This paper proposes a QoS-based trust evaluation model for black box data services. Under the black-box model, data services neither export (meta)-data about conditions in which they are deployed and collect and process data nor the quality of data they deliver. Therefore, the black-box model creates blind spots about the extent to which data providers can be trusted to be used to build target applications. The trust evaluation model for black box data services introduced in this paper originally combines QoS indicators, like service performance and data quality, to determine services trustworthiness. The paper also introduces DETECT: a Data sErvice as a black box Trust Evaluation arChitecTure, that validates our model. The trust model and its associated monitoring strategies have been assessed in experiments with representative case studies. The results demonstrate the feasibility and effectiveness of our solution.


翻译:本文为黑盒数据服务提出了一个基于QOS的基于QOS的信任评价模式。在黑盒模式下,数据服务既不输出有关其部署、收集和处理数据的条件的数据,也不输出数据质量的数据。因此,黑盒模式为数据提供者在多大程度上能够被信任地用于建立目标应用程序创造了盲点。本文中引入的黑盒数据服务的信任评价模式最初将QOS指标(如服务性能和数据质量)结合起来,以确定服务可靠性。本文还介绍了DETECT:数据电子设备作为黑盒信托评价Ar Chitecture,以验证我们的模型。信任模式及其相关的监测战略已经在有代表性的案例研究中进行了评估。结果显示了我们解决方案的可行性和有效性。

0
下载
关闭预览

相关内容

Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
CCF C类 | DSAA 2019 诚邀稿件
Call4Papers
6+阅读 · 2019年5月13日
学术会议 | 知识图谱顶会 ISWC 征稿:Poster/Demo
开放知识图谱
5+阅读 · 2019年4月16日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
已删除
将门创投
5+阅读 · 2018年7月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
Arxiv
0+阅读 · 2021年12月22日
Arxiv
6+阅读 · 2018年2月7日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
CCF C类 | DSAA 2019 诚邀稿件
Call4Papers
6+阅读 · 2019年5月13日
学术会议 | 知识图谱顶会 ISWC 征稿:Poster/Demo
开放知识图谱
5+阅读 · 2019年4月16日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
已删除
将门创投
5+阅读 · 2018年7月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
Top
微信扫码咨询专知VIP会员