基于OSI模型的網絡服務云平臺存儲數據安全性研究

張露

摘? 要： 為全面提升云平臺數據的存儲安全性，建立更加完善的網絡服務環境，提出一種基于OSI模型的網絡服務云平臺存儲數據安全性研究方法。以完整的OSI模型主流總線協議連接條件作為操作背景，編寫云平臺防竊聽EPM碼，再通過計算數據防竊聽復雜度的方式，完成基于OSI模型的云平臺數據防竊聽處理。在此基礎上，搭建良好的網絡云平臺服務架構，并對其中的數據存儲安全性能進行初始化處理，再根據數據存儲防護位置的判斷結果實現存儲數據的安全性分析，完成基于OSI模型網絡服務云平臺存儲數據安全性研究方法的搭建。在相同背景環境下，設計對比實驗結果表明，在基于OSI模型安全性研究方法的支持下，流通數據的上限存儲極限超過9.50×1013 TB、最大化存儲空間接近3.62 Mb，云平臺網絡服務環境的存儲安全性能得到有效提升。

關鍵詞： OSI模型; 網絡云平臺; 服務數據; 存儲安全性; EPM防竊聽碼; 初始化; 防護判定

中圖分類號： TN915.08?34; TP273? ? ? ? ? ? ? ? ? 文獻標識碼： A? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）05?0074?04

Research on storage data security of network service cloud platform based on OSI model

ZHANG Lu1， 2

（1. Henan Normal University， Xinxiang 453000， China; 2. Anyang Vocational and Technical College， Anyang 455000， China）

Abstract：A research method of data storage security of network service cloud platform based on OSI model is proposed to comprehensively improve the data storage security of cloud platform and create a more perfect network service environment. The connection conditions of the complete main bus protocol of OSI model are used as the operating background to compile cloud platform anti?eavesdropping EPM code， and then the data anti?eavesdropping processing of cloud platform based on OSI model is completed by calculating the data anti?eavesdropping complexity.On this basis， a good network cloud platform service architecture is built and the data storage security performance is initialized. Then， according to the judgment of data storage protection location， the security analysis of stored data is realized and the research method of data storage security of network service cloud platform based on OSI model is built. Under the same background， the comparison experiment results of the design show that， with the support of OSI model?based security research method， the upper storage limit of circulating data exceeds 9.50×1013 TB， and the maximum storage space is close to 3.62 Mb. It is verified that the storage security performance of cloud platform network service environment is effectively improved.

Keywords： OSI model; network cloud platform; service data; storage security; anti?eavesdropping EPM code; initialization; protection judgment

0? 引? 言

云平臺存儲是在云計算概念的基礎上，衍生出來的新興網絡發展技術，可以通過應用集群、分布運算、執行操作等多種實踐方式，對網絡環境中的散點數據進行協同處理，并按照相關的存儲設備集成條件，確定存儲運行設備的理想訪問條件。數據存儲與數據管理是云平臺環境的核心運算處理功能，可以在多項存儲配置設備的配合下，將云環境轉化為一個簡易的云存儲系統，并將存儲與管理寄存器作為該系統的核心搭建設備[1?2]。簡單來說，云平臺存儲就是一種具備資源整合功能的數據寄存系統，可以在任何時間、任何地點條件下，滿足使用者的連接、調取、存儲和應用需求。

隨著云平臺存儲任務量的不斷增加，Windows編碼設備面臨的處理壓力也隨之增加，進而導致網絡服務環境的質量不斷下降，對已存儲云平臺數據的安全等級造成了嚴重威脅。為解決上述問題，引入OSI模型，并在相關平臺服務架構的支持下，建立一種新型的網絡服務云平臺存儲數據安全性研究方法，并在后續應用過程中，通過數據參量對比的方式，突出說明該方法的真實執行意義。

1? 基于OSI模型的云平臺數據防竊聽處理

通過主流總線協議連接、防竊聽EPM碼編寫、數據復雜度計算三個主要步驟，實現基于OSI模型的云平臺數據防竊聽處理，完成數據安全性研究方法搭建的前期準備操作。

1.1? OSI模型主流總線協議連接

在網絡云平臺服務環境中，OSI模型主流總線協議包含LonWorks，CAN，RACnet三大基本類型。LonWorks總線協議直接控制Neuron存儲服務器，可以通過編碼云平臺數據的方式，加快服務環境中網絡代碼的傳輸速率，以保證數據存儲行為的安全執行[3?4]。CAN總線協議控制網絡服務云平臺的局域網絡，并在輔助數據存儲行為的同時，擴充網絡服務云平臺數據傳輸信道的基礎寬度，以保證同一時間內的數據傳輸總量達到最大值。RACnet總線協議流通于OSI模型的四層結構之中，通過結合云平臺網絡數據的方式，安排網絡服務空間中的存儲結構[5]。作為末級主流結構，RACnet總線協議可以同時與兩種上級協議結構建立連通關系，實現如圖1所示的OSI模型主流總線協議連接。

1.2? 云平臺防竊聽EPM碼編寫

云平臺的防竊聽EPM碼同時具備存儲空間再生、平臺結構優化兩種物理功能。在OSI模型條件下，網絡服務云平臺中的所有流通數據均以.mrbr作為節點腳注，這種編碼數據具備較強的定向傳輸能力，可適應平臺環境對于數據提出的快速存儲需求。但從安全性角度來看，這種編碼數據不具備穩固的鏈橋組織，不能有效抵擋網絡垃圾文件的攻擊行為，極易出現數據破損現象[6?7]。而云平臺防竊聽EPM碼作為最簡單的鏈橋節點，可為后綴為.mrbr的存儲數據提供連接端點，并以此提升數據自身的穩定安全系數，以滿足云平臺安全存儲數據的物理需求。以Input.mrbr等五類數據為例，云平臺防竊聽EPM碼的編寫原理見表1。

1.3? 數據防竊聽復雜度計算

數據防竊聽復雜度存在線性域范圍、存儲分塊屬性兩項約束條件。所謂數據防竊聽復雜度的線性域范圍是指待存儲數據的分布空間條件，常受到線性系數[Fu]的影響，[u]是指云平臺網絡空間中的隨機存儲節點參量，[F]是指該節點被賦予的最佳存儲能力條件。存儲分塊屬性是描述網絡服務云平臺數據的重要狀態物理量，可表示為[βu]，在OSI模型條件下，以[t]作為網絡數據的最大化存儲時間，利用上述變量，可將與隨機節點[u]相關的數據防竊聽復雜度計算結果表示為：

[pu=βutFu（2y+q）du] （1）

式中：[y]代表網絡服務云平臺環境可承載的最大化數據存儲量;[q]代表每次存儲操作所需要的平臺數據支持量。

2? 網絡服務云平臺存儲數據的安全性分析

在基于OSI模型云平臺數據防竊聽處理的基礎上，按照服務架構搭建、安全性能初始化、存儲防護位置判定的物理流程，完成網絡服務云平臺存儲數據安全性研究方法的搭建。

2.1? 網絡云平臺服務架構搭建

一個可靠的網絡云平臺服務架構需要同時兼備機密性、安全性、完整性三方面要素。作為待存儲數據的核心生成結構，網絡服務云平臺節點總與客戶端組織保持相同的物理功能，可以根據安全性存儲需求，編寫網絡服務云平臺的數據傳輸要求，再根據客戶端的真實情況刪除原數據中的不合理成分，實現平臺節點最大化利用的初衷[8?9]。客戶端服務器作為網絡云平臺的核心存儲裝置，可以通過判斷傳輸數據完整性的方式，實時調整網絡云平臺環境中的存儲連接要求，以確保實現數據的安全存儲。從完整性角度來看，網絡云平臺服務架構可自主實現從服務器端到客戶端的待存儲數據傳輸，并在順應存儲節點位置信息的基礎上，實現云平臺數據的安全存儲操作。完整的網絡云平臺服務架構體系如圖2所示。

2.2? 云平臺數據的存儲安全性能初始化

在網絡云平臺服務框架的基礎上，通過數據性能初始化處理，達到確定存儲安全性條件的目的。簡單來說，云平臺數據存儲安全性能初始化以節點初始化處理作為起始環節，且在傳輸信道保持空閑狀態的前提下，相關存儲節點可以根據網絡服務云平臺對數據的檢索需求，將待傳輸的數據分配至各級存儲結構[10?11]。再根據網絡云平臺存儲服務的執行需求，對完成節點分配的待存儲數據進行定量調節，以保證OSI模型體制中的物理占用量始終低于預期極值條件[12?13]。最后，整理網絡服務云環境中的所有數據節點，再將其按照既定存儲規則進行物理排序，在滿足所有節點的基本存儲需求后，完成云平臺環境下的數據存儲，實現已存儲數據的安全性能初始化處理，詳細操作流程如圖3所示。

2.3? 數據存儲防護位置判定

數據防護位置判定是確定存儲行為安全性能是否達標的重要操作。在網絡服務云平臺環境中，存儲節點是傳輸數據的唯一依附條件，且隨著傳輸數據總量的不斷增加，存儲節點的穩定能力也會隨之增加，以保證安全存儲行為的順利執行。通常情況下，完成存儲操作的數據結構不會再呈現散亂分布狀態，而是會以集群的形式存儲于網絡服務云平臺中的某一位置，但由于受到該環境的物理限制影響，該位置不能始終保持固定狀態，而是會隨著數據集群體積的增大而不斷變化[14?15]。設網絡服務云平臺環境中的傳輸數據總量為[λ]，存儲空間的上、下限數值條件分別為[ξ]和[ω]，聯立式（1）可將與數據存儲安全性相關的防護位置判定結果表示為：

[χ=ω=1ξ（pu）2-g（λ）k-s] （2）

式中：[g（λ）]代表與傳輸數據總量[λ]相關的存儲復雜度定義函數;[k]代表理想的存儲空間限制系數;[s]代表真實的存儲空間限制系數。整合上述所有理論、實踐條件，實現基于OSI模型網絡服務云平臺存儲數據安全性研究方法的順利應用。

3? 實驗調試運行

為突出說明基于OSI模型網絡服務云平臺存儲數據安全性研究方法的應用時效性，設計如下對比實驗。以Distributed Storage System主機作為實驗對象，模擬網絡服務云平臺的數據存儲行為，分別應用安全性研究方法和基礎研究方法記錄主機運行過程中的相關數據參量，并在一定的外力干預條件下，對數據記錄結果進行分析，其中前者作為實驗組、后者作為對照組。

3.1? 前期實驗準備

為保證實驗結果的公平性與真實性，可按照表2完成相關實驗器材配置及實驗參數設置處理。

為將外界變化因素對實驗結果的影響降至最低，實驗組、對照組除所采用的數據記錄方式不同外，其他條件始終保持一致。

3.2? 云平臺流通數據的上限存儲極值對比

在云存儲系數為0.28的條件下，以55 min作為實驗時間，分別記錄該段時間內，實驗組、對照組云平臺流通數據上限存儲極值的變化情況。詳細實驗對比結果如圖4所示。

分析圖4可知，在實驗前期階段（0～25 min），實驗組存儲極值始終在理想極值8.71×1013 TB周圍浮動，且變化幅度相對較小;對照組存儲極值雖然也保持上下波動的變化狀態，但與理想極值間相差甚遠，更是遠低于實驗組數值。在實驗后期階段（30～55 min），實驗組存儲極值依然在理想極值8.71×1013 TB周圍幅度，且變化幅度仍相對較小;對照組存儲極值與實驗前期階段相比，雖有小幅度提升，但整體依然呈現低水平狀態。綜上可知，隨著基于OSI模型網絡服務云平臺存儲數據安全性研究方法的應用，平臺內部流通數據的上限存儲極值確實得到了穩定提升。

3.3? 最大化網絡存儲空間對比

在網絡節點常量為0.73的條件下，以55 min作為實驗時間，分別記錄該段時間內，實驗組、對照組最大化網絡存儲空間與理想極值間的差距量，并根據記錄結果繪制表3。

對比表2、表3可知，實驗組記錄結果除最大值3.61 Mb外，其他所有數值均處于理想極值區間內，且整體數值情況相對處于較高水平。對照組記錄結果的最大值僅為1.26 Mb，與理想極值區間的最小值2.45 Mb相比，下降了1.19 Mb，且整個實驗過程中的記錄結果始終不能達到理想極值空間，更遠低于實驗組記錄數值。綜上可知，隨著基于OSI模型網絡服務云平臺存儲數據安全性研究方法的應用，最大化網絡存儲空間確實得到了明顯擴充。

4? 結? 語

在OSI模型的促進下，網絡服務云平臺內部的存儲節點得到充分調動，相關連接協議在屏蔽竊聽行為的前提下，對傳輸數據進行存儲處理，并在完善網絡服務環境的基礎上，將存儲數據的安全性系數提升到最大值狀態。從實驗對比角度來看，這種新型存儲數據安全性研究方法大幅提升了網絡環境內的各項指標數值，具備較強的實際推廣價值。

參考文獻

[1] 吳燦強，芮曄，潘東梅.基于YAFFS2文件系統的分區管理對載荷數據存儲效率的研究[J].電子設計工程，2018，26（23）：42?47.

[2] 郝越峰，任曦，劉文明，等.電力系統變電站數據存儲可靠性優化仿真[J].計算機仿真，2018，35（9）：84?87.

[3] 李華康，劉盼，楊一濤，等.一種基于節點映射關系的云數據安全代理訪問機制[J].中國科學技術大學學報，2017，47（4）：304?310.

[4] 林穗，黃健，姜文超.Co?Work：基于HDFS的安全云存儲數據一致性保持算法[J].計算機工程與應用，2017，53（1）：9?15.

[5] 崔建明，劉佳祎，楊呈永.云存儲中支持數據完整性驗證的隱私保護融合算法[J].桂林理工大學學報，2018，38（2）：341?347.

[6] 蘇航，朱智強，孫磊.適合移動云存儲的基于屬性的關鍵詞搜索加密方案[J].計算機研究與發展，2017，54（10）：2369?2377.

[7] 曹來成，何文文，劉宇飛，等.跨云存儲環境下協同的動態數據持有方案[J].清華大學學報（自然科學版），2017，24（10）：1048?1055.

[8] 李謝華，劉婷，周茂仁.云存儲中基于多授權機構可撤銷的ABE訪問控制方法[J].計算機應用研究，2017，34（3）：897?902.

[9] 譚躍生，范文婕，王靜宇.一種支持隱私保護的云數據完整性驗證方案[J].小型微型計算機系統，2017，38（12）：2736?2740.

[10] 黃海平，杜建澎，戴華，等.一種基于云存儲的多服務器多關鍵詞可搜索加密方案[J].電子與信息學報，2017，39（2）：389?396.

[11] 康文杰，王勇，俸皓.云平臺中MySQL數據庫高可用性的設計與實現[J].計算機工程與設計，2018，39（1）：296?301.

[12] 朱永利，李莉，宋亞奇，等.ODPS平臺下的電力設備監測大數據存儲與并行處理方法[J].電工技術學報，2017，32（9）：199?210.

[13] 王永坤，羅萱，金耀輝.基于私有云和物理機的混合型大數據平臺設計及實現[J].計算機工程與科學，2018，40（2）：191?199.

[14] 單冬紅，史永昌，趙偉艇，等.面向云數據安全存儲的分段融合模糊聚類算法[J].計算機科學，2017，44（5）：166?169.

[15] 汪帥，呂江花，汪溁鶴，等.一種支持數據去冗和擴容的多媒體文件云存儲系統實現[J].計算機研究與發展，2018，55（5）：1034?1048.