基于最邻近算法的数据中台内生性数据安全交互系统

张译，魏永瑜，马燕，冶秀兰，马元明

（国网青海省电力公司信息通信公司数据运营中心，青海西宁 810000）

数据中台以低成本、高速率的优势为企业的创新领域带来巨大提升，中台架构越来越复杂，导致交互式传输协议的时效性能力出现下降，系统所存储的内生性数据在中台间的交互效率过低，协议交互性安全水平的持续下降，因此对于数据中台内生性数据安全交互至关重要。

对此，一些学者进行了有关研究。王逸兮等人[1]提出基于中台架构的内生性数据安全交互系统设计，以CAN 中台总线控制器作为核心调配元件，按需连接寄存器处理模块与内生处理器交互控制模块，实现交互系统的硬件执行环境搭建。设置交互式连接协议栈，通过定义数据安全映射关系的方式，转换中台间存储数据的交互格式，实现系统的软件执行环境搭建。联合相关硬件设备结构体，完成基于中台架构的内生性数据安全交互系统设计。但该方法在转换数据过程中计算量巨大，转换时间缓慢。孙猛等人[2]提出基于哈希算法的大数据分析中台在智能电厂中的信息检索方法。依据智能电厂中不同数据信息结点间连接距离，测算智能电厂的数据信息链接权重。利用哈希算法整合大数据分析中台，通过统计搜索关键字和数据结果之间的距离，以获得的最小间距数据结果输出为搜索结果。从而实现智能电站数据检索，但该方法在构建模型时会导致数据中台的鲁棒性不足。

为解决传统方法存在的问题，提出基于最邻近算法的数据中台内生性数据安全交互系统。

1 硬件设计

1.1 控制器与寄存器设计

中台内生性数据安全交互系统的控制中心为CAN 中台总线控制器，采用JKU-9901 型控制器作为其核心执行结构[3-4]。控制器结构如图1 所示。

图1 CAN中台总线控制器结构

在CAN 总线控制器作用下，系统将出入口节点调试成相同的连接模式，建立内生性节点与中台上机位之间的连接关系。采用交互式传感器整合与处理数据。通过将已存储的信息参量释放在空白的系统信道结构体中，使其始终保持相对空闲的运行状态，抑制内生性数据的混乱传输行为，控制交互式传输协议对中台主机造成的阻碍性影响强度[5-6]。

寄存器与控制器构成了双中台架构的基础，寄存器采用的型号为TTR-9014，通过配置寄存器处理模块，实现有效调节内生性数据传输，达到控制中台架构体系的操作目的。

1.2 双中台架构

在控制器与寄存器的基础上，为了更好地管理中台内生性数据，并能够识别服务记录，设计一种采用区块链信息技术的双中台架构[7-8]。双中台架构如图2 所示。

图2 双中台架构

双中台架构能够划分信息链与服务链，并在某个应用过程中实现，信息链中的中台储存的是内生性数据信息，服务链中的中台储存的是服务记录信息。双中台架构是基于最邻近算法提出的中台内生性数据安全交互的核心架构，以此完成基于最邻近算法的数据中台内生性数据安全交互系统的硬件部分构建[9-10]。

2 软件设计

2.1 基于最邻近算法的数据处理

基于最邻近算法中的样本均衡原理，假设样本集合S中的数据A、B之间的距离均为d(A,B)，样本集合S中的任意数据A∈S，邻域∂的圆形区域范围N如式（1）所示：

设数据A在邻域∂中的最少采样个数为m，通过∂与m的联系，即可得出该邻域内的样本分布情况，即当∂＞m时，该邻域为稠密地域；当∂＜m时，该邻域为稀少地域；当∂=m时，该邻域为均匀分布地域[11-12]。

文本邻域的稠密区域分布，经过计算即可得出。当文本B、C处于密集区域时，若C处于B的∂邻域内，则将该文本优化掉，同时缩放∂。当∂=m时，则B的邻域变为均匀分布区域。

对内生性数据排序处理，利用最邻近算法设定准确度阈值，稳定最邻近算法的精确度和分类排序的效率。准确度阈值作为最邻近算法迭代终止的判定条件，在设置时可根据对中台内生性数据的准确度要求而定，完成排序后即可对数据中台的内生性数据进行处理，为后续的数据安全交互打下基础[13-14]。

2.2 交互流程

完成内生性数据处理后，建立其安全交互流程，在双中台为基础的分布式系统中提出区块链体系之间的安全交互问题，交互流程如图3 所示。

图3 基于最邻近算法的数据交互流程

以业务中台与业务链之间的数据交换为例，提出的系统设计技术重点是最邻近算法中的舒普门限设定签名技术，对交易主体传输的服务记录认证和上链。一方面，舒普门限设定签名中签名的生成与认证之间是完全无交互的，以此降低不必要的传输费用；另一方面，舒普门限签名者资格具有单一性，做到不同经营主体之间的权力均分，防止滥用职权上传非法经营信息，以此完成其数据中台内生性数据的安全交互[15]。

以下提供安全交互流程的详细过程：

第1 步：首先从中台中所选定的可信中心，随机选取一个多项式f(x)，如式（2）所示：

其中，i为初始密钥参数；a为公共模块数量；xi为安全参量。

第2 步：可信中心必须统计服务主体的数量d，并将数据发送到中台所相应的服务主机J上，过程如式（3）所示：

同时，可信中心也必须提供公钥对(n,e)，并统计业务记录上链操作的业务总体数量L[16]。

第3 步：将所有服务主体J计算服务记录的数据散列，并通过签名分片，如式（4）所示：

其中，s表示聚合前的签名。

第4 步：生成聚合签名，生成过程如式（5）所示：

再按照拉格朗日插值方程计算签名的普适方程：

通过推广欧几里得算法可得参数a和b满足如下关系：

其中，e为欧几里得算法系数，从而可得到最后的聚合签名，如式（8）所示：

第5 步：根据链上协议检验聚合的门限标签是否真实，并根据式（8）做出判定：若等式不存在，则上链错误；一旦等式建立，即说明签约生效，也可以直接把交换记录加密后上链存储，等到需求调用时，再在链上拉取相应信息并加以解密，这样就在一定程度上保证了与内生性数据信息的交换安全性。

3 实验研究

为了验证提出的基于最邻近算法的数据中台内生性数据安全交互系统的实际应用效果，设定对比实验，搭建交互平台如图4 所示。

图4 交互平台

根据图4 可知，设计的交互平台连接多个业务主体，通过分布式授权连接RAM，利用中央控制单元和业务链实现数据平台交互，完成信息分析[17]。

同时使用传统的基于中台架构的内生性数据安全交互系统和基于哈希算法的交互系统对业务链与业务中台交互，与提出的交互系统进行实验对比，分析交互的数据结果准确性和交互时间。数据交互精度计算过程如式（9）所示：

其中，Z表示数据交互精度；σ表示交互的正确数据；τ表示交互的错误数据。

得到的数据精度检测结果如图5 所示。

图5 数据交互精度检测结果

根据图5 可知，随着数据量的增加，交互精度也在不断增加，当数据量低于20 GB 时，三种交互系统的交互精度都在99%以上，而当数据量超过100 GB，传统交互系统显现出极大的局限性，交互能力较弱，交互精度较低，提出的交互系统精度仍然能够保持在99%以上，由此证明，提出的交互系统具有极强的交互能力。

为了保证实验检测结果的准确率，进行了10 次实验，分析10 次实验的三种交互系统对数据的交互时间，得到的实验结果如表1 所示。

表1 交互时间实验结果

根据表1 可知，在10 次实验中，随着交互数据量不断增加，花费的交互时间都存在不同，但是提出的交互系统花费的交互时间始终低于传统的交互系统。与传统系统交互时间相比较，提出的交互系统的交互时长得以显著缩短。这是因为该系统引入了最邻近算法，通过数据参数检验和签名分类实现数据交互，多种交互步骤可以同时完成，在相同的交互时间内，交互的数据量更多，交互效果更好，而传统的交互系统采用顺位交互的方式，通过排序和权重分析实现数据交互，交互耗时过长，交互能力相对较弱。

4 结束语

数据中台内生性数据的安全交互是该领域的重点研究问题之一，基于最邻近算法，设计了数据中台内生性数据安全交互系统，硬件部分采用控制器与寄存器结合的双中台架构，并通过最邻近算法对中台内生性数据进行处理，最后通过建立交互协议，完成数据中台内生性数据的安全交互。实验结果表明，设计的安全交互系统在鲁棒性、计算速度、精确度方面都具有较好的数据，适用于实际投入使用。但在对于系统建立的费用方面仍有不足之处，系统搭建花费过高，后续研究将围绕此方面进行。