基于大數據分析的熱熔膠粘接芯片存儲安全檢測

李金

摘要：隨著互聯網的發展，網絡進入了大數據時代。未來發展日益趨近信息化，人們的生活也因此發生了巨大改變。作為一項新興計算機技術，云計算技術可以給大數據的計算提供非常大的便利，云存儲系統也得以普及。熱熔膠粘接芯片是一種較為優異的存儲芯片，可以為大數據的存儲提供硬件載體。但是，在實際應用的過程中，大數據分析帶來便利的同時也存在很多問題。其中，大數據的存儲安全是一個重點的問題。文章針對大數據分析背景下的熱熔膠粘接芯片存儲如何做好安全保障進行探究，希望通過研究對后期工作有所參考。

關鍵詞：大數據分析;熱熔膠粘接芯片;存儲安全

中圖分類號：TQ430.7+72

文獻標識碼：A

文章編號：1001-5922（2019）08-0112-06

近年來，隨著信息技術的不斷發展，大數據分析的使用廣泛，隨之而來的安全問題也逐漸顯現。存儲系統是保障數據信息安全的第一道防線，通過身份認證可以檢查用戶身份是否有效。用戶在進行數據存儲時被爆出經常出現信息丟失或被竊取的問題，致使大數據的存儲備安全受質疑，為此社會各界對信息的存儲安全也給予了廣泛的關注。保障大數據存儲安全，作為存儲載體的芯片有很多種，其中熱熔膠粘接芯片具有明顯優勢。因此，如何更好地保證基于大數據分析存儲的安全性與完整性是當下保障大數據安全的熱點課題。

1 大數據分析

隨著數據的數量不斷增長，大數據的重要性日益突出，得到了研究者們的廣泛關注。但是，目前人們對大數據的概念理解仍然存在不同的看法，并且大部分人還是認為大數據是個抽象概念。從大數據的本質出發，才能更加深刻地理解大數據在社會經濟、網絡效應等各方面的內涵，這對于探究大數據分析下的安全風險控制具有重要意義。

1.1 大數據的基本定義及主要特征

大數據是超出傳統數據庫范疇的具有創造性思維的，用來收集、存儲、管理和分析大量數據信息的方式[1]。首先，大數據與時間相關，隨著時間的增長，大數據的數量也不斷增長。其次，不同層級的機構，對數據集的需求也不同，目前大數據通用的計算單位是TB。最后，對于大數據描述和控制，我們一般從種類、數量和速度這3個維度進行。因此，大數據擁有時效性，數據存在形式也具有多樣性，這些使大數據理論與傳統的數據庫理論有明顯差異。

大數據的主要特征[2]為：①大數據的數據量非常大，通常以幾何級數形式增長。②數據類型多樣化，包括原始類數據、多元型數據、函數數據多種形式。③對數據的運算和處理速度加快，大數據分析可以為用戶提供大量有價值信息。研究表明，利用大數據可以推測趨勢，可以剔除對個體數據，可以預測社會現象，也可以做個性化的預測。大數據分析的應用范圍相當廣泛，數據處理能力不斷增強，可以為用戶提供更多更廣泛的信息依據。

1.2 大數據應用模式

通過云計算技術通常可以實現大數據的應用模式。云計算是一種應用技術，其計算通常以分布計算和網絡計算作為基礎，并融合了網絡存儲和虛擬化等技術，把個人計算機和私有數據中心需要執行的命令及任務轉交給有存儲功能的計算機中心完成[3]。這種數據應用模式不僅節約了基礎設施購買的成本，個人或企業也可以按照計量的方式來支付租賃計算資源。由于大數據的數據來源眾多，其應用模式分析也呈現多樣化。根據不同的數據特性，可以將大數據應用模式進行分類。由于數據的規模不同，可將大數據應用模式分成內存級和海量級兩種。內存級是指數據的總量不超過集群內存的最大值。當前內存量較大的服務器，可以將熱點數據內存常駐，從而達到數據分析效率提高的目的。海量級是指數據量大，可能達到PB級別，不能一次性載人內存或者沒有辦法在短時間內處理完成。最簡單的海量數據處理方法是分治法，通過將龐大的數據分開處理，由大化小，從小治之。除此之外，海量數據也可以通過集群分布式進行處理。

1.3 大數據安全風險分析

當前大數據的應用逐漸普遍化，因此，用戶對數據安全的要求也越來越高。如果沒有妥善地處理大數據信息，大數據的存儲不夠安全，那么用戶的隱私安全將存在較大風險。對人們的狀態及行為預測是個人隱私的泄漏的主要形成原因，收集并分析用戶的上網信息，用戶的消費習慣以及喜好因而被推理和發現。通過大數據提供的這些信息，從而對每個用戶提供針對性的服務，這對用戶隱私信息的泄露埋下了巨大的隱患。縱觀實際發展，由于對用戶數據收集、存儲以及管理等過程不夠規范，導致用戶個人隱私信息泄露的監管力度也不夠強。除此之外，大數據的可信度也存在問題，人們無法分辨信息的真偽。從大數據的實際信息情況來看，有些數據可能是偽造的，給用戶帶來錯誤的認識，從而得到錯誤的結論。

2 熱熔膠粘接芯片

熱熔膠的基底材料通常是熱塑性樹脂或彈性體，然后，在基底上添加增黏劑、增塑劑、抗氧化劑、阻燃劑及填料，再經過熔融混合等步驟形成固態粘合劑[4]。與其他形態的膠粘劑，例如：熱固型、溶劑型和水基型膠粘劑等相比，熱熔膠具有很多優越的性能。因此，熱熔膠在許多領域得到快速發展及應用，在芯片制造過程中也是不可少的粘接材料。

用于粘接芯片的熱熔膠具有以下幾方面的優異性能：①具有良好的防潮，絕緣性能;②固化后膠體收縮率低，柔韌性佳，物理性能穩定;③與芯片，基板材料之間的粘接力強;④耐高低溫，耐化學品腐蝕性能優良;⑤對芯片及基材無腐蝕。但是，正是由于熱熔膠這些特殊的化學結構與特性，不能使其不能被環境降解，會長期滯留在環境中，可能會對環境造成威脅。不過為了降低熱熔膠的負面影響，近年來研究者們已經在開發綠色熱熔膠，有望在不久的將來研制出不僅性能優異，而且可生物降解的綠色熱熔膠。

3 存儲安全檢測流程

安全檢測系統工作流程見圖1，首先對合法訪問請求數據進行收集，然后對數據進行二進制建模，再通過陰性選擇算法得到生成檢測器，此檢測器可用于區分合法請求和非法請求。與此同時，收集真實運行系統的訪問讀或寫請求數據，以此數據進行二進制建模，然后，根據陰性選擇算法確定二進制建模的字符串長度和與之相匹配的字符位數，這樣通過二進制建模得到的自我集合有效性和科學性比較高，同時檢測系統根據不斷變化的訪問請求，周期性地更新自我集合和生成的有效檢測器，達到不斷加強自我集合的完備性的效果。

陰性選擇算法包含兩個階段：審查和檢測。首先是審查階段，在此階段會根據請求數據隨機產生大量的候選個體，隨后計入自我耐受過程，在此過程中不斷地將候選個體跟自體元素相匹配，如果匹配成功就會將這個候選個體舍棄，否則將其保留進入下一階段;第二階段為檢測階段，通過上一階段保留的候選個體與未知個體進行匹配，如果此過程中匹配成功，則說明該個體為非法請求，反之則為合法請求。

3.1 元數據的二進制建模過程

從大量數據中發現并檢測出數據的變化或者異常是相當困難的，有時候甚至不可能實現這種檢測，但是，已經出現的元數據技術可以很好地解決這個棘手的問題。元數據是用來描述其他數據信息的數據，即數據的數據。元數據的定義也能夠應用到存儲系統安全的檢測中：訪問系統調用中的元數據被抽取出來，被抽取的元數據包括訪問文件的有效信息等。通過二進制建模將元數據轉變為檢測系統能識別的二進制字符串，再通過模擬生物免疫系統中的抗原與抗體的識別過程來實現二進制匹配技術，最終將根據識別的結果進行相應的讀、寫、刪除或者修改等處理。對上述內容進行二進制建模，那么存儲安全的檢測過程也就能夠通過獲取文件的訪問控制模式、文件ID、用戶ID、組ID等信息，進一步將這些信息建模轉換為二進制字符串序列，通過區分合法操作和非法操作，從而保障存儲系統的安全。元數據的二進制建模方式，如圖2所示：

3.2 陰性選擇算法

陰性選擇算法是由Forrest在1994年提出算法，其原理是基于生物體的陰性選擇，因此陰性選擇算法具有一些特殊的性質：①由該算法產生的檢測器并沒有完全覆蓋非我集合，在檢測器內部并不一定非得進行交流與協調。②檢測器的檢測之所以能夠對檢測異常活動進行有效地檢測，是因為檢測過程是通過概率性地檢測非我集來進行匹配，而不是與已知模式庫進行匹配。③對于某一特定長度的字符串，只能產生有限種可能的情況，所有當自我集合相當完整時誤報情況不會出現。從上面所述陰性選擇算法特性可知，其檢測過程具有一定的概率性，因此，需要對選取字符串識別算法的過程以及決策不同的匹配精度生成的檢測器數量等過程進行比較精確的估算。與陰性選擇算法相關的參數，如表1所示。

由表1中所述的定義可知，隨機產生的兩個字符串在某種匹配算法下匹配成功的概率是PM，因此一個隨機串與一個自體元素匹配的失敗的概率為（1-PM），假設含有Ns個元素的自我集中的各個元素之間彼此獨立，那么一個隨機串和所有自體元素均匹配失敗的概率為：

上述公式（4）是有效檢測器數量在數學上的描述，當Pf的取值固定時，通過這個公式能夠得到有效檢測器數量NR與成功匹配概率PM之間的關系折線圖（如圖3所示）。從圖3的折線圖可知，當有效檢測器匹配失敗率Pf的取值固定時，隨機產生的兩個字符串與某種算法匹配成功的概率PM越大，所需要的有效檢測器數量NR越少。而根據不同取值的Pf對應的折線可知，當系統的安全要求越高時，對應所需要的有效檢測器數量NR也越多。除此之外，由公式（4）可以得到，當Pf的取定值時，有效檢測器的數量NR僅與PM有關，而跟自我集中元素的數量Ns沒有關系。

公式（5）是對候選檢測器數量在數學上的描述。當Ns和Pf的取值一定時，由公式（5）能夠繪制出NRO和隨機字符串匹配成功概率PM的折線圖，如圖4所示。圖4是在Pf=0.0001的條件下繪制得到的折線圖，由圖中折現變化關系可知，當匹配失敗率Pf的取值固定時，隨著隨機產生的兩個字符串與某種算法匹配成功的概率PM的增大，對應需要的候選檢測器數量NRO越大。通過自我集中數量Ns不同時對應的曲線可以得到，自我集合中元素數量Ns越大，所需要的候選檢測器數量NRO也越大。

上述所采用的與字符序列匹配的算法為r連續位匹配規則（R-contiguous Bits Matching Rule）。這種規則屬于模糊匹配規則中的一種，經常應用在對親和力免疫系統模型建立中。如果兩個隨機字符序列在對應位置上至少有r個連續位置字符相同時，則稱這二者符合r連續位匹配規則。若令l表示隨機字符串數，那么當字符串為二進制字符串時，會存在以下關系：

公式（6）是對隨機產生的兩個字符串與某種算法匹配成功的概率PM在數學上的表述。當字符串長度1的取值大小一定時，由這個公式（6）可以得到隨機串匹配概率PM和r連續位匹配之間的折現關系圖像，如圖5所示。從圖5可以看出，當字符串長度l為一定時，隨機產生的兩個字符串與r連續位匹配成功的概率PM隨著匹配位數r的增大而減少。而當匹配位數r為定值時，隨機產生的兩個字符串相匹配的概率PM隨著字符序列長度l的增大而增大。

4 存儲安全檢測實驗

4.1 安全檢測實驗測試內容

檢測系統主要對大數據分析下的膠粘劑粘接芯片的存儲安全進行功能測試，關注的重點在于檢出率和誤報率這兩個方面。檢出率是用來衡量檢測非法訪問信息的能力，誤報率是用來描述將合法訪問請求誤判為非法訪問的概率。當需要對系統的一些動態參數進行確定時，檢出率和誤報率將會作為重要參考依據。

4.2 檢測系統的實驗環境

（1）硬件環境：內存：4G，處理器：2.7GHz IntelCore i5，硬盤：2T硬盤

（2）軟件環境：操作系統：Ubuntu Server 14.1064bit，Linux內核版本：3.16.1，集群環境：OpenStackHavana

4.3 安全檢測系統功能測試

用于測試的數據集合應當具備如下條件：①數據的數量足夠多;②數據足夠全面;③數據能夠真實地反映系統安全狀態。以此為原則，采用的數據是從MIT LL實驗室收集得到的DARPA 1999IDS離線評估數據集[6]。此離線評估數據集不僅包括收集的模擬網絡中的網絡流量，還包括審計日志。我們首先從原始文件中提取了文件的ID、所屬的用戶，所屬的用戶組以及訪問模式等信息，然后將其建模為10000條合法的20位二進制數據，再在這個基礎上，變異得到10000條異常數據。從合法數據中選取4000條記錄作為自我集進行測試。當測試的算法采用r連續位匹配算法時，我們對r的長度取不同的值，結果表明當r取9時能得到較好結果，因此，文中所述的測試條件為r=9。