1.本公开涉及云计算
技术领域：
：，尤其涉及一种算力网络的信任管理方法与算力网络的信任管理装置、计算机可读存储介质及电子设备。
背景技术：
：：2.随着智能手机、智能汽车和可穿戴设备等智能终端的不断涌现，第五代移动通信系统(5thgenerationmobilenetworks，5g)正以前所未有的速度实现人与人、人与物、物与物的“万物互联(internetofeverything，ioe)”时代，网络数据流量正呈爆发式增长。gartner(国际研究机构)报告指出，伴随着海量数据的产生，约75％的工业互联网、物联网等数据在网络边缘侧进行处理。未来网络将在靠近用户的位置部署算力资源，进一步满足各垂直行业的业务需求。3.随着云计算中心节点下沉到边缘侧，边缘计算推动形成“云-边-端”三级算力网络架构，从而实现计算与网络的深度融合。算力网络依赖于“云-边-端”的高效协同，当算力网络的资源共享或交易时，需评估和保证算力消费者被身份可信、服务质量满足要求的算力提供者提供服务。一旦网络中存在恶意节点散布虚假请求、提供虚假服务会干扰提供正常的服务，如何有效评估算力网络中的算力消费者、算力提供者的信任值是亟待解决的问题。现有的集中式信任管理机制无法满足低时延要求，如果发生故障，整个网络容易遭受攻击陷入瘫痪。4.鉴于此，本领域亟需开发一种新的算力网络的信任管理方法及装置。5.需要说明的是，在上述
背景技术：
：部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。技术实现要素：6.本公开的目的在于提供一种算力网络的信任管理方法、算力网络的信任管理装置、计算机可读存储介质及电子设备，进而至少在一定程度上克服由于相关技术的限制而导致的高时延和网络易瘫痪的技术问题。7.本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。8.根据本发明实施例的第一个方面，提供一种算力网络的信任管理方法，所述方法包括：9.当算力消费者请求算力服务时，确定提供算力服务的算力提供者，并从区块链中获取所述算力提供者的历史信任值；10.根据所述历史信任值确定所述算力消费者和所述算力提供者的交互情况，并按照所述交互情况计算所述算力提供者的目标推荐值；11.根据所述目标推荐值使所述算力提供者为所述算力消费者提供算力服务，并将所述目标推荐值上传至所述区块链中。12.在本发明的一种示例性实施例中，所述根据所述历史信任值确定所述算力消费者和所述算力提供者的交互情况，包括：13.当所述历史信任值为第一预设值时，表明所述算力消费者和所述算力提供者未进行过交互；14.当所述历史信任值为第二预设值时，表明所述算力消费者和所述算力提供者进行过交互。15.在本发明的一种示例性实施例中，所述按照所述交互情况计算所述算力提供者的目标推荐值，包括：16.当所述算力消费者和所述算力提供者未进行过交互时，获取预设时间段内的目标交易数量；17.获取通过所述算力提供者的间接交互产生的已知推荐值以及与所述已知推荐值对应的已知权重因子，并对所述已知推荐值和所述已知权重因子进行计算得到相关推荐值；18.获取所述算力消费者的消费权重因子，对所述相关推荐值、所述目标交易数量和所述消费权重因子进行计算得到目标推荐值。19.在本发明的一种示例性实施例中，所述获取所述算力消费者的消费权重因子，包括：20.获取所述预设时间段内的所述算力提供者的信任值变化量，并对所述信任值变化量进行划分得到正变化量和负变化量；21.获取所述正变化量的正遗忘因子和所述负变化量的负遗忘因子，并获取初始值；22.对所述初始值、所述正变化量、所述正遗忘因子、所述负变化量和所述负遗忘因子进行计算得到消费权重因子。23.在本发明的一种示例性实施例中，所述正遗忘因子小于所述负遗忘因子。24.在本发明的一种示例性实施例中，所述按照所述交互情况计算所述算力提供者的目标推荐值，包括：25.当所述算力消费者和所述算力提供者进行过交互时，对所述相关推荐值、所述目标交易数量和所述消费权重因子进行计算得到间接推荐值；26.获取算力服务的当前满意度，并对所述当前满意度进行更新得到直接观测值；27.获取所述历史信任值的历史权重因子、所述间接推荐值的间接权重因子和所述直接观测值的直接权重因子，并对所述历史信任值、所述历史权重因子、所述间接推荐值、所述间接权重因子、所述直接观测值和所述直接权重因子进行计算得到目标推荐值。28.在本发明的一种示例性实施例中，所述将所述目标推荐值上传至所述区块链中，包括：29.利用共识算法将所述目标推荐值上传至所述区块链中。30.根据本发明实施例的第二个方面，提供一种算力网络的信任管理装置，包括：31.数据获取模块，被配置为当算力消费者请求算力服务时，确定提供算力服务的算力提供者，并从区块链中获取所述算力提供者的历史信任值；32.交互计算模块，被配置为根据所述历史信任值确定所述算力消费者和所述算力提供者的交互情况，并按照所述交互情况计算所述算力提供者的目标推荐值；33.信任管理模块，被配置为根据所述目标推荐值使所述算力提供者为所述算力消费者提供算力服务，并将所述目标推荐值上传至所述区块链中。34.在本发明的一种示例性实施例中，所述根据所述历史信任值确定所述算力消费者和所述算力提供者的交互情况，包括：35.当所述历史信任值为第一预设值时，表明所述算力消费者和所述算力提供者未进行过交互；36.当所述历史信任值为第二预设值时，表明所述算力消费者和所述算力提供者进行过交互。37.在本发明的一种示例性实施例中，所述按照所述交互情况计算所述算力提供者的目标推荐值，包括：38.当所述算力消费者和所述算力提供者未进行过交互时，获取预设时间段内的目标交易数量；39.获取通过所述算力提供者的间接交互产生的已知推荐值以及与所述已知推荐值对应的已知权重因子，并对所述已知推荐值和所述已知权重因子进行计算得到相关推荐值；40.获取所述算力消费者的消费权重因子，对所述相关推荐值、所述目标交易数量和所述消费权重因子进行计算得到目标推荐值。41.在本发明的一种示例性实施例中，所述获取所述算力消费者的消费权重因子，包括：42.获取所述预设时间段内的所述算力提供者的信任值变化量，并对所述信任值变化量进行划分得到正变化量和负变化量；43.获取所述正变化量的正遗忘因子和所述负变化量的负遗忘因子，并获取初始值；44.对所述初始值、所述正变化量、所述正遗忘因子、所述负变化量和所述负遗忘因子进行计算得到消费权重因子。45.在本发明的一种示例性实施例中，所述正遗忘因子小于所述负遗忘因子。46.在本发明的一种示例性实施例中，所述按照所述交互情况计算所述算力提供者的目标推荐值，包括：47.当所述算力消费者和所述算力提供者进行过交互时，对所述相关推荐值、所述目标交易数量和所述消费权重因子进行计算得到间接推荐值；48.获取算力服务的当前满意度，并对所述当前满意度进行更新得到直接观测值；49.获取所述历史信任值的历史权重因子、所述间接推荐值的间接权重因子和所述直接观测值的直接权重因子，并对所述历史信任值、所述历史权重因子、所述间接推荐值、所述间接权重因子、所述直接观测值和所述直接权重因子进行计算得到目标推荐值。50.在本发明的一种示例性实施例中，所述将所述目标推荐值上传至所述区块链中，包括：51.利用共识算法将所述目标推荐值上传至所述区块链中。52.根据本发明实施例的第三个方面，提供一种电子设备，包括：处理器和存储器；其中，存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现上述任意示例性实施例中的算力网络的信任管理方法。53.根据本发明实施例的第四个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意示例性实施例中的算力网络的信任管理方法。54.由上述技术方案可知，本公开示例性实施例中的算力网络的信任管理方法、算力网络的信任管理装置、计算机存储介质及电子设备至少具备以下优点和积极效果：55.在本公开的示例性实施例提供的方法及装置中，提供了一种新的对算力网络进行信任管理的方式，提高了安全性能，有效避免了因算力消费者或算力提供者恶意操作而带来的算力网络瘫痪的问题发生，同时解决了传统集中信任管理机制的单点故障、时延增大和可扩展性差等问题，能够有效应对算力网络等融合领域高效高可用的安全防护需求，提升了算力网络的可靠性和安全性。除此之外，将目标推荐值上传至区块链中，能够有更好的容错性和可靠性。56.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明57.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。58.图1示意性示出本公开示例性实施例中一种算力网络的信任管理方法的流程示意图；59.图2示意性示出本公开示例性实施例中确定算力消费者和算力提供者的交互情况的方法的流程示意图；60.图3示意性示出本公开示例性实施例中一种根据交互情况进行目标推荐值的方法的流程示意图；61.图4示意性示出本公开示例性实施例中获取算力消费者的消费权重因子的方法的流程示意图；62.图5示意性示出本公开示例性实施例中另一种根据交互情况计算目标推荐值的方法的流程示意图；63.图6示意性示出本公开示例性实施例中应用场景下算力网络的信任管理方法的流程示意图；64.图7示意性示出本公开示例性实施例中应用场景下算力网络的信任管理系统的架构示意图；65.图8意性示出本公开示例性实施例中一种算力网络的信任管理装置的结构示意图；66.图9意性示出本公开示例性实施例中一种用于实现算力网络的信任管理方法的电子设备；67.图10意性示出本公开示例性实施例中一种用于实现算力网络的信任管理方法的计算机可读存储介质。具体实施方式68.现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。69.本说明书中使用用语“一个”、“一”、“该”和“所述”用以表示存在一个或多个要素/组成部分/等；用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等；用语“第一”和“第二”等仅作为标记使用，不是对其对象的数量限制。70.此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。71.随着智能手机、智能汽车和可穿戴设备等智能终端的不断涌现，第五代移动通信系统正以前所未有的速度实现人与人、人与物、物与物的“万物互联”时代，网络数据流量正呈爆发式增长。gartner报告指出，伴随着海量数据的产生，约75％的工业互联网、物联网等数据在网络边缘侧进行处理。未来网络将在靠近用户的位置部署算力资源，进一步满足各垂直行业的业务需求。72.随着云计算中心节点下沉到边缘侧，边缘计算推动形成“云-边-端”三级算力网络架构，从而实现计算与网络的深度融合。算力网络依赖于“云-边-端”的高效协同，当算力网络的资源共享或交易时，需评估和保证算力消费者被身份可信、服务质量满足要求的算力提供者提供服务。一旦网络中存在恶意节点散布虚假请求、提供虚假服务会干扰提供正常的服务，如何有效评估算力网络中的算力消费者、算力提供者的信任值是亟待解决的问题。现有的集中式信任管理机制无法满足低时延要求，如果发生故障，整个网络容易遭受攻击陷入瘫痪。73.针对相关技术中存在的问题，本公开提出了一种算力网络的信任管理方法。图1示出了算力网络的信任管理方法的流程图，如图1所示，算力网络的信任管理方法至少包括以下步骤：74.步骤s110.当算力消费者请求算力服务时，确定提供算力服务的算力提供者，并从区块链中获取算力提供者的历史信任值。75.步骤s120.根据历史信任值确定算力消费者和算力提供者的交互情况，并按照交互情况计算算力提供者的目标推荐值。76.步骤s130.根据目标推荐值使算力提供者为算力消费者提供算力服务，并将目标推荐值上传至区块链中。77.在本公开的示例性实施例中，提供了一种新的对算力网络进行信任管理的方式，提高了安全性能，有效避免了因算力消费者或算力提供者恶意操作而带来的算力网络瘫痪的问题发生，同时解决了传统集中信任管理机制的单点故障、时延增大和可扩展性差等问题，能够有效应对算力网络等融合领域高效高可用的安全防护需求，提升了算力网络的可靠性和安全性。除此之外，将目标推荐值上传至区块链中，能够有更好的容错性和可靠性。78.下面对算力网络的信任管理方法的各个步骤进行详细说明。79.在步骤s110中，当算力消费者请求算力服务时，确定提供算力服务的算力提供者，并从区块链中获取算力提供者的历史信任值。80.在本公开的示例性实施例中，在算力消费者向算力提供者请求算力服务之前，可以先由pki(publickeyinfrastructure，公开密钥基础设施)授权机构为算力消费者和算力提供者生成公钥和私钥对。81.其中，公钥基础设施是一个包括硬件、软件、人员、策略和规程的集合，用来实现基于公钥密码体制的密钥和证书的产生、管理、存储、分发和撤销等功能。82.pki体系是计算机软硬件、权威机构及应用系统的结合。它为实施电子商务、电子政务、办公自动化等提供了基本的安全服务，从而使那些彼此不认识或距离很远的用户能通过信任链安全地交流。83.pki授权机构负责生成加密密钥，pki授权机构为每个算力消费者和算力提供者生成公钥和私钥对(pka,ska)。算力提供者维护区块链中的公钥，算力消费者维护区块链中的私钥，从而实现算力网络中的所有实体都能够通过区块链相互识别。84.进一步的，算力消费者和算力提供者还能够分别向算力网络编排管理平台申请身份注册。算力网络编排管理平台根据算力消费者和算力提供者提供的证书的合法性来验证注册是否成功。85.当算力消费者和算力提供者认证成功时，可以发送给区块链运营平台中的区块链节点；当算力消费者和算力提供者认证失败时，则返回注册失败。86.当算力提供者在注册验证成功之后，可以进一步申请算力服务注册请求。同样的，算力网络编排管理平台向区块链节点查询证书信息，以根据信息的合法性返回对应的算力服务审核结果。87.为了使算力消费者能够发现身份注册和服务注册均成功的算力提供者所提供的算力服务，算力提供者将建议的算力服务注册到最近的算力提供者。88.算力提供者可以使用分布式哈希表(distributedhashtable，dht)来存储不同算力提供者所能够提供的算力服务。算力提供者维护dht，并通过类似于结构化p2p(peertopeer，对等网络)网络的分布式协议来同步和更新。89.其中，分布式哈希表技术类似tracker(运行于服务器上的一个程序)的根据种子特征码返回种子信息的网络，是一种分布式存储方法。在不需要服务器的情况下，每个客户端负责一个小范围的路由，并负责存储一小部分数据，从而实现整个dht网络的寻址和存储，目前被广泛用于协调和维护关于对等系统的元数据。90.每当算力消费者oi要在时间t请求算力服务sk时，可以从由边缘节点维护的分布式哈希表中查询算力服务sk，以确定潜在的算力提供者。91.进一步的，算力消费者向算力网络编排管理平台发起算力服务请求。更进一步的，根据区块链的区块链可信运营平台向算力网络编排管理平台返回算力提供者的历史信任值。92.在步骤s120中，根据历史信任值确定算力消费者和算力提供者的交互情况，并按照交互情况计算算力提供者的目标推荐值。93.在本公开的示例性实施例中，获取到算力提供者的历史信任值之后，可以根据历史信任值区分算力提供者spj与算力消费者oi之间的交互情况。94.具体的，根据算力提供者spj与算力消费者oi的交互请求可以将交互情况区分为两种。95.在可选的实施例中，图2示出了确定算力消费者和算力提供者的交互情况的方法的流程示意图，如图2所示，该方法至少可以包括以下步骤：在步骤s210中，当历史信任值为第一预设值时，表明算力消费者和算力提供者未进行过交互。96.当历史信任值p(i,j)＝false，表明算力提供者spj与算力消费者oi之间没有进行过交互。97.其中，第一预设值可以是false(假值)。98.除此之外，也可以是当历史信任值不为空值时，表明算力提供者spj没有与算力消费者oi之间发生过数据交互，本示例性实施例对此不做特殊限定。99.在步骤s220中，当历史信任值为第二预设值时，表明算力消费者和算力提供者进行过交互。100.当历史信任值p(i,j)＝true，表明算力提供者spj与算力消费者oi之间进行过交互。101.其中，第一预设值可以是true(真值)。102.除此之外，也可以是当历史信任值为空值时，表明算力提供者spj与算力消费者oi之间发生过数据交互，本示例性实施例对此不做特殊限定。103.在本示例性实施例中，根据历史信任值对算力消费者和算力提供者之间的交互情况进行区分，为目标推荐值的计算提供了理论依据和数据支持。104.在可选的实施例中，图3示出了一种根据交互情况进行目标推荐值的方法的流程示意图，如图3所示，该方法至少可以包括以下步骤：在步骤s310中，当算力消费者和算力提供者未进行过交互时，获取预设时间段内的目标交易数量。105.在算力消费者和算力提供者没有进行过交互的情况下，区块链可信运营平台可以过滤出可用的最近δt个时间单位中发生的目标交易数量。106.在步骤s320中，获取通过算力提供者的间接交互产生的已知推荐值以及与已知推荐值对应的已知权重因子，并对已知推荐值和已知权重因子进行计算得到相关推荐值。107.由于算力消费者和算力提供者没有进行过交互，因此，可以以终端k为依据，获取终端k与算力提供者spj之间交互时的已知推荐值。因此，可以将终端k看做算力提供者spj与算力消费者oi之间产生间接交互的中介。108.在此种情况下，还可以进一步获取终端k与算力提供者spj之间交互时的已知推荐值的已知权重因子。该已知权重因子与终端k有关。举例而言，当终端k的可信度高时，对应的已知权重因子大；当终端k的可信度低时，对应的已知权重因子小。109.在获取到已知推荐值和已知权重因子之后，可以对已知推荐值和已知权重因子进行加权平均计算得到对应的相关推荐值。110.在步骤s330中，获取算力消费者的消费权重因子，对相关推荐值、目标交易数量和消费权重因子进行计算得到目标推荐值。111.在可选的实施例中，图4示出了获取算力消费者的消费权重因子的方法的流程示意图，如图4所示，该方法至少可以包括以下步骤：在步骤s410中，获取预设时间段内的算力提供者的信任值变化量，并对信任值变化量进行划分得到正变化量和负变化量。112.算力消费者将对某个消息的评分可能不同，算力提供者根据算力消费者上传的目标信任值来计算信任值变化量。例如针对某个消息，存在正面评分和负面评分两种。由于存在开关攻击，为了防御先发送真实消息骗取信任值，再进行攻击的行为，算力提供者可以收集信任值变化量{o1,o2,…,om}。113.值得说明的是，收集的信任值变化量可以是预设时间段δt个时间单位内的。114.进一步的，将信任值变化量{o1,o2,…,om}按照取值的正负划分成正变化量和负变化量其中，p为取值是正，即为1的个数；q为取值是负，即为-1的个数。115.在步骤s420中，获取正变化量的正遗忘因子和负变化量的负遗忘因子，并获取初始值。116.更进一步的，引入遗忘因子来降低历史权重。具体的，针对正变化量和负变化量分别设置正遗忘因子λ 和负遗忘因子λ-。117.在可选的实施例中，正遗忘因子小于负遗忘因子。118.值得说明的是，为了满足“建立信任比毁灭信任更困难”这一原则，可以设置正变化量的正遗忘因子小于负变化量的负遗忘因子，亦即λ 《λ-。119.具体的，信任值较高的服务提供者只要发布少量虚假消息，对应的信任值就会快速降低；信任值较低的服务提供者需要发布较多的真实消息，才能够提供对应的信任值。120.除此之外，还可以引入一初始值ecur。一般的，该初始值ecur可以设置为0.5，也可以设置为其他数值，本示例性实施例对此不做特殊限定。121.在步骤s430中，对初始值、正变化量、正遗忘因子、负变化量和负遗忘因子进行计算得到消费权重因子。122.在获取到初始值、正变化量、正遗忘因子、负变化量和负遗忘因子之后，可以按照公式(1)计算消费权重因子：[0123][0124]其中，ek为消费权重因子，ecur为初始值，λ 为正遗忘因子，λ-为负遗忘因子，表征正变化量，表征负变化量。[0125]在本示例性实施例中，通过对初始值、正变化量、正遗忘因子、负变化量和负遗忘因子进行计算得到对应的消费权重因子，为计算算力消费者和算力提供者没有进行过交互的情况下的目标推荐值，以及计算算力消费者和算力提供者进行过交互的情况下的间接推荐值提供了数据支持和理论基础，保证了目标推荐值的计算准确度。[0126]进一步的，在计算出消费权重因子之后，可以对相关推荐值、目标交易数量和消费权重因子进行计算，以得到目标推荐值。[0127]具体的，可以按照公式(2)相关推荐值、目标交易数量和消费权重因子进行计算：[0128][0129]其中，rij(δt)为此种情况下的目标推荐值，ek为消费权重因子，tkj为相关推荐值，|l|表征目标交易数量。[0130]另一方面，算力消费者和算力提供者进行过交互的情况下，也可以计算对应的目标推荐值。[0131]在可选的实施例中，图5示出了另一种根据交互情况计算目标推荐值的方法的流程示意图，如图5所示，该方法至少可以包括以下步骤：在步骤s510中，当算力消费者和算力提供者进行过交互时，对相关推荐值、目标交易数量和消费权重因子进行计算得到间接推荐值。[0132]在算力消费者和算力提供者进行过交互的情况下，区块链可信运营平台可以过滤出可用的最近δt个时间单位中发生的目标交易数量。[0133]获取通过算力提供者的间接交互产生的已知推荐值以及与已知推荐值对应的已知权重因子，并对已知推荐值和已知权重因子进行计算得到相关推荐值。[0134]由于算力消费者和算力提供者没有进行过交互，因此，可以以终端k为依据，获取终端k与算力提供者spj之间交互时的已知推荐值。因此，可以将终端k看做算力提供者spj与算力消费者oi之间产生间接交互的中介。[0135]在此种情况下，还可以进一步获取终端k与算力提供者spj之间交互时的已知推荐值的已知权重因子。该已知权重因子与终端k有关。举例而言，当终端k的可信度高时，对应的已知权重因子大；当终端k的可信度低时，对应的已知权重因子小。[0136]在获取到已知推荐值和已知权重因子之后，可以对已知推荐值和已知权重因子进行加权平均计算得到对应的相关推荐值。[0137]获取算力消费者的消费权重因子，对相关推荐值、目标交易数量和消费权重因子进行计算得到间接推荐值。[0138]获取预设时间段内的算力提供者的信任值变化量，并对信任值变化量进行划分得到正变化量和负变化量。[0139]算力消费者将对某个消息的评分可能不同，算力提供者根据算力消费者上传的目标信任值来计算信任值变化量。例如针对某个消息，存在正面评分和负面评分两种。由于存在开关攻击，为了防御先发送真实消息骗取信任值，再进行攻击的行为，算力提供者可以收集信任值变化量{o1,o2,…,om}。[0140]值得说明的是，收集的信任值变化量可以是预设时间段δt个时间单位内的。[0141]进一步的，将信任值变化量{o1,o2,…,om}按照取值的正负划分成正变化量和负变化量其中，p为取值是正，即为1的个数；q为取值是负，即为-1的个数。[0142]获取正变化量的正遗忘因子和负变化量的负遗忘因子，并获取初始值。[0143]更进一步的，引入遗忘因子来降低历史权重。具体的，针对正变化量和负变化量分别设置正遗忘因子λ 和负遗忘因子λ-。[0144]在可选的实施例中，正遗忘因子小于负遗忘因子。[0145]值得说明的是，为了满足“建立信任比毁灭信任更困难”这一原则，可以设置正变化量的正遗忘因子小于负变化量的负遗忘因子，亦即λ 《λ-。[0146]具体的，信任值较高的服务提供者只要发布少量虚假消息，对应的信任值就会快速降低；信任值较低的服务提供者需要发布较多的真实消息，才能够提供对应的信任值。[0147]除此之外，还可以引入一初始值ecur。一般的，该初始值ecur可以设置为0.5，也可以设置为其他数值，本示例性实施例对此不做特殊限定。[0148]对初始值、正变化量、正遗忘因子、负变化量和负遗忘因子进行计算得到消费权重因子。[0149]在获取到初始值、正变化量、正遗忘因子、负变化量和负遗忘因子之后，可以按照公式(1)计算消费权重因子。[0150]进一步的，在计算出消费权重因子之后，可以对相关推荐值、目标交易数量和消费权重因子进行计算，以得到间接推荐值。[0151]具体的，可以按照公式(2)相关推荐值、目标交易数量和消费权重因子进行计算。[0152]换言之，在算力消费者和算力提供者没有进行过交互的情况下，对应的目标推荐值即为间接推荐值，因此，在算力消费者和算力提供者进行过交互的情况下，可以按照同样的方法计算间接推荐值。[0153]在步骤s520中，获取算力服务的当前满意度，并对当前满意度进行更新得到直接观测值。[0154]当算力消费者oi向算力提供者spj请求一项算力服务sk时，将测量所提供算力服务的满意度。令sij(t)为当前满意度，它可以是[0,1]。[0155]那么，直接观测值可以按照公式(3)进行计算：[0156][0157]其中，t1《t2《…《tn＝t代表请求算力服务sk的瞬时时刻，n是算力服务sk的次数，αij是累计的满意度，并通过αij＝αij sij(t)不断更新。[0158]在步骤s530中，获取历史信任值的历史权重因子、间接推荐值的间接权重因子和直接观测值的直接权重因子，并对历史信任值、历史权重因子、间接推荐值、间接权重因子、直接观测值和直接权重因子进行计算得到目标推荐值。[0159]在获取到历史信任值，并计算出间接推荐值和直接观测值之后，可以对应获取历史信任值、直接观测值和间接推荐值对应的历史权重因子α、直接权重因子β和间接权重因子γ。[0160]进一步的，按照公式(4)对历史信任值、历史权重因子、间接推荐值、间接权重因子、直接观测值和直接权重因子进行计算：[0161][0162]具体的，当历史信任值p(i,j)＝true，表明算力提供者spj与算力消费者oi之间进行过交互，对历史信任值、历史权重因子、间接推荐值、间接权重因子、直接观测值和直接权重因子进行计算得到目标推荐值；当历史信任值p(i,j)＝false，表明算力提供者spj与算力消费者oi之间没有进行过交互，对相关推荐值、目标交易数量和消费权重因子进行计算得到间接推荐值，并将该间接推荐值作为该种情况下的目标推荐值。[0163]其中，0《α,β,γ《1，α, β γ＝1，α,β,γ用于表示加权每个信任参数的重要性，可以由第三方确定对应权重因子，以最大程度地提高信任评估的准确性，并使协议更能应对恶言攻击和选票填充攻击。[0164]在步骤s130中，根据目标推荐值使算力提供者为算力消费者提供算力服务，并将目标推荐值上传至区块链中。[0165]在本公开的示例性实施例中，计算出对应交互情况下的目标推荐值之后，基于每个算力提供者在时间t的目标推荐值选择一个算力提供者。算力消费者根据算力服务的目标推荐值向选择的算力提供者请求算力服务，以使算力提供者为算力服务者提供算力服务。[0166]进一步的，将计算出的目标推荐值上传到区块链的区块链可信运营平台中。[0167]在可选的实施例中，利用共识算法将目标推荐值上传至区块链中。[0168]为了应对可能存在的恶意和故障节点问题，可以采用联盟链的准入规则，在新节点入链之前对其进行审核和验证工作。[0169]其中，可以利用pbft(practicalbyzantinefaulttolerance，实用拜占庭容错算法)共识算法将目标推荐值上传至区块链中，也可以利用其他算法实现，本示例性实施例对此不做特殊限定。[0170]具体的，客户端首先发送具体的请求给网络中的主节点，主节点收到请求之后，将其发送给网络中的其他节点。网络中的其余节点随即开始执行共识机制的主要流程，分别是预准备阶段，准备阶段以及提交阶段。[0171]在预准备阶段中，节点在收到预准备消息之后，需要先对其进行检查和校验工作，再决定是否接收该消息。[0172]其中，节点所作的检查和校验工作包括消息的编号和视图是否合理、交易的签名等信息是否有效等。[0173]当预准备消息通过节点的校验之后，节点接收该条消息，并将其作为准备消息广播到网络中的其他节点。与此同时，节点也进入到准备阶段。[0174]在准备阶段中，各个节点统计收到该条准备消息的数量。[0175]在固定的时间内，一旦收到的准备消息的数量超过2f(f表示问题节点的数量)，说明此时网络中的大多数节点已经完成了该条消息的广播，此时进入提交阶段。[0176]在提交阶段中，节点向网络中的其他节点发送提交信息的同时，统计本节点收到的提交消息的数量.[0177]一旦收到超过2f 1个提交消息，说明达到提交阶段的节点数量达到了预期。此时，将节点的消息写入磁盘，并反馈给客户端。[0178]客户端对收到消息的数量进行计算。[0179]一旦反馈的节点数量超过f个，说明共识流程执行完毕，交易成功，实现了目标推荐值上传到区块链中。[0180]下面结合一应用场景对本公开实施例中算力网络的信任管理方法做出详细说明。[0181]图6示出了应用场景下算力网络的信任管理方法的流程示意图，如图6所示，在步骤s610中，pki授权机构生成公钥和私钥对。[0182]在算力消费者向算力提供者请求算力服务之前，可以先由pki授权机构为算力消费者和算力提供者生成公钥和私钥对。[0183]pki授权机构负责生成加密密钥，pki授权机构为每个算力消费者和算力提供者生成公钥和私钥对(pka,ska)。算力提供者维护区块链中的公钥，算力消费者维护区块链中的私钥，从而实现算力网络中的所有实体都能够通过区块链相互识别。[0184]在步骤s620中，算力消费者进行身份注册；算力提供者进行身份注册和算力服务注册。[0185]算力消费者和算力提供者还能够分别向算力网络编排管理平台申请身份注册。算力网络编排管理平台根据算力消费者和算力提供者提供的证书的合法性来验证注册是否成功。[0186]当算力消费者和算力提供者认证成功时，可以发送给区块链运营平台中的区块链节点；当算力消费者和算力提供者认证失败时，则返回注册失败。[0187]当算力提供者在注册验证成功之后，可以进一步申请算力服务注册请求。同样的，算力网络编排管理平台向区块链节点查询证书信息，以根据信息的合法性返回对应的算力服务审核结果。[0188]为了使算力消费者能够发现身份注册和服务注册均成功的算力提供者所提供的算力服务，算力提供者将建议的算力服务注册到最近的算力提供者。[0189]算力提供者可以使用分布式哈希表(distributedhashtable，dht)来存储不同算力提供者所能够提供的算力服务。算力提供者维护dht，并通过类似于结构化p2p网络的分布式协议来同步和更新。[0190]每当算力消费者oi要在时间t请求算力服务sk时，可以从由边缘节点维护的分布式哈希表中查询算力服务sk，以确定潜在的算力提供者。[0191]在步骤s630中，算力消费者向算力网络编排管理平台发起服务请求。[0192]算力消费者向算力网络编排管理平台发起算力服务请求。[0193]在步骤s640中，算力网络编排管理平台向区块链可信运营平台请求算力提供者的历史信任值。[0194]根据区块链的区块链可信运营平台向算力网络编排管理平台返回算力提供者的历史信任值。[0195]在步骤s650中，判断算力提供者与算力消费者发生过数据交互。[0196]在获取到算力提供者的历史信任值之后，可以根据历史信任值区分算力提供者spj与算力消费者oi之间的交互情况。[0197]具体的，根据算力提供者spj与算力消费者oi的交互请求可以将交互情况区分为两种。[0198]当历史信任值为第一预设值时，表明算力消费者和算力提供者未进行过交互。[0199]当历史信任值p(i,j)＝false，表明算力提供者spj与算力消费者oi之间没有进行过交互。[0200]其中，第一预设值可以是false。[0201]除此之外，也可以是当历史信任值不为空值时，表明算力提供者spj没有与算力消费者oi之间发生过数据交互，本示例性实施例对此不做特殊限定。[0202]当历史信任值为第二预设值时，表明算力消费者和算力提供者进行过交互。[0203]当历史信任值p(i,j)＝true，表明算力提供者spj与算力消费者oi之间进行过交互。[0204]其中，第一预设值可以是true。[0205]除此之外，也可以是当历史信任值为空值时，表明算力提供者spj与算力消费者oi之间发生过数据交互，本示例性实施例对此不做特殊限定。[0206]在步骤s660中，计算直接观测值。[0207]在算力消费者和算力提供者进行过交互的情况下，可以获取算力服务的当前满意度，并对当前满意度进行更新得到直接观测值。[0208]当算力消费者oi向算力提供者spj请求一项算力服务sk时，将测量所提供算力服务的满意度。令sij(t)为当前满意度，它可以是[0,1]。[0209]那么，直接观测值可以按照公式(3)进行计算。[0210]在步骤s670中，计算间接信任值。[0211]具体的，区块链可信运营平台可以过滤出可用的最近δt个时间单位中发生的目标交易数量l。[0212]获取通过算力提供者的间接交互产生的已知推荐值以及与已知推荐值对应的已知权重因子，并对已知推荐值和已知权重因子进行计算得到相关推荐值。[0213]由于算力消费者和算力提供者没有进行过交互，因此，可以以终端k为依据，获取终端k与算力提供者spj之间交互时的已知推荐值。因此，可以将终端k看做算力提供者spj与算力消费者oi之间产生间接交互的中介。[0214]在此种情况下，还可以进一步获取终端k与算力提供者spj之间交互时的已知推荐值的已知权重因子。该已知权重因子与终端k有关。举例而言，当终端k的可信度高时，对应的已知权重因子大；当终端k的可信度低时，对应的已知权重因子小。[0215]在获取到已知推荐值和已知权重因子之后，可以对已知推荐值和已知权重因子进行加权平均计算得到对应的相关推荐值。[0216]获取算力消费者的消费权重因子，对相关推荐值、目标交易数量和消费权重因子进行计算得到目标推荐值。[0217]获取预设时间段内的算力提供者的信任值变化量，并对信任值变化量进行划分得到正变化量和负变化量。[0218]算力消费者将对某个消息的评分可能不同，算力提供者根据算力消费者上传的目标信任值来计算信任值变化量。例如针对某个消息，存在正面评分和负面评分两种。由于存在开关攻击，为了防御先发送真实消息骗取信任值，再进行攻击的行为，算力提供者可以收集信任值变化量{o1,o2,…,om}。[0219]值得说明的是，收集的信任值变化量可以是预设时间段δt个时间单位内的。[0220]进一步的，将信任值变化量{o1,o2,…,om}按照取值的正负划分成正变化量和负变化量其中，p为取值是正，即为1的个数；q为取值是负，即为-1的个数。[0221]获取正变化量的正遗忘因子和负变化量的负遗忘因子，并获取初始值。[0222]更进一步的，引入遗忘因子来降低历史权重。具体的，针对正变化量和负变化量分别设置正遗忘因子λ 和负遗忘因子λ-。[0223]在可选的实施例中，正遗忘因子小于负遗忘因子。[0224]值得说明的是，为了满足“建立信任比毁灭信任更困难”这一原则，可以设置正变化量的正遗忘因子小于负变化量的负遗忘因子，亦即λ 《λ-。[0225]具体的，信任值较高的服务提供者只要发布少量虚假消息，对应的信任值就会快速降低；信任值较低的服务提供者需要发布较多的真实消息，才能够提供对应的信任值。[0226]除此之外，还可以引入一初始值ecur。一般的，该初始值ecur可以设置为0.5，也可以设置为其他数值，本示例性实施例对此不做特殊限定。[0227]对初始值、正变化量、正遗忘因子、负变化量和负遗忘因子进行计算得到消费权重因子。[0228]在获取到初始值、正变化量、正遗忘因子、负变化量和负遗忘因子之后，可以按照公式(1)计算消费权重因子。[0229]进一步的，在计算出消费权重因子之后，可以对相关推荐值、目标交易数量和消费权重因子进行计算，以得到目标推荐值。[0230]具体的，可以按照公式(2)相关推荐值、目标交易数量和消费权重因子进行计算得到间接信任值。[0231]值得说明的是，在算力消费者和算力提供者没有进行过交互的情况下，此时的间接信任值即为该种情况下的目标推荐值。[0232]获取历史信任值的历史权重因子、间接推荐值的间接权重因子和直接观测值的直接权重因子，并对历史信任值、历史权重因子、间接推荐值、间接权重因子、直接观测值和直接权重因子进行计算得到目标推荐值。[0233]在获取到历史信任值，并计算出间接推荐值和直接观测值之后，可以对应获取历史信任值、直接观测值和间接推荐值对应的历史权重因子α、直接权重因子β和间接权重因子γ。[0234]进一步的，按照公式(4)对历史信任值、历史权重因子、间接推荐值、间接权重因子、直接观测值和直接权重因子进行计算得到算力消费者和算力提供者进行过交互的情况下的目标推荐值。[0235]在步骤s680中，选择信任值高的算力提供者。[0236]在计算出对应交互情况下的目标推荐值之后，基于每个算力提供者在时间t的目标推荐值选择一个算力提供者。算力消费者根据算力服务的目标推荐值向选择的算力提供者请求算力服务，以使算力提供者为算力服务者提供算力服务。[0237]为了应对可能存在的恶意和故障节点问题，可以采用联盟链的准入规则，在新节点入链之前对其进行审核和验证工作。[0238]其中，可以利用pbft公式算法将目标推荐值上传至区块链中，也可以利用其他算法实现，本示例性实施例对此不做特殊限定。[0239]具体的，客户端首先发送具体的请求给网络中的主节点，主节点收到请求之后，将其发送给网络中的其他节点。网络中的其余节点随即开始执行共识机制的主要流程，分别是预准备阶段，准备阶段以及提交阶段。[0240]在预准备阶段中，节点在收到预准备消息之后，需要先对其进行检查和校验工作，再决定是否接收该消息。[0241]其中，节点所作的检查和校验工作包括消息的编号和视图是否合理、交易的签名等信息是否有效等。[0242]当预准备消息通过节点的校验之后，节点接收该条消息，并将其作为准备消息广播到网络中的其他节点。与此同时，节点也进入到准备阶段。[0243]在准备阶段中，各个节点统计收到该条准备消息的数量。[0244]在固定的时间内，一旦收到的准备消息的数量超过2f(f表示问题节点的数量)，说明此时网络中的大多数节点已经完成了该条消息的广播，此时进入提交阶段。[0245]在提交阶段中，节点向网络中的其他节点发送提交信息的同时，统计本节点收到的提交消息的数量.[0246]一旦收到超过2f 1个提交消息，说明达到提交阶段的节点数量达到了预期。此时，将节点的消息写入磁盘，并反馈给客户端。[0247]客户端对收到消息的数量进行计算。[0248]一旦反馈的节点数量超过f个，说明共识流程执行完毕，交易成功，实现了目标推荐值上传到区块链中。[0249]图7示出了应用场景下算力网络的信任管理系统的架构示意图，如图7所示，该信任管理架构中包括判断模块710、信任值计算模块720、决策推荐模块730、算力网络编排和管理模块740以及算力网络服务模块750。[0250]其中，判断模块710用于判断算力消费者和算力提供者之间是否发生过数据交互。[0251]在获取到算力提供者的历史信任值之后，可以根据历史信任值区分算力提供者spj与算力消费者oi之间的交互情况。[0252]具体的，根据算力提供者spj与算力消费者oi的交互请求可以将交互情况区分为两种。[0253]当历史信任值为第一预设值时，表明算力消费者和算力提供者未进行过交互。[0254]当历史信任值p(i,j)＝false，表明算力提供者spj与算力消费者oi之间没有进行过交互。[0255]其中，第一预设值可以是false。[0256]除此之外，也可以是当历史信任值不为空值时，表明算力提供者spj没有与算力消费者oi之间发生过数据交互，本示例性实施例对此不做特殊限定。[0257]当历史信任值为第二预设值时，表明算力消费者和算力提供者进行过交互。[0258]当历史信任值p(i,j)＝true，表明算力提供者spj与算力消费者oi之间进行过交互。[0259]其中，第一预设值可以是true。[0260]除此之外，也可以是当历史信任值为空值时，表明算力提供者spj与算力消费者oi之间发生过数据交互，本示例性实施例对此不做特殊限定。[0261]信任值计算模块720根据判断模块710的判断结果计算目标信任值。如果算力消费者之间未与算力提供者之间进行过交互，则算力消费者仅将间接推荐值视为目标信任值；如果算力消费者先前与算力提供者进行过交互，将基于历史信任值、直接观测值和间接推荐值来评估目标信任值。[0262]在算力消费者和算力提供者进行过交互的情况下，可以获取算力服务的当前满意度，并对当前满意度进行更新得到直接观测值。[0263]当算力消费者oi向算力提供者spj请求一项算力服务sk时，将测量所提供算力服务的满意度。令sij(t)为当前满意度，它可以是[0,1]。[0264]那么，直接观测值可以按照公式(3)进行计算。[0265]具体的，区块链可信运营平台可以过滤出可用的最近δt个时间单位中发生的目标交易数量l。[0266]获取通过算力提供者的间接交互产生的已知推荐值以及与已知推荐值对应的已知权重因子，并对已知推荐值和已知权重因子进行计算得到相关推荐值。[0267]由于算力消费者和算力提供者没有进行过交互，因此，可以以终端k为依据，获取终端k与算力提供者spj之间交互时的已知推荐值。因此，可以将终端k看做算力提供者spj与算力消费者oi之间产生间接交互的中介。[0268]在此种情况下，还可以进一步获取终端k与算力提供者spj之间交互时的已知推荐值的已知权重因子。该已知权重因子与终端k有关。举例而言，当终端k的可信度高时，对应的已知权重因子大；当终端k的可信度低时，对应的已知权重因子小。[0269]在获取到已知推荐值和已知权重因子之后，可以对已知推荐值和已知权重因子进行加权平均计算得到对应的相关推荐值。[0270]获取算力消费者的消费权重因子，对相关推荐值、目标交易数量和消费权重因子进行计算得到目标推荐值。[0271]获取预设时间段内的算力提供者的信任值变化量，并对信任值变化量进行划分得到正变化量和负变化量。[0272]算力消费者将对某个消息的评分可能不同，算力提供者根据算力消费者上传的目标信任值来计算信任值变化量。例如针对某个消息，存在正面评分和负面评分两种。由于存在开关攻击，为了防御先发送真实消息骗取信任值，再进行攻击的行为，算力提供者可以收集信任值变化量{o1,o2,…,om}。[0273]值得说明的是，收集的信任值变化量可以是预设时间段δt个时间单位内的。[0274]进一步的，将信任值变化量{o1,o2,…,om}按照取值的正负划分成正变化量和负变化量其中，p为取值是正，即为1的个数；q为取值是负，即为-1的个数。[0275]获取正变化量的正遗忘因子和负变化量的负遗忘因子，并获取初始值。[0276]更进一步的，引入遗忘因子来降低历史权重。具体的，针对正变化量和负变化量分别设置正遗忘因子λ 和负遗忘因子λ-。[0277]在可选的实施例中，正遗忘因子小于负遗忘因子。[0278]值得说明的是，为了满足“建立信任比毁灭信任更困难”这一原则，可以设置正变化量的正遗忘因子小于负变化量的负遗忘因子，亦即λ 《λ-。[0279]具体的，信任值较高的服务提供者只要发布少量虚假消息，对应的信任值就会快速降低；信任值较低的服务提供者需要发布较多的真实消息，才能够提供对应的信任值。[0280]除此之外，还可以引入一初始值ecur。一般的，该初始值ecur可以设置为0.5，也可以设置为其他数值，本示例性实施例对此不做特殊限定。[0281]对初始值、正变化量、正遗忘因子、负变化量和负遗忘因子进行计算得到消费权重因子。[0282]在获取到初始值、正变化量、正遗忘因子、负变化量和负遗忘因子之后，可以按照公式(1)计算消费权重因子。[0283]进一步的，在计算出消费权重因子之后，可以对相关推荐值、目标交易数量和消费权重因子进行计算，以得到目标推荐值。[0284]具体的，可以按照公式(2)相关推荐值、目标交易数量和消费权重因子进行计算得到间接信任值。[0285]值得说明的是，在算力消费者和算力提供者没有进行过交互的情况下，此时的间接信任值即为该种情况下的目标推荐值。[0286]获取历史信任值的历史权重因子、间接推荐值的间接权重因子和直接观测值的直接权重因子，并对历史信任值、历史权重因子、间接推荐值、间接权重因子、直接观测值和直接权重因子进行计算得到目标推荐值。[0287]在获取到历史信任值，并计算出间接推荐值和直接观测值之后，可以对应获取历史信任值、直接观测值和间接推荐值对应的历史权重因子α、直接权重因子β和间接权重因子γ。[0288]进一步的，按照公式(4)对历史信任值、历史权重因子、间接推荐值、间接权重因子、直接观测值和直接权重因子进行计算得到算力消费者和算力提供者进行过交互的情况下的目标推荐值。[0289]决策推荐模块730用于决策具体推荐的算力提供者。[0290]在计算出对应交互情况下的目标推荐值之后，基于每个算力提供者在时间t的目标推荐值选择一个算力提供者。[0291]算力网络编排和管理模块740用于实现算力网络的编排、安全、建模和oam功能。编排模块负责算力网络资源和服务的编排和管理；安全模块负责应用与安全相关的控件，以减轻算力网络环境中的安全威胁；算力建模模块可以根据算力服务类型进行算力建模；oam(operationadministrationandmaintenance，操作维护管理)模块实现了算力网络的操作、管理和维护。[0292]算力网络服务模块750用于提供给用户服务功能，例如实现用户、平台和资源节点的交易等功能。[0293]更进一步的，为了应对可能存在的恶意和故障节点问题，可以采用联盟链的准入规则，在新节点入链之前对其进行审核和验证工作。[0294]其中，可以利用pbft共识算法将目标推荐值上传至区块链中，也可以利用其他算法实现，本示例性实施例对此不做特殊限定。[0295]具体的，客户端首先发送具体的请求给网络中的主节点，主节点收到请求之后，将其发送给网络中的其他节点。网络中的其余节点随即开始执行共识机制的主要流程，分别是预准备阶段，准备阶段以及提交阶段。[0296]在预准备阶段中，节点在收到预准备消息之后，需要先对其进行检查和校验工作，再决定是否接收该消息。[0297]其中，节点所作的检查和校验工作包括消息的编号和视图是否合理、交易的签名等信息是否有效等。[0298]当预准备消息通过节点的校验之后，节点接收该条消息，并将其作为准备消息广播到网络中的其他节点。与此同时，节点也进入到准备阶段。[0299]在准备阶段中，各个节点统计收到该条准备消息的数量。[0300]在固定的时间内，一旦收到的准备消息的数量超过2f(f表示问题节点的数量)，说明此时网络中的大多数节点已经完成了该条消息的广播，此时进入提交阶段。[0301]在提交阶段中，节点向网络中的其他节点发送提交信息的同时，统计本节点收到的提交消息的数量.[0302]一旦收到超过2f 1个提交消息，说明达到提交阶段的节点数量达到了预期。此时，将节点的消息写入磁盘，并反馈给客户端。[0303]客户端对收到消息的数量进行计算。[0304]一旦反馈的节点数量超过f个，说明共识流程执行完毕，交易成功，实现了目标推荐值上传到区块链中。[0305]具体的，在信任值计算模块720中，还可以包括直接推荐值计算单元、间接推荐值计算单元、历史信任值储存单元和算力消费者权重计算单元。[0306]其中，直接推荐值计算单元用于计算算力消费者的推荐值。[0307]在算力消费者和算力提供者进行过交互的情况下，可以获取算力服务的当前满意度，并对当前满意度进行更新得到直接观测值。[0308]当算力消费者oi向算力提供者spj请求一项算力服务sk时，将测量所提供算力服务的满意度。令sij(t)为当前满意度，它可以是[0,1]。[0309]那么，直接观测值可以按照公式(3)进行计算。[0310]间接推荐值计算单元用于计算其他算力提供者的推荐值。[0311]具体的，区块链可信运营平台可以过滤出可用的最近δt个时间单位中发生的目标交易数量l。[0312]获取通过算力提供者的间接交互产生的已知推荐值以及与已知推荐值对应的已知权重因子，并对已知推荐值和已知权重因子进行计算得到相关推荐值。[0313]由于算力消费者和算力提供者没有进行过交互，因此，可以以终端k为依据，获取终端k与算力提供者spj之间交互时的已知推荐值。因此，可以将终端k看做算力提供者spj与算力消费者oi之间产生间接交互的中介。[0314]在此种情况下，还可以进一步获取终端k与算力提供者spj之间交互时的已知推荐值的已知权重因子。该已知权重因子与终端k有关。举例而言，当终端k的可信度高时，对应的已知权重因子大；当终端k的可信度低时，对应的已知权重因子小。[0315]在获取到已知推荐值和已知权重因子之后，可以对已知推荐值和已知权重因子进行加权平均计算得到对应的相关推荐值。[0316]获取算力消费者的消费权重因子，对相关推荐值、目标交易数量和消费权重因子进行计算得到目标推荐值。[0317]获取预设时间段内的算力提供者的信任值变化量，并对信任值变化量进行划分得到正变化量和负变化量。[0318]算力消费者将对某个消息的评分可能不同，算力提供者根据算力消费者上传的目标信任值来计算信任值变化量。例如针对某个消息，存在正面评分和负面评分两种。由于存在开关攻击，为了防御先发送真实消息骗取信任值，再进行攻击的行为，算力提供者可以收集信任值变化量{o1,o2,…,om}。[0319]值得说明的是，收集的信任值变化量可以是预设时间段δt个时间单位内的。[0320]进一步的，将信任值变化量{o1,o2,…,om}按照取值的正负划分成正变化量和负变化量其中，p为取值是正，即为1的个数；q为取值是负，即为-1的个数。[0321]获取正变化量的正遗忘因子和负变化量的负遗忘因子，并获取初始值。[0322]更进一步的，引入遗忘因子来降低历史权重。具体的，针对正变化量和负变化量分别设置正遗忘因子λ 和负遗忘因子λ-。[0323]在可选的实施例中，正遗忘因子小于负遗忘因子。[0324]值得说明的是，为了满足“建立信任比毁灭信任更困难”这一原则，可以设置正变化量的正遗忘因子小于负变化量的负遗忘因子，亦即λ 《λ-。[0325]具体的，信任值较高的服务提供者只要发布少量虚假消息，对应的信任值就会快速降低；信任值较低的服务提供者需要发布较多的真实消息，才能够提供对应的信任值。[0326]除此之外，还可以引入一初始值ecur。一般的，该初始值ecur可以设置为0.5，也可以设置为其他数值，本示例性实施例对此不做特殊限定。[0327]对初始值、正变化量、正遗忘因子、负变化量和负遗忘因子进行计算得到消费权重因子。[0328]在获取到初始值、正变化量、正遗忘因子、负变化量和负遗忘因子之后，可以按照公式(1)计算消费权重因子。[0329]进一步的，在计算出消费权重因子之后，可以对相关推荐值、目标交易数量和消费权重因子进行计算，以得到目标推荐值。[0330]具体的，可以按照公式(2)相关推荐值、目标交易数量和消费权重因子进行计算得到间接信任值。[0331]值得说明的是，在算力消费者和算力提供者没有进行过交互的情况下，此时的间接信任值即为该种情况下的目标推荐值。[0332]历史信任值储存单元用于储存历史信任值。[0333]算力消费者权重计算单元用于计算消费者推荐值的权重因子。[0334]在该应用场景下的算力网络的信任管理方法，提供了一种新的对算力网络进行信任管理的方式，提高了安全性能，有效避免了因算力消费者或算力提供者恶意操作而带来的算力网络瘫痪的问题发生，同时解决了传统集中信任管理机制的单点故障、时延增大和可扩展性差等问题，能够有效应对算力网络等融合领域高效高可用的安全防护需求，提升了算力网络的可靠性和安全性。除此之外，将目标推荐值上传至区块链中，能够有更好的容错性和可靠性。[0335]除此之外，利用共识算法将目标推荐值上传至区块链中，相对于pow、pos等其他区块链算法，能够有更好的容错性和可靠性。[0336]图8示出了算力网络的信任管理装置的结构示意图，如图8所示，算力网络的信任管理装置800可以包括：数据获取模块810、交互计算模块820和信任管理模块830。其中：[0337]数据获取模块810，被配置为当算力消费者请求算力服务时，确定提供算力服务的算力提供者，并从区块链中获取所述算力提供者的历史信任值；[0338]交互计算模块820，被配置为根据所述历史信任值确定所述算力消费者和所述算力提供者的交互情况，并按照所述交互情况计算所述算力提供者的目标推荐值；[0339]信任管理模块830，被配置为根据所述目标推荐值使所述算力提供者为所述算力消费者提供算力服务，并将所述目标推荐值上传至所述区块链中。[0340]在本发明的一种示例性实施例中，所述根据所述历史信任值确定所述算力消费者和所述算力提供者的交互情况，包括：[0341]当所述历史信任值为第一预设值时，表明所述算力消费者和所述算力提供者未进行过交互；[0342]当所述历史信任值为第二预设值时，表明所述算力消费者和所述算力提供者进行过交互。[0343]在本发明的一种示例性实施例中，所述按照所述交互情况计算所述算力提供者的目标推荐值，包括：[0344]当所述算力消费者和所述算力提供者未进行过交互时，获取预设时间段内的目标交易数量；[0345]获取通过所述算力提供者的间接交互产生的已知推荐值以及与所述已知推荐值对应的已知权重因子，并对所述已知推荐值和所述已知权重因子进行计算得到相关推荐值；[0346]获取所述算力消费者的消费权重因子，对所述相关推荐值、所述目标交易数量和所述消费权重因子进行计算得到目标推荐值。[0347]在本发明的一种示例性实施例中，所述获取所述算力消费者的消费权重因子，包括：[0348]获取所述预设时间段内的所述算力提供者的信任值变化量，并对所述信任值变化量进行划分得到正变化量和负变化量；[0349]获取所述正变化量的正遗忘因子和所述负变化量的负遗忘因子，并获取初始值；[0350]对所述初始值、所述正变化量、所述正遗忘因子、所述负变化量和所述负遗忘因子进行计算得到消费权重因子。[0351]在本发明的一种示例性实施例中，所述正遗忘因子小于所述负遗忘因子。[0352]在本发明的一种示例性实施例中，所述按照所述交互情况计算所述算力提供者的目标推荐值，包括：[0353]当所述算力消费者和所述算力提供者进行过交互时，对所述相关推荐值、所述目标交易数量和所述消费权重因子进行计算得到间接推荐值；[0354]获取算力服务的当前满意度，并对所述当前满意度进行更新得到直接观测值；[0355]获取所述历史信任值的历史权重因子、所述间接推荐值的间接权重因子和所述直接观测值的直接权重因子，并对所述历史信任值、所述历史权重因子、所述间接推荐值、所述间接权重因子、所述直接观测值和所述直接权重因子进行计算得到目标推荐值。[0356]在本发明的一种示例性实施例中，所述将所述目标推荐值上传至所述区块链中，包括：[0357]利用共识算法将所述目标推荐值上传至所述区块链中。[0358]上述算力网络的信任管理装置800的具体细节已经在对应的算力网络的信任管理方法中进行了详细的描述，因此此处不再赘述。[0359]应当注意，尽管在上文详细描述中提及了算力网络的信任管理装置800的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。[0360]此外，在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。[0361]下面参照图9来描述根据本发明的这种实施例的电子设备1100。图9显示的电子设备900仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。[0362]如图9所示，电子设备900以通用计算设备的形式表现。电子设备900的组件可以包括但不限于：上述至少一个处理单元910、上述至少一个存储单元920、连接不同系统组件(包括存储单元920和处理单元910)的总线930、显示单元940。[0363]其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元910执行，使得所述处理单元910执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。[0364]存储单元920可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)921和/或高速缓存存储单元922，还可以进一步包括只读存储单元(rom)923。[0365]存储单元920还可以包括具有一组(至少一个)程序模块925的程序/实用工具924，这样的程序模块925包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。[0366]总线930可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。[0367]电子设备900也可以与一个或多个外部设备1100(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备900交互的设备通信，和/或与使得该电子设备900能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口950进行。并且，电子设备900还可以通过网络适配器960与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器960通过总线930与电子设备900的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备900使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。[0368]通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。[0369]在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。[0370]参考图10所示，描述了根据本发明的实施例的用于实现上述方法的程序产品1000，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。[0371]所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。[0372]计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。[0373]可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。[0374]可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c 等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。[0375]本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本
技术领域：
：中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。当前第1页12当前第1页12
技术领域：
：，尤其涉及一种算力网络的信任管理方法与算力网络的信任管理装置、计算机可读存储介质及电子设备。
背景技术：
：：2.随着智能手机、智能汽车和可穿戴设备等智能终端的不断涌现，第五代移动通信系统(5thgenerationmobilenetworks，5g)正以前所未有的速度实现人与人、人与物、物与物的“万物互联(internetofeverything，ioe)”时代，网络数据流量正呈爆发式增长。gartner(国际研究机构)报告指出，伴随着海量数据的产生，约75％的工业互联网、物联网等数据在网络边缘侧进行处理。未来网络将在靠近用户的位置部署算力资源，进一步满足各垂直行业的业务需求。3.随着云计算中心节点下沉到边缘侧，边缘计算推动形成“云-边-端”三级算力网络架构，从而实现计算与网络的深度融合。算力网络依赖于“云-边-端”的高效协同，当算力网络的资源共享或交易时，需评估和保证算力消费者被身份可信、服务质量满足要求的算力提供者提供服务。一旦网络中存在恶意节点散布虚假请求、提供虚假服务会干扰提供正常的服务，如何有效评估算力网络中的算力消费者、算力提供者的信任值是亟待解决的问题。现有的集中式信任管理机制无法满足低时延要求，如果发生故障，整个网络容易遭受攻击陷入瘫痪。4.鉴于此，本领域亟需开发一种新的算力网络的信任管理方法及装置。5.需要说明的是，在上述
背景技术：
：部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。技术实现要素：6.本公开的目的在于提供一种算力网络的信任管理方法、算力网络的信任管理装置、计算机可读存储介质及电子设备，进而至少在一定程度上克服由于相关技术的限制而导致的高时延和网络易瘫痪的技术问题。7.本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。8.根据本发明实施例的第一个方面，提供一种算力网络的信任管理方法，所述方法包括：9.当算力消费者请求算力服务时，确定提供算力服务的算力提供者，并从区块链中获取所述算力提供者的历史信任值；10.根据所述历史信任值确定所述算力消费者和所述算力提供者的交互情况，并按照所述交互情况计算所述算力提供者的目标推荐值；11.根据所述目标推荐值使所述算力提供者为所述算力消费者提供算力服务，并将所述目标推荐值上传至所述区块链中。12.在本发明的一种示例性实施例中，所述根据所述历史信任值确定所述算力消费者和所述算力提供者的交互情况，包括：13.当所述历史信任值为第一预设值时，表明所述算力消费者和所述算力提供者未进行过交互；14.当所述历史信任值为第二预设值时，表明所述算力消费者和所述算力提供者进行过交互。15.在本发明的一种示例性实施例中，所述按照所述交互情况计算所述算力提供者的目标推荐值，包括：16.当所述算力消费者和所述算力提供者未进行过交互时，获取预设时间段内的目标交易数量；17.获取通过所述算力提供者的间接交互产生的已知推荐值以及与所述已知推荐值对应的已知权重因子，并对所述已知推荐值和所述已知权重因子进行计算得到相关推荐值；18.获取所述算力消费者的消费权重因子，对所述相关推荐值、所述目标交易数量和所述消费权重因子进行计算得到目标推荐值。19.在本发明的一种示例性实施例中，所述获取所述算力消费者的消费权重因子，包括：20.获取所述预设时间段内的所述算力提供者的信任值变化量，并对所述信任值变化量进行划分得到正变化量和负变化量；21.获取所述正变化量的正遗忘因子和所述负变化量的负遗忘因子，并获取初始值；22.对所述初始值、所述正变化量、所述正遗忘因子、所述负变化量和所述负遗忘因子进行计算得到消费权重因子。23.在本发明的一种示例性实施例中，所述正遗忘因子小于所述负遗忘因子。24.在本发明的一种示例性实施例中，所述按照所述交互情况计算所述算力提供者的目标推荐值，包括：25.当所述算力消费者和所述算力提供者进行过交互时，对所述相关推荐值、所述目标交易数量和所述消费权重因子进行计算得到间接推荐值；26.获取算力服务的当前满意度，并对所述当前满意度进行更新得到直接观测值；27.获取所述历史信任值的历史权重因子、所述间接推荐值的间接权重因子和所述直接观测值的直接权重因子，并对所述历史信任值、所述历史权重因子、所述间接推荐值、所述间接权重因子、所述直接观测值和所述直接权重因子进行计算得到目标推荐值。28.在本发明的一种示例性实施例中，所述将所述目标推荐值上传至所述区块链中，包括：29.利用共识算法将所述目标推荐值上传至所述区块链中。30.根据本发明实施例的第二个方面，提供一种算力网络的信任管理装置，包括：31.数据获取模块，被配置为当算力消费者请求算力服务时，确定提供算力服务的算力提供者，并从区块链中获取所述算力提供者的历史信任值；32.交互计算模块，被配置为根据所述历史信任值确定所述算力消费者和所述算力提供者的交互情况，并按照所述交互情况计算所述算力提供者的目标推荐值；33.信任管理模块，被配置为根据所述目标推荐值使所述算力提供者为所述算力消费者提供算力服务，并将所述目标推荐值上传至所述区块链中。34.在本发明的一种示例性实施例中，所述根据所述历史信任值确定所述算力消费者和所述算力提供者的交互情况，包括：35.当所述历史信任值为第一预设值时，表明所述算力消费者和所述算力提供者未进行过交互；36.当所述历史信任值为第二预设值时，表明所述算力消费者和所述算力提供者进行过交互。37.在本发明的一种示例性实施例中，所述按照所述交互情况计算所述算力提供者的目标推荐值，包括：38.当所述算力消费者和所述算力提供者未进行过交互时，获取预设时间段内的目标交易数量；39.获取通过所述算力提供者的间接交互产生的已知推荐值以及与所述已知推荐值对应的已知权重因子，并对所述已知推荐值和所述已知权重因子进行计算得到相关推荐值；40.获取所述算力消费者的消费权重因子，对所述相关推荐值、所述目标交易数量和所述消费权重因子进行计算得到目标推荐值。41.在本发明的一种示例性实施例中，所述获取所述算力消费者的消费权重因子，包括：42.获取所述预设时间段内的所述算力提供者的信任值变化量，并对所述信任值变化量进行划分得到正变化量和负变化量；43.获取所述正变化量的正遗忘因子和所述负变化量的负遗忘因子，并获取初始值；44.对所述初始值、所述正变化量、所述正遗忘因子、所述负变化量和所述负遗忘因子进行计算得到消费权重因子。45.在本发明的一种示例性实施例中，所述正遗忘因子小于所述负遗忘因子。46.在本发明的一种示例性实施例中，所述按照所述交互情况计算所述算力提供者的目标推荐值，包括：47.当所述算力消费者和所述算力提供者进行过交互时，对所述相关推荐值、所述目标交易数量和所述消费权重因子进行计算得到间接推荐值；48.获取算力服务的当前满意度，并对所述当前满意度进行更新得到直接观测值；49.获取所述历史信任值的历史权重因子、所述间接推荐值的间接权重因子和所述直接观测值的直接权重因子，并对所述历史信任值、所述历史权重因子、所述间接推荐值、所述间接权重因子、所述直接观测值和所述直接权重因子进行计算得到目标推荐值。50.在本发明的一种示例性实施例中，所述将所述目标推荐值上传至所述区块链中，包括：51.利用共识算法将所述目标推荐值上传至所述区块链中。52.根据本发明实施例的第三个方面，提供一种电子设备，包括：处理器和存储器；其中，存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现上述任意示例性实施例中的算力网络的信任管理方法。53.根据本发明实施例的第四个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意示例性实施例中的算力网络的信任管理方法。54.由上述技术方案可知，本公开示例性实施例中的算力网络的信任管理方法、算力网络的信任管理装置、计算机存储介质及电子设备至少具备以下优点和积极效果：55.在本公开的示例性实施例提供的方法及装置中，提供了一种新的对算力网络进行信任管理的方式，提高了安全性能，有效避免了因算力消费者或算力提供者恶意操作而带来的算力网络瘫痪的问题发生，同时解决了传统集中信任管理机制的单点故障、时延增大和可扩展性差等问题，能够有效应对算力网络等融合领域高效高可用的安全防护需求，提升了算力网络的可靠性和安全性。除此之外，将目标推荐值上传至区块链中，能够有更好的容错性和可靠性。56.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明57.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。58.图1示意性示出本公开示例性实施例中一种算力网络的信任管理方法的流程示意图；59.图2示意性示出本公开示例性实施例中确定算力消费者和算力提供者的交互情况的方法的流程示意图；60.图3示意性示出本公开示例性实施例中一种根据交互情况进行目标推荐值的方法的流程示意图；61.图4示意性示出本公开示例性实施例中获取算力消费者的消费权重因子的方法的流程示意图；62.图5示意性示出本公开示例性实施例中另一种根据交互情况计算目标推荐值的方法的流程示意图；63.图6示意性示出本公开示例性实施例中应用场景下算力网络的信任管理方法的流程示意图；64.图7示意性示出本公开示例性实施例中应用场景下算力网络的信任管理系统的架构示意图；65.图8意性示出本公开示例性实施例中一种算力网络的信任管理装置的结构示意图；66.图9意性示出本公开示例性实施例中一种用于实现算力网络的信任管理方法的电子设备；67.图10意性示出本公开示例性实施例中一种用于实现算力网络的信任管理方法的计算机可读存储介质。具体实施方式68.现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。69.本说明书中使用用语“一个”、“一”、“该”和“所述”用以表示存在一个或多个要素/组成部分/等；用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等；用语“第一”和“第二”等仅作为标记使用，不是对其对象的数量限制。70.此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。71.随着智能手机、智能汽车和可穿戴设备等智能终端的不断涌现，第五代移动通信系统正以前所未有的速度实现人与人、人与物、物与物的“万物互联”时代，网络数据流量正呈爆发式增长。gartner报告指出，伴随着海量数据的产生，约75％的工业互联网、物联网等数据在网络边缘侧进行处理。未来网络将在靠近用户的位置部署算力资源，进一步满足各垂直行业的业务需求。72.随着云计算中心节点下沉到边缘侧，边缘计算推动形成“云-边-端”三级算力网络架构，从而实现计算与网络的深度融合。算力网络依赖于“云-边-端”的高效协同，当算力网络的资源共享或交易时，需评估和保证算力消费者被身份可信、服务质量满足要求的算力提供者提供服务。一旦网络中存在恶意节点散布虚假请求、提供虚假服务会干扰提供正常的服务，如何有效评估算力网络中的算力消费者、算力提供者的信任值是亟待解决的问题。现有的集中式信任管理机制无法满足低时延要求，如果发生故障，整个网络容易遭受攻击陷入瘫痪。73.针对相关技术中存在的问题，本公开提出了一种算力网络的信任管理方法。图1示出了算力网络的信任管理方法的流程图，如图1所示，算力网络的信任管理方法至少包括以下步骤：74.步骤s110.当算力消费者请求算力服务时，确定提供算力服务的算力提供者，并从区块链中获取算力提供者的历史信任值。75.步骤s120.根据历史信任值确定算力消费者和算力提供者的交互情况，并按照交互情况计算算力提供者的目标推荐值。76.步骤s130.根据目标推荐值使算力提供者为算力消费者提供算力服务，并将目标推荐值上传至区块链中。77.在本公开的示例性实施例中，提供了一种新的对算力网络进行信任管理的方式，提高了安全性能，有效避免了因算力消费者或算力提供者恶意操作而带来的算力网络瘫痪的问题发生，同时解决了传统集中信任管理机制的单点故障、时延增大和可扩展性差等问题，能够有效应对算力网络等融合领域高效高可用的安全防护需求，提升了算力网络的可靠性和安全性。除此之外，将目标推荐值上传至区块链中，能够有更好的容错性和可靠性。78.下面对算力网络的信任管理方法的各个步骤进行详细说明。79.在步骤s110中，当算力消费者请求算力服务时，确定提供算力服务的算力提供者，并从区块链中获取算力提供者的历史信任值。80.在本公开的示例性实施例中，在算力消费者向算力提供者请求算力服务之前，可以先由pki(publickeyinfrastructure，公开密钥基础设施)授权机构为算力消费者和算力提供者生成公钥和私钥对。81.其中，公钥基础设施是一个包括硬件、软件、人员、策略和规程的集合，用来实现基于公钥密码体制的密钥和证书的产生、管理、存储、分发和撤销等功能。82.pki体系是计算机软硬件、权威机构及应用系统的结合。它为实施电子商务、电子政务、办公自动化等提供了基本的安全服务，从而使那些彼此不认识或距离很远的用户能通过信任链安全地交流。83.pki授权机构负责生成加密密钥，pki授权机构为每个算力消费者和算力提供者生成公钥和私钥对(pka,ska)。算力提供者维护区块链中的公钥，算力消费者维护区块链中的私钥，从而实现算力网络中的所有实体都能够通过区块链相互识别。84.进一步的，算力消费者和算力提供者还能够分别向算力网络编排管理平台申请身份注册。算力网络编排管理平台根据算力消费者和算力提供者提供的证书的合法性来验证注册是否成功。85.当算力消费者和算力提供者认证成功时，可以发送给区块链运营平台中的区块链节点；当算力消费者和算力提供者认证失败时，则返回注册失败。86.当算力提供者在注册验证成功之后，可以进一步申请算力服务注册请求。同样的，算力网络编排管理平台向区块链节点查询证书信息，以根据信息的合法性返回对应的算力服务审核结果。87.为了使算力消费者能够发现身份注册和服务注册均成功的算力提供者所提供的算力服务，算力提供者将建议的算力服务注册到最近的算力提供者。88.算力提供者可以使用分布式哈希表(distributedhashtable，dht)来存储不同算力提供者所能够提供的算力服务。算力提供者维护dht，并通过类似于结构化p2p(peertopeer，对等网络)网络的分布式协议来同步和更新。89.其中，分布式哈希表技术类似tracker(运行于服务器上的一个程序)的根据种子特征码返回种子信息的网络，是一种分布式存储方法。在不需要服务器的情况下，每个客户端负责一个小范围的路由，并负责存储一小部分数据，从而实现整个dht网络的寻址和存储，目前被广泛用于协调和维护关于对等系统的元数据。90.每当算力消费者oi要在时间t请求算力服务sk时，可以从由边缘节点维护的分布式哈希表中查询算力服务sk，以确定潜在的算力提供者。91.进一步的，算力消费者向算力网络编排管理平台发起算力服务请求。更进一步的，根据区块链的区块链可信运营平台向算力网络编排管理平台返回算力提供者的历史信任值。92.在步骤s120中，根据历史信任值确定算力消费者和算力提供者的交互情况，并按照交互情况计算算力提供者的目标推荐值。93.在本公开的示例性实施例中，获取到算力提供者的历史信任值之后，可以根据历史信任值区分算力提供者spj与算力消费者oi之间的交互情况。94.具体的，根据算力提供者spj与算力消费者oi的交互请求可以将交互情况区分为两种。95.在可选的实施例中，图2示出了确定算力消费者和算力提供者的交互情况的方法的流程示意图，如图2所示，该方法至少可以包括以下步骤：在步骤s210中，当历史信任值为第一预设值时，表明算力消费者和算力提供者未进行过交互。96.当历史信任值p(i,j)＝false，表明算力提供者spj与算力消费者oi之间没有进行过交互。97.其中，第一预设值可以是false(假值)。98.除此之外，也可以是当历史信任值不为空值时，表明算力提供者spj没有与算力消费者oi之间发生过数据交互，本示例性实施例对此不做特殊限定。99.在步骤s220中，当历史信任值为第二预设值时，表明算力消费者和算力提供者进行过交互。100.当历史信任值p(i,j)＝true，表明算力提供者spj与算力消费者oi之间进行过交互。101.其中，第一预设值可以是true(真值)。102.除此之外，也可以是当历史信任值为空值时，表明算力提供者spj与算力消费者oi之间发生过数据交互，本示例性实施例对此不做特殊限定。103.在本示例性实施例中，根据历史信任值对算力消费者和算力提供者之间的交互情况进行区分，为目标推荐值的计算提供了理论依据和数据支持。104.在可选的实施例中，图3示出了一种根据交互情况进行目标推荐值的方法的流程示意图，如图3所示，该方法至少可以包括以下步骤：在步骤s310中，当算力消费者和算力提供者未进行过交互时，获取预设时间段内的目标交易数量。105.在算力消费者和算力提供者没有进行过交互的情况下，区块链可信运营平台可以过滤出可用的最近δt个时间单位中发生的目标交易数量。106.在步骤s320中，获取通过算力提供者的间接交互产生的已知推荐值以及与已知推荐值对应的已知权重因子，并对已知推荐值和已知权重因子进行计算得到相关推荐值。107.由于算力消费者和算力提供者没有进行过交互，因此，可以以终端k为依据，获取终端k与算力提供者spj之间交互时的已知推荐值。因此，可以将终端k看做算力提供者spj与算力消费者oi之间产生间接交互的中介。108.在此种情况下，还可以进一步获取终端k与算力提供者spj之间交互时的已知推荐值的已知权重因子。该已知权重因子与终端k有关。举例而言，当终端k的可信度高时，对应的已知权重因子大；当终端k的可信度低时，对应的已知权重因子小。109.在获取到已知推荐值和已知权重因子之后，可以对已知推荐值和已知权重因子进行加权平均计算得到对应的相关推荐值。110.在步骤s330中，获取算力消费者的消费权重因子，对相关推荐值、目标交易数量和消费权重因子进行计算得到目标推荐值。111.在可选的实施例中，图4示出了获取算力消费者的消费权重因子的方法的流程示意图，如图4所示，该方法至少可以包括以下步骤：在步骤s410中，获取预设时间段内的算力提供者的信任值变化量，并对信任值变化量进行划分得到正变化量和负变化量。112.算力消费者将对某个消息的评分可能不同，算力提供者根据算力消费者上传的目标信任值来计算信任值变化量。例如针对某个消息，存在正面评分和负面评分两种。由于存在开关攻击，为了防御先发送真实消息骗取信任值，再进行攻击的行为，算力提供者可以收集信任值变化量{o1,o2,…,om}。113.值得说明的是，收集的信任值变化量可以是预设时间段δt个时间单位内的。114.进一步的，将信任值变化量{o1,o2,…,om}按照取值的正负划分成正变化量和负变化量其中，p为取值是正，即为1的个数；q为取值是负，即为-1的个数。115.在步骤s420中，获取正变化量的正遗忘因子和负变化量的负遗忘因子，并获取初始值。116.更进一步的，引入遗忘因子来降低历史权重。具体的，针对正变化量和负变化量分别设置正遗忘因子λ 和负遗忘因子λ-。117.在可选的实施例中，正遗忘因子小于负遗忘因子。118.值得说明的是，为了满足“建立信任比毁灭信任更困难”这一原则，可以设置正变化量的正遗忘因子小于负变化量的负遗忘因子，亦即λ 《λ-。119.具体的，信任值较高的服务提供者只要发布少量虚假消息，对应的信任值就会快速降低；信任值较低的服务提供者需要发布较多的真实消息，才能够提供对应的信任值。120.除此之外，还可以引入一初始值ecur。一般的，该初始值ecur可以设置为0.5，也可以设置为其他数值，本示例性实施例对此不做特殊限定。121.在步骤s430中，对初始值、正变化量、正遗忘因子、负变化量和负遗忘因子进行计算得到消费权重因子。122.在获取到初始值、正变化量、正遗忘因子、负变化量和负遗忘因子之后，可以按照公式(1)计算消费权重因子：[0123][0124]其中，ek为消费权重因子，ecur为初始值，λ 为正遗忘因子，λ-为负遗忘因子，表征正变化量，表征负变化量。[0125]在本示例性实施例中，通过对初始值、正变化量、正遗忘因子、负变化量和负遗忘因子进行计算得到对应的消费权重因子，为计算算力消费者和算力提供者没有进行过交互的情况下的目标推荐值，以及计算算力消费者和算力提供者进行过交互的情况下的间接推荐值提供了数据支持和理论基础，保证了目标推荐值的计算准确度。[0126]进一步的，在计算出消费权重因子之后，可以对相关推荐值、目标交易数量和消费权重因子进行计算，以得到目标推荐值。[0127]具体的，可以按照公式(2)相关推荐值、目标交易数量和消费权重因子进行计算：[0128][0129]其中，rij(δt)为此种情况下的目标推荐值，ek为消费权重因子，tkj为相关推荐值，|l|表征目标交易数量。[0130]另一方面，算力消费者和算力提供者进行过交互的情况下，也可以计算对应的目标推荐值。[0131]在可选的实施例中，图5示出了另一种根据交互情况计算目标推荐值的方法的流程示意图，如图5所示，该方法至少可以包括以下步骤：在步骤s510中，当算力消费者和算力提供者进行过交互时，对相关推荐值、目标交易数量和消费权重因子进行计算得到间接推荐值。[0132]在算力消费者和算力提供者进行过交互的情况下，区块链可信运营平台可以过滤出可用的最近δt个时间单位中发生的目标交易数量。[0133]获取通过算力提供者的间接交互产生的已知推荐值以及与已知推荐值对应的已知权重因子，并对已知推荐值和已知权重因子进行计算得到相关推荐值。[0134]由于算力消费者和算力提供者没有进行过交互，因此，可以以终端k为依据，获取终端k与算力提供者spj之间交互时的已知推荐值。因此，可以将终端k看做算力提供者spj与算力消费者oi之间产生间接交互的中介。[0135]在此种情况下，还可以进一步获取终端k与算力提供者spj之间交互时的已知推荐值的已知权重因子。该已知权重因子与终端k有关。举例而言，当终端k的可信度高时，对应的已知权重因子大；当终端k的可信度低时，对应的已知权重因子小。[0136]在获取到已知推荐值和已知权重因子之后，可以对已知推荐值和已知权重因子进行加权平均计算得到对应的相关推荐值。[0137]获取算力消费者的消费权重因子，对相关推荐值、目标交易数量和消费权重因子进行计算得到间接推荐值。[0138]获取预设时间段内的算力提供者的信任值变化量，并对信任值变化量进行划分得到正变化量和负变化量。[0139]算力消费者将对某个消息的评分可能不同，算力提供者根据算力消费者上传的目标信任值来计算信任值变化量。例如针对某个消息，存在正面评分和负面评分两种。由于存在开关攻击，为了防御先发送真实消息骗取信任值，再进行攻击的行为，算力提供者可以收集信任值变化量{o1,o2,…,om}。[0140]值得说明的是，收集的信任值变化量可以是预设时间段δt个时间单位内的。[0141]进一步的，将信任值变化量{o1,o2,…,om}按照取值的正负划分成正变化量和负变化量其中，p为取值是正，即为1的个数；q为取值是负，即为-1的个数。[0142]获取正变化量的正遗忘因子和负变化量的负遗忘因子，并获取初始值。[0143]更进一步的，引入遗忘因子来降低历史权重。具体的，针对正变化量和负变化量分别设置正遗忘因子λ 和负遗忘因子λ-。[0144]在可选的实施例中，正遗忘因子小于负遗忘因子。[0145]值得说明的是，为了满足“建立信任比毁灭信任更困难”这一原则，可以设置正变化量的正遗忘因子小于负变化量的负遗忘因子，亦即λ 《λ-。[0146]具体的，信任值较高的服务提供者只要发布少量虚假消息，对应的信任值就会快速降低；信任值较低的服务提供者需要发布较多的真实消息，才能够提供对应的信任值。[0147]除此之外，还可以引入一初始值ecur。一般的，该初始值ecur可以设置为0.5，也可以设置为其他数值，本示例性实施例对此不做特殊限定。[0148]对初始值、正变化量、正遗忘因子、负变化量和负遗忘因子进行计算得到消费权重因子。[0149]在获取到初始值、正变化量、正遗忘因子、负变化量和负遗忘因子之后，可以按照公式(1)计算消费权重因子。[0150]进一步的，在计算出消费权重因子之后，可以对相关推荐值、目标交易数量和消费权重因子进行计算，以得到间接推荐值。[0151]具体的，可以按照公式(2)相关推荐值、目标交易数量和消费权重因子进行计算。[0152]换言之，在算力消费者和算力提供者没有进行过交互的情况下，对应的目标推荐值即为间接推荐值，因此，在算力消费者和算力提供者进行过交互的情况下，可以按照同样的方法计算间接推荐值。[0153]在步骤s520中，获取算力服务的当前满意度，并对当前满意度进行更新得到直接观测值。[0154]当算力消费者oi向算力提供者spj请求一项算力服务sk时，将测量所提供算力服务的满意度。令sij(t)为当前满意度，它可以是[0,1]。[0155]那么，直接观测值可以按照公式(3)进行计算：[0156][0157]其中，t1《t2《…《tn＝t代表请求算力服务sk的瞬时时刻，n是算力服务sk的次数，αij是累计的满意度，并通过αij＝αij sij(t)不断更新。[0158]在步骤s530中，获取历史信任值的历史权重因子、间接推荐值的间接权重因子和直接观测值的直接权重因子，并对历史信任值、历史权重因子、间接推荐值、间接权重因子、直接观测值和直接权重因子进行计算得到目标推荐值。[0159]在获取到历史信任值，并计算出间接推荐值和直接观测值之后，可以对应获取历史信任值、直接观测值和间接推荐值对应的历史权重因子α、直接权重因子β和间接权重因子γ。[0160]进一步的，按照公式(4)对历史信任值、历史权重因子、间接推荐值、间接权重因子、直接观测值和直接权重因子进行计算：[0161][0162]具体的，当历史信任值p(i,j)＝true，表明算力提供者spj与算力消费者oi之间进行过交互，对历史信任值、历史权重因子、间接推荐值、间接权重因子、直接观测值和直接权重因子进行计算得到目标推荐值；当历史信任值p(i,j)＝false，表明算力提供者spj与算力消费者oi之间没有进行过交互，对相关推荐值、目标交易数量和消费权重因子进行计算得到间接推荐值，并将该间接推荐值作为该种情况下的目标推荐值。[0163]其中，0《α,β,γ《1，α, β γ＝1，α,β,γ用于表示加权每个信任参数的重要性，可以由第三方确定对应权重因子，以最大程度地提高信任评估的准确性，并使协议更能应对恶言攻击和选票填充攻击。[0164]在步骤s130中，根据目标推荐值使算力提供者为算力消费者提供算力服务，并将目标推荐值上传至区块链中。[0165]在本公开的示例性实施例中，计算出对应交互情况下的目标推荐值之后，基于每个算力提供者在时间t的目标推荐值选择一个算力提供者。算力消费者根据算力服务的目标推荐值向选择的算力提供者请求算力服务，以使算力提供者为算力服务者提供算力服务。[0166]进一步的，将计算出的目标推荐值上传到区块链的区块链可信运营平台中。[0167]在可选的实施例中，利用共识算法将目标推荐值上传至区块链中。[0168]为了应对可能存在的恶意和故障节点问题，可以采用联盟链的准入规则，在新节点入链之前对其进行审核和验证工作。[0169]其中，可以利用pbft(practicalbyzantinefaulttolerance，实用拜占庭容错算法)共识算法将目标推荐值上传至区块链中，也可以利用其他算法实现，本示例性实施例对此不做特殊限定。[0170]具体的，客户端首先发送具体的请求给网络中的主节点，主节点收到请求之后，将其发送给网络中的其他节点。网络中的其余节点随即开始执行共识机制的主要流程，分别是预准备阶段，准备阶段以及提交阶段。[0171]在预准备阶段中，节点在收到预准备消息之后，需要先对其进行检查和校验工作，再决定是否接收该消息。[0172]其中，节点所作的检查和校验工作包括消息的编号和视图是否合理、交易的签名等信息是否有效等。[0173]当预准备消息通过节点的校验之后，节点接收该条消息，并将其作为准备消息广播到网络中的其他节点。与此同时，节点也进入到准备阶段。[0174]在准备阶段中，各个节点统计收到该条准备消息的数量。[0175]在固定的时间内，一旦收到的准备消息的数量超过2f(f表示问题节点的数量)，说明此时网络中的大多数节点已经完成了该条消息的广播，此时进入提交阶段。[0176]在提交阶段中，节点向网络中的其他节点发送提交信息的同时，统计本节点收到的提交消息的数量.[0177]一旦收到超过2f 1个提交消息，说明达到提交阶段的节点数量达到了预期。此时，将节点的消息写入磁盘，并反馈给客户端。[0178]客户端对收到消息的数量进行计算。[0179]一旦反馈的节点数量超过f个，说明共识流程执行完毕，交易成功，实现了目标推荐值上传到区块链中。[0180]下面结合一应用场景对本公开实施例中算力网络的信任管理方法做出详细说明。[0181]图6示出了应用场景下算力网络的信任管理方法的流程示意图，如图6所示，在步骤s610中，pki授权机构生成公钥和私钥对。[0182]在算力消费者向算力提供者请求算力服务之前，可以先由pki授权机构为算力消费者和算力提供者生成公钥和私钥对。[0183]pki授权机构负责生成加密密钥，pki授权机构为每个算力消费者和算力提供者生成公钥和私钥对(pka,ska)。算力提供者维护区块链中的公钥，算力消费者维护区块链中的私钥，从而实现算力网络中的所有实体都能够通过区块链相互识别。[0184]在步骤s620中，算力消费者进行身份注册；算力提供者进行身份注册和算力服务注册。[0185]算力消费者和算力提供者还能够分别向算力网络编排管理平台申请身份注册。算力网络编排管理平台根据算力消费者和算力提供者提供的证书的合法性来验证注册是否成功。[0186]当算力消费者和算力提供者认证成功时，可以发送给区块链运营平台中的区块链节点；当算力消费者和算力提供者认证失败时，则返回注册失败。[0187]当算力提供者在注册验证成功之后，可以进一步申请算力服务注册请求。同样的，算力网络编排管理平台向区块链节点查询证书信息，以根据信息的合法性返回对应的算力服务审核结果。[0188]为了使算力消费者能够发现身份注册和服务注册均成功的算力提供者所提供的算力服务，算力提供者将建议的算力服务注册到最近的算力提供者。[0189]算力提供者可以使用分布式哈希表(distributedhashtable，dht)来存储不同算力提供者所能够提供的算力服务。算力提供者维护dht，并通过类似于结构化p2p网络的分布式协议来同步和更新。[0190]每当算力消费者oi要在时间t请求算力服务sk时，可以从由边缘节点维护的分布式哈希表中查询算力服务sk，以确定潜在的算力提供者。[0191]在步骤s630中，算力消费者向算力网络编排管理平台发起服务请求。[0192]算力消费者向算力网络编排管理平台发起算力服务请求。[0193]在步骤s640中，算力网络编排管理平台向区块链可信运营平台请求算力提供者的历史信任值。[0194]根据区块链的区块链可信运营平台向算力网络编排管理平台返回算力提供者的历史信任值。[0195]在步骤s650中，判断算力提供者与算力消费者发生过数据交互。[0196]在获取到算力提供者的历史信任值之后，可以根据历史信任值区分算力提供者spj与算力消费者oi之间的交互情况。[0197]具体的，根据算力提供者spj与算力消费者oi的交互请求可以将交互情况区分为两种。[0198]当历史信任值为第一预设值时，表明算力消费者和算力提供者未进行过交互。[0199]当历史信任值p(i,j)＝false，表明算力提供者spj与算力消费者oi之间没有进行过交互。[0200]其中，第一预设值可以是false。[0201]除此之外，也可以是当历史信任值不为空值时，表明算力提供者spj没有与算力消费者oi之间发生过数据交互，本示例性实施例对此不做特殊限定。[0202]当历史信任值为第二预设值时，表明算力消费者和算力提供者进行过交互。[0203]当历史信任值p(i,j)＝true，表明算力提供者spj与算力消费者oi之间进行过交互。[0204]其中，第一预设值可以是true。[0205]除此之外，也可以是当历史信任值为空值时，表明算力提供者spj与算力消费者oi之间发生过数据交互，本示例性实施例对此不做特殊限定。[0206]在步骤s660中，计算直接观测值。[0207]在算力消费者和算力提供者进行过交互的情况下，可以获取算力服务的当前满意度，并对当前满意度进行更新得到直接观测值。[0208]当算力消费者oi向算力提供者spj请求一项算力服务sk时，将测量所提供算力服务的满意度。令sij(t)为当前满意度，它可以是[0,1]。[0209]那么，直接观测值可以按照公式(3)进行计算。[0210]在步骤s670中，计算间接信任值。[0211]具体的，区块链可信运营平台可以过滤出可用的最近δt个时间单位中发生的目标交易数量l。[0212]获取通过算力提供者的间接交互产生的已知推荐值以及与已知推荐值对应的已知权重因子，并对已知推荐值和已知权重因子进行计算得到相关推荐值。[0213]由于算力消费者和算力提供者没有进行过交互，因此，可以以终端k为依据，获取终端k与算力提供者spj之间交互时的已知推荐值。因此，可以将终端k看做算力提供者spj与算力消费者oi之间产生间接交互的中介。[0214]在此种情况下，还可以进一步获取终端k与算力提供者spj之间交互时的已知推荐值的已知权重因子。该已知权重因子与终端k有关。举例而言，当终端k的可信度高时，对应的已知权重因子大；当终端k的可信度低时，对应的已知权重因子小。[0215]在获取到已知推荐值和已知权重因子之后，可以对已知推荐值和已知权重因子进行加权平均计算得到对应的相关推荐值。[0216]获取算力消费者的消费权重因子，对相关推荐值、目标交易数量和消费权重因子进行计算得到目标推荐值。[0217]获取预设时间段内的算力提供者的信任值变化量，并对信任值变化量进行划分得到正变化量和负变化量。[0218]算力消费者将对某个消息的评分可能不同，算力提供者根据算力消费者上传的目标信任值来计算信任值变化量。例如针对某个消息，存在正面评分和负面评分两种。由于存在开关攻击，为了防御先发送真实消息骗取信任值，再进行攻击的行为，算力提供者可以收集信任值变化量{o1,o2,…,om}。[0219]值得说明的是，收集的信任值变化量可以是预设时间段δt个时间单位内的。[0220]进一步的，将信任值变化量{o1,o2,…,om}按照取值的正负划分成正变化量和负变化量其中，p为取值是正，即为1的个数；q为取值是负，即为-1的个数。[0221]获取正变化量的正遗忘因子和负变化量的负遗忘因子，并获取初始值。[0222]更进一步的，引入遗忘因子来降低历史权重。具体的，针对正变化量和负变化量分别设置正遗忘因子λ 和负遗忘因子λ-。[0223]在可选的实施例中，正遗忘因子小于负遗忘因子。[0224]值得说明的是，为了满足“建立信任比毁灭信任更困难”这一原则，可以设置正变化量的正遗忘因子小于负变化量的负遗忘因子，亦即λ 《λ-。[0225]具体的，信任值较高的服务提供者只要发布少量虚假消息，对应的信任值就会快速降低；信任值较低的服务提供者需要发布较多的真实消息，才能够提供对应的信任值。[0226]除此之外，还可以引入一初始值ecur。一般的，该初始值ecur可以设置为0.5，也可以设置为其他数值，本示例性实施例对此不做特殊限定。[0227]对初始值、正变化量、正遗忘因子、负变化量和负遗忘因子进行计算得到消费权重因子。[0228]在获取到初始值、正变化量、正遗忘因子、负变化量和负遗忘因子之后，可以按照公式(1)计算消费权重因子。[0229]进一步的，在计算出消费权重因子之后，可以对相关推荐值、目标交易数量和消费权重因子进行计算，以得到目标推荐值。[0230]具体的，可以按照公式(2)相关推荐值、目标交易数量和消费权重因子进行计算得到间接信任值。[0231]值得说明的是，在算力消费者和算力提供者没有进行过交互的情况下，此时的间接信任值即为该种情况下的目标推荐值。[0232]获取历史信任值的历史权重因子、间接推荐值的间接权重因子和直接观测值的直接权重因子，并对历史信任值、历史权重因子、间接推荐值、间接权重因子、直接观测值和直接权重因子进行计算得到目标推荐值。[0233]在获取到历史信任值，并计算出间接推荐值和直接观测值之后，可以对应获取历史信任值、直接观测值和间接推荐值对应的历史权重因子α、直接权重因子β和间接权重因子γ。[0234]进一步的，按照公式(4)对历史信任值、历史权重因子、间接推荐值、间接权重因子、直接观测值和直接权重因子进行计算得到算力消费者和算力提供者进行过交互的情况下的目标推荐值。[0235]在步骤s680中，选择信任值高的算力提供者。[0236]在计算出对应交互情况下的目标推荐值之后，基于每个算力提供者在时间t的目标推荐值选择一个算力提供者。算力消费者根据算力服务的目标推荐值向选择的算力提供者请求算力服务，以使算力提供者为算力服务者提供算力服务。[0237]为了应对可能存在的恶意和故障节点问题，可以采用联盟链的准入规则，在新节点入链之前对其进行审核和验证工作。[0238]其中，可以利用pbft公式算法将目标推荐值上传至区块链中，也可以利用其他算法实现，本示例性实施例对此不做特殊限定。[0239]具体的，客户端首先发送具体的请求给网络中的主节点，主节点收到请求之后，将其发送给网络中的其他节点。网络中的其余节点随即开始执行共识机制的主要流程，分别是预准备阶段，准备阶段以及提交阶段。[0240]在预准备阶段中，节点在收到预准备消息之后，需要先对其进行检查和校验工作，再决定是否接收该消息。[0241]其中，节点所作的检查和校验工作包括消息的编号和视图是否合理、交易的签名等信息是否有效等。[0242]当预准备消息通过节点的校验之后，节点接收该条消息，并将其作为准备消息广播到网络中的其他节点。与此同时，节点也进入到准备阶段。[0243]在准备阶段中，各个节点统计收到该条准备消息的数量。[0244]在固定的时间内，一旦收到的准备消息的数量超过2f(f表示问题节点的数量)，说明此时网络中的大多数节点已经完成了该条消息的广播，此时进入提交阶段。[0245]在提交阶段中，节点向网络中的其他节点发送提交信息的同时，统计本节点收到的提交消息的数量.[0246]一旦收到超过2f 1个提交消息，说明达到提交阶段的节点数量达到了预期。此时，将节点的消息写入磁盘，并反馈给客户端。[0247]客户端对收到消息的数量进行计算。[0248]一旦反馈的节点数量超过f个，说明共识流程执行完毕，交易成功，实现了目标推荐值上传到区块链中。[0249]图7示出了应用场景下算力网络的信任管理系统的架构示意图，如图7所示，该信任管理架构中包括判断模块710、信任值计算模块720、决策推荐模块730、算力网络编排和管理模块740以及算力网络服务模块750。[0250]其中，判断模块710用于判断算力消费者和算力提供者之间是否发生过数据交互。[0251]在获取到算力提供者的历史信任值之后，可以根据历史信任值区分算力提供者spj与算力消费者oi之间的交互情况。[0252]具体的，根据算力提供者spj与算力消费者oi的交互请求可以将交互情况区分为两种。[0253]当历史信任值为第一预设值时，表明算力消费者和算力提供者未进行过交互。[0254]当历史信任值p(i,j)＝false，表明算力提供者spj与算力消费者oi之间没有进行过交互。[0255]其中，第一预设值可以是false。[0256]除此之外，也可以是当历史信任值不为空值时，表明算力提供者spj没有与算力消费者oi之间发生过数据交互，本示例性实施例对此不做特殊限定。[0257]当历史信任值为第二预设值时，表明算力消费者和算力提供者进行过交互。[0258]当历史信任值p(i,j)＝true，表明算力提供者spj与算力消费者oi之间进行过交互。[0259]其中，第一预设值可以是true。[0260]除此之外，也可以是当历史信任值为空值时，表明算力提供者spj与算力消费者oi之间发生过数据交互，本示例性实施例对此不做特殊限定。[0261]信任值计算模块720根据判断模块710的判断结果计算目标信任值。如果算力消费者之间未与算力提供者之间进行过交互，则算力消费者仅将间接推荐值视为目标信任值；如果算力消费者先前与算力提供者进行过交互，将基于历史信任值、直接观测值和间接推荐值来评估目标信任值。[0262]在算力消费者和算力提供者进行过交互的情况下，可以获取算力服务的当前满意度，并对当前满意度进行更新得到直接观测值。[0263]当算力消费者oi向算力提供者spj请求一项算力服务sk时，将测量所提供算力服务的满意度。令sij(t)为当前满意度，它可以是[0,1]。[0264]那么，直接观测值可以按照公式(3)进行计算。[0265]具体的，区块链可信运营平台可以过滤出可用的最近δt个时间单位中发生的目标交易数量l。[0266]获取通过算力提供者的间接交互产生的已知推荐值以及与已知推荐值对应的已知权重因子，并对已知推荐值和已知权重因子进行计算得到相关推荐值。[0267]由于算力消费者和算力提供者没有进行过交互，因此，可以以终端k为依据，获取终端k与算力提供者spj之间交互时的已知推荐值。因此，可以将终端k看做算力提供者spj与算力消费者oi之间产生间接交互的中介。[0268]在此种情况下，还可以进一步获取终端k与算力提供者spj之间交互时的已知推荐值的已知权重因子。该已知权重因子与终端k有关。举例而言，当终端k的可信度高时，对应的已知权重因子大；当终端k的可信度低时，对应的已知权重因子小。[0269]在获取到已知推荐值和已知权重因子之后，可以对已知推荐值和已知权重因子进行加权平均计算得到对应的相关推荐值。[0270]获取算力消费者的消费权重因子，对相关推荐值、目标交易数量和消费权重因子进行计算得到目标推荐值。[0271]获取预设时间段内的算力提供者的信任值变化量，并对信任值变化量进行划分得到正变化量和负变化量。[0272]算力消费者将对某个消息的评分可能不同，算力提供者根据算力消费者上传的目标信任值来计算信任值变化量。例如针对某个消息，存在正面评分和负面评分两种。由于存在开关攻击，为了防御先发送真实消息骗取信任值，再进行攻击的行为，算力提供者可以收集信任值变化量{o1,o2,…,om}。[0273]值得说明的是，收集的信任值变化量可以是预设时间段δt个时间单位内的。[0274]进一步的，将信任值变化量{o1,o2,…,om}按照取值的正负划分成正变化量和负变化量其中，p为取值是正，即为1的个数；q为取值是负，即为-1的个数。[0275]获取正变化量的正遗忘因子和负变化量的负遗忘因子，并获取初始值。[0276]更进一步的，引入遗忘因子来降低历史权重。具体的，针对正变化量和负变化量分别设置正遗忘因子λ 和负遗忘因子λ-。[0277]在可选的实施例中，正遗忘因子小于负遗忘因子。[0278]值得说明的是，为了满足“建立信任比毁灭信任更困难”这一原则，可以设置正变化量的正遗忘因子小于负变化量的负遗忘因子，亦即λ 《λ-。[0279]具体的，信任值较高的服务提供者只要发布少量虚假消息，对应的信任值就会快速降低；信任值较低的服务提供者需要发布较多的真实消息，才能够提供对应的信任值。[0280]除此之外，还可以引入一初始值ecur。一般的，该初始值ecur可以设置为0.5，也可以设置为其他数值，本示例性实施例对此不做特殊限定。[0281]对初始值、正变化量、正遗忘因子、负变化量和负遗忘因子进行计算得到消费权重因子。[0282]在获取到初始值、正变化量、正遗忘因子、负变化量和负遗忘因子之后，可以按照公式(1)计算消费权重因子。[0283]进一步的，在计算出消费权重因子之后，可以对相关推荐值、目标交易数量和消费权重因子进行计算，以得到目标推荐值。[0284]具体的，可以按照公式(2)相关推荐值、目标交易数量和消费权重因子进行计算得到间接信任值。[0285]值得说明的是，在算力消费者和算力提供者没有进行过交互的情况下，此时的间接信任值即为该种情况下的目标推荐值。[0286]获取历史信任值的历史权重因子、间接推荐值的间接权重因子和直接观测值的直接权重因子，并对历史信任值、历史权重因子、间接推荐值、间接权重因子、直接观测值和直接权重因子进行计算得到目标推荐值。[0287]在获取到历史信任值，并计算出间接推荐值和直接观测值之后，可以对应获取历史信任值、直接观测值和间接推荐值对应的历史权重因子α、直接权重因子β和间接权重因子γ。[0288]进一步的，按照公式(4)对历史信任值、历史权重因子、间接推荐值、间接权重因子、直接观测值和直接权重因子进行计算得到算力消费者和算力提供者进行过交互的情况下的目标推荐值。[0289]决策推荐模块730用于决策具体推荐的算力提供者。[0290]在计算出对应交互情况下的目标推荐值之后，基于每个算力提供者在时间t的目标推荐值选择一个算力提供者。[0291]算力网络编排和管理模块740用于实现算力网络的编排、安全、建模和oam功能。编排模块负责算力网络资源和服务的编排和管理；安全模块负责应用与安全相关的控件，以减轻算力网络环境中的安全威胁；算力建模模块可以根据算力服务类型进行算力建模；oam(operationadministrationandmaintenance，操作维护管理)模块实现了算力网络的操作、管理和维护。[0292]算力网络服务模块750用于提供给用户服务功能，例如实现用户、平台和资源节点的交易等功能。[0293]更进一步的，为了应对可能存在的恶意和故障节点问题，可以采用联盟链的准入规则，在新节点入链之前对其进行审核和验证工作。[0294]其中，可以利用pbft共识算法将目标推荐值上传至区块链中，也可以利用其他算法实现，本示例性实施例对此不做特殊限定。[0295]具体的，客户端首先发送具体的请求给网络中的主节点，主节点收到请求之后，将其发送给网络中的其他节点。网络中的其余节点随即开始执行共识机制的主要流程，分别是预准备阶段，准备阶段以及提交阶段。[0296]在预准备阶段中，节点在收到预准备消息之后，需要先对其进行检查和校验工作，再决定是否接收该消息。[0297]其中，节点所作的检查和校验工作包括消息的编号和视图是否合理、交易的签名等信息是否有效等。[0298]当预准备消息通过节点的校验之后，节点接收该条消息，并将其作为准备消息广播到网络中的其他节点。与此同时，节点也进入到准备阶段。[0299]在准备阶段中，各个节点统计收到该条准备消息的数量。[0300]在固定的时间内，一旦收到的准备消息的数量超过2f(f表示问题节点的数量)，说明此时网络中的大多数节点已经完成了该条消息的广播，此时进入提交阶段。[0301]在提交阶段中，节点向网络中的其他节点发送提交信息的同时，统计本节点收到的提交消息的数量.[0302]一旦收到超过2f 1个提交消息，说明达到提交阶段的节点数量达到了预期。此时，将节点的消息写入磁盘，并反馈给客户端。[0303]客户端对收到消息的数量进行计算。[0304]一旦反馈的节点数量超过f个，说明共识流程执行完毕，交易成功，实现了目标推荐值上传到区块链中。[0305]具体的，在信任值计算模块720中，还可以包括直接推荐值计算单元、间接推荐值计算单元、历史信任值储存单元和算力消费者权重计算单元。[0306]其中，直接推荐值计算单元用于计算算力消费者的推荐值。[0307]在算力消费者和算力提供者进行过交互的情况下，可以获取算力服务的当前满意度，并对当前满意度进行更新得到直接观测值。[0308]当算力消费者oi向算力提供者spj请求一项算力服务sk时，将测量所提供算力服务的满意度。令sij(t)为当前满意度，它可以是[0,1]。[0309]那么，直接观测值可以按照公式(3)进行计算。[0310]间接推荐值计算单元用于计算其他算力提供者的推荐值。[0311]具体的，区块链可信运营平台可以过滤出可用的最近δt个时间单位中发生的目标交易数量l。[0312]获取通过算力提供者的间接交互产生的已知推荐值以及与已知推荐值对应的已知权重因子，并对已知推荐值和已知权重因子进行计算得到相关推荐值。[0313]由于算力消费者和算力提供者没有进行过交互，因此，可以以终端k为依据，获取终端k与算力提供者spj之间交互时的已知推荐值。因此，可以将终端k看做算力提供者spj与算力消费者oi之间产生间接交互的中介。[0314]在此种情况下，还可以进一步获取终端k与算力提供者spj之间交互时的已知推荐值的已知权重因子。该已知权重因子与终端k有关。举例而言，当终端k的可信度高时，对应的已知权重因子大；当终端k的可信度低时，对应的已知权重因子小。[0315]在获取到已知推荐值和已知权重因子之后，可以对已知推荐值和已知权重因子进行加权平均计算得到对应的相关推荐值。[0316]获取算力消费者的消费权重因子，对相关推荐值、目标交易数量和消费权重因子进行计算得到目标推荐值。[0317]获取预设时间段内的算力提供者的信任值变化量，并对信任值变化量进行划分得到正变化量和负变化量。[0318]算力消费者将对某个消息的评分可能不同，算力提供者根据算力消费者上传的目标信任值来计算信任值变化量。例如针对某个消息，存在正面评分和负面评分两种。由于存在开关攻击，为了防御先发送真实消息骗取信任值，再进行攻击的行为，算力提供者可以收集信任值变化量{o1,o2,…,om}。[0319]值得说明的是，收集的信任值变化量可以是预设时间段δt个时间单位内的。[0320]进一步的，将信任值变化量{o1,o2,…,om}按照取值的正负划分成正变化量和负变化量其中，p为取值是正，即为1的个数；q为取值是负，即为-1的个数。[0321]获取正变化量的正遗忘因子和负变化量的负遗忘因子，并获取初始值。[0322]更进一步的，引入遗忘因子来降低历史权重。具体的，针对正变化量和负变化量分别设置正遗忘因子λ 和负遗忘因子λ-。[0323]在可选的实施例中，正遗忘因子小于负遗忘因子。[0324]值得说明的是，为了满足“建立信任比毁灭信任更困难”这一原则，可以设置正变化量的正遗忘因子小于负变化量的负遗忘因子，亦即λ 《λ-。[0325]具体的，信任值较高的服务提供者只要发布少量虚假消息，对应的信任值就会快速降低；信任值较低的服务提供者需要发布较多的真实消息，才能够提供对应的信任值。[0326]除此之外，还可以引入一初始值ecur。一般的，该初始值ecur可以设置为0.5，也可以设置为其他数值，本示例性实施例对此不做特殊限定。[0327]对初始值、正变化量、正遗忘因子、负变化量和负遗忘因子进行计算得到消费权重因子。[0328]在获取到初始值、正变化量、正遗忘因子、负变化量和负遗忘因子之后，可以按照公式(1)计算消费权重因子。[0329]进一步的，在计算出消费权重因子之后，可以对相关推荐值、目标交易数量和消费权重因子进行计算，以得到目标推荐值。[0330]具体的，可以按照公式(2)相关推荐值、目标交易数量和消费权重因子进行计算得到间接信任值。[0331]值得说明的是，在算力消费者和算力提供者没有进行过交互的情况下，此时的间接信任值即为该种情况下的目标推荐值。[0332]历史信任值储存单元用于储存历史信任值。[0333]算力消费者权重计算单元用于计算消费者推荐值的权重因子。[0334]在该应用场景下的算力网络的信任管理方法，提供了一种新的对算力网络进行信任管理的方式，提高了安全性能，有效避免了因算力消费者或算力提供者恶意操作而带来的算力网络瘫痪的问题发生，同时解决了传统集中信任管理机制的单点故障、时延增大和可扩展性差等问题，能够有效应对算力网络等融合领域高效高可用的安全防护需求，提升了算力网络的可靠性和安全性。除此之外，将目标推荐值上传至区块链中，能够有更好的容错性和可靠性。[0335]除此之外，利用共识算法将目标推荐值上传至区块链中，相对于pow、pos等其他区块链算法，能够有更好的容错性和可靠性。[0336]图8示出了算力网络的信任管理装置的结构示意图，如图8所示，算力网络的信任管理装置800可以包括：数据获取模块810、交互计算模块820和信任管理模块830。其中：[0337]数据获取模块810，被配置为当算力消费者请求算力服务时，确定提供算力服务的算力提供者，并从区块链中获取所述算力提供者的历史信任值；[0338]交互计算模块820，被配置为根据所述历史信任值确定所述算力消费者和所述算力提供者的交互情况，并按照所述交互情况计算所述算力提供者的目标推荐值；[0339]信任管理模块830，被配置为根据所述目标推荐值使所述算力提供者为所述算力消费者提供算力服务，并将所述目标推荐值上传至所述区块链中。[0340]在本发明的一种示例性实施例中，所述根据所述历史信任值确定所述算力消费者和所述算力提供者的交互情况，包括：[0341]当所述历史信任值为第一预设值时，表明所述算力消费者和所述算力提供者未进行过交互；[0342]当所述历史信任值为第二预设值时，表明所述算力消费者和所述算力提供者进行过交互。[0343]在本发明的一种示例性实施例中，所述按照所述交互情况计算所述算力提供者的目标推荐值，包括：[0344]当所述算力消费者和所述算力提供者未进行过交互时，获取预设时间段内的目标交易数量；[0345]获取通过所述算力提供者的间接交互产生的已知推荐值以及与所述已知推荐值对应的已知权重因子，并对所述已知推荐值和所述已知权重因子进行计算得到相关推荐值；[0346]获取所述算力消费者的消费权重因子，对所述相关推荐值、所述目标交易数量和所述消费权重因子进行计算得到目标推荐值。[0347]在本发明的一种示例性实施例中，所述获取所述算力消费者的消费权重因子，包括：[0348]获取所述预设时间段内的所述算力提供者的信任值变化量，并对所述信任值变化量进行划分得到正变化量和负变化量；[0349]获取所述正变化量的正遗忘因子和所述负变化量的负遗忘因子，并获取初始值；[0350]对所述初始值、所述正变化量、所述正遗忘因子、所述负变化量和所述负遗忘因子进行计算得到消费权重因子。[0351]在本发明的一种示例性实施例中，所述正遗忘因子小于所述负遗忘因子。[0352]在本发明的一种示例性实施例中，所述按照所述交互情况计算所述算力提供者的目标推荐值，包括：[0353]当所述算力消费者和所述算力提供者进行过交互时，对所述相关推荐值、所述目标交易数量和所述消费权重因子进行计算得到间接推荐值；[0354]获取算力服务的当前满意度，并对所述当前满意度进行更新得到直接观测值；[0355]获取所述历史信任值的历史权重因子、所述间接推荐值的间接权重因子和所述直接观测值的直接权重因子，并对所述历史信任值、所述历史权重因子、所述间接推荐值、所述间接权重因子、所述直接观测值和所述直接权重因子进行计算得到目标推荐值。[0356]在本发明的一种示例性实施例中，所述将所述目标推荐值上传至所述区块链中，包括：[0357]利用共识算法将所述目标推荐值上传至所述区块链中。[0358]上述算力网络的信任管理装置800的具体细节已经在对应的算力网络的信任管理方法中进行了详细的描述，因此此处不再赘述。[0359]应当注意，尽管在上文详细描述中提及了算力网络的信任管理装置800的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。[0360]此外，在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。[0361]下面参照图9来描述根据本发明的这种实施例的电子设备1100。图9显示的电子设备900仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。[0362]如图9所示，电子设备900以通用计算设备的形式表现。电子设备900的组件可以包括但不限于：上述至少一个处理单元910、上述至少一个存储单元920、连接不同系统组件(包括存储单元920和处理单元910)的总线930、显示单元940。[0363]其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元910执行，使得所述处理单元910执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。[0364]存储单元920可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)921和/或高速缓存存储单元922，还可以进一步包括只读存储单元(rom)923。[0365]存储单元920还可以包括具有一组(至少一个)程序模块925的程序/实用工具924，这样的程序模块925包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。[0366]总线930可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。[0367]电子设备900也可以与一个或多个外部设备1100(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备900交互的设备通信，和/或与使得该电子设备900能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口950进行。并且，电子设备900还可以通过网络适配器960与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器960通过总线930与电子设备900的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备900使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。[0368]通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。[0369]在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。[0370]参考图10所示，描述了根据本发明的实施例的用于实现上述方法的程序产品1000，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。[0371]所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。[0372]计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。[0373]可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。[0374]可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c 等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。[0375]本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本
技术领域：
：中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。当前第1页12当前第1页12
再多了解一些
本文用于企业家、创业者技术爱好者查询，结果仅供参考。
