嵌入式异构物联网密文数据动态捕获方法

李 波，聂增丽，畅君元

(1. 重庆工程学院，重庆 400056；2. 重庆邮电大学，重庆 400065)

1 引言

随着互联网技术的飞速发展与普及应用，数据外包服务凭借低廉的价格、按需购买等诸多优势，被越来越多的用户所关注与依赖，这除了使人们的生活形式得到了大幅度的改善，也引发了诸如数据机密性、完整性以及可用性等一系列的安全问题。其中，个人或者团队在管理隐私或者敏感数据方面会大量应用到物联网[1]，所以需要将数据安全性作为至关重要的考虑指标。对数据实施加密是确保数据机密性的一种有效手段，但当密文[2]数据产生过多时，就无法继续进行数据源的集成，使数据丢失原本属性。

因此，为了实现异构物联网密文数据的集成增量与速率提升，本文提出一种嵌入式异构物联网密文数据动态捕获方法。对数据时间信息实施尺度变换，获取初始数据频率信息，基于不同的初始数据获得不同的小波系数，采用小波变化对其进行重构，随后令物联网簇数据分类满足平方误差和为最小值，利用映射函数转换最小二乘支持向量机，并选取松弛变量代替其中的对应指标，实现带约束极小值优化问题的变换，通过拉格朗日乘函数的创建，提出对偶优化问题，从而推导出其约束条件，采用核函数对最小二乘支持向量机的非线性回归表达式进行架构，完成异构数据的融合与冗余滤除，依据对称加密算法与公钥加密算法，对物联网数据进行加密，通过达成明文数据的混合加密得到密文数据，根据密文数据信号表达式，采用部分相干积累法强化数据信号能量，经过归一化处理对高斯白噪声的分布情况进行转换，从而实现密文数据的动态捕获。

2 嵌入式异构物联网密文数据生成

为了更好地实现物联网密文数据的动态捕获，应深入探析嵌入式异构物联网密文数据的形成过程。

2.1 数据预处理

采用小波变换[3]对嵌入式异构物联网的初始数据进行平移变换处理，尺度变换数据时间信息，获取初始数据频率信息。假设物联网初始数据s(t)中存在噪声e(t)，两者关系式如下所示

s(t)=f(t)+δe(t)

(1)

式中，高质量数据表示为f(t)。

因为噪声会干扰物联网的数据传输，使可用数据被掩盖，无法进行数据处理，从而造成能耗与带宽的浪费，所以，要先完成初始数据的过滤处理。假定小波变换函数ψ(t)为平方可积函数，且符合下列不等式

(2)

采用下列积分方程式来表示小波变换

(3)

对于异构物联网数据的小波变换去噪，通过变换初始数据获得不同的小波系数，依据阈值对噪声系数进行去除，通过小波变换重构留存的小波系数，实现物联网数据的降噪处理。

由于物联网的簇[4]中传感器距离较近，有很大可能性会出现对同一目标状态数据进行采集的情况，引发严重的簇中数据时间与空间冗余，所以，通过K-means算法来冗余滤除与融合簇中所含数据。

由物联网簇中n个数据构成的D={x1，x2，…，xn}样本集合，如果令数据分类满足平方误差和为最小值，则得到类别集合C={C1，C2，…，Ck}，其中，k为类别个数，因此，利用下列公式对平方误差和进行界定

(4)

式中，第i个类别数据的平均矢量为μi，其界定公式如下所示

(5)

物联网数据融合通过最小二乘支持向量机[5]算法得以实现，若{(xi，yi)，i=1，2，…，n}数据集合中的xi为输入，yi指代输出，那么，采用映射函数φ(x)变换最小二乘支持向量机，下式即为得到的数学表达式

f(x)=wTφ(x)+b

(6)

式中，最小二乘支持向量机的权重矢量与偏置量分别为w、b。

(7)

优化问题的约束条件如下所示

yi-wTφ(x)+b=ei

(8)

式中，最小二乘支持向量机输出偏差为ei，正则化因子为γ。

利用拉格朗日[7]乘子αi对拉格朗日乘函数进行创建，以简化极小值优化问题，使最小二乘支持向量机的学习效率得到提升，得出下列所示的对偶优化问题

(9)

推导出对偶优化问题的约束条件，如下所示

(10)

由于嵌入式异构物联网的数据预处理存在非线性变化属性，所以，采用核函数[8]对最小二乘支持向量机的非线性回归表达式进行架构，分别如下所示

K(xi，xj)=φ(xi)Tφ(xj)

(11)

(12)

式中K(xi，xj)的界定公式如下所示

(13)

其中，核宽度表示为σ。

各簇头均会融合自身簇中的数据，因传感器接收到较多异构数据，使异构数据之间产生冗余，所以，在求取各簇头数据的融合权重后，利用权重对物联网数据进行预处理。

2.2 数据加密

采用混合加密算法对预处理后的物联网数据进行加密，生成嵌入式异构物联网密文数据。混合加密算法中对称算法加密与解密的密钥相同，各元素单元均由一个五元组集合所组成，通过下列表达式描述各元素单元

CS={M，C，K，e，d}

(14)

式中，明文数据集合为M，且M={m}；密文数据集合为C，且C={c}；密钥[9]集合为K，且K={k}；指定的加密映射分别为e、d，e描述的是密钥对明文数据实施加密生成密文数据的阶段，d表示的则为密钥对密文数据实施解密生成明文数据的阶段。其中，密钥k为加密与解密过程中的关键因素。

混合加密算法中公钥加密法的元素单元组成与五元组对应功能均相同于对称加密法，唯一不同的便是密钥集合e。对称加密法的密钥具有独一性，可以加密与解密，获知对象只有用户自己，而公钥加密法的加密公钥ek则能够被所有用户获知，解密私钥dk与加密公钥ek之间仅有对应关系。

为了保证密文数据的安全性，分别利用对称加密法与公钥加密法，对明文数据实施混合加密，因为反向进行加密操作就是解密过程，所以，密文数据的解密还需要使用算法生成的对应私钥才能得以实现。将两种算法处理的密文进行整合，得到最后的密文数据。

3 密文数据动态捕获方法设计

3.1 快速傅里叶变换载波频率估算方法

采用下列表达式对异构物联网密文数据的接收信号进行描述

R(iTs)=AD(iTs-τ)C(iTs-τ)

*cos[2π(f0+fd)iTs+φ0]+n(i)

(15)

式中，输入信号多普勒频移表示为fd，载波中心频率为f0，信号幅度表示成A，测控数据与伪码调制分别是D(*)与C(*)，码相位延迟表示为τ，初始载波相位为φ0，基于中频带宽的高斯噪声是n。

I(k)=0.5AD(k)R(ρ(k))Sa[πTΔfd(k)]

(16)

Q(k)=0.5AD(k)R(ρ(k))Sa[πTΔfd(k)]

(17)

Δfd(k)=fd(k)-d(k)

(18)

(19)

(20)

T=nTs

(21)

密文数据经过转换，应满足下列表达式

A′=0.5AR(ρ(k))*Sa[πTΔfd(k)]

(22)

根据上列表达式，转换I、Q两路密文数据信号为下列表达式

(23)

(24)

3.2 单点驻留时长与快速傅里叶点数选择

通过局部相干积累法，相关接收码与本地伪码，最后实施累计，以使捕获方法的处理增益有所提升。虽然相干积累能够强化密文数据信号能量，但是也会同时引发多普勒失谐，也就是会导致累计的相关值随着载波频率偏移量的变大而减小，而且频谱分析累计值同样会在一定程度上降低峰值。

针对相干积累，依据积分累计时间的信号关系，积累信号能量，由于高斯噪声在此期间并不存在相关性，所以，噪声取值是0，无法进行能量积累。因数据跳变将对能量积累产生影响，因此，采用非相干积累来进行通信数据传输。非相干积累过程里，应平方处理相干积分的I与Q两路密文数据信号，从而完成线性计算。其中的平方运算不仅增加了信号能量，也积累了噪声能量，所以，平方损耗即为噪声能量变大所产生的信噪比损耗。

假设相干积累值为I(k)和Q(k)，令A′与φ(k)分别满足下列等式

A′=0.5AR(ρ(k))Sa[πTΔfd(k)]

(25)

φ(k)=Δfd(k)kT+φ0

(26)

就能够推导得出下列相干积累值I(k)和Q(k)对应的表达式：

(27)

(28)

归一化处理所得密文数据信号，得出下列式(24)的改写表达式

(29)

关于非相干积累，经过变换的密文数据值表达式如下所示

(30)

式中，非相干积累次数表示为k。

通过上述流程的完成，即可对密文数据进行动态捕获。

4 仿真研究

4.1 仿真环境

仿真环境采用英特尔奔腾4.3GHz主频处理器，运行内存为3GB，操作系统是centos2.6.18内核Linux，控制芯片为英特尔82543型号，网卡的型号是Pro1000，网卡驱动程序是E1000型号。

物联网仿真拓扑如图1所示。

图1 物联网拓扑示意图

图1(a)中的两网卡用交叉线进行直连，一个是接收端，一个是发送端；图1(b)是一种带有镜像性能的千兆交换机，镜像端口选取为捕获密文数据包所用的端口，对剩余端口密文数据进行监听，完成密文数据的捕获实验。

4.2 密文数据接收流量性能分析

为了验证本文方法的精准性与有效性，分别采用基于块级的数据捕获方法、倒排索引方法以及本文方法，对动态捕获指标参数进行获取，整理得到下列接收流量统计表。

表1 密文数据接收流量统计表(单位Mbps)

当密文数据规格为64 kB时，块级方法的密文数据接收流量为298Mbps，倒排索引方法的密文数据接收流量为278Mbps，本文方法的密文数据接收流量为402Mbps。当密文数据规格为1024kB时，块级方法的密文数据接收流量为718Mbps，倒排索引方法的密文数据接收流量为701Mbps，本文方法的密文数据接收流量为827Mbps。综合表中数据得出结论，本文方法的流量接收性能随着密文数据的不断增大而大幅度提升，且所接收的密文数据流量远高于块级方法。

4.3 密文数据接收速率性能分析

表2为三种动态捕获方法的接收速率指标数据统计表。

表2 密文数据接收速率统计表(单位pps)

当密文数据规格为64 kB时，块级方法的密文数据接收速率为652095 pps，倒排索引方法的密文数据接收速率为632115 pps，本文方法的密文数据接收速率为674083 pps。

通过表中数据可以看出，两方法均与数据规格成反比关系，但相对比块级方法的接收速率，本文方法的速率更快，具有显著的优越性。

4.4 密文数据捕获用时

为了验证不同方法对密文数据的捕获效率，统计采用块级方法、倒排索引方法以及本文方法的数据捕获用时，得到结果如所示。

图2 不同方法下密文数据捕获用时

分析图2可知，对于数据量的数据来说，不同方法的捕获用时不同。当数据量为100 bit时，块级方法的密文数据捕获用时为5s，倒排索引方法的密文数据捕获用时为5s，本文方法的密文数据捕获用时为0.3s。当数据量为900 bit时，块级方法的密文数据捕获用时为29s，倒排索引方法的密文数据捕获用时为32s，本文方法的密文数据捕获用时为3.5s，本文方法密文数据捕获用时明显低于其它两种方法。综合整体结果可知，本文方法的数据捕获用时一直较低，具有较大优势。

5 结论

本文提出一种嵌入式异构物联网密文数据动态捕获方法。通过实验可以得出以下结论：

1)当密文数据规格为1024 kB时，本文方法的密文数据接收流量为827Mbps，说明本文方法的密文数据接收流量大。

2)当密文数据规格为64 kB时，本文方法的密文数据接收速率为674083 pps，说明本文方法的密文数据接收速率快。

3)当数据量为900 bit时，本文方法的密文数据捕获用时仅为3.5s，密文数据捕获效率较高。