虚拟机的账号行为进行记录和控制，使管理人员可以集中查看虚拟机的远 程访问连接状态，对行为可疑的账号可以立即中断其与虚拟机的远程访问连接。对于启用 安全访问网关的虚拟化基础架构环境，可以禁用虚拟机的其它远程控制机制，如Windows 远程桌面、Telnet、SSH等，既能有效解决上述问题，又能够简化网络安全管理配置，提高虚 拟化基础架构平台的整体安全性。
[0046] -、模型的选取：对于接收到的输入/输出信号、视频信号和桌面显示信号的混 合信号分离问题，模型表示为：X(t) =AS(t) (1)，其中，X(t) = tS 3维矢量信号，表示接收到的信号，即实际可观测到的3维数据向量；A为mXn矩阵， 表示混合矩阵；3(〇 = (51(〇,52(〇,53(〇广为3维矢量信号；1为11\11矩阵，表示分 离矩阵，则要求的原始信号，表示为以下形式:WX(t) =S(t) =Y(t) (2)，其中Y(t)= (Y1 (t)，Y2 (t)，Y3 (t)) tS 3维矢量信号，也就是我们要求出的原始信号。
[0047] 二、分离准则和目标函数的选择：根据信息最大熵理论有Lh (W) = H(Y) = -E[lnpY(Y)] (HI)，其中，ργ(Υ)是Y的概率分布函数，由于这涉及到很多步骤，具体如 下；
[0048] 1.设已知{X(t) |t = 1，2,3}为 3 个观察矢量，{Y(t) = WX(t) |t = 1，2,3}，令
[0049] 2.根据式〇11)可知^ =肛^猶/^(『）所以现在是要求出『=扯§肌《4(，） ' ，： W 即可。
[0050] 3.设N维随机矢量Y = G1, y2, y3)与随机矢量X = (X1, x2, x3)之间具有 变换关系Y = G(X)，即y1= g JX)，i = 1，2, 3,其概率分布函数为ργ〇〇和px(X)， 则有 Px⑴=IdetJ(G) I |χ·ργ(Υ) |Y= GC0，这里 J(G)是 G⑴的 Jacobian 矩阵，艮P
[0063] 四、分离出原始信号，这样子可以在远程桌面上做如下处理：
[0064] 对于输入/输出信号对安全性要求比较高，需要进行加密处理；
[0065] 对于视频信号对带宽要求比较大，需要分配高频率的信道进行传输；
[0066] 对于桌面显示信号对效率要求比较高，需要进行压缩处理，便于快速传输。
[0067] 以上仅是本发明众多具体应用范围中的代表性实施例，对本发明的保护范围不构 成任何限制。凡采用变换或是等效替换而形成的技术方案，均落在本发明权利保护范围之 内。
【主权项】
1. 一种针对远程虚拟桌面中混合信号的分离方法，其特征在于，包括以下步骤： 盲信号处理，采用模型化的方法，进行混合信号x(t)与源信号s(t)的关系推理，得到 源信号s(t)的近似表示Y(t) =WX(t); 信息最大熵处理，对结果WX(t)采用量化方法，进行分离的信号之间的独立性度量，得 到分离矩阵W的目标函i量子行为粒子群算法处理，对结果'a ，采用群体进化方法进行优化处 W： 理，得到W的结果，进而最终实现信号的分离。2. 根据权利要求1所述的针对远程虚拟桌面的混合信号的分离方法，其特征在于，该 方法具体包括以下步骤： S2. 1:将盲分离问题用线性混叠模型表示出来：X(t) =AS(t)，除去噪声的影响，其中X(t) = (Xjt)，…，Xjt)，表示接收到的信号，S(t) = (Sjt)，…，Sn(t))T表示原始输出信 号，AmXn表不混合矩阵，T为整数； S2. 2 :根据S1得到盲分离模型：WX(t) =S(t) =Y(t)，其中WnXn表示分离矩阵，Y(t) =化⑴，…，Yn(t))T为原始信号； S2. 3 :根据S2可知，要得出原始信号关键是求出W，已知{X⑴11 = 1，…，T}为T个观 察矢量，{Y(t) =WX(t)|t= 1，…，T}其中PY(Y)为Y的 概率密度函数，因为;^，所以根据信息最大熵理论确定W的目标函数就是t 52. 4 :使用量子行为粒子群算法实现目标函数的优化。3. 根据权利要求2所述的一种针对远程虚拟桌面中混合信号的分离方法，其特征在 于，目标函数的确定包括以下步骤： 53. 1 :设N维随机矢量Y= (}^，…，yN)与随机矢量X= (Xi，…，xN)之间具有变换关系Y=G(X)，则有px(X) = |detj(G) | | x.pY (Y) | Y= G00，这里J(G)是G(X)的Jacobian矩阵， detJ(G) |是G(X)的绝对值，pY(Y)和px(X)为概率密度函数； N- S3. 2 :设有一个中间N维随机矢量Z= (Zl，…，zN)T=WX，5 二w= (Wij)圆，W M 是分离矩阵，Xl是第i个接受到的信号，、分离矩阵W的第i行第j列的元素，y^gjzli=1，…，N，T是矩阵转置算子，则S3. 3 :Py(Y)的分则⑷为J(G) = (;XVxAf = (A(.v>'")版v (5)，从而S3. 4 :将（6)带入（HI)得(H3),这里iA(.v,_(/))所以求（H3)的极大值转换为求下面 (H4)的极小值4.根据权利要求2所述的使用量子行为粒子群算法优化目标函数，其特征在于： 51 :初始化粒子群，即随机产生粒子群Pop⑷=丨％⑷=(<⑷|产1,...，丹，其中P 为粒子群规模，q为迭代次数，Wp (q)为q的适应度，R为实数集； 52 :评价粒子，即计算适应度函数f(Wp(q)); 53 :更新粒子，即按下式计算匕(g) = (<(g))AVp其中Vp(q)为q的速度，? 54 :更新位置，即计算'其中Gp(q)为q的位置； 55 :计算<((/) = %⑷v^/) + (l-p,⑷)⑷，以 数，<(0表示q代第p个粒子的速度； 56 :计灣羡示q代粒子群的平均进化速度； 57 :计算randm(0, 1)表示0到1之间的随机数，其中aG(〇, 1)表示迭代步幅，4(0表示q代第p 个粒子的速度，<(幻表示q代第P个粒子的适应度，进而得到下一代粒子群Pop(q+1); 58 :q=q+1，若q〈Q，其中Q表示最大迭代次数，转到S2，否则计算输出W，结束。
【专利摘要】本发明公开了一种针对远程虚拟桌面中混合信号的分离方法，属于虚拟安全技术领域，其目的在于解决远程虚拟桌面中的混杂数据分离的问题，其分离效果与学习率无关，且能达到稳定收敛。该方法能够适应基于安全访问网关的虚拟机统一远程控制管理机制，实现远程桌面快速显示的目的。该方法包括盲信号处理，采用模型化的方法，进行混合信号X(t)与源信号S(t)的关系推理，得到源信号S(t)的近似表示Y(t)＝WX(t)；信息最大熵处理，对结果WX(t)采用量化方法，进行分离的信号之间的独立性度量，得到分离矩阵W的目标函数量子行为粒子群算法处理，对结果采用群体进化方法进行优化处理，得到W的结果，进而最终实现信号的分离。
【IPC分类】G06F19/00
【公开号】CN105095666
【申请号】CN201510504441
【发明人】张小松, 牛伟纳, 张洪伟, 陈瑞东, 王东, 罗荣森, 漆艳梅, 樊添
【申请人】电子科技大学
【公开日】2015年11月25日
【申请日】2015年8月17日