[发明专利]一种基于遗传算法的安全策略调度优化方法

说明书

本发明公开了一种基于遗传算法的安全策略调度优化方法，本发明方法从系统层面提出了一种全新的针对错误注入攻击的防御方法，该方法充分利用遗传算法与问题领域无关且快速随机的搜索能力、可扩展性以及不易陷入局部最优解的技术特点，对嵌入式分布式应用中的安全检测和恢复方法进行了优化；不仅能实现对错误注入攻击的快速检测，而且能对检测到错误进行恢复，使得应用于关键领域的分布式实时设备免于错误注入检测的攻击。

技术领域

本发明属于分布式嵌入式系统技术领域，具体涉及一种基于遗传算法的安全策略调度优化方法。

背景技术

时至今日，大量的分布式嵌入式系统在关键领域发挥着重要的作用，特别是在安全关键领域，这些设备被部署在医疗控制、自动驾驶、汽车和航空电子系统等领域。随着攻击技术对的不断发展，这些系统面临着各种各样的安全挑战。在实际的应用中，这类系统的内部消息传播面临着消息篡改等安全威胁。为了抵御消息篡改，可以引入相应的安全保护措施，比如对消息进行加解密处理。然而，如今针对加解密算法的错误注入攻击成为破译密码算法的有效手段，错误攻击主要指在密码芯片设备中通过在密码算法中引入错误，导致密码设备产生错误结果，即使安全强度极高的AES也无法避免来自错误注入攻击的威胁。错误注入攻击不但使得加解密不再安全，同时注入的错误也使得消息失去了原来的意思。因此，这就要求我们的系统引入安全服务和容错服务以抵御这些安全威胁，使得我们的系统不仅能够防止消息篡改，同时能够及时检测加解密过程中的错误，并能够及时纠正。

高效的任务调度机制可以帮助我们有效的利用处理器，在最小的时间开销下完成任务的执行。同时，任务调度机制还会影响整个系统的安全性，因此应该设计更好的调度算法，使得系统实时性满足的同时还能够最大化系统的安全强度。

发明内容

本发明的目的在于克服现有技术的不足，本发明提出了一种基于遗传算法的安全策略调度优化方法。

本发明的目的是通过以下技术方案来实现的：一种基于遗传算法的安全策略调度优化方法，包括以下步骤：

S1：使用贪心搜索策略在搜索空间中初始化一规模为Pop的种群，每个个体携带了一组安全检测恢复策略的所有待优化参数，所述待优化参数包括整个策略的错误检测覆盖率和整体异构度，初始化遗传代数为Gen,作为一个优化停止条件；

S2：对种群中的每个个体进行关键信息点位编码，为后续的个体交叉、变异运算做准备；

S3：随机产生与种群个数相同的权重向量，计算任意两个权重向量之间的欧式距离，查找每个权重向量最近的T个权重向量，并对权重向量进行归一化处理，最后为每个子问题分配权重向量；

S4：当前迭代次数i小于等于Gen时，从种群中随机选中两个个体，运用遗传算子，按照自适应的交叉概率P进行交叉操作，生成新的个体，遍历种群重复上述操作；

S5：对得到的新个体进行评估，选择错误检测覆盖率更高、整体异构度更小的个体进入下一代继续进行迭代；

S6：判断是否满足预定的终止条件，如果满足终止条件则终止遗传算法，将得到的最优解返回，否则返回步骤S4。

进一步，步骤S3包含以下步骤：

S31.首先产生Pop个权重向量集合，这些权重向量的值从0到1的数中随机选取，其中,Pop是等于种群数量的整数值；

S32.将得到的权重向量进行归一化处理，然后将得到的处理后的权重再一次均匀地分布在整个搜索方向上，最后平均分给每个个体。

进一步，步骤S4包含以下步骤：

S41.基于种群中随机选择出来两个个体和针对两个个体已经被编码的关键信息点位进行交叉变异，生成两个不同方向的后代新个体和