一种计算机大数据安全传输系统及方法与流程

本发明涉及数据传输，尤其涉及一种计算机大数据安全传输系统及方法。

背景技术：

1、计算机系统在文件传输过程中会遇到文件错误和传输故障的情况，当数据传输的繁忙程度越高时，会使得系统的风险系数越高，高风险系数造成异常行为和潜在安全问题，导致数据泄露、篡改、劫持等安全威胁；

2、现有的安全传输系统一般通过直接监测系统的风险情况，当监测到风险或故障时，启动优化程序进行相应的维护处理，优化维护操作可能会耽误数据传输的进程，影响用户的使用，由于风险变化属于随机不可控的因素，对于不同级别的数据传输繁忙程度，对应的风险变化趋势不尽相同，因此，通过直接监测风险系数的变化趋势，来进行风险预测的操作，预测的精准度差，难以保证数据传输的安全性和稳定性；

3、针对上述的技术缺陷，现提出一种解决方案。

技术实现思路

1、本发明的目的在于：解决了计算机在数据传输过程中的风险预测精准度差的问题，通过搭建传输繁忙度与系统风险性的关联模型，从而实现了通过监测数据传输的繁忙程度来对系统风险进行评估与预测的效果，且针对不同级别的繁忙程度，应用不同的关联模型与预测模型，提升了风险预测的精准性，保证数据传输的安全性和稳定性。

2、为了实现上述目的，本发明采用了如下技术方案：

3、一种计算机大数据安全传输系统，包括信息采集模块、综合分析模块、风险预测模块和传输优化模块，信息采集模块、综合分析模块、风险预测模块和传输优化模块之间信号连接，其中，综合分析模块包括繁忙度评估单元、风险性评估单元和关联模型建立单元；

4、一种计算机大数据安全传输方法，包括以下步骤：

5、s1，信息采集：定时采集系统监测信息和传输监测信息，为传输监测信息设置第一采样周期t，为系统监测信息设置第二采样周期t；

6、s2，初步分析：通过繁忙度评估单元分析传输监测信息，生成繁忙评估系数，判定数据传输的繁忙程度，并通过风险性评估单元分析系统监测信息，生成风险评估系数，判定系统的风险程度；

7、s3，综合分析：通过关联模型建立单元将繁忙评估系数与风险评估系数相结合，搭建繁忙度与风险性的关联模型，生成数据传输的繁忙程度与系统风险之间的变化函数；

8、s4，风险预测：通过风险预测模块对关联模型进行分析，建立繁忙度与风险性的预测模型，对于n种繁忙程度中的数据传输进程分别进行针对性的风险预测，生成相应的预警信号发送到传输优化模块；

9、s5，优化升级：通过传输优化模块接收风险预警信号，并进行深度分析操作，再对系统进行针对性的传输优化操作。

10、进一步的，系统监测信息和传输监测信息的具体采集过程为：

11、将第二采样周期t划分为n个时间节点，其中任一个时间节点的长度为第一采样周期t，则t＝n*t；

12、系统监测信息包括数据错误指数cw、数据包丢失率sd、故障反馈率gf和网络延迟wy；传输监测信息包括带宽利用率dk、端口连接数量dl和数据传输速率sc；

13、通过网络监测工具和性能分析工具对传输监测信息进行采集，通过建立传输对比模型获取数据错误指数cw，通过网络监测工具采集网络延迟wy和数据包丢失率sd，通过访问系统日志获取第二采样周期t内的故障反馈累加量，再获取故障反馈率gf。

14、进一步的，传输对比模型的具体建立过程为：

15、a1：对传输前后的两个图片文件信息进行提取，并分别标记为图片信息a和图片信息b，再进行对比分析：

16、a1-1：将图片信息a和图片信息b分别建立直角坐标系，并划分成x个区域，对于图片信息a的任一区域标记为qa，对于图片信息b的任一区域标记为qb，其中，区域qa与区域qb的坐标相同；

17、a1-2：检测区域qa与区域qb的灰度值再进行对比分析，标记区域qa的灰度值为ha，标记区域qb的灰度值为hb，预设灰度值的误差范围为±q％，并设置传输错误值zc：若两个区域的灰度值在误差范围内，则传输错误值zc＝0；若两个区域的灰度值超出误差范围，则传输错误值zc＝1；对于x个区域进行灰度对比后，获取传输错误占比zb；

18、a2：通过对比检测x组文件信息后，获取x个传输错误占比，再进行对比判定，标记任一个传输错误占比为zi，设置文件错误值wc：若传输错误占比zi＝0，则文件错误值wc＝0；若传输错误占比zi≠0，则文件错误值wc＝1；对于x个传输错误占比进行对比判定后，获取文件错误占比zw；

19、a3：通过求取x个传输错误占比的平均值，获取错误率平均值cp，通过错误率平均值cp和文件错误占比zw相结合，并赋予转化系数λ，综合获取数据错误指数cw。

20、进一步的，初步分析的具体过程为：

21、b1：先通过数据预处理模型对传输监测信息进行预处理操作：

22、b1-1：在第二采样周期t内采集一次系统监测信息，在第一采样周期t内采集一次传输监测信息，由于t＝n*t，则在第二采样周期t内采集n次传输监测信息；

23、b1-2：设置输入信息为r1，先对输入信息r1求取平均值p1，进而求取标准差σ1，通过平均值p1与标准差σ1相结合，建立公式获取输出信息r2；

24、b2：将传输监测信息中的带宽利用率dk、端口连接数量dl和数据传输速率sc依次代入数据预处理模型，分别输出带宽参考值rdk、端口参考值rdl和数据传输参考值rsc；

25、b3：将带宽参考值rdk、端口参考值rdl和数据传输参考值rsc整合为传输参考信息，再通过对传输参考信息设置权重因子，建立公式输出繁忙评估系数xfm，并通过对系统监测信息设置权重因子，建立公式输出风险评估系数xfx。

26、进一步的，综合分析的具体过程为：

27、c1：以繁忙评估系数xfm为x轴，以风险评估系数xfx为y轴，建立繁忙评估系数xfm-风险评估系数xfx的二维动态曲线图；

28、c2：将繁忙评估系数划分为n种繁忙程度：先为繁忙评估系数xfm设置n个预设区间，提取预设区间内的曲线片段，将任一个预设区间内的曲线片段标记为曲线s，将曲线s上的任一点标记为m(xm，ym)，求取曲线s的纵坐标平均值

29、c3：采集曲线s上的全部点的斜率，预设m个点，任一个点的斜率值为km，再求取全部斜率的平均值将平均值作为该段曲线的整体增长率，再预设公式获取曲线斜率的波动系数ω，通过波动系数ω与纵坐标平均值判定曲线的增长趋势；

30、c4：再通过斜率的波动系数ω和平均值相结合，建立曲线s的繁忙度与风险性的关联模型，预设数据传输的繁忙程度与系统风险之间的变化函数f(x)。

31、进一步的，风险预测的具体过程为：

32、d1：以第二采样周期为x轴，以繁忙评估系数为y轴，建立系统的繁忙评估系数－第二采样周期t的动态曲线变化图，标记动态曲线的末端点为d(xd，yd)，则系统在当前时间点的繁忙评估系数为yd，测算繁忙评估系数为yd时的曲线斜率kd；

33、d2：再对繁忙评估系数－第二采样周期t的动态曲线进行预测分析，标记一号时间节点t1，曲线末端时间点xd，预测时间点tc，提取从一号时间节点t1到曲线末端时间点xd的曲线片段，并将该曲线片段标记为曲线c：

34、预设曲线c上有nc个点，求取曲线c上全部点的斜率kc，以及全部斜率的平均值再求取曲线c上全部点的平均值xc，进而求取曲线c的标准差σc，通过标准差σc与斜率的平均值相结合，建立公式对预测时间点tc的繁忙评估系数进行预测，获取繁忙预测系数xc；

35、d3：针对不同繁忙程度的风险评估的关联模型进行分析，建立相应的风险预测模型：将繁忙评估系数yd与繁忙评估系数的n个预设区间进行对比分析，判定繁忙评估系数yd的繁忙程度，通过繁忙度与风险性的关联模型的历史数据测算，获取当前繁忙程度的曲线片段sd，并获取曲线sd斜率的波动系数ωd和平均值再将预测时间点tc的繁忙预测系数xc、波动系数ωd和平均值代入关联模型，获取预测时间点tc的风险预测系数fc；

36、d4：再为风险预测系数fc设置预设区间并生成相应的风险预警信号。

37、综上所述，由于采用了上述技术方案，本发明的有益效果是：

38、本发明通过采集和分析传输监测信息及系统监测信息，判定数据传输的繁忙程度及风险程度，并搭建繁忙度与风险性的关联模型，实现了通过监测系统的繁忙度来评估传输的风险性的效果，再通过对繁忙程度按照级别进行分类，获取对应的风险变化趋势，从而针对性进行风险预测，能够提升预测的精准性，从而进行精准的风险预警，并通过针对性的传输优化操作，提高优化效率且节省操作成本，保证数据传输的安全性和稳定性。