趙 放，任 遠(yuǎn)

（1.西安工程大學(xué)科技處，陜西西安 710048；2.陜西工商職業(yè)學(xué)院中瑞旅游與酒店管理學(xué)院，陜西西安 710075）

混合密碼可在對稱密碼條件下，對數(shù)據(jù)消息加密處理，由于所使用編碼密鑰的長度值始終小于消息數(shù)據(jù)樣本長度，因此由公鑰密碼加密產(chǎn)生的轉(zhuǎn)碼速率條件可以直接忽略不計。通常情況下，混合密碼的生成需要公鑰密碼、對稱密碼、偽隨機數(shù)生成器的共同配合，且在同一轉(zhuǎn)碼時間內(nèi)，三者必須同時保持高強度連接狀態(tài)[1-2]。在公鑰密碼與對稱密碼同時存在的情況下，前者的轉(zhuǎn)碼強度必須時刻高于后者。

在互聯(lián)網(wǎng)應(yīng)用環(huán)境中，隨著信息覆蓋面積的增大，一部分大數(shù)據(jù)文件會出現(xiàn)明顯的隱匿性特征[3]。為獲得準(zhǔn)確的文件信號管控與識別結(jié)果，傳統(tǒng)AEC編碼型提取手段借助公鑰密碼體系對大數(shù)據(jù)參量進行處理，再通過串行加密的形式，實現(xiàn)對信息文件的整合與調(diào)用。但該方法不具備順、逆向信息轉(zhuǎn)存同步執(zhí)行的能力，很難實現(xiàn)對已隱藏大數(shù)據(jù)信息參量的精準(zhǔn)提取。為解決該問題，引入混合密碼原理，搭建一種新型的互聯(lián)網(wǎng)大數(shù)據(jù)隱匿性特征提取模型，在公鑰密碼組、數(shù)字簽名、樣本數(shù)據(jù)庫模塊等多個執(zhí)行處理條件的作用下，建立必要的隱匿遞歸算法，再通過對比實驗的方式，突出該模型的實際應(yīng)用價值。

1 基于混合密碼的互聯(lián)網(wǎng)大數(shù)據(jù)傳輸環(huán)境

基于混合密碼的互聯(lián)網(wǎng)大數(shù)據(jù)傳輸環(huán)境由公鑰密碼組、數(shù)字簽名、摘要函數(shù)3 部分共同組成，具體搭建方法如下。

1.1 公鑰密碼組

公鑰密碼組是一個完整且獨立的大數(shù)據(jù)信息轉(zhuǎn)碼依據(jù)文件，由于保密度等級水平相對較高，因此該文件可被直接應(yīng)用于互聯(lián)網(wǎng)數(shù)字簽名結(jié)構(gòu)體之中。在互聯(lián)網(wǎng)存儲能力相對較大的情況下，大數(shù)據(jù)信息的待轉(zhuǎn)存數(shù)量級水平越高，與之匹配的公鑰密碼組編碼能力也就越強[4-5]。設(shè)α0代表互聯(lián)網(wǎng)環(huán)境下最小的公鑰密碼傳輸系數(shù)，αn代表互聯(lián)網(wǎng)環(huán)境下最大的公鑰密碼傳輸系數(shù)，一般情況下，公鑰密碼定義量n的取值結(jié)果越大，最終計算所得的公鑰密碼組完整性程度也就越高。聯(lián)立上述物理量，可將基于混合密碼的公鑰密碼組結(jié)果定義為ω：

式中，λ1代表公鑰密碼取值為1 時的大數(shù)據(jù)原解碼參量，λn代表公鑰密碼取值為n時的大數(shù)據(jù)原解碼參量，代表理想情況下的互聯(lián)網(wǎng)大數(shù)據(jù)轉(zhuǎn)碼均值，代表實際的互聯(lián)網(wǎng)大數(shù)據(jù)轉(zhuǎn)碼均值。

1.2 數(shù)字簽名

數(shù)字簽名是存在于互聯(lián)網(wǎng)環(huán)境中的大數(shù)據(jù)信息特征參考條件，隨公鑰密碼組定義原則的不同，最終所得到的數(shù)字簽名連接形式也會有所改變。若不考慮其他數(shù)值指標(biāo)對互聯(lián)網(wǎng)數(shù)字簽名形態(tài)的干擾，則這種連接協(xié)議的接入權(quán)限只受到混合密碼傳輸周期、大數(shù)據(jù)參量隱藏顯示比兩項物理條件的直接影響[6-7]?；旌厦艽a傳輸周期常表示為，大數(shù)據(jù)參量隱藏顯示比常表示為β，該項物理量可被看作隱藏大數(shù)據(jù)與顯示大數(shù)據(jù)間的數(shù)值比例，一般情況下，會隨著傳輸大數(shù)據(jù)總量的提升而出現(xiàn)明顯的數(shù)值增大狀態(tài)。在上述物理量的支持下，聯(lián)立公式（1），可將基于混合密碼的互聯(lián)網(wǎng)數(shù)字簽名條件定義為Q：

1.3 摘要函數(shù)

由于數(shù)字簽名必須依賴于效率非常高的混合密碼公鑰編譯機制，且通過這種手段驗證互聯(lián)網(wǎng)大數(shù)據(jù)完整性在實際應(yīng)用中極難實現(xiàn)，因此通過抽取數(shù)據(jù)摘要的方式，建立完整的數(shù)字簽名結(jié)構(gòu)十分必要，而實現(xiàn)數(shù)據(jù)摘要的抽取需采用摘要型函數(shù)[8-9]。摘要函數(shù)為一種滿足哈希調(diào)取關(guān)系的數(shù)據(jù)處理行為，可在已知數(shù)字簽名存儲形式的基礎(chǔ)上，確定與函數(shù)主體相關(guān)的大數(shù)據(jù)特征隱匿性存儲標(biāo)準(zhǔn)，從而實現(xiàn)對固有特征值的提取與處理[10]。設(shè)s0代表與互聯(lián)網(wǎng)數(shù)字簽名相關(guān)的最小哈希調(diào)取系數(shù)，sn代表與互聯(lián)網(wǎng)數(shù)字簽名相關(guān)的最大哈希調(diào)取系數(shù)，δ代表固有的大數(shù)據(jù)隱匿性特征參量值，聯(lián)立公式（2），可將基于混合密碼的摘要函數(shù)定義為R：

式中，D1代表已輸入的第一個大數(shù)據(jù)隱匿性特征指標(biāo)，Dn代表已輸入的第n個大數(shù)據(jù)隱匿性特征指標(biāo)，代表D1與Dn的平均數(shù)值。

2 互聯(lián)網(wǎng)大數(shù)據(jù)隱匿性特征提取

在混合密碼原則的支持下，按照樣本數(shù)據(jù)庫模塊搭建、大數(shù)據(jù)主成分分析、隱匿性遞歸算法實施的處理流程，完成互聯(lián)網(wǎng)大數(shù)據(jù)隱匿性特征提取模型的設(shè)計。

2.1 樣本數(shù)據(jù)庫模塊

樣本數(shù)據(jù)庫模塊由分類樣本數(shù)據(jù)庫、全量樣本數(shù)據(jù)庫兩部分共同組成。其中，分類樣本數(shù)據(jù)庫能夠區(qū)分混合密碼信號的現(xiàn)有連接形式，并可在明確各類型數(shù)據(jù)樣本存儲能力的同時，對互聯(lián)網(wǎng)環(huán)境中的大數(shù)據(jù)信息進行分類調(diào)度與調(diào)節(jié)[11]。全量樣本數(shù)據(jù)庫中包含多個不同的業(yè)務(wù)表單結(jié)構(gòu)，可在分析樣本數(shù)據(jù)源信息的同時，對大數(shù)據(jù)隱匿性特征進行區(qū)分與查詢，再按照既定規(guī)則條件，完善原有的混合密碼樣本，從而使互聯(lián)網(wǎng)主機對于大數(shù)據(jù)參量的特征提取需求得以滿足。簡單來說，在混合密碼編譯條件的作用下，分類樣本數(shù)據(jù)庫與全量樣本數(shù)據(jù)庫兩者相互作用，對互聯(lián)網(wǎng)傳輸環(huán)境進行合理化的構(gòu)建與平衡[12]。

圖1 樣本數(shù)據(jù)庫模塊結(jié)構(gòu)圖

2.2 大數(shù)據(jù)主成分分析

大數(shù)據(jù)主成分分析在對隱匿性特征進行提取時，需要將混合密碼矩陣?yán)梢粋€行向量或一個列向量。通常情況下，這類一維向量矩陣的維數(shù)值相對較大，不僅會增加大數(shù)據(jù)主成分分析的運算負(fù)擔(dān)，也會削弱互聯(lián)網(wǎng)大數(shù)據(jù)的實際存儲能力，從而造成隱匿性特征值的丟失。基于此，為減輕大數(shù)據(jù)主成分在特征值提取時的計算處理量，可在建立混合密碼協(xié)方差矩陣的同時，確定互聯(lián)網(wǎng)大數(shù)據(jù)信息所占據(jù)的存儲空間，再通過計算信息復(fù)雜度權(quán)限的方式，得到準(zhǔn)確的大數(shù)據(jù)主成分分析結(jié)果[13-14]。設(shè)z0代表最小的混合密碼矩陣向量，zn代表最大的混合密碼矩陣向量，聯(lián)立公式（3），可將互聯(lián)網(wǎng)大數(shù)據(jù)主成分分析結(jié)果表示為L：

其中，j1代表第一個互聯(lián)網(wǎng)大數(shù)據(jù)隱匿性特征的位置信息，jn代表第n個互聯(lián)網(wǎng)大數(shù)據(jù)隱匿性特征的位置信息，χ代表特征值提取權(quán)限量，ΔH代表混合密碼編譯信息在單位時間內(nèi)的傳輸變化量。

2.3 隱匿性遞歸算法

隱匿性遞歸算法的建立是基于混合密碼互聯(lián)網(wǎng)大數(shù)據(jù)隱匿性特征提取模型設(shè)計的末尾處理環(huán)節(jié)，可在已知大數(shù)據(jù)主成分分析結(jié)果的基礎(chǔ)上，對大數(shù)據(jù)特征的提取原則進行集中性歸納，再根據(jù)既定的密碼編譯理論，對這些信息參量進行轉(zhuǎn)錄與存儲處理[15]。在不考慮其他干擾條件的情況下，隱匿性遞歸算法的構(gòu)建標(biāo)準(zhǔn)只受到編譯性行為指標(biāo)、互聯(lián)網(wǎng)信息存儲參量兩項物理指標(biāo)的直接影響[16]。其中，編譯性行為指標(biāo)可表示為μ，在既定數(shù)據(jù)存儲時間內(nèi)，該項物理量的實際數(shù)值水平越高，最終歸納得出的隱匿性遞歸算法原則也就越完善。互聯(lián)網(wǎng)信息存儲參量可表示為C，一般情況下，該項物理量與隱匿性遞歸算法建立結(jié)果保持反比影響關(guān)系，即存儲參量值越大，遞歸算法的應(yīng)用能力也就越弱，反之則越強。在上述物理量的支持下，聯(lián)立公式（4），可將隱匿性遞歸算法原則定義為V：

式中，σ0代表最小的大數(shù)據(jù)密碼編譯指標(biāo)，σn代表最大的大數(shù)據(jù)密碼編譯指標(biāo)，bmax代表待提取的大數(shù)據(jù)隱匿性特征最大值，代表混合型編譯密碼的解碼均值量。至此，完成各項系數(shù)應(yīng)用指標(biāo)的計算與處理，在混合密碼原則的支持下，實現(xiàn)互聯(lián)網(wǎng)大數(shù)據(jù)隱匿性特征提取模型的設(shè)計與搭建。

3 實驗設(shè)計與結(jié)果分析

為驗證基于混合密碼互聯(lián)網(wǎng)大數(shù)據(jù)隱匿性特征提取模型的設(shè)計應(yīng)用價值，設(shè)計如下對比實驗。搭建如圖2 所示的互聯(lián)網(wǎng)實驗環(huán)境，分別將實驗組編碼主機與對照組編碼主機接入服務(wù)器應(yīng)用平臺之中，其中實驗組編碼主機搭載基于混合密碼互聯(lián)網(wǎng)大數(shù)據(jù)隱匿性特征提取模型，對照組編碼主機搭載AEC 編碼型提取手段，在大數(shù)據(jù)輸入量趨于穩(wěn)定的情況下，分析各項實驗指標(biāo)的實際變化情況。

圖2 互聯(lián)網(wǎng)實驗環(huán)境

已知順、逆向信息轉(zhuǎn)存效率均能反映互聯(lián)網(wǎng)主機對于已隱藏大數(shù)據(jù)信息參量的精準(zhǔn)化提取能力，一般情況下，順、逆向信息轉(zhuǎn)存效率越高，互聯(lián)網(wǎng)主機對于已隱藏大數(shù)據(jù)信息參量的精準(zhǔn)化提取能力也就越強，反之則越弱。表1、表2 分別記錄了實驗組、對照組順、逆向信息轉(zhuǎn)存效率的具體數(shù)值變化趨勢。

表1 順向信息轉(zhuǎn)存效率對比表

分析表1 可知，在實驗過程中，實驗組順向信息轉(zhuǎn)存效率始終保持不斷上升的變化趨勢，全局最大值達到了91%。對照組順向信息轉(zhuǎn)存效率在實驗前期一直不斷上升，而從第40 min 開始，這種變化趨勢逐漸趨于穩(wěn)定，全局最大值僅能達到65%，與實驗組極大值相比，下降了26%。綜上可知，應(yīng)用基于混合密碼互聯(lián)網(wǎng)大數(shù)據(jù)隱匿性特征提取模型后，順向信息的轉(zhuǎn)存效率值得到有效促進，可增強聯(lián)網(wǎng)主機對于已隱藏大數(shù)據(jù)信息參量的精準(zhǔn)化提取能力。

分析表2 可知，隨著實驗時間的延長，實驗組逆向信息轉(zhuǎn)存效率在一段時間的穩(wěn)定狀態(tài)后，開始不斷上升，全局最大值達到了96%。對照組逆向信息轉(zhuǎn)存效率則始終保持不斷下降的變化趨勢，全局最大值僅能達到56%，與實驗組極值相比，下降了40%。綜上可知，應(yīng)用基于混合密碼互聯(lián)網(wǎng)大數(shù)據(jù)隱匿性特征提取模型后，逆向信息轉(zhuǎn)存效率開始不斷增大，完全滿足增強聯(lián)網(wǎng)主機對于已隱藏大數(shù)據(jù)信息參量的精準(zhǔn)化提取能力的實際應(yīng)用需求。

表2 逆向信息轉(zhuǎn)存效率對比表

4 結(jié)束語

與AEC 編碼型提取手段相比，基于混合密碼互聯(lián)網(wǎng)大數(shù)據(jù)隱匿性特征提取模型所具備的順、逆向信息轉(zhuǎn)存效率值更高，在公鑰密碼組、數(shù)字簽名等執(zhí)行條件的作用下，樣本數(shù)據(jù)庫模塊可在分析大數(shù)據(jù)主成分的同時，建立隱匿性遞歸算法，能夠較好地實現(xiàn)編碼主機對于文件信號的管控與識別處理。