英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料
基于移动云计算的云服务问题的挑战和对策
摘要
具有强大功能的移动设备的迅速增多，使得移动用户可以通过协作形成移动云，用来提供一些普遍的服务，比如数据收集、加工和计算等，商业服务的范例——移动众包，利用这些移动云，使移动用户从事外包任务，通过改进移动设备的感知能力并且对人类智力和机器运算进行整合，有望给数据收集和加工的方法带来一场革命。本文研究了移动众包的体系结构和应用，讨论了其发展中的一些挑战和对策，并为其进一步研究提出了展望。
简介
根据eMarketer公司在2014年7月的报告，全球智能手机用户在2012年超过了10亿，在2014年达到了17.5亿。随着移动设备数量的激增，移动云计算在IT业的发展和其在商业和工业上的发展一样，有着不可阻挡的发展势头。然而，移动设备面临着诸如计算能力、内存、能源等众多资源方面的问题。而移动云计算作为一种新兴的方法，致力于克服这些限制，使得移动设备能通过无线网络利用各种各样的云资源。这样一种云计算服务模型——移动用户即服务消费者（MaaSC），可以通过把计算任务上传到云服务器从而提高移动设备的计算能力和能量效率。
移动设备植入了一系列的多功能传感器，这提供了一个可以收集大量包括用户个体、社交和环境数据的范例，同时，由于移动设备通常和人联系起来，人类智力可以用来解决机器运算难以解决的任务，例如实体分辨和图像解释等问题。移动设备拥有的这些能力，使其身份可以在服务消费者和服务提供者之间转换，为移动云计算提供一种新的模型。在这个模型中，大量通过无线网络连接起来的移动设备形成了一种强有力的移动云，提供各种各样的数据收集、加工和计算的服务。在移动云体系中，移动众包技术解决大规模问题的可行性越来越被认可。该技术中大量移动用户和设备以分布式的方法协同工作，通过将任务外包给这些移动设备，可以低成本地实现各种云服务。移动众包的思想有着广泛的应用，例如，商业模型中的OpenStreeMap，是一个众包的世界地图，由世界范围内的使用者利用当地信息，GPS轨迹等自愿贡献的资源构建。OpenStreeMap的快速发展表明，移动众包有望彻底改变传统的数据收集和加工方式，实际上已经改变了。
虽然移动众包有着优秀的计算范例和巨大的优点，但其发展仍在初期并且面临着许多挑战。在众包技术中，用户变成了服务提供者，其社会关系和人际交互便更为重要，在利用这些基础的社会因素（个人社会属性、偏好、利己主义等）时会出现一种独有的挑战，同时，由于恶意用户的存在，移动众包容易受到各种各样的攻击，比如服务阻断攻击和女巫攻击，而且，如果没有复杂有效的隐私保护技术，服务消费者和移动用户的个人信息都可能遭到泄露。这些安全问题和隐私问题会使移动用户丧失对移动众包的热情。因此，设法解决这些问题对于移动众包的发展至关重要。
本文研究了移动众包的结构体系和实现各种云服务的现有应用，明确了阻碍移动众包实现的一些问题，并给出了解决这些问题的两种对策。最后进行了总结，对面临的挑战和进一步的研究进行了展望。
移动众包的结构体系和应用
移动众包结构体系
移动众包是一种典型的电子商务，其中，移动用户形成移动云，并向云服务消费者出售资源和服务（例如数据收集，计算和加工）。与传统的云计算依赖网络连接不同，移动众包能在网络和本地终端两处提供丰富的云服务。图1分别展示了移动众包基于互联网和基于本地设备情景下的结构体系。两种移动众包的区别是，在基于互联网的移动众包中，所有连接起来的移动用户也是潜在的服务提供者，而在基于本地终端的移动众包中服务提供者只能是附近的移动用户。移动众包的主要组成部分如下：
服务消费者：服务消费者是指需要通过移动众包系统获取云服务的网络或本地用户，他们通过将任务外包给移动用户来利用云服务。
移动用户：使用移动设备的用户能自动形成移动云给网络和本地的服务消费者提供云服务，对于网络用户，可以通过蜂窝网和WiFi网络，本地用户可通过蓝牙和NFC技术。当一个移动用户参与一项外包任务时，他可以采用本地计算或者获取移动云计算来完成这项任务。
集中式服务器：集中式服务器可以看成一个为网络服务消费者建立的移动众包平台，他们储存所有的众包信息（包括用户简介、历史服务记录等），这些信息可以用作任务外包和服务评估。总体来讲，集中式服务器可以为互联网服务消费者和移动用户在任务发布、分配、报告收集和反馈进程等方面提供可靠的服务。
本地服务器：本地服务器为邻近的服务消费者和移动用户提供本地众包服务，包括外包任务的发布和任务结果的整合。本地服务器一般配备有专门的本地移动入口来向邻近的移动用户散布任务信息，并且收集用户的服务报告结果。本地服务器也可以从集中式服务器上获取和更新必要的信息来支持移动众包。然而，本地服务器因常被用于商业目的而不被移动用户信任。
移动众包应用
过去五年里，移动设备已然变成了我们生活中的传感器和信息采集器，一些新兴的应用，通过整合移动计算和众包信息，显示出了实现高效低廉的数据计算，收集和加工服务的潜力。本节，我们描述了两种典型的移动众包应用，如图2，群智感知和移动众包，两种移动众包应用的相关研究对比如表1.
移动众包：移动众包是将数据计算任务外包给移动用户，参与外包任务的移动用户在本地执行任务或者利用自身的数据和计算资源将任务转移到云服务器上。由于人为干预，移动众包能利用人类智力解决那些更适合人类评价而不是机器运算的任务（如实体分辨，图像解释，情感分析等）。Honeybee是一个基于本地云众包的应用，该应用将人脸检测和摄影任务外包给本地移动用户，用户在自己的移动设备上运行面部识别算法，拍摄特定的照片并添加自己的评估。CrowdDB基于亚马逊的Mechanical Turkey平台，以询问和应答的形式将计算任务众包出去。
移动群智感知：数据的收集和加工，诸如环境感知，监控，需要大量的科技支持和经济有效的资源。移动群智感知是将数据收集和加工的任务外包给移动用户，利用移动设备来收集感知数据，通过本地计算或移动云计算执行数据加工任务。由于激发了众多的移动用户参与，移动群智感应能为数据收集和加工提供低价的移动云服务。SignalGuru是一款本地移动群智感知的应用，在该应用中，智能手机检测到交通信号，并通过一个点对点的网络实现用户之间的信息交换，利用这些交换信息，智能手机能预测到未来交通状况，从而为驾驶者决策作出引导。Medusa也是一款移动群智感知应用，该应用中的移动用户通过HTTP安全网络协议实现网络连接和无线交流，通过将视频文件、音频文件、道路监控等感知任务外包给移动用户，并对数据进行收集整理完成任务。
移动众包中的主要挑战
利己主义和动机
激发移动用户参与移动众包对于形成一个强大的移动云来说至关重要，激励因素有很多，包括金钱奖励，个人贡献，社会收益等，目前已经存在一些微市场的经验，例如亚马逊的Mechanical Turk，以金钱奖励提供了一种积极的机制，而维基百科则是利用无资金收益的大众服务的模式。然而，由于服务消费者和移动用户均是利己的，且希望从移动众包中收益，所以建立的激励机制应该实现双方经济需求的平衡，从而达到双赢的局面。Yang提出了两种激励机制：奖励分享和任务竞价，来激励移动用户参与移动众包。在奖励分享机制中，服务消费者为其外包任务提出拟定好的报酬，不同的任务参与者依据自己在相关任务上的工作时间分享这些报酬。他们也设计了一种可靠的任务竞价机制，其中移动用户为不同的外包服务提出自己的价格，服务消费者选择合适的参与者以使自己的效益最大化。这两种激励机制都能经济有效地激励移动云的形成并且能共同获益。然而，他们都没有对不同的移动用户进行区分，一般来说，移动用户在执行外包任务时有着不同的能力（例如个人知识，数据收集和运算的可获得性等），因而，激励机制应该鼓励更合适的移动用户来完成外包任务，而不是不加区分地激励所有用户。
任务分配
云计算中在执行计算任务时，需要根据任务特性和需求，从大量联网的云服务器中申请一个服务要求（例如高存储要求、高速CPU要求等），同样的，在移动众包中，任务的分配旨在实现明确的任务集分配给那些有能力准确高效完成任务的移动用户。在目前的文献中，一些可能影响到任务分配的因素已经得到了研究。Reddy声称，在任务参与者的选择过程中，移动用户的地理和时间上的可获得性因对任务有重要影响而应给与考虑。他考虑了用户的移动路径，并为移动众包应用设计了一个补充算法。在任务分配时，除了目前已经考虑了的因素，还需要考虑外包任务和移动用户之间潜在的社会关系。比如，外包任务是：“在滑铁卢大学找到一个空着的篮球场”那些对运动感兴趣且在该大学读书的移动用户比较具有参考性而被该任务所雇用。因此，我们需要研究每一个任务和移动用户的社会关系并计算他们的匹配度，从而描述移动用户参与众包任务时的潜在价值，这对于移动众包是重要的也是必需的。基于所计算的匹配度，我们可以进一步地建立一个高效的任务分配机制，来实现服务消费者和移动用户的潜在价值的最大化。
安全威胁
安全问题对于云服务消费者来说是个最基本的考虑，而移动众包的理念是假设用户都能诚实地提供准确的结果，这是一个矛盾，同时也是移动众包现有的一个问题，因为可能存在恶意的用户行为不端或破坏移动众包。恶意的用户可能捏造感知和计算的结果，蓄意延缓正在进行的任务，或者释放其他类型的攻击，直接或间接地对外包任务和服务消费者带来恶劣的影响。一些相关工作已经得到了研究，用来缓和恶意用户的影响，并把这些用户识别出来。Zhang提出了一种鲁棒轨迹评估策略，用来减小异常移动众包用户的不良影响，并把正常用户和异常用户加以识别。Huang采用了Gompertz函数来计算移动设备的信誉得分，并对这些贡献数据的可靠性进行评估。尽管信任度评估在任务报告和恶意用户识别方面是个有效的解决方法，但用户的隐私在进行多任务工作报告时可能会得到泄露。总而言之，目前主要的挑战是设计出复杂安全的对策来抵制恶意用户的攻击，确保一个可靠地移动众包系统。
隐私泄露
另外一个阻碍移动众包大范围接受和部署的障碍是移动用户和服务消费者的隐私问题。外包任务可能会显示出服务消费者的私人兴趣和目标，同时，任务报告通常会附带时空信息，这会泄露移动用户大量包含位置，个人活动和社会关系等在内的个人信息，例如，当移动用户参与一个小地方的环境感知任务时会暴露自己的位置信息。一般来说，我们在进行数据传输和加工的过程中可以采用密码学的技术来为移动用户和云服务消费者提供保护，以防被外来袭击者监听。为了维护数据隐私不被服务消费者获取，Liu提出了一种协作学习机制对移动感知中的任务（例如活动、环境识别等）进行分级，通过利用扰动回归技术保证了准确的分级，从而避免了移动用户隐私的泄露。用户匿名作为一种保护隐私的有效解决办法也被采纳。而在本地移动众包体系中，本地服务器常因用于商业而不被移动用户信任，因而匿名技术应该在移动用户和本地服务器传输信息时加以利用。
移动众包应用的解决方法
本节讨论了移动众包中两种有前景的解决方法，针对互联网的移动云计算应用，我们提出了一种基于社会意识的任务分配机制，以解决激励和任务分配的挑战；针对本地移动移动云众包应用，提出了一种匿名信誉体系，以缓解安全和隐私问题。
基于互联网的移动云计算的社会意识任务分配机制
在基于互联网的移动云计算中，所有通过互联网连接的移动用户都有可能为外包的计算任务提供云服务，在这种应用中拥有一个巨大的服务池，要想完成既定的计算任务，激励机制和任务分配就尤为重要。我们提出了一种基于社会意识的任务分配机制（SATA），其中的众包过程如下：首先，服务消费者发出一系列外包任务申请，这些任务包含明确的要求（诸如感兴趣的专业、任务延时和预算等）；然后，对任务感兴趣的移动用户对任务的执行信息进行评估（例如进程花费、延时等），并提出参与申请；接着，服务消费者根据他们的申请信息，将这些任务分成一些子集；任务分配结束后，被选中的参与者利用自身的数据和计算资源，执行这些外包的任务；当任务完成时，任务的完成报告会提交给服务消费者；最后，服务消费者对任务报告进行评估并向任务参与者给出反馈（例如报告评估，报酬等）。
为了激发移动用户的参与并实现共同获益，SATA采用一种基于竞价的激励机制，其中，移动用户根据任务的花费和自身的能力，对感兴趣的外包任务提出竞标价，服务消费者在预算内选择一系列的移动用户来执行外包的计算任务。为了找出某项具体任务的合适执行者，SATA针对每一对移动用户和任务引入了匹配度的概念，由三种社会因素组成，其中社会属性重合度是匹配度计算中首要考虑的，每个移动用户都可以被描述为建立在他们的专长，社会交互和个人特征上的一系列社会属性，从而找出他们在解决某个具体问题的优势。如果能明确一项外包任务的社会属性，我们就可以得到更高的社会属性重合度，从而实现移动用户和该任务之间更好的匹配，而且，每个用户还可以根据自己数据资源的可获得性及自身能力对任务的延时作出评估，这会对一些任务，尤其是对延时敏感的任务和用户之间的匹配度产生直接的影响。另一方面，移动用户的信誉是影响任务分配的重要因素，它表明了用户的可信度，可以根据历史任务的评估得到。对于每对移动用户和任务，我们引入三个参数f、g和h，分别代表社会属性重合度、任务延时和用户信誉的影响，总的匹配度计算可以看做关于f、g、h的函数e（f，g，h）。
得到匹配度之后，任务的分配就变成了一个背包问题，让服务消费者的潜在效用最大化。进一步地，如果服务消费者在预算之内有一系列任务集需要众包，同时又有一些感兴趣的移动用户提出竞价，希望参与这些任务子集的执行，任务分配就可以转化为：选择感兴趣的用户，在竞标价总和小于任务预算的约束下，实现他们总的匹配度达到最大。我们知
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[150278]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
