大數(shù)據(jù)平臺(tái)對(duì)密鑰流分析的可行性研究

張 華

(福建警察學(xué)院 計(jì)算機(jī)與信息安全管理系，福建 福州 350007)

信息化時(shí)代使得大數(shù)據(jù)平臺(tái)下的數(shù)據(jù)傳輸速度加快，數(shù)據(jù)信息的類型也呈現(xiàn)出多樣化和復(fù)雜化趨勢(shì)，但隨之而來(lái)的數(shù)據(jù)安全隱秘性和信息泄露也存在著一定的隱患[1-3]。大數(shù)據(jù)隱私泄露事件的發(fā)生使得企業(yè)和個(gè)人信息安全得不到保障，其在安全保護(hù)方面存在一定的缺陷，密碼學(xué)作為保障信息安全技術(shù)的重要基石，能借助加密算法實(shí)現(xiàn)對(duì)信息進(jìn)行訪問(wèn)控制和保護(hù)，但傳統(tǒng)的加密算法在非生產(chǎn)環(huán)境下容易使得用戶隱私和個(gè)人敏感數(shù)據(jù)泄露，且其信息處理算法效率較低[4-6]。故本文在大數(shù)據(jù)背景下，借助Hadoop平臺(tái)，在對(duì)信息的存儲(chǔ)和計(jì)算能力上，引入RC4算法對(duì)密鑰流運(yùn)行方式和運(yùn)行效能進(jìn)行優(yōu)化改進(jìn)，提高信息的存儲(chǔ)和計(jì)算能力，實(shí)現(xiàn)其安全性和效率性的平衡統(tǒng)一，保障用戶和企業(yè)的信息安全。

1 不同流密碼算法的密鑰流以及流密碼算法的可行性分析

1.1 不同流密碼算法的密鑰流分析

現(xiàn)代密碼學(xué)的密碼體制分為兩類，一類是非對(duì)稱加密算法，另一類是對(duì)稱加密算法，而流密碼屬于對(duì)稱加密算法中的一種，又被稱為序列密碼，且流密碼擁有長(zhǎng)度靈活多變、運(yùn)算速度快、密文傳輸差錯(cuò)少、加解密快等優(yōu)點(diǎn)，是目前國(guó)際上主流的信息加密算法，其中RC4算法、A5算法、SEAL算法等應(yīng)用較多[7-9]。

在流密碼的研究和應(yīng)用中，大部分流密碼算法是基于線性反饋移位寄存器進(jìn)行算法實(shí)現(xiàn)，但是這種方式只適用于硬件實(shí)現(xiàn)，在軟件實(shí)現(xiàn)上的速度很慢[10-13]。RC4算法的提出解決了這個(gè)問(wèn)題，并克服了其他算法在線性反饋移位寄存器軟件實(shí)現(xiàn)上的不足，且因其快速高效的性能而被廣泛應(yīng)用于WEP協(xié)議、SSL/TLS協(xié)議、WPA協(xié)議等。

Salsa20算法按照密鑰長(zhǎng)度分為兩種類型，分別是128比特和256比特，這種算法的核心是輸入和輸出均為512比特的哈希函數(shù)[15]。算法過(guò)程首先需要對(duì)word進(jìn)行擴(kuò)展，通過(guò)對(duì)初始狀態(tài)X進(jìn)行10輪doubleround變換，可以得到輸出doubleround10(X)，將輸出doubleround10(X)與初始狀態(tài)X相加，最終得到算法密鑰流。將密鑰流與等長(zhǎng)明文異或后就是密文，密鑰流公式如式(1)所示。

Salsa20(X)=X+doubleround10(X)

(1)

Sosemanuk算法是基于32比特密鑰長(zhǎng)度的快速流密碼，分為可變的128比特和256比特兩種類型，這種流密碼由三個(gè)部分組成，分別是LFSR線性反饋移位寄存器、帶有64比特記憶的有限狀態(tài)機(jī)和Serpent1函數(shù)[16]。式(2)表示Sosemanuk生成密鑰流的算法，其中⊕表示按比特異或。

(zt+3,zt+2,zt+1,zt)=Serpent1(ft+3,ft+2,ft+1,ft)⊕

(St+3,St+2,St+1,St)

(2)

1.2 算法檢驗(yàn)下的Hadoop技術(shù)大數(shù)據(jù)平臺(tái)構(gòu)建

信息技術(shù)在互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計(jì)算的多元化發(fā)展下，海量、多樣、異構(gòu)、動(dòng)態(tài)變化的數(shù)據(jù)每時(shí)每刻都充斥著高度信息化的社會(huì)，傳統(tǒng)的信息處理技術(shù)面對(duì)這些數(shù)據(jù)信息已經(jīng)不能發(fā)揮作用[17]。為了對(duì)海量數(shù)據(jù)中的有用信息進(jìn)行高效挖掘，全球眾多IT企業(yè)，諸如亞馬遜、谷歌、IBM等紛紛推出大數(shù)據(jù)平臺(tái)技術(shù)，其中最為經(jīng)典且使用最廣泛的是以Apache開(kāi)源組織開(kāi)發(fā)的Hadoop框架[18]。Hadoop框架以NFS分布式網(wǎng)絡(luò)文件系統(tǒng)為基礎(chǔ)，文件的目錄等信息存儲(chǔ)在Namenote中，而數(shù)據(jù)信息則存儲(chǔ)在Datanode中，NFS分布式網(wǎng)絡(luò)文件系統(tǒng)為大量數(shù)據(jù)的并行化處理提供了保障[19]。MapReduce是Hadoop框架中的關(guān)鍵計(jì)算模型，這一模型先利用Map方法處理產(chǎn)生中間鍵值，然后使用Reduce方法將中間鍵值對(duì)進(jìn)行匯總并產(chǎn)生最終結(jié)果。ClusterSSH作為系統(tǒng)中的管理工具，為保證Hadoop系統(tǒng)中的資源合理利用，其負(fù)責(zé)將各個(gè)節(jié)點(diǎn)進(jìn)行負(fù)載均衡管理，圖1為Hadoop技術(shù)的核心架構(gòu)圖。

圖1 大數(shù)據(jù)平臺(tái)的Hadoop核心架構(gòu)

MapReduce作為一種并行編程模型，具有非常廣泛的應(yīng)用，不僅可以快速提取出復(fù)雜關(guān)系中的業(yè)務(wù)處理邏輯，而且在面對(duì)大量數(shù)據(jù)處理計(jì)算時(shí)，它擁有可以輕松進(jìn)行并行分布式處理的接口[20]?；诖?，一般開(kāi)發(fā)人員利用這種模型可以有效地達(dá)到分布式計(jì)算的目的。MapReduce的計(jì)算執(zhí)行過(guò)程包括User、Worker、Master三個(gè)部分，且該模型以函數(shù)式的程序語(yǔ)言設(shè)計(jì)將容錯(cuò)細(xì)節(jié)、負(fù)載均衡、數(shù)據(jù)分布細(xì)節(jié)、并發(fā)處理細(xì)節(jié)等抽象到一個(gè)函數(shù)庫(kù)中，使得用戶在模型接口作用下，自動(dòng)透明地對(duì)大量數(shù)據(jù)進(jìn)行并行化分布計(jì)算。其中User是系統(tǒng)用戶，主要負(fù)責(zé)Map和Reduce兩個(gè)函數(shù)；Worker負(fù)責(zé)數(shù)據(jù)的接收、處理和傳輸通信；Master是系統(tǒng)的中央控制器，負(fù)責(zé)任務(wù)調(diào)度、負(fù)載均衡、容錯(cuò)處理、數(shù)據(jù)劃分等核心功能。MapReduce的并行計(jì)算過(guò)程可以用兩個(gè)重要函數(shù)進(jìn)行抽象表示，分別是映射和化簡(jiǎn)。Map就是對(duì)復(fù)雜任務(wù)輸入進(jìn)行簡(jiǎn)單業(yè)務(wù)邏輯提取處理，并產(chǎn)生中間鍵值對(duì)，這個(gè)過(guò)程可以看作是依據(jù)處理邏輯對(duì)復(fù)雜任務(wù)進(jìn)行關(guān)鍵數(shù)據(jù)映射；Reduce就是將具有相同鍵的結(jié)果進(jìn)行中間鍵值對(duì)集中，由此進(jìn)行多個(gè)并行任務(wù)處理結(jié)果的匯總，這個(gè)過(guò)程可以得到最終的任務(wù)結(jié)果。

Map(keyin,valuein)→list(keyout,valueintermediate)

(3)

Reduce(keyout,list(valueintermediate))→list(valueout)

(4)

式(3)、式(4)表示MapReduce的并行計(jì)算過(guò)程，可以看出輸出和輸入的鍵值對(duì)集在不同域上，而中間的鍵值對(duì)集和輸出鍵值對(duì)集在相同域上。以計(jì)算文檔指定單詞出現(xiàn)頻數(shù)為例，首先需要啟動(dòng)多個(gè)Map任務(wù)，這些任務(wù)用〈處理文本〉的起始位置、處理文本的數(shù)據(jù)長(zhǎng)度表示，每個(gè)Map任務(wù)都要對(duì)輸入?yún)?shù)中各自處理的數(shù)據(jù)進(jìn)行明確說(shuō)明，這個(gè)操作會(huì)產(chǎn)生許多的中間鍵值，中間結(jié)果以〈指定單詞，出現(xiàn)頻數(shù)〉表示。其次需要以Reduce操作對(duì)相同鍵值的結(jié)果進(jìn)行統(tǒng)計(jì)，對(duì)指定單詞的出現(xiàn)頻數(shù)進(jìn)行累加，這個(gè)操作的輸出結(jié)果用〈指定單詞，總出現(xiàn)頻數(shù)〉表示，最終得到所有指定單詞的總出現(xiàn)頻數(shù)，這就是MapReduce計(jì)算模型的整個(gè)操作過(guò)程。

1.3 RC4算法在大數(shù)據(jù)平臺(tái)上實(shí)現(xiàn)的具體措施

優(yōu)秀的流密碼算法以其所產(chǎn)生的密鑰流隨機(jī)性進(jìn)行判斷，流密碼生成的密鑰流隨機(jī)性越高，則其安全性能越好。因此這里利用Hadoop大數(shù)據(jù)平臺(tái)對(duì)RC4算法的密鑰流進(jìn)行隨機(jī)性分析，進(jìn)而判斷其安全性能。RC4算法的密鑰長(zhǎng)度從40比特到256比特具有高度可變性，在實(shí)際應(yīng)用中，以128比特的密鑰長(zhǎng)度最為常見(jiàn)。面對(duì)密碼學(xué)研究中的大量密鑰的存儲(chǔ)及運(yùn)算問(wèn)題，大數(shù)據(jù)平臺(tái)技術(shù)可以進(jìn)行針對(duì)性解決，例如Hadoop框架下的大數(shù)據(jù)平臺(tái)利用EMR、MapReduce技術(shù)可以將多臺(tái)電腦組成系統(tǒng)，進(jìn)行大量數(shù)據(jù)的處理。在進(jìn)行大數(shù)據(jù)平臺(tái)搭建后，這里以RC4算法作為大數(shù)據(jù)平臺(tái)的驗(yàn)證算法，采用232個(gè)128比特長(zhǎng)的密鑰生成同等數(shù)量密鑰序列，通過(guò)判斷這些序列前256位輸出字節(jié)的隨機(jī)性是否為1/256，可以確定RC4算法的性能是否達(dá)到要求，從而確定RC4算法的安全性。

在這次的研究中，需要以大量密鑰生成同等數(shù)量的密鑰流，因此大量密鑰的產(chǎn)生是其中的重要環(huán)節(jié)，密鑰之間隨機(jī)性越強(qiáng)，則對(duì)應(yīng)得到的密鑰流隨機(jī)性越強(qiáng)，MD5算法在信息安全領(lǐng)域的應(yīng)用具有獨(dú)特的優(yōu)勢(shì)，它不僅能夠?qū)θ我忾L(zhǎng)度的輸入生成固定長(zhǎng)度的輸出，而且也利用原數(shù)據(jù)進(jìn)行MD5值的計(jì)算，對(duì)原始數(shù)據(jù)變化的反饋也非常的明顯[21]。因此這里以MD5算法作為哈希函數(shù)進(jìn)行大量隨機(jī)密鑰的生成，隨機(jī)選擇連續(xù)數(shù)字作為輸入，產(chǎn)生128比特長(zhǎng)度的密鑰。雖然此次研究需要產(chǎn)生232個(gè)密鑰，但是根據(jù)負(fù)載均衡原理，借助大數(shù)據(jù)平臺(tái)技術(shù)進(jìn)行數(shù)據(jù)的并行化處理可以實(shí)現(xiàn)實(shí)驗(yàn)密鑰高效快速的生成，這大大提升了研究工作的效率。

RC4算法作為一種廣泛使用的流密碼算法，在SSL(安全套接層)協(xié)議和TLS(安全傳輸層)協(xié)議中得到了使用，TLS協(xié)議與SSL協(xié)議的作用大致類似，SSL協(xié)議在各種應(yīng)用層協(xié)議和TCP/IP協(xié)議之間，保證了數(shù)據(jù)通訊安全。SSL協(xié)議分為SSL記錄協(xié)議和SSL握手協(xié)議兩層結(jié)構(gòu)，其中SSL記錄協(xié)議以可靠的傳輸協(xié)議為基礎(chǔ)，保證高層協(xié)議基本功能，如數(shù)據(jù)封裝、加密、壓縮等，SSL握手協(xié)議以SSL記錄協(xié)議為基礎(chǔ)，在實(shí)際數(shù)據(jù)傳輸開(kāi)始前，為通訊雙方提供身份認(rèn)證、交換加密密鑰、協(xié)商加密算法等[22]。OpenSSL是SSL協(xié)議的開(kāi)源工程，其中也包含RC4算法的技術(shù)實(shí)現(xiàn)及所需要的加解密函數(shù)，通過(guò)直接調(diào)用相關(guān)函數(shù)可以實(shí)現(xiàn)以指定長(zhǎng)度密鑰輸出密鑰流的過(guò)程，使用OpenSSL可以對(duì)RC4算法進(jìn)行更為方便快速地實(shí)現(xiàn)[23]。

RC4算法的輸出密鑰流由字節(jié)組成，因此在進(jìn)行大數(shù)據(jù)平臺(tái)下的輸出密鑰流統(tǒng)計(jì)分析時(shí)，需要確定其每個(gè)位置上每個(gè)字節(jié)的出現(xiàn)概率。在同一位置上，以不同字節(jié)出現(xiàn)的總次數(shù)除以所有字節(jié)的出現(xiàn)次數(shù)(232)，則得到該位置上每個(gè)字節(jié)的出現(xiàn)概率，以此類推可以得到每個(gè)位置上每個(gè)字節(jié)的出現(xiàn)概率。以二維數(shù)組sum[i][j]對(duì)不同字節(jié)出現(xiàn)次數(shù)進(jìn)行存儲(chǔ)，這個(gè)數(shù)組的含義是字節(jié)j在位置i上的出現(xiàn)次數(shù)，其中0≤j≤255,1≤i≤256，這些數(shù)據(jù)最終保存在一個(gè)專門的text文件中。

此次研究以Hadoop大數(shù)據(jù)平臺(tái)為依托進(jìn)行密鑰流分析的可行性實(shí)驗(yàn)研究，大數(shù)據(jù)平臺(tái)以40臺(tái)電腦組成一個(gè)小集群，其配置為16G內(nèi)存和8核Intel core i7 CPU，所有電腦都在一個(gè)局域網(wǎng)內(nèi)，便于本地和平臺(tái)數(shù)據(jù)的交換，平臺(tái)使用NFS分布式網(wǎng)絡(luò)文件系統(tǒng)，通過(guò)網(wǎng)絡(luò)將本地文件系統(tǒng)和遠(yuǎn)程文件系統(tǒng)聯(lián)合，構(gòu)成統(tǒng)一的虛擬系統(tǒng)。在集群管理上采用ClusterSSH，通過(guò)SSH協(xié)議可以對(duì)集群中所有具備相同配置、運(yùn)行相同服務(wù)的計(jì)算機(jī)節(jié)點(diǎn)進(jìn)行快速配置，保證所有電腦在同時(shí)執(zhí)行相同指令。

圖2 大數(shù)據(jù)平臺(tái)字節(jié)統(tǒng)計(jì)過(guò)程

圖2表示大數(shù)據(jù)平臺(tái)字節(jié)的統(tǒng)計(jì)過(guò)程，首先需要將232個(gè)連續(xù)數(shù)字作為輸入數(shù)字，以哈希函數(shù)生成密鑰。在具體的研究過(guò)程中，會(huì)將這些連續(xù)數(shù)字均分為40份，由于每臺(tái)電腦是8核配置，這里對(duì)它們啟動(dòng)八個(gè)線程，這八個(gè)線程可以異步地利用哈希函數(shù)生成密鑰。其次需要采用RC4流密碼算法對(duì)生成密鑰進(jìn)行處理，從而產(chǎn)生256個(gè)字節(jié)長(zhǎng)度的密鑰流，這里在每臺(tái)電腦上都以一個(gè)二維數(shù)組sum[i][j]對(duì)當(dāng)前電腦所產(chǎn)生的密鑰流進(jìn)行存儲(chǔ)記錄，其中i表示出現(xiàn)字節(jié)，j表示位置。密鑰流每個(gè)字節(jié)在每個(gè)位置上的出現(xiàn)概率以大數(shù)據(jù)平臺(tái)進(jìn)行統(tǒng)計(jì)，在Hadoop框架中主要用到MapReduce計(jì)算模型，以Map操作進(jìn)行不同線程的密鑰流概率統(tǒng)計(jì)，得到以sum[i][j]為鍵，以1為值的鍵值對(duì)。在Reduce操作中，將相同鍵值結(jié)果進(jìn)行線程之間的合并，以這種方式對(duì)每個(gè)字節(jié)在256個(gè)位置上的出現(xiàn)次數(shù)進(jìn)行統(tǒng)計(jì)。最后再次以MapReduce進(jìn)行40臺(tái)電腦的統(tǒng)計(jì)操作，這個(gè)sum[i][j]結(jié)果就是每個(gè)字節(jié)在前256個(gè)位置上的出現(xiàn)概率。

2 基于Hadoop大數(shù)據(jù)平臺(tái)的流密碼算法可行性研究及性能測(cè)試

2.1 基于Hadoop大數(shù)據(jù)平臺(tái)的流密碼算法可行性研究

為了驗(yàn)證利用大數(shù)據(jù)平臺(tái)進(jìn)行密鑰流分析的可行性，此次研究以Hadoop作為核心技術(shù)進(jìn)行大數(shù)據(jù)平臺(tái)的搭建，并采用應(yīng)用廣泛的流加密算法——RC4算法作為驗(yàn)證對(duì)象，進(jìn)行密鑰流分析的可行性研究。借助大數(shù)據(jù)平臺(tái)統(tǒng)計(jì)RC4算法的不同字節(jié)在不同位置上出現(xiàn)的概率來(lái)判斷該算法的性能優(yōu)劣，并以前人得出的正確統(tǒng)計(jì)結(jié)果作為參考對(duì)象進(jìn)行對(duì)比，進(jìn)而驗(yàn)證大數(shù)據(jù)平臺(tái)的可行性。圖3為前人研究和本文研究RC4算法字節(jié)在第1個(gè)和第16個(gè)位置上出現(xiàn)的概率統(tǒng)計(jì)結(jié)果。

(a)前人研究字節(jié)在第1個(gè)位置和第16個(gè)位置上的概率結(jié)果

(b)本文研究字節(jié)在第1個(gè)位置和第16個(gè)位置上的概率結(jié)果圖3 各個(gè)字節(jié)出現(xiàn)概率的數(shù)值分布圖

前人實(shí)驗(yàn)以244個(gè)隨機(jī)、獨(dú)立的128比特長(zhǎng)度的密鑰進(jìn)行相同數(shù)量密鑰流的生成，然后對(duì)前256個(gè)字節(jié)的出現(xiàn)概率進(jìn)行統(tǒng)計(jì)，以此分析RC4算法性能。此次研究以232個(gè)隨機(jī)、獨(dú)立的128比特長(zhǎng)度的密鑰進(jìn)行相同數(shù)量密鑰流的生成，同樣對(duì)前256個(gè)字節(jié)的出現(xiàn)概率進(jìn)行統(tǒng)計(jì)。圖4和圖5分別表示密鑰流各個(gè)字節(jié)在第1個(gè)位置和第16個(gè)位置上出現(xiàn)概率的數(shù)值分布圖，其中橫坐標(biāo)表示不同的字節(jié)，縱坐標(biāo)表示對(duì)應(yīng)的出現(xiàn)概率。觀察圖3中對(duì)比結(jié)果可以發(fā)現(xiàn)，此次研究所得到的實(shí)驗(yàn)結(jié)果與正確結(jié)果基本一致，這說(shuō)明實(shí)驗(yàn)所搭建的Hadoop大數(shù)據(jù)平臺(tái)具有實(shí)用性，利用大數(shù)據(jù)平臺(tái)進(jìn)行RC4算法的密鑰流性能分析具有可行性。

2.2 基于Hadoop大數(shù)據(jù)平臺(tái)的流密碼算法性能測(cè)試

圖4 RC4算法前256個(gè)位置上各個(gè)字節(jié)的出現(xiàn)概率分布圖

搭建的大數(shù)據(jù)平臺(tái)能有效分析算法的可行性，故在此基礎(chǔ)上，將不同流密碼算法置于大數(shù)據(jù)平臺(tái)上，驗(yàn)證不同算法性能的運(yùn)行效果。具體通過(guò)選擇長(zhǎng)度為128比特的密鑰，以RC4算法、Salsa20算法和Sosemanuk算法的輸出密鑰流進(jìn)行大數(shù)據(jù)平臺(tái)分析結(jié)果對(duì)比，對(duì)各個(gè)字節(jié)在前256個(gè)位置上的出現(xiàn)概率進(jìn)行統(tǒng)計(jì)。其中，Byte Position表示密鑰流的256個(gè)位置，Byte Value表示每個(gè)位置上隨機(jī)出現(xiàn)的字節(jié)值。圖4表示RC4算法前256個(gè)位置上各個(gè)字節(jié)的出現(xiàn)概率分布圖，通過(guò)觀察可以發(fā)現(xiàn)，RC4算法的前256個(gè)位置上的各字節(jié)統(tǒng)計(jì)概率存在明顯誤差，且分布不均勻。

(a)Salsa20算法

(b)Sosemanuk算法圖5 算法前256個(gè)位置上各個(gè)字節(jié)的出現(xiàn)概率分布圖

圖5表示Salsa20和Sosemanuk兩種算法前256個(gè)位置上各個(gè)字節(jié)的出現(xiàn)概率分布圖，通過(guò)觀察可以發(fā)現(xiàn)，Salsa20和Sosemanuk兩種算法的前256個(gè)位置上的各字節(jié)統(tǒng)計(jì)概率不存在明顯的偏差，且分布基本均勻。綜合上述實(shí)驗(yàn)及分析，此次以大數(shù)據(jù)平臺(tái)進(jìn)行密鑰流分析具有可行性，而以大數(shù)據(jù)平臺(tái)對(duì)RC4、Salsa20和Sosemanuk三種流密碼算法進(jìn)行性能對(duì)比，結(jié)果發(fā)現(xiàn)Salsa20和Sosemanuk兩種流密碼算法相比于RC4算法具有更好的隨機(jī)性，因此它們的安全性能更好。

3 結(jié)論

隨著現(xiàn)代社會(huì)的高度信息化發(fā)展，信息安全問(wèn)題也成為全社會(huì)關(guān)注的焦點(diǎn)問(wèn)題。此次研究從不同流密碼算法的密鑰流入手，針對(duì)密鑰流特點(diǎn)對(duì)密鑰流算法進(jìn)行改良，并提出利用大數(shù)據(jù)平臺(tái)進(jìn)行密鑰學(xué)分析，構(gòu)建以Hadoop為核心技術(shù)的大數(shù)據(jù)平臺(tái)系統(tǒng)，將改良后的RC4算法結(jié)果與前人研究進(jìn)行對(duì)比，發(fā)現(xiàn)該結(jié)果具有一致性，表明構(gòu)建起的平臺(tái)能對(duì)算法進(jìn)行可行性分析。同時(shí)將RC4、Salsa20和Sosemanuk三種流密碼算法置于大數(shù)據(jù)平臺(tái)上進(jìn)行性能檢驗(yàn)，結(jié)果顯示，RC4算法的前256個(gè)位置上的各字節(jié)統(tǒng)計(jì)概率存在明顯誤差，且分布不均勻Salsa20和Sosemanuk兩種算法輸出密鑰流的各個(gè)字節(jié)在前256個(gè)位置上的出現(xiàn)概率分布基本均勻，安全性能更好。在密鑰流分析的大量數(shù)據(jù)處理壓力下，此次研究不僅為密鑰流的分析提供了大數(shù)據(jù)平臺(tái)處理的新思路，且利用構(gòu)建起的平臺(tái)將數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，極大程度上提高了密鑰流數(shù)據(jù)分析的運(yùn)行效率；同時(shí)也對(duì)不同流密碼加密性能提供了借鑒和參考。但此次研究尚且存在不足之處，如欠缺對(duì)RC4算法的具體性能分析和性能改進(jìn)，今后將在這些方面做出深入研究。