基于機器學習的匿名大數據訪問控制系統設計

劉偉

摘? 要： 傳統匿名大數據訪問控制系統控制時間長，非法訪問次數多。針對上述問題，基于機器學習設計了一種新的匿名大數據訪問控制系統，主要分為框架設計、硬件設計和軟件設計。匿名大數據訪問控制系統擁有兩個單元，分別為數據接收處理單元、模擬信號處理通信單元，不同的單元選擇不同的控制器，系統硬件由智能網關和控制器組成，設計的軟件程序有主界面程序、智能網關協議界面和匿名訪問控制界面。為檢測系統的工作效果，與傳統系統進行實驗對比，結果表明，基于機器學習的匿名大數據訪問控制系統能夠在短時間內實現控制，有效減少了非法訪問次數。

關鍵詞： 訪問控制系統; 機器學習; 匿名訪問; 智能網關; 信號處理; 對比實驗

中圖分類號： TN919?34; TP394? ? ? ? ? ? ? ? ? ? ?文獻標識碼： A? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）21?0097?04

Design of anonymous big data access control system based on machine learning

LIU Wei

（School of Mathematics and Computer Science， Hengshui University， Hengshui 053000， China）

Abstract： The traditional anonymous big data access control system has a long control time and is confronted with frequent illegal access. In allusion to the above， a new anonymous big data access control system based on machine learning is designed， which includes framework design， hardware design and software design. The anonymous big data access control system has two units， named the data receiving and processing unit， and the analog signal processing communication unit. The two units are equipped with different controllers. The system hardware consists of the intelligent gateway and the controllers. The designed software program includes main interface program， intelligent gateway protocol interface and anonymous access control interface. Contrastive experiments on the proposed system and the traditional system were set up to test the system working effect. The results show that the anonymous big data access control system based on machine learning can achieve control in a short time and reduce the times of illegal visits effectively.

Keywords： access control system; machine learning; anonymous access; intelligent gateway; signal processing; contrast experiment

0? 引? 言

隨著計算機深入人們的生活，“大數據”也變得越來越普遍，大數據不僅指海量數據，同時指各項技術處理數據的速度[1]。大數據訪問控制能夠防止未授權的人員訪問資源，嚴格控制文件和數據的所有權，只有擁有所有權的人才能訪問控制文件。近年來，黑客技術不斷加強，大數據訪問變得越來越難控制，很多匿名大數據訪問控制系統控制起來十分困難。

機器學習是一門多領域交叉學科，同時包括概率論、統計學、逼近論、凸分析、算法復雜度理論，通過對人的行為進行專門研究來模仿人的行為，從而獲得新的知識和技能[2]。作為人工智能的核心，機器學習已經普及到各個領域中[3]。

目前設計的匿名大數據訪問控制系統雖然能夠對數據訪問進行控制，但是在控制過程中，時常因為權限把握不準確而導致控制失效，控制效果不盡人意[4]。大數據中包含著很多用戶的數據資料，用戶在進行創建、存儲、共享、使用、歸檔等一系列操作時，都應該是在嚴格的安全控制中。針對目前訪問控制系統的設計現狀，本文基于機器學習設計了一種針對匿名大數據的訪問控制系統，在系統硬件、軟件上加以強化設計，并通過實驗對系統的有效性進行驗證。

1? 系統總體結構設計

本文設計的基于機器學習的匿名大數據訪問控制系統擁有兩個單元，分別為數據接收處理單元、模擬信號處理通信單元，不同的單元選擇的控制器是不同的。數據接收處理單元選擇的處理器為ARM處理器，該單元被稱為M9080?N20工控模塊，內部選用的控制器為LPC2290工業級微控制器，同時集成2路CAN控制器，連接10 MHz以上的以太網，通過2路UART串行通信接口保持通信，為了使系統的通信效果更好，利用VK3266芯片進行擴展，得到8個串行接口，其中6個接口為RS 232串行接口，1個接口為TTL串行接口，另1個接口為RS 485串行接口[5]。

匿名大數據訪問控制系統利用模塊化設計方法，同時設計了ARM板數據接收處理程序、模擬通信程序、上位機管理應用程序[6]。在用戶進行訪問控制的同時，不僅能夠轉發數據，還能診斷故障、校驗通信碼，使用戶能夠擁有一個很好的人機交互方式。

基于機器學習的匿名大數據訪問控制系統總結構圖如圖1所示。

2? 系統硬件設計

基于機器學習的匿名大數據訪問控制系統硬件使用的芯片為LPC1768主流芯片，該芯片的內核為Cortex?M3，具有極強的操作能力，最高操作頻率為100 MHz，系統的外設組件包括FLASH存儲器、數據存儲器、數據接口、控制器、編碼器、定時器等[7]?；跈C器學習的匿名大數據訪問控制系統硬件結構如圖2所示。

觀察圖2可知，FLASH存儲器和數據存儲器并行存在，FLASH存儲器的存儲容量要高于數據存儲器，FLASH存儲器的最高存儲量為600 KB，數據存儲器的最高存儲量為100 KB，系統的主機、從機和OTG各設有1個接口，以太網通過物理接口連接，DMA控制器共有8條通道，其中2條為CAN通道，系統選用的控制器為SSP控制器，在系統兩側各設置1個，通過SPI接口連接，通過12位的ADC和10位的DAC完成設置，除了上述接口外，系統還另外設置了1個SPI接口、3個I2C接口、2個輸入和2個輸出的I2S接口、1個正交編碼器接口，通過4個通用定時器完成定時。為了保證系統運行過程電力充足，選擇獨立的RTC電池供電，該電池功耗極低，I/O管腳[8]共有70個。

系統的CAN驅動器為SN65HVD230，使用以太網PHY芯片DP83848作為以太網通信接口，系統的連接座為RJ45，內帶網絡濾波器，系統使用的總線物理接口為RS 485接口，接收的信號電壓為0～5 V，接收的信號電流為4～20 mA，接收的信號格式為標準信號，利用LCD進行功能配置[9]。

2.1? 智能網關硬件設計

通過設計智能網關實現 CAN，利用系統的各個接口完成數據收發，CAN驅動器中使用的芯片為SN65HVD230芯片，利用RS 485和CAN總線連接各個接口。在ISO/OSI 模型的應用層中加入Modbus協議，模型的數據鏈路層加入了Modbus串行鏈路協議，物理層使用的協議為EIA/TIA?485或EIA/TIA?232協議，確保所有的物理接口都能夠實現通信。RS 485接口的通信能力很強，較長距離間的節點也能夠很好的通信，當各個物理接口之間的通信距離較短，通信接口較少時，使用的接口為TIA/EIA?232?E（RS 232）串行接口。

ISO/OSI 模型各層對應協議如表1所示。

作為兩線制的接口，RS 485 接口能夠連接物理層的所有數據，并且可以配合SP3485收發器工作，SP3485收發器中使用的協議為RS 485 串行協議，消耗功耗為3.3 V，是一種低功耗半雙工收發器，在引腳上加入了Sipex的 SP485，與目前訪問控制系統的協議相符[10]。由于控制系統內部使用的是Sipex雙極型，與CMOS工藝特性高度一致，所以即使功耗很低，系統的操作性能也不會受到影響。在承擔負載的情況下，SP3485傳輸的最大數據量[11]為10 Mb/s。

匿名大數據訪問控制系統內部收發器的連接圖如圖3所示。

通過120 Ω的電阻平衡總線傳輸間電壓的關系，提高系統的抗干擾能力，這一電阻也被稱為匹配電阻。當系統接收到外部信號時，CN10會傳遞到RS 485接口中，接收的信號類型不同，選擇的處理方式也不同。

2.2? 大數據訪問控制器設計

本文設計的匿名大數據訪問控制系統控制器內部接入總線主要有兩個部分，分別為Modbus總線、CAN 總線，能夠很好地控制外界接收的各種信號。當控制系統采集到外部信號之后，LPC1768中的A/D模數轉換器會將模擬量轉換成數字量，將得到的數字量與數據庫中的數據進行對比，找到目標數據，在總線接口處設置物理接口[12]。為滿足總線接口接收的信號量大小，設定電壓最大值為10 V，這樣可以有效防止轉換過程出現偏差。

當系統的輸入電壓很大時，要通過分壓處理降低輸入的電壓，確保輸入的電壓在可以接受的范圍之內。本文設計的控制器結構如圖4所示。

本文設計的控制器與智能網關硬件設計類似，以一種新的形態與LPC1768引腳連接，確保連接方式正確。接收模塊使用的核心芯片為HS138，該芯片比較常用，具有很強的控制能力，同時能夠對接收到的信號進行放大、解調處理，連接微處理器，當檢測到輸出信號后，微處理器會直接解碼[13]?？刂破髦械奈锢韺咏涌跒镈P83848，該接口是一種單端口物理層接口，消耗功率很低，在系統待機時，會自動進入斷電狀態，當系統啟動工作時，會再次恢復到工作狀態，控制器內部加入了一個25 MHz的時鐘，通過該時鐘強化控制器的靈活性，確保控制器的每一步控制工作都是在計劃時間之內完成。

控制器的連接圖如圖5所示。

3? 系統軟件設計

利用機器學習設計匿名大數據訪問控制系統，該系統使用的圖形支持軟件為?C/GUI軟件，負責操控系統運行。在系統運行的主界面中設置協議配置及協議轉換方向，從而方便后面的協議轉換工作。設計的界面程序主要有三個，分別為主界面、智能網關協議界面和匿名訪問控制界面。界面設計流程圖如圖6所示。

設計的主界面可以進行功能選擇，將所有的文字存放在數據庫中，在屏幕上顯示出來供用戶選擇，所有的功能設置在一個列表框，當點擊界面的功能按鈕時，列表框自動彈出，供用戶選擇。

控制程序作為軟件的核心程序，既能配置協議，也能夠完成協議轉換、數據處理、數據接收、數據控制等工作。配置的協議主要有時鐘協議、輸入協議、輸出協議、A/D轉換協議。在使用控制器控制匿名大數據訪問時，要對得到的協議進行編寫，將一種協議轉變成另一種協議，確保輸入總線的幀解包能夠與輸出協議的幀解包完美匹配到一起?？刂瞥绦蜍浖ぷ髁鞒倘鐖D7所示。

4? 系統性能實驗研究

4.1? 實驗目的

為了檢測基于機器學習的匿名大數據訪問控制系統的實驗性能，設定對比實驗，選取傳統訪問控制系統和本文訪問控制系統進行實驗對比。

4.2? 實驗參數設置

設置實驗參數如表2所示。

4.3? 實驗結果與分析

1） 控制效果檢測

控制效果測試結果如圖8所示。由圖8可知，隨著控制次數的增多，非法訪問次數也在不斷減少。當控制次數為1次時，傳統控制系統的非法訪問次數為74次，本文控制系統的非法訪問次數為43次;當控制次數為3次時，傳統控制系統的非法訪問次數為47次，本文控制系統的非法訪問次數為19次;當控制次數為5次時，傳統控制系統的非法訪問次數為51次，本文控制系統的非法訪問次數為4次。由此可見，基于機器學習的匿名大數據訪問控制系統能夠有效抑制非法訪問次數，提高系統運行的安全性。

2） 控制時間檢測

控制時間測試結果如圖9所示。由圖9可知，傳統系統花費的控制時間始終高于本文研究的控制系統。當控制次數為1次時，傳統控制系統花費的控制時間為29 s，本文控制系統花費的控制時間為8 s;當控制次數為3次時，傳統控制系統花費的控制時間為27 s，本文控制系統花費的控制時間為7 s;當控制次數為5次時，傳統控制系統花費的控制時間為33 s，本文控制系統花費的控制時間為11 s。在6次控制中，傳統控制系統的平均控制時間為29.8 s，本文控制系統的平均控制時間為13 s，因此，基于機器學習的匿名大數據訪問控制系統控制能力更強。

5? 結? 語

本文利用機器學習方法設計了一種匿名大數據訪問控制系統，針對系統的總體結構、硬件和軟件進行設計，通過匿名數據控制器完成基本的控制工作。通過實驗檢測證明本文設置的控制系統控制時間短，能夠有效減少非法訪問控制次數。本文設計的控制系統雖然具備上述優點，但是仍然有一系列問題需要改進，如網絡協議之間的轉換速度依舊很慢，具有一定的局限性，未來需要進一步完善。

參考文獻

[1] 蘇春雷.一種基于大數據和機器學習的網絡威脅感知系統架構[J].工業控制計算機，2018，31（9）：117?118.

[2] 章博亨，劉健，朱宇翔，等.基于大數據和機器學習的微博用戶行為分析系統[J].電腦知識與技術，2017，13（6）：212?213.

[3] 安強強，李趙興，張峰，等.基于機器學習的通信網絡非結構化大數據分析算法[J].電子設計工程，2018，26（14）：53?56.

[4] 紀思捷，胡豪杰.基于機器學習算法的大數據處理[J].電子技術與軟件工程，2018，21（23）：202.

[5] 周莉，王偉華，張敬.基于數值分析的匿名大數據訪問最優控制算法[J].計算機測量與控制，2017，27（12）：215?218.

[6] 王亮，張虹霞.網絡安全訪問控制系統設計分析[J].現代電子技術，2018，41（10）：100?104.

[7] 陳勝，劉曉放，張承模，等.基于云存儲的電力系統訪問控制方案設計[J].計算機測量與控制，2017，25（10）：240?243.

[8] 劉靜.基于安全云計算的大數據信息管理框架研究[J].信陽農林學院學報，2018，28（4）：118?120.

[9] 林青.大數據背景下隱私保護方法研究[J].信息與電腦（理論版），2018，23（7）：50?51.

[10] 施曉光.基于GIS和大數據的運營監控管理系統設計與實現[J].江蘇通信，2018，34（2）：74?75.

[11] 劉麗娜，丁毅.一種大數據認證授權與數據訪問設計方法[J].信息系統工程，2018（6）：155?156.

[12] 卞超軼，朱少敏，周濤.一種基于Spark的大數據匿名化系統實現[J].電信科學，2018，34（4）：156?161.

[13] 陳嬌，朱焱，丁國富.大數據環境下Hive訪問控制技術研究[J].軟件導刊，2018，17（12）：187?190.

作者簡介：劉? 偉（1985—），男，河北衡水人，博士，講師，研究方向為大數據應用、人工智能。