1. IntroductionWith the rapid growt

1. Introduction
With the rapid growth of cloud computing1 business, an increasing number of cloud providers become available. Customers are facingmore choices than ever before. Inexperiencedcustomers are overwhelmedby so manycomplex features and technical indexes. Establishing an objective and reliable reputation scheme is important to promote the healthy development of cloud computing business2,3. Recently, researchers have presented various reputation schemes for cloud computing environment. However, two key limitations exist in the most of previous studies. First, many previous reputation systems evaluate a cloud service only based on a single rating index and assign an unique overall reputation value for all of its attributes4,5,6. However, cloud services are of diverse dimensions and complex patterns. Reputation evaluation for cloud services should involve multiple rating indexes and be differentiated across multiple attributes, e.g., security, reliability, and performance etc. In addition, existing reputation calculation models can not be appliedto multiple indexessituationeffectively. Thereason is that they processusers’ evaluationsforeach
index separately, and thus each index reputation value is calculated independently7,8,9. However, customer ratings on multiple indexes of a cloud service are correlated and need to be examined together to detect a variety of attacks. In order to deal with the challenges of cloud service evaluation, such as the diverse nature of cloud services and intricacy of malicious ratings, an Accurate and Multi-faceted Reputation scheme for cloud computing (AMRep) is proposed. AMRep employs multiple rating indexes. By processing all index ratings in an inter-dependant way, AMRep builds an accurate index reputation calculation model, which can effectively identify malicious users and improvetheaccuracyofthereputationcalculation. AMRepalsodesignsamulti-facetedreputationevaluationmethod, whichcombinesrelevantindexreputationvaluesto deducetheattributereputationvaluesofa cloudserviceat various granularity. Experiments show that our scheme can effectively reject malicious ratings, and accurately calculate the reputationvalues of cloud services.

ผลลัพธ์ (ไทย) 1:

1. บทนำมีการเติบโตอย่างรวดเร็วของธุรกิจ computing1 เมฆ การเพิ่มจำนวนผู้ให้บริการคลาวด์จะพร้อมใช้งาน ลูกค้ามีทางเลือก facingmore ที่เคยมีมาก่อน Inexperiencedcustomers เป็น overwhelmedby manycomplex เพื่อให้คุณลักษณะและดัชนีทางเทคนิค กำหนดเป็นวัตถุประสงค์และแผนงานชื่อเสียงเชื่อถือได้เป็นสิ่งสำคัญในการส่งเสริมการพัฒนาสุขภาพของเมฆคอมพิวเตอร์ business2, 3 ล่าสุด นักวิจัยได้นำเสนอแผนงานชื่อเสียงต่าง ๆ ในสภาพแวดล้อมการใช้งานคลาวด์ อย่างไรก็ตาม สองข้อจำกัดที่สำคัญอยู่ในสุดการศึกษาก่อนหน้านี้ ครั้งแรก ระบบชื่อเสียงก่อนหน้าหลายประเมินบริการคลาวด์เดียวตามดัชนีประเมินเดียว และกำหนดค่าชื่อเสียงโดยรวมไม่ซ้ำกันสำหรับทั้งหมดของ attributes4, 5, 6 อย่างไรก็ตาม บริการฝากมีหลากหลายขนาดและรูปแบบที่ซับซ้อน ชื่อเสียงการประเมินบริการฝากควรเกี่ยวข้องกับการจัดอันดับดัชนีหลาย และแยกแยะในแอตทริบิวต์หลาย เช่น ความปลอดภัย ความน่าเชื่อถือ และประสิทธิภาพการทำงานเป็นต้น นอกจากนี้ แบบการคำนวณที่ชื่อเสียงที่มีอยู่ไม่สามารถจะ appliedto indexessituationeffectively หลาย Thereason ว่าพวกเขา processusers evaluationsforeachดัชนีแยก และดังนั้น แต่ละดัชนีชื่อเสียงค่า คำนวณ independently7, 8, 9 อย่างไรก็ตาม ลูกค้าในดัชนีหลายบริการคลาวด์มี correlated และต้องถูกตรวจสอบร่วมกันตรวจสอบความหลากหลายของการโจมตี การจัดการกับความท้าทายการประเมินบริการคลาวด์ ธรรมชาติหลากหลายบริการคลาวด์และ intricacy จัดอันดับอันตราย มีเสนอโครงร่างถูกต้องและชื่อเสียง Multi-faceted สำหรับคลาวด์คอมพิวเตอร์ (AMRep) AMRep มีดัชนีการจัดอันดับหลาย โดยประมวลผลการจัดอันดับดัชนีทั้งหมดทางขึ้นอยู่ระหว่าง AMRep สร้างแบบดัชนีที่ถูกต้องชื่อเสียงคำนวณจำลอง ที่มีประสิทธิภาพสามารถระบุผู้ใช้ที่เป็นอันตรายและ improvetheaccuracyofthereputationcalculation AMRepalsodesignsamulti-facetedreputationevaluationmethod, whichcombinesrelevantindexreputationvaluesto deducetheattributereputationvaluesofa cloudserviceat ส่วนประกอบต่าง ๆ การทดลองแสดงว่า โครงร่างของเราสามารถปฏิเสธการจัดอันดับที่เป็นอันตรายได้อย่างมีประสิทธิภาพ และคำนวณ reputationvalues บริการคลาวด์ได้อย่างถูกต้อง

ผลลัพธ์ (ไทย) 2:

1. ความรู้เบื้องต้นเกี่ยว
กับการเจริญเติบโตอย่างรวดเร็วของธุรกิจเมฆ computing1, จำนวนที่เพิ่มขึ้นของผู้ให้บริการคลาวด์กลายเป็นใช้ได้ ลูกค้าเป็นตัวเลือกที่ facingmore กว่าที่เคย Inexperiencedcustomers มี overwhelmedby ดังนั้นคุณสมบัติ manycomplex และดัชนีทางเทคนิค จัดตั้งโครงการชื่อเสียงวัตถุประสงค์และเชื่อถือได้เป็นสิ่งสำคัญที่จะส่งเสริมการพัฒนาสุขภาพของ cloud computing business2,3 เมื่อเร็ว ๆ นี้นักวิจัยได้นำเสนอแผนการชื่อเสียงต่างๆสำหรับระบบคอมพิวเตอร์เมฆ อย่างไรก็ตามสองข้อ จำกัด ที่สำคัญที่มีอยู่ในส่วนใหญ่ของการศึกษาก่อนหน้า ประการแรกระบบชื่อเสียงก่อนหน้านี้หลายคนประเมินบริการคลาวด์เท่านั้นขึ้นอยู่กับดัชนีคะแนนเดียวและกำหนดค่าชื่อเสียงโดยรวมที่ไม่ซ้ำกันสำหรับทุก attributes4,5,6 ของ อย่างไรก็ตามบริการคลาวด์ที่มีขนาดที่หลากหลายและรูปแบบที่ซับซ้อน การประเมินผลชื่อเสียงสำหรับการให้บริการคลาวด์ควรจะเกี่ยวข้องกับการจัดทำดัชนีคะแนนหลายครั้งและมีความแตกต่างทั่วคุณลักษณะหลายเช่นการรักษาความปลอดภัยความน่าเชื่อถือและประสิทธิภาพการทำงานและอื่น ๆ นอกจากนี้ยังมีอยู่แบบจำลองการคำนวณชื่อเสียงไม่สามารถ appliedto หลาย indexessituationeffectively Thereason คือว่าพวกเขา processusers 'evaluationsforeach
ดัชนีแยกและทำให้ชื่อเสียงของแต่ละค่าดัชนีมีการคำนวณ independently7,8,9 อย่างไรก็ตามการจัดอันดับของลูกค้าในดัชนีหลายของการให้บริการคลาวด์ที่มีความสัมพันธ์และจำเป็นที่จะต้องมีการตรวจสอบร่วมกันเพื่อตรวจสอบความหลากหลายของการโจมตี เพื่อที่จะจัดการกับความท้าทายของการประเมินผลการให้บริการคลาวด์เช่นธรรมชาติที่มีความหลากหลายของบริการเมฆและความสับสนของการให้คะแนนที่เป็นอันตรายที่ถูกต้องและโครงการชื่อเสียงหลายเหลี่ยมเพชรพลอยสำหรับการประมวลผลแบบคลาวด์ (Amrep) จะเสนอ Amrep พนักงานดัชนีคะแนนหลาย โดยการประมวลผลการจัดอันดับดัชนีทั้งหมดในระหว่างทางที่ขึ้นอยู่กับ Amrep สร้างชื่อเสียงดัชนีที่ถูกต้องรูปแบบการคำนวณที่มีประสิทธิภาพสามารถระบุผู้ใช้ที่เป็นอันตรายและ improvetheaccuracyofthereputationcalculation AMRepalsodesignsamulti-facetedreputationevaluationmethod, whichcombinesrelevantindexreputationvaluesto deducetheattributereputationvaluesofa cloudserviceat เมล็ดต่างๆ การทดลองแสดงให้เห็นว่าโครงการของเราได้อย่างมีประสิทธิภาพสามารถปฏิเสธการให้คะแนนที่เป็นอันตรายและถูกต้องคำนวณ reputationvalues ​​ของบริการคลาวด์

ผลลัพธ์ (ไทย) 3:

1 . บทนำ
กับการเจริญเติบโตอย่างรวดเร็วของธุรกิจ computing1 เมฆ , การเพิ่มจำนวนของผู้ให้บริการเมฆกลายเป็นใช้ได้ ลูกค้าจะ facingmore เลือกมากกว่าเดิม inexperiencedcustomers เป็น overwhelmedby ดังนั้นคุณสมบัติ manycomplex และดัชนีทางเทคนิค การจัดตั้งวัตถุประสงค์และโครงการชื่อเสียงความน่าเชื่อถือเป็นสิ่งสำคัญเพื่อส่งเสริมการพัฒนาสุขภาพของ business2 คอมพิวเตอร์เมฆ ,3 . เมื่อเร็วๆ นี้ นักวิจัยได้เสนอแผนการต่าง ๆชื่อเสียงสำหรับสภาพแวดล้อมคอมพิวเตอร์เมฆ อย่างไรก็ตาม สองข้อ จำกัด ที่สำคัญอยู่ในส่วนใหญ่ของการศึกษาก่อนหน้านี้ . แรก , ระบบชื่อเสียงก่อนหน้านี้หลายคนประเมินเมฆบริการตามดัชนีคะแนนเดียว และมอบหมายให้มีเอกลักษณ์โดยรวมชื่อเสียงของมูลค่าทั้งหมดของ attributes4,5,6 . อย่างไรก็ตามบริการเมฆมีมิติที่หลากหลายและรูปแบบซับซ้อน ชื่อเสียงด้านบริการเมฆควรจะเกี่ยวข้องกับดัชนีการประเมินหลายและแตกต่างในคุณสมบัติหลาย เช่น ความปลอดภัย ความน่าเชื่อถือ และประสิทธิภาพการทำงาน ฯลฯ นอกจากนี้ ที่มีอยู่ชื่อเสียงการคำนวณแบบไม่สามารถกำหนดหลาย indexessituationeffectively .เนื่องจากว่าพวกเขา processusers ' ดัชนี evaluationsforeach
ต่างหาก ดังนั้นแต่ละดัชนีชื่อเสียงค่าคำนวณ independently7,8,9 . อย่างไรก็ตาม ลูกค้าการจัดอันดับหลายดัชนีบริการเมฆมีความสัมพันธ์และต้องตรวจร่วมกันเพื่อตรวจสอบความหลากหลายของการโจมตี เพื่อที่จะจัดการกับความท้าทายของการประเมินผลการให้บริการเมฆเช่น ธรรมชาติที่หลากหลายของบริการเมฆและความสลับซับซ้อนของการจัดอันดับที่เป็นอันตรายที่ถูกต้องและหลายเหลี่ยมชื่อเสียงโครงการคอมพิวเตอร์เมฆ ( amrep ) เสนอ amrep ใช้ดัชนีการประเมินหลาย จากการประมวลผลคะแนนดัชนีทั้งหมดในการพึ่งพาระหว่างทาง amrep สร้างดัชนีคำนวณถูกต้องชื่อเสียงรุ่นซึ่งมีประสิทธิภาพสามารถระบุผู้ใช้ที่เป็นอันตรายและ improvetheaccuracyofthereputationcalculation . amrepalsodesignsamulti facetedreputationevaluationmethod whichcombinesrelevantindexreputationvaluesto deducetheattributereputationvaluesofa granularity , cloudserviceat ต่างๆ . การทดลองแสดงให้เห็นว่าโครงการได้อย่างมีประสิทธิภาพสามารถปฏิเสธการจัดอันดับเป็นอันตรายและถูกต้องคำนวณ reputationvalues บริการเมฆ .