双混沌系统下的大数据环境并行加密模型设计探讨

张舜标

（广东农工商职业技术学院，广州 510507）

本篇主要设计基于双混沌系统的大数据环境并行加密模型，基于复杂矩阵，构造并行加密机制，结合混沌相位掩码，构造双重加密函数，对大数据环境信息进行扩散，有助于同时对大数据环境多幅图像完成并行加密、解密，降低串扰效应，该加密机制高度安全，拥有较高的安全性，发挥积极设计实现效益。

1 关于双混沌系统的概述

1.1 混沌系统的理论

在非线性系统中，混沌（Chaos）是其独有的非周期运动形式，也正是由于混沌具备非周期性特征，使得混沌与密码学之间具有特殊的关联。在混沌系统中，不仅会对初值具有敏感性，其数据也具有随机性，是基于交叉理论的系统，将混沌系统应用到密码学领域，能够发挥抗干扰、保密、更换密钥等作用，发挥应用优势。

1.2 应用双混沌系统的优势

在实际大环境数据加密模型设计中，分析混沌系统，可以知道该系统就是能够以随机密钥这种计算方式，只需少量参数的情况下，利用混沌序列对信息进行加密，不仅计算的量较少，也能够满足实际中无线传感器网络的数据加密、解密基本要求。然而，在实际中，由于混沌系统的加密算法安全性不足，易于被破解，亟待提高系统中算法的复杂度。因此，应用双混沌系统中，不能够将多种混沌模型进行混合，同时，在双混沌系统中，拥有的算法密钥空间也很大，对于明文以及密钥较为敏感，发挥应用优势。因此，双混沌系统更加应用优势，不仅可以对明文信息进行加密，成功地克服上述缺点，发挥应用有效性。

2 设计双混沌系统下的大数据环境并行加密模型

2.1 设计加密和解密Map函数

在Map阶段函数中，其输人为数据集中键值对集组成的键值对的集合，也就是集，而起输出的则是键值< key2，value2 >，在并行加密模型的加密与解过程中，一个Map函数之中，也均包含有下key2与ualue2两个函数，如下所示：

key2=Reprensentlndividual（keyl）

ualue2=Encyl（uzluel）

ualue2=Dncyl（uzluel）

其中，Reprensentlndividual

2.2 设计模型中的Sort函数

在双混沌系统下，设计的大数据环境并行加密模型中，Sort函数的输入部分，主要是Map函数的输出，而Sort函数的输出，则是将无的序键值对集，转化为一个有序的键值对集，其实际的处理过程如下所示：

1）能够调用键值映射函数，根据Reprensentlndividual（key2，…），生成一个新键值，即可以生成在多个键值中，唯一与之相对应的新键值key3；

2）可以收集基于Map函数的输出结果，从而可以得到一个无序的键值对，如list { < key2，value2> }，并能够将其构成一个有序的键值对列表；

3）对有序键值对列表listl { < key2，value2}中的重复的键值进行删除，得到无重复元素的序列键值对列表list2{}；

4）将list2 {}赋给value3；

2.3 设计Reduce函数

Reduce函数的输入中，需根据Sort函数输出得到的键值对，然后输出，输出为明文或密文大数据，Reduce函数的具体操作过程如下：

1）提取由Sort函数输出得到的键值对，将value3这个有序列表中的所有密钥数据块和明文数据块提取出来；

2）将每个密钥数据块或明文数据块中的明文或密文与对应的密钥k2和k3分离；

3）将密文与k2进行异或得到新的Logistic映射初始迭代次数b，将明文与k3进行异或得到Tent映射对应的新的迭代次数b’；

4）将b和b’添加到历史Logistic映射的初始迭代次数集合和Tent映射的初始迭代次数集合中。

5）将分离了密钥k2和k3的明文或密文前后连接组成新的大数据集，作为最终加密或解密的大数据，从而实现整个大数据的并行加密或解密。

3 仿真实验

3.1 安全性验证仿真

为验证基于双混沌系统设计的大数据环境并行加密模型的可行性，构建出仿真实验的环境，其中的硬件服务器平台，就是Dell 的PowerEdge 8910设备，而本次仿真的软件平台，则是Hadoop，在其服务器内还包含24核Intel Xeon处理器，内存2006，以加密算法为例，随机输人一组由于明文构成的数据集，明文的类型包含文本、图片、音频和视频数据，采用文中设计的基于Map-Reduce并行加密框架模型，对大数据环境中的信息进行明文方式的加密。

同时，可以基于统计学的方法，仿真得到在大数据环境中，这个文本类型数据在并行加密模型中的明文数据与密文数据。

在大数据环境下，基于双混沌系统，对文本类型的明文数据实施并行加密之后，其在统计学方面的特性已经发生较大的变化，这就说明应用双混沌系统并行加密模型，对大数据环境的数据进行并行加密，能够获得较好的数据加密效果。同时，在该并行加密模型中，因为加密算法以及解密算法中，对于控制参数以及初始化中仅仅有两个混饨迭代次数，故此可知在该并行加密模型中存在着很大的密钥空间，即使攻击者在已知算法中应用了Logistic映射和Tent映射，也无法通过穷举来获得这4个初始参数，因此，该加密算法具有较好的安全性。

3.2 应用性能仿真分析

可对一组图像信息进行并行加密中，下图是参数λ[0.001，4]，imk取1000，X0取0.6时的结果，其中Y1在图（a）和（b）中分别表示不同λ对应的Xn序列值和周期数（若周期数>20，则认为chaotic，输出值为0）由图可知，当λ<1时，产生的序列为一固定值，等于零；当λ<3时，系统有稳态解，即解是不动点，周期数为1。

仿真结果中，在输入中重新界定λ的范围，可以方便的研究不同区间内的特性如下图1所示。

图1 λ=[3.7，3.9]，X0=0.6

观察到的混沌区中，选取一个λ以便观察系统对Xn序列初值的敏感度，不妨取λ=3.82，X0分别取0.6和0.60001，初值的误差甚至小于程序中用于判断两个变量相等的error，同样的，程序只在imk取1时会有以下输出，结果如下图2，由于整个序列不便于比较，只截取了前后各约50个点。

图2 λ=3.82，序列值随迭代步数变化

有图2可知，在前20个序列点，数据基本还保持一致，随着迭代步数逐渐增大，误差被逐渐放大，提升加密算法的应用性能。

4 结束语

综上所述，基于双混沌系统，优化大数据环境的并行加密模型，应用该并行加密模型，能够对大数据环境中的多种类型数据进行分组并行加密，可以高效对数据进行加密、解密，算法执行速度快，提高数据安全性与加密效率，发挥积极影响。

[1] 司红伟，钟国韵.基于双混沌系统的大数据环境并行加密算法设计[J].计算机测量与控制，2015，23（7）：2475-2477，2481.

[2] 薛医贵.混沌系统耦合2D离散分数随机变换的双图像同步加密算法研究[J].微型电脑应用，2015，31（8）：43-45，47.

[3] 高彦卿.混沌掩码融合频谱分割拼接的多图像一次同步加密机制研究[J].科学技术与工程，2014，14（23）：245-251，256.

[4] 陈阳，郑涵容.复用技术耦合率失真优化的多图像加密机制[J].电视技术，2015，39（3）：21-26.