CN110032553A - 一种数据对象的dna生成和校验方法 - Google Patents

Abstract

本发明涉及一种数据对象的DNA生成和校验方法，其特征在于包括以下内容：S1：定义数据对象及其版本号计算方法；S2：基于Hash函数将数据对象映射为相同长度的Hash值，并检查数据对象的完整性；S3：使用数据对象的Hash值、数据对象父版本的DNA值与版本号生成此数据对象的DNA；S4：利用当前数据对象的DNA和Hash值，溯源至其上一版本或根源版本DNA。本发明可以广泛用于审计数据连续性等领域。

Description

一种数据对象的DNA生成和校验方法

技术领域

本发明关于一种数据对象的DNA生成和校验方法，涉及数据管理领域。

背景技术

在大数据时代，数据类型更加丰富多样，包括数值、文本、图片、视频、富媒体等一系列形式，也造成了碎片化数据、数据孤岛、垃圾数据、数据失控等一系列问题，给数据管理带来许多新难题。分析数据产生和演化的过程可以准确评价数据对象的质量和正确性，可以解决有争议数据的溯源问题，并有助于数据孤岛、垃圾数据、数据失控等一系列问题，因此研究数据世系具有重大意义。

目前数据世系的应用领域主要采用映射、跟踪技术在数据库、数据仓库、P2P等数据处理框架中进行世系管理，例如SPIDER、Trio、DBNotes等，均存在以下问题：1)数据世系管理主要的借助平台仍是关系数据库，而当前数据对象类型多且缺乏相关系性，当前的手段无法适应数据对象新形式；2)数据世系主要是通过添加世系关系的注释完成，但易被篡改，可能造成数据溯源错误；3)世系溯源方式开销较大，注释需要额外的储存空间。针对大部分形式的数据对象，常用版本号的变化表现数据世代更迭。传统版本号计算方式中，每个数据对象只有一个版本号，只有内容有版本号或内容和元数据放在一起进行版本号计算，且仅用数值大小代表版本的更迭，造成以下问题：1)不能区分数据内容和元数据的分别变化；2)只能记录版本发生变化，但不知道变化的原因；3)仅适用于人工鉴别，会造成大量人力的浪费。

现有数据世系已有的方法无法满足目前对数据对象进行世系管理的要求，主要表现为：1)不能处理文本、图片、视频、富媒体等非关系型数据；2)不能采用计算机识别数据对象版本，以及无法直观体现版本变化的原因；3)数据世系关系注释易被篡改，无法满足数据防伪造和篡改的要求；4)过高的开销，不适用目前海量的数据及数据形式。因此，数据对象不能再沿用之前形式，需要进行一定的改进与优化，来适应数据世系管理要求，也可以进一步丰富和发展数据管理领域的发展。

发明内容

针对上述问题，本发明的目的是提供一种能够有效解决数据管理中有争议数据的溯源问题的数据对象的DNA生成和校验方法。

为实现上述目的，本发明采取以下技术方案：一种数据对象的DNA生成和校验方法，包括以下内容：

S1：定义数据对象及其版本号计算方法；

S2：基于Hash函数将数据对象映射为相同长度的Hash值，并检查数据对象的完整性；

S3：使用数据对象的Hash值、数据对象父版本的DNA值与版本号生成此数据对象的DNA；

S4：利用当前数据对象的DNA和Hash值，溯源至其上一版本或根源版本DNA。

进一步地，定义数据对象及其版本号计算方法的内容包括：

S11：定义数据对象：数据对象由两个部分组成：被封装的内容及其元数据，被封装的内容为任何类型的数据，数据对象的内容作为一个整体来处理，并将数据内容对应的所有元数据放在一个文件之中；

S12：数据对象的版本号包括内容版本号和元数据版本号；

S13：版本号为变长的多位数值，其中每一个位代表一次版本变化；

S14：版本号的计算由版本号原子操作和算子组成，算子为加号计算，代表的是几种操作同时出现；

S15：计算内容版本号和元数据版本号。

进一步地，版本号的计算由版本号原子操作和算子组成，算子为加号计算，代表的是几种操作同时出现，具体为：原子操作的编号包括：0：Create，即代表“新生成”操作；1：Insert，即代表“插入”操作；3：Delete，即代表“删除”或“抽取”操作；5：Replace，即代表“替换”操作；算子为加号计算，代表的是几种操作同时出现，即4＝1+3，即代表操作“插入+删除”；6＝5+1，即代表操作“插入+替换”；8＝3+5，即代表操作“删除+替换”；9＝1+3+5,即代表操作“插入+删除+替换”；代号“0”不参加任何计算，代表的是新生成操作的结果，2代表的是副本操作，代表数据对象在复制操作或网络传输；7代表的是集成/合并操作，说明该版本为对已有几个数据对象进行合并/集成处理后得到的。

进一步地，基于Hash函数将数据对象映射为相同长度的Hash值，具体过程为：

S2A1：输入为任意长度的数据对象DO_i；

S2A2：Hash函数输出为一个固定长度的散列值，即消息摘要。

进一步地，检查数据对象的完整性的步骤为：

S2B1：发送方计算准备发送或留存给对方的数据对象x的Hash值，即H(x)；

S2B2：发送方数据对象x及其Hash值加密后的y分别发送或留存给接收者，其中y＝E(H(x))；

S2B3：接收方收到或找到数据对象x'及其加密的Hash值y'；

S2B4：接收方采用与发送方使用的Hash函数相同的函数计算数据对象x'的Hash值，即y”＝H(x')；

S2B5：接收方比较y”是否等于对发送方发来的y'解密后的值。如果y”＝E(H(x))，那么可以断定数据对象x在发送或留存过程中并没有发生变化。

进一步地，使用数据对象的Hash值、数据对象父版本的DNA值与版本号生成此数据对象的DNA的具体过程为：

S31：计算数据对象的每个版本DO₁，DO₂，....DO_N的Hash值，即Hash(DO₁),Hash(DO₂),…Hash(DO_N)，每个版本的Hash值的长度相同，即m位；

S32：生成每个版本对应的密钥key，每个版本的key为该版本的合成版本号，即对内容版本号和元数据版本号进行二进制值异或运算的结果；

S33：从第一个版本DO₁的Hash值Hash(DO₁)开始逐个计算所对应的版本的DNA值。

进一步地，从第一个版本DO₁的Hash值Hash(DO₁)开始逐个计算所对应的版本的DNA值的计算公式如下：

DNA₁＝E_k(Hash(DO₁))

DNA_i＝E_k(Hash(DO_i)⊕DNA_i-1)(1<i<N)。

进一步地，利用当前数据对象的DNA和Hash值，溯源至其上一版本或根源版本DNA的具体过程：

从第N个版本DON的DNA值及Hash值Hash(DO_N)开始逐个计算之前版本的DNA值，其计算公式如下：

DNA_N-1＝E_k(Hash(DO_N)⊕DNA_N)

DNA_i-1＝E_k(Hash(DO_i)⊕DNA_i)(1<i<N)

如果，计算后得到的DNA_N-1与上一版本的元数据中存储的DNA一致，则当前版本是上一版本的世系。

本发明由于采取以上技术方案，其具有以下优点：

1、本发明突破目前广泛采用的版本计算方法面向人类用户的使用，而并非面向计算机的理解与处理的局限性，提出一种新的数据对象版本号计算方式，面向计算机的自动化处理也兼顾人类用户的使用需求，采用版本号的长度和不同数字表示不仅记录了版本变化次数及变化量，而且还记录了版本变化的原因，具有很强的实用性，有助于计算机自动化处理数据对象；

2、本发明提出的数据DNA可以突破原有争议数据的溯源及世系检验困难等问题，并且具有抗碰撞、计算快速、单向计算、防伪造和篡改的特点，且易于比较数据对象间的世代问题，可以更好的满足有争议数据溯源及世系检验的需要；

综上，本发明可以广泛用于审计数据连续性等领域。

附图说明

图1为本发明数据对象的两种版本号

图2为本发明使用Hash函数进行完整性检测流程；

图3为本发明数据对象的DNA生成方法；

图4为本发明数据对象的DNA生成界面示意图；

图5为本发明数据对象的DNA溯源方法。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供的数据对象的DNA生成和校验方法，包括以下步骤：

S1：定义数据对象及其版本号计算方法

本发明提出的版本号计算方法不仅与变化频数有关，而且还与数据对象本身的生成方式有关。基于数据对象生成的两种方法：一直接产生一个全新的数据对象，二基于已有的数据对象产生定义新的数据对象。

如图1所示，定义数据对象及其版本号计算方法的具体过程为：

S11：数据对象由两个部分组成：被封装的内容及其元数据。被封装的内容可以为任何类型的数据，例如文本、数值、图片、视频、富媒体或及其某种组合，系统将数据对象的内容作为一个整体来处理。同时，将数据内容对应的所有元数据放在一个文件之中；

S12：将数据对象的版本号分为两种，即内容版本号和元数据版本号，内容版本号和元数据版本号分开计算；

S13：版本号为变长的多位数值，其中每一个位代表一次版本变化，例如数据对象DO_i的版本号为0125代表的是该数据对象(DO_i)的第四版本，即相对于原始版本已经历了三次版本变化；

S14：版本号的计算由版本号原子操作和算子组成，算子为加号(+)计算，代表的是几种操作同时出现。本发明提出的版本代号由4个原子，4个算子，2个特殊代号组成，只有原子代号参与加法计算，例如DO_i当前版本(版本号为0125)，就是在其前一版本(版本号为012)中进行“替换”操作后得到的，具体为：

S14A：原子是不可拆分的，原子操作的编号有四种，具体如下：0：Create，即代表“新生成”操作；1：Insert，即代表“插入”操作；3：Delete，即代表“删除”或“抽取”操作；5：Replace，即代表“替换”操作，在本发明中，“替换(5)”操作和“插入(1)+删除(3)”是有区别的，前者代表的是‘在同一个内容或位置上先进行删除，后进行插入操作’；后者代表的插入操作和删除操作发生的位置并不一样。

S14B：算子为加号(+)计算，代表的是几种操作同时出现，例如1+3等于4，即4代表的是该版本为上一版本数据对象的基础上，进行“插入”和“删除”操作获得。以下数值可以，也只能通过唯一一种方法计算后得到：4＝1+3，即代表操作“插入(Insert)+删除(Delete)”；6＝5+1，即代表操作“插入(Insert)+替换(Replace)”；8＝3+5，即代表操作“删除(Delete)+替换(Replace)”；9＝1+3+5,即代表操作“插入(Insert)+删除(Delete)+替换(Replace)”；代号“新生成(0)”不参加任何计算，即代表的是数据对象的“新生成(Create)”代表的是新生成操作的结果，已经包含生成过程中插入(Insert)+删除(Delete)+替换(Replace)操作。代号2和7无法通过加号算子(+)和原子代号计算得到。因此，本发明为代号2和7分别定义了以下特殊含义：2：代表的是副本(Duplicate)操作,可以代表数据对象在复制操作或网络传输，充分体现数据对象的可共享性；7：代表的是集成/合并(Integrate)操作，说明该版本为对已有几个数据对象进行合并/集成处理后得到的，其中，版本代号具体定义如表1所示：

表1版本代号

S15：计算内容版本号和元数据版本号，例如创建一个数据对象时，其内容版本号和元数据版本号均为0，对数据内容进行“插入”操作时，内容版本号变为01，再进行“替换”操作后内容版本号变为015，以此类推，对于元数据的操作和版本号变化同理，不再赘述。

S2：基于Hash函数将数据对象映射为相同长度的Hash值，检查数据对象的完整性，Hash函数将数据对象映射为相同长度的Hash值步骤如下：

S2A1：输入为任意长度的数据对象DO_i；

S2A2：Hash函数输出为一个固定长度的散列值，即消息摘要，消息中的任何一位或多位的变化都将导致该散列值的变化。

如图2所示，基于Hash函数的完整性检测的步骤如下：

S2B1：发送方计算准备发送或留存给对方的数据对象x的Hash值，即H(x)；

S2B2：发送方数据对象x及其Hash值加密后的y分别发送或留存给接收者，其中y＝E(H(x))。

S2B3：接收方收到或找到数据对象x'及其加密的Hash值y'。

S2B4：接收方采用与发送方使用的Hash函数相同的函数计算数据对象x'的Hash值，即y”＝H(x')。

S2B5：接收方比较y”是否等于对发送方发来的y'解密后的值。如果y”＝E(H(x))，那么可以断定数据对象x在发送或留存过程中并没有发生变化。

S3：使用数据对象的Hash值、数据对象父版本的DNA值与版本号生成此数据对象的DNA；

数据对象的DNA的实现原理如图3所示。对数据对象的每个版本进行Hash计算的基础上，将Hash值和上一版本的DNA进行异或操作，并以版本号为密钥对异或操作的结果进行对称加密，获得当前版本的DNA，计算步骤如下：

S31：计算Hash值。

计算数据对象的每个版本DO₁，DO₂，....DO_N的Hash值，即Hash(DO₁),Hash(DO₂),…Hash(DO_N)。每个版本的Hash值的长度相同，即m位(固定值)。

S32：生成密钥。

生成每个版本对应的密钥(key)，每个版本的key为该版本的合成版本号，即对内容版本号和元数据版本号进行二进制值异或运算的结果。

S33：生成DNA。

从第一个版本(DO₁)的Hash值(Hash(DO₁))开始逐个计算所对应的版本的DNA值，计算公式如下：

DNA₁＝E_k(Hash(DO₁))

DNA_i＝E_k(Hash(DO_i)⊕DNA_i-1)(1<i<N)

数据对象的DNA生成程序界面草图如图4所示。

S4：利用当前数据对象的DNA和hash值，溯源至其上一版本或根源版本DNA。

如图5所示，从第N个版本(DON)的DNA值及Hash值(Hash(DO_N))开始逐个计算之前版本的DNA值，其计算公式如下：

DNA_N-1＝E_k(Hash(DO_N)⊕DNA_N)

DNA_i-1＝E_k(Hash(DO_i)⊕DNA_i)(1<i<N)

如果，计算后得到的DNA_N-1与上一版本的元数据中存储的DNA一致，则当前版本是上一版本的世系。

最后应当说明的是：以上实施例仅用于说明本发明的技术方案而非对其保护范围的限制,尽管参照上述实施例对本申请进行了详细的说明,所属领域的普通技术人员应当理解：本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在申请待批的权利要求保护范围之内。

Claims (8)

1.一种数据对象的DNA生成和校验方法，其特征在于包括以下内容：

S1：定义数据对象及其版本号计算方法；

S2：基于Hash函数将数据对象映射为相同长度的Hash值，并检查数据对象的完整性；

S3：使用数据对象的Hash值、数据对象父版本的DNA值与版本号生成此数据对象的DNA；

S4：利用当前数据对象的DNA和Hash值，溯源至其上一版本或根源版本DNA。

2.根据权利要求1所述的数据对象的DNA生成和校验方法，其特征在于，定义数据对象及其版本号计算方法的内容包括：

S11：定义数据对象：数据对象由两个部分组成：被封装的内容及其元数据，被封装的内容为任何类型的数据，数据对象的内容作为一个整体来处理，并将数据内容对应的所有元数据放在一个文件之中；

S12：数据对象的版本号包括内容版本号和元数据版本号；

S13：版本号为变长的多位数值，其中每一个位代表一次版本变化；

S14：版本号的计算由版本号原子操作和算子组成，算子为加号计算，代表的是几种操作同时出现；

S15：计算内容版本号和元数据版本号。

3.根据权利要求2所述的数据对象的DNA生成和校验方法，其特征在于，版本号的计算由版本号原子操作和算子组成，算子为加号计算，代表的是几种操作同时出现，具体为：

原子操作的编号包括：0：Create，即代表“新生成”操作；1：Insert，即代表“插入”操作；3：Delete，即代表“删除”或“抽取”操作；5：Replace，即代表“替换”操作；

算子为加号计算，代表的是几种操作同时出现，即4＝1+3，即代表操作“插入+删除”；6＝5+1，即代表操作“插入+替换”；8＝3+5，即代表操作“删除+替换”；9＝1+3+5,即代表操作“插入+删除+替换”；代号“0”不参加任何计算，代表的是新生成操作的结果，2代表的是副本操作，代表数据对象在复制操作或网络传输；7代表的是集成/合并操作，说明该版本为对已有几个数据对象进行合并/集成处理后得到的。

4.根据权利要求1所述的数据对象的DNA生成和校验方法，其特征在于，基于Hash函数将数据对象映射为相同长度的Hash值，具体过程为：

S2A1：输入为任意长度的数据对象DO_i；

S2A2：Hash函数输出为一个固定长度的散列值，即消息摘要。

5.根据权利要求1所述的数据对象的DNA生成和校验方法，其特征在于，检查数据对象的完整性的步骤为：

S2B1：发送方计算准备发送或留存给对方的数据对象x的Hash值，即H(x)；

S2B2：发送方数据对象x及其Hash值加密后的y分别发送或留存给接收者，其中y＝E(H(x))；

S2B3：接收方收到或找到数据对象x'及其加密的Hash值y'；

S2B4：接收方采用与发送方使用的Hash函数相同的函数计算数据对象x'的Hash值，即y”＝H(x')；

S2B5：接收方比较y”是否等于对发送方发来的y'解密后的值。如果y”＝E(H(x))，那么可以断定数据对象x在发送或留存过程中并没有发生变化。

6.根据权利要求1～5任一项所述的数据对象的DNA生成和校验方法，其特征在于，使用数据对象的Hash值、数据对象父版本的DNA值与版本号生成此数据对象的DNA的具体过程为：

S31：计算数据对象的每个版本DO₁，DO₂，....DO_N的Hash值，即Hash(DO₁),Hash(DO₂),…Hash(DO_N)，每个版本的Hash值的长度相同，即m位；

S32：生成每个版本对应的密钥key，每个版本的key为该版本的合成版本号，即对内容版本号和元数据版本号进行二进制值异或运算的结果；

S33：从第一个版本DO₁的Hash值Hash(DO₁)开始逐个计算所对应的版本的DNA值。

7.根据权利要求6所述的数据对象的DNA生成和校验方法，其特征在于，从第一个版本DO₁的Hash值Hash(DO₁)开始逐个计算所对应的版本的DNA值的计算公式如下：

DNA₁＝E_k(Hash(DO₁))

DNA_i＝E_k(Hash(DO_i)⊕DNA_i-1)(1<i<N)。

8.根据权利要求1～5任一项所述的数据对象的DNA生成和校验方法，其特征在于，利用当前数据对象的DNA和Hash值，溯源至其上一版本或根源版本DNA的具体过程：

从第N个版本DON的DNA值及Hash值Hash(DO_N)开始逐个计算之前版本的DNA值，其计算公式如下：

DNA_N-1＝E_k(Hash(DO_N)⊕DNA_N)

DNA_i-1＝E_k(Hash(DO_i)⊕DNA_i)(1<i<N)

如果，计算后得到的DNA_N-1与上一版本的元数据中存储的DNA一致，则当前版本是上一版本的世系。