基于區塊鏈的企業服務質量綜合評價框架研究

閔迪　魏言釗　趙燊燊

摘要：隨著經濟管理活動的不斷發展和移動設備的普及，企業為了自身管理的有效性和高效性，經常會購置外部活動來滿足自身管理需求，然而現有的管理流程框架存在許多不足，服務評價體系很難保證評價的準確性和有效性。有研究學者提出利用區塊鏈分布式存儲的特點保證數據的不可篡改性，但是沒有提出有效的企業服務質量綜合評價機制。針對以上不足，提出基于區塊鏈的企業服務質量綜合評價框架，在保障數據不可篡改的同時，考慮數據源頭可信度問題，將基本聚類算法納入綜合評價框架。實驗證明，所提出的基本方法有效過濾虛假評價，有效提高企業服務質量的可信度。

關鍵詞：服務質量（QoS）；區塊鏈；綜合評價；

一、前言

隨著面向服務的計算、云計算和大數據的快速發展，互聯網上出現了大量功能等價的 Web 服務。服務質量（QoS）成為吸引客戶的服務的差異化點。由于不可預測的網絡、物理位置和其他客觀因素，不同用戶的服務 QoS 存在很大差異，最近提出了許多基于協同過濾的方法，利用歷史用戶貢獻的 QoS 數據來預測未知的 QoS。然而，大多數現有的方法忽略了數據可信度問題，不同的用戶對于服務的喜愛度不同也導致了數據的差異性。所以，無論是依賴第三方收集、維護和提供QoS 值的權威機構（如 UDDI）還是商戶直接收集數據（如大眾點評、美團、淘寶）都會存在許多挑戰和風險以致影響用戶的選擇。

二、內容與特點

（一）Web服務質量（QoS）

Web服務是獨立于平臺的軟件組件，旨在支持通過網絡進行互操作的機器對機通信。在云計算和面向服務的計算技術發展的大力推動下，Web服務被廣泛開發并應用于在互聯網上構建面向服務的應用程序。Franz和Kirchmer[1]提出了通過“價值驅動的業務流程管理”框架（VBPM），區塊鏈通過消除從中介機構進行的人工操作，實現了跨組織業務流程的集成的自動化。隨著網絡上功能相同的Web服務數量的增加，服務質量（QoS）成為用戶選擇服務的主要問題。QoS是一組描述Web服務的非功能特性的屬性，如成本、響應時間、吞吐量、可靠性、可用性等。隨著面向服務的計算、云計算和大數據的快速發展，互聯網上出現了大量功能等價的Web服務。服務質量（QoS）成為吸引客戶的服務的差異化點。服務的選擇和組合被認為是一個決策和優化問題。這個過程非常復雜，并考慮了在優化過程中平衡性能的影響。另外Wang Y ， Wen J ，Wang X 提出了基于信任和隱私意識的云服務評估模型[2]。受協同過濾（Collaborative Filtering）技術在Amazon、YouTube、Netflix等商業推薦系統中取得成功的啟發，最近提出了許多基于CF的QoS預測方法。這些基于CF的QoS預測方法通常利用從其他類似用戶或服務中收集到的歷史QoS信息來預測當前用戶的未知QoS。然而，在許多Web服務推薦系統中都發現了不誠實的用戶，這些不誠實的用戶可能會提交恒定值或隨機值作為他們觀察到的QoS 。為了立即獲得利益，一些惡意用戶甚至夸大他們的合作伙伴的服務，同時詆毀他們的競爭對手的服務，這也被稱為惡意評價。因此，一種有效的QoS預測方法，不僅可以獲得較高的預測精度。但也需要處理不可靠的用戶貢獻的數據，為了提高QoS預測系統的準確性，目前QoS惡意反饋問題逐漸引起廣泛關注，使得國內外研究學者開始對QoS惡意反饋評級展開研究。針對Web上服務的激增使得選擇Web服務成為構建面向服務的應用程序的一項困難任務。因此，提供有效的推薦和選擇技術，推薦令人滿意和值得信賴的服務是至關重要的。顯然，惡意評級會導致對正面或負面反饋評級的偏見Tibermacine O，Tibermacine C，Kerdoudi M L[3]提出了基于hits的聲譽評價過程，基于多數投票模型檢測惡意用戶然后排除惡意用戶反饋評級后的服務聲譽評估，在一組真實的Web服務上進行了一個實驗，以選擇類似的方法來評估所提出的過程。Limam和Boutaba[4]提出了一個反饋計算模型，它是基于市場科學的期望差異-驗證理論得出的從服務效用和成本中生成反饋，然后還提出了一個聲譽推導模型，將反饋聚合為聲譽值，從而更好地反映服務在選擇時的行為。對于惡意反饋問題，國內外研究學者提出了一系列聲譽模型例如：基于信任推理、SC和SP的可信度推理和演繹的服務評價方法、CNCD的信任評價模型、信任挖掘模型（TMM）等，然而這些模型不能屏蔽用戶不同的反饋偏好，從而使聲譽價值有偏倚，降低了準確性。此外，在真實的Web服務環境中，很難預測反饋評級，特別是現有的惡意反饋行為。因此，該模型無法獲得應得的聲譽價值。以往的方法都不能保證反饋評級的準確性。以往的研究大多集中在聲譽測量的各種反饋評分聚合方案上，很少有研究防止惡意反饋評級的工作。如果Web服務推薦系統不能防止惡意反饋評級，那么任何有效的聲譽度量方法都將變得無效，因為這些惡意反饋評級會抑制良性反饋評級。因此，一個有效的惡意反饋評級預防方案對于Web服務的聲譽衡量至關重要。

（二）區塊鏈Blockchain technology （BCT）

區塊鏈是工業4.0的核心技術之一，它為上述問題提供了一個很有前途的解決方案。這項技術最早出現在一種著名的加密貨幣比特幣中。從技術上講，區塊鏈是一個數據庫，它創建了一個分布式的、防篡改的（不可變的）數字交易賬本。該鏈是可審計的，因為它包含綁定到一起并由每個參與節點維護的塊的時間戳[5]。一旦事務被寫入一個塊，它們就不能被修改或銷毀。大量的區塊鏈應用程序正在一系列行業中實施，包括金融和銀行、保險、供應鏈管理和能源管理。這可以適用于服務的選擇和組合，這涉及到多個各方的協作，如工作流所有者、服務和中心注冊中心。在這一過程中區塊鏈包含幾個事務塊，這些事務塊使用加密哈希進行連接[6]。塊存儲在分布式節點中。更新包含在新塊中的事務需要建立共識機制來確定塊的安全性和活動性。為了故意避免在QoS區塊鏈中包含特定事務時避免選擇性事務，選擇兩個或多個節點添加一個新塊。一個新的塊的共識是來自網絡中節點的投票多數。較大的塊，即事務數較多的塊，將始終被投票。基于BCT的方法，即將QoS數據反饋以智能合同的形式作為文本進行處理。以自動化評估和服務選擇和組成的可信度驗證。

（三）智能合約（Smart contract）

智能合約是一種旨在以信息化方式傳播、驗證或執行合同的計算機協議。智能合約允許在沒有第三方的情況下進行可信交易，這些交易可追蹤且不可逆轉。在優化云服務質量的過程中使用高級加密技術來在智能契約中增強和擴展區塊鏈能力，同時保證它們的隱私、正確性和可驗證性。在云服務過程中加入智能合約的主要好處有：1.防止人工攻擊，因為不要求參與者之間的通信；2.惡意節點不能由于使用區塊鏈技術而篡改數據；3.合同驗證不需要由網絡中的所有節點重新執行代碼，就像在以太坊中一樣。這樣在一定程度上保證了，商家或是用戶所上傳的正確數據不會被惡意篡改，優化了Web服務推薦系統。

三、基于區塊鏈的企業服務質量綜合評價

本文基于目前云服務質量的可篡改性和惡意反饋問題提出了基于區塊鏈的Web服務推薦系統的聲譽評價框架。首先，引入了區塊鏈，憑借區塊鏈對存入的數據具有不可篡改性保證了從用戶和商家提供的數據不會被惡意的動態改變，但是一旦原本的數據就是虛假數據的話，就會造成最終結果的不精確，因此需要更加合理和精確的方式得出QoS屬性的評分[7]。本文在考慮了虛假反饋影響之后，先對所有屬性進行抽取，再對所有屬性進行識別，識別到虛假反饋之后進行過濾，形成新的聲譽值。

（一）提出基于區塊鏈的Web服務評價模型

通過對國內外文獻進行梳理，發現QoS評定反饋流程存在的尚可優化的隱患和問題。具體目前由于惡意用戶的存在，很難保證用戶反饋評級的純度，惡意用戶可以提供惡意的反饋評級來影響測量結果，為了改善Web服務質量信譽問題，本部分結合區塊鏈的分布式、可追溯、不可篡改等特性提出了基于區塊鏈的Web服務質量評價流程模型，區塊鏈提供了具有防篡改特性的分布式數據存儲，而智能合約提供了一組用戶可以用來與商家交互的功能。結合區塊鏈帶來的新的優勢和特點將其與QoS反饋流程結合，提出新的基于區塊鏈用戶反饋QoS以及商家提供QoS模型。

（二）惡意反饋識別與過濾：

在分析了區塊鏈存入的數據無法被篡改的特性之后，需要考慮Web服務質量綜合評價是否合理，目前對服務質量進行綜合評價預測的研究沒有融入惡意評價相關的特征，因此需要一種算法機制去對其中的惡意評價進行識別和過濾，然后得到新的屬性聲譽值。

首先對用戶反饋和商家提供的兩組QoS數據針對其屬性進行評價數據預處理，具體方式如下：

預處理主要采用最小-最大規格化方法如果某個評價指標的原始指標數據的取值為正向，即值大越好，如果某個評價指標的原始指標數據取值為反向，即值小越好。

對數據集進行歸一化處理后，這里選取同類服務的可用性QoS屬性為例，論文所使用屬性為S1_吞吐量，S2_響應時間，S3_延遲。S4_響應數量之間有一定的關系，首先利用箱狀圖將極大異常值處理掉，然后對S1S2進行擬合，降維，通過結果和數據判斷是否具有明顯關系，在對服務質量進行惡意反饋識別與過濾。

因為服務質量評價數據大部分具有一定的相似性，異常數據與大部分數據有明顯的差異性所以本文準備在區塊鏈條件下利用LOF方法識別惡意評價，可以有效減少0/1對于異常值的判斷，LOF 就是基于密度來判斷異常點的，通過給每個數據點都分配一個依賴于鄰域密度的離群因子LOF，進而判斷該數據點是否為離群點這樣可以量化數據的異常程度。具體應用過程如下：

1.首先在原有QoS數據中提出新的屬性即用戶ID，將過濾異常值與用戶ID屬性結合。

2.其次由于QoS數據反饋存在的不真實性問題提出新的反饋處理機制，利用LOF（Local Outliers Factor）局部異常因子判斷數據異常值，如圖1所示，對惡意反饋用戶ID定義為惡意用戶，剔除惡意用戶反饋，形成新的QoS屬性即聲譽值加入原本數據中。

四、結語

針對當前研究較少Web服務質量易篡改且分值不合理的問題，結合了智能合約及機器學習建立了服務質量綜合評分模型，提出了基于區塊鏈的企業服務質量評價流程模型，分析了數據一旦傳入區塊鏈進行存儲則不能篡改的特性后，我們考慮到存入的Web服務質量綜合評價需要更加合理，而惡意反饋的存在會使得企業服務質量的綜合評價不可信，因此本文在前人研究企業服務質量的綜合評價的基礎上建立了企業服務質量的綜合評價模型，最后將預測出的更合理的企業服務質量的綜合評價納入推薦系統。H

參考文獻

[1]Viriyasitavat W， Xu L D， Bi Z， et al. Correction to： Blockchain-based business process management （BPM） framework for service composition in industry 4.0[J]. Journal of Intelligent Manufacturing，2018.

[2]Wang Y， Wen J， Wang X， et al. Cloud service evaluation model based on trust and privacy-aware[J]. Optik - International Journal for Light and Electron Optics， 2017，134：269-279.

[3]Tibermacine O， Tibermacine C， Kerdoudi M L. Reputation Evaluation with Malicious Feedback Prevention Using a HITS-Based Model[C]// International Conference on Web Services. IEEE， 2019.

[4]Limam N， Boutaba R. QoS and reputation-aware service selection[C]// Network Operations and Management Symposium， 2008. NOMS 2008. IEEE. IEEE， 2008.

[5]Covaci A， Madeo S， Motylinski P， et al. NECTAR： Non-Interactive Smart Contract Protocol using Blockchain Technology[C]// International Workshop on Emerging Trends in Software Engineering for Blockchain. 0.

[6]楊曉東，張有兵，盧俊杰，等.基于區塊鏈技術的能源局域網儲能系統自動需求響應[J].中國電機工程學報，2017，37（13）：3703-3716.

[7]張亞光，王積鵬，王源.一種Web服務的QoS統一評估方法[J].電子技術與軟件工程，2017（6）：184-185.