基于旋轉門算法的安全網關控制信息采集策略

王爽，陸月明

?

基于旋轉門算法的安全網關控制信息采集策略

王爽1,2，陸月明1,2

（1. 北京郵電大學網絡空間安全學院，北京 1000876； 2. 可信分布式計算與服務教育部重點實驗室，北京 100876）

安全網關控制信息采集是天地一體化網絡中的一種重要安全感知技術，傳統的等時間間隔采集策略存在網絡帶寬浪費、數據大量冗余、采集節點數據采集量過大、傳輸次數過多等問題，針對這些問題，提出了一種基于旋轉門算法的安全網關控制信息采集策略，該策略通過改進的旋轉門算法分析判斷安全網關控制信息（如網關流量、CPU利用率等）的變化幅度，自適應調整安全網關控制信息采集間隔。實驗結果表明，該策略與傳統等時間間隔采集策略相比，能在保證數據準確率的情況下，減少數據采集次數和數據傳輸次數，有效降低網絡開銷，提高數據采集效率。

數據采集；旋轉門算法；網關監測；自適應變頻

1 引言

隨著地面互聯網、移動通信網絡和空間網絡的融合[1]，天地一體化網絡架構逐漸形成。在此網絡架構下，移動互聯網、物聯網、云計算等技術迅速發展，帶來了技術和經濟發展，同時也產生了更加復雜的網絡安全問題。針對網絡安全問題，天地一體化網絡中安全網關聯動防護控制需要感知攻擊來源，并且需要實現網關負載均衡分布，因此產生對通信資源、網關負載、威脅等進行量化感知的需求，而傳統等時間間隔感知時間間隔難以設置標準，時間間隔設置過長，容易丟失重要數據，降低數據準確率；時間間隔設置過短，造成網絡帶寬浪費、數據大量冗余、采集量過大等問題[2]。因此，在實際應用中采用等時間間隔采集策略，雖然實現簡單，但由于數據動態變化的特性，單位時間內的平均數據獲取信息量較少。因此，如何設計出既保證數據準確率，又可以降低網絡消耗的高效數據采集策略是當前網關信息感知亟待解決的重要問題。針對采集策略問題，自適應變頻采集技術受到廣泛關注，自適應指的是針對采集數據的動態變化特性，動態調整采集時間間隔，因而自適應變頻采集的核心問題是如何判斷采集數據的變化幅度。

針對判斷采集數據變化幅度的問題，國內外做了大量基于線性回歸模型的相關研究改進。宋欣等[3]提出了一種基于分段線性回歸的無線傳感器網絡分布式數據采集壓縮優化策略，通過應用線性回歸分析方法構建感知數據模型，并且節點只傳輸回歸模型的參數信息，傳輸網絡消耗較小，但當采集時間間隔較大時，該方法的誤差絕對值也較大，無法保證數據準確性；王玲等[4]提出了一種基于時間相關性的網絡數據壓縮與優化算法，該算法的線性回歸策略能夠實時判斷數據變化幅度，動態調整采集時間間隔，并實時修正回歸模型。Padhy等[5]在收集與冰川相關的環境數據時，提出了基于有限窗口線性回歸模型預測未來數據，通過判斷預測數據范圍動態調整采集時間間隔。Gupta等[6]提出了一種基于指數雙平滑新的自適應采樣技術，采用不規則數據序列預測，結合變化檢測來降低采樣率，以保持數據保真度，可以在資源受限的傳感器節點上容易地實現預測。但后3種改進算法模型比較復雜，應用在網關采集數據時實現較為困難。

針對線性回歸模型算法實現較為復雜，在安全網關控制信息采集中應用可行性不高的問題，考慮使用旋轉門算法進行數據變化趨勢的判斷。Bristol[7]提出了旋轉門算法（SDT, swing door trending algorithm），該算法實現了存儲壓縮數據，并且提供搜索還原歷史數據，可以有效地存儲和分析實際的過程歷史數據作為趨勢記錄，并用于評估工作。Feng等[8]提出了根據強制存儲限制（FSRL, forced storage-recording limit）和壓縮區間長度（CIL, compression interval length）動態調整旋轉門算法的壓縮閾值，該改進算法的問題在于當FSRL取值較大時算法不能正常工作，而在實際應用中FSRL往往很大。Gang等[9]對旋轉門壓縮算法和Douglas-Peucker算法進行了比較總結，提出了一種優化的采用“搜索最遠可行點”策略的實時數據有損壓縮算法及其在一定約束條件下的一種變形算法，該算法在壓縮率、整體誤差和效率方面有一定提高。Liu等[10]針對數控機床數據實時采集需求和消耗大量存儲單元的問題，提出了一種改進的旋轉門壓縮算法來壓縮海量數據。可根據數據的波動趨勢動態調整其容差。但后2種算法在安全網關的控制信息采集中對數據實時性有一定影響。

上述工作對網關數據自適應變頻采集策略的研究起了一定的推動作用，但在網關數據采集效率、成本，數據準確性，歷史數據查詢是否容易，方案實施難易程度等方面存在部分局限和問題。而旋轉門算法應用在網關數據采集時實現相對容易，能在保證數據準確率的情況下，降低數據采集和傳輸次數，有效降低網絡開銷，提高數據采集效率，通過線性插值還原查詢歷史數據也很容易。

本文提出的基于改進旋轉門算法的安全網關控制信息采集策略，針對旋轉門算法應用在安全網關控制信息采集中存在的問題，對算法提出了改進，并通過實驗進行了可行性及性能驗證。

2 天地一體化網絡安全網關控制信息采集系統框架

天地一體網絡有天基骨干網絡、地基骨干網絡、衛星接入網絡等，覆蓋全球，互聯地面互聯網絡和移動通信網絡，設置了多個可以進行接入控制、網絡隔離控制、網間互聯控制的關口站。然而，關口站單點極易成為網絡攻擊的對象，并且難以防范分布式DDoS攻擊、跨域攻擊擴散等。所以需要聯合多個安全控制網關，進行聯動防護，提高防護能力，減少網絡受攻擊的范圍。通過在終端、服務器中內嵌感知組件，在安全網關中內嵌感知器獲取采集數據，實現管理系統的全網威脅態勢感知、攻擊檢測，最終能夠及時下發策略至安全網關，及早阻斷攻擊，避免攻擊擴散，因此安全網關威脅感知尤為重要。考慮網關數據采集效率、準確性、方案可行性，本文提出采用基于改進旋轉門算法的安全網關控制信息采集策略。在關口站等處設立中間代理服務器，負責采集關口站安全網關控制信息并上報至管理系統匯集，以及接收管理系統的下發策略并分發至各個網關。

圖1 系統流程

基于改進旋轉門算法的安全網關控制信息采集系統流程如圖1所示，主要流程包括安全網關向中間代理傳輸發布安全控制信息、系統向中間代理傳輸訂閱消息，其中包含3個組成參與者。

1) 安全網關，作為整個感知采集系統中的信息發布者，其上部署著網關的感知采集程序負責采集通信狀態、設備性能等安全控制信息，其中，某些海量性能數據利用基于改進旋轉門算法的自適應變頻采集策略進行動態自適應采集，并且進行數據消冗壓縮，安全網關可以通過連接中間代理服務器發布消息。

2) 中間代理，代理服務器作為網關與匯集模塊之間傳遞消息數據的核心，可以實現處理大量網關客戶端的并發連接。代理服務器主要負責接收網關的消息并進行網絡中數據分集，將分集后消息發送給訂閱的系統。

3) 互聯安全控制系統/聯動防護控制系統匯集模塊、最終所有數據傳遞的終點，作為整個感知采集系統中的信息訂閱者，實現最終數據的匯集處理，并將在傳輸過程中壓縮的數據進行數據重建處理。

3 安全網關控制信息采集策略

3.1 策略概述

自適應變頻采集策略主要根據采集數據變化幅度動態調整采集時間間隔，當數據變化平緩時增大采集時間間隔，節省資源消耗；當數據變化劇烈時減小采集時間間隔，保證采集數據準確無丟失。利用旋轉門算法進行數據壓縮時發現，當能被套住的數據越多，即壓縮數據段越長，數據的變化越平緩；而當數據不能被套住，即壓縮數據段越短，數據變化越劇烈。因此可以利用旋轉門算法判斷數據變化幅度，利用判斷結果采用乘法減小加法增大的方法動態調整采集時間間隔，保證數據變化劇烈時能快速縮小采集間隔，避免丟失重要數據，并將網關處采集的安全控制信息數據消冗壓縮后傳輸，最終在系統處進行壓縮數據恢復重建。

3.2 旋轉門算法

旋轉門算法[8]是一種比較快速的線性擬合算法，算法原理如圖2所示，該算法根據數據點構建多個高度固定為壓縮閾值兩倍的平行四邊形去套歷史數據點，在不能套住時將前一個數據點存儲。圖2中以點各自上下距離為的4個點構建平行四邊形，歷史數據點在此平行四邊形中，繼續壓縮；同理構成兩處的平行四邊形，歷史數據點在此平行四邊形中，繼續壓縮；同樣處理點；而在點處構建的平行四邊形并不能套住點，因此存儲點構成一段壓縮段，連接，顯然與上對應點的誤差控制在之內，因此點能由線性插值得到誤差小于的解壓值。

算法實質是將一系列連續數據點代替為一條由起點和終點確定的直線，從而實現將海量數據壓縮為直線趨勢的壓縮段，并能保證數據還原的誤差在壓縮閾值之內。該算法最后得到的每段壓縮段需要記錄每段時間間隔長度、起點數據和終點數據，并且前一段的終點數據為下一段的起點數據。旋轉門即為不斷擴張的平行四邊形，平行四邊形的高度定為壓縮閾值的2倍，在每次擴張時檢查平行四邊形是否能把所有數據點套在其內部，若能把所有數據點套住則說明目前數據變化平穩，若有數據點未被套住，則說明數據變化劇烈需要進行壓縮存儲操作。

具體算法實現時，只需要比較不斷擴張的兩扇門的斜率即可判斷數據是否被套住，若上面的旋轉門斜率小于下面旋轉門斜率則表示數據能被套住，否則不能套住。

圖2 旋轉門算法原理

定義上旋轉門斜率為

定義下旋轉門斜率為

其中，[][]為壓縮段的開始和結束數據點，包括時間和數據值這2個屬性。

若>，壓縮存儲此數據點并發布數據點到中間代理服務器，增大采集時間間隔并開始新的采集壓縮；否則減小采集時間間隔。

3.3 旋轉門算法改進

旋轉門算法在安全網關控制信息采集中存在一些問題：1) 如何確定一個合適的壓縮閾值；2) 采集失誤或者網關異常產生異常數據點的影響，采集值過大或者過小的數據點會影響算法的整個壓縮解壓過程，造成數據變化趨勢判斷失誤，并且增加了壓縮段，增多了數據傳輸次數，影響后續數據重建，增大數據還原的誤差值。

針對上述2個問題，本文提出了旋轉門算法的2個改進。

針對問題1)的改進為：定義壓縮閾值

針對問題2)的改進為：定義變化值

3.4 采集間隔動態調整算法

以下是本文提出的基于改進旋轉門算法的安全網關控制信息采集間隔動態調整算法。

定義3 當采集數據在被套住的范圍內時判斷數據變化平緩，加法增大采集時間間隔。

定義4 當采集數據在超出旋轉門套住的范圍時判斷數據變化劇烈，乘法減小采集時間間隔。

這樣加法增大、乘法減小動態調整數據采集間隔，既能夠迅速減小采集時間間隔并且避免在數據變化劇烈時丟失重要數據，也能夠在數據變化平緩時有效增大采集間隔，減小網絡帶寬浪費，同時避免異常點對算法的影響。

3.5 數據重建算法

數據重建即將壓縮數據傳輸到系統后，系統進行數據處理還原成原始數據，即解壓數據。SDT壓縮算法為線性壓縮，重建算法對應線性壓縮，即線性插值，保證了數據還原重建誤差絕對值不超過壓縮閾值。

1) 定義1，2，3，…，S為壓縮存儲數據，其中每個壓縮數據有時間和數據值這2個屬性。

2) 定義[]為[],[1]壓縮段的還原數據,那么[],[1]壓縮段斜率為

則

3.6 算法實現

為了清楚地描述本文的自適應變頻采集算法，需要做出以下定義，如表1所示。

表1 符號定義

算法流程如下（如圖3所示）。1) 進行相關參數的初始化；2) 采集數據D，計算此時的上下旋轉門斜率及變化值；3) 判斷是否是異常點，若是則直接壓縮存儲D，間隔不變繼續采集數據；4) 判斷上下旋轉門斜率大小，得出數據變化幅度，然后動態調整采集時間間隔。在實際應用中，網關采集的數據只需壓縮段的起始點和終點，在系統處可以根據壓縮段還原出原始數據，這樣減小了傳輸開銷，降低了網絡流量。

圖3 算法流程

4 實驗及性能分析

4.1 實驗分析

本文提出的基于改進旋轉門算法的安全網關控制信息采集策略主要針對安全網關控制信息數據采集時間間隔的動態控制和數據的還原處理，網絡拓撲對策略的影響不大，所以可以先對一臺網關利用本文提出的采集策略進行實驗仿真，簡單清楚地分析本策略的性能。圖4仿真實驗數據來自實驗室單臺網關的利用本文提出的基于改進旋轉門算法的安全網關控制信息采集策略（圖中sdt采集）和傳統的等時間間隔采集（圖中原始采集）得到的某24 h CPU利用率，基于改進旋轉門算法的安全網關控制信息采集策略相關參數設置如表2所示，而等時間間隔每60 s采集一次。

表2 實驗參數設置

采集的實驗結果如圖4所示。當數據變化平緩時采集數據點和存儲點較稀疏，從而節省資源消耗；當數據變化劇烈時采集數據點和存儲點較密集，保證了采集數據準確無丟失。

本文提出了對旋轉門算法的改進，改進了對異常大小數據點的處理和確定壓縮閾值的大小，可以看到在本文的應用場景中，在采集數據量相同的情況下，改進后可以減少數據的采集次數和傳輸次數，如表3所示。

表3 改進前后性能對比

等時間間隔采集數據100個時，需要的采集次數與傳輸次數均為100次。由表3可知，在采集數據量相同的情況下，改進前的數據采集次數為65次，減少35%，數據傳輸次數為38次，減少了62%；改進后的數據采集次數為50次，減少了50%，數據傳輸次數為30次，減少了70%。

由實驗結果可知，改進后的采集傳輸效率有一定程度提高，對于異常大小數據點的處理確實能夠避免它對算法的影響。

圖4 采集實驗結果

4.2 性能分析

4.2.1 實驗環境及參數設置

通過搭建真實實驗環境測試本文提出的基于改進旋轉門算法的安全網關控制信息采集策略的可行性和性能。在3臺網關上部署動態自適應采集感知程序，并發布數據到中間代理服務器，中間代理服務器將數據推送給訂閱的匯集系統。3個網關以及代理服務器、系統匯集模塊的連接關系如圖5所示。

其中，網關1采用傳統等時間間隔采集方法，時間間隔每60 s采集一次。網關2采用基于旋轉門算法的自適應數據采集方法，網關3采用本文的基于改進旋轉門算法的自適應數據采集方法，連續采集24 h網關的CPU利用率。通過誤差分析、單位時間數據采集量、單位時間數據傳輸量3個方面對本文提出的數據采集策略的性能進行驗證分析。

網關1采用傳統等時間間隔采集方法，時間間隔=60 s。

網關2采用基于旋轉門算法的自適應數據采集方法，相關參數設置如表4所示。

表4 改進前算法參數設置

網關3采用本文的基于改進旋轉門算法的自適應數據采集策略，相關參數除了新增參數之外與網關2一樣，具體設置如表5所示。

表5 改進后算法參數設置

圖5 實驗環境

圖6 誤差分析

4.2.2 誤差分析

不同采集策略下的誤差分析如圖6所示，實驗數據選取了網關1、2、3的100個數據點，誤差值為最后系統還原重建網關2、3數據與網關1等時間間隔采集的數據誤差的絕對值。

由圖6可知，由于排除了異常點對壓縮算法的影響和確定了合適的壓縮閾值，基于旋轉門算法的自適應數據采集策略的誤差絕對值最大為5，而基于改進旋轉門算法的自適應數據采集策略的誤差絕對值最大為4，并且改進后的誤差有一定程度減小。

4.2.3 采集量分析

不同采集策略下的單位時間數據采集量分析如圖7所示，實驗數據選取了網關2、3的4個時間段每小時的數據采集量。

圖7 采集量分析

由圖7可知，由于排除了異常點對壓縮算法的影響，減少了異常采集數據次數，采用基于改進旋轉門算法的自適應數據采集策略，單位時間內數據采集量優于未改進的。

4.2.4 傳輸量分析

不同采集策略下的單位時間數據傳輸量分析如圖8所示，實驗數據選取了網關2、3的4個時間段每小時的數據采集量。

圖8 傳輸量分析

由圖8可知，由于排除了異常點對壓縮算法的影響，減少了壓縮段數量，采用基于改進旋轉門算法的自適應數據采集策略，單位時間內數據傳輸量優于未改進的。

5 結束語

針對網關節點數據采集和傳輸存在的問題，本文把用于數據壓縮的旋轉門算法應用到安全網關控制信息采集場景中，并對它存在的問題進行了改進，提出了基于改進旋轉門算法的安全網關控制信息采集策略；改進了對異常大小數據點的處理和確定壓縮閾值的大小方法。最終通過實驗驗證可以看到，在本文的應用場景中，在采集數據量相同的情況下，改進后可以減少數據的采集次數和傳輸次數，能夠有效降低網絡開銷，提高數據采集效率。

[1] 李賀武, 吳茜, 徐恪, 等. 天地一體化網絡研究進展與趨勢[J]. 科技導報, 2016, 34(14): 95-106.

LI H W, WU Q, XU K, et al. Progress and tendency of space and earth integrated network[J]. Science & Technology Review, 2016, 34(14): 95-106.

[2] 宋欣. 面向無線傳感器網絡的分布式數據收集關鍵技術研究[D]. 沈陽: 東北大學, 2012.

SONG X. Research on key technologies for distributed data gathering in wireless sensor networks[D]. Shenyang: Northeastern University, 2012.

[3] 宋欣, 王翠榮. 基于線性回歸的無線傳感器網絡分布式數據采集優化策略[J]. 計算機學報, 2012, 35(3): 568-580

SONG X, WANG C R, et al. Linear regression based distributed data gathing optimization strategy for wireless sensor networks[J]. Chinese Journal of Computers,2012,35(3):568-580.

[4] 王玲, 石為人, 石欣, 等. 基于時間相關性的無線傳感器網絡數據壓縮與優化算法[J]. 計算機應用, 2013, 33(12): 3453-3456

WANG L, SHI W R, et al. Data compression and optimization algorithm for wireless sensor network based on temporal correlation[J]. Journal of Computer Applications, 2013, 33(12): 3453-3456

[5] PADHY, PARITOSH, RAJDEEP K, et al. A utility-based sensing and communication model for a glacial sensor network[C]//The 5th Int Conf on Autonomous Agents and Multi-Agent Systems. 2006: 1353-1360

[6] GUPTA M, SHUM L V, BODANESE E, et al. Design and evaluation of an adaptive sampling strategy for a wireless air pollution sensor network[C]//Local Computer Networks IEEE, 2011. 1003- 1010.

[7] BRISTOL E H. Swinging door trending: Adaptive trend recording[C]//ISA National Conference Proceedings. 1990:749-753.

[8] FENG X D, CHENG C L, LIU C L, et al. An improved process data compression algorithm[C]//The 4th World Congress on Intelligent Control and Automation (Cat. No.02EX527), 2002: 2190-2193.

[9] GANG G, LI L. An optimized algorithm for lossy compression of real-time data[C]//2010 IEEE International Conference on Intelligent Computing and Intelligent Systems. 2010: 187-191.

[10] LIU J S, DONG Y U, YI H U, et al. Application of improved SDT Algorithm in CNC Machine Monitoring Field[C]//2017 10th International Conference on Intelligent Computation Technology and Automation (ICICTA). 2017: 16-20.

Information acquisition strategy for security gate-ways based on swing door trending algorithm

WANG Shuang1,2, LU Yueming1,2

1. School of Cyber Security, Beijing University of Posts and Telecommunications, Beijing 100876, China 2. Key Laboratory of Trustworthy Distributed Computing and Service, Ministry of Education, Beijing 100876, China

Acquisition the control information of security gateway is an important security awareness method in the space and earth integrated network, but the traditional equal interval time data method acquisition has problems, such as waste of network bandwidth, a large amount of data redundancy, excessive data collection of acquisition node and excessive transmission times. In order to solve these problems, a data acquisition strategy based on improved swing door trending algorithm was proposed, which analyzed and improved swing door trending algorithm to determine the control information of security gateway such as the rangeability of gateway traffic and CPU utilization, and to adjust the data acquisition interval adaptively. The experimental results show that compared with the traditional equal interval time data method acquisition, under the condition of ensuring the data accuracy, the proposed strategy can lower the times of data acquisition and transmission, effectively reduce network overhead and improve data acquisition efficiency.

data acquisition, swing door trending algorithm, gateway monitoring, self-adaptive frequency conversion

TP393.08

A

10.11959/j.issn.2096-109x.2018079

王爽（1994-），女，四川巴中人，北京郵電大學碩士生，主要研究方向為分布式計算與信息安全。

陸月明（1969-），男，江蘇蘇州人，北京郵電大學教授、博士生導師，主要研究方向為分布式計算、信息安全。

2018-08-09；

2018-09-26

陸月明，yml@bupt.edu.cn

國家重點研發計劃基金資助項目（No.2016YFB0800302）

The National Key R & D Program of China(No.2016YFB0800302)