基于PCA和改进BP神经网络的信息安全评估模型构建

赵男男

(1.湛江科技学院 会计学院，广东 湛江 524094；2.广东海洋大学 计算机科学与工程学院，广东 阳江 529500)

随着空间维度循环感知网络建设的不断推进和发展，需要建立面向空间维度循环感知网络及BP神经网络信息化管理的大数据分析平台[1]，在云环境下进行空间维度循环感知网络及BP神经网络信息化管理，提高空间维度循环感知网络数据的集成分析和信息化管理能力.在实现空间维度循环感知网络的发展和移动通信传输的安全性方面具有战略性意义[2-3].

文献[4]采用相空间重构方法构建空间维度循环感知网络信息安全评估的模糊参数匹配集，提取空间维度循环感知网络信息的关联特征量，实现数据优化挖掘，但该模型的计算开销较大，数据融合的实时性不好.文献[5]在SDN环境中基于交叉熵的分阶段DDoS攻击检测与识别，根据攻击检测结果，实现SDN环境中信息安全评估，但该模型进行空间维度循环感知网络管理数据融合的集成度不高.文献[6]采用模糊量化特征编码技术，进行数据分类和融合，根据融合结果采用改进粗糙集属性约简结合K-means聚类的网络入侵检测方法，构建网络信息安全评估，但该模型进行空间维度循环感知网络数据融合和安全评估的可靠性不高.

针对上述问题，本文提出基于PCA和改进BP神经网络加密的空间维度循环感知网络信息安全评估方法，并进行仿真测试分析，验证了该方法在提高空间维度循环感知网络信息安全评估和信息化管理能力方面的优越性能.

1 数据的分布结构模型与密钥构造

1.1 空间维度循环感知网络信息分布结构

为了实现空间维度循环感知网络信息融合优化，需要构建空间维度循环感知网络信息的分布式存储结构模型.该模型采用多个非线性成分联合统计方法构建空间维度循环感知网络云信息平台，如图1所示.

图1 空间维度循环感知网络信息存储结构模型

(1)

其中，h为空间维度循环感知网络信息分布序列，ωn为空间维度循环感知网络信息分布特征量.基于此确定空间维度循环感知网络输入层第l层(l=1,…,L)中的信息分布函数为

(2)

(3)

(4)

1.2 感知网络信息主成分特征分布密钥构造

采用主成分特征分析法对分布循环密钥构造进行分析和算术编码处理，当面对不同信息库结构时，空间维度循环感知网络能够快速进行存储[8].由椭圆密钥传输协议得到空间维度循环感知网络信息分布函数，表达式为

两组治疗后的β2微球蛋白、骨髓瘤细胞以及免疫球蛋白水平均明显降低，同组治疗前后比较差异有统计学意义（P＜0.05）；且观察组明显低于对照组，差异有统计学意义（P＜0.05），见表2。

(5)

式中，x(t)为待加密码元序列，x(u-1)为误差翻转函数，p为空间维度循环感知网络信息存储阶数，α为联合特征分布集.

通过获取空间维度循环感知网络信息采样关联规则分布集，确定空间维度循环感知网络信息模糊加权值为

(6)

式中，ε(n)为误差，W(n+1)为差异度核函数，μ为联合统计特征量，y*(n)为空间维度，特征映射xn→xn+1为空间维度循环感知网络信息时间序列的信息融合模型，空间维度循环感知网络信息的联合特征分布离散序列{x(t0+iΔt)}，i=0,1,…,N-1，其特征重构模型为

X=[s1,s1s2,s1s2s3,…，sK+1]n-1=(xn,xnxn+τ,…,xn+(m+1)τ)，

(7)

式中，K=N+(m+1)τ为空间维度循环感知网络信息特征向量，τ为信息采样时间延迟，sk+1为线性规划函数.

设f(sk+1)为模糊贴近度函数，则空间维度循环感知网络信息的椭圆密钥安全评估调度函数

(8)

假设最大独立集为P(ni)={pk|prkj=1,k=1,2,…,m}，采用相空间重构方法，结合网络循环加密特征量，确定感知网络信息主成分特征分布密钥构造，表达式为

(9)

(10)

式中，Pfi为空间维度循环感知网络信息融合度，Pdi为先验概率密度，由此确定空间维度循环感知网络信息加密的随机编码协议，进行空间维度循环感知网络信息融合处理[9].

2 空间维度循环感知网络信息安全评估

2.1 网络信息自相关函数

(11)

其中，

(12)

(13)

(14)

式中，τ是信息输出延迟，x(t)和x(t-τ)表示t和t-τ时刻空间维度循环感知网络信息的演化特征量.结合语义本体映射方法和大数据的信息融合处理，提高对空间维度循环感知网络信息的自适应调度能力[13].

2.2 空间维度循环感知网络信息的安全评估输出

基于空间维度循环感知网络信息的主成分特征分布结构，结合安全评估协议的特征分布[14]，设置空间维度循环感知网络信息样本集为{xi,yi}，i=1,2,…,k，其中k为网络信息时间序列的采样个数，对其采集样本数进行归一化处理，把网络信息测试序列输入到线性组合序列中，得到连通图结构模型.

(15)

式中，ω为自相关分布矩，b为信息融合调度的偏差向量.选择空间维度循环感知网络历史信息作为信息融合调度模型的初始特征量，对网络信息融合的误差项进行自适应修正，得到空间维度循环感知网络信息的模糊度函数为

(16)

式中，(xi+xj)2为欧式聚类中心分布距离，σ为均方根误差，根据模糊度函数确定密钥安全评估协议，得到一个线性组合模型为

(17)

其中，N为BP神经网络的网络信息节点数，an-1为网络信息线性规划模型的幅值，bn-1为信息安全评估的BP神经网络输出码元.假设有m个空间维度循环感知网络信息分布检测的BP神经网络节点A1,A1A2,…,An，构造空间维度循环感知网络信息安全线性规划问题数学表达如下

(18)

(19)

式中，(a+1)i为网络信息节点数，(b+1)i为网络信息输出量，空间嵌入维数为m+1.假设当前空间维度循环感知网络信息分布节点数目为n+1，重构空间维度循环感知网络信息时间序列相空间为N1，…，Nn，得到空间维度循环感知网络信息的关联规则为

(20)

式中，hij(n+1)为互相关特征集，sj(n+1)为PCA主成分分量，vi(n+1)为信息熵.结合信息融合理论，根据空间维度循环感知网络信息中的文本、位置、图片、音频、视频等信息的密钥安全评估协议分布，实现对信息安全评估融合[15].

综上所述，本文构建的基于PCA和改进BP神经网络的信息安全评估模型的具体流程如图2所示.

图2 本文模型的具体流程图

3 仿真实验与结果分析

为了测试本文方法在实现区块链空间维度循环感知网络信息安全评估融合和优化管理中的应用性能，进行仿真实验，实验的软件平台采用MATLAB 7，信息采样的时间长度为24 day，网络信息样本序列的长度为1024，训练样本规模为30，仿真迭代次数为100，信息安全评估的可靠性因子为0.63，根据上述仿真环境和参数设定，进行信息加密和安全评估调度仿真，得到原始的区块链空间维度循环感知网络云数据时间序列如图3所示.

图3 区块链空间维度循环感知网络云数据时间序列

以上述采样的区块链空间维度循环感知网络云数据为研究对象，构建数据的密钥安全评估协议，实现数据融合和加密，得到空间维度循环感知网络信息安全评估加密输出结果如图4所示.

图4 空间维度循环感知网络信息融合结果

分析图4得知，本文方法能有效实现对空间维度循环感知网络信息融合，提高了数据的三维辨识能力.测试不同方法进行空间维度循环感知网络信息融合后的辨识度，得到对比结果如图5所示，分析图5得知，本文方法进行空间维度循环感知网络信息融合输出辨识度较高.

图5 数据安全评估输出辨识度水平对比

测试各种方法中空间维度循环感知网络信息调度的时间开销，得到对比结果见表1.分析表1得知，本文方法进行空间维度循环感知网络信息调度的时间开销较小，提高了空间维度循环感知网络信息调度和挖掘的实时性.

表1 时间开销对比测试(ms)

4 结语

在空间维度循环感知网络云信息管理平台中进行数据融合处理，提高空间维度循环感知网络云信息管理的信息化水平和效率，满足空间维度循环感知网络信息安全传输需求.本文构建基于PCA和改进BP神经网络加密的空间维度循环感知网络信息安全评估模型,采用PCA主成分特征分布循环密钥构造分析和算术编码方法，快速面对不同数据库结构模型的空间维度循环感知网络信息分布知识库，采用关联规则特征提取方法进行空间维度循环感知网络信息有效挖掘.根据挖掘结果，重构空间维度循环感知网络信息时间序列相空间，根据区块链空间维度循环感知网络云信息管理平台中的文本信息、位置信息、图片、音频和视频等监控数据的密钥安全评估协议分布，实现空间维度循环感知网络信息安全评估融合.通过研究得知，本文方法进行空间维度循环感知网络信息安全评估融合的辨识度较高，实时性较好.