基于区块链的企业服务质量综合评价框架研究

闵迪　魏言钊　赵燊燊

摘要：随着经济管理活动的不断发展和移动设备的普及，企业为了自身管理的有效性和高效性，经常会购置外部活动来满足自身管理需求，然而现有的管理流程框架存在许多不足，服务评价体系很难保证评价的准确性和有效性。有研究学者提出利用区块链分布式存储的特点保证数据的不可篡改性，但是没有提出有效的企业服务质量综合评价机制。针对以上不足，提出基于区块链的企业服务质量综合评价框架，在保障数据不可篡改的同时，考虑数据源头可信度问题，将基本聚类算法纳入综合评价框架。实验证明，所提出的基本方法有效过滤虚假评价，有效提高企业服务质量的可信度。

关键词：服务质量（QoS）；区块链；综合评价；

一、前言

随着面向服务的计算、云计算和大数据的快速发展，互联网上出现了大量功能等价的 Web 服务。服务质量（QoS）成为吸引客户的服务的差异化点。由于不可预测的网络、物理位置和其他客观因素，不同用户的服务 QoS 存在很大差异，最近提出了许多基于协同过滤的方法，利用历史用户贡献的 QoS 数据来预测未知的 QoS。然而，大多数现有的方法忽略了数据可信度问题，不同的用户对于服务的喜爱度不同也导致了数据的差异性。所以，无论是依赖第三方收集、维护和提供QoS 值的权威机构（如 UDDI）还是商户直接收集数据（如大众点评、美团、淘宝）都会存在许多挑战和风险以致影响用户的选择。

二、内容与特点

（一）Web服务质量（QoS）

Web服务是独立于平台的软件组件，旨在支持通过网络进行互操作的机器对机通信。在云计算和面向服务的计算技术发展的大力推动下，Web服务被广泛开发并应用于在互联网上构建面向服务的应用程序。Franz和Kirchmer[1]提出了通过“价值驱动的业务流程管理”框架（VBPM），区块链通过消除从中介机构进行的人工操作，实现了跨组织业务流程的集成的自动化。随着网络上功能相同的Web服务数量的增加，服务质量（QoS）成为用户选择服务的主要问题。QoS是一组描述Web服务的非功能特性的属性，如成本、响应时间、吞吐量、可靠性、可用性等。随着面向服务的计算、云计算和大数据的快速发展，互联网上出现了大量功能等价的Web服务。服务质量（QoS）成为吸引客户的服务的差异化点。服务的选择和组合被认为是一个决策和优化问题。这个过程非常复杂，并考虑了在优化过程中平衡性能的影响。另外Wang Y ， Wen J ，Wang X 提出了基于信任和隐私意识的云服务评估模型[2]。受协同过滤（Collaborative Filtering）技术在Amazon、YouTube、Netflix等商业推荐系统中取得成功的启发，最近提出了许多基于CF的QoS预测方法。这些基于CF的QoS预测方法通常利用从其他类似用户或服务中收集到的历史QoS信息来预测当前用户的未知QoS。然而，在许多Web服务推荐系统中都发现了不诚实的用户，这些不诚实的用户可能会提交恒定值或随机值作为他们观察到的QoS 。为了立即获得利益，一些恶意用户甚至夸大他们的合作伙伴的服务，同时诋毁他们的竞争对手的服务，这也被称为恶意评价。因此，一种有效的QoS预测方法，不仅可以获得较高的预测精度。但也需要处理不可靠的用户贡献的数据，为了提高QoS预测系统的准确性，目前QoS恶意反馈问题逐渐引起广泛关注，使得国内外研究学者开始对QoS恶意反馈评级展开研究。针对Web上服务的激增使得选择Web服务成为构建面向服务的应用程序的一项困难任务。因此，提供有效的推荐和选择技术，推荐令人满意和值得信赖的服务是至关重要的。显然，恶意评级会导致对正面或负面反馈评级的偏见Tibermacine O，Tibermacine C，Kerdoudi M L[3]提出了基于hits的声誉评价过程，基于多数投票模型检测恶意用户然后排除恶意用户反馈评级后的服务声誉评估，在一组真实的Web服务上进行了一个实验，以选择类似的方法来评估所提出的过程。Limam和Boutaba[4]提出了一个反馈计算模型，它是基于市场科学的期望差异-验证理论得出的从服务效用和成本中生成反馈，然后还提出了一个声誉推导模型，将反馈聚合为声誉值，从而更好地反映服务在选择时的行为。对于恶意反馈问题，国内外研究学者提出了一系列声誉模型例如：基于信任推理、SC和SP的可信度推理和演绎的服务评价方法、CNCD的信任评价模型、信任挖掘模型（TMM）等，然而这些模型不能屏蔽用户不同的反馈偏好，从而使声誉价值有偏倚，降低了准确性。此外，在真实的Web服务环境中，很难预测反馈评级，特别是现有的恶意反馈行为。因此，该模型无法获得应得的声誉价值。以往的方法都不能保证反馈评级的准确性。以往的研究大多集中在声誉测量的各种反馈评分聚合方案上，很少有研究防止恶意反馈评级的工作。如果Web服务推荐系统不能防止恶意反馈评级，那么任何有效的声誉度量方法都将变得无效，因为这些恶意反馈评级会抑制良性反馈评级。因此，一个有效的恶意反馈评级预防方案对于Web服务的声誉衡量至关重要。

（二）区块链Blockchain technology （BCT）

区块链是工业4.0的核心技术之一，它为上述问题提供了一个很有前途的解决方案。这项技术最早出现在一种著名的加密货币比特币中。从技术上讲，区块链是一个数据库，它创建了一个分布式的、防篡改的（不可变的）数字交易账本。该链是可审计的，因为它包含绑定到一起并由每个参与节点维护的块的时间戳[5]。一旦事务被写入一个块，它们就不能被修改或销毁。大量的区块链应用程序正在一系列行业中实施，包括金融和银行、保险、供应链管理和能源管理。这可以适用于服务的选择和组合，这涉及到多个各方的协作，如工作流所有者、服务和中心注册中心。在这一过程中区块链包含几个事务块，这些事务块使用加密哈希进行连接[6]。块存储在分布式节点中。更新包含在新块中的事务需要建立共识机制来确定块的安全性和活动性。为了故意避免在QoS区块链中包含特定事务时避免选择性事务，选择两个或多个节点添加一个新块。一个新的块的共识是来自网络中节点的投票多数。较大的块，即事务数较多的块，将始终被投票。基于BCT的方法，即将QoS数据反馈以智能合同的形式作为文本进行处理。以自动化评估和服务选择和组成的可信度验证。

（三）智能合约（Smart contract）

智能合约是一种旨在以信息化方式传播、验证或执行合同的计算机协议。智能合约允许在没有第三方的情况下进行可信交易，这些交易可追踪且不可逆转。在优化云服务质量的过程中使用高级加密技术来在智能契约中增强和扩展区块链能力，同时保证它们的隐私、正确性和可验证性。在云服务过程中加入智能合约的主要好处有：1.防止人工攻击，因为不要求参与者之间的通信；2.恶意节点不能由于使用区块链技术而篡改数据；3.合同验证不需要由网络中的所有节点重新执行代码，就像在以太坊中一样。这样在一定程度上保证了，商家或是用户所上传的正确数据不会被恶意篡改，优化了Web服务推荐系统。

三、基于区块链的企业服务质量综合评价

本文基于目前云服务质量的可篡改性和恶意反馈问题提出了基于区块链的Web服务推荐系统的声誉评价框架。首先，引入了区块链，凭借区块链对存入的数据具有不可篡改性保证了从用户和商家提供的数据不会被恶意的动态改变，但是一旦原本的数据就是虚假数据的话，就会造成最终结果的不精确，因此需要更加合理和精确的方式得出QoS属性的评分[7]。本文在考虑了虚假反馈影响之后，先对所有属性进行抽取，再对所有属性进行识别，识别到虚假反馈之后进行过滤，形成新的声誉值。

（一）提出基于区块链的Web服务评价模型

通过对国内外文献进行梳理，发现QoS评定反馈流程存在的尚可优化的隐患和问题。具体目前由于恶意用户的存在，很难保证用户反馈评级的纯度，恶意用户可以提供恶意的反馈评级来影响测量结果，为了改善Web服务质量信誉问题，本部分结合区块链的分布式、可追溯、不可篡改等特性提出了基于区块链的Web服务质量评价流程模型，区块链提供了具有防篡改特性的分布式数据存储，而智能合约提供了一组用户可以用来与商家交互的功能。结合区块链带来的新的优势和特点将其与QoS反馈流程结合，提出新的基于区块链用户反馈QoS以及商家提供QoS模型。

（二）恶意反馈识别与过滤：

在分析了区块链存入的数据无法被篡改的特性之后，需要考虑Web服务质量综合评价是否合理，目前对服务质量进行综合评价预测的研究没有融入恶意评价相关的特征，因此需要一种算法机制去对其中的恶意评价进行识别和过滤，然后得到新的属性声誉值。

首先对用户反馈和商家提供的两组QoS数据针对其属性进行评价数据预处理，具体方式如下：

预处理主要采用最小-最大规格化方法如果某个评价指标的原始指标数据的取值为正向，即值大越好，如果某个评价指标的原始指标数据取值为反向，即值小越好。

对数据集进行归一化处理后，这里选取同类服务的可用性QoS属性为例，论文所使用属性为S1_吞吐量，S2_响应时间，S3_延迟。S4_响应数量之间有一定的关系，首先利用箱状图将极大异常值处理掉，然后对S1S2进行拟合，降维，通过结果和数据判断是否具有明显关系，在对服务质量进行恶意反馈识别与过滤。

因为服务质量评价数据大部分具有一定的相似性，异常数据与大部分数据有明显的差异性所以本文准备在区块链条件下利用LOF方法识别恶意评价，可以有效减少0/1对于异常值的判断，LOF 就是基于密度来判断异常点的，通过给每个数据点都分配一个依赖于邻域密度的离群因子LOF，进而判断该数据点是否为离群点这样可以量化数据的异常程度。具体应用过程如下：

1.首先在原有QoS数据中提出新的属性即用户ID，将过滤异常值与用户ID属性结合。

2.其次由于QoS数据反馈存在的不真实性问题提出新的反馈处理机制，利用LOF（Local Outliers Factor）局部异常因子判断数据异常值，如图1所示，对恶意反馈用户ID定义为恶意用户，剔除恶意用户反馈，形成新的QoS属性即声誉值加入原本数据中。

四、结语

针对当前研究较少Web服务质量易篡改且分值不合理的问题，结合了智能合约及机器学习建立了服务质量综合评分模型，提出了基于区块链的企业服务质量评价流程模型，分析了数据一旦传入区块链进行存储则不能篡改的特性后，我们考虑到存入的Web服务质量综合评价需要更加合理，而恶意反馈的存在会使得企业服务质量的综合评价不可信，因此本文在前人研究企业服务质量的综合评价的基础上建立了企业服务质量的综合评价模型，最后将预测出的更合理的企业服务质量的综合评价纳入推荐系统。H

参考文献

[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]杨晓东，张有兵，卢俊杰，等.基于区块链技术的能源局域网储能系统自动需求响应[J].中国电机工程学报，2017，37（13）：3703-3716.

[7]张亚光，王积鹏，王源.一种Web服务的QoS统一评估方法[J].电子技术与软件工程，2017（6）：184-185.