本发明涉及一种针对雾计算物联网物理层安全的混合资源配置方法,属于物联网信息安全领域。
背景技术:
随着无线通信与网络信息交互需求的迅速提升,信息产业正以前所未有的方式推动社会发展,物联网作为其中的关键技术受到了广泛的关注。相比于传统网络,物联网中各种网络互相共存,与网络连接的事物不再局限于设备或物体,也可以是信息、人的行为等。物联网通过射频识别技术、智能感知技术和多种嵌入式设备,根据相应的互联网协议,可以为智能设备在现代通信场景中提供更多的信息交换机会,共享实时信息和协调决策,将网络从传统向智能转变。然而,随着物联网设备数目的急剧增长,传统的数据任务上载到云端处理的模式会产生时延长、数据传输费用较高等问题。
为解决上述问题,chiang等于2014年首次提出雾计算这一概念,通过将雾计算有机地应用到物联网系统,能够为网络整体提供更多的存储资源、计算资源并提高整个网络的频谱效率。然而由于无线传输的广播性质,分布式雾节点在基于雾计算的物联网通信系统中可能会受到恶意窃听者的攻击。针对这一情况,现有研究从高层角度针对雾计算物联网的信息安全方面作了一定的研究,如diwu等在《ieeeinternetofthingsjournal》(2020,vol.7,no.7,pp.6603-6609)上发表的“acooperativecomputingstrategyforblockchain-securedfogcomputing”提出了一种基于区块链结构的高层雾计算安全策略;junbinliang等在《ieeeinternetofthingsjournal》(2020,vol.7,no.6,pp.5481-5490)上发表的“areliabletrustcomputingmechanismbasedonmultisourcefeedbackandfogcomputinginsocialsensorcloud”对物联网雾计算系统提出一种多资源反馈信赖机制,以此提升雾计算系统的安全性。但上述提出的高层雾计算安全策略实施过程相对复杂,且针对不同的网络结构需要重新设计特定的协议与机制。相比于高层安全,物理层安全也是保护雾计算系统信息传输隐私的一个重要方面,然而,现有关于雾计算物联网的物理层安全方面的研究极少且未能针对混合安全资源配置问题作出讨论。
技术实现要素:
本发明设计了一种针对雾计算物联网物理层安全的混合资源配置方法,目的是为了改善现有雾计算物联网的物理层安全性能并提升系统上行保密容量,该方法通过利用所设计的量子星系搜索(quantumgalaxy-basedsearch,qgs)这一机制,在满足物联网用户时延需求的前提下,对物联网中的混合资源进行配置,可以极大地提升整个物联网系统的上行保密容量,减少网络数据泄露,防止物联网用户被恶意窃听器窃听有用信息。
本发明的目的是这样实现的:步骤如下:
步骤一:建立安全雾计算物联网系统模型;
步骤二:初始化量子星系群及参数;
步骤三:根据设计的量子星系群演进规则,对所有量子星系进行演进;
步骤四:对更新后量子星系的量子态进行测量,得到所有更新后量子星系的测量态,计算测量态的适应度,根据适应度值的大小更新所有量子星系的测量态和量子星系群的全局最优测量态
步骤五:判断是否达到终止条件:如果当前演进的代数小于设定的最大迭代次数,则令i=i+1,返回步骤三;否则终止演化,输出量子星系群的全局最优测量态,得到相应的混合资源配置方案。
本发明还包括这样一些结构特征:
1.步骤一具体包括:给出一个存在k个雾节点,d个物联网用户,l个被动式窃听器的雾计算物联网系统;用
在物联网用户传输数据到雾节点过程中,考虑到频谱资源块复用的情况,用εd,w∈{0,1}表示第d个物联网用户是否复用第w个频谱资源块,计算第d个物联网用户到第k个雾节点在第w个频谱资源块下的信噪比为:
其中:
其中:b为一个频谱资源块的带宽;通过吞吐量可以计算出第d个物联网用户的任务传输时延为
每个雾节点采用并行方式处理接收到的数据任务且每个雾节点可以将其计算资源分成多个计算资源块,用gk和
对于每个物联网用户的接收时间,采用
其中:βw表示窃听第w个频谱资源块的窃听器数目,
其中:
针对频谱资源块配置、计算资源块配置及雾节点配置,提出以雾计算物联网最大平均上行保密容量为目标的混合资源配置问题为:
约束条件为:
2.步骤二具体为:量子星系群中有m个量子星系,每个量子星系的维数为h,第i代第m个量子星系的量子态为:
其中:m=1,2,...,m,
3.步骤三具体为:量子星系群中的每一个量子星系根据演进规则进行演进,对于第i代中的第m个量子星系,生成分布在[0,1]间的均匀随机数
其中:
其中:δ3和δ4为控制因子,
其中:δ5为控制因子,
与现有技术相比,本发明的有益效果是:(1)解决了现有物理层安全雾计算频谱资源块配置、计算资源块配置及雾节点配置问题,设计了新颖的基于量子星系搜索策略的混合资源配置方法,在处理物联网用户数据任务并满足用户时延需求的前提下,可以极大的提升雾计算物联网的保密容量,所设计的方法性能稳定,可以短时间内给出物联网系统的最优资源配置方案。(2)针对现有的雾计算物联网资源配置方法在保证用户数据任务处理的同时未能考虑物理层安全的情况,本发明提出的基于量子星系搜索策略的混合资源配置方法可以解决雾计算物联网物理层方面的安全问题,提升系统保密容量,减少数据泄露,防止物联网用户被恶意窃听器窃听有用信息,提升信息传输的安全性。(3)相比于传统的星系搜索方法,本发明将量子编码理论与星系搜索机制进行有机地结合,针对复杂雾计算物联网多约束问题设计了多演进方式进行求解,突破了现有方法的应用局限,具备较强的寻优能力,为其他多约束工程问题提供新思路,具有一定的推广意义。
附图说明
图1为基于量子星系搜索机制的雾计算物联网物理层安全混合资源配置方法示意图。
图2为基于量子星系搜索机制和星系搜索机制的雾计算物联网混合资源配置方法网络平均上行保密容量随迭代次数变化的对比曲线。
图3为采用量子星系搜索机制和星系搜索机制的雾计算物联网混合资源配置方法网络平均上行保密容量随物联网用户数目变化的曲线。
图4为采用量子星系搜索机制和星系搜索机制的雾计算物联网混合资源配置方法网络平均上行保密容量随频谱资源块数目变化的曲线。
具体实施方式
下面结合附图对本发明做进一步描述,如图1所示,本发明设计的针对雾计算物联网物理层安全的混合资源配置方法包括以下步骤:
步骤一,建立安全雾计算物联网系统模型
考虑一个存在k个雾节点,d个物联网用户,l个被动式窃听器的雾计算物联网系统。用
在物联网用户传输数据到雾节点过程中,考虑到频谱资源块复用的情况,用εd,w∈{0,1}表示第d个物联网用户是否复用第w个频谱资源块,计算第d个物联网用户到第k个雾节点在第w个频谱资源块下的信噪比为
其中b为一个频谱资源块的带宽。通过吞吐量可以计算出第d个物联网用户的任务传输时延为
每个雾节点采用并行方式处理接收到的数据任务且每个雾节点可以将其计算资源分成多个计算资源块,用gk和
对于每个物联网用户的接收时间,由于无法预测从雾节点返回数据量的确切大小,可以采用
在物联网用户传输数据任务到雾节点的过程中,有多个被动式窃听器窃听数据。βw表示窃听第w个频谱资源块的窃听器数目,
针对频谱资源块配置、计算资源块配置及雾节点配置,提出以雾计算物联网最大平均上行保密容量为目标的混合资源配置问题为
步骤二,初始化量子星系群及参数
量子星系群中有m个量子星系,每个量子星系的维数为h,第i代第m个量子星系的量子态可以表示为:
步骤三,根据设计的量子星系群演进规则,对所有量子星系进行演进
量子星系群中的每一个量子星系根据演进规则进行演进,对于第i代中的第m个量子星系,生成分布在[0,1]间的均匀随机数
如果
步骤四,对更新后量子星系的量子态进行测量,得到所有更新后量子星系的测量态,计算测量态的适应度,根据适应度值的大小更新所有量子星系的测量态和量子星系群的全局最优测量态。
步骤五,判断是否达到终止条件。如果当前演进的代数小于设定的最大迭代次数,则令i=i+1,返回步骤三;否则终止演化,输出量子星系群的全局最优测量态,由此可得到相应的混合资源配置方案。
接下来通过仿真实验进一步说明本发明的有益效果:
针对雾计算物联网安全通信结构,d=30,k=12,w=15,l=30,每个频谱资源块带宽b=1.8mhz,所有物联网用户和雾节点随机分布在半径为100m,圆心为(0,0)m的区域内。频谱资源块的噪声功率谱密度为n0=-174dbm/hz,每个雾节点处理1bit数据任务需要的cpu周期为104cycles/bit,gk=8,每个雾节点的最大计算容量满足[5,9]×1011cycles/sec的均匀分布,网络中窃听器分布在半径为50m,圆心为(30,50)m的区域内。每个物联网用户数据任务的大小满足[2,8]kbit的均匀分布,每个物联网用户最大允许时延门限满足[0.1,0.6]s间的均匀分布,
所有实验结果均为100次实验的均值。为了便于比较所提出的量子星系搜索机制和星系搜索机制的性能,将星系搜索机制应用到针对雾计算物联网物理层安全的混合资源配置中,图2-图4给出了两种机制所得到系统平均上行保密容量的实验结果,星系搜索机制的种群规模和最大迭代次数均与量子星系机制的相同,因星系搜索为连续算法,对星系搜索机制进行了取整处理,星系搜索其他的参数设置参考文献“principalcomponentsanalysisbythegalaxy-basedsearchalgorithm:anovelmetaheuristicforcontinuousoptimisation”。(internationaljournalofcomputationalscienceandengineering,2011,6(1/2):132-140)
图2为基于量子星系搜索机制和星系搜索机制的雾计算物联网物理层安全混合资源配置方法网络平均上行保密容量随迭代次数变化的对比曲线。从实验结果可以明显看出基于量子星系搜索机制所获得的混合资源配置方案可以获得更大的保密容量,其寻优能力明显优于星系搜索机制方法,采用基于量子星系搜索机制的混合资源配置方法可以为雾计算物联网系统获得更大的保密容量,减少物联网用户向雾节点传输数据任务时的信息泄露可能,提升了雾计算物联网整体的安全通信性能。
图3为采用量子星系搜索机制和星系搜索机制的雾计算物联网混合资源配置方法网络平均上行保密容量随物联网用户数目变化的曲线。从仿真结果不难看出,针对不同的物联网用户数目,相比于星系搜索机制,基于量子星系搜索机制的混合资源配置方法更能获得较好的性能。
图4为采用量子星系搜索机制和星系搜索机制的雾计算物联网混合资源配置方法网络平均上行保密容量随频谱资源块数目变化的曲线。仿真结果说明随着频谱资源块数目的增加,雾计算物联网的保密容量也是随之增加的,其原因是因为随着网络中可用频谱资源块数目的增加,网络中针对频谱资源块的配置有了更多的选择,物联网用户可以选择对自己有利的频谱资源来提升数据传输安全,减少被窃听器窃听的可能。此外,图4还可以看出针对不同的频谱资源块数目,基于量子星系搜索机制的混合资源配置方法所获得的系统保密容量均大于星系搜索机制的方法,证明了所设计方法的有效性。