隐私敏感的服务选择与组合方法研究

Along with people's increasing dependence on the various services provided by the Internet, to obtain, disclose or disseminate user's private information has become easier. The destructive effects resulting from privacy disclosure also have become increasingly clear. Value-added services selection and composition are hot topics in service computing society. Since services are usually within an open environment, implementing the protection of the privacy in service selection and composition is of great importance. Assuming that user's privacy may be disclosed, this proposal is intended to apply social network to investigate a suite of services selection methods to achieve the objectives of reducing the destructive effects by privacy disclosure and reducing the collusion probabilities in the case of keep the service quality, which is based on the interests between entities. We will investigate: 1) the policy-based formalized expression and verification methods for privacy protection requirements of users and the promises of service providers; 2) single service selection methods based on interests or social relationship of service providers; 3) the strategies and methods of services composition based on the idea of Separation of Duties; 4) balance optimization on the protection of the privacy and other QoS guarantee attributes. Finally, we will build prototype system to apply the techniques above and verify their practical performance. Our proposal is expected to provide safety guarantee for the development of Service-Oriented software application and technical support for privacy protection researches in related fields.

随着人们对基于互联网所提供的各类服务的依赖程度日益增强，获取与传播或者泄露用户隐私信息变得更加容易，隐私泄露产生的破坏作用亦越来越大。选择与组合互联网上的服务以实现增值是服务计算研究中的重要方向，由于互联网的开放性，在服务选择与组合中考虑隐私信息保护十分重要。本申请以用户隐私可能发生泄露为假设条件，拟在保障服务质量前提下，探索应用社会网络模型，以减少隐私泄露及传播影响力、减少共谋发生概率为主要目标，提供一套根据利益关联度进行服务选择与组合的解决方案。具体包括：1）隐私保护策略的形式化表达与验证方法；2）以利益关联度为依据的单个服务选择方法；3）基于职责分离的服务组合策略与实现方法；4）平衡隐私保护与服务质量保障之间冲突的优化方法；最后，研制原型系统验证所提出的模型、方法与技术。预期研究成果不仅可为面向服务的软件应用开发提供安全保障，还能够为其他相关领域的隐私保护研究提供理论与技术参考。

本项目重点研究了隐私敏感的服务选择与组合优化方法。项目在以下四个方面取得了重要研究成果：.1.基于服务间的组合、相似关系可形成类似社交网络的服务关系网络。具有各样关系的服务网络可用社交网络来模拟，因此提出基于MST聚类子图泛化隐私保护方法。在MST聚类的基础上，项目组提出了子图的三种泛化模式，即最小边权值子图泛化模式、最大边权值子图泛化模式和平均边权值子图泛化模式，这同样用于服务关系网络中。.2.组合服务中不同服务可能由不同角色来执行，不同角色应有不同的职责和权限。针对服务组合的数据隐私保护问题提出细粒度的基于角色的访问控制模型。同时，针对在云服务组合环境下多个租户访问同一个资源时对隐私有不同的要求问题，提出隐私感知的多租户访问控制模型。利用授权约束实现动态责任分离，将隐私敏感的相关任务分配给不存在直接或间接利益关系的多个用户或服务提供者执行，减少隐私信息被非法访问的风险。.3.用户调用服务时需提供输入数据，该数据可能涉及用户隐私。针对该问题，提出柔性的隐私表达方法，用户和服务提供者可采用自然语言描述隐私偏好和策略。考虑服务信誉和用户隐私偏好的影响，定义模糊逻辑推理规则把两者结合，计算选择不同信誉的服务时付出的隐私代价，将隐私风险最低的服务推荐给用户。同时，针对服务组合，增加用户隐私保护的需求约束，将面向服务组合的多目标优化问题转化为最优路径查找问题，为用户构造隐私代价最低的组合服务。.4.根据职责分离等安全设置规则，针对服务组合相关的隐私保护问题，构建了混合云环境下成本与隐私感知的工作流调度模型，并提出了一种相应的云工作流调度方法，可在满足工作流截止时间和隐私保护需求的双重约束条件下，最小化所有工作流的执行成本。