大數(shù)據(jù)時(shí)代群體智能算法的優(yōu)越性研究

吳宗卓

摘 要：當(dāng)前，互聯(lián)網(wǎng)發(fā)展正由“知識(shí)需求”向“智能需求”階段轉(zhuǎn)變，網(wǎng)絡(luò)數(shù)據(jù)呈現(xiàn)指數(shù)級(jí)增長(zhǎng)，既然進(jìn)入了大數(shù)據(jù)時(shí)代，在此支撐下形成了網(wǎng)絡(luò)交互的“大群體”空間，其協(xié)同、可靠性需要群體智能的方法予以解決，而以粒子群、蟻群算法為代表的群體智能算法具有較好的魯棒性、靈活性，這是化解復(fù)雜問題的關(guān)鍵所在。針對(duì)此，文章以大數(shù)據(jù)時(shí)代的網(wǎng)絡(luò)群體智能為研究基點(diǎn)，結(jié)合群體智能算的應(yīng)用原理及特點(diǎn)，闡釋其在NP難題中的應(yīng)用優(yōu)勢(shì)性，以為網(wǎng)絡(luò)信息交互的安全性提供有效支撐。

關(guān)鍵詞：大數(shù)據(jù)時(shí)代；群體智能算法；NP難題；網(wǎng)絡(luò)群體智能

互聯(lián)網(wǎng)Web2.0深化發(fā)展的大背景下，以物理網(wǎng)、無線傳感器技術(shù)、云計(jì)算等多種新型技術(shù)為支撐的數(shù)據(jù)傳輸、存儲(chǔ)呈現(xiàn)海量、高效、多樣性的特點(diǎn)，非結(jié)構(gòu)化的數(shù)據(jù)不斷涌現(xiàn)，大數(shù)據(jù)時(shí)代應(yīng)運(yùn)而生，并成為影響各領(lǐng)域發(fā)展的關(guān)鍵所在。尤其網(wǎng)絡(luò)信息大融合、多元交互下，大數(shù)據(jù)的安全保護(hù)、可視化、聚集分析和共享，可輔助解決相關(guān)問題，這是“群體智慧”的體現(xiàn)。而該種網(wǎng)絡(luò)群體智慧具有怎樣的特點(diǎn)，如何深化對(duì)其的認(rèn)知，是有效利用其的基礎(chǔ)和前提。受自然界螞蟻、蜜蜂等群體生活的生物生活習(xí)性的啟發(fā)，提出的群體智能優(yōu)化算法，正是基于個(gè)體的相互作用來放大群體智慧，以用來解決復(fù)雜問題。因其具有較好的魯棒性、靈活性、分布性等特點(diǎn)，而得以在人工智能、信息科學(xué)、交通運(yùn)輸?shù)榷囝I(lǐng)域中應(yīng)用和發(fā)展。而鑒于群體智能算法在解決NP復(fù)雜問題時(shí)的優(yōu)勢(shì)性，目前研究已將其用于構(gòu)造不可預(yù)測(cè)性密鑰，入侵檢測(cè)的聚類分析，使其成為解決網(wǎng)絡(luò)搜索、內(nèi)容發(fā)現(xiàn)、優(yōu)化等安全問題的關(guān)鍵。特別是大數(shù)據(jù)時(shí)代下，網(wǎng)絡(luò)空間的信息安全和保護(hù)成為最緊迫之需，將該算法引入其中具有重要的現(xiàn)實(shí)意義。

1 網(wǎng)絡(luò)群體智能的概念及特點(diǎn)

1.1 概念

以用戶為中心的Web2.0互聯(lián)網(wǎng)新生時(shí)代下，促進(jìn)了大眾基于網(wǎng)絡(luò)的信息交互、共享、聚集和分析的提升，逐漸建立其大融合的智能交互空間，跨入了大數(shù)據(jù)時(shí)代，而基于海量數(shù)據(jù)的融合分析，可將各個(gè)個(gè)體的智能融入網(wǎng)絡(luò)，形成一個(gè)大的“群體智能”。正如古語所說：“眾人拾柴火焰高”，基于蜂群、蟻群、鳥群等的智能體集合理念，來發(fā)揮“1+1>2”的功效，便是網(wǎng)絡(luò)群體智能，其能夠?yàn)榇髷?shù)據(jù)時(shí)代下復(fù)雜問題的解決提供有效支撐。

OReilly曾經(jīng)將網(wǎng)絡(luò)界定為：“基于眾人參與交互、擁抱群體智能的空間載體，”大數(shù)據(jù)時(shí)代下人與人之間廣泛而深度的交互，形成了群體行為，會(huì)產(chǎn)生不同的結(jié)構(gòu)模式，并呈現(xiàn)出多層次水平群體智能，此即為網(wǎng)絡(luò)群體智能?？梢?，網(wǎng)絡(luò)群體智能是大眾在互聯(lián)網(wǎng)環(huán)境下基于特定目標(biāo)進(jìn)行在線協(xié)作、問題求解，以群體的智能來構(gòu)建完成特定任務(wù)或解決復(fù)雜問題的能力。大數(shù)據(jù)時(shí)代，可將眾人參與交互的智能融入網(wǎng)絡(luò)進(jìn)行存儲(chǔ)，在不同用戶通過共享、社會(huì)評(píng)注等達(dá)到共識(shí)時(shí)，便可根據(jù)海量數(shù)據(jù)資源，挖掘和定量分析大眾實(shí)際參與和貢獻(xiàn)的內(nèi)容[1]。

1.2 特點(diǎn)

與圖靈機(jī)智能、傳統(tǒng)群體智能比較而言，大數(shù)據(jù)時(shí)代下的網(wǎng)絡(luò)群體智能存在其自身特點(diǎn)，圖靈機(jī)智能的數(shù)值計(jì)算、信息檢索存儲(chǔ)及邏輯運(yùn)算等能力較為凸顯，網(wǎng)絡(luò)群體智能可對(duì)現(xiàn)實(shí)世界中的不同模式進(jìn)行智能感知和反饋，具有形象思維、柔性檢索、知識(shí)進(jìn)化、情感聯(lián)想感悟、常識(shí)經(jīng)驗(yàn)豐富等優(yōu)勢(shì)，實(shí)踐匯總，可將兩者有效融合，發(fā)揮各自優(yōu)勢(shì)，以提升群體智能在解決負(fù)責(zé)問題及完成特定任務(wù)中的能力。傳統(tǒng)群體智能更關(guān)注自然環(huán)境下生物群體智能的分析，而網(wǎng)絡(luò)群體智能則是在互聯(lián)網(wǎng)環(huán)境下，強(qiáng)化對(duì)于大眾廣泛深度參與下形成的群體智能研究，其群體智能規(guī)模較大，在網(wǎng)絡(luò)數(shù)據(jù)驅(qū)動(dòng)下，可通過在線協(xié)作信息系統(tǒng)交互形成負(fù)載的交互關(guān)系，呈現(xiàn)出較強(qiáng)的網(wǎng)絡(luò)效應(yīng)，復(fù)雜性和非穩(wěn)定性增大，知識(shí)共享和交互成為大眾在線協(xié)作交互的主要形式。

2 群體智能算法的應(yīng)用原理

群體智能算法衍生于對(duì)生物界的昆蟲、蟻群、鳥群及魚群等群體行為的模擬，這些群體根據(jù)既定的協(xié)作方式進(jìn)行覓食，群體中的各個(gè)個(gè)體通過對(duì)自身和其他個(gè)體經(jīng)經(jīng)驗(yàn)的學(xué)習(xí)來實(shí)時(shí)變動(dòng)搜索的方向，是用單一、有限的個(gè)體智能和行為，在相互作用機(jī)制下構(gòu)建群體智能，以形成更為強(qiáng)大的整體能力，從而在解空間內(nèi)通過基于群體智能的協(xié)同搜索，來尋求復(fù)雜問題的最優(yōu)解。該算法用個(gè)體的進(jìn)化或覓食過程來模擬負(fù)載問題的搜索和優(yōu)化過程，以搜索空間中的點(diǎn)模擬自然界的生物個(gè)體，將復(fù)雜問題求解的目標(biāo)函數(shù)轉(zhuǎn)變?yōu)閭€(gè)體對(duì)環(huán)境的適應(yīng)能力，將個(gè)體覓食及優(yōu)勝劣汰的過程設(shè)定為搜索和優(yōu)化中可行解到最優(yōu)解迭代的過程。據(jù)此，可將群體智能算法表示為以“生成+體驗(yàn)”為主要特質(zhì)的迭代搜索算法，是基于復(fù)雜問題最優(yōu)解的自適應(yīng)求解過程，其涵蓋的蟻群優(yōu)化算法、粒子群優(yōu)化算法、菌群優(yōu)化算法等均可歸類此，通過問題目標(biāo)函數(shù)的構(gòu)建和最優(yōu)解的求解，來揭示其應(yīng)用原理，從本質(zhì)上可將復(fù)雜問題的求解轉(zhuǎn)變?yōu)楹瘮?shù)優(yōu)化問題[2]，具體如下。

求解：

式中：Xi為設(shè)計(jì)變量，f（X）為被優(yōu)化的目標(biāo)函數(shù)，gj（X）≤0為約束函數(shù)，Ω為設(shè)計(jì)變量的可行域。

3 大數(shù)據(jù)時(shí)代下群體智能算法的應(yīng)用性分析

大數(shù)據(jù)時(shí)代下，基于互聯(lián)網(wǎng)的技術(shù)滯后或漏洞、安全控制體系的缺失等，造就了多元信息的丟失或泄露，加之以網(wǎng)絡(luò)邊界為基礎(chǔ)的安全防護(hù)機(jī)制已然失效，使得網(wǎng)絡(luò)安全問題日趨嚴(yán)重，而要解決這一復(fù)雜問題，則需要運(yùn)用群體智能算法，進(jìn)行密碼設(shè)計(jì)、生成高強(qiáng)隨機(jī)性的不可預(yù)測(cè)性的密鑰，以為網(wǎng)絡(luò)安全保駕護(hù)航。

3.1 密鑰設(shè)計(jì)與生成

流密碼加密是實(shí)現(xiàn)網(wǎng)絡(luò)安全通信的關(guān)鍵所在，其可加密明文字符串、密鑰流序列，解密密鑰流及密鑰。早在1949年，C.D.Shannon便以流密碼密鑰序列為隨機(jī)序列，用以生成流密碼密鑰，并從理論多角度進(jìn)行了有效驗(yàn)證。但實(shí)踐中，只能以偽隨機(jī)序列替代真正的隨機(jī)序列，序列密碼的安全強(qiáng)度對(duì)于密鑰流產(chǎn)生器產(chǎn)生的密鑰無法預(yù)測(cè)，其受串分布、線性復(fù)雜度、自相關(guān)值等諸多因素影響，且這些因素并非不可預(yù)測(cè)性的充分條件，而是必要條件。為此，無法解決高隨機(jī)性序列的分析和產(chǎn)生問題，但該問題可歸類為密鑰空間搜索最優(yōu)序列，而群體智能算法在該方面具有較大優(yōu)勢(shì)，可以該算法構(gòu)造流密碼密鑰生成器。目前，已經(jīng)有多項(xiàng)研究予以驗(yàn)證，2008年，Sreelaja.N.K等在文本加密密鑰生成中就使用了人工蟻群優(yōu)化算法，利用二進(jìn)制明文中的字符分布，并經(jīng)由一個(gè)互字符進(jìn)表來完成編碼，有效提升了網(wǎng)絡(luò)系統(tǒng)的安全性能，同時(shí)，在二進(jìn)制圖像加密中還運(yùn)用了基于蟻群優(yōu)化算法構(gòu)造的密鑰生成器。2009年，Sreelaja.N.K等在以往研究的基礎(chǔ)上，在文本加密中又引入了粒子群算法。2011年，Ismail K. Ali則運(yùn)用粒子群算法來對(duì)能夠滿足非相關(guān)性及高線性復(fù)雜性的適應(yīng)函數(shù)進(jìn)行搜集，最終經(jīng)由仿真實(shí)驗(yàn)驗(yàn)證了該算法的效用[3]。

3.2 攻擊源定位及入侵分類規(guī)則制定

大數(shù)據(jù)時(shí)代下，網(wǎng)路安全控制的入侵檢測(cè)系統(tǒng)應(yīng)具備較高的攻擊檢測(cè)率、低誤報(bào)率，且應(yīng)占用較少的資源，以滿足應(yīng)用需求。為準(zhǔn)確定位攻擊源，S.Fenet and S.Hassas在2002年利用蟻群優(yōu)化算法構(gòu)建了入侵定位的框架，在該系統(tǒng)中，網(wǎng)絡(luò)遭受攻擊時(shí)，信息素服務(wù)器負(fù)責(zé)傳遞預(yù)警的螞蟻信息素，而淋巴細(xì)胞則在網(wǎng)絡(luò)中隨機(jī)游走若獲取該信息素，則將采取相關(guān)防護(hù)措施。Chang-Lung等則構(gòu)建了基于基于蜜罐和蟻群的入侵分析模型。同時(shí)，群體智能算法可有效區(qū)分網(wǎng)絡(luò)正常及異常攻擊引發(fā)的網(wǎng)絡(luò)擁堵，可制定入侵分類規(guī)則。2006年，E.Soroush，M. S.Abadeh and J.Habibi等結(jié)合螞蟻算法可實(shí)現(xiàn)數(shù)據(jù)類別劃分的目標(biāo)指引，完成了Ant-Miner分類規(guī)則提取算法的設(shè)計(jì)，據(jù)此制定了入侵規(guī)則。2008年，C.Ramachandran，S.Misra and M. S.Obaidat等針對(duì)其他檢測(cè)系統(tǒng)，基于智能螞蟻Ant-Miner算法構(gòu)建入侵規(guī)則分類方法，同時(shí)，鑒于網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的隨機(jī)變動(dòng)性，以往的入侵檢測(cè)方法適用受限。F. Barani等引入人工蟻群算法和負(fù)選擇算法，分別用于入侵規(guī)則的訓(xùn)練、父檢測(cè)子集的生成，設(shè)計(jì)了一種動(dòng)態(tài)的入侵檢測(cè)系統(tǒng)，并通過實(shí)驗(yàn)分析，該算法可兼顧檢測(cè)效率和誤報(bào)率的平衡性[4]。

4 結(jié)語

基于個(gè)體智慧的相互融合和支撐，來擴(kuò)大和發(fā)揮群體的智慧，完成復(fù)雜任務(wù)或問題的解決，是群體智能的本質(zhì)所在，而群體智能算法正是以此為基礎(chǔ)發(fā)展而來的，其具有較好的并行性和環(huán)境適應(yīng)能力，在非線性復(fù)雜問題中具有顯著的應(yīng)用優(yōu)勢(shì)。而大數(shù)據(jù)時(shí)代下，要確保海量數(shù)據(jù)在全生命周期各階段的安全均可控，則需要引入可模擬群集行為，能夠不斷改變搜索方向的群體智能算法予以解決，而基于上述該算法原理、特點(diǎn)及應(yīng)用性的闡釋，可為上述問題的解決提供新的思路和方向。

[參考文獻(xiàn)]

[1]王華，趙東杰，楊海濤，等.大數(shù)據(jù)時(shí)代下網(wǎng)絡(luò)群體智能研究方法[J].計(jì)算機(jī)與現(xiàn)代化，2015（2）：1-6.

[2]徐聶甜子.大數(shù)據(jù)時(shí)代下網(wǎng)絡(luò)群體智能研究[J].傳播力研究，2018（20）：228.

[3]吳虎勝，張鳳鳴，吳廬山.一種新的群體智能算法—狼群算法[J].系統(tǒng)工程與電子技術(shù)，2013（11）：2430-2438.

[4]楊義先，李麗香，彭海朋，等.群體智能算法及其在信息安全中的應(yīng)用探索[J].信息安全學(xué)報(bào)，2016（1）：39-49.