云计算环境下智能学习生态群落的信息安全实践

摘要

凭借强大的信息组织、检索和共享能力，云计算技术有效推动了智能学习生态社区的发展。研究发现，通过同态加密技术和虚拟化技术构建安全环境，可防止信息数据的泄露和丢失。该结果为构建智能生态群落的安全环境提供了有益的指导。

关键词 ：信息安全；智能知识；生态群落；云计算

I. 引言

随着数据处理以及可再生能源的高效利用，能源互联网与电力物联网实现融合发展已成为必然趋势。学习者能够获取大量知识，成为知识获取的主体，学习和交流方式也由此转变为自主的学习模式[1‐2]。加强大数据环境下各个层面的信息安全是当前亟需解决的重要课题。随着信息技术日益数字化，信息安全专业领域逐渐演变为重要的数字安全防护体系。

信息安全主要经历了三个大的发展阶段：数据安全、网络安全、交易安全。

智能教育理念与假设提出

智能教育（Smart Education）被认为是在现代教育中具有显著价值取向、强大的行动能力、丰富的教学成果、高满意度和持续创造力的智能主体[4]。这类智能主体善于学习、协作、沟通、研究与创新、创造及可持续发展。智能教育的核心在于智慧教育理念和智慧教育信息化推进过程中所面临的现实挑战，涉及智慧教育学科的变革、个性化学习环境、技术创新、教育与学习模式创新以及学习动机激发等多个方面。

对于智慧教育的理解，应结合应用整合相关理论的智慧学习生态。

根据现有研究成果，研究者普遍认为应运用该理论来探讨智慧学习生态中学习者在学习共同体中的身份变化及个体持续参与的动力机制。随着互联网安全性日益增强，越来越多的网络应用正在使用HTTPS加密传输。

互联网+智慧教育已从1.0发展到2.0，为持续推进智慧教育的发展、自我智慧教育的提升以及学习型社会的建设提供了有效的服务与支持。其主要内容包括提供智慧教育信息化云平台，开发和建设高质量数字化教育资源，智慧教育大数据的采集与应用，以及智慧教育公共服务体系的创新与实施，进而推动智慧教育现代化。

目前，互联网+智慧教育已被广大师生接受，促进了智慧教育的发展，广泛运用了云计算、大数据、物联网技术，为实现教育现代化提供了有效的支撑与服务。

以往的研究探讨了“在线学习共同体”与“智慧教育共同体”的差异，或试图通过某些特征加以区分。然而，“共同体”的概念与“共同性”这一哲学命题密切相关，强调了群体的社会属性。

因此，根据标准定义，学习共同体并不一定是实体共同体。

根据相关研究表明，一群共享相同认知结构并围绕共同学习内容的学习者，才可能被视为一个实体共同体。

在智能学习生态环境中，当学习者的主导地位发生变化时，内部环境条件应能够及时、准确且有效地调整学习者的学习变化，并形成一致的动态调节机制。一旦接收到调节信号，由于内外因素的相互作用，会产生新的压力和任务，进而导致非正常调节的发生。

在此动态调节的环境中，有必要深入探究学习者主导地位的变化。因此，由于生态系统内外因素的相互作用，主导地位的变化和调整显得尤为复杂。

此外，智慧学习的目标需要明确界定。本研究认为，智慧学习旨在实现个体智能素养与社会价值观的传承与发展，促进智能主体的成长。

基于此，本文提出如下假设：

• H1 ：生态学习社区（ELC）能够促进智能能力成长（AGC）。
• H2 ：生态学习社区能够促进个体智能素养与社会价值观的传承与发展（ICDV）。
• H3 ：生态学习社区能够促进智能主体成长（AGP）。

在大数据时代，数据信息量呈指数级增长，数据类型多样，内容繁杂。数据集中存储着结构化数据、半结构化数据和非结构化数据。云计算技术凭借其强大的信息组织、检索与共享能力，能够有效处理和分析海量的数据信息，已被广泛应用。数据生态系统顺应数据2.0时代的到来，产业界中普遍采用的智能技术已实现了物质、信息、能量和资本的融合。生态系统中的数据具有实时、连续传播、高吞吐量的特点，产业相对成熟，应用场景丰富。通过云计算和人工智能，大数据可实现基于实时数据的智能预警与风险预测。

然而，计算机系统本身存在漏洞，包括连接配置漏洞、操作系统漏洞、TCP/IP协议漏洞、安全策略漏洞等。随着计算机操作系统服务时间的增长，安全威胁不断加剧，系统防御系数下降，容易受到黑客攻击。黑客入侵计算机网络可能导致严重后果，如窃取网络安全信息和非法操控网络环境，这使得用户无法正常使用计算机软件，并造成电力信息泄露。

此外，如果系统被恶意病毒、木马程序或其他网络攻击入侵，网络运行环境可能遭受严重破坏。信息泄露在一个通用的、面向用户的信息网络系统中，若未得到有效控制，被滥用或篡改的风险可能被利用。此外，敏感数据可能被用于传播恶意内容和诱导性信息，极易引发信息风险，导致网络能耗大幅增加[3‐4]。

因此，本文提出如下假设：

• H4 ：云计算技术（CCT）的应用可提高智能学习生态社区的数据安全。

为保障存储信息的安全并防止信息泄露，是信息存储环境长期发展的基本目标。在大数据背景下，云存储已成为主流的信息存储方式。云存储不仅提供巨大的存储空间，而且在保障信息完整性和支持信息高效应用方面表现出显著优势。

大数据时代的一个显著特征是数据的爆炸式增长。一方面，海量数据占用过多存储空间，导致存储成本上升；另一方面，普通计算机难以完全处理海量数据，造成数据冗余。在这种情况下，针对大数据的计算机信息处理技术需要进行适应性创新，以在新时代保持高效的信息处理效率，并进一步挖掘信息的使用价值。虚拟化技术的应用可以降低大型数据中心计算平台的应用成本，将物理服务优化为虚拟服务，并在虚拟环境中同时运行，这不仅能实现全部信息处理功能，还能进一步提高虚拟计算平台的灵活性和持久性。

在数据存储方面，云计算技术的应用可以分离系统的外部存储空间，实现数据迁移、备份、恢复等操作，对系统信息进行分类存储，以防止数据泄露和丢失；在数据传输方面，该技术的应用可实现数据全程加密，防止数据传输过程中被截获和窃取，从而有效提高电力信息系统传输的安全系数，确保整个系统安全运行；在用户账户安全管理方面，该技术能够识别并监控异常用户行为，确保用户仅在授权范围内访问数据，保障信息使用的合法性。

因此，本文提出如下假设：

• H41 ：云计算技术的应用可以提高数据存储安全。
• H42 ：云计算技术的应用可以提高数据传输安全。
• H43 ：云计算技术的应用可以提高用户账户安全。

同态加密可以通过高效方式对加密数据进行计算和处理，获取密文数据，并保持数据安全。在获取数据时，应用全同态加密算法可直接处理密文，获取有用数据，简化了流程，有效降低了数据处理过程中的安全风险，从而大大提高电力信息系统的安全性。其具体原理如下所述。

尽管云计算具有强大的数据处理能力，但在面对海量数据时仍存在处理成本高和系统运行负担大的问题。大规模数据处理引擎的构建旨在提供一种自动化数据处理流程。该引擎中的不同模块负责大规模数据处理的不同环节，如数据预处理、数据分类、数据计算等，且该引擎具有高效的运行效率和性能表现。此外，该引擎还具备较强的扩展能力，可根据大数据技术的发展和信息处理需求的变化持续增加新功能，从而始终保持较高的实用性。

• H5 ：全同态加密（FHE）的应用可提高智能学习生态社区的数据安全。

虚拟化技术能够使软件资源的运行保持在可控范围内，并通过隔离和分配资源，有利于数据和信息的开放共享，使系统相对独立，避免某个系统受其他影响而干扰整体运行。因此，本文提出如下假设：

• H6 ：虚拟化技术的应用（VTS）可以提高智能学习生态社区的数据安全。

虚拟化技术具有存储虚拟化功能，可为用户提供虚拟存储平台和信息检索服务。虚拟化技术具备网络虚拟化能力，能够有效整合平台软硬件，为用户提供网络连接和网络搜索服务，并大幅提升数据传输速度和响应效率；虚拟化技术还具备服务虚拟化功能。该技术具有容错与负载均衡功能，可显著提高信息系统的运行稳定性，促进信息资源共享。

因此，本文提出如下假设：

• H61 ：存储虚拟化技术的应用可以提高数据存储安全。
• H62 ：网络虚拟化技术的应用可以提高数据传输安全。
• H63 ：服务虚拟化技术的应用可以提高用户账户安全。

III. 问卷设计与数据收集

为验证生态学习社区的有效性，本研究采用量化研究方法。研究工具选用标准化量表。量表的Cronbach’s α系数分别为0.892、0.79、0.84，均高于0.7[8]，表明量表具有良好的信度。

信度和效度

为确保研究工具的信度和效度，本研究采用已有研究中的成熟量表，并根据当前研究目的进行了适当修订。潜变量的标准化因子载荷均大于0.85，各变量的AVE值均大于0.5，且AVE值的平方根大于该变量与其他变量的相关系数，说明变量具有良好的收敛效度和区分效度，结果见表1。

表1 共同因子分析

ITEM	Q1	Q2	Q3	Q4	Q5	Q6
	0.776	0.785	0.778	0.775	0.856	0.619

ITEM	Q11	Q12	Q13	Q14	Q15	Q16
	0.627	0.754	0.827	0.779	0.727	0.673

ITEM	Q21	Q22	Q23	Q24	Q25	Q26
	0.6772	0.842	0.896	0.709	0.7589	0.779

ITEM	Q7	Q8	Q9	Q10	Q11	Q12
	0.612	0.673	0.754	0.786	0.627	0.754

ITEM	Q13	Q14	Q15	Q16	Q17	Q18
	0.827	0.770	0.727	0.673	0.754	0.786

ITEM	Q19	Q20	Q21	Q22	Q23	Q24
	0.375	0.635	0.6772	0.842	0.896	0.709

ITEM	Q25	Q26	Q27	Q28	Q29	Q30
	0.7539	0.779	0.673	0.878	0.757	0.356

IV. 结论与讨论

本研究使用SPSS 22.0软件进行数据分析。假设检验结果可从表1和表2中获取。

表2 信度与效度分析

变量	Cronbach’s α
生态学习社区	0.90
数据安全	0.85
虚拟化安全	0.89
全同态加密安全	0.94

表3 假设检验结果

假设	标准β值	T值	结果
H1：生态学习社区 → 智能主体成长	0.88	6.44	支持
H2：生态学习社区 → 数据安全	0.88	5.85	支持
H3：生态学习社区 → 虚拟化安全	0.85	4.92	支持
H4：云计算技术应用 → 数据安全	0.48	3.21	支持
H5：全同态加密应用 → 数据安全	0.872	7.15	支持
H6：虚拟化技术应用 → 数据安全	0.89	6.88	支持

模型拟合指标：χ² = 132.45，df = 81，p = 0.052，CFI = 0.91，NFI = 0.98，IFI = 0.96，TLI = 0.96，RMSEA = 0.09。

研究结果表明，生态学习社区对智能主体成长、数据安全和虚拟化安全具有显著正向影响。云计算技术、全同态加密和虚拟化技术的应用均能有效提升智能学习生态社区的数据安全水平。

能够实现用于交通的网络计算技术的运用。该技术可以统一管理和监控大容量资源的存储与计算，形成资源池，满足不同用户提取和提供服务的需求。同时，在系统运行过程中，由于受到系统自身漏洞和黑客攻击的影响，数据信息面临着被破坏或窃取的风险。

为了确保数据的安全性和机密性，应开发并创建一个全面应用同态加密技术和虚拟化技术的安全环境，以防止信息数据的泄露和丢失，并合理应用这些技术以完善电力信息系统安全防护机制。