[发明专利]一种随机森林的边缘计算终端安全等级评估方法

说明书

本发明公开了一种随机森林的边缘计算侧终端安全等级评估方法，包括以下步骤：S1.设定终端个安全测试单项以及各个测试单项的测试结果；S2.对接入的智能终端进行测试，S3.确定智能终端安全等级和单项测试结果集的对应关系；S4.计算每个边缘终端对应的安全等级，得到数据集；S5.将数据集划分为训练集和测试集；S6.将训练集输入随机森林进行训练，得到成熟的分类器模型；S7.将测试集输入训练得到的随机森林分类器模型中，得到测试结果与步骤S4安全等级对比得到达标分类器；S8.利用达标分类器模型评估新接入的终端安全等级。本发明将边缘终端的数据安全需求按等级划分，根据面临的安全风险、系统复杂度，能够通过量化的客观标准进行边缘计算侧终端安全评估。

技术领域

本发明涉及边缘计算终端安全等级评估方法，特别是涉及一种随机森林的边缘计算终端安全等级评估方法。

背景技术

随着万物互联的飞速发展及广泛应用,智能终端将成为万物互联关键节点，并产生海量实时数据。根据IDC统计数据，到2020年将有超过500亿个终端和设备接入网络,其中超过50％的数据需要在网络边缘侧分析、处理与存储。大量边缘设备产生的海量数据需要更敏捷的连接、更有效的数据处理,同时要有更好的数据保护。面对大量异构终端接入物联网，边缘计算侧也面临着更大的数据安全威胁和隐患，存在一些不受信任的终端及移动边缘应用开发者的非法接入问题。因此,需要对边缘计算终端的数据安全需求按等级划分，在终端、边缘节点、边缘计算服务之间建立新的安全接入机制,以保证数据的机密性、完整性、用户信息隐私性。这种背景下，对于边缘计算终端的安全性能进行测评，首先在边缘计算侧对终端安全进行单项测评，根据各测试单项的测试结果科学计算，进行终端安全等级的划分，实现不同安全级别需求的安全使用，达到智能终端安全有效。

边缘侧的计算资源支持，使得其可以采用较为复杂的计算方法进行终端安全性能评估，实现终端安全等级的客观、有效和精确划分，本专利提出将终端和数据安全需求按等级划分，根据面临的安全风险、系统复杂度等，通过量化的客观标准进行边缘计算侧终端安全等级的评测。

随机森林(Random forest)是2001年由LeoBreiman提出的机器学习算法，主要应用于回归和分类。它的基本思想是利用自助法(bootstrap)重采样技术和节点随机分裂技术构建多棵决策树，从原始训练样本集N中有放回地重复随机抽取k个样本生成新的训练样本集合，然后根据自助样本集生成k个分类树组成随机森林，通过分类树投票得到新数据的分类结果。

基于边缘计算能力的支撑，在随机森林算法下实现智能终端的数据安全需求按等级划分，对于实现边缘计算系统安全性能的最大优化具有重大意义。

发明内容

本发明的目的在于克服现有技术的不足，提供一种随机森林的边缘计算终端安全等级评估方法，根据智能终端各单项安全性能的测试得到测试结果，并采用随机森林算法进行智能终端的安全等级划分，提高了安全等级划分的准确性。

本发明的目的是通过以下技术方案来实现的：一种随机森林的边缘计算侧终端安全等级评估方法，包括以下步骤：

S1.在边缘计算侧搭建安全测试平台，设定终端的k个测试单项，每个测试单项的测试结果为0或1，其中0表示不通过，1表示通过；

S2.在边缘侧的安全测试平台上，按照k个测试单项对m+n台智能终端进行测试，得到每一台智能终端的安全性能单项测试结果集，其中第i台智能终端的安全性能单项测试结果集为：

X_i＝[x_i1,x_i2,...,x_ik]，i＝1,2,...,m+n；

其中，x_ij为第i台智能终端的第j个测试单项得分，j＝1,2,...,k；将所有智能终端的单项测试结果用(m+n)*k维矩阵X表示：