摘要：目前我国使用计算机系统来存储大量电子信息资源，由于受到噪声影响，导致资源存储效果较差，系统安全也无法得到保障，为了解决该问题，提出了基于人工智能的电子信息资源实时存储方法。根据信息资源存储基本原理，分析资源存储逻辑关系，在人工智能条件下，采用标准 Hadoop 布局方案，对电子信息资源分布进行优化，获取存储自定义相关功能。通过簇将磁盘各个空间连接在一起，对电子信息资源进行整合，依据资源存储点的位置，对信息资源存储过程进行规划，并设计读取方案。采用多重去噪加密技术，改善系统安全问题，实现电子信息资源的实时存储。由实验对比结果可知，采用人工智能方法存储效果最高为 95%，优化了电子信息技术的存储功能。
关键词：人工智能;电子信息资源;实时存储;分布优化
电子信息资源是以数字化形式存在的，将文字、图像和声音等多种形式的信息存储在磁盘非印刷型介质上，并以光或电信号进行传输，通过响应计算机再现信息资源[1] 。伴随互联网快速发展，数据量呈现爆发式增长，有效管理和存储庞大电子信息资源成为学术界一直关注的焦点[2] 。
传统存储方法是利用计算机系统来存储大量数据，并记录在文件夹之中，通过文件夹来管理数据文件。虽然该方法存储速率较快，但存储效率较差。基于此，提出了基于人工智能的电子信息资源实时存储方法。人工智能属于一项具有综合性的多学科应用技术形式，其中包含了工程学、计算机科学和心理学等多种学科内容，在实际生活中，人工智能通过对人类自身智能模拟来延伸，借助多种技术使机器更加像人类一样对电子信息资源进行存储[3] 。
1 电子信息资源人工智能存储方法
电子信息资源存储系统是操作系统用于区分磁盘和分区上信息的方法和数据结构，其基本存储原理如下所示：
1)在电子信息资源存储系统进行使用前，为了获取虚拟逻辑地址，需对整个系统磁盘空间划分;
2)电子信息资源存储系统包含每个信息资源名称、扩展命名、起始单元、文件的属性、创建日期等基本信息，在该系统中可将每一个基本信息都编辑到目录之中，为存储系统管理提供方便;
3)程序目录中包含对应资源在磁盘上存储的虚拟地址[4] 。
传统电子信息资源存储方式是使用计算机文件系统进行存储的，该存储方式会为目录编辑，提供较小磁盘空间，对于黑客可直接访问问题，需先获取电子信息资源在磁盘上的真实地址，才可放置大量电子信息资源被泄漏，因此，采用人工智能方法对电子信息资源进行存储[5] 。
1.1 资源存储逻辑关系分析
目录资源存储是利用原有资源存储系统的存取方式，通过资源合并，将许多不同资源合并存储到同一文件集合之中，为用户每个资源编辑目录提供完整信息[6] 。基于人工智能的资源存储逻辑关系分析如图 1所示。
采用人工智能存储方法可使资源存储文件具有扩展功能，合并文件并存储到系统中，不进行任何记录，通过模拟存储系统来记录资源信息，并由用户自己进行记录[7] 。分析资源存储逻辑关系，可提高电子信息资源存储的安全性，为资源分布优化奠定基础。
1.2 资源分布优化
电子信息资源要尽可能均匀分布不同集群之中，保证网络负载均衡，在人工智能条件下对资源分布进行优化。采用标准 Hadoop 布局方案，可在约定时间内完成电子信息资源的存储[8-9] 。在资源分布优化过程中，由于使用大量无效资源，导致资源在存储过程中保留了部分设备属性，将该设备上全部资源都存储到同一个节点处，利用人工智能可实现信息资源的连续性存储行为，大大降低信息资源传输时间，进而提高整体存储效率[10-12] 。
根据上述资源分布内容，实现电子信息资源存储的自定义相关功能，为此，设计了电子信息资源分布优化配置方案如图 2所示。
由图 2 可知：存储系统中资源相关系数可通过配置资源进行自定义，计算不同资源哈希值，根据计算结果，在人工智能下存储成多个资源副本，进而确定每个资源存储节点的位置，如果存放位置出现了错乱现象，那么需跳过该位置，寻找下一个可以存放资源位置[13] 。
1.3 信息资源存储与读取方案规划
依据资源存储点的位置，对信息资源存储过程进行规划，并设计读取方案[14-16] 。
用户在选择需要存储电子信息资源过程中，需先对其进行拆分，通常将存储过程分为两部分：一种是获取资源名称、扩展命名、起始单元、文件的属性、创建日期等基本信息，同时获取信息资源存储地址;另一种是将资源实际信息通过系统存储到信息资源整合区。
在对电子信息资源读取操作过程中，需要获取用户持有的权限，然后通过目录信息查找虚拟地址，以此获取资源存储系统数据库中的电子信息资源，并传递到用户指定位置。
1.4 基于人工智能加密存储方案的实现
通过上述获取的存储资源无法保证其安全性，因此，需对其进行加密处理。存储系统最顶层设计可为用户提供信息资源传输接口，中间层设计可为存储系统提供软件协议，最底层设计可为系统提供硬件模块。通常数据库寻址是以簇为单位进行的，由于簇大小为 2 的幂次方，因此，一个资源文件就可占据多个簇。针对存储系统中的相关加密方案设计，实际上就是在获取存储区域编号条件下实现的。
具体加密过程如下所示：
1)将 2048 字节作为一个加密扇区，将该扇区分为两组，每组都为 1024位，将这两组进行变量交换;
2)设置扇区存储密钥为：1024 bit;
3)设置组别密钥为;
4)预 设 1024 bit 字 节 整 体 为 A，S0 = S⊕X ， C0 = 0 。其中，X 表示编号。一个扇区加密过程为： Si = Si - 1 ⊕Ai = 1
Ci = Si ,Xi ⊕Ci = 1 (1)
根据公式(1)的加密过程可对电子信息资源文件进行加密处理，由此提高资源存储安全性。虽然该过程设置了资源存储保密性能，但是容易受到噪声干扰，而导致存储效果变差，为此，应对噪声进行处理。
为了达到降噪目的，需对资源存储过程进行去燥处理。在存储电路上设置一个门电路，使用公钥完成对资源加密处理，采取多重加密方式，会产生一个公钥序列，如下所示：
{as1 ，as2，...，asi }
与该公钥相对应的加密密钥序列为：
{bs } * 1 ，bs * 2，...，bs * i - 1
其中 as * i 是通过 bsi + 1 加密 asi 获取的密文，由于密钥 a、b 是对外开放的，为此，在已经获取密文 s 情况下，可得到去燥公式，如下所示：
s - ab = k + 2r (2)
公式(2)中：r 为噪声干扰源;k 为明文存储资源的明文信息。当公式满足 k + 2r < a/2 条件下，电子信息资源存储过程才能免受噪声干扰，而保持良好存储效果，提高存储安全性能。
2 验证分析验证基于人工智能的电子信息资源实时存储方法的合理性是在 Windows2018文件系统基础上进行的，以噪声干扰为实验条件，对存储效果进行验证分析。
2.1 实验参数设置实验参数设置如表 1所示。
2.2 实验环境设置
在人工智能条件下，对电子信息资源存储方法验证分析进行实验条件设置，结合上述实验参数，设计电子信息资源存储的网络结构。在该网络结构下，一旦不法分子想要获取某企业电子信息资源时，需先获得访问权限才可进入存储系统之中，但是受到网络环境的防火墙限制，使不法分子智能先对主机服务器进行访问，对于内部资源信息没有直接访问权限，因此，为了能够获取内部资源信息访问资格，必须通过主机审核才可获得访问权限。
2.3 实验结果与分析
采用人工智能方法存储电子信息资源，在人工智能环境下，采用多重加密去燥方法，可提高系统安全性能，保证存储方法的有效性。为了验证该说法的准确性，将传统方法与人工智能方法在噪声干扰情况下，对信息资源存储情况进行对比分析。
在噪声干扰下，两种方法对电子信息资源加密情况如图 3所示。
由图 3 可知：传统方法对电子信息资源进行交换加密，获取的结果为 A4、A3、A7、A1、A9、A8、A6、 A5、A2，而人工智能方法对应的资源交换加密结果为 A3、A2、A1、A6、A5、A4、A3、A2、A1。
设定固定加密时间，从这 9 个数据块中随机选取两个数据块，A1、A3，传统方法中的 A1 由第 1 个数据块的位置交换到了第 4个数据块的位置，A3由第 3 个数据块的位置交换到了第 2 个数据块的位置。而人工智能方法的 A1由第 1个数据块的位置交换到了第 3 个数据块的位置，A3 由第 3 个数据块的位置交换到了第 1个数据块的位置。
对比传统方法与人工智能方法 A1 和 A3 这两个数据块位置交换情况，如图 4所示。
当变换时间为 5~10 s 时，传统方法中的 A1 由第 2.0 个数据块变换到了第 4.0 个数据块位置，A3 由第 2.5 个数据块变换到了第 2.0 个数据块位置。而人工智能方法中的 A1 和 A3 分别在 3.0 和 1.0 个数据块位置保持不变。
根据上图中数据块位置交换结果，对两种方法存储效果进行对比分析，结果如图 5所示。
由图 5 可知：当时间为 5 s 时，采用传统方法 A1 和 A3 数据块存储效果分别为 65%和 58%。采用人工智能方法 A1 和 A3 数据块存储效果分别为 90%和 92%，说明本文方法的存储效果更优。
2.4 实验结论
根据上述实验内容，可得出实验结论：
采用传统方法最高存储效果为 75%，最低为 25%;而人工智能方法最高存储效果为 95%，最低为 89%。
综上所述：基于人工智能的电子信息资源实时存储方法是具有合理性的。 3 结束语采用人工智能方法对电子信息资源进行存储，可改善传统方法存在的噪声干扰问题，使用多重加密技术可最大限度维护用户信息安全，这对电子信息技术稳定发展具有重要意义。若想更好提升电子技术服务质量，需将电子信息技术优化发挥出来，并结合实际情况，将人工智能更好运用到技术之中，达到有效促进电子技术稳定发展的目的。
参考文献:
[1] 李漫江. 基于人工智能的农用拖拉机发动机故障快速诊断研究[J]. 农机化研究，2017，39(11): 229-233.
[2] 李立睿. 人工智能视角下图书馆的服务模式重构与创新发展——基于英国《人工智能:未来决策的机遇与影响》报告的解析[J]. 图书与情报， 2017，25(6):29-33.
[3] 陆颖隽，程磊. 基于虚拟现实技术的图书馆信息资源建设与服务创新研究 ——以 CADAL 为例[J]. 图书与情报，2017，14(4):8-12.
[4] 赵嘉莹，高鹏，朱勇俊，等. 人工智能的应用将改进中国基层医疗卫生服务效能[J]. 中国全科医学，2017，20(34):4219-4223.
[5] 喻国明，景琦. 传播游戏理论:智能化媒体时代的主导性实践范式[J]. 社会科学战线，2018，16 (1):141-148.
[6] 孔鸣，何前锋，李兰娟. 人工智能辅助诊疗发展现状与战略研究[J]. 中国工程科学，2018，20(2): 86-91.
[7] 刘凯，胡祥恩，王培. 机器也需教育论通用人工智能与教育学的革新[J]. 开放教育研究，2018，18 (1):10-15.
[8] 曹青，唐天琪，张翎，等. 一种基于行人位置描述的道路模拟表达方法[J]. 地理与地理信息科学， 2017，15(6):8-13.
[9] 于观贞，魏培莲，陈颖，等. 人工智能在肿瘤病理诊断和评估中的应用与思考[J]. 第二军医大学学报，2017，38(11):1349-1354.
[10]江俊彦，彭智勇，吴小莹. 基于Top-k查询约束的深网增量爬取[J]. 模式识别与人工智能，2017， 30(1):43-53.
[11]张娟，王向辉，付然，等. 面向大数据的图书馆单元信息知识服务系统研究——以养生知识服务平台为例[J]. 现代情报，2017，37(10):49-52.
[12]王如玉，梁琦，李广乾. 虚拟集聚:新一代信息技术与实体经济深度融合的空间组织新形态[J]. 管理世界，2018，14(2):13-21.
[13]蒋松含，张沛超，张宇，等. 集成大规模需求响应资源的智能电网数字实时协同仿真方法[J]. 电力系统自动化，2017，41(9):130-136.
[14]李川，王智. 网络教育信息系统中的信息关联定位挖掘方法研究[J]. 现代电子技术，2017，40 (10):58-61.
[15]栾绍鹏，侯西勇. 云平台中国土资源信息存储检测仿真研究[J]. 计算机仿真，2017，34(7):400-403.
[16]龚泉铭，江源源，姜秀杰，等.面向大容量存储的 SpaceWire 传输层协议设计[J].电子设计工程， 2018，26(4):29-33.
