農機調度系統網絡安全優化淺析

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了農機調度系統網絡安全優化淺析范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要:針對農機調度系統網絡不安全和不可信的問題，在大數據技術下針對農機調度系統的網絡安全優化進行了研究。農機調度系統主要包括車載端信息采集系統、監控信息管理系統和客戶端監控系統。為了提高農機調度系統的網絡安全性，除了對網絡進行安全設計外，還采用人工神經網絡模型對網絡安全進行評價，并對網絡安全態勢預測模型進行了設計。為了驗證農機調度系統的性能和網絡安全性，對其進行農機調度系統網絡安全評價試驗和農機調度試驗。試驗結果表明:農機調度系統網絡較為安全，可高效完成農機調度任務。

關鍵詞:農機調度系統;大數據技術;網絡安全優化;人工神經網絡

0引言

隨著我國土地政策的實施，農村勞動力逐漸向城市轉移，勞動力的急劇減少導致農村的耕種土地由分散種植轉變為集中經營的方式［1］。隨著機械化的發展，農機的規模化使用和跨區作業已成為新的發展趨勢。我國南北氣候、農作物種類和收獲季節的不同，導致農忙季節農機資源不能合理配置，嚴重制約了農業機械化的發展。農機調度系統是近年來發展起來的用于輔助農業管理人員進行農機管理和調度的系統，可通過將遙感技術(RS)、地理信息技術(GIS)和GPS技術應用于農業，有效提升農機作業效率和作業質量［2］。為了適應多元化的市場需求，我國還將大數據技術應用于農機調度系統，即農機調度系統將農機的實時位置信息和作業狀態在云平臺進行存儲，并對信息進行分析整合，可以快速根據農戶需求配置就近位置農機，并確定行駛路線等相關信息。大數據在農機調度系統的應用是基于因特網實現數據的傳輸，其主要目的在于資源共享、互操作和互聯，但也容易導致網絡不安全和網絡不可信，出現用戶信息泄漏等狀況，威脅農戶安全。提高計算機的智能化和免疫性是提高網絡安全的有效措施。目前，我國傳統的安全策略技術發展較為成熟，已將其應用于構建可信網絡，自動判斷行為的合法性。但是，該技術還未在農機調度系統進行應用，因此筆者將基于大數據技術對農機調度系統的網絡安全優化進行研究。

1農機調度系統設計

1．1總體結構設計

所設計的農機調度系統基于C/S架構建設，主要包括3部分，分別是車載端信息采集系統、監控信息管理系統和客戶端監控系統，如圖1所示。

1．2車載端信息采集系統

車載端信息采集系統是安裝在農機上的，集成了GPS定位模塊、傳感器模塊、GPRS通信模塊和報警模塊等終端設備，可實現農機注冊、農機數據采集、報警和作業排班的功能。1)農機注冊:當系統搭建完成后，首先將農機的車牌號和型號在系統內進行注冊，而后調度系統才可對該農機進行監控、調度、信息管理等一系列操作。2)農機數據采集:主要是對農機的地理位置、作業狀態等進行采集。其中，GPS定位模塊用于確定地理位置、移動距離等信息;傳感器模塊可根據采集的信息種類進行安裝，包括時鐘用于確定工作時間和工作中止時間、速度傳感器用于確定行駛速度、羅盤用于確定行駛方向;同時，還可綜合以上信息，確定單位時間工作量。數據采集完成后，通過GPRS通信模塊完成數據的傳輸。該系統的網絡需要滿足TCP/IP協議，且定義數據傳輸時定義Http協議。為了保證網絡的安全性，采用基于角色的訪問控制技術(BRAC)對農機調度系統進行控制，防止非法用于進入系統進行使用和信息篡改［3］。該訪問技術引入角色作為媒介，通過給用戶分配適當的角色進行授權管理，這種方式具有可操作性強和管理性強的優點。基于角色的訪問控制技術(BRAC)的控制方式如圖2所示，由此產生的可信網絡流程如圖3所示。3)農機報警和作業排班:在車載端還設置了農機報警功能，當農機作業出現故障或突發情況時可自動報警，或者當駕駛員發現農機運行故障時可人工進行報警，并由維修人員盡快的入場維修，保證生產的正常進行。作業排班是通過中心控制模塊對數據庫的數據進行綜合分析，根據農場的位置和作業量篩選農機，求出農機調度的最優解決方案，并將作業排班發送至機手和農場主。

1．3監控端信息管理系統

監控端信息管理系統是整個農機調度系統的核心控制單元，包括中心控制模塊、農機信息管理模塊、生成調度模塊和機手信息模塊。其中，中心控制模塊根據采集到的有關農機調度數據，包括待作業農田面積、農場預計作業時間、農機作業效率、農機轉移成本等信息，并調用數據庫相關信息［4－5］，通過設定算法自動計算最優路徑，并分別將相關數據傳遞至各功能模塊。

1．4客戶端監控系統

客戶端監控系統主要用于對農機的作業狀態、位置等進行遠程監控，同時根據需要進行農機路徑回放，發現異常時進行報警以及管理人員信息統計和變量要素收集等。客戶端還可用于發布調度信息，傳達調度指令，達到對農機的實時調度。農機調度系統各模塊可實現功能如圖4所示。

2農機調度網絡安全評價算法設計

農機調度系統的網絡規模較大，涉及到數據傳輸網絡、電子地圖和大數據等，網絡安全問題尤為重要。雖然已經采取舉措提高網絡安全性，但需要對網絡安全進行評價，以確保網絡安全的有效性。為此，本文將采用人工神經網絡模型對網絡安全進行評價［6－7］。

2．1態勢權重分析模型設計

神經網絡算法是在神經網絡的每個層次設置權重系數，利用一定數量的學習樣本，按照制定的學習規則進行網絡學習，從而保證神經網絡學習的準確性。在神經網絡的基礎上，將信號流采用反向傳播的方式即為BP神經網絡。因此，該態勢權重分析算法共包含兩部分:一是權重信息的正向傳播;二是誤差信號流反向傳遞。最終確定該態勢權重分析的流程如圖5所示。在該神經網絡中，隱含層個數大于1，若隱含層單元的個數較多，則可通過調整激勵函數和集成函數，使態勢權重函數達到任意要求的精度。假設神經網絡從某時刻計時后第m時刻的輸入為整數，則定義S=1;若網絡輸出為態勢值，則定義T3=1。同時，規定網絡每層神經元權值分別為M1、M2、M3，閥值分別為a1、a2、a3，每層神經元的個數為Ni(i=1、2、3)，i為層數。此時，神經網絡變換函數為由此確定神經網絡下的態勢權重分析結構，如圖6所示。神經網絡的輸入值為x，第1層網絡態勢神經元的輸出為b1i(i=1，2，…，T1)，第2層網絡態勢神經元的輸出為b2i(i=1，2，…，T2)，第3層網絡態勢神經元的輸出為b3i(i=1，2，…，T3);第1層和第2層的神經元輸出值分別作為第2層和第3層神經元的輸出值。以上3層神經網絡數學模型可以確定為b1=f1(lM1，1p+b1)，b2=f2(lM2，1b1+a2)，b3=f3(lM3，2b2+a3)

2．2網絡安全態勢預測模型設計

通過獲取網絡環境的元素，對網絡安全機型感知是最基礎的;在網絡安全感知的基礎上，還需要整合相關數據并對其分析，預測網絡安全的發展趨勢［7］。為此，將采用模糊推理技術對網絡安全態勢模型進行預測［8］，簡稱神經網絡驅動模糊推理技術。該網絡數據滿足以下要求，即其中，s為規則總數量;Am為滿足要求網絡前提的模糊集合;NNm為由BP神經網絡確定的函數結構。該模型訓練過程如下:1)首先將數據分為訓練數據和校驗數據。2)定義向量ri=(r1i，r2i，．．．，rsi)T，rmi=1，rki=0，m≠k。3)將訓練數據(xi，ri)，i=1、2、…、Nt輸入網絡進行訓練。4)訓練完成后，將校驗數據xi1，xi2…，xir，i=1，2，…，Nc輸入NNm模型，按照下式計算模型誤差，即將數據值采用模糊語言描述，即可預測網絡的安全性。通過上述模型，可以完成對網絡安全的預測。

3試驗結果

為了驗證該農機調度系統的性能，需要對其進行試驗研究。筆者主要針對農機調度系統進行了設計，針對其網絡安全進行改進;另一方面，對農機網絡安全評價態勢算法進行了設計。因此，本文主要進行農機調度系統網絡安全評價試驗和農機調度試驗。

3．1農機調度系統網絡安全評價試驗

為了驗證農機調度系統的網絡安全性，首先根據經驗對網絡安全的各項指標進行測評，包括物理安全、安全制度、安全技術和網絡通信。其測評結果量化值范圍為［0，1］，最終確定量化的安全級別范圍如采用人工神經網絡模型對大量的網絡數據進行處理，并對其安全等級進行了測試，最終確定本農機調度系統的安全級別評價結果如表2所示。

3．2農機調度試驗

打開該農機調度系統，與5臺農機連接，人工輸入農機相關運行狀態及農機使用需求和農田相關信息，系統界面顯示信息如表3所示。經過試驗驗證，該農機能夠在5s內快速定位可使用農機位置，并在3s內完成路線規劃，系統在測試過程中運行正常，試驗結果無誤，可高效完成農機調度任務。4結論1)針對農機調度系統網絡不安全和不可信的問題，基于大數據技術針對農機調度系統的網絡安全優化進行了研究。農機調度系統基于C/S架構建設，主要包括車載端信息采集系統、監控信息管理系統和客戶端監控系統。2)為了提高農機調度系統的網絡安全性，除了對網絡進行設計外，還采用人工神經網絡模型對網絡安全進行評價，并對網絡安全態勢預測模型進行了設計，以預測網絡安全的發展趨勢。3)為了驗證該農機調度系統的性能和網絡安全性，對其進行農機調度系統網絡安全評價試驗和農機調度試驗，結果表明:農機調度系統網絡較為安全，可高效完成農機調度任務。

作者:曹斌 單位:三門峽社會管理職業學院