谷保平 馬建紅

1(鄭州信息科技職業(yè)學(xué)院信息工程學(xué)院 河南 鄭州 450046) 2(鄭州大學(xué)軟件學(xué)院 河南 鄭州 450002)

0 引 言

多維大數(shù)據(jù)聚類期間的數(shù)據(jù)安全性是安全數(shù)據(jù)聚類的重要方面之一。通過(guò)編碼方案進(jìn)行不同類型的安全攻擊，使用各種軟件以及各種非法病毒和蠕蟲是數(shù)據(jù)丟失的主要原因。因此，無(wú)論是從數(shù)據(jù)存儲(chǔ)還是數(shù)據(jù)利用的角度來(lái)看，數(shù)據(jù)安全都是需要解決的問(wèn)題。

國(guó)內(nèi)外學(xué)者圍繞非結(jié)構(gòu)化大數(shù)據(jù)安全加密的問(wèn)題展開(kāi)了深入的研究。文獻(xiàn)[1-2]利用k均值算法對(duì)大數(shù)據(jù)進(jìn)行聚類，可以方便地挖掘有用信息，但由于算法可擴(kuò)展性的限制，提出的有序聚類和期望最大方法不能直接用于大數(shù)據(jù)分類。文獻(xiàn)[3]在文獻(xiàn)[2]的基礎(chǔ)上，使用無(wú)監(jiān)督聚類法和模糊概率模型擴(kuò)展了大數(shù)據(jù)聚類方法的應(yīng)用，然而，當(dāng)數(shù)據(jù)大小超過(guò)實(shí)際存儲(chǔ)的大小時(shí)，所采用的算法在計(jì)算時(shí)間方面的擴(kuò)展性很差，容易受硬件條件的限制。文獻(xiàn)[4]提出通過(guò)自然語(yǔ)言處理對(duì)非結(jié)構(gòu)化和結(jié)構(gòu)化大數(shù)據(jù)進(jìn)行情感分析，使用MapReduce技術(shù)處理非結(jié)構(gòu)化數(shù)據(jù)，并通過(guò)協(xié)同過(guò)濾自動(dòng)預(yù)測(cè)用戶的品味，但該方法不能防止數(shù)據(jù)檢索期間的數(shù)據(jù)丟失。文獻(xiàn)[5]利用Trillion Particle Scale聚類技術(shù)擴(kuò)展了新代碼生成的最大數(shù)據(jù)集，有助于推斷等離子體物理中粒子的加速，但其錯(cuò)誤率較高，且作者沒(méi)有提出任何有效的錯(cuò)誤控制技術(shù)。為了減少數(shù)據(jù)開(kāi)銷以及多維大數(shù)據(jù)傳輸期間的安全開(kāi)銷，文獻(xiàn)[6]采用BIRCH聚類算法對(duì)閾值進(jìn)行自動(dòng)估計(jì)，根據(jù)數(shù)據(jù)計(jì)算BIRCH的最佳閾值參數(shù)，使得大數(shù)據(jù)可以進(jìn)行適當(dāng)?shù)木垲?，但該方法依然犧牲了?shù)據(jù)處理時(shí)間。文獻(xiàn)[7]使用HDFS和MapReduce為Hadoop集群提出了一種內(nèi)存利用技術(shù)，減少了Mappers的不同內(nèi)存使用量以及Hadoop集群上數(shù)據(jù)存儲(chǔ)和處理的減速器。然而，該技術(shù)不適用于復(fù)雜的時(shí)間序列數(shù)據(jù)，并且該算法的復(fù)雜性相對(duì)較高，這對(duì)于復(fù)雜的大數(shù)據(jù)應(yīng)用來(lái)說(shuō)并不完美。文獻(xiàn)[8]用特征化和子集化技術(shù)來(lái)處理大數(shù)據(jù)工作負(fù)載，使用從PCA獲得的主要模塊來(lái)應(yīng)用聚類技術(shù)進(jìn)而研究大數(shù)據(jù)工作負(fù)載之間的相似性，提高了大數(shù)據(jù)處理的兼容性，但該技術(shù)不支持大量基準(zhǔn)數(shù)據(jù)。除此之外，該技術(shù)不適合用于聚類它們的多維大數(shù)據(jù)文件。文獻(xiàn)[9]提出了一個(gè)共同目標(biāo)框架Petuum技術(shù)，通過(guò)感知機(jī)器學(xué)習(xí)程序，加速了迭代收斂的速度，可以分析大規(guī)模機(jī)器學(xué)習(xí)中的數(shù)據(jù)和模型。然而，就功能集而言，與Hadoop和Spark相比，Petuum技術(shù)仍然相對(duì)不發(fā)達(dá)。文獻(xiàn)[10]采用SkeVa算法對(duì)數(shù)據(jù)進(jìn)行k均值聚類，減少了大數(shù)據(jù)的維數(shù)和特征向量，但它不支持MapReduce框架，也不適合大數(shù)據(jù)文件的聚類，并且在聚類過(guò)程中可能會(huì)發(fā)生數(shù)據(jù)丟失[11]。

因此，為了減小非結(jié)構(gòu)化大數(shù)據(jù)在組合聚類過(guò)程中的時(shí)間開(kāi)銷和防止大數(shù)據(jù)在傳輸過(guò)程中出現(xiàn)數(shù)據(jù)丟失以及安全攻擊，提出了可撤銷屬性加密結(jié)合快速密度聚類算法的非結(jié)構(gòu)化大數(shù)據(jù)安全存儲(chǔ)方法，主要?jiǎng)?chuàng)新點(diǎn)總結(jié)如下：

(1) 本文算法采用輸入非結(jié)構(gòu)化文件，利用可撤銷屬性方法為非結(jié)構(gòu)化大數(shù)據(jù)提供安全的存儲(chǔ)結(jié)構(gòu)，通過(guò)區(qū)分安全攻擊和傳輸錯(cuò)誤來(lái)防止大數(shù)據(jù)的誤傳和避免安全攻擊，提高了數(shù)據(jù)傳輸和存儲(chǔ)的安全性。

(2) 本文算法利用霍夫曼壓縮技術(shù)對(duì)數(shù)據(jù)進(jìn)行壓縮，降低了數(shù)據(jù)傳輸、存儲(chǔ)和聚類期間的開(kāi)銷。

(3) 由于傳輸錯(cuò)誤、各種安全攻擊、時(shí)間開(kāi)銷,以及空間開(kāi)銷而容易發(fā)生數(shù)據(jù)丟失現(xiàn)象，本文算法通過(guò)錯(cuò)誤控制技術(shù)為潛在丟失的數(shù)據(jù)提供了備份系統(tǒng)，可有效防止數(shù)據(jù)丟失。

(4) 提出一種新的快速密度聚類技術(shù)，可有效處理多維大數(shù)據(jù)文件。

實(shí)驗(yàn)結(jié)果表明，相比于其他幾種現(xiàn)有算法，本文算法在處理非結(jié)構(gòu)化大數(shù)據(jù)問(wèn)題方面具有更高的聚類效率、更低的開(kāi)銷和更好的兼容性。

1 方法設(shè)計(jì)

本文方法有四個(gè)部分。第一部分采用輸入非結(jié)構(gòu)化文件，如文本文件，利用可撤銷屬性方法為非結(jié)構(gòu)化大數(shù)據(jù)進(jìn)行加密，輸入數(shù)據(jù)可以是任何類型，例如結(jié)構(gòu)化[12]、非結(jié)構(gòu)化或半結(jié)構(gòu)化[13]。因此，這種大輸入數(shù)據(jù)的類別也可能是不確定的。第二部分結(jié)合了霍夫曼壓縮技術(shù)來(lái)控制實(shí)際數(shù)據(jù)以及該技術(shù)的安全開(kāi)銷，控制數(shù)據(jù)傳輸和存儲(chǔ)或集群期間的數(shù)據(jù)錯(cuò)誤。第三部分通過(guò)結(jié)合獨(dú)特的錯(cuò)誤控制技術(shù)作為集成技術(shù)，提供用于意外數(shù)據(jù)丟失的備份系統(tǒng)。第四部分中，在實(shí)施錯(cuò)誤控制技術(shù)之后，應(yīng)用了高效的快速密度聚類算法。本文方法執(zhí)行過(guò)程如圖1所示。

圖1 本文方法執(zhí)行過(guò)程

1.1 利用可撤銷屬性加密輸入文本文件

根據(jù)可撤銷屬性加密技術(shù)的工作原理[14]，輸入數(shù)據(jù)大小為8位。 為了執(zhí)行可撤銷屬性加密技術(shù)，每個(gè)單個(gè)字符取自輸入文本文件，并在每次單次迭代期間通過(guò)其ASCII值轉(zhuǎn)換為8位字符串。在遍歷輸入文本的所有字符后，從輸入文本生成m個(gè)密文，并將其轉(zhuǎn)換為4位密文[15]。從輸入文本的每個(gè)原始字符生成每個(gè)4位密文CodeTextm，每個(gè)8位秘密密鑰Mysm和相應(yīng)的4位密碼文本相互連接，通過(guò)式(1)生成12位加密字符串Strm。

(1)

將所有連接的加密字符串連接成單個(gè)隱含字符串Ste，最后進(jìn)入的單個(gè)隱含字符串為：

Stem=Stem×(10)l(Strm)+Strm

(2)

由于在加密期間添加了額外的位，增加了數(shù)據(jù)開(kāi)銷，因此，為了減少數(shù)據(jù)開(kāi)銷，將連接的單個(gè)隱含字符串Ste作為輸入字符串來(lái)執(zhí)行霍夫曼壓縮[16]。

1.2 霍夫曼壓縮

通過(guò)將輸入的隱含字符串Ste分成多個(gè)8位字符串來(lái)啟動(dòng)壓縮操作。然后將所有8位字符串轉(zhuǎn)換為相應(yīng)的ASCII字符并將它們存儲(chǔ)在數(shù)組中。霍夫曼樹(shù)通過(guò)以下算法進(jìn)行創(chuàng)建。

算法1霍夫曼樹(shù)

1.Ch←n個(gè)字符組；

//字符k的頻率由F|k|定義

2.Seq←F的最小優(yōu)先隊(duì)列；

//Seq是一個(gè)列表，按頻率升序排列

3.n=Ch；

//導(dǎo)入所有Ch到最小優(yōu)先隊(duì)列(Seq)

4.Seq=Ch；

5. 對(duì)于(i=1 ton-1)；

//創(chuàng)建一個(gè)新節(jié)點(diǎn)z到n-1

6. 分配新節(jié)點(diǎn)z；

//z的左子結(jié)點(diǎn)是x，右子節(jié)點(diǎn)是y

//左子結(jié)點(diǎn)z是最不常見(jiàn)的彈出形式的ChSeq

7.left[z]=x=Extract_Min(Seq)；

//從charSeq中彈出另外一個(gè)字符來(lái)創(chuàng)建新的右子節(jié)點(diǎn)

8.left[z]=y=Extract_Min(Seq)；

//子節(jié)點(diǎn)的頻率總和

9.F(z)=F(x)+F(y);

//將新創(chuàng)建的對(duì)象導(dǎo)入最小優(yōu)先級(jí)隊(duì)列

10. 導(dǎo)入(Seq,z)；

11. 結(jié)束；

//返回到樹(shù)的根源

12. 返回Extract_Min(Seq)

算法1中，步驟1和步驟2聲明在制作霍夫曼樹(shù)時(shí)所需的變量。步驟3至步驟4根據(jù)頻率按升序創(chuàng)建非冗余排序字符列表，消除冗余字符。步驟5至步驟11收集每個(gè)字符的頻率，并根據(jù)頻率分布形成霍夫曼樹(shù)。根據(jù)頻率，霍夫曼樹(shù)的左右子集已被決定并放置在新生成的霍夫曼樹(shù)中。步驟12重復(fù)相同的過(guò)程以完成所需的霍夫曼樹(shù)的形成。在創(chuàng)建壓縮代碼之后，遍歷了完整的字符列表Ch，并且所有相應(yīng)的字符已被壓縮的代碼替換。之后，壓縮代碼在式(2)的幫助下連接成單個(gè)字符串Temp。以同樣的方式，將頻率表作為字符串Sta和短路字符表在式(2)的幫助下連接成字符串Ch′。然后，通過(guò)為每個(gè)分隔符連接100位二進(jìn)制分隔符來(lái)創(chuàng)建一對(duì)分隔符Fen和Fen′。在下一步中，將Temp、Ch′、Fen和Fen′連接成單個(gè)最終壓縮字符串CStr。通過(guò)在最終壓縮字符串CStr中添加壓縮代碼字符串Sta來(lái)初始化連接操作，如下：

CStr=CStr×(10)l(Temp)+Temp

(3)

在第二階段，第一個(gè)分隔符Fen已添加最終壓縮字符串CStr，如下：

CStr=CStr×(10)l(Fen)+Fen

(4)

在將第一個(gè)分隔符Fen與最終壓縮字符串CStr連接后，頻率字符串Fen已被添加，如下:

CStr=CStr×(10)l(Fen)+Fen

(5)

在添加完頻率字符串Fen后，第二個(gè)分隔符Fen′添加了最終壓縮字符串CStr：

CStr=CStr×(10)l(Fen′)+Fen′

(6)

最后的連接字符串Char′在最后階段添加了最終壓縮字符串CStr以獲得競(jìng)爭(zhēng)壓縮字符串：

CStr=CStr×(10)l(Ch′)+Ch′

(7)

這里添加兩個(gè)分隔符Fen和Fen′的目的是在最終壓縮字符串CStr中的壓縮代碼Temp、字符和頻率字符串之間建立空格。基于這兩個(gè)分隔符，壓縮代碼、字符和頻率字符串將在解壓縮操作期間分離。

1.3 錯(cuò)誤控制技術(shù)

將最終的壓縮字符串作為輸入，并將其分成8位字符串，以執(zhí)行建議的錯(cuò)誤控制位生成以及合并操作。 所有新分離的8位字符串都存儲(chǔ)在字符串?dāng)?shù)組Ec中，并按照算法2進(jìn)行操作。

算法2錯(cuò)誤控制位生成和合并技術(shù)

1. 設(shè)置Ec中的元素總數(shù)量為n；

2.m1、n1、k1為整型變量，并且k1=0；

3. 聲明Ec′為字符數(shù)列,Xs為字符變量；

4. 運(yùn)行每?jī)蓚€(gè)Ec元素之間的異或操作并將它們以及最終錯(cuò)誤控制數(shù)列Ec′中生成的Xr用字符串Xs儲(chǔ)存起來(lái)；

5. 當(dāng)(intm1=0;m=m+2)時(shí)

Xs=″″;

Ec′[k1]=Ec[m1]

Ec′[k1+1]=Ec[k1+1]

6. 當(dāng)(intn1=0;n1=m1+1)時(shí)

Xs=Ec[n1][m1]⊕Ec[m1+1][n1]

Ec′[k1+2]=Xs

7. 結(jié)束。

算法2中，步驟1到步驟3聲明變量、數(shù)組并初始化整數(shù)變量p。 因此，步驟4和步驟5在字符串?dāng)?shù)組Ec的每個(gè)雙連續(xù)元素之間執(zhí)行Xr運(yùn)算，并將得到的Xr字符串存儲(chǔ)在字符串變量Xs上。同時(shí)，步驟5將每?jī)蓚€(gè)連續(xù)元素存儲(chǔ)到最終的錯(cuò)誤控制數(shù)組Ec′上。步驟6在連接每個(gè)雙輸入字符串后，將每個(gè)結(jié)果Xr用字符串Xs存儲(chǔ)在字符串?dāng)?shù)組Ec的第三位，且每個(gè)雙輸入字符串取自字符串?dāng)?shù)組Ec。所提出的錯(cuò)誤控制技術(shù)可以解決每個(gè)單獨(dú)的比特。在任何情況下，如果任何比特被破壞，則可以通過(guò)相應(yīng)比特之間的Xr操作來(lái)檢索該比特，取自其他兩個(gè)串，即得到的Xr串和第二個(gè)原始串。除此之外，如果任何原始字符串在任何意外情況下完全損壞或丟失，則可以通過(guò)在第二個(gè)原始字符串和結(jié)果Xr字符串之間執(zhí)行Xr操作來(lái)檢索整個(gè)字符串。此后，所提出的錯(cuò)誤控制技術(shù)也可以為意外數(shù)據(jù)丟失提供備份系統(tǒng)。

1.4 快速聚類算法

本文提出一種快速聚類算法，用于處理和存儲(chǔ)加密數(shù)據(jù)。在檢索加密數(shù)據(jù)時(shí)，已經(jīng)應(yīng)用了低復(fù)雜搜索算法。通過(guò)算法3更精確地顯示所提出的多維聚類技術(shù)。

算法3快速聚類算法

輸入：聚類數(shù)量Num，數(shù)據(jù)集Ser，數(shù)據(jù)對(duì)象Opt，屬性集Att；Ser={Ser1,Ser2,…,Serm}；Att={Att1,Att2,…,Attm}；其中0≤Num,Opt<∞并且Num≤Opt。

輸出：一組聚類N。

1. 從原始數(shù)據(jù)組(Ser)中繪制多個(gè)子樣本(Ser1,Ser2,…,Serm)；

2. 將每一組的中間點(diǎn)作為形心；

3. 計(jì)算每一組數(shù)據(jù)點(diǎn)和所有起始形心之間的距離；

4. 找到距離形心最近的點(diǎn)并且將其納入最近的聚類；

5. 選擇從聚類到形心的最小距離；

6. 將步驟1到步驟5應(yīng)用到聚類Num的數(shù)據(jù)組；

7. 將兩個(gè)聚類合并為一個(gè)聚類；

8. 重新計(jì)算組合聚類的新的聚類中心直到聚類的數(shù)量縮減到Num。

算法3展示了所提出的快速聚類算法，并展示出了如何利用該算法處理輸入數(shù)據(jù)。使用連接的搜索關(guān)鍵字搜索加密文本[17]，如果搜索失敗，則混合搜索技術(shù)需要申請(qǐng)搜索。在該預(yù)先搜索方法中，使用可撤銷屬性加密技術(shù)將搜索技術(shù)的關(guān)鍵值轉(zhuǎn)換為隱藏文本，然后執(zhí)行搜索。因此，所提出的快速密度聚類技術(shù)可以執(zhí)行不確定和非結(jié)構(gòu)化以及多維大數(shù)據(jù)文件。

2 實(shí) 驗(yàn)

2.1 實(shí)驗(yàn)配置

進(jìn)行實(shí)驗(yàn)的硬件配置包括：英特爾酷睿i5處理器、4 GB DDR3內(nèi)存和2 TB大小的HDD；軟件包括：Ubuntu 12.4 LTS作為操作系統(tǒng)，核心JAVA作為編程語(yǔ)言。將純文本(.txt)文件作為輸入數(shù)據(jù)，將.WAV文件作為輸入音頻文件，生成stego音頻文件。輸入文件大小可能在50 GB到1 TB之間。所有實(shí)驗(yàn)都是在無(wú)線環(huán)境中進(jìn)行的。

2.2 實(shí)驗(yàn)參數(shù)

2.2.1信息丟失(IL)

在群集和存儲(chǔ)期間，某些部分信息可能被修改或損壞或丟失。大多數(shù)情況下，這些信息無(wú)法在接收端檢索，即永久丟失,這種現(xiàn)象被稱為信息丟失。任何傳輸系統(tǒng)產(chǎn)生數(shù)據(jù)完整性的能力可以通過(guò)計(jì)算信息丟失的總量來(lái)測(cè)量。除了數(shù)據(jù)完整性之外，它還確保了對(duì)各種數(shù)據(jù)錯(cuò)誤的穩(wěn)定性。信息丟失被公式化如下[18]：

(8)

通常在數(shù)據(jù)檢索期間，永久損壞或不可恢復(fù)的信息會(huì)被丟棄[19]。因此，如果在數(shù)據(jù)檢索期間發(fā)生信息丟失，則檢索到的文件大小必須小于原始文件。這就是為什么通過(guò)找到原始文件和檢索到的文件大小的差異來(lái)測(cè)量信息丟失的原因。因此，IL對(duì)于計(jì)算聚類過(guò)程中的數(shù)據(jù)丟失非常重要[20]。

2.2.2信噪比

信噪比是所需模擬或數(shù)字?jǐn)?shù)據(jù)樣本相對(duì)于背景噪聲的幅度或長(zhǎng)度方面的強(qiáng)度[21]。它主要是為了顯示產(chǎn)生對(duì)各種聲道噪聲的穩(wěn)定性的能力。任何誤差控制技術(shù)產(chǎn)生的信噪比(Signal Noise Ratio,SNR)都可以用分貝(dB)對(duì)數(shù)表示，并表示為：

(9)

式中:w(n)是原始輸入樣本長(zhǎng)度;v(n)是輸出樣本文件的樣本長(zhǎng)度。本文技術(shù)結(jié)合了獨(dú)特的錯(cuò)誤檢查技術(shù)，以增強(qiáng)數(shù)據(jù)的穩(wěn)定性和機(jī)密性。如果樣本的Snr高，那么可以說(shuō)樣本錯(cuò)誤較少，如果任何樣本的Snr都很低，那么它就說(shuō)明樣本是高度錯(cuò)誤的。

2.2.3壓縮比

數(shù)據(jù)壓縮比，也稱為壓縮功率，用于量化數(shù)據(jù)壓縮算法產(chǎn)生的數(shù)據(jù)表示大小的減少。數(shù)據(jù)壓縮比類似于用于測(cè)量物質(zhì)的物理壓縮的物理壓縮比。任何壓縮技術(shù)的壓縮比可以計(jì)算為：

(10)

通常，壓縮比表示減小任何壓縮技術(shù)的文件大小的能力。因此，如果任何壓縮技術(shù)產(chǎn)生高Cdr，那么該壓縮技術(shù)不能有效地減小輸入文件大小，反之亦然。

2.2.4通量

通常在計(jì)算系統(tǒng)中，每項(xiàng)工作都需要在指定的時(shí)間內(nèi)完成。完成此類工作的時(shí)間要求隨計(jì)算系統(tǒng)的處理速度和工作的性質(zhì)而變化。與數(shù)據(jù)傳輸系統(tǒng)相同，時(shí)間是一個(gè)重要因素; 整個(gè)數(shù)據(jù)需要在指定的時(shí)間內(nèi)傳輸。因此，需要在時(shí)間上測(cè)量任何計(jì)算系統(tǒng)或傳輸系統(tǒng)的性能。通量是指在給定時(shí)間內(nèi)完成的工作量，反映了某種技術(shù)的時(shí)間效率。任何技術(shù)產(chǎn)生的通量可以計(jì)算為：

(11)

通量是衡量任何安全數(shù)據(jù)傳輸系統(tǒng)的時(shí)間效率的重要參數(shù)。通量與文件大小成正比，與處理速度成反比。因此，如果任何計(jì)算系統(tǒng)在執(zhí)行某項(xiàng)工作期間產(chǎn)生高吞吐量，則表示該工作具有較高的時(shí)間效率，反之亦然。

2.2.5環(huán)路復(fù)雜度

任何技術(shù)的時(shí)間復(fù)雜度決定了它的時(shí)間效率。 如果任何技術(shù)的時(shí)間復(fù)雜度很高，則說(shuō)明它的時(shí)間效率很低，反之亦然。在確定任何技術(shù)或算法的時(shí)間復(fù)雜度的各種方法中，環(huán)路復(fù)雜度的計(jì)算是其中之一。環(huán)路復(fù)雜度是源代碼復(fù)雜度測(cè)量，其與許多編碼錯(cuò)誤相關(guān)聯(lián)。它是通過(guò)開(kāi)發(fā)代碼的控制流圖來(lái)計(jì)算的，該代碼的測(cè)量是通過(guò)程序模塊的線性無(wú)關(guān)路徑的數(shù)量。 任何技術(shù)或算法的環(huán)路復(fù)雜度Cplx可以確定為：

Cplx=(Length-Node+(2×Pnum))

(12)

式中：Length表示控制流圖的各種邊;Node是節(jié)點(diǎn)數(shù);Pnum是圖的連通分量數(shù)。本文的集成模型的時(shí)間復(fù)雜度是通過(guò)計(jì)算其環(huán)路復(fù)雜度來(lái)得到的。如果任何技術(shù)的環(huán)路復(fù)雜度很高，則認(rèn)為它是高度時(shí)間復(fù)雜的，反之亦然。通常，環(huán)路復(fù)雜度隨著環(huán)路復(fù)雜度的不同技術(shù)范圍而變化，表1對(duì)比了不同環(huán)路復(fù)雜度下的特性。

表1 環(huán)路復(fù)雜度的特性

2.3 實(shí)驗(yàn)結(jié)果

2.3.1信息丟失的效率

通過(guò)測(cè)量導(dǎo)入文件產(chǎn)生的信噪比和信息損失百分比，可以確定由于各種類型的錯(cuò)誤以及安全攻擊而在聚類期間保護(hù)信息丟失的本文方法的性能。如果任何安全系統(tǒng)產(chǎn)生更高的信噪比值，則所使用的安全系統(tǒng)被認(rèn)為對(duì)數(shù)據(jù)錯(cuò)誤和各種安全攻擊具有穩(wěn)定性。同時(shí)，如果任何安全系統(tǒng)提供較低百分比的信息丟失，則所使用的安全技術(shù)被認(rèn)為有效地增強(qiáng)了數(shù)據(jù)完整性。此后，由集成技術(shù)提供的信息損失百分比和信噪比如圖2和圖3所示。

圖2 本文提出的合成技術(shù)的信息損失百分比

圖3 本文提出的錯(cuò)誤控制技術(shù)的信噪比

實(shí)驗(yàn)中默認(rèn)數(shù)據(jù)大小變化范圍為100 TB到3 400 TB，將集成技術(shù)的性能與文獻(xiàn)[4-5，7，9]中的各種現(xiàn)有的聚類技術(shù)進(jìn)行了比較，結(jié)果表明本文提出的聚類技術(shù)能明顯降低信息丟失的百分比。

如圖2所示，文獻(xiàn)[9]方法無(wú)論在小尺寸文件還是較大尺寸文件下都具有較高的信息丟失率，文獻(xiàn)[4-5，7]中的聚類技術(shù)對(duì)信息損失百分比控制大體相近，但都隨著數(shù)據(jù)包尺寸的增大而減小，而相對(duì)于本文方法仍然具有較高的信息丟失率；因此，從結(jié)果可以得出結(jié)論，與文獻(xiàn)[4-5，7，9]中的聚類技術(shù)相比，本文方法通過(guò)保護(hù)各種數(shù)據(jù)錯(cuò)誤和安全攻擊來(lái)保護(hù)聚類期間的信息丟失更加有效。

此外誤控制技術(shù)的性能可以通過(guò)其控制各種數(shù)據(jù)錯(cuò)誤的能力來(lái)檢查，這些數(shù)據(jù)錯(cuò)誤是由不同硬件和軟件限制以及通過(guò)計(jì)算信噪比而導(dǎo)致的各種安全攻擊所引起的，因此對(duì)本文方法在誤差控制過(guò)程中的信噪比與文獻(xiàn)[4-5，7，9]中的誤差控制技術(shù)進(jìn)行了比較，結(jié)果如圖3所示。

在不同導(dǎo)入文件尺寸下，不同方法有著不同的信噪比，但所有方法的信噪比都隨著導(dǎo)入文件的增大而增加；其中：文獻(xiàn)[9]方法信噪比始終保持最小，文獻(xiàn)[4]和文獻(xiàn)[5]方法信噪比相近，但較文獻(xiàn)[7]低，本文方法則具有最高信噪比。因此可以看出，本文提出的差錯(cuò)控制技術(shù)比文獻(xiàn)[4-5，7，9]中的誤差錯(cuò)控制技術(shù)具有更高的信噪比，即本文提出的錯(cuò)誤控制技術(shù)比現(xiàn)有錯(cuò)誤控制技術(shù)更有效，并且在由于各種硬件、軟件、其他明顯的限制和安全攻擊而引起的錯(cuò)誤控制過(guò)程中，本文方法具有更高的保護(hù)各種數(shù)據(jù)錯(cuò)誤的能力。

綜合圖2和圖3所示結(jié)果，本文方法在聚類過(guò)程中相比于文獻(xiàn)[4-5，7，9]中的相關(guān)技術(shù)具有更高的數(shù)據(jù)保護(hù)效率。

2.3.2數(shù)據(jù)和安全開(kāi)銷的效率

在表2中，將提出的霍夫曼壓縮技術(shù)的性能與文獻(xiàn)[4-5,7,9]中的壓縮技術(shù)的性能進(jìn)行了比較。這些壓縮技術(shù)的比較是根據(jù)它們產(chǎn)生壓縮比的能力來(lái)完成的。可以看出，提出的霍夫曼壓縮技術(shù)提供了比文獻(xiàn)[4-5,7,9]中的壓縮技術(shù)更高的壓縮比。根據(jù)定義，如果使用的壓縮技術(shù)提供更高的壓縮比，則稱壓縮技術(shù)對(duì)于壓縮數(shù)據(jù)是有效的。由于霍夫曼壓縮與文獻(xiàn)[4-5,7,9]中的壓縮技術(shù)相比，能夠產(chǎn)生更高的壓縮比，因此提出的壓縮技術(shù)能夠明顯地、有效地減少數(shù)據(jù)以及安全開(kāi)銷。

表2 各種壓縮技術(shù)的壓縮比

2.3.3時(shí)間開(kāi)銷的效率

表3比較了本文方法的執(zhí)行速度與文獻(xiàn)[4-5,7,9]中的聚類技術(shù)在聚類和數(shù)據(jù)檢索期間的通量?？梢钥闯?，本文方法聚類速度通量和數(shù)據(jù)檢索通量分別為5.56和5.71，即相比于文獻(xiàn)[4-5,7,9]中的聚類技術(shù)有更好的時(shí)間性能。

表3 聚類技術(shù)的通量

表4給出了聚類和數(shù)據(jù)檢索時(shí)間期間的環(huán)路復(fù)雜度，可以看出，在聚類和數(shù)據(jù)檢索時(shí)間的兩種情況下，本文方法比文獻(xiàn)[4-5,7,9]中的聚類技術(shù)具有更低的環(huán)路復(fù)雜度，分別為3和3，而文獻(xiàn)[5]和文獻(xiàn)[9]方法環(huán)路復(fù)雜度最高，文獻(xiàn)[4]文獻(xiàn)[7]則具有相同的聚類和檢索復(fù)雜度，分別為4和3。因此可以得出結(jié)論，提出的集成聚類技術(shù)比文獻(xiàn)[4-5,7,9]中的聚類技術(shù)具有更好的時(shí)間效率。

表4 不同技術(shù)的環(huán)路復(fù)雜性

3 結(jié) 語(yǔ)

本文提出一種可撤銷屬性加密結(jié)合快速密度聚類算法的非結(jié)構(gòu)化大數(shù)據(jù)安全存儲(chǔ)方法，研究了多維大數(shù)據(jù)快速分類和有效避免遭受安全攻擊的問(wèn)題。本文算法提高了數(shù)據(jù)的處理速度和安全加密的可靠性，降低了信息損失百分比，提高了壓縮比和信噪比。

后期研究重點(diǎn)包括兩點(diǎn)：1) 通過(guò)研究尋找可用于多維大數(shù)據(jù)聚類的集成安全機(jī)制，進(jìn)一步提高大數(shù)據(jù)聚類的速度；2) 將組合的集成技術(shù)用于保護(hù)數(shù)據(jù)免受各種安全攻擊的大數(shù)據(jù)加密技術(shù)，進(jìn)一步減少數(shù)據(jù)和安全開(kāi)銷的壓縮技術(shù)。