專利名稱：一種基于證據(jù)理論的不確定型軟件可信性評估方法
技術(shù)領(lǐng)域：
本發(fā)明涉及軟件工程及可信軟件評估技術(shù)領(lǐng)域，尤其是一種根據(jù)可信需求的動態(tài)刻畫獲得的軟件可信性評估指標(biāo)系統(tǒng)對軟件實體的可信性狀態(tài)進(jìn)行量化推理，并據(jù)此進(jìn)行確定軟件的可信性綜合評定為失信因素分析和改進(jìn)策略的制定提供重要依據(jù)，具體為一種基于證據(jù)理論的不確定型軟件可信性評估方法。

背景技術(shù)：
軟件可信性是指基于合理的證據(jù)或經(jīng)驗對軟件實體的所有非功能性屬性(又可稱為可信屬性)是否遵從預(yù)定規(guī)則集的評價。作為反映軟件質(zhì)量的不同側(cè)面，可靠性(reliability)、可靠安全性(safety)、可用性(availability)、性能(performance)、容錯性(fault tolerance)、保密安全性(security)、可維護(hù)性(maintainability)等得到了國內(nèi)外研究學(xué)者的廣泛關(guān)注，形成了一大批有價值的研究成果。這些軟件非功能性屬性的度量技術(shù)已經(jīng)趨于成熟，但始終缺乏一個綜合的度量以應(yīng)對復(fù)雜的質(zhì)量要求。
軟件可信性作為綜合反映軟件質(zhì)量狀態(tài)的新度量，在計算機科學(xué)，特別是軟件工程領(lǐng)域中占有重要的地位。自1983年美國國防部制定了世界上第一個《可信計算機系統(tǒng)評價準(zhǔn)則》TCSEC(Trusted Computer System Evaluation Criteria)以來，美國國家科學(xué)基金會(NSF)，美國國家科學(xué)技術(shù)委員會(NSTC)，國家自然科學(xué)基金委員會(NSFC)等國內(nèi)外研究機構(gòu)都積極參與到可信軟件相關(guān)技術(shù)的研究。
為了對軟件實體的可信狀態(tài)進(jìn)行客觀的判斷，迫切需要研究軟件可信性評估技術(shù)，“多維可信屬性的多尺度量化指標(biāo)系統(tǒng)、度量和評估機制及測評體系”也已經(jīng)成為可信軟件領(lǐng)域的一個研究熱點。經(jīng)研究發(fā)現(xiàn)，可信軟件評估過程中存在的主要問題在于可信度量指標(biāo)的選取、指標(biāo)的合理量化、多量綱信息融合以及復(fù)雜的評估推理邏輯等，這些都需要我們研究較為可行的解決方法?；诙嗑S可信屬性的軟件可信性評估技術(shù)是實施可信性過程控制和開展可信性管理的核心基礎(chǔ)，是可信軟件發(fā)展亟待解決的問題之一。
與硬件可信性相比，軟件可信性評估技術(shù)還很落后，正在執(zhí)行的TrustSoft計劃以構(gòu)件技術(shù)為基礎(chǔ)，通過驗證軟件的多個質(zhì)量屬性來全面研究軟件可信性預(yù)測與評估機制。面向復(fù)雜軟件系統(tǒng)，該計劃已經(jīng)給出了一個較為明確的可信性評價指標(biāo)體系，并簡要分析了每個指標(biāo)的度量方法及可信指標(biāo)間的相關(guān)性問題，給我們的研究帶來了一定的啟示。值得注意的是，這個被稱為”research building”的指標(biāo)體系雖然明確了可信軟件研究的范圍和方向，但從某種意義上說，這卻束縛了后續(xù)的可信軟件基礎(chǔ)評估理論研究，使其具有較大的局限性。在我國，于2008年啟動的《可信軟件基礎(chǔ)研究》重大研究計劃中”軟件可行性的度量、建模與預(yù)測”是一個核心科學(xué)問題，需要重點研究面向復(fù)雜軟件，特別是網(wǎng)絡(luò)和嵌入式軟件的多維可信屬性的多尺度量化指標(biāo)系統(tǒng)、度量和評估機制及軟件在環(huán)境和自身演化下可信性的演化規(guī)律。作為該計劃的一部分，我們所開展的研究工作都是緊密圍繞著這些科學(xué)問題展開的。此外，美國國家自然科學(xué)基金會(NSF)、美國國家科學(xué)技術(shù)委員會(NSTC)等知名科研機構(gòu)也都開展了軟件可信性評估相關(guān)問題的研究，并已獲得了一系列有建設(shè)性的成果。
當(dāng)前，為處理軟件可信性評估過程中的復(fù)雜演算邏輯，國內(nèi)外研究學(xué)者已經(jīng)提出了多個軟件可信性評估模型或度量，提供了描述、量化及綜合多種軟件質(zhì)量度量的功能，實現(xiàn)了對復(fù)雜軟件系統(tǒng)可信性評估推理過程的一致性建模，并較為合理的闡明了軟件的內(nèi)在可信機理及信任傳播機制。下面簡要說明現(xiàn)有的一些有代表性的研究方法 (1)文章《Software dependability evaluation based on markov usage models》(Performance evaluation，2000)給出了一種基于Markov模型的軟件可信性評估方法，通過對risk、safety、reliability三個相關(guān)因素的預(yù)測與分析，分別建立了靜態(tài)和動態(tài)兩個模型。
(2)文章《Andrew T.Managing trustworthiness in component-based embeddedsystems》(Electronic Notes in Theoretical Computer Science，2007)提出了一種面向嵌入式構(gòu)件軟件的可信性模型，定義了一個可信性評估函數(shù)TEF，用三元組<compliance，benignity，stability>較為全面的展現(xiàn)了軟件的可信性狀況。
(3)文章《Trustworthiness evaluation and testing of open source components》(Seventh International Conference on Quality Software，2007)分析了開源構(gòu)件部署時存在的構(gòu)件質(zhì)量難認(rèn)證問題，有針對性的給出了開源構(gòu)件的可信性評估和測試方法.考慮到軟件可信性評估過程中存在的不確定性特征。
(4)文章《Software dependability evaluation model based on fuzzy theory》(International Conference on Computer Science and Information Technology，2008)運用模糊理論建立了軟件可信性評估模型，實現(xiàn)了對評估過程的不確定性建模。
(5)文章《Dependability of software in airborne mission systems》(DSTOTechnical Report，2008)提出了一種面向軟件開發(fā)過程的可信性評估方法，從軟件架構(gòu)的角度研究了可信性在軟件需求分析、概要設(shè)計、詳細(xì)設(shè)計、編碼和測試等階段的定義、識別、證據(jù)采集、評價等諸多問題，為進(jìn)一步開展項目風(fēng)險評估、軟件架構(gòu)更新對可信性的影響程度求解及失信因素分析等研究工作奠定了基礎(chǔ)。詳細(xì)介紹了在不同開發(fā)周期內(nèi)，異構(gòu)可信證據(jù)的采集方法，如軟件開發(fā)過程質(zhì)量度量、軟件標(biāo)準(zhǔn)應(yīng)用、需求規(guī)約分析、架構(gòu)等級模型構(gòu)建、專家定性評價等，并遵循證據(jù)間的”人-過程-技術(shù)”三元關(guān)系，提出了一種基于貝葉斯信念網(wǎng)絡(luò)(BBN)的軟件可信性評估模型。
這些模型存在的主要缺陷是沒有切實有效的解決軟件可信性評估過程中存在的可信度量指標(biāo)的選取，指標(biāo)的合理量化，多量綱信息融合以及復(fù)雜的評估推理邏輯等，未能給出較為合理的解決方案，也就難以實現(xiàn)對復(fù)雜軟件系統(tǒng)的可信性評估。因此，需要綜合考慮軟件可信性評估過程中客觀存在的動態(tài)不確定性特征，通過融合多維可信屬性的量化評價對軟件的可信性進(jìn)行綜合評定，并最終確定改進(jìn)策略。


發(fā)明內(nèi)容
本發(fā)明的目的是提供一種基于證據(jù)理論的不確定型軟件可信性評估方法，本方法在分析現(xiàn)有可信軟件評估需求的基礎(chǔ)上，考慮了可信軟件評估過程中存在的主要問題，提出了一種可滿足多種應(yīng)用需求的軟件可信性評估指標(biāo)系統(tǒng)的標(biāo)準(zhǔn)化定義及一種相關(guān)信念背景下的證據(jù)合成規(guī)則，并在此基礎(chǔ)上給出了一種基于證據(jù)理論不確定性推理模型的軟件可信性評估方法，本方法的實現(xiàn)邏輯是采用分布式評估框架的思想，將復(fù)雜的可信軟件評估問題進(jìn)行逐層劃分，形成一組規(guī)模較小可直接操作的軟件度量問題，再利用改進(jìn)的合成規(guī)則逐層向上推理，最終實現(xiàn)可信軟件的綜合評估。
為了達(dá)到上述目的，本發(fā)明所采用的技術(shù)方案為 一種基于證據(jù)理論的不確定型軟件可信性評估方法，其特征在于包括以下步驟 (1)根據(jù)復(fù)雜系統(tǒng)軟件可信性評估的目標(biāo)，以效用理論和證據(jù)理論中不確定性軟件可信性評估的推理邏輯及演算過程為理論基礎(chǔ)，定義一個需求驅(qū)動的軟件可信性評估過程，包括以下步驟 (1.1)結(jié)合領(lǐng)域?qū)＜抑R，分析待評軟件的相關(guān)技術(shù)文檔，獲取完備可信需求集集合TR＝{TR1，TR2，...，TRK}，并進(jìn)一步提取完備可信需求集集合中每個完備可信需求集的可信指標(biāo)集Xe； (1.2)遵守決策獨立性條件，制定符合用戶需求的可信決策規(guī)則集，可信性決策規(guī)則集通常是對軟件可信性評估推理結(jié)果的具體闡釋，并為專家的決策提供有效支持； (1.3)軟件可信性評估指標(biāo)系統(tǒng)TEIS的邏輯構(gòu)建根據(jù)可信指標(biāo)集Xe中各個可信指標(biāo)間的層級特征，采取主觀判斷或客觀度量的方式求解可信指標(biāo)間的權(quán)重，形成一個與可信指標(biāo)集Xe相對應(yīng)的權(quán)重集Xw，并進(jìn)一步構(gòu)建指標(biāo)系統(tǒng)Xe×Xw→TEIS； (1.4)軟件運行狀態(tài)RS穩(wěn)定性判定軟件運行狀態(tài)RS穩(wěn)定性的判定過程具有離散時滯特征，需要建立退化系統(tǒng)模型予以定量描述；選用CPU利用率、虛擬內(nèi)存PF使用率作為客觀變量，將軟件運行狀態(tài)RS描述為一個退化系統(tǒng)，并對退化系統(tǒng)求得的解的穩(wěn)定性分析； (1.5)軟件可信性評估信息采集與轉(zhuǎn)換經(jīng)過對退化系統(tǒng)求得的解的穩(wěn)定性分析，若待評軟件運行在一定的穩(wěn)態(tài)環(huán)境下，且在有效時間內(nèi)具有可持續(xù)性，采集原始數(shù)據(jù)，原始數(shù)據(jù)為TEIS中底層指標(biāo)上的觀測值；再運用基于效用的主/客觀信息轉(zhuǎn)換技術(shù)對原始數(shù)據(jù)進(jìn)行量綱一致性處理，獲得統(tǒng)一量綱下的初始可信證據(jù)集Xm； (1.6)推理模型的構(gòu)建及演算遵循TEIS中可信指標(biāo)間的層級特征，應(yīng)用分布式評估框架構(gòu)建基于證據(jù)理論的軟件可信性評估推理模型STEM，并將可信指標(biāo)集Xe、可信指標(biāo)間權(quán)重集Xw、初始可信證據(jù)集Xm帶入模型中求解，得到量化的可信性綜合評價
(1.7)結(jié)果分析及改進(jìn)策略在可信決策規(guī)則集的指導(dǎo)下，利用決策專家的主觀能動性，制定面向待評軟件的可信性綜合決策，如需改進(jìn)，運用靈敏度分析方法找出導(dǎo)致軟件失信的關(guān)鍵因素，并進(jìn)一步制定改進(jìn)策略； (2)根據(jù)基于多維可信屬性的多尺度量化指標(biāo)系統(tǒng)TEIS的標(biāo)準(zhǔn)形式化定義，將軟件可信性評估指標(biāo)系統(tǒng)抽象為一個六元組 TEIS＝(Xe，Xm，Xw，subelem，indeva，weis)， 其中，Xe＝{er，Xem，Xel}是可信指標(biāo)集，er是根指標(biāo)，即軟件可信性的綜合評價指標(biāo)，Xem是中間可信指標(biāo)集合，即為多維可信屬性的集合，包括了軟件的可信屬性和子可信屬性，Xel是葉子指標(biāo)集合，葉子指標(biāo)又稱為度量元，用于原始信息采集，依據(jù)評價方式的不同，又可分為定性和定量葉子指標(biāo)； Xm是指標(biāo)上不確定性評價BBA的集合，如果存在mt∈Xm，那么mt表示待評軟件在指標(biāo)et上的可信狀況； Xw是指標(biāo)相對權(quán)重的集合，并滿足同一指標(biāo)下的所有子指標(biāo)權(quán)重歸一化；subelem是一個二元關(guān)系，如果e1和e2都是Xe中的成員，那么(e1，e2)∈subelem表示e1是e2的子指標(biāo)； indeva是一個二元關(guān)系，如果m1是Xm中的成員，e1是Xe中的成員，那么(m1，e2)∈indeva表示m1是指標(biāo)e1在Ω上的不確定性評價BBA； weis也是一個二元關(guān)系，如果w1是Xw中的成員，e1是Xe中的成員，那么(w1，e2)∈weis表示w1是e1的相對權(quán)重； 利用三個二元關(guān)系將可信指標(biāo)、指標(biāo)上的不確定性評價BBA和相對權(quán)重聯(lián)系成一個整體，對軟件而言，需要結(jié)合實際目標(biāo)，在這些二元關(guān)系上增加一些限制，構(gòu)建滿足以上定義的軟件可信性評估指標(biāo)系統(tǒng)； (3)對謹(jǐn)慎連接規(guī)則Denoeux中的無知空間進(jìn)行分化處理，引入基于折扣和相對權(quán)重的聯(lián)合系數(shù)，定義一種新穎的相關(guān)信念背景下的證據(jù)合成規(guī)則-擴展謹(jǐn)慎連接規(guī)則ECCR，進(jìn)行不確定信息的融合，包括以下步驟 (3.1)謹(jǐn)慎連接規(guī)則Denoeux的基本定義 設(shè)Ω為識別框架，S為Ω上的證據(jù)源，則S的不確定性評價BBA定義為函數(shù)m2Ω→
，滿足不確定性評價BBA不要求
若子集且有m(A)＞0，則稱A為m的焦元， 依據(jù)焦元類型的不同，m可以分為正規(guī)BBA，若

不是一個焦元；亞正規(guī)BBA，若

是一個焦元；教條BBA，若Ω不是一個焦元；簡單BBA，若焦元不超過2個，且當(dāng)焦元數(shù)為2時，Ω必定是其中的一個焦元；絕對BBA，若只包含一個焦元；貝葉斯BBA，若焦元A都是單基焦元； 設(shè)m為識別框架Ω上的BBA，稱為公共函數(shù)； 基于非教條BBA的標(biāo)準(zhǔn)分解定義，對于一個可分解的非教條BBA m，可將其定義為若干簡單BBA的標(biāo)準(zhǔn)組合，即
其中，

w(A)∈
，稱為權(quán)重函數(shù)，權(quán)重函數(shù)與相對權(quán)重?zé)o關(guān)，

表示Dempster合成算子； 擴展上述分解，Denoeux認(rèn)為一個亞正規(guī)BBA可非標(biāo)準(zhǔn)分解為
其中，w(A)∈
， 以上分解限定w(A)∈
，Smets將權(quán)重函數(shù)擴展到
，將滿足w(A)＞1的簡單BBA稱為逆簡單BBA，從而實現(xiàn)任意非教條BBA的分解，擴展后的w(A)定義為
其中，2N表示偶自然數(shù)集，|A|為焦元A的基數(shù)， 對于軟件可信性評估問題而言，經(jīng)一致性轉(zhuǎn)換后得到的評估基本信息皆為貝葉斯BBA，權(quán)重函數(shù)w(A)的求解過程即可簡化為
基于權(quán)重函數(shù)，遵循最小許諾原理LCP，謹(jǐn)慎連接規(guī)則Denoeux給出相關(guān)信念合成規(guī)則； 令m1和m2為兩個信息源非獨立的BBA，w1∧2(A)＝min(w1(A)，w2(A))為聯(lián)合權(quán)重函數(shù)，Denoeux謹(jǐn)慎連接規(guī)則定義為
其中，算子∧滿足可交互性、可連接性和冪等性； (3.2)基于謹(jǐn)慎連接規(guī)則下的合成規(guī)則謹(jǐn)慎連接規(guī)則較好地解決了信息源非獨立情況下的證據(jù)合成問題，但規(guī)則中未能區(qū)別考慮由“相對權(quán)重或折扣”與“信息不完整”引起的無知，也就無法將非原始信息中的無知剔除，導(dǎo)致合并結(jié)果的不合理，為此，有必要對謹(jǐn)慎連接規(guī)則中的無知進(jìn)行分化處理，并給出一個改進(jìn)的合成規(guī)則 設(shè)Ω＝{hp，p＝1，...，P}，m為Ω上的BBA，m(Ω)和

分別表示由”相對權(quán)重或折扣”和”信息不完整”引起的無知，則有 所以，m可表示為如下q的函數(shù) 對上式，使用lnw替代m，-lnq替代q， 整理得Ω上的權(quán)重函數(shù)為 令m1和m2為兩個信息源非獨立的BBA，聯(lián)合權(quán)重函數(shù)w1∧*2(A)＝min(w1(A)，w2(A))為
則改進(jìn)的Denoeux謹(jǐn)慎連接規(guī)則ECCR定義為
其中，標(biāo)準(zhǔn)化系數(shù)為
(4)依據(jù)可信指標(biāo)間的復(fù)雜層級特征，建立一種考慮信息源相關(guān)的軟件可信性評估推理模型，以證據(jù)理論進(jìn)行不確定型軟件可信性評估模型的構(gòu)建與求解，以ECCR解決評估信息源相關(guān)背景下的信息融合問題，包括以下步驟 (4.1)聯(lián)合系數(shù)相對權(quán)重也是指標(biāo)集結(jié)過程中不可或缺的因素，因此集結(jié)TEIS中的指標(biāo)需同時考慮信息源的可靠性和指標(biāo)間的相對權(quán)重，和相對權(quán)重類似，折扣引起的無知不屬于原始信息，也應(yīng)該在合成過程中予以剔除，對同一證據(jù)而言，二者語義不同，但對原始證據(jù)的調(diào)整策略完全一致，所以將采用如下的方法對指標(biāo)上的BBA進(jìn)行處理 令mi(i＝1，...，I)為Ω＝{hp，p＝1，...，P}上待合并的BBA，ki為mi的折扣估計值，wi為相對權(quán)重，合并折扣和相對權(quán)重并歸一化，得聯(lián)合系數(shù)πi 使用系數(shù)πi，對mi做如下調(diào)整 其中，∑iπi＝1，由此得到經(jīng)折扣和權(quán)重聯(lián)合調(diào)整后的BBAmiπ，作為初始證據(jù)進(jìn)行葉結(jié)點層合并，此外，軟件可信性評估是一個遞階過程，需要進(jìn)行多層合并，直至er不失一般性，令過程中折扣k＝0，則π＝w； (4.2)軟件可信性評估推理算法結(jié)合證據(jù)理論中的分布式評估框架和證據(jù)合成規(guī)則，定義了一個用于軟件可信性評估的證據(jù)推理算法，包括以下步驟 (a)令Ω＝{hs，1≤s≤S}為待評軟件的可信性評估統(tǒng)一識別框架，各評價等級的效用為V＝{vs，(1≤s≤S)}，評估指標(biāo)系統(tǒng)TEIS＝(Xe，Xm，Xw，subelem，indeva，weis)，其中Xe＝{er，Xem，Xel}，er是軟件可信性綜合評價指標(biāo)，Xem＝{em1，...，emn}，Xel＝{{elp}，{elq}}(p，q∈[1，m])，elp和elq分別表示定量和定性葉子指標(biāo)，EM＝{emx}(1≤x≤X)為參與定性葉子指標(biāo)評價的專家集合，專家權(quán)重為 (b)對每個指標(biāo)層級Ht(1≤t≤N)，求得指標(biāo)的相對權(quán)重，定義為同時，采集原始評估信息，運用基于效用的信息轉(zhuǎn)換技術(shù)分別求得定量和定性葉子指標(biāo)在Ω上的BBA，定義為 (c)求得聯(lián)合系數(shù)π，計算葉子指標(biāo)上經(jīng)相對權(quán)重和折扣聯(lián)合調(diào)整后的BBA (d)執(zhí)行群體意見集結(jié)，對定性葉子指標(biāo)elq，使用水平合成算法集合由專家給出不確定性評價，求得定性葉子指標(biāo)上的合成評價結(jié)合相對權(quán)重

求得調(diào)整后待合并的BBA (e)對層級HN指標(biāo)上的BBA進(jìn)行合成，求得層級HN-1上指標(biāo)的BBA再結(jié)合指標(biāo)上的相對權(quán)重

求得調(diào)整后BBA (f)如果N＞1，則N＝N-1，轉(zhuǎn)步驟(e)；否則，向下執(zhí)行； (g)執(zhí)行最后一次證據(jù)合成，求得待評軟件的可信性綜合評價
(h)量化評價，提供更為直觀的定量評估數(shù)據(jù)，依據(jù)統(tǒng)一評價等級hs的效用值，使用下式計算所有指標(biāo)的評價值 模型最終以指標(biāo)上的BBA和量值兩種方式給出軟件的可信性評估結(jié)果，“不確定性”因素保證了推理過程的合理性及評估結(jié)果的準(zhǔn)確性。
本發(fā)明其特點和效果如下 首先，給出一個基于證據(jù)理論不確定性推理模型的軟件可信性評估方法，對軟件實體的內(nèi)在可信機理進(jìn)行了合理的闡述，并最終給出面向具體軟件的量化可信性評價和優(yōu)化改進(jìn)策略；其次，針對不同類型甚至不同時段內(nèi)的可信軟件評估指標(biāo)系統(tǒng)不確定性的問題，提出一個基于多維可信屬性的多尺度量化指標(biāo)系統(tǒng)的標(biāo)準(zhǔn)化定義，在客觀條件允許的情況下，對指標(biāo)系統(tǒng)的邏輯化構(gòu)建進(jìn)行約束；然后，介紹了一種新穎的相關(guān)信念背景下的證據(jù)合成規(guī)則；最后，定義綜合折扣和相對權(quán)重的聯(lián)合系數(shù)，并在此基礎(chǔ)上給出一種軟件可信性評估推理模型。“不確定性”因素的深入理解保證了推理過程的合理性及軟件可信性評估結(jié)果的準(zhǔn)確性。



圖1為本發(fā)明方法流程框圖。
圖2為基于證據(jù)理論的軟件可信性評估推理模型STEM模型圖。

具體實施例方式 眾所周知，軟件可信性是指基于合理的證據(jù)或經(jīng)驗對軟件實體的所有非功能性屬性(又可稱為可信屬性)是否遵從預(yù)定規(guī)則集的評價.基于多維可信屬性的軟件可信性評估技術(shù)是實施可信性過程控制和開展可信性管理的核心基礎(chǔ)。為處理軟件可信性評估過程中的復(fù)雜演算邏輯，國內(nèi)外研究學(xué)者已經(jīng)提出了多個軟件可信性評估模型或度量，提供了描述、量化及綜合多種軟件質(zhì)量度量的功能，實現(xiàn)了對復(fù)雜軟件系統(tǒng)可信性評估推理過程的一致性建模。
本發(fā)明引入基于證據(jù)理論的不確定性推理模型，綜合分析各個可信度量指標(biāo)的選取、指標(biāo)的合理量化、多量綱信息融合以及復(fù)雜的評估推理邏輯，由此建立的軟件可信性評估模型，主要是為了對軟件實體的可信狀態(tài)進(jìn)行客觀的判斷，主要分為四個步驟第一，以效用理論和證據(jù)理論為基礎(chǔ)，較為詳細(xì)的定義了一個需求驅(qū)動的軟件可信性評估過程；第二，對基于多維可信屬性的多尺度量化指標(biāo)系統(tǒng)(trustworthiness evaluation index system，TEIS)的標(biāo)準(zhǔn)形式化給出了定義；第三，定義一種新穎的相關(guān)信念背景下的證據(jù)合成規(guī)則-ECCR(extended cautiousconjunctive rule)，以進(jìn)行不確定信息的融合；第四，建立一種考慮信息源相關(guān)的軟件可信性評估推理模型，以證據(jù)理論進(jìn)行不確定型軟件可信性評估模型的構(gòu)建與求解。
因此，本發(fā)明基于證據(jù)理論不確定性推理模型的軟件可信性評估方法主要包括四個步驟 (1)以效用理論和證據(jù)理論為基礎(chǔ)，深刻理解和把握復(fù)雜系統(tǒng)軟件可信性評估的終極目標(biāo)，定義一個需求驅(qū)動的軟件可信性評估過程，較為清晰地闡明可信性評估推理過程中亟需解決的關(guān)鍵科學(xué)問題和研究難點； (2)給出基于多維可信屬性的多尺度量化指標(biāo)系統(tǒng)的標(biāo)準(zhǔn)形式化定義，該定義的提出是作為實施軟件科學(xué)評估指標(biāo)系統(tǒng)邏輯構(gòu)建的依據(jù)和方式； (3)對原謹(jǐn)慎連接規(guī)則中的無知空間進(jìn)行分化處理，引入基于折扣和相對權(quán)重的聯(lián)合系數(shù)，定義一種新穎的相關(guān)信念背景下的證據(jù)合成規(guī)則-ECCR，以進(jìn)行不確定信息的融合。
(4)依據(jù)可信指標(biāo)間的復(fù)雜層級特征，建立一種考慮信息源相關(guān)的軟件可信性評估推理模型，以證據(jù)理論進(jìn)行不確定型軟件可信性評估模型的構(gòu)建與求解，以ECCR解決評估信息源相關(guān)背景下的信息融合問題。
下面對上述基于證據(jù)理論不確定性推理模型的軟件可信性評估方法的過程的三個步驟分別進(jìn)行詳細(xì)描述。
在步驟(1)中，如何定義一個軟件的可信性評估過程？可信評估中的難點在哪？怎樣能較為清晰地闡明可信性評估推理過程？ 將上述幾個方面的內(nèi)容具體化，就可以定義軟件的可信性評估過程。具體操作如下 定義的模型如圖1所示，圖中所示的評估過程適用于軟件實體在某一具體狀態(tài)下的可信性評估，而在連續(xù)狀態(tài)背景下的軟件可信性評估及演化過程應(yīng)該是由一系列這樣的子過程組成的。
主要包括如下幾個步驟 (11)結(jié)合領(lǐng)域?qū)＜抑R，分析待評軟件的相關(guān)技術(shù)文檔，獲取完備可信需求集TR＝{TR1，TR2，...，TRK}，并進(jìn)一步提取可信指標(biāo)集Xe。
(12)遵守決策獨立性條件，制定符合用戶需求的可信決策規(guī)則集。
可信性決策規(guī)則集通常是對軟件可信性評估推理結(jié)果的具體闡釋，并為專家的終極決策提供有效支持。例如一個簡單的可信性決策規(guī)則集如表1所示，其中v表示可信性綜合評估值，g(v)表示可信性等級函數(shù)，dr(v)表示決策規(guī)則函數(shù). 表1可信性決策規(guī)則集

在實際操作中，為了保證制定的改進(jìn)策略切實有效，需要專家以軟件TR為基準(zhǔn)，不斷細(xì)化和優(yōu)化決策規(guī)則，提升其適用性和準(zhǔn)確性. (13)TEIS邏輯構(gòu)建 依據(jù)可信指標(biāo)間的層級特征，采取主觀判斷或客觀度量的方式求解可信指標(biāo)間的權(quán)重，形成一個與Xe相對應(yīng)的權(quán)重集Xw，并進(jìn)一步構(gòu)建指標(biāo)系統(tǒng)Xe×Xw→TEIS. (14)軟件運行狀態(tài)穩(wěn)定性判定 軟件運行狀態(tài)(running state，RS)穩(wěn)定性的判定過程具有離散時滯特征，可以建立退化系統(tǒng)模型予以定量刻畫，因此可以選用CPU利用率、PF(虛擬內(nèi)存)使用率等作為客觀變量，將RS描述為一個退化系統(tǒng)，通過對系統(tǒng)解的穩(wěn)定性分析，為RS穩(wěn)定性判定提供參考，并可以此為判據(jù)制定評估數(shù)據(jù)采集策略。
(15)軟件可信性評估信息采集與轉(zhuǎn)換。
經(jīng)判定，若待評軟件運行與一定的穩(wěn)態(tài)環(huán)境下，且在有效時間內(nèi)具有可持續(xù)性，采集原始數(shù)據(jù)；再運用基于效用的主/客觀信息一致性轉(zhuǎn)換技術(shù)對原始數(shù)據(jù)進(jìn)行預(yù)處理，獲得統(tǒng)一量綱下的初始可信證據(jù)集Xm. (16)推理模型的構(gòu)建及演算 遵循TEIS中可信指標(biāo)間的復(fù)雜層級特征，應(yīng)用分布式評估框架構(gòu)建基于證據(jù)理論的軟件可信性評估推理模型(Software Trustworthiness Evaluation Model，STEM)，并將已知信息帶入模型中求解，亦即得到量化的可信性綜合評價
(17)結(jié)果分析及改進(jìn)策略 在可信決策規(guī)則集的指導(dǎo)下，充分利用決策專家的主觀能動性，制定面向待評軟件的可信性綜合決策。如需改進(jìn)，運用靈敏度分析方法找出導(dǎo)致軟件失信的關(guān)鍵因素，并制定改進(jìn)策略。
在步驟(2)中具體描述了如何就基于多維可信屬性的多尺度量化指標(biāo)系統(tǒng)(rustworthiness evaluation index system，TEIS)的標(biāo)準(zhǔn)形式化給出定義，下面詳細(xì)說明之 將軟件可信性評估指標(biāo)系統(tǒng)抽象為一個六元組 TEIS＝(Xe，Xm，Xw，subelem，indeva，weis)， 其中 Xe＝{er，Xem，Xel}是指標(biāo)系統(tǒng)中所有指標(biāo)的集合，其中er是根指標(biāo)，即軟件可信性的綜合評價指標(biāo)；Xem是中間指標(biāo)集合，包括了軟件的可信屬性和子可信屬性；Xel是葉子指標(biāo)集合，葉子指標(biāo)又稱為度量元，用于原始信息采集，依據(jù)評價方式的不同，又可分為定性和定量葉子指標(biāo)； Xm是指標(biāo)上BBA的集合，如果存在mt∈Xm，那么mt表示待評軟件在指標(biāo)et上的可信狀況； Xw是指標(biāo)相對權(quán)重的集合，并滿足同一指標(biāo)下的所有子指標(biāo)權(quán)重歸一化； subelem是一個二元關(guān)系，如果e1和e2都是Xe中的成員，那么(e1，e2)∈subelem表示e1是e2的子指標(biāo)； indeva是一個二元關(guān)系，如果m1是Xm中的成員，e1是Xe中的成員，那么(m1，e2)∈indeva表示m1是指標(biāo)e1在Ω上的BBA； weis也是一個二元關(guān)系，如果w1是Xw中的成員，e1是Xe中的成員，那么(w1，e2)∈weis表示w1是e1的相對權(quán)重。
以上定義利用3個二元關(guān)系將可信指標(biāo)、指標(biāo)上的不確定性評價(BBA)和相對權(quán)重聯(lián)系成一個整體。
本發(fā)明的步驟(3)是重新定義一種新穎的相關(guān)信念背景下的證據(jù)合成規(guī)則-ECCR(extended cautious conjunctive rule)，以進(jìn)行不確定信息的融合。具體操作如下 (31)謹(jǐn)慎連接規(guī)則基本定義 定義設(shè)Ω為識別框架，S為Ω上的證據(jù)源，則S的BBA(basic beliefassignment，基本信度分配)定義為函數(shù)m2Ω→
，滿足 BBA不要求

區(qū)別于BPA(basic probability assignment)。
定義若子集且有m(A)＞0，則稱A為m的焦元(Focal Element)。
依據(jù)焦元類型的不同，m可以將稱為 ·正規(guī)BBA。若

不是一個焦元； ·亞正規(guī)BBA。若

是一個焦元； ·教條BBA。若Ω不是一個焦元； ·簡單BBA。若焦元不超過2個，且當(dāng)焦元數(shù)為2時，Ω必定是其中的一個焦元； ·絕對BBA。若只包含一個焦元； ·貝葉斯BBA。若焦元A都是單基焦元。
定義設(shè)m為識別框架Ω上的BBA，稱為公共函數(shù)； 基于非教條BBA的標(biāo)準(zhǔn)分解定義，對于一個可分解的非教條BBA m，可將其定義為若干簡單BBA的標(biāo)準(zhǔn)組合，即
其中，

w(A)∈
，稱為權(quán)重函數(shù)，權(quán)重函數(shù)與相對權(quán)重?zé)o關(guān)，

表示Dempster合成算子； 擴展上述分解，Denoeux認(rèn)為一個亞正規(guī)BBA可非標(biāo)準(zhǔn)分解為
其中，w(A)∈
， 以上分解限定w(A)∈
，Smets將權(quán)重函數(shù)擴展到
，將滿足w(A)＞1的簡單BBA稱為逆簡單BBA，從而實現(xiàn)任意非教條BBA的分解，擴展后的w(A)定義為
其中，2N表示偶自然數(shù)集，|A|為焦元A的基數(shù)， 對于軟件可信性評估問題而言，經(jīng)一致性轉(zhuǎn)換后得到的評估基本信息皆為貝葉斯BBA，權(quán)重函數(shù)w(A)的求解過程即可簡化為
基于權(quán)重函數(shù)，遵循最小許諾原理LCP，Denoeux給出相關(guān)信念合成規(guī)則； 定義令m1和m2為兩個信息源非獨立的BBA，w1∧2(A)＝min(w1(A)，w2(A))為聯(lián)合權(quán)重函數(shù)，Denoeux謹(jǐn)慎連接規(guī)則定義為
其中，算子∧滿足可交互性、可連接性和冪等性。
(32)基于謹(jǐn)慎連接規(guī)則下的合成規(guī)則 謹(jǐn)慎連接規(guī)則較好地解決了信息源非獨立情況下的證據(jù)合成問題，但規(guī)則中未能區(qū)別考慮由“相對權(quán)重或折扣”與“信息不完整”引起的無知，也就無法將非原始信息中的無知剔除，導(dǎo)致合并結(jié)果的不合理，為此，有必要對謹(jǐn)慎連接規(guī)則中的無知進(jìn)行分化處理，并給出一個改進(jìn)的合成規(guī)則 定理設(shè)Ω＝{hp，p＝1，...，P}，m為Ω上的BBA，m(Ω)和

分別表示由”相對權(quán)重或折扣”和”信息不完整”引起的無知，Ω上的權(quán)重函數(shù)為 證明則有 所以，m可表示為如下q的函數(shù) 對上式，使用lnw替代m，-lnq替代q， 整理得證畢； 令m1和m2為兩個信息源非獨立的BBA，聯(lián)合權(quán)重函數(shù)w1∧*2(A)＝min(w1(A)，w2(A))為
則改進(jìn)的Denoeux謹(jǐn)慎連接規(guī)則(ECCR)定義為
其中，標(biāo)準(zhǔn)化系數(shù)為
本發(fā)明的步驟(4)是 依據(jù)可信指標(biāo)間的復(fù)雜層級特征，建立一種考慮信息源相關(guān)的軟件可信性評估推理模型，具體操作如下 如圖2所示，是一個考慮信息源相關(guān)的軟件可信性評估模型，在獲得經(jīng)聯(lián)合系數(shù)調(diào)整的初始證據(jù)后，結(jié)合指標(biāo)系統(tǒng)的復(fù)雜層次性，逐級開展證據(jù)合成，并將指標(biāo)上的不確定性評價反饋給用戶，直至得到頂層指標(biāo)er上的信度分配為止，最后結(jié)合效用量化所有指標(biāo)評價。
(41)定義聯(lián)合系數(shù) 而相對權(quán)重也是指標(biāo)集結(jié)過程中不可或缺的因素。因此，集結(jié)TEIS中的指標(biāo)需同時考慮信息源的可靠性和指標(biāo)間的相對權(quán)重。和相對權(quán)重類似，折扣引起的無知不屬于原始信息，也應(yīng)該在合成過程中予以剔除。對同一證據(jù)而言，二者語義不同，但對原始證據(jù)的調(diào)整策略完全一致，所以本發(fā)明將采用如下的方法對指標(biāo)上的BBA進(jìn)行處理 令Xm＝{mi，i＝1，..，I}為Ω＝{hp，p＝1，...，P}上待合并的BBA，ki為mi的折扣估計值，wi為相對權(quán)重。合并折扣和相對權(quán)重并歸一化，得聯(lián)合系數(shù)πi 使用系數(shù)πi，對mi做如下調(diào)整
其中，∑iπi＝1。由此得到經(jīng)折扣和權(quán)重聯(lián)合調(diào)整后的BBA miπ，作為初始證據(jù)進(jìn)行葉結(jié)點層合并。此外，軟件可信性評估是一個遞階過程，需要進(jìn)行多層合并，直至er。不失一般性，令過程中折扣k＝0，則π＝w。
(42)軟件可信性評估推理算法 結(jié)合證據(jù)理論中的分布式評估框架和證據(jù)合成規(guī)則，定義了一個用于軟件可信性評估的證據(jù)推理算法。
(a)令Ω＝{hs，1≤s≤S}為待評軟件的可信性評估統(tǒng)一識別框架，各評價等級的效用為V＝{vs，(1≤s≤S)}，評估指標(biāo)系統(tǒng)TEIS＝(Xe，Xm，Xw，subelem，indeva，weis)，其中Xe＝{er，Xem，Xel}，er是軟件可信性綜合評價指標(biāo)，Xem＝{em1，...，emn}，Xel＝{{elp}，{elq}}(p，q∈[1，m])，elp和elq分別表示定量和定性葉子指標(biāo)，EM＝{emx}(1≤x≤X)為參與定性葉子指標(biāo)評價的專家集合，專家權(quán)重為 (b)對每個指標(biāo)層級Ht(1≤t≤N)，求得指標(biāo)的相對權(quán)重，定義為同時，采集原始評估信息，運用基于效用的信息轉(zhuǎn)換技術(shù)分別求得定量和定性葉子指標(biāo)在Ω上的BBA，定義為 (c)求得聯(lián)合系數(shù)π，計算葉子指標(biāo)上經(jīng)相對權(quán)重和折扣聯(lián)合調(diào)整后的BBA (d)執(zhí)行群體意見集結(jié)，對定性葉子指標(biāo)elq，使用水平合成算法集結(jié)專家意見，求得定性葉子指標(biāo)上的合成評價結(jié)合相對權(quán)重

求得調(diào)整后待合并的BBA (e)對層級HN指標(biāo)上的BBA進(jìn)行合成，求得層級HN-1上指標(biāo)的BBA再結(jié)合指標(biāo)上的相對權(quán)重

求得調(diào)整后BBA (f)如果N＞1，則N＝N-1，轉(zhuǎn)步驟(e)；否則，向下執(zhí)行； (g)執(zhí)行最后一次證據(jù)合成，求得待評軟件的可信性綜合評價
(h)量化評價，提供更為直觀的定量評估數(shù)據(jù)，依據(jù)統(tǒng)一評價等級hs的效用值，使用下式計算所有指標(biāo)的評價值 模型最終以指標(biāo)上的BBA和量值兩種方式給出軟件的可信性評估結(jié)果，“不確定性”因素的深入理解保證了推理過程的合理性及評估結(jié)果的準(zhǔn)確性。
至此，最終將獲得待評軟件實體的量化可信評價和改進(jìn)策略，這樣就完成了對復(fù)雜軟件系統(tǒng)的可信性評估。
本發(fā)明是一種基于證據(jù)理論不確定型推理模型的軟件可信性評估方法，其特點和效果簡述如下 首先，給出一個基于證據(jù)理論不確定性推理模型的軟件可信性評估方法，對軟件實體的內(nèi)在可信機理進(jìn)行了合理的闡述，并最終給出面向具體軟件的量化可信性評價和優(yōu)化改進(jìn)策略；其次，針對不同類型甚至不同時段內(nèi)的可信軟件評估指標(biāo)系統(tǒng)不確定性的問題，提出一個基于多維可信屬性的多尺度量化指標(biāo)系統(tǒng)，在客觀條件允許的情況下，可以較為靈活的實現(xiàn)動態(tài)模型的構(gòu)建，有效解決了不同應(yīng)用背景甚至不同時段內(nèi)多樣的可信評估需求；然后，介紹了一種新穎的合成規(guī)則，用以處理不確定信息的融合；最后，進(jìn)一步處理評估信息量化、多量綱信息融合及信息不確定等問題。
權(quán)利要求
1.一種基于證據(jù)理論的不確定型軟件可信性評估方法，其特征在于包括以下步驟
(1)根據(jù)復(fù)雜系統(tǒng)軟件可信性評估的目標(biāo)，以效用理論和證據(jù)理論中不確定性軟件可信性評估的推理邏輯及演算過程為理論基礎(chǔ)，定義一個需求驅(qū)動的軟件可信性評估過程，包括以下步驟
(1.1)結(jié)合領(lǐng)域?qū)＜抑R，分析待評軟件的相關(guān)技術(shù)文檔，獲取完備可信需求集集合TR＝{TR1，TR2，…，TRK}，并進(jìn)一步提取完備可信需求集集合中每個完備可信需求集的可信指標(biāo)集Xe；
(1.2)遵守決策獨立性條件，制定符合用戶需求的可信決策規(guī)則集，可信性決策規(guī)則集通常是對軟件可信性評估推理結(jié)果的具體闡釋，并為專家的決策提供有效支持；
(1.3)軟件可信性評估指標(biāo)系統(tǒng)TEIS的邏輯構(gòu)建根據(jù)可信指標(biāo)集Xe中各個可信指標(biāo)間的層級特征，采取主觀判斷或客觀度量的方式求解可信指標(biāo)間的權(quán)重，形成一個與可信指標(biāo)集Xe相對應(yīng)的權(quán)重集Xw，并進(jìn)一步構(gòu)建指標(biāo)系統(tǒng)Xe×Xw→TEIS；
(1.4)軟件運行狀態(tài)RS穩(wěn)定性判定軟件運行狀態(tài)RS穩(wěn)定性的判定過程具有離散時滯特征，需要建立退化系統(tǒng)模型予以定量描述；選用CPU利用率、虛擬內(nèi)存PF使用率作為客觀變量，將軟件運行狀態(tài)RS描述為一個退化系統(tǒng)，并對退化系統(tǒng)求得的解的穩(wěn)定性分析；
(1.5)軟件可信性評估信息采集與轉(zhuǎn)換經(jīng)過對退化系統(tǒng)求得的解的穩(wěn)定性分析，若待評軟件運行在一定的穩(wěn)態(tài)環(huán)境下，且在有效時間內(nèi)具有可持續(xù)性，采集原始數(shù)據(jù)，原始數(shù)據(jù)為TEIS中底層指標(biāo)上的觀測值；再運用基于效用的主/客觀信息轉(zhuǎn)換技術(shù)對原始數(shù)據(jù)進(jìn)行量綱一致性處理，獲得統(tǒng)一量綱下的初始可信證據(jù)集Xm；
(1.6)推理模型的構(gòu)建及演算遵循TEIS中可信指標(biāo)間的層級特征，應(yīng)用分布式評估框架構(gòu)建基于證據(jù)理論的軟件可信性評估推理模型STEM，并將可信指標(biāo)集Xe、可信指標(biāo)間權(quán)重集Xw、初始可信證據(jù)集Xm帶入模型中求解，得到量化的可信性綜合評價
(1.7)結(jié)果分析及改進(jìn)策略在可信決策規(guī)則集的指導(dǎo)下，利用決策專家的主觀能動性，制定面向待評軟件的可信性綜合決策，如需改進(jìn)，運用靈敏度分析方法找出導(dǎo)致軟件失信的關(guān)鍵因素，并進(jìn)一步制定改進(jìn)策略；
(2)根據(jù)基于多維可信屬性的多尺度量化指標(biāo)系統(tǒng)TEIS的標(biāo)準(zhǔn)形式化定義，將軟件可信性評估指標(biāo)系統(tǒng)抽象為一個六元組
TEIS＝(Xe，Xm，Xw，subelem，indeva，weis)，
其中，Xe＝{er，Xem，Xel}是可信指標(biāo)集，er是根指標(biāo)，即軟件可信性的綜合評價指標(biāo)，Xem是中間可信指標(biāo)集合，即為多維可信屬性的集合，包括了軟件的可信屬性和子可信屬性，Xel是葉子指標(biāo)集合，葉子指標(biāo)又稱為度量元，用于原始信息采集，依據(jù)評價方式的不同，又可分為定性和定量葉子指標(biāo)；
Xm是指標(biāo)上不確定性評價BBA的集合，如果存在mt∈Xm，那么mt表示待評軟件在指標(biāo)et上的可信狀況；
Xw是指標(biāo)相對權(quán)重的集合，并滿足同一指標(biāo)下的所有子指標(biāo)權(quán)重歸一化；subelem是一個二元關(guān)系，
如果e1和e2都是Xe中的成員，那么(e1，e2)∈subelem表示e1是e2的子指標(biāo)；indeva是一個二元關(guān)系，
如果m1是Xm中的成員，e1是Xe中的成員，那么(m1，e2)∈indeva表示m1是指標(biāo)e1在Ω上的不確定性評價BBA；weis也是一個二元關(guān)系，
如果w1是Xw中的成員，e1是Xe中的成員，那么(w1，e2)∈weis表示w1是e1的相對權(quán)重；
利用三個二元關(guān)系將可信指標(biāo)、指標(biāo)上的不確定性評價BBA和相對權(quán)重聯(lián)系成一個整體，對軟件而言，需要結(jié)合實際目標(biāo)，在這些二元關(guān)系上增加一些限制，構(gòu)建滿足以上定義的軟件可信性評估指標(biāo)系統(tǒng)；
(3)對謹(jǐn)慎連接規(guī)則Denoeux中的無知空間進(jìn)行分化處理，引入基于折扣和相對權(quán)重的聯(lián)合系數(shù)，定義一種新穎的相關(guān)信念背景下的證據(jù)合成規(guī)則—擴展謹(jǐn)慎連接規(guī)則ECCR，進(jìn)行不確定信息的融合，包括以下步驟
(3.1)謹(jǐn)慎連接規(guī)則Denoeux的基本定義
設(shè)Ω為識別框架，S為Ω上的證據(jù)源，則S的不確定性評價BBA定義為函數(shù)m2Ω→
，滿足
不確定性評價BBA不要求
若子集
且有m(A)＞0，則稱A為m的焦元，
依據(jù)焦元類型的不同，m可以分為正規(guī)BBA，若
不是一個焦元；亞正規(guī)BBA，若
是一個焦元；教條BBA，若Ω不是一個焦元；簡單BBA，若焦元不超過2個，且當(dāng)焦元數(shù)為2時，Ω必定是其中的一個焦元；絕對BBA，若只包含一個焦元；貝葉斯BBA，若焦元A都是單基焦元；
設(shè)m為識別框架Ω上的BBA，
稱為公共函數(shù)；
基于非教條BBA的標(biāo)準(zhǔn)分解定義，對于一個可分解的非教條BBAm，可將其定義為若干簡單BBA的標(biāo)準(zhǔn)組合，即
其中，
w(A)∈
，稱為權(quán)重函數(shù)，權(quán)重函數(shù)與相對權(quán)重?zé)o關(guān)，
表示Dempster合成算子；
擴展上述分解，Denoeux認(rèn)為一個亞正規(guī)BBA可非標(biāo)準(zhǔn)分解為
其中，
w(A)∈
，
以上分解限定w(A)∈
，Smets將權(quán)重函數(shù)擴展到
，將滿足w(A)＞1的簡單BBA稱為逆簡單BBA，從而實現(xiàn)任意非教條BBA的分解，擴展后的w(A)定義為
其中，2N表示偶自然數(shù)集，|A|為焦元A的基數(shù)，
對于軟件可信性評估問題而言，經(jīng)一致性轉(zhuǎn)換后得到的評估基本信息皆為貝葉斯BBA，權(quán)重函數(shù)w(A)的求解過程即可簡化為
基于權(quán)重函數(shù)，遵循最小許諾原理LCP，謹(jǐn)慎連接規(guī)則Denoeux給出相關(guān)信念合成規(guī)則；
令m1和m2為兩個信息源非獨立的BBA，w1∧2(A)＝min(w1(A)，w2(A))為聯(lián)合權(quán)重函數(shù)，Denoeux謹(jǐn)慎連接規(guī)則定義為
其中，算子∧滿足可交互性、可連接性和冪等性；
(3.2)基于謹(jǐn)慎連接規(guī)則下的合成規(guī)則謹(jǐn)慎連接規(guī)則較好地解決了信息源非獨立情況下的證據(jù)合成問題，但規(guī)則中未能區(qū)別考慮由“相對權(quán)重或折扣”與“信息不完整”引起的無知，也就無法將非原始信息中的無知剔除，導(dǎo)致合并結(jié)果的不合理，為此，有必要對謹(jǐn)慎連接規(guī)則中的無知進(jìn)行分化處理，并給出一個改進(jìn)的合成規(guī)則
設(shè)Ω＝{hp，p＝1，...，P}，m為Ω上的BBA，m(Ω)和
分別表示由”相對權(quán)重或折扣”和”信息不完整”引起的無知，
則有
所以，m可表示為如下q的函數(shù)
對上式，使用lnw替代m，-lnq替代q，
整理得Ω上的權(quán)重函數(shù)為
令m1和m2為兩個信息源非獨立的BBA，聯(lián)合權(quán)重函數(shù)w1∧*2(A)＝min(w1(A)，w2(A))為
則改進(jìn)的Denoeux謹(jǐn)慎連接規(guī)則ECCR定義為
其中，標(biāo)準(zhǔn)化系數(shù)為
(4)依據(jù)可信指標(biāo)間的復(fù)雜層級特征，建立一種考慮信息源相關(guān)的軟件可信性評估推理模型，以證據(jù)理論進(jìn)行不確定型軟件可信性評估模型的構(gòu)建與求解，以ECCR解決評估信息源相關(guān)背景下的信息融合問題，包括以下步驟
(4.1)聯(lián)合系數(shù)相對權(quán)重也是指標(biāo)集結(jié)過程中不可或缺的因素，因此集結(jié)TEIS中的指標(biāo)需同時考慮信息源的可靠性和指標(biāo)間的相對權(quán)重，和相對權(quán)重類似，折扣引起的無知不屬于原始信息，也應(yīng)該在合成過程中予以剔除，對同一證據(jù)而言，二者語義不同，但對原始證據(jù)的調(diào)整策略完全一致，所以將采用如下的方法對指標(biāo)上的BBA進(jìn)行處理
令mi(i＝1，...，I)為Ω＝{hp，p＝l，...，P}上待合并的BBA，ki為mi的折扣估計值，wi為相對權(quán)重，合并折扣和相對權(quán)重并歸一化，得聯(lián)合系數(shù)πi
使用系數(shù)πi，對mi做如下調(diào)整
其中，∑iπi＝1，由此得到經(jīng)折扣和權(quán)重聯(lián)合調(diào)整后的BBA miπ，作為初始證據(jù)進(jìn)行葉結(jié)點層合并，此外，軟件可信性評估是一個遞階過程，需要進(jìn)行多層合并，直至er不失一般性，令過程中折扣k＝0，則π＝w；
(4.2)軟件可信性評估推理算法結(jié)合證據(jù)理論中的分布式評估框架和證據(jù)合成規(guī)則，定義了一個用于軟件可信性評估的證據(jù)推理算法，包括以下步驟
(a)令Ω＝{hs，1≤s≤S}為待評軟件的可信性評估統(tǒng)一識別框架，各評價等級的效用為V＝{vs，(1≤s≤S)}，評估指標(biāo)系統(tǒng)TEIS＝(Xe，Xm，Xw，subelem，indeva，weis)，其中Xe＝{er，Xem，Xel}，er是軟件可信性綜合評價指標(biāo)，Xem＝{em1，...，emn}，Xel＝{{elp}，{elq}}(p，q∈[1，m])，elp和elq分別表示定量和定性葉子指標(biāo)，EM＝{emx}(1≤x≤X)為參與定性葉子指標(biāo)評價的專家集合，專家權(quán)重為
(b)對每個指標(biāo)層級Ht(1≤t≤N)，求得指標(biāo)的相對權(quán)重，定義為
同時，采集原始評估信息，運用基于效用的信息轉(zhuǎn)換技術(shù)分別求得定量和定性葉子指標(biāo)在Ω上的BBA，定義為
(c)求得聯(lián)合系數(shù)π，計算葉子指標(biāo)上經(jīng)相對權(quán)重和折扣聯(lián)合調(diào)整后的BBA
(d)執(zhí)行群體意見集結(jié)，對定性葉子指標(biāo)elq，使用水平合成算法集合由專家給出不確定性評價，求得定性葉子指標(biāo)上的合成評價
結(jié)合相對權(quán)重
求得調(diào)整后待合并的BBA
(e)對層級HN指標(biāo)上的BBA進(jìn)行合成，求得層級HN-1上指標(biāo)的BBA
再結(jié)合指標(biāo)上的相對權(quán)重
求得調(diào)整后BBA
(f)如果N＞1，則N＝N-1，轉(zhuǎn)步驟(e)；否則，向下執(zhí)行；
(g)執(zhí)行最后一次證據(jù)合成，求得待評軟件的可信性綜合評價
(h)量化評價，提供更為直觀的定量評估數(shù)據(jù)，依據(jù)統(tǒng)一評價等級hs的效用值，使用下式計算所有指標(biāo)的評價值
模型最終以指標(biāo)上的BBA和量值兩種方式給出軟件的可信性評估結(jié)果，“不確定性”因素保證了推理過程的合理性及評估結(jié)果的準(zhǔn)確性。
全文摘要
本發(fā)明公開了一種基于證據(jù)理論的不確定型軟件可信性評估方法，包括下述步驟(1)以效用理論和證據(jù)理論為基礎(chǔ)，定義一個需求驅(qū)動的軟件可信性評估過程，較為清晰地闡明可信性評估推理過程中亟需解決的關(guān)鍵科學(xué)問題和研究難點；(2)給出基于多維可信屬性的多尺度量化指標(biāo)系統(tǒng)TEIS的標(biāo)準(zhǔn)形式化定義；(3)對原謹(jǐn)慎連接規(guī)則中的無知空間進(jìn)行分化處理，引入基于折扣和相對權(quán)重的聯(lián)合系數(shù)，定義一種新穎的相關(guān)信念背景下的證據(jù)合成規(guī)則-ECCR，以進(jìn)行不確定信息的融合。(4)依據(jù)可信指標(biāo)間的復(fù)雜層級特征，建立一種考慮信息源相關(guān)的軟件可信性評估推理模型，以證據(jù)理論進(jìn)行不確定型軟件可信性評估模型的構(gòu)建與求解，以ECCR解決評估信息源相關(guān)背景下的信息融合問題。
文檔編號G06F11/36GK101763304SQ20091025170
公開日2010年6月30日 申請日期2009年12月31日 優(yōu)先權(quán)日2009年12月31日
發(fā)明者楊善林, 丁帥, 馬溪駿, 余濤, 闞紅星, 蔡瓊, 石莉 申請人:合肥工業(yè)大學(xué)