روشی ترکیبی به‌منظور شناسایی فراهم‌کنندگان خدمات ابری قابل‌اعتماد با استفاده از فرآیند تحلیل سلسله مراتبی و شبکه‌های عصبی

اخیرا فناوری رایانش ابری توانسته است در مدت‌زمان کوتاهی محبوبیت گسترده ای بیابد. لذا با توجه به این محبوبیت شمار قابلیت ها و  ویژگی های خدمات ابری نیز رو به افزایش می‌باشد. در محیط های ابری به‌منظور یافتن ارائه دهنده معتبر و انتخاب بهترین منابع در  زیرساخت های ناهمگن ابری، اعتماد نقش مهمی را ایفا می کند. عدم اعتماد مشتریان به ارائه دهندگان خدمات ابری بزرگ‌ترین مانعی است که اغلب برای پذیرش خدمات ابری در نظر گرفته‌ می‌شود. در این پژوهش سعی بر تدوین مدل شناسایی ارائه دهندگان خدمات ابری نامعتبر خواهد بود که با استفاده از ویژگی های ارزیابی اعتماد به ارائه دهندگان ابری، اعتبارسنجی انجام خواهد گرفت. در رویکرد پیشنهادی به‌منظور تشخیص فراهم کنندگان ابری ترکیب روش شبکه عصبی با وزن دهی سلسله مراتبی ارائه‌ شده است و علت به کار گرفتن شبکه عصبی، قابلیت پیدا کردن و تشخیص مقادیر بهینه آن می‌باشد. نتایج شبیه‌سازی حاکی از آن است که درصد خطای این روش 0.005% می‌باشد که به نسبت روش های رایج دیگر دارای دقت بیشتری است.

Hybrid Method for Detecting Trustworthy Cloud Service Providers using Analytical Hierarchical Process and Neural Network

Recently, cloud computing has become very popular. Due to this popularity, the number of cloud       services’ features is increasing continuously. To find a reliable provider in the cloud environment and select the best resources in the heterogeneous infrastructures, trust plays an important role. Customers  distrust in cloud service providers is considered as a barrier to cloud service acceptance. This research develops a model for identifying invalid cloud service providers, in which validation is examined using cloud providers’ trust evaluation features. In this approach, in order to detect cloud providers, the neural network method with a robust hierarchical weight estimation is proposed; analytical hierarchical process is being used for its capability in finding and detecting optimal values. The simulation results indicate an   error rate of 0.055%, showing this method to be more accurate compared to the stateoftheart methods.