Rozwiązania w ramach tego podejścia to te, które wykorzystują komponenty oceny zaufania, które oceniają zaufanie na podstawie wstępnie zdefiniowanych funkcji. Po ocenie zaufania przez poszczególne komponenty ostateczna wartość zaufania jest obliczana na podstawie ich kombinacji. Rozwiązania te mają tę zaletę, że zaufanie jest obliczane przez poszczególne składniki zaufania, dzięki czemu można mieć większą pewność co do otrzymanych wartości. Są one jednak złożone i wymagają poprawnej definicji cech, które stanowią podstawę zaufania, ponieważ jeśli niektóre z cech o wysokiej wartości zostaną pominięte, można nie otrzymać poprawnej ogólnej wartości zaufania, na której można polegać. Techniki w tej kategorii są następujące:
- Model zaufania użytkowników do przetwarzania w chmurze. Ahmad Rashidi skupił się na fakcie, że zaufanie jest jednym z głównych problemów, którym należy się zająć w środowisku chmury. Wziął statystyki i dane z raportów, takich jak Gartner, Cloud Security Alliance i innych, aby zidentyfikować pytania, które są związane z zaufaniem do przetwarzania w chmurze w świadomości użytkowników końcowych. Główne obawy związane z zaufaniem użytkowników do środowiska chmury są następujące: lokalizacja danych, badanie, segregacja danych, dostępność, długoterminowa żywotność, zgodność z przepisami, tworzenie kopii zapasowych i odzyskiwanie oraz uprzywilejowany dostęp dla użytkowników. Stanowią one model zaufania użytkownika do przetwarzania w chmurze. Aby ocenić model, użytkownicy przeprowadzili ankietę użytkowników za pomocą kwestionariusza i dokonali analizy statystycznej swoich wyników za pomocą SPSS 19, a dopasowanie zostało zmierzone za pomocą analizy struktur momentowych lub AMOS 18. Model zbadano pod kątem maksymalnego prawdopodobieństwa. Wyniki badań pokazują, że tworzenie kopii zapasowych i odzyskiwanie danych ma największy wpływ na zaufanie użytkowników do przetwarzania w chmurze z zarejestrowaną wartością 0,91 z AMOS. Analiza wyników pokazuje, że segregacja danych i badania mają niewielki wpływ na zaufanie użytkowników do przetwarzania w chmurze. Jego odkrycia obejmują określenie ośmiu parametrów, na podstawie których można uzyskać większe zaufanie użytkownika do chmury. Ponadto model zaproponowany wraz z ustaleniami może pomóc branży spojrzeć na obawy, które w największym stopniu wpływają na zaufanie, i znajdź odpowiednie rozwiązania, aby je zapewnić.
- System zarządzania zaufaniem dla zasobów gridowych i chmurowych. Manuel i inni, zaproponował nowy model zaufania oparty na brokerze zasobów CARE. Technika zaproponowana przez autorów skupia się na ocenie zaufania w systemach gridowych i chmurowych w oparciu o trzy komponenty oceniające, które obejmują (1) ewaluatora poziomu bezpieczeństwa, (2) ewaluatora informacji zwrotnej i (3) ocenę zaufania do reputacji. Każdy z tych oceniających zaufania stosuje różne miary. Analizator zaufania na poziomie bezpieczeństwa używa tych parametrów do oceny zaufania: typ uwierzytelniania, typ autoryzacji, mechanizm używany do samo-zabezpieczenia, wielokrotne uwierzytelnienia i mechanizmy autoryzacji. Stopień zaufania jest oparty na ocenie, jaką nadawany jest każdemu z parametrów bezpieczeństwa na podstawie siły ich implementacji w systemie. Ocena opinii obejmuje trzy etapy: (1) zbieranie opinii, (2) weryfikacja opinii i (3) aktualizacja informacji zwrotnych. Wreszcie, osoba oceniająca reputację korzysta z parametrów sieci i zasobów chmury, takich jak moc obliczeniowa i możliwości sieci, do obliczenia wartości zaufania. W końcu wszystkie wartości uzyskane z trzech oceniających zaufanie są następnie wykorzystywane do obliczenia ostatecznego podsumowania, które staje się ostateczną wartością zaufania chmury lub systemu grid. Ostateczna wartość zaufania może być następnie wykorzystana do uzyskania dostępu do usług w chmurze i ma zastosowanie do heterogenicznego przetwarzania w chmurze. Jednak koncepcja nie została wdrożona i jest w toku, ale wstępny prototyp jest już testowany przez autorów w ramach symulacji.
3. Modelowanie i ocena zaufania w środowiskach przetwarzania w chmurze. Qiang zilustrował fakt, że modele oceny zaufania są niedostępne w środowisku chmury obliczeniowej. Autorzy zaproponowali rozszerzalny model oceny zaufania nazwany rozszerzalnym modelem oceny zaufania dla środowisk przetwarzania w chmurze (ETEC), a także opisali różne miary zaufania, w tym zaufanie, stopień zaufania, relację zaufania, usługę zaufania, model zaufania, łańcuch zaufania, zaufanie do rekomendacji, doświadczenie lub wiedzę , bezpośrednie zaufanie i funkcja zapominania oparta na czasie. Po analizie autorzy zaproponowali również model ETEC, który działa na zaufaniu rekomendacji i zaufaniu bezpośrednim. Wyjaśniono algorytm ETEC z jego algorytmami składowymi, w tym zaufaniem bezpośrednim, zaufaniem rekomendacji i zaufaniem dynamicznym. ETEC jest w rzeczywistości zmienną w czasie i przestrzenną metodą oceny bezpośredniego zaufania i zaufania do rekomendacji.