多維異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)智能預(yù)加密云推送方法研究

王志剛，王辰陽(yáng)，李恒武

(中國(guó)人民解放軍戰(zhàn)略支援部隊(duì)信息工程大學(xué)，河南 鄭州 450001)

1 引言

互聯(lián)網(wǎng)中數(shù)量眾多的多維異構(gòu)數(shù)據(jù)被匯集在一起，形成了全球規(guī)模的信息共享環(huán)境。為貼合用戶(hù)實(shí)際搜索需要，需要推送的數(shù)據(jù)呈現(xiàn)出多樣化的趨勢(shì)。在保障數(shù)據(jù)安全性的同時(shí)，為用戶(hù)提供可靠的信息推送服務(wù)，是目前通信領(lǐng)域研究的重要目標(biāo)。

針對(duì)信息推送相關(guān)問(wèn)題，周長(zhǎng)敏等以旅游信息為例，提出一種旅游信息適應(yīng)性自組織推送方法。通過(guò)求解目標(biāo)使用者及其他使用者間的相似度，探尋目標(biāo)使用者的最近鄰集合。采用模糊遺傳算法明確加權(quán)函數(shù)，計(jì)算目標(biāo)使用者對(duì)某旅游項(xiàng)目興趣度預(yù)測(cè)值，把預(yù)測(cè)值最高的旅游項(xiàng)目推送給使用者。但該方法耗時(shí)較長(zhǎng)，且數(shù)據(jù)推送存在偏差情況。張雪峰等構(gòu)建一種參與者勝任度和接受度的任務(wù)推送模型。在模型中提出識(shí)別潛在參與者的思路和過(guò)程，運(yùn)用啟發(fā)式相似度算法分析任務(wù)相似度，描述并量化參與者表現(xiàn)。確保參與者回復(fù)率，降低多次推送。但該方法推送應(yīng)用范圍存在一定局限性。

為進(jìn)一步完善數(shù)據(jù)推送性能，提出多維異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)智能預(yù)加密云推送方法。通過(guò)分析多維異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)特征，劃分同構(gòu)與異構(gòu)數(shù)據(jù)。并在確保推送數(shù)據(jù)隱私前提下，創(chuàng)建云推送平臺(tái)，解決多維異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)推送問(wèn)題，實(shí)時(shí)為用戶(hù)推送最新信息。

2 多維異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)智能預(yù)加密云推送

2.1 多維異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)特征分析

對(duì)異構(gòu)數(shù)據(jù)的分析不足，致使在推送過(guò)程中的速率較低。因此運(yùn)用分布于不同云服務(wù)器內(nèi)的云數(shù)據(jù)獲取數(shù)據(jù)主成分，并把各個(gè)關(guān)鍵數(shù)據(jù)成分值

X

和給予的

μ

值相減，就能明確該成分在方向內(nèi)的偏移值，將異構(gòu)數(shù)據(jù)的關(guān)鍵數(shù)據(jù)成分值

X

引入矩陣

S

，得到

S

=[

X

，

X

，…，

X

]

(1)

把矩陣

S

與其轉(zhuǎn)置矩陣

S

相乘，計(jì)算求解數(shù)值的均值大小。將均值記作數(shù)據(jù)的全局異構(gòu)水準(zhǔn)，具體表示為

(2)

式(1)中，

μ

代表按照評(píng)估得到的權(quán)重值，

N

是樣本總數(shù)，因?yàn)?p>V

是已知值，所以此數(shù)據(jù)樣本的異構(gòu)水準(zhǔn)可使用特征值

V

進(jìn)行描述。若出現(xiàn)多維異構(gòu)數(shù)據(jù)需要推送，此時(shí)每個(gè)數(shù)據(jù)的主成分不能劃分成

X

-

X

，需要將

X

轉(zhuǎn)變成

X

，因此矩陣

S

變化為

(3)

(4)

在云數(shù)據(jù)中，即便擁有大量的多維異構(gòu)數(shù)據(jù)，但還存在一定數(shù)量的同構(gòu)數(shù)據(jù)。在用戶(hù)需要推送內(nèi)容是同構(gòu)數(shù)據(jù)情況下，采用協(xié)方差矩陣根據(jù)其數(shù)據(jù)特征進(jìn)行矢量分解，分解同構(gòu)數(shù)據(jù)就可得到更加高效的推送模式，無(wú)需在每個(gè)點(diǎn)采取重復(fù)迭代，節(jié)約數(shù)據(jù)通信時(shí)間。

(5)

(6)

因此在每個(gè)云數(shù)據(jù)樣本足夠的狀態(tài)下，推算同構(gòu)數(shù)據(jù)的精確度較高。因?yàn)橥瑯?gòu)數(shù)據(jù)的自身屬性問(wèn)題，將此增量更新解析式記作

(7)

(8)

在以上計(jì)算過(guò)程中能夠得出，協(xié)方差矩陣具備一定對(duì)稱(chēng)性，在進(jìn)行云推送時(shí)，同構(gòu)數(shù)據(jù)每次更新僅需要傳輸半個(gè)協(xié)方差矩陣即可，減少了數(shù)據(jù)傳輸數(shù)量。假如網(wǎng)絡(luò)系統(tǒng)個(gè)數(shù)是

M

，參數(shù)數(shù)量是

d

，同構(gòu)數(shù)據(jù)計(jì)算過(guò)程的時(shí)間復(fù)雜度是

O

(

M

，

d

)=(

M

-1)(

d

(

d

+1)

/

lg

d

)

(9)

多維異構(gòu)數(shù)據(jù)是對(duì)同構(gòu)數(shù)據(jù)關(guān)鍵成分采取拓展的一種形式。為了便于數(shù)學(xué)運(yùn)算，加入置換矩陣

P

，對(duì)云服務(wù)器內(nèi)得到的樣本實(shí)施置換映射，將計(jì)算結(jié)果表示成

y

y

=(

y

，

y

)=

P

X

(10)

式(10)目的是為了把目前樣本內(nèi)和同構(gòu)數(shù)據(jù)內(nèi)相等的部分集合在矢量前面，記作

y

，把不同部分安放于矢量后面，記作

y

。同理，將均值矩陣與協(xié)方差矩陣采取置換，計(jì)算結(jié)果依次為

μ

=(

μ

，

μ

)=

P

μ

(11)

(12)

μ

與置換矩陣均為上次計(jì)算得到的數(shù)值，

σ

表示

m

樣本內(nèi)已經(jīng)獲得的協(xié)方差矩陣，

σ

表示和同構(gòu)數(shù)據(jù)內(nèi)不同因子的協(xié)方差矩陣，

σ

表示兩者之間協(xié)方差組成的矩陣。

上述解析式均滿(mǎn)足高維分布特性，因此云數(shù)據(jù)樣本能夠使用高維分布進(jìn)行推算，具體描述為

(13)

由此，將信息云更新后推送異構(gòu)數(shù)據(jù)的解析式定義為

(14)

因?yàn)樵诋悩?gòu)數(shù)據(jù)內(nèi)，各種云數(shù)據(jù)的因子數(shù)量是互不相等的，所以需要探尋每個(gè)

N

的具體數(shù)值。因?yàn)檗D(zhuǎn)置矩陣可以減少數(shù)據(jù)傳輸數(shù)量，繼而把傳輸復(fù)雜度記作

O

(

M

，

d

)=(

M

-1)(

d

+2

d

)

(15)

通過(guò)上述過(guò)程，能夠完成迅速分離數(shù)據(jù)源內(nèi)的同構(gòu)數(shù)據(jù)和異構(gòu)數(shù)據(jù)，為后續(xù)數(shù)據(jù)智能預(yù)加密效率與云推送方法的有效完成提供幫助。

2.2 數(shù)據(jù)智能預(yù)加密計(jì)算

預(yù)加密可以保護(hù)數(shù)據(jù)隱私，是提高云推送服務(wù)安全性能的一項(xiàng)關(guān)鍵措施，但數(shù)據(jù)加密后會(huì)損失多種特征，讓云服務(wù)器對(duì)密文的處理有相當(dāng)困難。由此，使用全同態(tài)加密算法完成加法同態(tài)與乘法同態(tài)，讓云服務(wù)器不必接觸明文數(shù)據(jù)就可以便利地處理推送數(shù)據(jù)。

E

(

m

⊕

m

)=

E

(

m

)?

E

(

m

)

(16)

同態(tài)，就是一個(gè)加密方案

E

符合式(16)的約束條件的計(jì)算過(guò)程。式(16)中，

m

、

m

表示明文消息，

E

表示加密函數(shù)，?是密文的某類(lèi)計(jì)算形式，⊕是對(duì)明文進(jìn)行計(jì)算的某種形式。在實(shí)施數(shù)據(jù)智能預(yù)加密時(shí)，首先要使用全同態(tài)加密算法對(duì)明文進(jìn)行加密。然后把密文數(shù)據(jù)輸送至云端，在傳送數(shù)據(jù)處理請(qǐng)求時(shí)，云端服務(wù)器不用對(duì)密文解密就能實(shí)現(xiàn)對(duì)應(yīng)操作。全同態(tài)加密流程共包含三個(gè)步驟：對(duì)明文數(shù)據(jù)采取二進(jìn)制分組，分組長(zhǎng)度按照安全請(qǐng)求進(jìn)行自定義操控；對(duì)各明文分塊進(jìn)行加密，獲得相對(duì)應(yīng)的密文分塊；把全部密文分塊融合為完整的密文數(shù)據(jù)

C

。加密詳細(xì)過(guò)程為：挑選加密參變量

P

、

Q

、

R

，

P

為正奇數(shù)，

Q

為正整數(shù)。

P

、

Q

值在密鑰生成階段進(jìn)行確認(rèn)，

P

為加密密鑰，

R

為加密過(guò)程中挑選的隨機(jī)數(shù)值；把消息

M

分組成多個(gè)長(zhǎng)度是

L

的消息分塊；

分別讀取明文分塊內(nèi)的字符，同時(shí)將其變換成二進(jìn)制數(shù)字；采用加密算法對(duì)二進(jìn)制數(shù)字實(shí)施加密操作，具體如式(17)所示。并將多個(gè)密文分塊整合為完整的密文數(shù)據(jù)。

c

=

m

+2

R

+

PQ

(17)

按照全同態(tài)加密算法性質(zhì)，依次對(duì)此算法的加法同態(tài)與乘法同態(tài)性實(shí)行驗(yàn)證。如果有兩組明文

m

、

m

，加密之后的密文依次是

c

、

c

，繼而得到

c

=

m

+2

R

+

PQ

(18)

c

=

m

+2

R

+

PQ

(19)

對(duì)密文

c

、

c

采取加法操作

c

+

c

=(

m

+

m

)+2(

R

+

R

)+

P

(

Q

+

Q

)

(20)

將 cm

od

p

的值當(dāng)作噪聲，若噪聲

m

+2

R

<

P/

2的情況下，得到(

c

+

c

)mod

p

=(

m

+

m

)+2(

R

+

R

)

(21)

將(

m

+

m

)+2(

R

+

R

)進(jìn)行對(duì)2取模

m

+

m

=[(

m

+

m

)+2(

R

+

R

)]mod 2

(22)

由式(22)中可知，本文算法符合加法同態(tài)性。同理，對(duì)密文

c

、

c

實(shí)施乘法操作

c

×

c

=

m

m

+2(2

R

R

+

m

R

+

m

R

)+

P

[

PQ

Q

+

Q

(

m

+2

R

)+

Q

(

m

+2

R

)]

(23)

因?yàn)?/p>

m

m

+2(2

R

R

+

m

R

+

m

R

)<

P

(24)

所以，對(duì)

P

與2依次取模得到

m

m

=[(

c

×

c

)mod

p

]mod 2

(25)

至此可知，本文數(shù)據(jù)智能預(yù)加密算法符合乘法同態(tài)性，可以實(shí)現(xiàn)數(shù)據(jù)智能預(yù)加密。

2.3 基于對(duì)數(shù)優(yōu)化的云推送平臺(tái)設(shè)計(jì)

在對(duì)數(shù)據(jù)智能預(yù)加密后，設(shè)計(jì)云推送平臺(tái)。云推送表示處于云計(jì)算大環(huán)境下，客戶(hù)端接收經(jīng)過(guò)服務(wù)端主動(dòng)輸送消息的技術(shù)，讓用戶(hù)無(wú)需主動(dòng)檢查更新，為用戶(hù)提供更多的便利服務(wù)。與此同時(shí)，云服務(wù)器端會(huì)使用云推送平臺(tái)把每個(gè)系統(tǒng)內(nèi)的多維異構(gòu)數(shù)據(jù)推送至用戶(hù)。本文云推送方法關(guān)鍵有如下幾個(gè)方面：

云數(shù)據(jù)層作為全局云推送平臺(tái)最重要的部分，云數(shù)據(jù)是通過(guò)每個(gè)系統(tǒng)內(nèi)的多維異構(gòu)數(shù)據(jù)組成的，全部數(shù)據(jù)都屬于云數(shù)據(jù)層，并讓云數(shù)據(jù)層更好地完成數(shù)據(jù)邏輯虛擬化目標(biāo)；數(shù)據(jù)管理層為云推送平臺(tái)邏輯框架的中心，是實(shí)現(xiàn)云推送過(guò)程中數(shù)據(jù)和推送同步進(jìn)行的關(guān)鍵工作層；在應(yīng)用接口層中，用戶(hù)能夠利用訂閱不同的應(yīng)用板塊對(duì)應(yīng)用接口層進(jìn)行自動(dòng)配置，得到不同的數(shù)據(jù)儲(chǔ)存、訪(fǎng)問(wèn)的應(yīng)用服務(wù)；訪(fǎng)問(wèn)層中，授權(quán)用戶(hù)能使用對(duì)應(yīng)接口完成系統(tǒng)數(shù)據(jù)訪(fǎng)問(wèn)，并按照用戶(hù)訪(fǎng)問(wèn)權(quán)限不同，每種用戶(hù)訪(fǎng)問(wèn)的形式也各不相等；用戶(hù)層擔(dān)負(fù)對(duì)每個(gè)用戶(hù)的注冊(cè)信息進(jìn)行整合，并且也能管理各類(lèi)型的登錄終端，例如

IOS

、

PC

等。具體平臺(tái)架構(gòu)如圖1所示。

圖1 云推送平臺(tái)架構(gòu)圖

若處在隨機(jī)時(shí)間單元

T

中，單個(gè)用戶(hù)訂購(gòu)業(yè)務(wù)個(gè)數(shù)是

α

(

T

)，那么

n

個(gè)用戶(hù)的訂購(gòu)業(yè)務(wù)總數(shù)是

n

α

(

T

)，已知

α

(

T

)滿(mǎn)足泊松分布，均值參數(shù)是

λ

，把現(xiàn)階段用戶(hù)

i

在信道內(nèi)存留的數(shù)據(jù)積壓描述成

Q

(

T

)，信道狀態(tài)是

r

(

T

)，那么用戶(hù)集群信道狀態(tài)集合是

r

(

T

)=(

r

(

T

)，

r

(

T

)，…，

r

(

T

))

(26)

在得到信道狀態(tài)后，能夠準(zhǔn)確推算用戶(hù)的信道輸送速度

u

(

T

)。假如全部

T

單元中用戶(hù)

i

的傳輸時(shí)間間隔總數(shù)是

w

(

T

)，得到用戶(hù)的全信道速度

u

(

T

)=

w

(

T

)

μ

(

T

)

τ

(27)

所以，將信道內(nèi)單個(gè)用戶(hù)的服務(wù)速度集記作

u

(

T

)=(

u

(

T

)，

u

(

T

)，…，

u

(

T

))

(28)

總結(jié)上述步驟，獲得信道內(nèi)的動(dòng)態(tài)數(shù)據(jù)積壓總數(shù)是

Q

(

T

+1)=max[

Q

(

T

)-

u

(

T

)，0]+

n

α

(

T

)

(29)

評(píng)估云推送平臺(tái)穩(wěn)定性條件為

(30)

如果

T

時(shí)段中用戶(hù)信道數(shù)據(jù)傳輸功率是

ρ

(

T

)，把用戶(hù)數(shù)據(jù)能耗與所有用戶(hù)的能耗總量分別描述為

E

(

T

)=

ρ

(

T

)

w

(

T

)

τ

(31)

在式(31)前提下計(jì)算基于推送策略的李雅普諾夫函數(shù)公式

(32)

為了判斷單元時(shí)間中函數(shù)的詳細(xì)變化情況，本文創(chuàng)建一種新的函數(shù)表達(dá)式

Δ(

T

)=

E

{ln(

L

(

T

+1)-

L

(

T

))|

Q

(

T

)}

(33)

式(33)的函數(shù)表達(dá)式關(guān)鍵對(duì)李雅普諾夫函數(shù)的優(yōu)化進(jìn)行對(duì)數(shù)計(jì)算，即為降低信道自身傳輸噪聲的干擾作用，減少噪聲敏銳性。關(guān)于時(shí)間單元

T

，把李雅普諾夫函數(shù)的乘法函數(shù)記作

VE

{

E

(

T

)|

Q

(

T

)}。

在獲取最低能耗值狀況下，把現(xiàn)階段最優(yōu)業(yè)務(wù)個(gè)數(shù)描述成式(34)。

(34)

在確保數(shù)據(jù)安全同時(shí)，有效解決多維異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)跨平臺(tái)推送問(wèn)題，快捷高效地為用戶(hù)推送最新信息。

3 仿真與分析

在本節(jié)中，展示了實(shí)驗(yàn)環(huán)境和性能指標(biāo)，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了主要分析。

3.1 實(shí)驗(yàn)環(huán)境

此次仿真使用EXE文件修改器與OpenStack軟件模擬構(gòu)建私有推送平臺(tái)。設(shè)置該平臺(tái)5個(gè)物理節(jié)點(diǎn)，并通過(guò)100Mbps局域網(wǎng)重新連接。實(shí)驗(yàn)數(shù)據(jù)來(lái)自明尼蘇達(dá)大學(xué)相關(guān)的研究小組公布的真實(shí)數(shù)據(jù)集MovieLens，每個(gè)物理節(jié)點(diǎn)均配備了Intel(R) Pentium(R) CPU G4400 @ 3.30GHz，8GB RAM，64位中文版操作系統(tǒng)。測(cè)試的客戶(hù)端型號(hào)為Xiaomi mix3，內(nèi)存6GB，曉龍845 CPU。仿真內(nèi)，設(shè)定數(shù)據(jù)傳輸速分布是450kbit/s的負(fù)指數(shù)分布，最高傳輸速率是1100kbit。

為了驗(yàn)證所提方法可靠性，將通信率及推送留存率當(dāng)作云推送方法評(píng)估的三項(xiàng)指標(biāo)，對(duì)所提方法與云計(jì)算環(huán)境下旅游信息適應(yīng)性自組織推送算法(文獻(xiàn)[4])、眾包模式下基于參與者勝任度和接受度的任務(wù)推送模型(文獻(xiàn)[5])方法進(jìn)行仿真對(duì)比。

3.2 通信率對(duì)比實(shí)驗(yàn)

通信率表示單位時(shí)間內(nèi)，用戶(hù)和云推送的通信次數(shù)，檢驗(yàn)用戶(hù)是否愿意采用該方法實(shí)施數(shù)據(jù)推送，同時(shí)檢測(cè)通信數(shù)量較多時(shí)能否發(fā)生不可估計(jì)的復(fù)雜問(wèn)題。通信率越低說(shuō)明數(shù)據(jù)云推送過(guò)程所花費(fèi)的通信量越少，推送效果越好。基于上述實(shí)驗(yàn)環(huán)境，計(jì)算三種方法的通信率，得到仿真結(jié)果如圖2所示。

圖2 通信率對(duì)比示意圖

從圖2中可知，兩種文獻(xiàn)推送方法下的通信率基本維持不變，這是因?yàn)樵谕扑腿蝿?wù)隊(duì)列消息過(guò)程中，會(huì)持續(xù)向服務(wù)器發(fā)送請(qǐng)求。而所提方法一直保持信息收集狀態(tài)，伴隨系統(tǒng)運(yùn)行，任務(wù)量增加，通信率最低為1.55%。因?yàn)樗岱椒ɡ昧藚f(xié)方差矩陣根據(jù)數(shù)據(jù)特征，對(duì)數(shù)據(jù)源內(nèi)的同構(gòu)、異構(gòu)數(shù)據(jù)進(jìn)行了快速分類(lèi)，使得后續(xù)推送穩(wěn)定性能較優(yōu)，即任務(wù)數(shù)量越多，耗費(fèi)的通信量越低。

3.3 留存率對(duì)比實(shí)驗(yàn)

留存率表示固定時(shí)段中，用戶(hù)保存此推送消息的比率，可以體現(xiàn)推送方法對(duì)用戶(hù)的影響程度。實(shí)驗(yàn)以1～8周的信息留存時(shí)間作為實(shí)驗(yàn)周期，得出三種方法下的推送留存率如圖3所示。

圖3 推送留存率對(duì)比圖

圖3仿真結(jié)果表明，所提方法通過(guò)預(yù)加密方式維護(hù)了云推送服務(wù)安全，因此每個(gè)星期的留存率均高于文獻(xiàn)[4]、文獻(xiàn)[5]方法，8個(gè)星期后兩種文獻(xiàn)方法的留存率已經(jīng)低于32%，而所提方法的留存率高達(dá)58%，說(shuō)明所提出的推送方法較符合用戶(hù)實(shí)際需要，推送的消息更可靠，安全性較高。

4 結(jié)論

針對(duì)多維異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)推送效率不高等問(wèn)題，提出一種基于對(duì)數(shù)優(yōu)化的數(shù)據(jù)智能預(yù)加密云推送方法。運(yùn)用智能預(yù)加密手段實(shí)現(xiàn)多維異構(gòu)網(wǎng)絡(luò)的安全推送，仿真結(jié)果證明，該方法可以為用戶(hù)提供及時(shí)有效信息推送服務(wù)。但該方法能否符合全部用戶(hù)需求，還要進(jìn)行具體驗(yàn)證，云推送自身性能的提高與演化也是接下來(lái)研究的關(guān)鍵內(nèi)容。