王 永 剛

(大連對(duì)外經(jīng)貿(mào)學(xué)院 基礎(chǔ)課教研部，遼寧 大連 116052)

0 引 言

隨著云數(shù)據(jù)庫(kù)中存儲(chǔ)數(shù)據(jù)的快速增大，對(duì)云存儲(chǔ)數(shù)據(jù)訪問的難度越來越大，需要構(gòu)建優(yōu)化的云存儲(chǔ)數(shù)據(jù)訪問安全控制模型，分析約束云存儲(chǔ)數(shù)據(jù)訪問安全控制的相關(guān)特征參數(shù)，結(jié)合大數(shù)據(jù)解析和區(qū)塊鏈融合的方法，實(shí)現(xiàn)對(duì)云存儲(chǔ)數(shù)據(jù)訪問安全控制，提高云存儲(chǔ)數(shù)據(jù)訪問安全性能[1]。研究云存儲(chǔ)數(shù)據(jù)訪問安全控制方法，對(duì)促進(jìn)云數(shù)據(jù)庫(kù)的融合和優(yōu)化組合控制方面具有重要意義，相關(guān)的云存儲(chǔ)數(shù)據(jù)訪問安全控制方法研究受到人們的極大關(guān)注[2]。

相關(guān)的云存儲(chǔ)數(shù)據(jù)訪問技術(shù)方法主要有基于關(guān)聯(lián)規(guī)則特征挖掘的云存儲(chǔ)數(shù)據(jù)訪問控制方法、基于模糊C均值聚類的云存儲(chǔ)數(shù)據(jù)訪問安全控制方法以及基于動(dòng)態(tài)組件特征分析的云存儲(chǔ)數(shù)據(jù)訪問安全控制等。建立云存儲(chǔ)數(shù)據(jù)訪問安全控制的C均值聚類分析模型，通過特征聚類結(jié)果，實(shí)現(xiàn)云存儲(chǔ)數(shù)據(jù)訪問安全控制。但傳統(tǒng)方法進(jìn)行云存儲(chǔ)數(shù)據(jù)訪問安全控制的自適應(yīng)性不好，數(shù)據(jù)訪問的查詢精度不高[3-5]。

針對(duì)傳統(tǒng)方法存在的問題，本文提出基于區(qū)塊鏈的云存儲(chǔ)數(shù)據(jù)訪問安全控制算法。并進(jìn)行仿真測(cè)試分析。實(shí)驗(yàn)結(jié)果表明，本文方法在提高云存儲(chǔ)數(shù)據(jù)訪問安全控制能力方面的具有一定的優(yōu)越性。

1 云存儲(chǔ)數(shù)據(jù)區(qū)塊鏈存儲(chǔ)結(jié)構(gòu)及數(shù)據(jù)特征分析

1.1 云存儲(chǔ)數(shù)據(jù)區(qū)塊鏈存儲(chǔ)結(jié)構(gòu)

為實(shí)現(xiàn)基于區(qū)塊鏈的云存儲(chǔ)數(shù)據(jù)訪問安全控制，構(gòu)建云存儲(chǔ)數(shù)據(jù)訪問安全控制的信道傳輸和均衡模型。采用自適應(yīng)的信道傳輸控制方法，構(gòu)建云存儲(chǔ)數(shù)據(jù)區(qū)塊鏈存儲(chǔ)分布融合模型，以實(shí)體構(gòu)架體系分析方法，建立主動(dòng)混合參數(shù)識(shí)別模型，通過判斷數(shù)據(jù)集中包含項(xiàng)集，進(jìn)行云存儲(chǔ)數(shù)據(jù)區(qū)塊鏈存儲(chǔ)的事務(wù)項(xiàng)特征分析，得到云存儲(chǔ)數(shù)據(jù)區(qū)塊鏈存儲(chǔ)結(jié)構(gòu)和訪問控制的總體結(jié)構(gòu)模型(圖1)。

圖1 總體結(jié)構(gòu)模型

根據(jù)圖1所示的云存儲(chǔ)數(shù)據(jù)區(qū)塊鏈存儲(chǔ)結(jié)構(gòu)和訪問控制的總體結(jié)構(gòu)模型，用模糊約束參數(shù)分析方法，得到云存儲(chǔ)數(shù)據(jù)區(qū)塊鏈存儲(chǔ)的聯(lián)合自相關(guān)約束的特征分布函數(shù)：

(1)

在候選集的p個(gè)項(xiàng)目中，通過結(jié)構(gòu)化數(shù)據(jù)參數(shù)分析，用分布式融合聚類，在DataFrame結(jié)構(gòu)框架下，建立云存儲(chǔ)數(shù)據(jù)區(qū)塊鏈存儲(chǔ)的聯(lián)合參數(shù)分布集[6]，得到云存儲(chǔ)數(shù)據(jù)區(qū)塊鏈存儲(chǔ)優(yōu)化配置函數(shù)，描述為

(2)

(2)式中，F(xiàn)(x)為SparkSql語(yǔ)句數(shù)據(jù)庫(kù)查詢的交集，q為頻繁集挖掘次數(shù)，h為云存儲(chǔ)數(shù)據(jù)區(qū)塊鏈存儲(chǔ)的聯(lián)合特征參數(shù)。基于SparkSql的分布式融合方法，建立云存儲(chǔ)數(shù)據(jù)區(qū)塊鏈存儲(chǔ)的決策樹結(jié)構(gòu)模型，如圖2所示。

圖2 云存儲(chǔ)數(shù)據(jù)區(qū)塊鏈存儲(chǔ)決策樹結(jié)構(gòu)模型

由圖2可知，用戶登錄云存儲(chǔ)數(shù)據(jù)庫(kù)后，進(jìn)入總的控制面板，在總控制面板選擇下一步操作版面。如進(jìn)行權(quán)限管理，設(shè)置個(gè)用戶的訪問權(quán)限，此模塊只有管理者賬號(hào)登錄，普通的用戶訪問只可訪問專有數(shù)據(jù)模塊[7]。

1.2 云存儲(chǔ)數(shù)據(jù)區(qū)塊鏈融合

(3)

求得一階導(dǎo)數(shù)，根據(jù)云存儲(chǔ)數(shù)據(jù)區(qū)塊鏈的期望效用函數(shù)分布，得到輸出的頻繁項(xiàng)挖掘結(jié)果為

(4)

根據(jù)頻繁k集分布，得到云存儲(chǔ)數(shù)據(jù)區(qū)塊鏈存儲(chǔ)的空間規(guī)劃模型。在多種數(shù)據(jù)使用場(chǎng)景下，得到云存儲(chǔ)數(shù)據(jù)區(qū)塊鏈存儲(chǔ)的知識(shí)拓?fù)浞植继卣髁繚M足EUR(q,w,e)。采用廣度優(yōu)先搜索的方法[9]，得到關(guān)系數(shù)據(jù)庫(kù)為

(5)

基于關(guān)系型數(shù)據(jù)庫(kù)分析方法，構(gòu)建云存儲(chǔ)數(shù)據(jù)區(qū)塊鏈存儲(chǔ)的檢測(cè)統(tǒng)計(jì)特征量[10]，得到關(guān)聯(lián)誤差e。在融合關(guān)系模型中，得到云存儲(chǔ)數(shù)據(jù)區(qū)塊鏈融合的輸出可靠性集合為

(6)

至此，得到了第j個(gè)訪問節(jié)點(diǎn)得到云存儲(chǔ)數(shù)據(jù)區(qū)塊鏈融合結(jié)果，通過聯(lián)合特征分析，實(shí)現(xiàn)對(duì)云存儲(chǔ)數(shù)據(jù)區(qū)塊鏈存儲(chǔ)和優(yōu)化挖掘。

2 云存儲(chǔ)數(shù)據(jù)區(qū)塊鏈存儲(chǔ)優(yōu)化

2.1 云存儲(chǔ)數(shù)據(jù)區(qū)塊鏈訪問信道均衡設(shè)計(jì)

采用波譜連續(xù)參數(shù)空間參數(shù)識(shí)別方法，進(jìn)行云存儲(chǔ)數(shù)據(jù)訪問安全的字典集特征信息重組，采用信道均衡調(diào)度，得到云存儲(chǔ)數(shù)據(jù)訪問安全控制特征量變?yōu)閚-1，云存儲(chǔ)數(shù)據(jù)訪問安全的路徑尋優(yōu)的期望效益度函數(shù)為

(7)

(8)

基于查詢結(jié)構(gòu)特征重組，得到云存儲(chǔ)數(shù)據(jù)區(qū)塊鏈存儲(chǔ)尋優(yōu)函數(shù)為f(si)=(f(x1),f(x2),…,f(xn))，云存儲(chǔ)數(shù)據(jù)區(qū)塊鏈存儲(chǔ)的空間規(guī)劃函數(shù)為λ1，則得到滿足云存儲(chǔ)數(shù)據(jù)區(qū)塊鏈訪問信道均衡控制模型，其表達(dá)為

(9)

(10)

(11)

根據(jù)上述分析，實(shí)現(xiàn)對(duì)云存儲(chǔ)數(shù)據(jù)區(qū)塊鏈訪問信道均衡設(shè)計(jì)。

2.2 云存儲(chǔ)數(shù)據(jù)區(qū)塊鏈存儲(chǔ)的訪問控制

采用典型的區(qū)塊鏈語(yǔ)義特征分析方法，進(jìn)行云存儲(chǔ)數(shù)據(jù)訪問的多表連接和聚集分析，根據(jù)關(guān)系數(shù)據(jù)庫(kù)查詢的方法，在滿足(1-α)g′(e)-(1-φ)py′(e)<0時(shí)，得到云存儲(chǔ)數(shù)據(jù)訪問安全控制的分布集{Wsc,esc}滿足條件

(12)

把公式(9)和公式(12)的表達(dá)式代入云存儲(chǔ)數(shù)據(jù)訪問安全訪問的信道空間結(jié)構(gòu)模型中，對(duì)上述方程組進(jìn)行聯(lián)合迭代控制，得到

(13)

根據(jù)上述分析，建立多模型數(shù)據(jù)庫(kù)優(yōu)化查詢和調(diào)度模型，得到排序、聚集、IN子查詢的聯(lián)合控制尋優(yōu)函數(shù)：

(14)

根據(jù)上述分析，采用聯(lián)合尋優(yōu)方法，構(gòu)建多模型數(shù)據(jù)庫(kù)訪問控制自適應(yīng)迭代函數(shù)為

(15)

(16)

上式中，SLi(x,y,wi)為云存儲(chǔ)數(shù)據(jù)訪問安全控制的優(yōu)化迭代分布函數(shù)，r為自適應(yīng)學(xué)習(xí)權(quán)重系數(shù)，綜上分析，實(shí)現(xiàn)對(duì)云存儲(chǔ)數(shù)據(jù)訪問安全控制算法的優(yōu)化設(shè)計(jì)，實(shí)現(xiàn)流程如圖3所示。

圖3 云存儲(chǔ)數(shù)據(jù)訪問安全控制的實(shí)現(xiàn)流程

3 仿真測(cè)試

(a)云存儲(chǔ)數(shù)據(jù)輸入 (b)特征采樣輸出

圖4云存儲(chǔ)數(shù)據(jù)訪問的特征采樣結(jié)果

根據(jù)圖4的采樣結(jié)果，將基于關(guān)聯(lián)規(guī)則特征挖掘的云存儲(chǔ)數(shù)據(jù)訪問控制方法、基于模糊C均值聚類的云存儲(chǔ)數(shù)據(jù)訪問安全控制方法作為對(duì)比方法，測(cè)試不同方法進(jìn)行云存儲(chǔ)數(shù)據(jù)訪問控制，得到云存儲(chǔ)數(shù)據(jù)訪問控制輸出誤差(圖5)。

圖5 云存儲(chǔ)數(shù)據(jù)訪問控制誤差

分析圖5得知，當(dāng)信噪比小于0 dB時(shí)，傳統(tǒng)方法和本文方法的數(shù)據(jù)訪問控制誤差下降趨勢(shì)明顯，當(dāng)信噪比大于0 dB時(shí)，下降趨勢(shì)均有所緩解。但是相比較之下，本文方法的控制誤差明顯低于傳統(tǒng)方法，當(dāng)信噪比為-2 dB時(shí)，其控制誤差已經(jīng)達(dá)到了0%，說明該方法進(jìn)行云存儲(chǔ)數(shù)據(jù)訪問控制時(shí)的輸出穩(wěn)定性較好。

測(cè)試不同方法進(jìn)行云存儲(chǔ)數(shù)據(jù)訪問的控制性能，得到對(duì)比結(jié)果(圖6)。

圖6 數(shù)據(jù)庫(kù)訪問控制性能測(cè)試

分析圖6得知，本文方法進(jìn)行云存儲(chǔ)數(shù)據(jù)訪問的安全控制性能較好，能有效避免故障，比傳統(tǒng)方法更具優(yōu)越性。這是由于該方法建立了云存儲(chǔ)數(shù)據(jù)訪問安全控制的模糊控制模型，通過該模型實(shí)現(xiàn)了對(duì)云存儲(chǔ)數(shù)據(jù)訪問的安全控制。

4 結(jié) 論

本文提出基于區(qū)塊鏈的云存儲(chǔ)數(shù)據(jù)訪問安全控制算法。構(gòu)建優(yōu)化的云存儲(chǔ)數(shù)據(jù)訪問安全控制模型，分析約束云存儲(chǔ)數(shù)據(jù)訪問安全控制的相關(guān)特征參數(shù)，結(jié)合大數(shù)據(jù)解析和區(qū)塊鏈融合的方法，實(shí)現(xiàn)對(duì)云存儲(chǔ)數(shù)據(jù)訪問安全控制。在DataFrame結(jié)構(gòu)框架下，建立云存儲(chǔ)數(shù)據(jù)區(qū)塊鏈存儲(chǔ)的聯(lián)合參數(shù)分布集，通過聯(lián)合特征分析，實(shí)現(xiàn)對(duì)云存儲(chǔ)數(shù)據(jù)區(qū)塊鏈存儲(chǔ)和優(yōu)化挖掘，實(shí)現(xiàn)對(duì)云存儲(chǔ)數(shù)據(jù)訪問安全控制算法的優(yōu)化設(shè)計(jì)。研究得知，本文方法進(jìn)行云存儲(chǔ)數(shù)據(jù)訪問安全控制，提高了數(shù)據(jù)訪問的查準(zhǔn)性能。

雖然本文方法實(shí)現(xiàn)了對(duì)云存儲(chǔ)數(shù)據(jù)訪問的安全與穩(wěn)定控制，但是由于數(shù)據(jù)量的逐漸增大，需要處理的數(shù)據(jù)量更多，因此，需要提升控制效率，以此來進(jìn)一步提升方法的控制效果。