[發明專利]基于云重心理論的分布式大數據系統風險評估方法

有效

• 申請號: 201510038233.5
• 申請日: 2015-01-27
• 公開（公告）號: CN104850727B
• 公開（公告）日: 2017-09-29
• 發明（設計）人: 林凡;王備戰;吳鵬程;夏侯建兵
• 申請（專利權）人: 廈門大學;常州梯衛士網絡科技有限公司
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 廈門市精誠新創知識產權代理有限公司35218
• 代理人: 李伊飏

技術領域

本發明屬于云計算技術領域，涉及一種針對面向服務的云計算系統的風險評測研究，具體是一種基于云重心理論的分布式大數據系統風險評估方法。

背景技術

近年來，云計算技術發展迅猛，成為產業界、學術界、政府等各界關注的焦點。云計算的實質是一種動態的資源組合與服務技術，并通過大量虛擬化組件形成資源池來對計算任務進行分配，使用戶可對云計算的服務按需獲取。云計算也是并行計算、效用計算、網格計算和虛擬化技術綜合運用的技術，按照服務類型主要劃分為SaaS、PaaS、IaaS三種層次架構，各層次架構針對服務的資源類型與形式有所不同，但均以Web服務的形式為用戶提供資源訪問入口，因而向云計算系統的Web服務層提出了更高的要求。

伴隨著云計算的廣泛運用，以及網絡計算機資源Web化和服務化的普及，云計算服務的安全問題及其重要性也越來越明顯。系統是否安全可靠，關鍵在于衡量系統的異常行為是否可識別、服務行為是否可以預測、行為結果是否可以評估。這些重要的衡量參數都直接體現了云計算系統的風險度高低。所以如何準確評測地云計算系統服務層的風險度，是衡量云計算系統是否安全可靠和進行服務選擇的關鍵因素之一。

目前，云計算系統的WebService服務安全大多采用WSDL安全策略。然而，這些都是靜態的Web安全措施，并未針對云計算虛擬化、大規模、分布式的技術特點進行優化，二者之間存在較大的技術代溝。因而在云計算環境下，WebService將面臨全新的的安全挑戰。基于云計算環境的WebService是動態變化的，其所需要的安全措施會根據應用背景和服務性質的不同而有所區別。即使已有的WebService安全技術已經成熟，能夠解決一部分安全問題，但面向云計算環境的WebService效果卻不能令人滿意。云計算的安全架構和安全策略對WebService系統服務層設計提出了較高的要求。因此，進行面向服務的云計算系統風險評測研究是十分必要的。

發明內容

因此，針對上述的問題，本發明提出一種基于云重心理論的分布式大數據系統風險評估方法，該方法采用單點風險預測值進行匯聚，并用逆向云發生器構建云模型，利用云模型的隨機、模糊特性對不確定的云計算整體系統風險進行等級評估，提供等級化的可信度量指標，對系統的整體風險進行評價和判斷。

為了對不確定的云計算風險安全進行等級評估，具體的，本發明的一種基于云重心理論的分布式大數據系統風險評估方法，包括以下過程：

過程1：對風險等級進行劃分，通過標準云生成器(也可叫標準云正向生成器)產生標準風險云；其中，標準云生成器定義如下：假設在系統中預先設定了一系列風險云，每個風險云也叫做一個標準風險子云，有確定的概念來描述風險子云，和風險等級相對應；若風險值的取值范圍為[0,10]，將這個取值區間分為n個子區間，其中第i個子區間表示為[R_mini,R_maxi]；針對虛擬機風險評價指標X，以指標X的樣本值(x₁,x₂,x₃······x_n-1,x_n)為根據，使用聚類分析方法(例如分層聚類法或K-均值聚類法)把該指標劃分為5類，每一類的中心值分別計為

過程2：為了滿足風險評估需求，對虛擬機節點的相關信息進行采集，并進行數據預處理，獲得Risk(P,T,A,R)風險描述向量(或稱(P,T,A,R)指標屬性)和Risk_AHP-RBF值；其中Risk(P,T,A,R)風險描述向量是指虛擬機性能指標P、虛擬機時間指標T、報警日志指標A和LSA風險識別指標R；

過程3：對描述各屬性的風險度向量進行歸一化處理，使用風險度云逆向生成器(也可稱為風險屬性逆向云發生器)產生數學風險云(也即4個屬性風險云和一個綜合風險云)；其中，風險度云逆向生成器的定義如下：令被評估的云計算系統有共有n個受監測虛擬機，對應Risk(P,T,A,R)四個風險描述向量和一個預測值屬性Risk_AHP-RBF，總共為5組屬性；將每一個虛擬機視為一個云滴，通過逆向云生成算法產生4個屬性風險云和一個綜合風險云；那么，產生數學風險云也即產生4個屬性風險云和一個綜合風險云；

過程4：將各屬性風險云綜合分析得到綜合風險云Risk_cloud；

過程5：計算相似度并進行評價得出風險等級；

過程6：以過程5獲得的風險等級為依據，對當前匯聚云表示的整體風險等級進行評價。