今天沒碼完，所以晚一會兒更新，大概凌晨一兩點吧，主要是這一章確實有點費勁了，寫了兩三個小時了，但卻還是差了一大截，等更新之後只要重新重新整理這一章就行了。
摘要:為了減少多元異構網路資料安全傳輸時延，設計一個基於機器學習的多元異構網路資料安全傳輸技術。透過選擇資料來源與資料屬性的重要性定義，對多元異構網路資料預處理，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頻寬估計與引數濾波處理，最後進行頻寬排程與通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路資料安全傳輸。實驗結果表明，此次研究的基於機器學習的多元異構網路資料安全傳輸有效減少了資料傳輸時延，並減少了資料傳輸中斷情況與資料丟包率，滿足資料傳輸技術的設計需求。
關鍵詞:機器學習；多元異構網路；資料安全傳輸；網路資料預處理；並行傳輸構架
2k
1引言
當前，通訊技術發展迅速，多種網路特點明顯，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，為滿足多種業務需求，需要進行多網寫作。但是，傳統的寫作機制在網路傳輸資源使用上，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路資料傳輸方法的研究。文獻[1]中，石玲玲，李敬兆研究了異構網路中安全資料傳輸機制，該機制主要採用一種基於最佳化的AESGCM認證加密演算法和基於SHA的數字簽名演算法相結合的安全資料傳輸機制進行資料的傳輸；文獻[2]中，周靜，陳琛研究了基於異構網的一種資料安全模型，該模型預先對資料加密處理，然後建立安全傳輸通道進行了資料的傳輸。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，為此本文將機器學習方法應用到多元異構網路資料安全傳輸中，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路資料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多元異構網路資料預處理
在多元異構網路資料安全傳輸中，有很多資料是沒有用的，為此需要從多元網路資料中選取相關的資料來源進行傳輸，從而提高資料傳輸的準確率與效率。在有效資料來源選擇過程中，採用重要性衡量資料屬性之間的關係[34]，捕獲關聯性較強的資料，其計算表示式如下所示：(1公式(1中，T表示所有資料來源的綜合表數，(i，j表示示例源類間的相關性。根據對資料來源重要性的判斷，可以選擇關聯程度最高的資料表集合，減少不相關表。在上述重要資料來源選擇完成後，分析資料屬性，由於一個資料來源是有一組資料屬性組成的，透過這些屬性特徵能夠反映出待傳輸資料的基本資訊。主要透過資料元組的相關性進行衡量，分析元組資料出現的次數，即透過元組資料密度進行定義，資料元組密度圖如圖1所示。圖1中，ε表示指定鄰域的半徑。按照這種思路，對上述資料集中的每個元組資料進行權重的分配[57]，它的表示式如下：(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，通訊流分割是傳送端用來將大型資料塊分割成不同大小或相同大小的資料單元[8]，其大小由通訊流分割的粒度決定，主要分為以下幾類：第一，在分組級業務分割中，分組是資料流的最小構成單元，因此，分割方法粒度最小，且分組機率相互獨立，可以傳送到傳送端；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為資料流，這些不同的資料流彼此獨立，並透過唯一的流識別符號加以區別。利用流級分割技術可以有效地解決資料失真對多徑傳輸的影響[10]。第三，子流層面的流量分割，同一目的地頭部的資料流被分成多個子流，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演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，在頻寬聚合體繫結構中，排程演算法是決定業務傳輸方式和業務子流排程次序[11]，確保業務子流有序到達接收端的核心，接下來我們將討論資料排程。
4頻寬排程方桉制定
對於多元異構網路的資料傳輸，當某個路徑的頻寬達到一定值時，網路的頻寬會不斷增加，傳輸效能會相對穩定。為提高吞吐量，分配過多頻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頻寬進行排程和管理，不僅能保證多徑並行傳輸的傳輸效能，而且能有效地利用資源。為此進行處理，實現的主要步驟如下：第一，採用機器學習方法進行有效頻寬估計，合理地估計每個子流可充分利用的無線頻寬資源，以及以較少的頻寬資源達到高吞吐率的要求，是頻寬排程演算法的關鍵。為此採用耦合擁塞控制演算法，對各個子流聯合控制，其表示式如下：(3公式(3中，MSS表示報文最大長度的常數，由協議設定，RTTi、PLRi分別表示子流所處路徑的往返延遲和丟包率。第二，引數濾波處理，因為無線通道的多樣性和時變特性，鏈路引數和路徑有效頻寬都會發生動態變化，且存在誤差。為去除誤差，對網路引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演算法，透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為輸出。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、xk1分別代表k時刻與k1時刻的狀態引數，Ak、Bk分別代表系統引數，在多模型系統中為矩陣，分別表示狀態轉移矩陣和輸入矩陣，uk表示控制的輸入引數，wk表示計算時的噪聲。第三，頻寬排程，假設一多徑連線條子流，每個子流都彼此獨立，每條子流佔用一個路徑進行資料傳輸，下面是它的排程過程如圖3所示。依據上述過程對頻寬排程，最後建立通道安全協議，以保證多元異構資料安全傳輸。安全協議由SSL協議、規則建立協議、隧道資訊協議等構成。其中，SSL協議主要包括認證演算法和加密演算法兩大部分，所有伺服器端的資料包都將透過SSL協議進行加密，以保證訊息通訊的安全性，規則建立協議包括連線資訊和訊息識別，記錄表匹配成功生成socket，轉發布保證資料資訊在VPN技術通道上的轉發和應用。採用OpenVPN程式設計是實現隧道訊息協議的主要方法。客戶端傳送請求命令訊息，以建立與伺服器的連線。透過連線後，伺服器根據SSL協議將經過加密驗證的資料資訊寫入隧道資訊資料區，實現與客戶端的資料交換和傳輸。通道安全協議結構如圖4所示。在資料傳輸過程中，按照上述通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路資料安全傳輸。
5實驗對比
為了驗證所設計的基於機器學習的多元異構網路資料安全傳輸技術的有效性，進行實驗分析，並將文獻[1]的異構網路中安全資料傳輸機制、文獻[2]的基於異構網的一種資料安全模型做對比，對比三種系統的有效性。此次實驗中的實驗資料集如表1所示。透過上述採集的實驗資料能夠看出，實驗選取的資料是越來越多的，從而更好的驗證三種方法的有效性，主要對比三種方法的傳輸時延、資料傳輸中斷情況以及鏈路丟包率，具體內容如下所示。
5.1傳輸時延對比
分別對比三種方法的傳輸時延，其對比結果如圖5所示。透過分析圖5發現，在谷歌公開資料集傳輸上，三種方法傳輸時延均較小，隨著傳輸資料量的增加三種方法的資料傳輸時延都有所增加，但經過對比能夠發現，此次研究的基於機器學習的多元異構網路資料安全傳輸技術傳輸時延最小，少於傳統的兩種方法。
5.2資料傳輸中斷情況對比
分別對比應用三種傳輸技術後，資料傳輸中斷情況，其對比結果如圖6所示。透過圖6能夠發現，此次研究的傳輸技術發生資料傳輸中斷情況最少，在幾次實驗中均少於傳統兩種傳輸技術。
5.3鏈路丟包率對比
分別採用此次研究的基於機器學習的多元異構網路資料安全傳輸技術與傳統兩種傳輸技術進行資料傳輸，三種方法的丟包率對比結果如圖7所示。透過分析圖7能夠發現，傳統的異構網路中安全資料傳輸機制的鏈路丟包率最高，高於基於異構網的一種資料安全模型與此次研究的傳輸技術。綜上所述，此次研究的基於機器學習的多元異構網路資料安全傳輸技術較傳統兩種傳輸技術傳輸時延少，丟包率少。其原因在於該研傳輸技術預先對多元異構網路資料進行了預處理，並制定頻寬排程方桉，建立了安全傳輸協議，從而提高了多元異構網路資料安全傳輸效果。
6結束語
本文設計了一個基於機器學習的多元異構網路資料安全傳輸技術，並透過實驗驗證此次研究技術的有效性。該技術能夠提高資料傳輸的效率，還能夠減少資料傳輸丟包率，實際應用意義較強。但由於研究時間的限制，此次研究的多元異構網路資料安全傳輸技術還存在一定的不足，為此在後續研究中，還需要進一步最佳化。
摘要：闡述虛擬化技術保證了資訊使用的穩定性和流暢性，雲端儲存技術保證了資料體分配的合理性，資訊保安技術保證了大資料使用和瀏覽的安全性。
關鍵詞：計算機系統，大資料，雲端儲存，虛擬化。
0引言
計算機軟體技術可以在較短時間內處理大量資料，採取一定的邏輯進行編輯分析，提出使用者需要的有關資料資訊，進行再加工處理，確定服從於使用者需要的資料分析的有關資料內容。
1虛擬化技術
虛擬化技術是計算機軟體技術的創新性技術，它能夠在較短的時間內創造一個新的虛擬機器位以供使用者使用，虛擬化技術真正將資訊化資源做到了合理利用，有效的配置軟體資源與調動，合理分配計算機軟體資源並利用，也能使計算機軟體在執行的過程中不會因為軟體資源的分配不均導致計算機出現卡、慢等情況。靈活變換是虛擬化技術的顯著特徵，它能在虛擬出來的計算元件上執行與計算，實現了計算機的跨域分享與合作，將使用者所需的資源處理與切換，形成新的資源鏈。虛擬化技術主要包括以下幾類：伺服器虛擬化、Docker容器技術，其中重點是Docker容器技術。伺服器虛擬化建立在計算機的多次元虛擬化的基礎上，將一臺本體計算機虛擬成多臺虛擬邏輯關聯計算機，建立虛擬化層級將計算機的硬體與邏輯關聯絡統相互聯絡，透過解耦關聯而實現具體功能。所謂的虛擬化層級，就是能夠在一臺實體計算機上執行多臺虛擬化的作業系統，可以互相切換，並且這些層級上的虛擬計算機可以共享某一種或某幾種獨有的軟硬體資源，例如常規計算機中的記憶體、主機板、顯示卡等，在此基礎上，加上相應的作業系統支援，使用者可以隨意在其上下載程式與軟體以供自己使用（圖1）。
