[논문 리뷰] An Advanced Certain Trust Model Using Fuzzy Logic and Probabilistic Logic theory

Kawser Wazed Nafi, Tonny Shekha Kar외 2명|arXiv (Cornell University)|2013. 03. 03.

Access Control and Trust참고 문헌 18인용 수 6

한 줄 요약

이 논문은 클라우드 컴퓨팅과 전자상거래와 같은 동적 환경에서 신뢰성 평가를 향상시키기 위해 퍼지 논리와 확률 논리를 사용하는 향상된 신뢰 모델을 제안한다. 언어적 변수를 사용하여 신뢰 T와 행동 확률 P를 도입하고, 추론과 탈퍼지화를 수행하는 퍼지 연관 기억(FAM)을 활용함으로써, 기존의 확정적 신뢰 모델에 비해 더 정확하고 인간이 이해할 수 있는 신뢰 평가를 달성한다.

ABSTRACT

Trustworthiness especially for service oriented system is very important topic now a day in IT field of the whole world. Certain Trust Model depends on some certain values given by experts and developers. Here, main parameters for calculating trust are certainty and average rating. In this paper we have proposed an Extension of Certain Trust Model, mainly the representation portion based on probabilistic logic and fuzzy logic. This extended model can be applied in a system like cloud computing, internet, website, e-commerce, etc. to ensure trustworthiness of these platforms. The model uses the concept of fuzzy logic to add fuzziness with certainty and average rating to calculate the trustworthiness of a system more accurately. We have proposed two new parameters - trust T and behavioral probability P, which will help both the users and the developers of the system to understand its present condition easily. The linguistic variables are defined for both T and P and then these variables are implemented in our laboratory to verify the proposed trust model. We represent the trustworthiness of test system for two cases of evidence value using Fuzzy Associative Memory (FAM). We use inference rules and defuzzification method for verifying the model.

연구 동기 및 목표

• 고정된 전문가 정의 값에 의존하는 전통적인 확정적 신뢰 모델의 한계를 해결하기 위해.
• 클라우드 컴퓨팅 및 전자상거래 플랫폼과 같은 동적이고 불확실한 환경에서의 신뢰성 평가를 향상시키기 위해.
• 더 적응형이고 현실적인 신뢰 평가를 위해 퍼지 논리와 확률 논리를 통합하기 위해.
• 시스템 상태 해석을 향상시키기 위해 새로운 매개변수인 신뢰 T와 행동 확률 P를 도입하기 위해.
• 실제 세계 시스템에 구현 가능한 인간 독해가 가능한 언어적 변수를 지원하는 모델을 개발하기 위해.

제안 방법

• 신뢰성 평가의 불확실성과 평균 평가에 대한 불확실성을 다루기 위해 퍼지 논리를 통합하여 확정적 신뢰 모델을 확장한다.
• 신뢰 T와 행동 확률 P를 언어적 변수(예: 높음, 중간, 낮음)를 사용하여 표현하기 위해 퍼지 논리를 적용한다.
• 사전 정의된 추론 규칙을 통해 입력 증거 값에서 신뢰 출력으로 매핑하기 위해 퍼지 연관 기억(FAM)을 사용한다.
• 전문 지식과 시스템 동작 기반으로 추론 규칙를 정의함으로써 동적 신뢰 평가를 가능하게 한다.
• 실용적 사용을 위해 퍼지 신뢰 출력을 명확한 수치 값으로 변환하기 위해 탈퍼지화 기법을 적용한다.
• 일관성과 정확성을 입증하기 위해 증거 값의 두 가지 테스트 케이스를 사용하여 실험실 환경에서 모델을 검증한다.

실험 결과

연구 질문

• RQ1 불확실하고 동적인 서비스 기반 환경에서 신뢰성 평가를 어떻게 더 정확하게 수행할 수 있는가?
• RQ2 퍼지 논리는 신뢰 모델에서 확실성과 평균 평가의 표현을 얼마나 향상시킬 수 있는가?
• RQ3 신뢰 T와 행동 확률 P라는 새로운 매개변수들이 사용자와 개발자에게 시스템 상태 이해를 어떻게 향상시키는가?
• RQ4 FAM 기반 추론과 탈퍼지화는 언어적 신뢰 평가를 실용적인 수치적 신뢰 점수로 효과적으로 변환할 수 있는가?
• RQ5 제안된 모델은 실제 적용 가능성과 해석 가능성 면에서 기존의 확정적 신뢰 모델에 비해 얼마나 뛰어나게 성능을 발휘하는가?

주요 결과

• 제안된 모델은 기존의 확정적 신뢰 모델을 초월하여 퍼지 논리와 확률 논리를 통합함으로써 신뢰 평가 정확도를 향상시켰다.
• 신뢰 T와 행동 확률 P에 대해 언어적 변수를 사용함으로써 사용자와 개발자에게 더 직관적이고 이해하기 쉬운 신뢰 평가가 가능해졌다.
• 탈퍼지화를 통한 FAM 기반 추론은 다양한 증거 값 케이스에서 일관되고 신뢰할 수 있는 신뢰 점수를 생성한다.
• 실험실 구현을 통해 실시간 시스템 조건에 적응 가능한 실용적 타당성을 입증하였다.
• T와 P 매개변수의 통합은 전자상거래 및 클라우드 환경에서의 보다 나은 의사결정 지원을 위한 포괄적인 시스템 신뢰성 시각을 제공한다.