大数据信息安全的三维存储加密方法

蔡玺+郭行+张智利+魏军+吴天宇

摘要：为了解决当前存储方法在应对大数据存储时存在的安全问题，提出了基于三维改进加密的大数据信息存储方法。该方法利用相位对重要信息进行提取，在大数据中心将提取到的信息重新构建成三维信息，然后对其采用随机相位加密方法存储，并通过聚类隐藏掉重要信息，实现对大数据的安全存储。搭建实验平台对该方法进行性能对比验证，证明了该方法在大数据信息存储方面更加安全稳定。

【关键词】大数据 三维存储 随机相位加密信息安全

1 引言

大数据云计算平台的信息通常分布在多种类型的设备单元，通过上层应用将这些分散的数据信息进行协同集合，从而保证对外接口和访问存储功能，云平台的发展，使得信息数据量出现指数型增长，导致了大数据而临严重的信息安全问题，这也阻Jr了大数据的发展空问，因此受到专业人士的关注和研究。于是，在当前方法的研究基础上，本文提出了大数据信息安全的三维存储加密方法，该方法利用三维算法实现大数据信息的存储，采用改进的随机相位加密方法，提高了大数据重要信息的存储安全性，并且易于实现，为大数据信息安全存储提供了新的方法。

2 大数据信息加密存储原理

在对大数据信息进行安全存储时，通常需要针对存储系统来进行密钥的设计，以此完成系统中文件的加密工作，从而得到大数据信息的特征集合，然后根据闽值处理得到信息访问结构，这样便实现了大数据信息的加密存储，保证大数据信息的存储安全。

3 大数据信息加密算法

将大数据信息根据相位计算处理，构建出其三维信息，这些三维信息中保存了大数据的重要信息，构建公式为：

4 大数据信息安全存储机制

三维云计算数据中心敏感信息安全存储的原理，三维存储是将存储的敏感信息划分为k个大小相同的敏感信息分片，然后经过三维存储算法对这k个敏感信息分片进行编码，编码后的敏感信息分片用n表示，且编码后的敏感信息分片与原始的敏感信息分片大小相同，但两者之问不存在任何关联，在编码后的敏感信息分片中选取r个敏感信息分片，尽可以恢复到原始敏感数据的状态，且n≥r≥k>l。用数学三维存储编码后的敏感信息可以表示为：

大数据信息的三维存储，就是把数据分割成若干个数据碎片，然后对得到的碎片编码，从碎片集合中筛选出一定的样本碎片，通过其进行原始数据的还原。这里假定碎片总数为k，编码碎片为n，进行还原的碎片样本数为r，且它们存在关系n≥r≥k>l。在设定Y为编码碎片，F为原本的大数据信息，G则代表了n×k的三维存储矩阵。根据编码碎片Y和存储矩阵G，还原得到大数据信息，计算公式表示为：

F=Y'（G'）^-1

（6）

还原过程中，碎片总数和编码碎片数可以根据系统动态改变，并且必须保证条件n≥r≥k>l的成立，否则无法完成还原工作。

综上所述，大数据信息的三维存储过程，首先完成信息的分割与编码，然后通过加密，将编码碎片处理成隐藏信息文件，最后把它们发送至具有三维关系且彼此不同的节点上进行存储，如果系统接收到还原信息的指令后，再从隐藏信息中随机筛选出一定数量的文件，解密后通过公式（6）进行还原即可。

5 仿真实验

采用Ubuntul0.10作为仿真实验的环境平台，通过和当前存储方法对比，对本文提出的大数据信息安全的三维存储加密方法进行性能和可行性的多方而验证。

5.1 大数据存储安全性能验证

图1所示是本文提出的三维存储加密方法与当前存储方法在安全性上的实验结果对比，对两种方法分别进行了5次实验，并且实验条件一样，根据图中实验结果，能够清晰得到，提出的新方法在大数据信息存储过程中，其安全性能始终平稳地维持在90%以上，而当前方法始终在80%以下，并且波动幅度明显，本文提出的三维存储加密方法显著提高了大数据存储的安全性能。

5.2 数据隐藏度对比

表1所示是基于本文提出的三维存储加密方法与当前存储方法在数据隐藏度上的实验结果对比，实验过程中，分别记录了不同用户数量时的隐藏度数据，根据表1数据对比，提出的三维存储加密方法数据隐藏度更高，对于大数据信息的加密程度相对更高，也说明本文提出的新方法能够有效提高大数据信息存储的安全稳定性能。

6 結语

针对大数据信息存储的安全问题，提出了基于三维改进加密的大数据信息存储方法。该方法首先对信息进行分割编码，然后通过加密，将编码碎片处理成隐藏信息文件，最后把他们存储在具有三维关系且彼此不同的节点。实验结果证明了该方法在大数据信息存储方而具有更加安全稳定的性能。

参考文献

[1] Kaczmarek J，Wrobel M R.Operating system security by integrity checking and recovery using write-protected storage [J].Iet Information Security，2014，8（02）：122-131.

[2]宫婧，王丈君.大数据存储中的容错关键技术综述[J].南京邮电大学学报：自然科学版，2014 （34）： 20-25.

[3]韩敬峰，云计算环境下的海量数据低负荷存储方法研究[J].计算机仿真，2016， 33 （04）： 390-394.

[4]费贤举，王树锋，基于云环境下的海量大数据存储系统设计[J].计算机测量与控制，2014，22（07）： 2259-2261.

[5]陈冰，魏江，基于Hotspot的虚拟机加密方法研究[J].电子设计工程，2014（20）：35-38.endprint