探究神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)安全通信技術(shù)

摘 要：在計(jì)算機(jī)網(wǎng)絡(luò)安全管理方面，數(shù)據(jù)通信的安全保障需要各界引起足夠的重視。本文主要對BP神經(jīng)網(wǎng)絡(luò)作為中間形式而實(shí)行的數(shù)據(jù)安全通信方式進(jìn)行簡單分析，從網(wǎng)絡(luò)數(shù)據(jù)的特征提取和數(shù)據(jù)的還原，與相關(guān)的安全準(zhǔn)則、加密計(jì)算方式和認(rèn)證系統(tǒng)相結(jié)合，從而達(dá)到提高網(wǎng)絡(luò)通信安全目的。

【關(guān)鍵詞】神經(jīng)網(wǎng)絡(luò) 網(wǎng)絡(luò)數(shù)據(jù) 網(wǎng)絡(luò)通信安全

通信技術(shù)和計(jì)算機(jī)技術(shù)得到不斷的發(fā)展和進(jìn)步過程中，網(wǎng)絡(luò)資源也逐漸實(shí)現(xiàn)了共享，全球信息化順勢成為當(dāng)今社會(huì)的發(fā)展潮流。計(jì)算機(jī)網(wǎng)絡(luò)是信息傳播的主要形式，也是全球范圍內(nèi)數(shù)據(jù)通信的主要方式，具有方便、快捷，經(jīng)濟(jì)等特點(diǎn)。除了日常的信息交流和溝通之外，重要部門需要加密的內(nèi)部文件、資料、執(zhí)行方案和個(gè)人隱私等信息內(nèi)容也會(huì)通過網(wǎng)路系統(tǒng)實(shí)現(xiàn)傳輸，但是網(wǎng)絡(luò)數(shù)據(jù)給人們帶來方便的同時(shí)，自身也存在極大的風(fēng)險(xiǎn)，因此，如何有效應(yīng)用信息網(wǎng)絡(luò)，并保證網(wǎng)絡(luò)信息傳輸?shù)陌踩?，是網(wǎng)絡(luò)安全建設(shè)的主要內(nèi)容之一。

1 BP神經(jīng)網(wǎng)絡(luò)中間形式通信方式

文中主要對安全通信的中間形式以達(dá)到信任主機(jī)間安全通信的目的，在系統(tǒng)中的位置屬于安全通信層，該通信層位于系統(tǒng)中網(wǎng)絡(luò)結(jié)構(gòu)組織的最底層，位置越低，具備的安全性能越高，穩(wěn)定性更強(qiáng)，不輕易受到干擾，從而在一定程度上增加了技術(shù)的實(shí)行難度。

如圖1所示。安全通信層的插入點(diǎn)是與網(wǎng)卡相接近的位置，即NDIS層。安全通信層中具有明顯的優(yōu)勢對數(shù)據(jù)包進(jìn)行截獲，數(shù)據(jù)包的類型有FDDI、EtherNetS02.3或者EtherNetS02.5等，建立其完整的網(wǎng)絡(luò)協(xié)議，數(shù)據(jù)包實(shí)行過濾、加解密或者分析等。并保證上層的協(xié)議得到完整的處理。安全通信的中間形式具有的主要功能包括：

（1）根據(jù)上層協(xié)議發(fā)出的數(shù)據(jù)實(shí)行加密處理后，將特征進(jìn)行提取，并根據(jù)網(wǎng)卡從信任主機(jī)所接收到的數(shù)據(jù)實(shí)行解密后，對待數(shù)據(jù)進(jìn)行還原。

（2）以相關(guān)的安全準(zhǔn)則為基礎(chǔ)，對各種存在的網(wǎng)絡(luò)協(xié)議數(shù)據(jù)實(shí)行具體的過濾和分析。

（3）不同的用戶實(shí)行相應(yīng)的身份識(shí)別和校驗(yàn)。當(dāng)前網(wǎng)絡(luò)環(huán)境中，對數(shù)據(jù)包的過濾分析的技術(shù)和身份認(rèn)證技術(shù)相對成熟，進(jìn)而有效提升安全準(zhǔn)則的定義。文中將省略安全通信中間形式的協(xié)議的過濾分析、安全準(zhǔn)則定義和用戶認(rèn)證工作等內(nèi)容，注重對BP神經(jīng)網(wǎng)絡(luò)模型在實(shí)行數(shù)據(jù)特征提取和數(shù)據(jù)還原等方面進(jìn)行分析，并與其他的加密算法相結(jié)合，從而達(dá)到增大數(shù)據(jù)通信保密性的目的。

2 BP神經(jīng)網(wǎng)絡(luò)模型

人工神經(jīng)網(wǎng)絡(luò)是近年來逐漸興起的一門學(xué)科，該網(wǎng)絡(luò)主要是由具有適應(yīng)性的簡單單位組成，且具備廣泛特點(diǎn)，實(shí)現(xiàn)互相連接的網(wǎng)絡(luò)系統(tǒng)，且能夠模仿人的大腦進(jìn)行活動(dòng)，具備超強(qiáng)的非線形和大數(shù)據(jù)并行處理、自訓(xùn)練與學(xué)習(xí)、自組織與容錯(cuò)等優(yōu)勢。尤其是由Rumelhart指出的多層神經(jīng)網(wǎng)絡(luò)，即BP算法，得到多數(shù)的研究學(xué)者所重視。

BP網(wǎng)絡(luò)是利用多個(gè)網(wǎng)絡(luò)層相結(jié)合而成，其中有一個(gè)輸入層和輸出層、一個(gè)或者多個(gè)隱層，每一層之間的神經(jīng)單位并不存在相關(guān)的連接性。

BP網(wǎng)絡(luò)是通過前向傳播和反向傳播相結(jié)合形成，前向傳播表現(xiàn)為：輸入模式通過輸入層、隱層的非線形實(shí)行變換處理；而傳向輸出層，如果在輸出層中無法達(dá)到期望的輸出標(biāo)準(zhǔn)，則需要通過轉(zhuǎn)入反向傳播的過程中，把誤差值沿著連接的通路逐一進(jìn)行反向傳送，進(jìn)而修正每一層的連接權(quán)值。

實(shí)現(xiàn)規(guī)范的訓(xùn)練方式，通過同一組持續(xù)對BP網(wǎng)絡(luò)實(shí)行訓(xùn)練，在重復(fù)前向傳播與誤差反向傳播的過程中，需要保證網(wǎng)絡(luò)輸出均方誤差與給定值相比下，數(shù)值較小。

以第四層的BP網(wǎng)絡(luò)系統(tǒng)進(jìn)行分析，即具體的算法實(shí)現(xiàn)和學(xué)習(xí)過程。假設(shè)矢量X=（X0，X1…Xn-1）T；第二層有n1個(gè)神經(jīng)元，即X=（X0，X1，…Xn1-1）T第三層有n2個(gè)神經(jīng)元，Xn=（Xn0，Xn1，…，Xnn2-1）T；輸出m個(gè)神經(jīng)元，y=（y0，y1，…，ym-1）T。設(shè)輸入和第二層之間的權(quán)值為Wab，閾值為θb；第二層與第三層的權(quán)值為Wbc，閥值為θc；第三層與輸出層的權(quán)為Wcd，閾值為θd。正常情況下會(huì)使用非線性連續(xù)函數(shù)作為轉(zhuǎn)移函數(shù)，將函數(shù)設(shè)為：

3 BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)安全通信設(shè)計(jì)

當(dāng)前，數(shù)據(jù)包過濾和分析的技術(shù)、安全準(zhǔn)則制定和身份認(rèn)證技術(shù)均達(dá)到一定 發(fā)展程度，因此，文中主要對安全通信的中間形式，以BP神經(jīng)網(wǎng)絡(luò)為實(shí)驗(yàn)?zāi)Ｐ?，對網(wǎng)絡(luò)數(shù)據(jù)特征的提取和原有數(shù)據(jù)還原等方面內(nèi)容實(shí)行分析。在BP神經(jīng)網(wǎng)絡(luò)發(fā)展的基礎(chǔ)上，與相關(guān)的認(rèn)證系統(tǒng)，安全準(zhǔn)則和加密算法等技術(shù)相結(jié)合，能在一定程度上提升數(shù)據(jù)通信保密性、整體性和有效性，從而達(dá)到促進(jìn)數(shù)據(jù)傳輸速度的目的。

BP網(wǎng)絡(luò)中含有多個(gè)隱層，經(jīng)過相關(guān)的研究證明，無論是處于哪一個(gè)閉區(qū)間之間的連接函數(shù)都能利用一個(gè)隱層的BP網(wǎng)絡(luò)來靠近，因此，一個(gè)3層的BP網(wǎng)絡(luò)能夠隨意完成n維到m維的映射變化。如果網(wǎng)絡(luò)中含有的隱層單位數(shù)較多，具有較多的可選擇性，則需要進(jìn)行慎重考慮；如果隱層中的單元數(shù)過少，極有可能會(huì)導(dǎo)致訓(xùn)練失敗，影響到網(wǎng)絡(luò)系統(tǒng)訓(xùn)練的發(fā)展，因此網(wǎng)絡(luò)訓(xùn)練所擁有的容錯(cuò)性不強(qiáng)；如果隱層中的單元數(shù)過多，則需要花費(fèi)更長的時(shí)間進(jìn)行學(xué)習(xí)，得到誤差結(jié)果也較大，因此為了有效提升訓(xùn)練結(jié)果誤差的準(zhǔn)確性，建議在實(shí)際操作過程中，可以依照公式n1=log2n，公式中的n是輸入神經(jīng)的元數(shù)值，n1表示的是隱層的單位元數(shù)值。

對網(wǎng)絡(luò)傳輸數(shù)據(jù)實(shí)行特征提取和數(shù)據(jù)的還原過程中，詳見圖2所示。

如圖2中所示，三層神經(jīng)元結(jié)合而成的BP網(wǎng)絡(luò)，所具有的輸入層和輸出層每個(gè)神經(jīng)元的個(gè)數(shù)全部相同，設(shè)定個(gè)數(shù)為n個(gè)，中間所隱藏的單元個(gè)數(shù)為n1=log2n，當(dāng)輸入了學(xué)習(xí)的樣本內(nèi)容后，利用BP網(wǎng)絡(luò)的學(xué)習(xí)，讓輸入和輸出層保持一致，因?yàn)殡[層的神經(jīng)元個(gè)數(shù)明顯小于進(jìn)入輸入層的原始網(wǎng)絡(luò)數(shù)據(jù)，而將隱層神經(jīng)元作為原始網(wǎng)絡(luò)數(shù)據(jù)特征的樣本。在實(shí)行網(wǎng)絡(luò)傳輸過程中，只需要將隱層神經(jīng)元的數(shù)據(jù)進(jìn)行傳輸。作為數(shù)據(jù)的接收方，收到的數(shù)據(jù)應(yīng)該是隱層的神經(jīng)元數(shù)值，如果在此基礎(chǔ)上，將數(shù)據(jù)乘上隱層至輸出層的權(quán)值即可根據(jù)發(fā)送方提供的原始網(wǎng)絡(luò)數(shù)據(jù)實(shí)行還原。通過這一計(jì)算法積累的經(jīng)驗(yàn)，合理與相關(guān)的加密算法相結(jié)合進(jìn)行計(jì)算，具體如：RSA、DES等，最大限度降低了網(wǎng)絡(luò)的總流量，進(jìn)而提升了數(shù)據(jù)通信的保密性。

4 結(jié)論

將特定的網(wǎng)絡(luò)數(shù)據(jù)作為具體的訓(xùn)練樣本，開展BP網(wǎng)絡(luò)訓(xùn)練，把一串8個(gè)bit位的代碼作為輸入樣本，在隱層中含有3個(gè)神經(jīng)元，通過BP網(wǎng)絡(luò)的學(xué)習(xí)過程中，需要保證輸出與輸入數(shù)據(jù)相一致。實(shí)行網(wǎng)絡(luò)數(shù)據(jù)傳輸過程中，接收方應(yīng)該以事前獲得的隱層與輸出層之間存在的不同的權(quán)系數(shù)，使用該系數(shù)與接收的隱層神經(jīng)元數(shù)據(jù)相乘計(jì)算，就能有效恢復(fù)原先的網(wǎng)絡(luò)數(shù)據(jù)，以及8個(gè)bit位的輸入層。

因?yàn)槿斯ど窠?jīng)網(wǎng)絡(luò)擁有明顯的自學(xué)習(xí)和自適應(yīng)、聯(lián)想與記憶、并行處理以及非線形轉(zhuǎn)換等優(yōu)勢，無需進(jìn)行復(fù)雜數(shù)學(xué)過程，并能夠在樣本缺損、資料不完備和參數(shù)出現(xiàn)漂移的狀態(tài)下繼續(xù)保持穩(wěn)定的輸出模式，基于此，文中主要使用一個(gè)3層的BP網(wǎng)絡(luò)有效對網(wǎng)絡(luò)數(shù)據(jù)實(shí)行特征提取和數(shù)據(jù)還原工作，并以該工作為基礎(chǔ)，與相應(yīng)的加密算法和認(rèn)證體系相聯(lián)系結(jié)合，通過中間件的形式貫穿在整體系統(tǒng)的主要核心內(nèi)容，從而不僅能夠?qū)崿F(xiàn)對網(wǎng)絡(luò)通信技術(shù)的過濾和分析，還能夠在另一方面保障了數(shù)據(jù)通訊的完整安全性。

參考文獻(xiàn)

[1]俞黎陽，王能，張衛(wèi).無線傳感器網(wǎng)絡(luò)中基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合模型[J].計(jì)算機(jī)科學(xué)，2012（12）：247-255.

[2]屈斌，胡訪宇.高效節(jié)能的無線傳感器網(wǎng)絡(luò)路由協(xié)議研究[J].計(jì)算機(jī)仿真，2013（05）：314-332.

[3]付劍波，劉衛(wèi)國.無線傳感器網(wǎng)絡(luò)的一種多層數(shù)據(jù)融合方案[J].傳感器與微系統(tǒng)，2011（12）：210-225.

[4]賈建華，王軍峰，馮冬青.人工神經(jīng)網(wǎng)絡(luò)在多傳感器信息融合中的應(yīng)用研究[J]. 微計(jì)算機(jī)信息，2012（07）：234-258.

[5]鄧茗春，李剛.基于人工神經(jīng)網(wǎng)絡(luò)的智能數(shù)據(jù)分析方法研究[J].信息技術(shù)與信息化，2011（05）：217-226.

[6]鄭志軍，林霞光，鄭守淇.一種基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘方法[J].西安建筑科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2010（01）：125-136.

[7]任穎，李華偉.一種新型神經(jīng)網(wǎng)絡(luò)模型在數(shù)據(jù)挖掘中的應(yīng)用[J].現(xiàn)代計(jì)算機(jī)（專業(yè)版），2010（03）：105-116.

作者簡介

拖洪華（1973-），男，黑龍江省哈爾濱市人。大學(xué)本科學(xué)歷?，F(xiàn)為湖南環(huán)境生物職業(yè)技術(shù)學(xué)院公共基礎(chǔ)課部高級(jí)實(shí)驗(yàn)師。研究方向?yàn)橹饕獜氖麓髷?shù)據(jù)、云計(jì)算研究。

作者單位

湖南環(huán)境生物職業(yè)技術(shù)學(xué)院 湖南省衡陽市 421005