声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：孙勇,谭文安,金婷,周亮广,
关键词：协同计算, 协同作弊识别, 在线聚类, 可信服务计算, 面向服务的云应用,
针对大规模服务计算环境中聚集反馈、协同作弊和虚假评价等问题，通过融合在线聚类与共谋欺骗检测技术，提出了一种支持大规模服务可信度分析的在线协同作弊用户发现方法.首先，根据大规模服务系统日志中用户反馈评分信息，综合考虑大规模服务计算的大数据特性问题，设计了一种新颖的基于改进更新规则的在线KMeans聚类算法：在基于随机梯度法的在线聚类算法的基础上，采用了一种改进的基于小批量学习的在线聚类方法；并且，通过自动修正权重的聚类分组方差计算，进行递减增量优化，提高了在线KMeans算法的聚类质量，同时保证了聚类算法的时间效率；然后，充分考虑了协同作弊团体的同谋行为特征和协同攻击现象，利用聚类分组的性质和同谋团体异常性的特征，检测出协同作弊团体.仿真实验结果表明：提出的基于在线聚类的协同作弊团体识别方法具有良好时间性能，有效地解决了大规模服务计算中虚假反馈的问题.
来源：2018年第6期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。