應用于物聯網云安全可信度檢測的算法仿真

溫祥彬，鄭 媛

(廣州中醫藥大學信息中心，廣東 廣州 510006)

1 引言

高等院校的物聯網具有用戶群體密集、覆蓋范圍廣的特點，導致安全問題較為突出。高等院校現階段均普遍采用百兆、千兆，甚至萬兆網絡，這是因為校園受眾群體通常較大，且學生集中住宿，網絡使用群體較為密集，導致網絡安全問題的蔓延速度比較快[1-3]，導致云安全檢測難度較大，學生身份認證加密過程存在漏洞，無法準確判斷是否存在入侵數據。

因此，本研究提出一種基于二次加密算法的物聯網云安全可信度檢測方法。利用RSA加密算法和DES加密算法實現二次加密，保護校園數據。構建K-L散度高斯混合模型，對入侵數據聚類，劃分入侵數據集，完成物聯網云安全可信度檢測。為驗證所提方法的應用性能，設計了仿真。通過實驗測試結果驗證了所提方法物聯網云安全可信度檢測結果準確性更高。說明在RSA算法基礎上，結合DES算法實現二次加密，保證了校園物聯網云安全的可信度。

2 二次加密算法

2.1 RSA加密算法

RAS加密具有兩個不同但相關的密鑰，即加密密鑰和解密密鑰。其中，加密密鑰為公開的公鑰，不過解密密鑰則是保密私鑰。RAS機密算法的兩個密鑰均能夠加密數據。同時，在公鑰內無法推導出私鑰，也無法從密鑰內推導出公鑰[4]。

該算法是基于大整數的分解算法，其過程能夠簡單敘述成n=p×q，算出素數p以及q值，具體計算過程如下所示：

1)任意產生兩個較大素數p以及q。

2)計算n和φ(n)，n=p×q，φ(n)=(p-1)×(q-1)，φ(n)代表n歐拉函數。

3)產生隨機數e來作為加密的密鑰，e滿足1

4)計算d來作為解密的密鑰，令d滿足e×d×mod(φ(n))=1。

5)加密數據，設置m代表明文，a代表密文，那么明文以及密文能夠滿足a=memodn。

RSA存在很好的數據加密效果，不過為了提升RSA的加密算法效果，在選擇其中的參數時，需要存在規定要求。因為參數選擇不合適，那么會導致算法安全性下降。具體的參數選擇方式為：

1)RSA算法的效果是通過p以及q因子分解形成的，為了確保方法效果，要使p以及q為強素數。此外，p以及q還要足夠大，在實際的應用過程內，p以及q選擇多數在100以上十進制[5]。

4)若e越小，則安全性越好；若e過小，那么可利用加密方法a≡m2modn破解密文a，另外，密鑰太小，還能夠采用小指數的攻擊方式對其進行破解[6]。

2.2 結合DES加密算法的二次加密實現

DES算法是分組式加密方法，采用64bit(8byte)作為分組加密數據。其中，存在8bit的奇偶校驗，它的密鑰有效長度為56bit，而加密以及解密采用的是相同算法，安全性全部依賴于密鑰[7]。

它的應用過程是將64bit數據進行劃分，變成左右各自32bit兩個部分(L，R)，采用異或運算，利用符號⊕表示，具體加密過程如下所示：

1)將64bit的明文做成起始變換，標記為IP。

2)采用16次的迭代操作，將其分別標記成T1，T2，…，T16，所有的迭代都要分成左右兩個部分，各自32bit，可以表示成(Ln，Rn)，計算相鄰二次迭代關系，具體公式為

Ln=Rn-1

(1)

Rn=Ln-1⊕F(Rn-1，Kn)

(2)

式中：Kn代表16次迭代內所使用的16個48bit長度子密鑰。全部是采用56bit密鑰所變化生成的，所有的子密鑰都不同。

3)通過一個沒有變換的IP-1進行處理，起始變換和未變換是逆變換，具體的滿足條件公式為

IPIP-1=1

(3)

DES加密的過程，具體公式為

DES(m)=IP-1(T16(…(T2(T1IP(m)))))

(4)

即，DES解密的過程公式為

DES-1(c)=IP(T1(T2(…(T16IP-1(c)))))

(5)

利用上述二次加密算法，有效解決學生用戶身份加密漏洞問題，確保學生身份信息的安全性。但是物聯網云數據的安全仍得不到保障。因此，下文通過云安全檢測的方式，進行異常監測，及時分析處理[8]。

3 物聯網云安全的可信度檢測

3.1 檢測機制設置

通過特征標準劃分待檢測數據集，使其成為若干個模型，然后先粗分數據集。結束以后，再實現細分。因此檢測數據集時，優先將待檢測的數據分類，并判斷該數據的類別，從而在模型內選擇特征，判斷結果。

(6)

(7)

通過在M類內選擇待測的序列X歸屬類。將c定義成序列X被識別之后相對類結果，那么c內含有特征碼個數為mc，具體模型取值公式為

{λf(1)，λf(2)，…，λf(mc)}

(8)

3.2 可信度檢測的實現步驟

采用K-L散度高斯混合模型完成入侵數據的聚類，將待測數據集劃分，優化可信度檢測結果。

S為代表N個樣本序列的模型集合，C代表M個聚類中心的數據集合，以此可以定義KLD(λi，λj)為高斯混合分布的λi以及λj間K-L散度值，具體公式為

KLD(λi，λj)=D(λi‖λj)+(λj‖λi)

(9)

式中：D(λi‖λj)代表相對于λi的K—L散度分布數值[10]。

(10)

1)起始化

步驟1：設置m0=1，計算高斯混合模型的集合S內所有模型之間K-L散度，并對其升序處理。

步驟2：在高斯混合模型的集合S內，選取最大KLD值的一對模型，同時，將此模型與聚類模型的集合C融合，令其m=m+1。

2)聚類

步驟1：假設i=1。

步驟3：把λi添加至第j個聚類內，且使i=i+1，若iN。

(11)

若互換成立，重新回到步驟1，若不成立，則聚類結束[11]。

若聚類結束后，那么獲得的聚類中心為C，再利用步驟3對第m個模型數Nm以及εkld大小判斷，若Nm>εkld，那么將λi添加至其它的聚類內。

3)更新聚類中心

通過對聚類中心的更新，設置均值參數值，將聚類結果轉換為訓練數據，采用期望的最大化算法對其評估，獲取均值累積量，計算高斯分量權重。

步驟1：更新均值

(12)

步驟2：更新方差

(13)

步驟3：更新可信度檢測權重：

(14)

上式中：Q以及J分別代表的訪問代碼GMM高斯以及聚類中心GMM。其中，M值能夠選擇固定值，同樣也能夠通過樣本數進行自適應地改動[12]。利用以上步驟完成基于二次加密算法的物聯網云安全可信度檢測。

4 實驗證明

4.1 實驗一

為驗證所提二次加密算法下云安全可信度檢測結果是否有效，選擇實驗步驟如下其中，使用者和攻擊者均適用于校園網絡：

1)學生在整體過程中一直對校園網站、數據庫進行訪問。

2)攻擊者可利用SQL注入漏洞，入侵校園網站。

3)利用SQL所注入的攻擊從校園網絡傳播到數據庫。

4)利用木馬、蠕蟲以及DOS病毒各300條，入侵校園網站以及數據庫。

5)重復重復性的對網站以及數據庫進行攻擊。

為有效檢測入侵病毒，收集數據庫內所有的信息，成功防御入侵概率計算公式為

(15)

式中：TP代表可以準確判斷出的病毒樣本個數，TN代表能夠準確判斷出正常的樣本個數，FP代表沒有判斷處理樣本個數，FN代表沒有判斷成功正常的樣本個數。

在某高校校園網絡的數據庫，內部存儲學生的個人基本信息以及教師的個人信息等，讓20名學生，處于不同的網絡環境下，利用實驗環境所提出的方式，重復性地利用病毒入侵數據庫，測試二次加密與RSA加密算法、DES加密算法的性能，具體如表1所示：

表1 三種方法的對比結果/%

通過表1能夠看出，本文將RSA加密算法與DES加密算法融合組成的二次加密方法，有效解決了單獨應用兩種算法的不足，大大提升了云安全防御能力。

4.2 實驗二

為進一步證明本文方法的檢測效果，選擇實驗數據中40-90號為訓練樣本，0-20號為測試樣本，以專家可信度檢測結果作為評判指標。最后對比本文算法、RSA算法、DES算法的檢測曲線對比，具體如圖1、2所示：

圖1中能夠看出，本文方法僅在訓練50個樣本后檢測結果就基本與專家結果一致，而相比RSA算法、DES算法則在訓練70個樣本后才能趨近于專家檢測結果，證明了本文方法擁有極佳的收斂速度。

圖1 可信度檢測訓練結果對比

圖2能夠看出，測試曲線與專家曲線完全重合，所提方法檢測結果準確度較高。本文將兩種加密算法結合后，使其在實際應用的過程中，云安全對于威脅以及漏洞行為檢測更加全面，從而實現物聯網云平臺的高可信度。若單獨采用RSA算法作為學校學生的身份認證方式，也能夠識別是否存在有入侵學校的信息網絡意向的惡意數據。但是若多個學生用戶均使用RSA算法加密，易出現身份認證錯誤問題。

圖2 可信度檢測測試結果對比

5 結束語

本文提出的基于二次加密算法的物聯網云安全可信度檢測方法，不但能夠利用二次加密對校園網絡進行保護，同時，還能夠檢測到入侵病毒數據，經過多次實驗測試，檢測的準確度較高，不過由于互聯網的發展速度日新月異，每天都在進步，病毒的種類、入侵的方式也越來多樣化，所以未來本文還要進一步的研究，從而實時更新、優化，保障校園網絡的安全。