摘要:爲了減少多元異構網絡數據安全傳輸時延，設計一個基於機器學習的多元異構網絡數據安全傳輸技術。通過選擇數據源與數據屬性的重要性定義，對多元異構網絡數據預處理，並建立多徑並行傳輸架構，在此基礎上，採用機器學習方法進行有效帶寬估計與參數濾波處理，最後進行帶寬調度與信道安全協議體系建立，從而完成基於機器學習的多元異構網絡數據安全傳輸。實驗結果表明，此次研究的基於機器學習的多元異構網絡數據安全傳輸有效減少了數據傳輸時延，並減少了數據傳輸中斷情況與數據丟包率，滿足數據傳輸技術的設計需求。
關鍵詞:機器學習；多元異構網絡；數據安全傳輸；網絡數據預處理；並行傳輸構架
1引言
當前，通信技術發展迅速，多種網絡特點明顯，並經過多年的改革創新，使無線接入技術的傳輸速率逐漸逼近極限。在這種背景下，爲滿足多種業務需求，需要進行多網寫作。但是，傳統的寫作機制在網絡傳輸資源使用上，不能同時、高效的使用，不能有效保證高效傳輸業務，並且會增加傳輸中的能耗問題，從而導致傳輸過程中發生干擾問題。因此，很多學者開展了關於多元網絡數據傳輸方法的研究。文獻[1]中，石玲玲，李敬兆研究了異構網絡中安全數據傳輸機制，該機制主要採用一種基於優化的AES-GCM認證加密算法和基於SHA的數字簽名算法相結合的安全數據傳輸機制進行數據的傳輸；文獻[2]中，周靜，陳琛研究了基於異構網的一種數據安全模型，該模型預先對數據加密處理，然後建立安全傳輸信道進行了數據的傳輸。上述兩種方法能夠獲得一定的效果，但是還存在一定的不足。針對上述的不足，爲此本文將機器學習方法應用到多元異構網絡數據安全傳輸中，以解決目前存在的問題。實驗結果表明，此次研究的多元異構網絡數據安全傳輸技術有效解決了目前存在的問題，具備一定的實際應用意義。
2多元異構網絡數據預處理
在多元異構網絡數據安全傳輸中，有很多數據是沒有用的，爲此需要從多元網絡數據中選取相關的數據源進行傳輸，從而提高數據傳輸的準確率與效率。在有效數據源選擇過程中，採用重要性衡量數據屬性之間的關係[3-4]，捕獲關聯性較強的數據，其計算表達式如下所示：(1)公式(1)中，T表示所有數據源的綜合表數，(i，j)表示示例源類間的相關性。根據對數據源重要性的判斷，可以選擇關聯程度最高的數據表集合，減少不相關表。在上述重要數據源選擇完成後，分析數據屬性，由於一個數據源是有一組數據屬性組成的，通過這些屬性特徵能夠反映出待傳輸數據的基本信息。主要通過數據元組的相關性進行衡量，分析元組數據出現的次數，即通過元組數據密度進行定義，數據元組密度圖如圖1所示。圖1中，e表示指定鄰域的半徑。按照這種思路，對上述數據集中的每個元組數據進行權重的分配[5-7]，它的表達式如下：(2)公式(2)中，w(C)表示屬性權重，w(tk)表示核心元組的數目，δ表示異常值，w(tb)表示邊的元組數目。
3多徑並行傳輸架構
在上述預處理完成後，建立多徑並行傳輸架構，主要內容如下：預先對流量分割，通信流分割是發送端用來將大型數據塊分割成不同大小或相同大小的數據單元[8]，其大小由通信流分割的粒度決定，主要分爲以下幾類：第一，在分組級業務分割中，分組是數據流的最小構成單元，因此，分割方法粒度最小，且分組概率相互獨立，可以發送到發送端；第二，流層面的流量分割[9]，將特定目標地址封裝在包頭部，然後將具有相同目標地址的包聚合爲數據流，這些不同的數據流彼此獨立，並通過唯一的流標識符加以區別。利用流級分割技術可以有效地解決數據失真對多徑傳輸的影響[10]。第三，子流層面的流量分割，同一目的地頭部的數據流被分成多個子流，所有子流中的包都有相同的目的地地址，在一定程度上解決了流分割算法中的負載不平衡問題。多徑並行傳輸架構如圖2所示。除此之外，在帶寬聚合體繫結構中，調度算法是決定業務傳輸方式和業務子流調度次序[11]，確保業務子流有序到達接收端的核心，接下來我們將討論數據調度。
對於多元異構網絡的數據傳輸，當某個路徑的帶寬達到一定值時，網絡的帶寬會不斷增加，傳輸性能會相對穩定。爲提高吞吐量，分配過多帶寬會降低頻譜利用率，從而導致頻譜資源的浪費。在當前頻譜資源日益緊張的情況下，對多徑並行傳輸中各路帶寬進行調度和管理，不僅能保證多徑並行傳輸的傳輸性能，而且能有效地利用資源。爲此進行處理，實現的主要步驟如下：第一，採用機器學習方法進行有效帶寬估計，合理地估計每個子流可充分利用的無線帶寬資源，以及以較少的帶寬資源達到高吞吐率的要求，是帶寬調度算法的關鍵。爲此採用耦合擁塞控制算法，對各個子流聯合控制，其表達式如下：(3)公式(3)中，MSS表示報文最大長度的常數，由協議設置，RTTi、PLRi分別表示子流所處路徑的往返延遲和丟包率。第二，參數濾波處理，因爲無線信道的多樣性和時變特性，鏈路參數和路徑有效帶寬都會發生動態變化，且存在誤差。爲去除誤差，對網絡參數進行卡爾曼濾波器濾波，以獲得精確的估計值。卡爾曼濾波是一種離散時間遞推估計算法，通過對當前時刻的差分遞推，根據當前狀態的測量值、最後時刻的狀態以及預測誤差，計算出更精確的當前時刻狀態作爲輸出。研究離散控制系統時，採用線性隨機微分方程如下：(4)公式(4)中，xk、xk-1分別代表k時刻與k-1時刻的狀態參數，Ak、Bk分別代表系統參數，在多模型系統中爲矩陣，分別表示狀態轉移矩陣和輸入矩陣，uk表示控制的輸入參數，wk表示計算時的噪聲。第三，帶寬調度，假設一多徑連接C包含n條子流，每個子流都彼此獨立，每條子流佔用一個路徑進行數據傳輸，下面是它的調度過程如圖3所示。依據上述過程對帶寬調度，最後建立信道安全協議，以保證多元異構數據安全傳輸。安全協議由SSL協議、規則建立協議、隧道信息協議等構成。其中，SSL協議主要包括認證算法和加密算法兩大部分，所有服務器端的數據包都將通過SSL協議進行加密，以保證消息通信的安全性，規則建立協議包括連接信息和消息識別，記錄表匹配成功生成socket，轉發布保證數據信息在VPN技術通道上的轉發和應用。採用OpenVPN編程是實現隧道消息協議的主要方法。客戶端發送請求命令消息，以建立與服務器的連接。通過連接後，服務器根據SSL協議將經過加密驗證的數據信息寫入隧道信息數據區，實現與客戶端的數據交換和傳輸。信道安全協議結構如圖4所示。在數據傳輸過程中，按照上述信道安全協議進行傳輸，以此完成基於機器學習的多元異構網絡數據安全傳輸。