潘錦鋒，胡小琴

(泉州信息工程學(xué)院 軟件學(xué)院，福建 泉州 362000)

隨著網(wǎng)絡(luò)信息技術(shù)的發(fā)展，對網(wǎng)絡(luò)信息平臺(tái)分布式數(shù)據(jù)流的安全性提出更高的要求，需要構(gòu)建優(yōu)化的分布式大數(shù)據(jù)流大信息安全評估平臺(tái)，結(jié)合對分布式大數(shù)據(jù)流大信息安全特征融合和模糊信息聚類分析的方法，實(shí)現(xiàn)對分布式大數(shù)據(jù)流大信息安全評估和融合調(diào)度，提高分布式大數(shù)據(jù)流大信息安全性，在大數(shù)據(jù)分布式融合背景下，通過分析分布式大數(shù)據(jù)流大信息安全評估平臺(tái)的融合特征量，通過自相關(guān)特征分析和統(tǒng)計(jì)信息評估，實(shí)現(xiàn)對分布式大數(shù)據(jù)流大信息安全評估平臺(tái)設(shè)計(jì)[1]。

傳統(tǒng)方法中，分布式大數(shù)據(jù)流大信息安全評估方法主要有基于模糊度融合的高效頻繁集分布式數(shù)據(jù)流安全性評估方法、基于線性相關(guān)性特征分析的分布式數(shù)據(jù)流評估方法等[2-4]，采用平衡度測量的方法進(jìn)行高效頻繁集分布式數(shù)據(jù)流安全性的模糊性控制，提取高效頻繁集分布式數(shù)據(jù)流安全性管理參數(shù)，通過規(guī)則性調(diào)度方法實(shí)現(xiàn)高效頻繁集分布式數(shù)據(jù)流安全性評估，但傳統(tǒng)方法進(jìn)行分布式大數(shù)據(jù)流大信息評估的自適應(yīng)性不好，特征辨識(shí)度不高[5-6]。針對上述問題，提出基于分布式數(shù)據(jù)流的大數(shù)據(jù)信息安全評估平臺(tái)。首先構(gòu)建大數(shù)據(jù)信息安全評估的數(shù)據(jù)結(jié)構(gòu)融合模型，實(shí)現(xiàn)對分布式數(shù)據(jù)流的頻繁集挖掘，根據(jù)數(shù)據(jù)的特征屬性值來確定大數(shù)據(jù)信息記錄的位置，提取分布式數(shù)據(jù)流的候選集、事務(wù)集，對大數(shù)據(jù)信息進(jìn)行安全評估。最后進(jìn)行仿真測試分析，展示了本文方法在提高大數(shù)據(jù)信息安全評估能力方面的優(yōu)越性能。

1 高效頻繁集分布式數(shù)據(jù)流融合分析

1.1 大數(shù)據(jù)信息安全評估的數(shù)據(jù)結(jié)構(gòu)分析

為了實(shí)現(xiàn)基于分布式數(shù)據(jù)流的大數(shù)據(jù)信息安全評估平臺(tái)設(shè)計(jì)，需要構(gòu)建大數(shù)據(jù)信息安全評估的統(tǒng)計(jì)分析模型，結(jié)合頻繁項(xiàng)集特征分析，得到高效頻繁集分布式數(shù)據(jù)流融合的狀態(tài)空間分布集，在候選集支持度學(xué)習(xí)下，得到大數(shù)據(jù)信息安全評估的約束參數(shù)集，通過添加存儲(chǔ)集合元素，得到頻繁集挖掘的約束方法，得到高效頻繁集分布式數(shù)據(jù)流的節(jié)點(diǎn)異構(gòu)模型[6]，通過共享資源調(diào)度和關(guān)聯(lián)融合的方法，得到數(shù)據(jù)集中迭代挖掘模式下高效頻繁集分布式數(shù)據(jù)流的傳輸模型為：

f(x)=sgn(σ1,σ2,σr)∈X

(1)

其中，(σ1,σ2,σr)∈X表示高效頻繁集分布式數(shù)據(jù)流的線性融合分布特征量，σ1、σ2、σr分別表示評估約束、存儲(chǔ)約束以及挖掘約束。采用決策性融合的方法，得到高效頻繁集分布式數(shù)據(jù)流線性加權(quán)融合聚類的決策模型描述為一個(gè)具有n個(gè)輸入和m個(gè)輸出的多維信道均衡控制模型，采用線性加權(quán)控制的方法，得到高效頻繁集分布式數(shù)據(jù)流的關(guān)聯(lián)維分布矩陣形式：

φα=x{Xn,Yn-τ,Xn-2τ}×f(x)

(2)

其中，{Xn,Yn-τ,Xn-2τ}表示高效頻繁集分布式數(shù)據(jù)流的Hash融合向量，采用信息聚類和融合的方法，構(gòu)建高效頻繁集分布式數(shù)據(jù)流的可靠性融合度參數(shù)，得到高效頻繁集分布式數(shù)據(jù)流的自適應(yīng)調(diào)度模型[7]。在該模型基礎(chǔ)上，輸出的像素值是核窗口內(nèi)像素值的均值(所有像素的加權(quán)系數(shù)相等)，其中，歸一化就是把要處理的量都縮放到一個(gè)范圍內(nèi)，比如(0，1)，以便統(tǒng)一處理和直觀量化，得到高效頻繁集分布式數(shù)據(jù)融合的線性濾波輸出為：

(3)

其中，λ、μ分別表示空間匹配和自適應(yīng)特征向量，r表示高效頻繁集分布式數(shù)據(jù)流重復(fù)信息刪除模型，根據(jù)高效頻繁集分布式數(shù)據(jù)流重復(fù)信息，得到數(shù)據(jù)結(jié)構(gòu)分析模型為：

(4)

其中，Kψ+η表示高效頻繁集分布式數(shù)據(jù)流的信息融合模型，根據(jù)信息融合結(jié)果實(shí)現(xiàn)對大數(shù)據(jù)信息的安全評估[8]。

1.2 高效頻繁集分布式數(shù)據(jù)流特征分析

采用閉頻繁項(xiàng)特征融合的方法，實(shí)現(xiàn)對分布式數(shù)據(jù)流的頻繁集挖掘，結(jié)合關(guān)聯(lián)規(guī)則挖掘和結(jié)構(gòu)化數(shù)據(jù)檢測的方法[9]，得到高效頻繁集分布式數(shù)據(jù)流傳輸?shù)哪：隣顟B(tài)特征分布集為：

(5)

在優(yōu)化支持度下，結(jié)合空間信息均衡和反饋調(diào)節(jié)，得到高效頻繁集分布式數(shù)據(jù)流安全性評估的多源信息融合分布結(jié)果為：

s(f)|=c(v)+[s1,s2,sK]n

(6)

其中，[s1,s2,sK]n表示頻繁集的事務(wù)特征分析，得到高效頻繁集分布式數(shù)據(jù)流安全性評估的融合聚類參數(shù)，在t時(shí)刻得到高效頻繁集分布式數(shù)據(jù)流安全性融合的狀態(tài)特征分解函數(shù)為：

Pi(t)=s(f)|+(t-8ui)e

(7)

其中，(t-8ui)e表示高效頻繁集分布式數(shù)據(jù)流安全性融合的幅度,提取高效頻繁集分布式數(shù)據(jù)流安全性管理參數(shù)，在波動(dòng)頻次分布的子空間中，得到高效頻繁集分布式數(shù)據(jù)流安全性分布的目標(biāo)函數(shù)：

(8)

結(jié)合貝葉斯估計(jì)的方法，得到高效頻繁集分布式數(shù)據(jù)流安全性評估的自相關(guān)檢測模型，將兩個(gè)聚類合并程度函數(shù)H(C1,C2)當(dāng)做兩類合并的判斷依據(jù)，利用邊界點(diǎn)與各類中具有點(diǎn)數(shù)的熵值構(gòu)建算法模型：

(9)

公式中c1與c2分別表示C1、C2中包含的點(diǎn)數(shù)量，c代表C1、C2中具有的邊界點(diǎn)數(shù)量，如果邊界點(diǎn)數(shù)量是零，則合并程度函數(shù)值是+∞。

通過頻繁項(xiàng)目挖掘和關(guān)聯(lián)性分析，得到高效頻繁集分布式數(shù)據(jù)流的特征分析模型為：

(10)

其中，b2-y2表示數(shù)據(jù)集挖掘的特征集。根據(jù)上述分析，構(gòu)建了高效頻繁集分布式數(shù)據(jù)流特征融合模型，提高了數(shù)據(jù)的安全評估性[10]。

2 大數(shù)據(jù)信息安全評估平臺(tái)優(yōu)化

2.1 大數(shù)據(jù)信息安全評估特征檢測

采用閉頻繁項(xiàng)特征融合的方法，實(shí)現(xiàn)對分布式數(shù)據(jù)流的頻繁集挖掘，結(jié)合關(guān)聯(lián)規(guī)則挖掘和結(jié)構(gòu)化數(shù)據(jù)檢測的方法，在云融合調(diào)度模型下，構(gòu)建高效頻繁集約束的分布式數(shù)據(jù)流的自適應(yīng)調(diào)度和信息特征采樣[11]，建立高效頻繁集分布式數(shù)據(jù)流的分集均衡調(diào)度集，得到頻繁集分布式數(shù)據(jù)流的傳輸增益為：

(11)

其中x1+x2表示高效頻繁集分布式數(shù)據(jù)流的融合長度，Z為數(shù)據(jù)流安全性管理參數(shù)。根據(jù)高效頻繁集分布式數(shù)據(jù)流的重復(fù)信息檢測結(jié)果，通過空間均衡濾波檢測，得到高效頻繁集分布式數(shù)據(jù)流的融合參數(shù)模型

(12)

(13)

(14)

其中，VS-VCE表示高效頻繁集分布式數(shù)據(jù)。采用線性相關(guān)性融合的方法，構(gòu)建高效頻繁集分布式數(shù)據(jù)流解析模型，得到頻繁集的安全評估方程為：

(15)

其中，xi-yi表示高效頻繁集分布式的數(shù)據(jù)流，根據(jù)互相關(guān)融合結(jié)果，實(shí)現(xiàn)對大數(shù)據(jù)信息的安全評估和模糊特征檢測[12]。

2.2 數(shù)據(jù)信息安全評估優(yōu)輸出

通過模糊信息空間聚類和特征分布式融合的方法，將數(shù)據(jù)集加載到數(shù)據(jù)聚類中心，根據(jù)數(shù)據(jù)的特征屬性值來確定大數(shù)據(jù)信息記錄的位置，采用高效頻繁集分布式數(shù)據(jù)流抗干擾融合模型，得頻繁集分布式數(shù)據(jù)流安全信息評估梯度信息分量和誤差：

Δx=ta+F(z)

(16)

結(jié)合分組樣本檢測的方法，得到高效頻繁集分布式數(shù)據(jù)流的安全評估參數(shù)集、事務(wù)集合的交集，隨著數(shù)據(jù)集復(fù)制倍數(shù)的增大，倍數(shù)增加至3倍，得到高效頻繁集分布式數(shù)據(jù)流的傳輸特征量：

(17)

其中，Ro-Io表示高效頻繁集分布式數(shù)據(jù)流的安全評估參數(shù)，得到頻繁集分布式數(shù)據(jù)流的線性相關(guān)性融合輸出。根據(jù)梯度信息特征分解的方法，得到高效頻繁集分布式數(shù)據(jù)流信息評估的迭代學(xué)習(xí)算子為：

(18)

采用關(guān)聯(lián)規(guī)則算法構(gòu)建高效頻繁集分布式數(shù)據(jù)流濾波的自適應(yīng)學(xué)習(xí)模型，提高高效頻繁集分布式數(shù)據(jù)流的信息飽和度，得到高效頻繁集分布式數(shù)據(jù)信息分布的衰減特征量為：

(19)

其中，a2+b2表示高效頻繁集分布式數(shù)據(jù)流的衰減關(guān)聯(lián)系數(shù)和時(shí)間延遲，根據(jù)數(shù)據(jù)的特征屬性值來確定大數(shù)據(jù)信息記錄的位置，提取分布式數(shù)據(jù)流的候選集、事務(wù)集，根據(jù)屬性集分布實(shí)現(xiàn)對大數(shù)據(jù)信息安全評估，得到安全評估輸出的優(yōu)化函數(shù)為：

(20)

其中，U0為自適應(yīng)權(quán)重分布融合調(diào)度的方法，采用高效頻繁集分布式數(shù)據(jù)流的模糊關(guān)聯(lián)映射特征量，得到高效頻繁集分布式數(shù)據(jù)流重復(fù)信息的濾波模型，實(shí)現(xiàn)安全評估平臺(tái)的優(yōu)化設(shè)計(jì)。

3 仿真測試分析

為驗(yàn)證本方法的應(yīng)用性能，進(jìn)行仿真測試分析，將分布式數(shù)據(jù)流的測試樣本設(shè)定為BMSWebView 數(shù)據(jù)集，測試樣本數(shù)為2000，分布式數(shù)據(jù)流訓(xùn)練樣本數(shù)為120，訓(xùn)練迭代數(shù)為500，構(gòu)建大數(shù)據(jù)信息安全評估模型，測試不同方法安全評估的傳輸加速比，將文獻(xiàn)[4]與文獻(xiàn)[6]作為對比方法，得到大數(shù)據(jù)信息安全傳輸加速比的對比結(jié)果(見圖1)。

大數(shù)據(jù)信息安全傳輸加速比對比分析得知，本方法進(jìn)行大數(shù)據(jù)信息安全評估，提高了數(shù)據(jù)傳輸?shù)募铀俦龋饕蛟谟诓捎酶咝ьl繁集分布式數(shù)據(jù)流抗干擾融合模型，算法執(zhí)行時(shí)不必使用速度較慢的內(nèi)存，存儲(chǔ)器讀寫時(shí)間能大幅降低，提高了傳輸加速比。測試不同方法進(jìn)行大數(shù)據(jù)信息安全評估的時(shí)間開銷，得到的對比結(jié)果如圖2所示。

圖1 傳輸加速比 圖2 時(shí)間開銷對比

進(jìn)行大數(shù)據(jù)信息安全評估，降低了數(shù)據(jù)傳輸和安全性評估的時(shí)間開銷。結(jié)合不同方法進(jìn)行大數(shù)據(jù)信息安全評估的準(zhǔn)確性，得到的對比結(jié)果見表1。

表1 大數(shù)據(jù)信息安全評估準(zhǔn)確性測試

分析表1得知，本方法明顯高于文獻(xiàn)[4]與[6]提出的方法，大數(shù)據(jù)信息安全評估的準(zhǔn)確性較高。

4 結(jié)論

本文提出基于分布式數(shù)據(jù)流的大數(shù)據(jù)信息安全評估平臺(tái)，構(gòu)建優(yōu)化的分布式大數(shù)據(jù)流大信息安全評估平臺(tái)，結(jié)合對分布式大數(shù)據(jù)流大信息安全特征融合和模糊信息聚類分析的方法，實(shí)現(xiàn)對分布式大數(shù)據(jù)流大信息安全評估和融合調(diào)度。結(jié)合頻繁項(xiàng)集特征分析，得到高效頻繁集分布式數(shù)據(jù)流融合的狀態(tài)空間分布集，結(jié)合貝葉斯估計(jì)的方法，得到高效頻繁集分布式數(shù)據(jù)流安全性評估的自相關(guān)檢測模型，采用線性加權(quán)控制的方法，得到高效頻繁集分布式數(shù)據(jù)流的關(guān)聯(lián)維分布矩陣形式。根據(jù)高效頻繁集分布式數(shù)據(jù)流的重復(fù)信息檢測結(jié)果，根據(jù)數(shù)據(jù)的特征屬性值來確定大數(shù)據(jù)信息記錄的位置，得到頻繁集分布式數(shù)據(jù)流安全信息評估的梯度信息分量，實(shí)現(xiàn)大數(shù)據(jù)信息安全評估平臺(tái)的優(yōu)化設(shè)計(jì)。研究得知，本文方法進(jìn)行大數(shù)據(jù)信息安全評估的準(zhǔn)確性較高，可靠性較好。