，，

(東莞職業(yè)技術學院 信息與教育技術中心，廣東 東莞 523808)

0 引言

云計算是以計算機網(wǎng)絡、服務器虛擬化、大規(guī)模數(shù)據(jù)處理等技術為基礎，具備按需分配、資源共享、分布式處理等特點，是一種能夠適應于當今網(wǎng)絡通信環(huán)境的主流計算模式[1]。隨著計算機網(wǎng)絡、移動互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等技術的發(fā)展，全球入網(wǎng)的終端和用戶激增，云計算技術在工業(yè)、金融、政府、醫(yī)療、教育等各個行業(yè)和領域得到了廣泛的應用。但是，由于云計算安全架構尚存在不夠完善的地方，伴隨著云計算技術的普及和推廣，在云計算環(huán)境中的各種安全問題逐漸顯露出來，引起了各界人士的廣泛關注[2]。

密碼技術作為一種傳統(tǒng)的安全防護手段，具有悠久的發(fā)展歷史。在云計算環(huán)境中，密碼技術作為數(shù)據(jù)安全防護的一種基本的手段和方法，被許多專家和學者廣泛討論，且已經(jīng)取得了一定的研究成果[3-5]。文獻[3]針對云計算環(huán)境中數(shù)據(jù)存儲安全問題，提出了一種基于HDFS的數(shù)據(jù)安全防護方案，在傳輸和存儲環(huán)節(jié)，采用AES和RSA加密的方法提高云數(shù)據(jù)的安全性；文獻[4]提出了一種面向云計算環(huán)境的并行AES加密算法，利用云計算MapReduce框架，采用并行數(shù)據(jù)處理模式，提高了加密算法的執(zhí)行效率；最近，文獻[5]在文獻[4]的基礎上，對密碼算法進行改進和優(yōu)化，混合三維連續(xù)混沌系統(tǒng)和二維離散混沌系統(tǒng)，提出了一種基于云計算MapReduce并行架構的混沌密碼方案，進一步減少了密碼方案的運行時間。然而，現(xiàn)有的基于云計算的密碼方案仍然存在一些不足之處：一是隨著量子計算機等新興技術的發(fā)展，密鑰空間的安全性問題將面臨更加嚴峻的考驗[6]；二是現(xiàn)有的混沌密碼算法中均采用低維混沌系統(tǒng)，容易被黑客采用系統(tǒng)重構等方法攻擊和破解，安全性還有待提高[7]。為了進一步提高云計算環(huán)境中的數(shù)據(jù)安全性，融合現(xiàn)有的研究方法的優(yōu)良特性，進而改善和提高密碼方案的安全性、可靠性和可行性，本文對一種基于云計算的混合超混沌密碼方案進行分析和研究。首先，選取三個超混沌系統(tǒng)的初始值作為密鑰參數(shù)，利用超混沌系統(tǒng)更加復雜的動力學行為產(chǎn)生隨機特性良好的混沌序列；然后，對三個超混沌系統(tǒng)進行預處理后，進而設計一個混合超混沌分組加密方案；最后，基于云計算分布式編程模型MapReduce，設計并實現(xiàn)了混合超混沌分組密碼方案，并對其安全性和運行效率進行分析。

1 Hadoop云計算平臺

Hadoop是Apache基金會一個開源的分布式計算平臺，包括兩個核心組件：HDFS和MapReduce。HDFS為海量數(shù)據(jù)提供存儲，MapReduce則為海量數(shù)據(jù)提供計算[8]。Hadoop在存儲和處理大量數(shù)據(jù)時效率很高，并且與其他平臺相比更經(jīng)濟。

1.1 云存儲HDFS

HDFS是Hadoop中的分布式文件系統(tǒng)(Hadoop Distributed File System)的縮寫，具有著高容錯性的特點，通常部署在低廉的硬件上。它提供高傳輸率來訪問應用程序的數(shù)據(jù)，適合那些有著超大數(shù)據(jù)集的應用程序。HDFS采用主從架構，由兩個基本基本組件構成：名稱節(jié)點NameNode和數(shù)據(jù)節(jié)點DataNode。

1.2 云計算框架MapReduce

MapReduce是一種專門面向云計算的編程模型和實現(xiàn)框架，具有簡單、高效、易伸縮以及高容錯性等特點。它是與HDFS相應的數(shù)據(jù)處理部分，提供最基本的數(shù)據(jù)批處理機制。與HDFS類似，MapReduce也是采用主從架構，包括兩個主要部分：主節(jié)點JobTracker和從節(jié)點TaskTracker。MapReduce將作業(yè)分解成順序執(zhí)行的Map階段和Reduce階段，Map/Reduce任務的實例部署到Map/Reduce節(jié)點并行執(zhí)行。

2 超混沌系統(tǒng)及其密碼方案設計

2.1 超混沌系統(tǒng)

自從1963年氣象學家洛倫茲發(fā)現(xiàn)第一個混沌系統(tǒng)以來，混沌理論方面的研究得到了深入而廣泛的推進。超混沌系統(tǒng)及其在混沌密碼中的應用是近年來混沌領域研究的熱門方向之一。超混沌系統(tǒng)是指具有兩個或兩個以上的正Lyapunov指數(shù)，具有比一般的混沌系統(tǒng)更為復雜的動力學行為[9-11]。在此引進入三個經(jīng)典的四維超混沌系統(tǒng)：Lorenz、Chen和Lü超混沌系統(tǒng)。為方便敘述，分別將Lorenz超混沌系統(tǒng)[9]、Chen超混沌系統(tǒng)[10]和Lü超混沌系統(tǒng)[11]簡記為超混沌系統(tǒng)Ⅰ、Ⅱ和Ⅲ，其數(shù)學模型分別為:

其中:xi,yi,zi,wi,i=1,2,3是三個超混沌系統(tǒng)的狀態(tài)變量，ai,bi,ci,di,ei是系統(tǒng)的控制參數(shù)。當系統(tǒng)Ⅰ、Ⅱ和Ⅲ為參數(shù)要求分別滿足:

則系統(tǒng)Ⅰ、Ⅱ和Ⅲ處于超混沌態(tài)。三個超混沌系統(tǒng)的的吸引子相圖及時域波形圖如圖1所示?？梢钥闯觯齻€超系統(tǒng)具有復雜的動力學行為，并且所產(chǎn)生的混沌偽隨機序列具有長期不可預測性、周期點稠密、對初始和參數(shù)高度敏感等混沌特性，與密碼學中的混淆和擴散等特性具有許多相似之處，非常適合應用于數(shù)據(jù)加密中。

圖1 三個超混沌系統(tǒng)的吸引子相圖及時域波形圖

2.2 混合超混沌分組密碼方案設計

對稱混沌密碼包括流密碼和分組密碼兩種，為了融合多個超混沌系統(tǒng)所產(chǎn)生的混沌序列的隨機特性，提高算法的安全性，本文所設計的密碼方案采用分組密碼。值得指出的是，超混沌系統(tǒng)產(chǎn)生的各個狀態(tài)變量之間存在一定的關聯(lián)性，這種關聯(lián)性導致產(chǎn)生的混沌序列之間可能存在一定的互相關性，在密碼攻擊中存在容易被辨識或預估的風險。為了解決這個問題，對三個超混沌系統(tǒng)的狀態(tài)變量混合異或的方法進行混淆，從而進一步提高混沌序列的隨機特性?；旌铣煦绶纸M加密方案的具體步驟如下：

1) 對連續(xù)混沌系統(tǒng)產(chǎn)生混沌序列預處理。首先，采用四階Runge-Kutta法對連續(xù)時間超混沌系統(tǒng)進行離散化處理，丟棄前面l=200個迭代序列的值，得到12個混沌序列：xi(n),yi(n),zi(n),wi(n),i=1,2,3；接著，對混沌序列進行小數(shù)點移位、取模等運算，處理為適合于按照字節(jié)加密的混沌序列，處理方法為：

2) 混淆三個超混沌系統(tǒng)產(chǎn)生的隨機序列。將經(jīng)過預處理的三個超混沌系統(tǒng)產(chǎn)生的混沌序列按照狀態(tài)變量進行對應的異或操作，從而使得各混沌序列之間的互關聯(lián)性降低。

3) 超混沌序列數(shù)據(jù)加密操作。將這4個混沌序列按照每4個字節(jié)為一組進行分組數(shù)據(jù)加密。超混沌分組加密方案如圖2所示。

圖2 混合超混沌分組加密方案

其中，“⊕”表示按位異或運算，經(jīng)過混合超混沌分組加密后的明文M將變成密文C。

面對倔強的女兒，母親扔下一句：“想學表演就要靠你自己，不要靠我們?！本髲姷撵柪]有被母親的話嚇到，她開始一邊工作，一邊準備第三次藝考。自從母親說讓她獨立后，鞏俐仿佛一夜之間就長大了，她說：“那時候什么都不怕，沒遇到困難怎么能成長呢?！彼看味际且粋€人連夜坐火車到北京、上海參加考試。兩年后，終于如愿以償?shù)乇恢袘蛱嘏浫　?/p>

3 基于云計算的混沌加密算法設計

基于云計算的混沌加密算法是基于云存儲HDFS和云計算模型MapReduce共同實現(xiàn)的。其中MapReduce函數(shù)的設計是混沌加密算法實現(xiàn)的關鍵步驟。首先，從HDFS讀取數(shù)據(jù)，并對數(shù)據(jù)進行分片處理；接著，設計MapReduce函數(shù)，Map函數(shù)實現(xiàn)分片數(shù)據(jù)塊的混合超混沌分組加密操作，Reduce函數(shù)完成加密后的數(shù)據(jù)塊的合并；最后，將加密后的數(shù)據(jù)存儲到HDFS上。加密算法的具體步驟如下：

1)從HDFS讀取數(shù)據(jù)。

讀取存儲在HDFS上數(shù)據(jù)，并進行分片處理，為MapReduce并行處理做準備。值得注意的是，在HDFS的分片操作是由Hadoop根據(jù)系統(tǒng)參數(shù)設置自動完成的邏輯數(shù)據(jù)分塊，并不需要設計額外的算法及編程代碼進行實現(xiàn)。在Hadoop2.0中，數(shù)據(jù)塊的大小默認設置為128MB。

2)MapReduce函數(shù)程序設計。

3)將加密后的數(shù)據(jù)寫入到HDFS中，將經(jīng)過Reduce合并后的分片密文大數(shù)據(jù)存儲在HDFS上。這樣，即完成整個加密的過程。

4 實驗結果與分析

4.1 云計算實驗環(huán)境

云計算實驗環(huán)境采用一臺高性能PC服務器，安裝虛擬機軟件VMware workstation 12，部署1至8個集群計算節(jié)點數(shù)，每個計算節(jié)點均配置為單核CPU和1 G內(nèi)存，云計算軟件平臺采用Hadoop2.7.3版本。實驗數(shù)據(jù)集采用兩個大小分別為1 GB和2 GB的文本數(shù)據(jù)文件。根據(jù)Hadoop2.7.3的默認設置，Map分塊數(shù)大小根據(jù)默認設置為dfs.block.size=128MB。

4.2 加密算法執(zhí)行效率

執(zhí)行效率是衡量密碼算法優(yōu)劣的一個重要指標，也是算法是否具有實用價值的必要條件。文中算法與AES算法執(zhí)行效率比較情況如圖3所示。實驗結果表明，基于云計算的混沌密碼算法具有較好的并行度，隨著集群計算節(jié)點的增加，加密時間逐漸減少；此外，在相同的云計算環(huán)境中，文中算法具有比AES加密算法更快的執(zhí)行速度，驗證了本文所提算法的有效性。

圖3 算法效率比較

圖4 密鑰失配直方圖

4.3 密鑰空間

表1 幾種加密算法密鑰空間對比

可以看出，本文算法的密鑰空間顯著大于其他同類方法。如果將超混沌系統(tǒng)的控制參數(shù)也作為密鑰參數(shù)，密鑰長度還有擴容的可能。因此，本文所提的算法具有充分大的密鑰空間，足以抵御暴力攻擊。

4.4 密鑰敏感性分析

選取其中一個超混沌系統(tǒng)的初始值作為密鑰參數(shù)，當解密密鑰參數(shù)失配10-14時，密文的文本統(tǒng)計直方圖如圖4所示。從實驗結果可知，僅僅是微小的密鑰失配，仍然無法正確還原原始明文，且產(chǎn)生與明文差距巨大的密文，說明密鑰對解密密文具有雪崩效應，驗證了算法具有良好的密鑰敏感性，可抵御差分攻擊。

5 結論

針對當今云計算環(huán)境中存在的數(shù)據(jù)安全問題，綜合利用云計算MapReduce的并行編程架構及混沌密碼算法的優(yōu)點，提出了一種基于Hadoop云計算平臺的混合超混沌分組密碼方案。實驗結果和數(shù)據(jù)分析表明，在運行效率方面，本文所設計的密碼算法具有優(yōu)于同樣實驗環(huán)境下的AES算法。在安全性方面，密鑰空間顯著增大，足以對抗暴力攻擊；密鑰參數(shù)對密文具有雪崩效應，可有效抵抗差分攻擊。此外，本文所提的密碼方案是基于云計算環(huán)境進行開發(fā)和設計，因此，能夠很好地適應于當前的網(wǎng)絡通訊環(huán)境，對于應當和解決移動互聯(lián)網(wǎng)、網(wǎng)絡大數(shù)據(jù)下的數(shù)據(jù)安全及隱私保護等問題具有潛在的應用價值。