基于可信Web服務(wù)的信息查詢技術(shù)的研究

在Internet網(wǎng)絡(luò)中，對Web站點(diǎn)中的信息進(jìn)行查詢是非常頻繁的操作，但面對海量的網(wǎng)絡(luò)信息我們的查詢存在著很多安全隱患和查詢效率低下的煩惱。導(dǎo)致查詢效率低下的原因主要有兩個：一是Internet網(wǎng)絡(luò)中的信息浩瀚無邊且與日俱增，Web信息沒有統(tǒng)一的模式結(jié)構(gòu)。二是Internet網(wǎng)絡(luò)中目前還沒有非常完善的查詢技術(shù)來有效的幫助用戶查詢符合用戶需求的信息。查詢效率的高低與查詢算法設(shè)計的好壞是密切相關(guān)的。本文主要討論：可信Web服務(wù)，Web服務(wù)的安全性和Web查詢技術(shù)。

1 可信Web服務(wù)

由于互聯(lián)網(wǎng)的開放性和不完善性，目前的互聯(lián)網(wǎng)中存在著很多不安全的因素，而Web服務(wù)的靈活性在一定程度上也潛在著安全缺陷，所以確保Web服務(wù)的安全性是一個非常重要的問題，這就要求能夠采取各種有效措施來抵御各種攻擊。應(yīng)用安全模型、安全機(jī)制等可以確保Web服務(wù)的完整性、私密性和安全性。

1.1 Web服務(wù)的安全通信

Web服務(wù)是采用SOAP協(xié)議標(biāo)準(zhǔn)來交換消息的，提高Web服務(wù)的可信性也就是提高SOAP消息的可信度。我們可以對SOAP消息的傳送的三步驟：信息序列化?傳送?反序列化進(jìn)行改進(jìn)：

1)服務(wù)請求者向服務(wù)提供者發(fā)送ClientHello消息；

2)服務(wù)提供者對收到ClientHello消息進(jìn)行簽名，再發(fā)送給服務(wù)請求者；

3)服務(wù)請求者對服務(wù)提供者進(jìn)行身份認(rèn)證，若通過，則生成會話密鑰和進(jìn)一步的請求，對請求消息進(jìn)行安全處理，并連同自己的證書一起發(fā)送給服務(wù)提供者。

4)服務(wù)提供者收到請求消息后，首先對服務(wù)請求者進(jìn)行驗證，若通過，則建立會話，完成對請求消息的后續(xù)處理，并對處理結(jié)果進(jìn)行MAC計算；

5)服務(wù)請求者收到響應(yīng)消息后，進(jìn)行簽名、加密等處理，并使用會話密鑰對處理結(jié)果進(jìn)行MAC計算；

6)服務(wù)提供者收到上一步的請求消息后，驗證會話的有效性，若通過，則驗證MAC的有效性，并對請求消息進(jìn)行后續(xù)處理，否則，若會話標(biāo)識符無效或MAC驗證無效，則向服務(wù)請求者發(fā)出錯誤消息。

這一會話過程是有時間限制的，若會話未超時，則重復(fù)步驟5、6，否則重復(fù)步驟1~6。若通信發(fā)生較嚴(yán)重的錯誤時，則會導(dǎo)致會話終止，通信失敗，發(fā)送錯誤信息。

1.2 Web服務(wù)的安全機(jī)制

1.2.1 加密機(jī)制

目前用于網(wǎng)絡(luò)通信安全的密碼技術(shù)主要有對稱加密、非對稱加密。

對稱加密：發(fā)送者和接收者都使用相同的密鑰對數(shù)據(jù)進(jìn)行加密和解密，一般用于加密大量數(shù)據(jù)。對稱密鑰技術(shù)的常用算法有DES、IDEA、RC2、RC4、SKIPJACK。對稱加密算法的加密處理簡單，加密解密速度快。但密鑰管理困難。

非對稱加密：發(fā)送者和接收者使用不同的密鑰對數(shù)據(jù)進(jìn)行加密和解密。非對稱密鑰技術(shù)的典型算法有RSA、DSA。非對稱加密算法解決了密鑰管理的困難，密鑰是事先分配的無需在通信過程中傳輸，所以安全性很高，且具有很高的加密強(qiáng)度，但非對稱加密系統(tǒng)的加密和解密速度慢。

1.2.2 安全認(rèn)證機(jī)制

為了確保信息的安全、真實(shí)、可靠，我們必須有一種機(jī)制來驗證信息傳遞中各方的真實(shí)身份，安全認(rèn)證包括安全管理、加密處理、PKI和認(rèn)證管理等問題。目前常用的安全認(rèn)證機(jī)制有：數(shù)字摘要、數(shù)字時間戳、數(shù)字簽名、數(shù)字證書等。

1.2.3 訪問控制策略

訪問控制是維護(hù)網(wǎng)絡(luò)系統(tǒng)安全、保護(hù)網(wǎng)絡(luò)資源的最重要的核心策略之一，有效的訪問控制可以保證網(wǎng)絡(luò)資源不被非法使用和非法訪問。目前常用的訪問控制策略有：入網(wǎng)訪問控制、操作權(quán)限控制、目錄安全控制。

2 信息查詢技術(shù)

信息查詢一般都是借助搜索引擎頁面來實(shí)現(xiàn)，即輸入關(guān)鍵詞利用搜索引擎在索引數(shù)據(jù)庫中進(jìn)行相關(guān)信息的查找，并將結(jié)果返回給用戶。除了根據(jù)需要選擇不同的搜索引擎之外，我們可以根據(jù)不同的查詢需求采用不同的查詢技術(shù)來提高查詢效率。

2.1 盲目查詢

盲目查詢又叫做無信息查詢，即按照預(yù)定的控制策略實(shí)行查詢，在查詢過程中獲取的中間信息不用來改進(jìn)控制策略。盲目查詢方法有寬度優(yōu)先、深度優(yōu)先、代價優(yōu)先、混合、向前、向后、雙向等等。

2.2 啟發(fā)式查詢

把求解問題的具體領(lǐng)域的知識加入查詢算法中，控制整個查詢過程，以提高算法效率的查詢方法叫做啟發(fā)式查詢。啟發(fā)式查詢過程中最重要的事件就是尋找和決定要擴(kuò)展的下一個節(jié)點(diǎn)，用來估算節(jié)點(diǎn)希望程度的量度，叫做估價函數(shù)。一個節(jié)點(diǎn)的“希望度”在狀態(tài)空間問題中，可以估算目標(biāo)節(jié)點(diǎn)到此節(jié)點(diǎn)的距離或者解答路徑包括被估價過的節(jié)點(diǎn)，并計算全條路徑的長度或難度。每個不同的衡量標(biāo)準(zhǔn)只能考慮該問題中這個節(jié)點(diǎn)的某些決定性特性，所以我們可以對給定節(jié)點(diǎn)與目標(biāo)節(jié)點(diǎn)進(jìn)行比較，以決定相關(guān)特性。

2.3 多元搜索查詢技術(shù)

網(wǎng)絡(luò)中信息的種類繁復(fù)，單一的搜索工具根本無法滿足用戶的需求。多元搜索引擎是一種集合式的搜索引擎，它可以將多個搜索引擎集成在一起，并提供一個統(tǒng)一的檢索界面，且能將一個檢索提問同時發(fā)送給多個搜索引擎，達(dá)到同時檢索多個數(shù)據(jù)庫，再經(jīng)過聚合、去除重復(fù)項之后輸出檢索結(jié)果。多元搜索引擎可以大大節(jié)省檢索時間。多元搜索引擎適合查詢一些較模糊的提問，或就某一課題的網(wǎng)絡(luò)資源進(jìn)行快速調(diào)查、摸底、綜覽。

2.4 常用的查詢算法

實(shí)現(xiàn)搜索引擎最關(guān)鍵的就是搜索算法的實(shí)現(xiàn)，PageRank和HITS都是典型的網(wǎng)絡(luò)搜索查詢算法，我們可以把這兩種算法應(yīng)用到可信Web服務(wù)的查詢技術(shù)中來。

2.4.1 PageRank算法

PageRank算法主要基于重要性平均分配的思想進(jìn)行設(shè)計的。

假定Nu是頁面u的出度，Rank(u)是u的重要性。PageRank假設(shè)u通過指向v的直接鏈接將一部分重要性（量化為Rank(u)/Nu）傳遞給了v頁面。同樣，v頁面的重要性是所有直接鏈接到v的頁面累積起來的。(Ranki(u)÷Nu)

注：Bv代表直接對v鏈接的所有頁面的集合。

基于這個思想，通過迭代算法，我們可以得到所有頁面的重要性。

2.4.2 HITS算法

HITS（Hyperlink-Induced Topic Search，超鏈接誘導(dǎo)的主題搜索）算法是Kleinberg在90年代末提出的基于鏈接分析的網(wǎng)頁排名算法。

HITS算法的基本思想：HITS由用戶的檢索主題得到一個初始結(jié)果，構(gòu)成一個算法的根集。設(shè)置非負(fù)權(quán)威權(quán)重ap和非負(fù)中心權(quán) 重h與數(shù)據(jù)庫基本集中的每一個頁面p相關(guān)，將所有的a和h值都初始化為相同的常數(shù)。權(quán)重規(guī)范處理，維護(hù)所有權(quán)重的平方和為1。權(quán)威與中心的權(quán)重可按如下公式更新：

第一個公式表明，如果一個頁面被很多好的中心所指向，則其權(quán)威權(quán)重應(yīng)當(dāng)增加（即，它為所有指向它的頁面的當(dāng)前中心權(quán)重之和）。第二個公式表明，如果一個頁面指向許多好的權(quán)威頁面，則其中心權(quán)重應(yīng)當(dāng)增加（即，它為該頁面指向的所有頁面的權(quán)威權(quán)重之和）。

我們用{1，2，…，n}對頁面編號，定義它們的鄰接矩陣A為n×n矩陣，如果頁面i鏈接到頁面就j，則A(i，j)為1，否則為0。類似地，定義權(quán)威權(quán)重向量a=(a1,a2,…,an)，和中心權(quán)重向量h=(h1,h2,…h(huán)n)?？傻?/p>

h=A·a a=AT·h

注：AT是A的轉(zhuǎn)置矩陣。對兩公式展開k次，就有h=A·a=AATh=(AAT)h=(AAT)2h=…=(AAT)kh a=AT·h=ATAa=(ATA) a=(ATA)2a=…=(ATA)

根據(jù)線性代數(shù)，當(dāng)規(guī)范化后，這兩個迭代序列分別收斂于主本真向量AAT和ATA，這就證明了權(quán)威和中心權(quán)重是所收集的鏈接頁面的固有特征，并且不受初始權(quán)重設(shè)置的影響。而在實(shí)際應(yīng)用中HITS算法的查詢也具有非常好的搜索結(jié)果。

2.4.3 查詢算法的改進(jìn)

PageRank算法和HITS算法雖然都是鏈接分析算法，但都存在著不足。PageRank算法會忽略了網(wǎng)頁的內(nèi)容，他的authority值只是相對于某個檢索主題的權(quán)重，而HITS算法存在著“主題漂移”的現(xiàn)象。下面對兩種算法進(jìn)行改進(jìn)，以便解決他們的不足。

首先利用HITS的方法構(gòu)造出算法的基本集，用戶的查詢請求來了之后，我們首先用一個現(xiàn)有的商業(yè)搜索引擎進(jìn)行查詢，從得到的查詢結(jié)果中取出一定量的信息作為算法的根集，將該根集進(jìn)行擴(kuò)充，將根集中的所有頁面的出度和入度網(wǎng)頁都補(bǔ)充進(jìn)來，形成新的基本集。然后再利用PageRank算法。

PageRank算法原先是對萬維網(wǎng)的整體分析，可以對用戶的要求進(jìn)行快速的響應(yīng)。而HITS算法是對萬維網(wǎng)的部分進(jìn)行分析，依賴于用戶查詢，實(shí)時性差。改進(jìn)后的算法主要是通過把HITS生成查詢基本集的方法應(yīng)用到PageRank算法中，這樣就彌補(bǔ)了PageR? ank算法中頁面內(nèi)容無關(guān)性的缺點(diǎn)。新算法中引用了PageRank算法中的排序機(jī)制，也笑容削弱了HITS算法中的“主題漂移”的缺點(diǎn)。

3結(jié)束語

利用Internet進(jìn)行信息查詢已經(jīng)成為人們生活、工作、娛樂中必不可少的一部分。目前我們用得比較多的還是關(guān)鍵詞查詢，隨著XML語言的廣泛應(yīng)用和Web搜索技術(shù)的發(fā)展，專業(yè)、快捷、有效的查詢技術(shù)將越來越被人們所研究和使用。

[1]Papazoglou M P.Web Services Principles and Technology[M].北京:機(jī)械工業(yè)出版社,2010.

[2]Han Jiawei,Kamber M.數(shù)據(jù)挖掘概念與技術(shù)[M].北京:機(jī)械工業(yè)出版社.2007

[3]孟小峰.Web數(shù)據(jù)管理研究綜述[J].計算機(jī)研究與發(fā)展,2001(4).

[4]顧寧,劉家茂,柴曉路.Web Services原理與研發(fā)實(shí)踐[M].北京:機(jī)械工業(yè)出版社,2006.