梁盈威，杨秋勇，谢瀚阳
(广东电网有限责任公司， 广东， 广州 510000)
IOT是在互联网、通信技术与计算机快速发展的基础上形成的人物联合网络，涉及大量的数据信息。IOT网络属于开放系统，网络中各传输设备的安全标准不同，容易受到外部黑客攻击，或者数据丢失。调查结果显示[1]，物联网用户由2015年的102 223万户，上升到2020年的1 202 223万户，用户增长了9.3倍[2]。另外，物联网中的设备智能化水平日益提高，且呈现大数据的特征。有学者提出数据共享，或者替代性传输，以减少IOT中的数据传输压力，提高网络中传输数据的价值。也有学者提出推测性共享安全判断，或者综合性共享安全判断的方法，诸如遗传算法、蚁群算法和贝叶斯算法等[3-4]。基于上述分析，本文提出k-means联合GA的算法对数据共享的安全性进行多角度分析，并构建“互动-加密-预测” 三位一体的保障体系，旨在推动IOT下的数据共享安全问题的解决[4]。
1.1 影响因素确定
有研究结果显示，互动系数、关联系数是IOT数据共享安全的影响因素之一。有学者认为，泄密的前瞻性预测、传输通路的预测性选择能增加数据传输的安全性，降低木马的植入几率。因此，数据一致性处理、信息加密系数和安全推断系数是影响共享安全的另一影响因素，结果如表1所示。
表1 IOT环境下数据共享安全的影响因素
1.2 影响因素的数学描述
假设IOT网络中的数据传输设备独立，数据共享信道为公共信道，且设备并不集中，那么可以对IOT中的设备进行共享安全监测。共享安全监测范围包括互动系数、加密系数、关联系数和推断系数等，相应指标的数学描述如下。
(1) 假设数据共享安全指标集合为M， IOT中RFID、GPS等设备发送的数据来源I，且发送数据I的设备ID不同。
(2) 如果N为共享数据信息集合，i为设备发送的数据编号，j为设备的ID号，k为共享判断信息(共享=1，不共享=0)，l为数据安全检测序列(安全=1，危险=0)，那么设备的信息集合可以描述为Ni，j，k，l，，且i，j，k，l=(1，2，…,n)，n为自然数。为了避免共享数据信息集合字节过大，Ni，j，k，l，m中的k默认为共享、l默认为安全。
图1 安全指标、数据与设备间的关系
(3) 数据类型的标准化处理
IOT数据采集数据较多，需要对共享数据进行k-means计算。由于不同设备发送数据的属性不同，可以用A(m·I)表示数据的复杂性。m为数据的属性集合，I发送数据。为了保证k-means处理结果的准确性，需要对其聚类进行约束处理，如式(1)：
(1)
其中，S为信息聚类的核心聚类。那么式(1)可以转化为式(2)：
(2)
不同设备发送的数据种类不同，需要进行欧式距离的相似度计算，以提高S的准确性[9]，如式(3)：
J(A,B)=|A∩B|/|A∪B|
(3)
其中，J为S的相似度，B为计算结果。IOT数据共享过程中，同一数据类型会出现不同的频率。为了提高共享数据的处理效率，需要计算数据类型的出现次数G，并赋予相应的权重H，那么共享数据出现的频率R的计算如式(4)：
(4)
其中，Gij为j设备发送i数据的次数，Gi为i数据发送的次数，Gj为j设备发送的次数。
(4) 以数据共享的安全性l为单位，将同一设备发送数据的加密系数、互动系数、关联系数、推断系数，划入到该设备的安全性内。
(5) IOT获取的任何共享数据，均由共享中心编排，设备并受权重H、次数G约束，并进项相应的排列。
(6) 任何共享数据均有加密系数x、互动系数y、关联系数z、推断系数o要求。其中，依据《物联网环境实施规范》，以及IOT实施统计经验，确定x、y、z、o的初始系数为0.032，0.282、0.392和0.317。同时，假设相关性为R，依据傅里叶级数进行对上述4个参数的相关性进行判断，如下公式：
R=∑∮xyzo+∑∮xy+∑∮xz+∑∮xo+∑∮yz+∑∮yo+∑∮zo
(5)
其中，∑∮xyzo为4个参数的整体相关性，∑∮xz为xz相关性，相关=1，不相关=0，∑∮xy为xy相关性关=1，不相关=0，其他略。R为最后输出结果，如果整体不相关=0，相关=1。
相关系数必须要符合预期设定阀值。
(7) 将数据的干扰程度纳入到安全分析中，计算公式如下：
P=xyzo+ξ
(6)
其中，P为抗干扰能力，ξ为干扰调整系数。
(8) 假设所有IOT公式数据N在共享前均被设置。
2.1 模型算法的构造
火模拟算法的Metropolis接受准则可以对信道的抗干扰程度P进行判断，提高共享数据传输的完整性，并减少信道频繁切换产生的冗余信息[10-11]。
假设共享数据的现有安全等级为lk，安全性由原始状态lk向lk+1转变，那么数据泄密的概率为Plk=exp[f(lk+1)-f(lk)/lk]。如果0
(7)
2.2 共享安全的算子设计
2.2.1 共享数据信息编码
准确度设计一般用适度函数表示，可以引导GA迭代计算方向。设定初始阈值可以减低理论与实际的误差，一般设定为0.01。本文是在数据共享的基础上提高共享的安全性，最大程度地实现理论值与实际值的一致，所以将初始阀值设定为0.001。具体的适度函数计算如式(8)：
(8)
其中，Fk为在k等级下的实际值与理论值差，ξ为干扰程度调节系数，t1为初始共享数据的传输时间，ti为第i个数据传输时间[12-13]。
2.2.3 安全项设计
安全项设计包括加密系数x、互动系数y、关联系数z、推断系数o，上述4项指标之间容易混淆，需要利用Metropolis接受准则进行约束，并最终得到准确的安全指标。上述4项安全指标的计算如式(9)：
(9)
其中，Ni,j,0,0为安全等级为0，共享判断结果=1时的数据安全程度，fmin是各个设备发送共享数据精度，fmg整个IOT网发送共享数据的精度，fm为共享数据的被黑客等外部手段攻击的程度。
2.3 安全保障体系的建立步骤
综合上述分析，得到IOT环境下数据开放共享安全保障体系的建立步骤：
(1) 设置初始IOT共享数据集合N，以及加密系数x、互动系数y、关联系数z、推断系数o，并将所有的共享判断信息k设置为1，以及IOT共享数据的传输方案(专属信道、混合信道和变动信道)，以及传输精准度的初始阈值0.001；
此类non-convex QCQP问题是NP-Hard的，本文将利用正交变换的方法，将此问题转化为松弛的二次约束二次规划问题(Relaxation Quadratically Constrained Quadratic Program,RQCQP).
(2) 所有的共享数据遍历完成，则终止GA计算，转入步骤(3)，否则执行数据遍历[14-15]；
(3) 依据Metropolis接受准则，计算泄密等级、黑客入侵程度，并提高安全等级，如果计算结果超过对应参数的阈值，则降低安全等级；
(4) 分别将准确度符合要求，安全性最高的共享方案存入安全保障体系集合Total中；
(5) 转到步骤(3)，进行反复计算。
3.1 IOT概况
以物流运输公司2020年12月～13日18小时内的IOT数据共享为实例进行分析，数据共享点为203个，准确度为0.001，共传输数据109 321次，通信设备为光纤、GSP、同轴电缆，信道类型为有线、无线混合信道。IOT中RFID设备13台，扫描设备6台，摄像头65个，声音收集装置72个，采用DNP3.0协议、BACnet协议进行传输，并采用阿里云平台，测试的服务器配置如表2所示。
表2 系统测试环境服务器硬件配置
为了保证测试IOT运行的稳定，需要对上述设备进行封闭，模拟相应的实验环境。系统采用的操作系统为Cent OS、Windows 10，数据库为MySQL 5.7.9，Hadoop版本为2.6.0-5.7.1-1335。为了防止出现单个设备故障造成整个IOT瘫痪，或者影响IOT测试，对所有的服务器、终端PC进行节点配置如表3所示。
表3 测试环境服务器界定设定结果
通过设定各个PC、服务器的IP为后期数据传输的共性数据泄露率，理论与实际数据传输的准确性，以及共性安全等级，使其符合该物流公司对信息共享的要求。
3.2 系统测试指标
3.2.1k-means数据处理结果
对采集的Ni，j，k，l，m数据进行k-means数据处理，进行1 500次的迭代处理，得到加密系数、互动系数、关联系数、推断系数的聚类程度结果。结果显示，聚类程度在500次迭代后，达到90%以上的聚类程度，说明IOT数据的k-means数据处理效果比较理想。但是，在500次的迭代以后才出现高聚类，也充分说明IOT获得的数据量较大，需要进行多次的迭代处理，才能获得满意的数据处理效果。
图2 k-means数据处理结果
3.2.2 数据的安全性
在对加密系数、互动系数、关联系数、推断系数的安全性进行150次数模拟攻击时发现，加密系数的安全性保持在98%以上，互动系数安全性在92%以上，关联系数保持在90%以上，推动系数保持在93%以上。密码、密钥的安全性关系到整个IOT网络的重要指标。数据共享中的互动和关联是黑客入侵的间接手段，但该指标的安全性保持在92%以上，说明整个IOT安全保障体系比较安全。相对来说，推断系数的安全性较低，是由于IOT海量数据中无法有效进行威胁预测，但90%以上的安全性，仍然说明该体系比较安全。
图3 加密系数、互动系数、关联系数、推断系数的安全性
3.3 共享安全保障体系的整体安全性
针对IOT下开放性共享程度进行计算，发现数据的整体安全程度处于90%以上，并随开放程度安全性有所降低。数据的硬件资源有限，必然影响安全性的降低。相对来说，理论传输与实际接收数之间的准确性较高，保持在98%以上。但是，IOT共享数据100%开放以后，安全性仍然保持在90%以上，满足安全的要求。
图4 开放性共享程度与安全性、准确性的关系
本研究对IOT中的数据共享安全问题进行分析，构建了基于k-means数据处理、Metropolis接受准则和GA算法的安全保障体系。在1 500次迭代过程中，数据的聚类程度逐渐集中，在150次黑客攻击中，安全保障系统能满足现阶段的共享安全需要，同时安全性随共享程度的增加而降低，但安全性均大于90%。相对来说，数据准确性并未发生大幅改变，均高于95%。
猜你喜欢 保障体系聚类加密 区域推进国家安全教育的现实路径与保障体系中国德育(2022年18期)2022-10-14专业教学质量评价与保障体系构建研究及实践高教学刊(2022年13期)2022-05-24基于数据降维与聚类的车联网数据分析应用汽车实用技术(2022年4期)2022-03-07保护数据按需创建多种加密磁盘电脑爱好者(2020年6期)2020-05-26基于模糊聚类和支持向量回归的成绩预测华东师范大学学报（自然科学版）(2019年5期)2019-11-11中外高等教育教学质量保障体系比较知识文库(2019年10期)2019-10-20谷歌禁止加密货币应用程序中国计算机报(2018年30期)2018-11-12加密与解密课堂内外(小学版)(2017年5期)2017-06-07基于密度的自适应搜索增量聚类法电子技术与软件工程(2016年23期)2017-03-06