Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Dynamic Task Scheduler for Real Time Requirement in Cloud Computing System Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

A Reputation Model for Third-Party Service Providers in Fog as a Service

verfasst von : Nanxi Chen, Xiaobo Xu, Xuzhi Miao

Erschienen in: Algorithms and Architectures for Parallel Processing

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Fog computing, as a mode of distributing computing resources, can process data directly at the network edge so becomes a promising solution towards the Internet of Things (IoT). To support various IoT services, many third-party fog resources providers participate in the service provisioning process, which accelerates the development of Fog as a Service (FaaS). Current solutions assume the existence of a reliable entity to maintain run-time information about such third-party fog resources providers, which is not feasible because of resource constraints at the network edge. To be aware of the dynamic availability of the fog resources, this paper proposes a graph-based decentralized reputation model for service provisioning in fog computing environment. This mechanism includes a verification model between fog nodes and a consensus mechanism for composite transactions in FaaS. This paper evaluates the proposed solution and proves its feasibility through the experimental result.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Privacy-Aware Data Collection and Aggregation in IoT Enabled Fog Computing
Nächstes Kapitel Attribute-Based VLR Group Signature Scheme from Lattices
Literatur
1.
Pirbhulal, S., Zhang, H., Me, A.E.: A novel secure IoT-based smart home automation system using a wireless sensor network. Sensors 17(1), 69 (2017)
2.
3.
Zheng, Z., Wang, P., Liu, J.: Real-time big data processing framework: challenges and solutions. Appl. Math. Inf. Sci. 9(6), 3169–3190 (2015)
4.
5.
Skarlat, O., Nardelli, M., Schulte, S.: Resource provisioning for IoT services in the fog. Serv. Oriented Comput. Appl. 11(4), 427–443 (2016)CrossRef
6.
Chaudhary, R., Kumar, N., Zeadally, S.: Network service chaining in fog and cloud computing for the 5G environment: data management and security challenges. IEEE Commun. Mag. 55(11), 114–122 (2017)CrossRef
7.
Ashrafi, T.H., Hossain, M.A., Arefin, S.E., Das, K.D.J., Chakrabarty, A.: Service based FOG computing model for IoT. In: IEEE International Conference on Collaboration and Internet Computing, pp. 163–172. IEEE Computer Society (2017)
8.
Minh, Q.T., Nguyen, D.T., An, V.L., Hai, D.N., Truong, A.: Toward service placement on Fog computing landscape. In: Nafosted Conference on Information and Computer Science, pp. 291–296 (2017)
9.
Santoro, D., Zozin, D., Pizzolli, D., Pellegrini, F.D., Cretti, S.: Foggy: a platform for workload orchestration in a fog computing environment. IEEE International Conference on Cloud Computing Technology and Science, pp. 231–234. IEEE (2017)
10.
Yang, Y.: FA2ST: Fog as a Service Technology. In: IEEE Computer Software and Applications Conference, p. 708. IEEE Computer Society (2017)
11.
12.
Divya, M., Biradar, N.B.: IOTA-next generation block chain. Int. J. Eng. Comput. Sci. 7, 23823–23826 (2018)CrossRef
13.
14.
Kalasapur, S., Kumar, M., Shirazi, B.A.: Dynamic service composition in pervasive computing. IEEE Trans. Parallel Distrib. Syst. 18, 907–918 (2007)CrossRef
15.
Tschorsch, F., Scheuermann, B.: Bitcoin and beyond: a technical survey on decentralized digital currencies. IEEE Commun. Surv. Tutor. 18(3), 2084–2123 (2016)CrossRef
16.
Cao, Z., Zhang, X., Zhang, W.: A context-aware adaptive web service composition framework. In: IEEE International Conference on Computational Intelligence & Communication Technology, pp. 62–66. IEEE (2015)
17.
Madkour, M., Ghanami, D.E., Maach, A.: Context-aware service adaptation: an approach based on fuzzy sets and service composition. J. Inf. Sci. Eng. 29(1), 1–16 (2013)
18.
Lin, C., Kavi, K.: A QoS-aware BPEL framework for service selection and composition using QoS properties. Int. J. Adv. Softw. 6(1 and 2), 56–68 (2014)
19.
Rajeswari, M., Sambasivam, G., Balaji, N.: Original article: appraisal and analysis on various web service composition approaches based on QoS factors. J. King Saud Univ.-Comput. Inf. Sci. 26(1), 143–152 (2014)
20.
Wang, Z., Xu, T., Qian, Z.: A parameter-based scheme for service composition in pervasive computing environment. In: Complex, Intelligent and Software Intensive Systems, CISIS 2009 (2009)
21.
Chen, N., Yang, Y., Li, J., Zhang, T.: A fog-based service enablement architecture for cross-domain IoT applications. IEEE Fog World Congress (2017)
22.
Jamali, M., Ester, M.: A matrix factorization technique with trust propagation for recommendation in social networks. In: ACM Conference on Recommender Systems, pp. 135–142 ACM (2010)
23.
Liu, G., Wang, Y., Orgun, M.A., et al.: Finding the optimal social trust path for the selection of trustworthy service providers in complex social networks. IEEE Trans. Serv. Comput. 6(2), 152–167 (2013)CrossRef
24.
Ziegler, C.N., Lausen, G.: Spreading activation models for trust propagation. In: IEEE International Conference on e-Technology, e-Commerce and e-Service, pp. 83–97. IEEE (2004)
25.
Yang, Y., Wu, Y., Chen, N., et al.: LOCASS: local optimal caching algorithm with social selfishness for mixed cooperative and selfish devices. IEEE Access PP(99), 1 (2018)
Metadaten
Titel
A Reputation Model for Third-Party Service Providers in Fog as a Service
verfasst von
Nanxi Chen
Xiaobo Xu
Xuzhi Miao
Copyright-Jahr
2018
Buch
Algorithms and Architectures for Parallel Processing

Print ISBN: 978-3-030-05062-7

Electronic ISBN: 978-3-030-05063-4

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-030-05063-4_45