基于云安全與深度學習的區域大數據分析方法研究

楊睿

（西安職業技術學院，陜西西安 710077）

我國采取了一系列有效的手段積極促進經濟發展，促使不同地區發展具有本土特色的經濟增長模式。隨著知識經濟模式的發展，傳統的勞動力密集型經濟發展模式紅利逐漸消失，技術創新型產業已成為我國經濟的下一個增長點。因此，對于區域經濟準確分析尤為重要。

文中使用區塊鏈技術建立了安全的經濟數據共享平臺，并基于該平臺采用SI-RNN 網絡建立了一套大數據的分析系統，最終實現了對經濟數據的智能化處理。

1 基于終端的云安全設計

利用圖1 所示的主要智能設備，開發基于區塊鏈的云安全系統。

圖1 智能設備網絡

本地設備或覆蓋節點之間的通信稱為事件[1]。每個基于區塊鏈(BC)的智能終端均為特定功能而設計，存儲交易由設備生成以存儲數據，儲存在SP中。SP 用于生成監視事件，定期監視設備信息[2]。通過新建交易將新設備添加到智能網絡中或通過刪除交易將設備刪除，所有上述交易均使用共享密鑰來保護通信[3]。

1.1 局部區塊鏈

每個智能終端中均有一個本地私有BC，該BC 跟蹤交易并具有策略標頭，以強制用戶執行傳入與傳出交易的策略。從創世交易開始，每臺設備的交易均鏈接在一起，成為BC 的不變分類帳[4]。本地BC 中的每個塊均包含兩個頭，分別是塊頭與策略標頭。該塊頭具有前一個塊的哈希，以保持BC 不可變。策略標頭用于對設備進行授權并強制所有者對其執行控制策略[5]，策略標頭具有4 個參數，請求參數用于覆蓋交易中的請求者信息，對于本地設備而言，此字段即為設備ID。策略標頭中的第二列數據用于指示事件中請求的操作，其可以是本地存儲數據、云存儲數據或者是特定設備的實時數據。策略標頭中的第三列數據是智能終端的ID，最后一列數據為與先前屬性匹配的執行操作。

除BC 標頭外，每個塊還包含眾多事件。每個交易均有5 個參數存儲在本地BC 中[6]，前兩個參數用于鏈接同一設備的交易，且唯一標識每個交易。

1.2 終端服務器

智能終端服務器是一種集中處理與智能終端之間的來往交易設備。該服務器可以與網關或獨立設備集成，可放置在設備與網關之間[7]。智能終端服務器類似于現有的中央安全設備，服務器對交易進行認證、授權與審計。

2 網絡安全關鍵技術

在建立的網絡基礎上，使用圖2 給出的區塊鏈操作流程保證網絡內部設備與數據的安全。

圖2 區塊鏈操作流程

2.1 授權流程

授權流程的第一階段中，智能終端創建一個智能合約并將其發布到區塊鏈。在第二階段中，請求訪問受保護資源的客戶端，通過將交易發送到合同地址來激活相應的智能合同。

授權流程的第三階段中，合同交易區塊已添加到區塊鏈，動態令牌已添加到合同內部存儲。客戶端從密鑰服務器請求解密資源所需的加密密鑰，密鑰服務器具有區塊鏈的副本，負責查詢訪問令牌。為了驗證客戶端的真實性，密鑰服務器根據令牌中引用的客戶端地址創建質詢響應，只有觸發智能合約的合法客戶才能訪問數據。為防止臨時區塊鏈分叉出現問題，密鑰服務器必須在令牌塊之上構建N個區塊(N是安全性參數)。

在授權流程的第四階段中，客戶端可以從代理服務器或直接從資源服務器下載加密的資源。資源服務器提供了RESTful CoAP API，該API 允許含有統一資源標識符(URI)的終端獲取、儲存與發布資源。當直接從資源服務器獲取受保護資源時，可以使用對稱密鑰來保護資源的完整性。

2.2 智能終端管理

為了方便授權與撤銷客戶端，密鑰服務器定期發布新的加密密鑰，令牌有效期為一個月。密鑰服務器每日將新的密鑰分發到資源服務器，資源服務器始終使用最新的密鑰來加密新資源。

客戶端的令牌可以有效保證，其每天從密鑰服務器中恢復新密鑰。當令牌過期時，客戶端必須在區塊鏈上重新運行智能合約，以生成新的有效令牌并獲取密鑰的訪問權限，如圖3 所示。當客戶端行為不當時，授權服務器通過添加交易塊，從智能合約內部存儲服務器中刪除客戶端訪問令牌。

圖3 區塊鏈令牌壽命

3 經濟數據分析系統設計

文中選取循環卷積神經網絡模型（RCNN）并使用經濟新聞文章與技術指標作為輸入，來預測經濟時間序列中的日內運動方向[10]，稱為SI-RCNN[11]。

3.1 輸入層

如圖4 所示，SI-RCNN 模型使用兩種類型的輸入，第一種是經濟技術指數，第二種是經濟消息序列[12]。為了區分兩者，將輸入層重命名為技術指數層與嵌入層[13]。

圖4 SI-RNN

技術指數層以按時間順序排列的7 個經濟技術指標的延遲序列作為輸入，輸入定義為矩陣I∈?7×n。其中，n是延遲窗口的長度。

嵌入層將經過編碼的文本序列作為輸入，該序列對應從時間t開始，按時間順序排列的L個經濟消息標題集。句子的編碼分兩個步驟執行：首先使用Word2vec 模型生成單詞嵌入，此嵌入是訓練語料庫中每個單詞長度為m的連續向量[14]；第二步計算標題中所有單詞向量的平均值，獲得整個標題的唯一向量，稱為句子向量。為遍歷訪問這些句子向量，使用熱編碼的方法對數據集中的每個標題進行編碼，最終創建完成一個嵌入列表。

3.2 卷積層

卷積層由4 個連續的操作組成：卷積、子采樣合并、激活與退出。在這項工作中，本次設計的卷積算符為一維卷積，也稱為時間卷積，可以通過組合句子向量獲取局部信息[15]。

隨后應用時間最大池化，此操作可以捕獲序列中最重要的信息。

最終為了將非線性引入模型，使用整流器線性單元作為激活函數，如式（3）所示。

由于該層涉及大量參數，模型容易出現過擬合，因此使用概率p=0.5 的Dropout 正則化技術。

3.3 循環層

使用兩個單獨的循環層，分別在卷積層前后，以便將卷積層的輸出解釋為一系列L+R+1個時間步長；其次是技術指標層。在兩種情況下，RNN均可以對輸入序列中的時間特性進行建模。

LTSM 流程，如式（4）～（9）與圖5 所示。其中vt是循環層的輸入，ht是循環單元的輸出，W是權重矩陣[16]。

圖5 LTSM流程

3.4 輸出層

最后，模型使用傳統的完全連接層作為輸出層，并將Softmax 作為激活函數，其輸出結果為標簽上的概率分布。

4 實驗結果

使用本次建立的RCNN 經濟分析模型，搭載在云安全終端網絡下進行系統實驗。使用某地區一年的水體大數據，對其與經濟發展之間的關系、影響進行分析和統計。表1 為該地區對外直接水資源投入的行業分布數據。

表1 某地各行業用水統計

如表2 所示，在7 個需求中包含的總水量為3.48×109m3，城鎮居民生活用水量最大(1.42 km3)，占總用水量的40.91%，其次是向其他國內地區的流通用水量(0.71 km3)。固定資本形成、政府消費與向國外出口所體現水的價值幾乎相同，約為4.00×108m3。出口的水總量為31.85%，家庭用水（農村與城市用水）占總量的43.65%，其中城市居民用水(1.42×109m3)遠高于農村居民用水(0.95×109m3)。

表2 需求類別統計

從產業劃分角度看，第二與第三產業占出口用水的大部分(第二產業占37.17%，第三產業占54.63%)；而第一產業中的水量較小(8.20%)。在第一產業中，出口到國外的水約占總量的99.33%，遠高于國內。由于該地區在中國高科技產業中的重要作用，第三產業向國內其他地區的出口比重較大。與國家統計局的經濟分析結果進行對比，如表3 所示。

表3 經濟分析結果對比

表3 數據可知，由于農業數據來源不可靠、實時性較差，因此準確率較低，而系統對信息化程度較高的第二、第三產業分析準確率可以達到99.5%以上。

5 結束語

為建立起安全、可靠的經濟數據共享網絡，該文使用常用設備架構了智能終端網絡，采用區塊鏈技術建立了安全的數據傳輸網絡，保證了設備的穩定運行。使用SI-RNN 網絡建立了大數據的分析方法，支持研究者對區域經濟的分析管理。而如何提高數據識別網絡的泛化能力，支持更多的經濟數據模式分析將是未來研究的重點。