基于云安全與深度學習的區(qū)域大數(shù)據(jù)分析方法研究

楊睿

（西安職業(yè)技術學院，陜西西安 710077）

我國采取了一系列有效的手段積極促進經(jīng)濟發(fā)展，促使不同地區(qū)發(fā)展具有本土特色的經(jīng)濟增長模式。隨著知識經(jīng)濟模式的發(fā)展，傳統(tǒng)的勞動力密集型經(jīng)濟發(fā)展模式紅利逐漸消失，技術創(chuàng)新型產(chǎn)業(yè)已成為我國經(jīng)濟的下一個增長點。因此，對于區(qū)域經(jīng)濟準確分析尤為重要。

文中使用區(qū)塊鏈技術建立了安全的經(jīng)濟數(shù)據(jù)共享平臺，并基于該平臺采用SI-RNN 網(wǎng)絡建立了一套大數(shù)據(jù)的分析系統(tǒng)，最終實現(xiàn)了對經(jīng)濟數(shù)據(jù)的智能化處理。

1 基于終端的云安全設計

利用圖1 所示的主要智能設備，開發(fā)基于區(qū)塊鏈的云安全系統(tǒng)。

圖1 智能設備網(wǎng)絡

本地設備或覆蓋節(jié)點之間的通信稱為事件[1]。每個基于區(qū)塊鏈(BC)的智能終端均為特定功能而設計，存儲交易由設備生成以存儲數(shù)據(jù)，儲存在SP中。SP 用于生成監(jiān)視事件，定期監(jiān)視設備信息[2]。通過新建交易將新設備添加到智能網(wǎng)絡中或通過刪除交易將設備刪除，所有上述交易均使用共享密鑰來保護通信[3]。

1.1 局部區(qū)塊鏈

每個智能終端中均有一個本地私有BC，該BC 跟蹤交易并具有策略標頭，以強制用戶執(zhí)行傳入與傳出交易的策略。從創(chuàng)世交易開始，每臺設備的交易均鏈接在一起，成為BC 的不變分類帳[4]。本地BC 中的每個塊均包含兩個頭，分別是塊頭與策略標頭。該塊頭具有前一個塊的哈希，以保持BC 不可變。策略標頭用于對設備進行授權并強制所有者對其執(zhí)行控制策略[5]，策略標頭具有4 個參數(shù)，請求參數(shù)用于覆蓋交易中的請求者信息，對于本地設備而言，此字段即為設備ID。策略標頭中的第二列數(shù)據(jù)用于指示事件中請求的操作，其可以是本地存儲數(shù)據(jù)、云存儲數(shù)據(jù)或者是特定設備的實時數(shù)據(jù)。策略標頭中的第三列數(shù)據(jù)是智能終端的ID，最后一列數(shù)據(jù)為與先前屬性匹配的執(zhí)行操作。

除BC 標頭外，每個塊還包含眾多事件。每個交易均有5 個參數(shù)存儲在本地BC 中[6]，前兩個參數(shù)用于鏈接同一設備的交易，且唯一標識每個交易。

1.2 終端服務器

智能終端服務器是一種集中處理與智能終端之間的來往交易設備。該服務器可以與網(wǎng)關或獨立設備集成，可放置在設備與網(wǎng)關之間[7]。智能終端服務器類似于現(xiàn)有的中央安全設備，服務器對交易進行認證、授權與審計。

2 網(wǎng)絡安全關鍵技術

在建立的網(wǎng)絡基礎上，使用圖2 給出的區(qū)塊鏈操作流程保證網(wǎng)絡內(nèi)部設備與數(shù)據(jù)的安全。

圖2 區(qū)塊鏈操作流程

2.1 授權流程

授權流程的第一階段中，智能終端創(chuàng)建一個智能合約并將其發(fā)布到區(qū)塊鏈。在第二階段中，請求訪問受保護資源的客戶端，通過將交易發(fā)送到合同地址來激活相應的智能合同。

授權流程的第三階段中，合同交易區(qū)塊已添加到區(qū)塊鏈，動態(tài)令牌已添加到合同內(nèi)部存儲?？蛻舳藦拿荑€服務器請求解密資源所需的加密密鑰，密鑰服務器具有區(qū)塊鏈的副本，負責查詢訪問令牌。為了驗證客戶端的真實性，密鑰服務器根據(jù)令牌中引用的客戶端地址創(chuàng)建質(zhì)詢響應，只有觸發(fā)智能合約的合法客戶才能訪問數(shù)據(jù)。為防止臨時區(qū)塊鏈分叉出現(xiàn)問題，密鑰服務器必須在令牌塊之上構建N個區(qū)塊(N是安全性參數(shù))。

在授權流程的第四階段中，客戶端可以從代理服務器或直接從資源服務器下載加密的資源。資源服務器提供了RESTful CoAP API，該API 允許含有統(tǒng)一資源標識符(URI)的終端獲取、儲存與發(fā)布資源。當直接從資源服務器獲取受保護資源時，可以使用對稱密鑰來保護資源的完整性。

2.2 智能終端管理

為了方便授權與撤銷客戶端，密鑰服務器定期發(fā)布新的加密密鑰，令牌有效期為一個月。密鑰服務器每日將新的密鑰分發(fā)到資源服務器，資源服務器始終使用最新的密鑰來加密新資源。

客戶端的令牌可以有效保證，其每天從密鑰服務器中恢復新密鑰。當令牌過期時，客戶端必須在區(qū)塊鏈上重新運行智能合約，以生成新的有效令牌并獲取密鑰的訪問權限，如圖3 所示。當客戶端行為不當時，授權服務器通過添加交易塊，從智能合約內(nèi)部存儲服務器中刪除客戶端訪問令牌。

圖3 區(qū)塊鏈令牌壽命

3 經(jīng)濟數(shù)據(jù)分析系統(tǒng)設計

文中選取循環(huán)卷積神經(jīng)網(wǎng)絡模型（RCNN）并使用經(jīng)濟新聞文章與技術指標作為輸入，來預測經(jīng)濟時間序列中的日內(nèi)運動方向[10]，稱為SI-RCNN[11]。

3.1 輸入層

如圖4 所示，SI-RCNN 模型使用兩種類型的輸入，第一種是經(jīng)濟技術指數(shù)，第二種是經(jīng)濟消息序列[12]。為了區(qū)分兩者，將輸入層重命名為技術指數(shù)層與嵌入層[13]。

圖4 SI-RNN

技術指數(shù)層以按時間順序排列的7 個經(jīng)濟技術指標的延遲序列作為輸入，輸入定義為矩陣I∈?7×n。其中，n是延遲窗口的長度。

嵌入層將經(jīng)過編碼的文本序列作為輸入，該序列對應從時間t開始，按時間順序排列的L個經(jīng)濟消息標題集。句子的編碼分兩個步驟執(zhí)行：首先使用Word2vec 模型生成單詞嵌入，此嵌入是訓練語料庫中每個單詞長度為m的連續(xù)向量[14]；第二步計算標題中所有單詞向量的平均值，獲得整個標題的唯一向量，稱為句子向量。為遍歷訪問這些句子向量，使用熱編碼的方法對數(shù)據(jù)集中的每個標題進行編碼，最終創(chuàng)建完成一個嵌入列表。

3.2 卷積層

卷積層由4 個連續(xù)的操作組成：卷積、子采樣合并、激活與退出。在這項工作中，本次設計的卷積算符為一維卷積，也稱為時間卷積，可以通過組合句子向量獲取局部信息[15]。

隨后應用時間最大池化，此操作可以捕獲序列中最重要的信息。

最終為了將非線性引入模型，使用整流器線性單元作為激活函數(shù)，如式（3）所示。

由于該層涉及大量參數(shù)，模型容易出現(xiàn)過擬合，因此使用概率p=0.5 的Dropout 正則化技術。

3.3 循環(huán)層

使用兩個單獨的循環(huán)層，分別在卷積層前后，以便將卷積層的輸出解釋為一系列L+R+1個時間步長；其次是技術指標層。在兩種情況下，RNN均可以對輸入序列中的時間特性進行建模。

LTSM 流程，如式（4）～（9）與圖5 所示。其中vt是循環(huán)層的輸入，ht是循環(huán)單元的輸出，W是權重矩陣[16]。

圖5 LTSM流程

3.4 輸出層

最后，模型使用傳統(tǒng)的完全連接層作為輸出層，并將Softmax 作為激活函數(shù)，其輸出結果為標簽上的概率分布。

4 實驗結果

使用本次建立的RCNN 經(jīng)濟分析模型，搭載在云安全終端網(wǎng)絡下進行系統(tǒng)實驗。使用某地區(qū)一年的水體大數(shù)據(jù)，對其與經(jīng)濟發(fā)展之間的關系、影響進行分析和統(tǒng)計。表1 為該地區(qū)對外直接水資源投入的行業(yè)分布數(shù)據(jù)。

表1 某地各行業(yè)用水統(tǒng)計

如表2 所示，在7 個需求中包含的總水量為3.48×109m3，城鎮(zhèn)居民生活用水量最大(1.42 km3)，占總用水量的40.91%，其次是向其他國內(nèi)地區(qū)的流通用水量(0.71 km3)。固定資本形成、政府消費與向國外出口所體現(xiàn)水的價值幾乎相同，約為4.00×108m3。出口的水總量為31.85%，家庭用水（農(nóng)村與城市用水）占總量的43.65%，其中城市居民用水(1.42×109m3)遠高于農(nóng)村居民用水(0.95×109m3)。

表2 需求類別統(tǒng)計

從產(chǎn)業(yè)劃分角度看，第二與第三產(chǎn)業(yè)占出口用水的大部分(第二產(chǎn)業(yè)占37.17%，第三產(chǎn)業(yè)占54.63%)；而第一產(chǎn)業(yè)中的水量較小(8.20%)。在第一產(chǎn)業(yè)中，出口到國外的水約占總量的99.33%，遠高于國內(nèi)。由于該地區(qū)在中國高科技產(chǎn)業(yè)中的重要作用，第三產(chǎn)業(yè)向國內(nèi)其他地區(qū)的出口比重較大。與國家統(tǒng)計局的經(jīng)濟分析結果進行對比，如表3 所示。

表3 經(jīng)濟分析結果對比

表3 數(shù)據(jù)可知，由于農(nóng)業(yè)數(shù)據(jù)來源不可靠、實時性較差，因此準確率較低，而系統(tǒng)對信息化程度較高的第二、第三產(chǎn)業(yè)分析準確率可以達到99.5%以上。

5 結束語

為建立起安全、可靠的經(jīng)濟數(shù)據(jù)共享網(wǎng)絡，該文使用常用設備架構了智能終端網(wǎng)絡，采用區(qū)塊鏈技術建立了安全的數(shù)據(jù)傳輸網(wǎng)絡，保證了設備的穩(wěn)定運行。使用SI-RNN 網(wǎng)絡建立了大數(shù)據(jù)的分析方法，支持研究者對區(qū)域經(jīng)濟的分析管理。而如何提高數(shù)據(jù)識別網(wǎng)絡的泛化能力，支持更多的經(jīng)濟數(shù)據(jù)模式分析將是未來研究的重點。