایانش ابری بشمار آورد. محیط پویا و توزیع شده ی رایانش ابری باعث به وجود آمدن چالش های امنیتی و ریسک های متفاوتی نسبت به سایر چارچوب های توزیع شده، گردیده است. گسترش کابردهای رایانش ابری ضرورت ایجاد یک مدل کارا برای ارزیابی اعتماد در چنین محیطی را بیش از گذشته مطرح نموده است. همان گونه که در روابط اجتماعی، سطح دانش یا خبرگی و همچنین داشتن سابقه‌‌ای از روابط با افراد می‌تواند ارزش بیشتری را برای پیشنهادهای آن ها در نزد ما ایجاد نماید، در محیط رایانش ابری نیز توجه به تاثیر عامل خبرگی و سابقه‌ی استفاده از خدمات کاربران می‌تواند نتیجه‌ی ارزیابی اعتماد سرویس‌دهنده را به واقعیت نزدیک‌تر کند. در این پایان نامه ابتدا با تمرکز بر عوامل تاثیرگذار بر محاسبه اعتماد، یک مدل چندوجهی اعتماد ارائه داده‌ایم که به صورت پویا تغییرات رفتاری سرویس دهنده را دنبال کرده و در طول زمان به روزرسانی گردد. روش پیشنهادی بر مبنای شبکه های بیزین طراحی شده، و توانایی کشف رفتارهای منفعت‌طلبانه‌ی سرویس‌دهندگان را دارا می باشد. ارزیابی ها نشان می‌دهد که این روش قابلیت بررسی تغییرات رفتاری احتمالی سرویس‌دهندگان در طول زمان، و ارزیابی پویای اعتماد را بهتر فراهم کرده است. سامانه های ارزیابی اعتماد در معرض حملات متعددی از طرف کاربران به منظور تغییر میزان اعتماد می باشند. تعیین قابلیت اطمینان بازخوردهای کاربران می تواند در برابر این گونه تهدیدات و حملات با محدود کردن بازخوردهای مخرب در ارتباطات، محیط قابل اطمینانی را فراهم سازد. در این راستا با در نظر داشتن شباهت بازخورد کاربران در استفاده از سرویس های مشترک و شبیه بودن بازخوردها به نظر اکثریت، قابلیت اطمینان بازخورد کاربران میانی محاسبه می شود. همچنین وزن عوامل شباهت در سرویس های مشترک و نزدیکی به نظر اکثریت به صورت انطباق پذیر با نرخ کاربران مخرب محیط رایانش ابری تغییر می کند. نتایج ارزیابی ها نشان می دهد که مدل پیشنهادی با در نظر داشتن قابلیت اطمینان بازخورد کاربران، به طور میانگین نزدیک به 35% منجر به کاهش تاثیر حملات کاربران مخرب بر نوسانات مقادیر اعتماد شده است.
- Abstract
- One of the most important factors for the adoption and success of cloud computing is trust. Adaptive trust evaluation is a fundamental component for secure computing in the cloud environment. Although several methods have been proposed recently for modeling and evaluating trust in distributed computing environments, there is no general accepted trust evaluation model for cloud computing. One of the main challenges of trust evaluation is the continuous change in provider behavior. Hence, in this thesis a new trust evaluation model has been proposed which is based on statistical techniques. Many parameters, such as the expertise of customers and their history of service usage, affect the evaluation of trust. In our proposed method we consider trust as a multimodal concept. This proposed scheme is able to address the opportunistic behavior of cloud providers over time. In most existing trust evaluation models for the cloud environments, no attention has been made to determine the reliability of trust feedbacks for indirect trust and the adaptability to environmental changes such as rate of malicious attacks. Moreover, most methods have not addressed malicious feedback, a critical feature and common problem in cloud service selection. In this research, new adaptive method has been introduced that is able to distinguish between malicious and reliable customer feedbacks by assigning a reliability weight to each customer feedback. In this method a customer is able to evaluate indirect trust by introducing two factors: similarity in common services and the closeness to the majority consensus of feedbacks for all the ratings. The proposed method adapts better to changes in the rate and sources of malicious attacks. Simulations indicate that the proposed method minimizes the effect of malicious feedbacks by up to 35% on average, and adapts better compared to an existing trust evaluation method. Keywords: Multi-modal trust model, Direct and Indirect trust, Cloud computing.
