智能電網非結構化數據安全技術研究

王林 何映軍 向華偉 呂垚

摘 要：隨著社會的發展和用戶的需求多樣化，電網的開放性和交互性和網導致電網的各種應用系統越來越多，從而使智能電網數據量增長速度很快，尤其是非結構化數據，存在數據量大、存儲空間占用率高、數據安全風險高等特點，進而對非結構化數據安全提出了更高的要求。本文重點從數據加密和解密兩方面對非結構化數據處理，實現電網非結構化數據安全的目標。

關鍵詞：非結構化數據;數據安全;k近鄰算法;聚類算法

中圖分類號：TM76 文獻標識碼：A 文章編號：1671-2064（2019）19-0143-02

0 引言

隨著社會的快速發展，加速了大數據發展的步伐，據IDC和EMC估計，到了2020年，數據會突破40000EB。且以兩年翻倍的速度快速增長，而企業約80%是非結構化數據。尤其在電力行業，非結構化數據增加速度越來越快。各種新技術的引入以及電網的開放性和交互性和網絡通訊更加復雜，增加了電網內部的安全風險。非結構化數據安全在電力企業中變得非常重要，雖然在結構化數據加密方面取得了進步，但是非結構化數據安全滿足不了用戶和電力部門的實際需求，因此在非結構化數據加密的的基礎上實現檢索效率的優化已經成為一個研究課題，本文利用中科院ICTCLA分詞技術和開源hadoop體系結構中的HDFS文件系統和HBASE等開源技術對非結構化數據進行分詞和存儲，引入以下算法提高非結構化數據的安全性和檢索效率。本文采用多層聚類的多分類SVM方法對數據進行聚類[1]，利用線性同態加密算法對非結構化數據進行加密，利用HBASE對非結構化數據進行列式存儲，運用k近鄰查詢算法實現查詢效率的提高。

1 相關算法

本文改進了同態加密算法，文獻5提出了基于ECC的同態加密算法，本文為了提高檢索效率，提出線性同態加密方法。引入多層聚類svm算法先對數據聚類，利用改進的同態加密算法對數據的進行加密，運用k近鄰算法實現查詢效率的提高[2，3]。

1.1 線性相關加密算法

同態加密是一類具有特殊自然屬性的加密方法，此概念是Rivest等人在20世紀70年代首先提出的，與一般加密算法相比，同態加密除了能實現基本的加密操作之外，還能實現密文間的多種計算功能，即先計算后解密可等價于先解密后計算。同態加密算法的缺點只能進行加運算和乘運算，容易被竊取，造成數據泄露。直到2009年，IBM的研究人員Gentry首次設計出一個真正的全同態加密體制，即可以在不解密的條件下對加密數據進行任何可以在明文上進行的運算，使得對加密信息仍能進行深入和無限的分析，而不會影響其保密性。但是由于全同態加密算法非常耗時，只適應理論研究，不適應大數據領域。鑒于同態加密算法的和全同態加密算法的不足之處，提出了線性加密算法：

步驟1：甲用戶在直角坐標系任選一點A（x，y），確定一個私鑰k，并生成對應公鑰y=kx+b，并將A發送到乙。

步驟2：乙收到A（x，y），產生隨機數z（z

步驟3：乙收到密文傳給甲，甲收到密文C后，用k解密C。

1.2 k近鄰算法

K近鄰（k-Nearest Neighbor，KNN）分類算法，是一個機器學習算法。該方法的思路是：如果一個樣本在特征空間中的k個很類似的樣本中的絕大多數樣本屬于某一個類別，那么該樣本也屬于這個類別。k的選取，距離和分類決策規則是該算法的三個基本要素：k的選取會影響算法的結果，如果k值選取小，發生過擬合的概率比較大;如果k值設定大，優點是縮小學習的誤差，缺陷是學習的誤差會擴大，使預測不準確。本文中k值一般選取比較小的數值，通常采用驗證的方法來查找最佳的k值。如果訓練實例數目趨向于無窮和k等于1時，該誤差率不會超過貝葉斯誤差率的2倍，如果k趨向于無窮大，則誤差率趨向于貝葉斯誤差率。該算法中的分類決策規則：即由輸入實例的k個最臨近的訓練實例中的多數類。決定輸入實例的類別距離度量，設定Lp距離，當p=2時，即為歐氏距離，在度量以前，本文將每個屬性的值規范化，防止具有較大初始值域的屬性比具有較小初始值域的屬性的權重過大。

2 加密技術實現

加密和檢索技術實現從平臺搭建、檢索算法實現和安全性能分析分析三個步驟實現，首先描述了平臺環境，其次是檢索算法的實現流程，最后從安全性能和檢索效率分析驗證該技術的可行性[4，5]。

2.1 平臺環境

本文的加密和檢索系統采用hadoop搭建分布集群，作為本文的云存儲平臺，存儲密文文檔，密文索引采用倒排的索引方式，由于apache hadoop是基于java的平臺，基于平臺更好的兼容性，本文實驗環境的分詞算法使用中科院ICTCLA分詞算是，使用java語言來實現密文全文檢索。并對hadoop集群進行了相應的配置。本文實驗環境是兩臺部署hadoop的Linux服務器。本文為了描述方便，其中非結構化加密數據在甲服務器上，另外一臺相互協作的服務器稱作乙。

2.2 算法實現

非結構化數據按照多層次聚類SVM算法流程進行聚類（聚類的目的為密文檢索做準備，目的是方便找出最短距離），然后把聚類后的數據進行加密，其中加密的數據包括在聚類過程中產生的新數據和原數據以及用戶提交的查詢數據。數據加密的索引項在甲服務器上，數據解密的密鑰在乙服務器上，甲與乙配合處理檢索內容查詢和數據，最終返回查詢結果（具體流程參見圖1所示）。該算法將所有數據分成m份，設k值設為m，這樣聚類后的數據就會產生m份，對于每一份數據，再依次分裂成m份，直到葉子節點不再滿足分裂要求則停止，對數據數量的最大值和最小值做限制和規定。當節點中數據數量大于最大值，則節點可以繼續分裂。若分裂后數據數量小于預定的值，則將該節點與其同時分裂產生的另外節點進行合并。若節點內的數據數量小于最大預定值，并大于最小預定值，則該節點為葉子末端節點。采用以上規則進行剪枝，剪枝的過程中去掉不滿足結果的數據，提高檢索效率。

在整個查詢過程中用戶只進行一次操作，將數據聚類、加密的數據以及將加密用的公鑰發送甲。甲服務器上存儲的是非結構化加密數據，可以得知甲服務器上的數據無法被解析，即使知道查詢數據相對最短距離時也無法獲得密鑰，達到安全保護的目的。乙服務器作用將數據解密，解密后的數據是經過甲處理過的數據，這些數據在解密后在其原有數據的基礎上都加入了隨機值，這樣乙即使擁有隨機值，但也無法還原原始數據值，從而使原數據得到保護。甲只需要把處理方式發送給用戶（什么形式的數據），隨機生成的數據以及原始真實數據是如何加入隨機值的等。用戶在收到這些信息以后，就可以確定哪些數據是符合要求，以及下一步如何還原出真實數據，乙在最后解密距離是甲加入擾動值以后的距離，這樣可以減少乙接觸到關于數據間距離的信息。

2.3 安全性能分析

通過對基于線性的同態加密算法進行實驗分析。通過對比RSA/DSA密鑰試驗效果，在保證安全性的同時，提高了同態加密方法的計算效率如表1所示。

3 結語

本文基于電網環境下提出智能電網非結構化數據安全技術方案。首先，先按照多層聚類SVM的方法對要數據進行聚類，接著對關鍵字和非結構化數據進行加密，加密算法使用改進的線性加密算法，保證了數據的安全性，利用k近鄰算算法實現檢索效率的提高。本文的研究只是對密文檢索做出了初步嘗試，仍有許多問題有待改進。

參考文獻

[1] 張春艷，倪世宏，張鵬，查翔.基于多層聚類的多分類SVM快速學習方法[J].計算機工程與設計，2017（2）：522-527.

[2] 馬力.實基于云計算的智能電網數據存儲安全研究[D].華北電力大學，2016.

[3] 辛立杰.加密數據的k近鄰查詢算法研究[D].哈爾濱工程大學，2016.

[4] 張克君，張國亮，姜琛，楊云松.云環境下基于可搜索加密技術的密文全文檢索研究[J].計算機應用與軟件，2017（4）：35-41.

[5] 王全福，宋文愛，楊順民.云環境中數據安全的同態加密方法[J].計算機工程與設計，2017（1）：42-46.