Hadoop大數據技術在計算機網絡安全中的應用

尹 婷 趙思佳

（湖南環境生物職業技術學院，湖南 衡陽 421005）

0 引言

計算機技術和網絡的發展對人們的生活有巨大的影響。許多工作都可以在計算機中進行操作，許多信息也可以通過網絡進行傳輸[1]。通過計算機網絡傳輸信息的方式存在很多風險，隨著網絡通信速度的提升以及5G 時代的來臨，通過網絡傳輸信息數據的方式在保密性和安全性方面面臨威脅[2]。因此，計算機網絡安全問題逐漸成為當下研究的熱門課題。

目前，運用到工作中的信息數據多種多樣，對這些數據進行加密的過程是十分復雜的，傳統方法已經不能滿足現有工作的需求，容易給信息所有者造成不好的影響[3]。在以往研究的基礎上，該文引入Hadoop 大數據技術對信息數據進行加密儲存，提高計算機網絡的安全性能。利用Hadoop 大數據技術建立超混沌文本加密方法，在對不同類型數據采用不同方法加密儲存的同時，不斷優化自身性能，提高數據加密的效率。

1 設計基于 Hadoop 大數據的計算機網絡安全方法

1.1 建立Hadoop 大數據超混沌系統

對所傳輸的數據進行加密是保障計算機網絡信息安全的基礎[4]。通常情況，該方法是以密碼學為母本，采取數學密碼的方式對網絡上的信息進行加密，被加密的信息傳輸完成后，只有既定人群才能使用信息[5]。在接收端使用該信息的人員需要使用雙方協定好的密碼手勢對信息進行加密和解密，這樣就可以避免信息被其他人攔截和篡改[6]。加密操作可以大幅提升計算機網絡信息的安全性能。

Hadoop 大數據利用MapReduce 機制建立超混沌系統。通過MapReduce 機制對需要傳輸的文件信息或者數據進行分割，將其分割為許多數據集合塊后再進行下一步操作。

被分割的數據通過重新整合處理，集合成為大型的數據信息集團，在每個數據信息集團中執行傳輸指令的任務。Hadoop 大數據技術依托HDFS 高度容錯性與MapReduce 機制強大信息處理能力的相互作用，構建信息加密處理平臺。

在信息傳輸的過程中，Lyapunov 指數十分重要。將低微混沌映射與高維混沌映射進行比較，其Lyapunov 指數的數量差距較大。當混沌系統運行且至少形成2 個Lyapunov 正向指數時，該系統所處環境最適合對數據進行加密。通過Hadoop大數據平臺建立的加密方法具有高效性、高穩定性以及高容錯性等特點，且該方法的成本也比較低。

1.1.1 Chen 超混沌映射

Chen 系統的超混沌形式如公式（1）所示。

式中：x、y、z和w為超混沌映射4 個維度的表示值；a、b、c、d和e為系統設置的參數，作為超混沌系統的初始設定狀態。

如圖1 所示，設置a=35、b=3、c=12、d=7 且e=8，在該情況下，系統進入一種超混沌的映射狀態。

圖1 Chen 系統映射

1.1.2 Rossler 超混沌映射

公式（2）為Rossler 系統進行超混沌映射，如公式（2）所示。

式中：x、y、z和w為超混沌映射4 個維度的表示值；a、b、c、d、k和r為混沌映射的系統參數。

當a=0.25、b=3、c=0.5 且d=0.05 時，系統進入混沌模式。

1.1.3 Lorenz 超混沌映射

Lorenz 系統進行超混沌映射，如公式（3）所示。

式中：x、y、z和w為超混沌映射4 個維度的表示值；a、b、c和d為系統的初始狀態設定值。

當設置a=10、b=8/3、c=28 且r=-1 時，Lorenz 系統進入混沌模式。

1.2 超混沌文本加密方案

利用3 種算法（Chen、Rossler 以及Lorenz）的融合，對計算機信息數據的超混沌文本進行加密，再通過對稱加密的方法對系統融合的加密文本進行深度處理，以置亂、正向反向異或和正向反向制作模型等技術手段對網絡傳輸信息進行深層次加密。利用HDFS 高度容錯性的特點對被加密信息進行快速糾錯，將冗長的加密數據進行無差別復制，再進行切分并分類儲存。

采用上述步驟生成的超混沌映射計算機加密方法對需要傳輸的數據信息進行加密，產生的數據塊Lyapunov 的數值比低維混沌映射所產生的數值更高。在保證數據加密的安全性的同時，增加了計算機的運行內存，提高了信息加密的效率。對數值域相同的數據來說，利用超混沌映射計算機加密方法進行相同程度加密后，所產生的數據塊被還原破解的可能性大幅降低，因此有效迭代的次數有所增加，同時每個單獨的混沌數列在運行時所需要的內存與計算機數據運行的信息量呈正向線性的關系。在一定程度上對加密文本進行簡化處理，提高訪問數據的吞吐量。

對信息數據進行分割，以分割后的數據誤差值為基礎，生成超混沌加密方法序列。針對每個誤差值的極點進行數據摘取并加密，具體操作如下：1） 通過前文的分析，利用Hadoop 大數據對信息傳遞數據進行分割，將大型數據分割為1 MB 的數據集團。2） 選取任意的信息數據集團，按照順序通過Chen、Rossler 以及Lorenz 對該數據集團進行加密計算。然后用歐拉法對所需要的數據集團進行計算，拆解出3個混沌映射模塊中每個混沌映射生成的4 項數據集團，則每次迭代生成 12 項數據集團，這樣在每次數據傳輸加密時就會拆解出 12 個混沌加密數據集團x：xc1、xc2、xc3、xc4、xL1、xL2、xL3、xL4、xR1、xR2、xR3以及xR4。當數據集團進入Lorenz混沌映射模塊進行加密操作時，其數量比前面進入Chen 混沌映射模塊時的數據量多，數據量約增加4 倍，作為下一處理流程的輸入數據。3） 選取12 個超混沌加密文本數據，分析發現這些加密數據仍存在數據傳輸值簡單、不同加密選項相互黏貼影響的問題。因此，在進入3 個超混沌加密系統前要對數據進行預處理。對傳輸的信息數據的數學整數部分進行刪減，移動小數點使數值增大，這樣就能改變數據原始數列間的相關性，使數列呈現無規律性。公式（4）為預處理操作。4） 完成預處理后，選取數列每排第一個傳輸數據所對應的ASCII 編碼。計算該編碼的位置偏移量，并對整排數據進行治亂處理，如公式（5）所示。5） 在對數據加密進行置亂操作后，將所獲得的數據加密信息與Lorenz 超混沌映射所產生的信息進行正向與反向異或。6） 對數據信息進行異或操作后，用所獲得的數據對Rossler 混沌加密系統信息進行正、反向取模操作。7） 經過上述加密操作后，得到最終的密文。

式中：X、Y、Z和W為增大運算后的信息數據；i為信息序列的序號；x、y、z和w為原始信息數據。

式中：S為治亂處理表達式；Xc、Yc、Zc和Wc分別為4 個維度經過治亂處理后的數據陣列；i為信息序列的序號；A為矩陣符號。

基于 Hadoop 大數據的超混沌加密方法從結構上來說，完全有別于傳統的信息加密手段。超混沌加密方法利用Chen、Rossler 以及Lorenz 映射系統對數據進行加密，生成無規則的加密序列，進一步提高了計算機網絡的安全性和穩定性，減小了信息被非授權者獲取解密的概率。通過混沌映射優化后的加密系統可以提高信息數據的敏感性。

1.3 加密實現

在 MapReduce 并行計算框架中，通過繼承Mapper 類并重寫 Map 的方法逐行讀取數據，從而處理明文數據。Map方法將數據分成多個子任務并分配給多個 Mapper 同時完成，Mapper 的數量由分塊數決定，由 Mapper 完成加密操作。Reducer 類負責整合 Mapper 輸出的所有數據。

1.3.1 Split 分解環節

該文設計的加密算法對數據進行分割（大小為1 MB），將NMB 的文件切分成N塊數據集團，見表1。

表1 Split 算法偽代碼

因為數據集團在加密時都會產生數據誤差偏移，所以每個偏移都有特殊的數值標記，對這些偏移進行追蹤，減小數據集團之間的加密干擾。

1.3.2 Map 映射構建環節

分割后的數據集團經過I/O 向不同的映射管理器（Mapper）進行傳輸，每個Mapper 都對該設定的數據集團進行加密，當加密所產生的數據誤差達到峰值時，這些參與加密的Mapper 要對該數據集團進行超混沌映射，見表2。

表2 Map 算法偽代碼

1.3.3 Reduce 重建環節

根據Map 輸出的加密數據集團中數據的大小計算加密鑰匙的序列長度，獲取加密信息的輸入原始數據和初次迭代加密的次數，對數據進行下載、儲存。

當所有數據信息集團順利通過以上所有加密系統的相關操作后，重建處理器（Reducer）對這些加密后的數據塊進行采集、整合并將其按順序排列，逐一篩選、組合排序后的數據塊，將其融合為統一的加密文件，向外輸出最終的加密文件，超混沌加密操作結束。

2 加密實現結果分析

2.1 加密運行環境

Hadoop 大數據運行平臺為4 個節點的X86 主從架構服務器。平臺設置Inter i3-8100 的核心運行系統，運行設置3.6 GHz/6 MB，總儲存量為26 GB，在平臺外接256 GB 的移動硬盤。

Hadoop 大數據超混沌加密運行體系是序列號為1.6.0_88的Ubuntu17.05，JDK，在Eclipse Luna Service Release2（4.4.2）的運行基礎上完成相關操作。加密操作采用序列號為 Vmware Workstation 12 Pro 12.5.2 build-4638744 的虛擬裝置。

2.2 執行效率

在未聯網的情況下對計算機數據進行Hadoop 大數據超混沌加密，再結合分布式HDFS 與MapReduce 融合機制對計算機傳輸信息進行加密，可以很好地避免因信息不能及時上傳所導致的內存不足進而引發的系統崩潰問題，提高加密鑰匙序列與數據信息的相關程度，減小對信息進行加密過程中的重復次數，提高對計算機信息進行加密的效率。

由表3～表5 可知，Hadoop 大數據超混沌加密方法與傳統方法相比，該方法在保證加密穩定性的基礎上提高了加密速度，減少了加密過程的耗時，同時有效地減小了對計算機內存的消耗，增加了計算機信息的吞吐量。

使用傳統方法進行計算機數據加密操作時，如果計算機處在未聯網狀態，那么過大數據集團會導致計算機系統崩潰，使計算機內存瞬間崩盤，從而導致數據加密進程中斷。但是通過該文所設計的方法進行計算機加密操作后，通過表3～表5 的數據可以看出，在數據規模達到512 MB～1 024 MB 量級時，數據加密處理時間沒有呈線性增長，而是趨于平緩。分析原因：數據規模為1 024 MB 時，映射進程達到了MapReduce框架在內存空間用以放置數據以及索引數據的環形緩沖區，MapReduce 框架開始頻繁執行spill 程序，將環形緩沖區的數據寫入磁盤，提高數據處理的效率，耗時縮短。

表3 各個模式的時間統計

表4 各個模式的內存統計

表5 較大數據規模的時間統計

在傳統加密過程中，被加密數據參數可以保證原始數據在每次疊加的過程中保持不變，當非授權者對加密數據進行強制訪問時，只要專注對1 個加密漏洞進行攻擊，就能輕而易舉地獲得加密鑰匙。該文所建立的超混沌加密系統在進行大數據超混沌加密后，每個數據集團所生成的加密信息塊通過自身連接進行分割，數值域不同的數據集團會產生不一樣的加密信息塊。非授權者不能通過攻擊漏洞來獲得加密鑰匙。與此同時，大數據超混沌加密系統嚴格地對數值域相同的數據集團進行讀取，可以有效地提升加密效率。同時，能夠減小加密預處理的時間，還能使加密后的數據不占用計算機運行內存，減少對計算機內存的消耗，提升運行效率。

通過以上對加密效果的分析可以看出，該文所設計的方法有效地減小了數據加密的誤差，提升了計算機數據加密的效率，還提高了計算機網絡的安全性能。

3 結語

該文利用Hadoop 大數據技術設計出超混沌文本加密方法，經過實驗結果得出，該方法明顯提高了信息數據在傳輸過程中的加密效率。該方法能夠對不同的數據進行加密儲存，與傳統的加密方法相比，該方法更加精準、可靠，同時還有優化內存的效果。但是，由于該文未進行多次試驗，因此沒有對該方法的普適性進行驗證，需要在今后進一步開展相關試驗。