大数据环境下嵌入式可信软件异常识别研究_江志华.pdf

收稿日期:2022-04-07 第 40 卷 第 4 期计 算 机 仿 真2023 年 4 月 文章编号:1006-9348(2023)04-0241-04大数据环境下嵌入式可信软件异常识别研究江志华1,赵飞宇2(1.乐山师范学院电子信息与人工智能学院,四川 乐山 614000;2.西华大学信息与网络管理中心,四川 成都 610039)摘要:嵌入式多任务操作内核是其应用的核心,但由于嵌入式操作具有开放性,导致网络化软件中出现风险漏洞,引发可信软件异常问题,对操作内核造成损坏。大数据环境下软件数据的大规模和高复杂度加大了软件异常识别的难度,为此,提出嵌入式操作内核可信软件异常识别方法。结合不同类型的受限玻尔兹曼机,构建深度信念网络用于数据降维。采用梯度下降法改进遗传算法,将其应用在支持向量机的优化中。通过优化的支持向量机建立软件异常识别模型,将降维后数据输入模型,完成嵌入式操作内核可信软件异常识别。实验结果表明,所提方法下软件异常识别的准确率、召回率、查全率和 F1 值均在 95%以上,且有效降低了内存开销和性能开销。关键词:嵌入式操作内核;可信软件;异常识别;深度信念网络;支持向量机中图分类号:TP311.5 文献标识码:BResearch on Anomaly Identification of Embedded TrustedSoftware in Big Data EnvironmentJIANG Zhi-hua1,ZHAO Fei-yu2(1.School of Electronic Information and Artificial Intelligence,Leshan Normal University,Leshan Sichuan 614000,China;2.Information and Network Management Center,Xihua University,Chengdu Sichuan 610039,China)ABSTRACT:The embedded multitask kernel is the core of its application.Due to the openness of embedded opera-tion,risk vulnerabilities in networked software may lead to software exceptions.Therefore,a method of identifying theexception of trusted software with embedded operating kernel was proposed.Combined with different types of restrictedBoltzmann machines,a deep belief network was constructed for data dimensionality reduction.And then,the geneticalgorithm was improved by gradient descent method and applied to support vector machine optimization.Moreover,the optimized support vector machine was used to build a model for identifying software anomalies.Finally,the dataafter dimensionality reduction was input into the model,thus completing the recognition.Experimental results provethat the accuracy,recall,recall and F1 value of the proposed method are more than 95%,and the memory and per-formance overhead are reduced significantly.KEYWORDS:Embedded operating kernel;Trusted software;Anomaly recognition;Deep belief network;Supportvector machine1 引言现阶段,数字化控制系统被广泛应用于工业及制造业等领域之中1,智能化仪器仪表也逐渐替代传统仪器仪表,大幅度提升了现代工业智能化水平。数字化控制系统和智能化仪器仪表等均以嵌入式系统为核心2,其安全性建立在可信嵌入式软件基础上3,嵌入式软件的潜在风险通常高于个人计算机软件,更易导致系统故障等问题的发生,对嵌入式软件异常识别和监督是保障嵌入式系统安全运行的基础,因此构建科学合理的嵌入式操作内核可信软件异常识别方法尤为重要。罗森林4等人将高斯算法和聚类算法相结合用于软件集合簇的划分,以划分后若干簇内类别比为依据筛选可靠样本,采用后验概率识别边界并在此基础上平衡加权数据,通142过平衡优化数据构建嵌入式操作内核可信软件异常识别模型,实现软件异常识别。杨宏宇5等人融合长短期记忆网络和变分自动编码器生成混合网络,并在该网络基础上建立嵌入式操作内核可信软件异常识别模型,长短期记忆网络用于提取软件数据时序特征,变分自动编码器用于建模数据分布,通过混合网络模型处理关键特征参数并获取相关异常度量值,引入耦合度方法优化传统的线性加权,量化软件异常状态,实现软件异常识别。仇开6等人采用信息熵法赋权嵌入式操作内核可信软件各维度数据,引入改进的加权局部离群因子检测方法初次识别软件数据异常,结合软件运行时上下文信息,二次识别软件异常数据,实现软件异常识别。虽然以上方法在现阶段取得了较好的应用效果,但是忽略了对软件数据规模较大和复杂度较高导致的“维数灾难”问题的考虑,导致软件异常识别结果出现一定程度偏差。为了解决上述方法中存在的问题,提出嵌入式操作内核可信软件异常识别方法。2 软件数据降维大数据技术的发展使数据收集难度降低,但大数据环境下嵌入式操作内核可信软件的数据规模和复杂度大幅度提升,导致大规模高维数据的产生,“维数灾难”问题造成异常识别困难、识别效果下降等问题,因此在嵌入式操作内核可信软件异常识别前需要将数据降维处理。采用深度信念网络降维数据7,深度信念网络由高斯伯努利型和伯努利伯努利型受限玻尔兹曼机堆叠而成8。受限玻尔兹曼机由可见层和隐藏层神经元共同构成,总体上为二分图形式。用 n 表示嵌入式操作内核可信软件数据样本总数,m 表示数据维度,则数据集可表示为 Xnm,将 Xnm输入网络模型,最终输出低维数据集 Ynd,其中,d 表示降维后数据维度,dm。在全部受限玻尔兹曼机中,每个受限玻尔兹曼机均与一个能力值相对应。用 u 表示可见层向量,g 表示隐藏层向量,将两层中神经元二进制表示,若结果服从伯努利分布,即 u0,1,g0,1,则该受限玻尔兹曼机为伯努利伯努利型。用 ui和 gi分别表示 u 和 g 的第 i 个和第 j 个神经元,W表示可见层与隐含层单元连接权重矩阵,ij表示第 i 行第 j列权重值,b1和 b2表示可见层和隐含层偏置向量,b1i和 b2j表示其中第 i 个和第 j 个偏置矩阵,则其能量函数 E(u,g)如下所示E(u,g)=-i,jijuigj-iuib1i-jgjb2j=-uTWg-(b1)Tu-(b2)Tg(1)当可见层单元为实数且服从高斯分布时,该受限玻尔兹曼机为高斯伯努利型,对于可见层和隐藏层的每个向量 u和 g,对应能量函数 E(u,g)如下所示E(u,g)=12(u-b1)T(u-b1)-(b2)Tg-uTg(2)结合能量函数 E(u,g),可得到可见层与隐藏层联合概率密度 P(u,g)如下所示P(u,g)=exp-E(u,g)u,gexp-E(u,g)(3)如果想要使受限玻尔兹曼机达到稳定状态,需要获取其势能最小值,通过对受限玻尔兹曼机各项参数的训练和优化,促使 E(u,g)取值达到最低点。由可见层概率密度 P(u)=gP(u,g),可知 E(u,g)最小值与-P(u)最小值一致。因此引入随机梯度下降法将 P(u)的负对数似然值 JNLL(W,b2,u)极小化处理9,即 minJNLL(W,b2,u)=-lbP(u)。用data和mod el分别表示相应参数在数据和模型中估计的期望值,则对于 ij存在ijJNLL(W,b2,u)=-uihjdata-uihjmod el(4)因为获取mod el的准确值难度较大,所以借助对比散度算法对mod el加以估计,通过 t 步吉布斯采样获取uihjmod el的近似值uihjt,用uihjk表示经历 k 此迭代时均值10,则有ijJNLL(W,b2,u)=-uihj0-uihjt(5)将待处理数据输入模型的输入层,通过第一个受限玻尔兹曼机处理后映射输入数据至第一个隐含层,将隐含层输出数据作为第二个受限玻尔兹曼机的输入数据,经训练后可生成第二个隐含层,第二个隐含层输出值即为深度信念网络最终输出,即降维后数据。3 嵌入式操作内核可信软件异常识别采用改进遗传算法优化的支持向量机构建异常识别模型11,12。支持向量机是依据结构风险最小化原则将实际风险最小化的分类方法13,目前被广泛应用于分类和回归问题之中。用(xi,yi),xiRN,yi-1,+1表示 m 个降维后嵌入式操作内核可信软件数据样本,i=1,2,m,(x)=(1(x),1(x),M(x)表示特征映射,表示权值向量,b表示偏置,y(x)=sgn(x)+b)表示构造的最优分离超平面,C 表示正则化参数14,i表示松弛变量,则可将二分类的 1 范数软边界支持向量机描述为优化问题 J(,)minJ(,)=12T+Cmi=1is.t.yiT(xi)+b 1-ii 0,i=1,2,.m(6)引入拉格朗日定理转换式(6)问题为对偶问题 Q(),用=(1,2,n)T表示拉格朗日乘子15,i,j=1,2,m,i,j,yi,yj表示对应最优分离超平面,转换后问题可描述为如下所示maxQ()=mi=1i-12mi=1mj=1ijyiyj(xi),(xj)s.t.mi=1iyi=00 i C(7)242 依据泛函分析原理,若存在核函数 K(xi,yi)满足 Mercer原理,则该核函数与某一变化空间的内积相对应,即 K(xi,yi)=(xi),(xj),因此可转换式(6)为二次规划问题,如下所示maxQ()=mi=1i-12mi,j=1ijyiyjK(xi,yi)(8)结合 KKT 条件可知 i满足下式iyi(xi)+b-1+i=0(9)得到的结果中非零 i对应样本即为支持向量,依据式(7)可解 i取值,从而得到软件异常识别模型 f(x)为f(x)=signmi,j=1iyiK(xi,yi)+b(10)其中K(xi,yi)=exp-xi-yi222|(11)式中,表示径向基函数扩展常数。在支持向量机中,C 和 为两个可控参数,不同取值对分类器泛化能力具有不同影响。确定 C 和 取值是可信软件异常识别的基础,引入改进的遗传算法搜索软件异常识别模型最优解。传统遗传算法在种群演化过程中交叉概率和变异概率始终为同一取值,导致支持向量机训练时间过长的问题,为此,所提方法采用梯度下降方法改进遗传算法,减少获取全局最优解所需时长。交叉操作交叉是选取母代染色体中部分基因互相交换生成新染色体的操作。交换第一个母代染色体和第二个母代染色体的2/D维,D 为染色体维度总数。用 t 和 tmax表示当前迭代次数和最大迭代次数,Pcmax和Pcmin表示最大和最小交叉概率,M 表示群体中染色体总数,则执行交叉操作染色体个数 Nc和交叉概率 Pc如下所示:Nc=M 1-ttmax()Pc=Pcmin+(Pcmax-Pcmin)1-ttmax()2|(12)变异操作变异是改变母代染色体某段基因生成新染色体的操作。用 hkbest表示全局最优染色体的第 k 维基因,表示选择阈值,Pmmax和 Pmmin表示最大和最小变异概率,则变异概率 Pm和第k 维基因选择概率 Pk如下所示:Pm=Pmmin+(Pmmax-Pmmin)ttmax()2Pk=+(1+)hkbest|2,if 0 hkbest -1-hkbest1-|2,if hkbest 1|(13)用 r 表示0,1内随机数,若 Pkr,则对新染色体第 k维基因 childk执行式(13)变异操作,反之采用 hkbest对 childk赋值。childk=+(1+)hkbest|2,if 0 hkbest -1-hkbest1-|2,if hkbest 1|(14)结合式(14),若 hkbest,则映射 childk至,1范围内,反之映射至(0,范围内,便于特征选择属性的确定。梯度下降法将梯度下降法用于遗传算法中能够提升遗传算法的收敛速度,缩短全局最优解获取所需时长。梯度下降法的两个关键为搜索方向和搜索步长,用 xi表示初始输入值,xk1,xk2,xkn表示迭代次数为 k 时输入值,F(xki)表示 xki的适应度值,sec 表示探索次数最大值,k表示当前步长,则迭代次数为 k 时搜索方向 htk和下次迭代搜索步长 k+1如下所示:htk=-F(xk1)xk1,F(xk2)xk2,F(xkn)xkn|(15)k+1=minmax xisec,arg minF(xki+khtk)|(16)依据式(15)和(16)即可获取到最优搜索方向和最优搜索步长。优化后支持向量机有效优化了软件异常识别结果的精度。4 实验与结果实验选取来自嵌入式操作内核可信软件一段时间内500000 条相关日志信息数据,数据涉及 10 台嵌入式系统主机,包含 user、syslog、maill、localal、kern、daemon、cron、authprivi等多层次运行日志,其中反映软件正常运行数据和异常运行数据 分 别 有 9166 条 和 4990834 条。实 验 以 准 确 率(Accuracy)、召回率(Recall)、查全率(Precision)和 F1 值为指标检测所提方法对嵌入式操作内核可信软件的异常识别能力,指标数值越接近 100%,则对应方法的异常检测效果越好。用 N 表示样本总数量,T 表示全部样本中被正确识别的样本总数,TP 表示异常样本中被正确识别的样本总数,FN表示异常样本中被错误识别的样本总数,FP 表示非异常样本中被错误识别的样本总数,则各指标计算方式如下Accuracy=TN 100%Recall=TPTP+FN 100%Precision=TPTP+FP 100%F1=2 Recall PrecisionRecall+Precision|(17)其中,准确率能够较为直观表现算法的识别准确性;召回率和查全率能够表现算法的拟合状态,若召回率较低,则说明有大量异常样本被识别为非异常样本;若查全率较低,则有大量非异常样本被识别为异常样本;F1 值能够综合表现算342法的拟合能力,F1 值越接近 100%,则算法拟合效果越好,反之效果越差。对所提方法、稳健边界强化 GMM-SMOTE 软件缺陷识别方法和基于混合生成网络的软件系统异常状态识别方法的准确率、召回率、查全率和 F1 值加以计算,结果如图 1 所示。图 1 准确率、召回率、查全率和 F1 值测试结果由图 1 所示,在采用嵌入式操作内核可信软件相关日志信息数据识别软件异常时,所提方法的准确率、召回率、查全率和 F1 值均在 95%以上,说明所提方法对异常状况及非异常状态的识别更为准确。以 3 组基准程序为测试对象,对比三种方法应用后与原始代码的内存开销和性能开销之比,实验均在2G 内存,Win7的 i3PC 系统上执行,计算三种方法的性能开销和内存开销,结果如表 1 所示。表 1 内存开销和性能开销检测结果方法指标提出方法基准程序1 组2 组3 组内存开销/倍1.461.221.58性能开销/倍1.121.081.05源代码大小/倍1.882.671.72稳健边界强化基准程序1 组2 组3 组GMM-SMOTE 软件内存开销/倍1.651.421.69缺陷识别方法性能开销/倍1.491.581.35源代码大小/倍2.863.842.62基于混合生成基准程序1 组2 组3 组网络的软件系统内存开销/倍1.751.561.63异常状态识别方法性能开销/倍1.531.551.48源代码大小/倍3.024.162.92 表中数据各个指标均为与基准程序相比的倍数。由表中源代码大小和内存开销数值可知,所提方法在基准程序上源代码大小和内存开销均小于文献方法,说明采用所提方法对系统造成的负担较小;由性能开销数值可知,所提方法的性能开销接近于 1,说明所提方法与原程序执行时间几乎一致,不会造成异常识别延迟较大的问题,更有利于瞬时错误的发现与改进。5 结束语为了解决软件异常识别方法存在的准确率、召回率、查全率和 F1 值较低问题,提出嵌入式操作内核可信软件异常识别方法,采用深度信念网络降维数据,利用梯度下降法改进的遗传算法优化支持向量机并构建软件异常识别模型,将降维后数据输入模型,完成嵌入式操作内核可信软件异常识别,为嵌入式系统更安全稳定的应用于各个领域中奠定基础。参考文献:1 尤兵.核电数字化控制系统与第三方系统接口研究J.电子技术应用,2021,47(8):76-80.2 冒睿瑞,江波.面向嵌入式设备的高实时微小目标跟踪检测方法J.计算机工程,2021,47(12):291-298.3 高猛,滕俊元,王政.航天嵌入式软件整数溢出的形式化验证方法J.软件学报,2021,32(10):2977-2992.4 罗森林,苏霞,潘丽敏.稳健边界强化 GMM-SMOTE 软件缺陷检测方法J.北京理工大学学报,2021,41(3):303-310.5 杨宏宇,李译,张良.基于混合生成网络的软件系统异常状态评估J.湖南大学学报(自然科学版),2022,49(4):78-88.6 仇开,姜瑛.加权 LOF 结合上下文判断的云环境中服务运行数据异常检测方法J.计算机工程与科学,2020,42(6):951-958.7 罗映雪,贾博,裘旭益,等.基于 Gamma 深度信念网络的飞行员脑疲劳状态识别J.电子学报,2020,48(6):1062-1070.8 沈学利,赫辰皓,孟祥福.受限玻尔兹曼机与加权 Slope One 的混合推荐算法研究J.计算机应用研究,2020,37(3):684-687.9 阚涛,高哲,杨闯.采用分数阶动量的卷积神经网络随机梯度下降法J.模式识别与人工智能,2020,33(6):559-567.10 陈一梅,刘伟峰,孔明鑫,等.基于 GLMB 滤波和 Gibbs 采样的多扩展目标有限混合建模与跟踪算法J.自动化学报,2020,46(7):1445-1456.11 李敬花,曹旺,赵定刚,蒋岩,周青骅.基于改进遗传算法的托盘拣选延误时间优化J.计算机集成制造系统,2020,26(2):340-355.12 杨泰春,陶建峰,覃程锦,等.采用支持向量机的非对称阀控液压缸模型预测控制J.西安交通大学学报,2020,54(1):93-100,107.13 赵明清,席甜甜.基于结构风险最小化原则的线性 EIV 模型参数岭估计方法J.数理统计与管理,2020,39(5):874-883.14 林东方,朱建军,付海强,等.均方误差意义下的正则化参数二次优化方法J.测绘学报,2020,49(4):443-451.(下转第 262 页)442了本文提出改进算法的可行性。5 结论本文提出了一种基于平滑 S 形速度曲线的永磁球形电机轨迹规划方法,在控制转矩、角速度、角加加速度和角位移误差四个方面进行改进前后轨迹规划的仿真分析,可以得到以下结论:1)利用二阶正弦函数改进后轨迹规划算法获得了较为平滑的控制转矩和加减速度曲线。实现了速度的平滑输出。2)解决了原 S 形速度曲线存在的加加速度阶跃现象的问题,减小了对系统造成的冲击。3)通过误差分析得到误差控制在 0.01rad 以下,证明了此算法的可行性。通过对特定轨迹的仿真分析,验证了本文所提出轨迹规划方案的有效性与优越性,为球形电机的高精度控制奠定了基础。参考文献:1 李争,伦青青,王群京,张璐.永磁转子偏转式三自由度电机建模与结构分析J.哈尔滨工业大学学报,2016,48(3):33-38.2 Yan L,Liang FQ,Jiao ZX,Wang,TY.Magnetic field analysis ofnovel spherical actuators with three-dimensional pole arraysJ.Review of Scientific Instruments,2016.3 Liu,Jingmeng,et al.Adaptive backstepping sliding mode controlfor 3-DOF permanent magnet spherical actuatorJ.Aerospaceence and Technology,2017,67(8):62-71.4 吴凤英,翟献超,李睿,张登权.关于永磁球形电动机轨迹规划研究J.计算机仿真,2017,34(3):238-242.5 李睿,吴凤英,张登权,翟献超.三自由度永磁球形电机轨迹规划仿真J.计算机仿真,2018,35(4):342-347.6 Xiwen Guo,Shen Li,Qunjing Wang.Continuous Trajectory Plan-ning of Permanent Magnet Spherical Motor by Cubic Spline Interpo-lation J.Electrotehnica,Electronica,Automatica,2017,65(3):70-75.7 Cheon H,Kim BK.Online Bidirectional Trajectory Planning forMobile Robots in State-Time SpaceJ.IEEE Transactions OnIndustrial Electronics,2019,66(6):4555-4565.8 Wang L,et al.A New Trajectory-Planning Beetle Swarm Optimi-zation Algorithm for Trajectory Planning of Robot ManipulatorsJ.IEEE ACCESS,2019:154331-154345.9何改云,陶浩,王太勇,董甲甲,张永宾.连续时间周期化的NURBS 曲线插补及其速度规划J.天津大学学报,2018,51(8):844-853.10 Chen Qizhi,et al.Trajectory planning method of robot sorting sys-tem based on S-shaped acceleration/deceleration algorithmJ.International Journal of Advanced Robotic Systems,2018.11 Zhe Liu,et al.The study of S-shaped acceleration and decelera-tion curve and the trajectory planning strategy analysisJ.KeyEngineering Materials,2016,693(5):1195-1199.12 Fang Yi,et al.An approach for jerk-continuous trajectory genera-tion of robotic manipulators with kinematical constraints J.Mechanism&Machine Theory,2020,153(6):103957.13Fang S X,et al.Study on High-Speed and Smooth Transfer ofRobot Motion Trajectory Based on Modified S-Shaped Accelera-tion/Deceleration AlgorithmJ.IEEE ACCESS,2020:199747-199758.14 Qian Z,et al.Torque Modeling and Control Algorithm of a Perma-nent Magnetic Spherical MotorJ.Proceedings of the 12th Inter-national Conference on Electrical Machines and Systems,2009.15许光彬,余道洋.高速平滑 S 曲线加减速速度控制算法研究J.控制工程,2017,10(10):87-92.作者简介骆成路(1997-),男(汉族),安徽省马鞍山市人,硕士研究生,主要研究领域为球形电机的轨迹规划。王群京(1960-),男(汉族),安徽省宿州市人,教授,硕博研究生导师,主要研究领域为电机的驱动控制技术、电力电子与电力传动、机器人控制理论。武思傲(1998-),男(汉族),安徽省宿州市人,硕士研究生,主要研究领域为球形电机的轨迹规划与控制。李国丽(1961-),女(汉族),江苏省泰州市人,教授,硕博研究生导师,主要研究领域为电机优化设计,机器人。(上接第 244 页)15 李雪,张琳玮,姜涛,等.基于拉格朗日乘子的电力系统安全域边界通用搜索方法J.中国电机工程学报,2021,41(15):5139-5153.作者简介江志华(1981-),男(汉族),湖北黄梅县人,硕士,副教授,研究方向:软件工程、企业信息化。赵飞宇(1986-),男(汉族),四川乐山人,硕士,助理研究员,研究方向:数据挖掘。262