船舶是重要的海上交通工具,船舶信息安全是保证船舶安全航行的重要基础。目前船舶通信网络的信息过于复杂,安全处理船舶通信网络中的信息具有重要意义[1]。
区块链技术是最早应用于比特币中的重要技术,伴随区块链技术不断发展[2],区块链技术已广泛应用于更多领域的信息安全保护中。区块链技术是依据所设置的可信规则,构建防伪造篡改的,具有较高实时性以及可溯源性质的链式数据结构。区块链技术中的区块指固定时间内,固定范围内的交易记录。区块链技术可视为去中心化的数据库,通过区块链技术具有的高安全性以及独特管理方式,保证不同领域信息安全。区块链技术具有较高公平性,利用独特的管理方式保证信息传输过程中的双方信任[3]。将区块链技术应用于船舶信息安全预测中,利用区块链技术的高安全性,获取信息传输双方信任,实现船舶通信传输过程中双方的信任,令信息在船舶通信系统中高效流通,以最低成本保证信息传输安全性。
本文研究基于区块链技术的船舶信息安全预测方法,针对船舶信息访问用户的信息隐私以及身份隐私,通过船舶信息安全预测保护船舶信息安全。
1 区块链技术的船舶信息安全预测方法 1.1 基于区块链技术的船舶信息安全预测利用模型链整合区块链技术与信息安全预测算法,实现船舶信息的安全传输。模型链是基于私有区块链技术而来的信息安全预测模型框架,有效结合区块链技术和信息安全预测模型。私有区块链中的节点仅可供特定机构用户使用,仅参与者具有数据写入权限,设置不同用户的读取权限。模型链应用于船舶信息安全预测中,具有较高的应用性。结合区块链技术与船舶信息安全预测算法的模型链结构图如图1所示。可以看出,模型链在区块中利用信息安全预测的在线机器学习算法实现。通过船舶信息传输的元数据传输区块与其他的元信息结合,整合信息安全预测的机器学习模型以及私有区块链技术。设置可以分配决策权的信息证明,为在线机器学习模型赋予更新特权,将决策权赋予至具有最高预期信息量的船舶通信节点。选取机器学习算法中的Boosting算法作为为信息传输节点赋予决策权的信息安全预测算法。随机节点中包含无法精准预测船舶信息安全的数据,该节点包含可以改善预测算法的更多信息[4],分配一个优先级于该船舶信息传输节点中,将该节点设置为下一个预测算法的更新节点。为了保证船舶信息安全预测的精度,选取最优模型作为优先更新模型。重复以上过程,直至无法搜寻提升船舶信息安全预测误差的其他节点实现模型更新为止,所获取的最终无法继续更新的模型即模型链结合区块链技术以及船舶信息安全预测算法的共识模型。
区块链技术可以将激励机制应用于去中心化的船舶通信系统中,船舶通信系统具有决策权过于分散的特点,区块链技术可以令船舶通信系统中各节点针对船舶通信系统的不同区块数据快速实现共识。区块链的共识机制在动态性较高的船舶通信系统实际应用中存在缺陷。为了令区块链技术的共识终端实现自身收益最大化,令船舶信息的动态数据维持安全状态[5],实现船舶信息安全传输的目的,对区块链技术的共识机制提供改进策略如下:船舶通信系统的全部终端均存在待验证信息时,为了令自身收益最大化,任何一方均无法更改自身对区块链中其他区块的验证结果。
1.3 区块链加密服务利用区块链加密服务提供商为船舶信息安全预测的区块链技术提供密码服务,利用密码服务保证区块链项目为安全状态。区块链加密服务提供商为用户提供秘钥生命周期管理;采用哈希算法为船舶信息进行哈希处理,验证哈希算法生成的摘要并对摘要进行签名。选取加密算法加密处理船舶信息内容[6],区块链加密服务提供商为用户提供加密服务时,用户可以自行选取生成船舶信息的数字签名算法以及加密算法和解密算法。
船舶通信系统通过节点进行消息传输时,区块链技术的船舶消息加密与解密过程如图2所示。
利用用户选取的加密算法与加密秘钥结合将船舶消息加密为密文形式,加密后的船舶消息利用船舶通信系统的网络通道传输数据[7]。信息接收节点接收船舶密文后,利用相应解密算法与解密秘钥结合,对船舶密文信息解密后,获取船舶信息明文。
利用哈希算法运算船舶信息内容,获取的船舶信息内容具有最高相关性的摘要即船舶信息摘要,利用船舶信息摘要替代船舶信息。通过哈希函数处理的船舶信息,信息接收方计算船舶信息内容后,所接收的船舶信息内容与信息摘要对比[8],通过对比结果确定船舶信息是否存在篡改情况。
选取SM2签名算法作为区块链加密服务中的数字签名方案,通过SM2签名算法检测船舶信息的内容完整性,以及船舶信息的来源安全性。SM2 签名算法的运算过程如下:
1)形成秘钥
将SM2椭圆曲线参数输入算法中,随机形成私钥d,依据公钥与私钥间的关系,获取公钥生成的表达式如下:
$ {Q_S} = d \times C,$ | (1) |
式中,Qs与
2)签名过程
计算区块链技术签名的杂凑值表达式如下:
$ {Z_A} = {H_{256}}\left( {{L_A}\left\| {a\left\| b \right.} \right.\left\| {{x_C}\left\| {{y_C}\left\| {{x_A}\left\| {{y_A}} \right.} \right.} \right.} \right.} \right)。$ | (2) |
式中:
依据所获取的杂凑值,获取待签名的船舶信息
$ e = \left( {{Z_A}\left\| M \right.} \right){H_{256}},$ | (3) |
随机形成数量为k的哈希摘要,依据生成的哈希摘要获取椭圆曲线点的计算公式如下:
$ {X_1} = \left[ k \right] \times C,$ | (4) |
获取签名参数
$ r = e\bmod n + {x_1}\bmod n ,$ | (5) |
$ s = {d^{ - 1}} \cdot \bmod n\left( {k - rd} \right)。$ | (6) |
式中,
3)签名验证过程
依据所获取的船舶消息
$ t = r' + s'\bmod n $ | (7) |
验证公式(7)的输出结果。该值等于0时,表示签名验证失败,此时需要计算椭圆曲线点
$ {X'_1} = \left[ {s' + t'} \right] + \left[ {C + {Q_S}} \right] $ | (8) |
验证是否存在
选取Boosting算法确定船舶信息传输节点的决策权。Boosting算法运行弱学习算法
Boosting算法确定船舶信息传输节点决策权的具体运行过程如下:
设船舶信息传输节点的权重分布为
$ {\theta _m} = \sum\limits_{i = 1}^N {{w_m}\left( {{x_i},{y_i}} \right)},$ | (9) |
弱分类器fm(x)的权重计算公式为:
$ {w_m} = \ln \frac{{1 - {\theta _m}}}{{2{\theta _m}}} ,$ | (10) |
船舶信息传输节点的权重更新表达式为:
$ {w_{m + 1}}\left( {{x_i},{y_i}} \right) = \frac{{{w_m}\left( {{x_i},{y_i}} \right){e^{ - {y_i}{f_m}\left( {{x_i}} \right)}}}}{{{W_m}}},$ | (11) |
式中,Wm表示权重归一化因子。
综合以上公式,获取确定船舶信息传输节点决策权的强分类器表达式如下:
$ F\left( x \right) = \sum\limits_{m = 1}^M {{w_m}{f_m}} \left( x \right)。$ | (12) |
为了验证基于区块链技术的船舶信息安全预测方法提升船舶信息安全有效性,将本文方法应用于“飞越”号船舶航行过程中,船舶通信系统的全部通信过程。该船舶通信系统包含通信终端数量为1285个。
采用本文方法对“飞越”号船舶2021年9月25日的航行信息进行加密。
本文方法采用Boosting算法作为区块链技术的船舶信息传输节点决策权的预测方法。统计不同节点传输权重时,采用Boosting算法预测的具有决策权的传输节点。统计结果如表1所示。可以看出,本文方法采用Boosting算法作为预测传输节点决策权的机器学习算法,可以实现船舶信息传输节点决策权的精准预测,为船舶信息安全提供有效的基础,保证船舶信息安全传输。
本文方法采用改进的区块链共识机制,提升了区块链技术的运算效率。统计采用本文方法传输船舶信息,不同船舶通信节点数量时的共识次数变化以及共识效率提升比变化,统计结果如图3所示。可以看出,本文方法采用改进的共识机制应用于区块链技术中,区块链技术进行船舶信息传输的共识效率提升明显。船舶通信系统的节点数量为80个时,区块链技术的共识效率提升比高达22%。本文方法的共识效率提升比伴随节点数量的增加而增加,表明船舶通信节点数量越多时,本文方法所采用的区块链技术具有越高的共识效率提升比。本文方法利用较高的共识效率提升比提升船舶通信安全性。
本文方法将区块链技术应用于船舶信息安全预测中,提升船舶信息传输安全性。测试本文方法应用于船舶信息安全传输中的应用性能,结果如表2所示。可以看出,本文方法利用区块链技术实现船舶信息安全预测,提升船舶信息通信安全性。具有节点数据修复性以及节点独立性,船舶信息通信安全性高,可以防止DDoS对船舶信息进行攻击,具有较高的应用性能,可以用于船舶通信的实际应用中。
船舶信息传输的安全性决定了船舶航行安全性,将区块链技术应用于船舶信息安全预测中,避免非法人员访问船舶信息。船舶信息传输过程中,容易由于网络漏洞出现病毒攻击等情况,威胁船舶信息安全传输。利用区块链技术的高安全性能,保护船舶信息安全,避免船舶信息传输过程中造成数据丢失情况,提升船舶网络信息安全。
[1] |
王玉英, 李岩, 李念峰. 基于区块链技术的网络文化信息安全传播机制与路径研究[J]. 情报科学, 2020, 38(10): 35-40. |
[2] |
洪耀球. 船舶油耗预测的机器学习算法比较研究[J]. 济南大学学报(自然科学版), 2021, 35(6): 546-551. |
[3] |
徐恪, 凌思通, 李琦, 等. 基于区块链的网络安全体系结构与关键技术研究进展[J]. 计算机学报, 2021, 44(1): 55-83. |
[4] |
高天航, 徐力, 靳廉洁, 等. 考虑航艏向与数据变化差异的船舶轨迹预测[J]. 交通运输系统工程与信息, 2021, 21(1): 90-94. |
[5] |
曾友渝, 谢强. 基于改进RNN和VAR的船舶设备故障预测方法[J]. 计算机科学, 2021, 48(6): 184-189. |
[6] |
李宗宣, 卜仁祥, 范艺. 结合速度和干扰观测的船舶路径跟踪模型预测控制[J]. 上海海事大学学报, 2021, 42(1): 19-25. |
[7] |
王少博, 张英俊, 胡鑫. 考虑船位预测不确定性的船舶碰撞危险度计算方法[J]. 中国舰船研究, 2021, 16(1): 114-120. |
[8] |
李孟特, 顾春华, 温蜜. 基于区块链的充电交易数据安全存储平台设计[J]. 计算机工程与应用, 2020, 56(21): 79-84. |