CN111506914B - 大数据加密方法、装置、服务器及可读存储介质 - Google Patents
大数据加密方法、装置、服务器及可读存储介质 Download PDFInfo
- Publication number
- CN111506914B CN111506914B CN202010339658.0A CN202010339658A CN111506914B CN 111506914 B CN111506914 B CN 111506914B CN 202010339658 A CN202010339658 A CN 202010339658A CN 111506914 B CN111506914 B CN 111506914B
- Authority
- CN
- China
- Prior art keywords
- big data
- data access
- thermodynamic
- feature vector
- access node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioethics (AREA)
- Storage Device Security (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请实施例提供一种大数据加密方法、装置、服务器及可读存储介质，通过获取大数据服务终端在预设业务访问区间内的大数据访问信息，并对大数据访问信息进行离散化处理得到大数据访问信息在预设业务访问区间内的连续的大数据访问节点序列，由此进一步确定大数据访问节点序列对应的特征向量热力图谱后根据目标特征加密策略将预设业务访问区间内的大数据访问信息所对应的大数据进行加密。如此，能够考虑到具体的业务访问区间内的大数据访问信息的特征热度，由此在对大数据进行加密时进一步考虑到不同业务访问区间差异，从而提高大数据加密过程的的安全性。
Description
技术领域
本申请涉及计算机技术领域，具体而言，涉及一种大数据加密方法、装置、服务器及可读存储介质。
背景技术
大数据存在数据量庞大、复杂度和关联度高等特点，传统的大数据加密方法，在实际使用时，没有考虑到具体的业务访问区间内的大数据访问信息的特征热度，导致在对大数据进行加密时没有考虑到不同业务访问区间差异，从而造成大数据加密过程存在较大的安全性问题。
发明内容
为了至少克服现有技术中的上述不足，本申请的目的之一在于提供一种大数据加密方法、装置、服务器及可读存储介质，能够考虑到具体的业务访问区间内的大数据访问信息的特征热度，由此在对大数据进行加密时进一步考虑到不同业务访问区间差异，从而提高大数据加密过程的的安全性。
第一方面，本申请提供一种大数据加密方法，应用于服务器，所述方法包括：
获取所述大数据服务终端在预设业务访问区间内的大数据访问信息，并对所述大数据访问信息进行离散化处理得到所述大数据访问信息在所述预设业务访问区间内的连续的大数据访问节点序列，所述大数据访问节点序列包括多个连续的大数据访问节点，每个大数据访问节点配置有大数据访问业务类型，所述大数据访问业务类型用于实例化参数化之后的大数据加密脚本；
根据每个大数据访问节点对应的大数据访问业务类型的访问记录和调用记录，确定每个大数据访问节点对应的业务特征向量集合，并确定每个大数据访问节点的业务特征向量集合与该大数据访问节点的前一个大数据访问节点的业务特征向量集合的第一特征向量关联参数以及每个大数据访问节点的业务特征向量集合与该大数据访问节点的后一个大数据访问节点的业务特征向量集合的第二特征向量关联参数；
基于每个大数据访问节点对应的第一特征向量关联参数和第二特征向量关联参数，确定所述大数据访问节点序列对应的特征向量热力图谱，并根据所述特征向量热力图谱确定所述大数据访问信息对应的目标特征加密策略；
根据所述目标特征加密策略将所述预设业务访问区间内的大数据访问信息所对应的大数据进行加密，得到加密后的大数据。
在一种可能的实现方式中，根据每个大数据访问节点对应的大数据访问业务类型的访问记录和调用记录，确定每个大数据访问节点对应的业务特征向量集合的步骤，包括：
获取每个大数据访问节点上配置的大数据访问业务类型的业务逻辑运行代码，并确定与所述业务逻辑运行代码对应的第一业务接口序列，所述业务逻辑运行代码包括根据所述大数据访问业务类型的访问记录和调用记录所确定出的业务逻辑指令的指令运行环境参数，所述第一业务接口序列包括所述指令运行环境参数的多个运行单元的优先级次序；
确定每个大数据访问节点接收访问记录的第一调用节点和生成调用记录的第二调用节点；
根据所述第一调用节点和所述第二调用节点的调用区间确定用于对所述第一业务接口序列进行映射关联的映射关联系数，并基于所述映射关联系数对所述第一业务接口序列进行映射关联获得第二业务接口序列；
对所述第二业务接口序列进行拆分得到多个业务接口拆分组件，对每个业务接口拆分组件进行特征提取得到业务接口拆分特征；
根据所述第二业务接口序列对应的多个业务接口拆分特征确定所述第二业务接口序列对应的大数据访问节点的业务特征向量集合。
在一种可能的实现方式中，所述基于每个大数据访问节点对应的第一特征向量关联参数和第二特征向量关联参数，确定所述大数据访问节点序列对应的特征向量热力图谱的步骤，包括：
获取基于每个大数据访问节点对应的第一特征向量关联参数和第二特征向量关联参数所确定的特征向量异动曲线；
针对所述特征向量异动曲线中的当前特征向量异动曲线，基于当前特征向量异动曲线在所述预设业务访问区间内被指向的第一业务接口节点以及各所述特征向量异动曲线在所述预设业务访问区间内被指向的第二业务接口节点，确定当前特征向量异动曲线在所述预设业务访问区间内的特征指向分布；
根据每个大数据访问节点对应的所有特征指向分布，确定每个大数据访问节点对应的特征向量异动序列；
提取每个特征向量异动序列中的变化趋势曲线并确定每条变化趋势曲线的曲线特征向量，将确定出的所有曲线特征向量进行加权得到目标特征向量，将所述目标特征向量映射至所述大数据访问节点序列所对应的特征图谱中，获得所述大数据访问节点序列对应的初始特征向量热力图谱；
根据所述大数据访问节点序列的初始特征向量热力图谱获取所述大数据访问节点序列对应的各个初始热力图谱单元上的热力图谱分布信息；
根据所述大数据访问节点序列接入的各个初始热力图谱单元上的热力图谱分布信息获取针对其它与所述大数据访问节点序列相匹配的其它关联大数据访问节点序列在各个初始热力图谱单元的关联热力图谱分布信息；
确定所述关联热力图谱分布信息的关联图谱分布信息，判断所述关联图谱分布信息中是否存在第一图谱分布信息和第二图谱分布信息；其中，所述第一图谱分布信息与所述大数据访问节点序列的图谱分布信息的匹配度大于第一设定匹配度，所述第二图谱分布信息与所述大数据访问节点序列的图谱分布信息的匹配度小于第二设定匹配度；
若存在所述第一图谱分布信息和所述第二图谱分布信息，则获取所述各个初始热力图谱单元上的相关大数据访问节点序列的所述第一图谱分布信息对应的第一初始特征向量热力图谱以及相关大数据访问节点序列的所述第二图谱分布信息对应的第二初始特征向量热力图谱；
对所述第一初始特征向量热力图谱以及所述第二初始特征向量热力图谱进行合成得到匹配初始特征向量热力图谱，将所述匹配初始特征向量热力图谱与所述各个初始热力图谱单元对应的标记初始特征向量热力图谱进行匹配，并根据匹配结果输出所述大数据访问节点序列对应的特征向量热力图谱。
在一种可能的实现方式中，根据所述特征向量热力图谱确定所述大数据访问信息对应的目标特征加密策略的步骤，包括：
按照所述特征向量热力图谱中的图谱单元标签对所述特征向量热力图谱进行划分获得所述特征向量热力图谱对应的多个热力单元，所述图谱单元标签通过所述特征向量热力图谱中指示的所述大数据服务终端在所述预设业务访问区间内的大数据访问信息所使用的所有大数据采集策略以及每个大数据采集策略的访问过程节点信息、每个大数据采集策略所处的大数据访问节点的采集顺序确定；
获取每个热力单元对应的第一大数据采集策略和位置权重，按照热力单元的位置权重由高到低的顺序对所述特征向量热力图谱对应的所有热力单元进行排序得到目标序列并根据每个热力单元在所述目标序列中的序列位置为每个热力单元分配序列权重；
根据所述序列权重和所述位置权重确定每个热力单元的第一大数据采集策略对应的使用权重，所述使用权重用于表征所述第一大数据采集策略在所述大数据访问信息中的重要程度；
以使用权重最高的第一大数据采集策略为基准大数据采集策略，确定所述基准大数据采集策略对应的第一目标热力单元在所述特征向量热力图谱中的目标位置，并获取所述特征向量热力图谱中的其他热力单元与所述第一目标热力单元之间的热力流失度，根据所述热力流失度确定与所述第一目标热力单元存在大数据采集策略关联关系的第二目标热力单元；
将所述第一目标热力单元对应的第一大数据采集策略和所述第二目标热力单元对应的第一大数据采集策略进行整合得到第二大数据采集策略，根据所述第二大数据采集策略确定出所述大数据访问信息对应的目标特征加密策略。
第二方面，本申请实施例提供一种大数据加密装置，应用于服务器，所述装置包括：
获取模块，用于获取所述大数据服务终端在预设业务访问区间内的大数据访问信息，并对所述大数据访问信息进行离散化处理得到所述大数据访问信息在所述预设业务访问区间内的连续的大数据访问节点序列，所述大数据访问节点序列包括多个连续的大数据访问节点，每个大数据访问节点配置有大数据访问业务类型，所述大数据访问业务类型用于实例化参数化之后的大数据加密脚本；
第一确定模块，用于根据每个大数据访问节点对应的大数据访问业务类型的访问记录和调用记录，确定每个大数据访问节点对应的业务特征向量集合，并确定每个大数据访问节点的业务特征向量集合与该大数据访问节点的前一个大数据访问节点的业务特征向量集合的第一特征向量关联参数以及每个大数据访问节点的业务特征向量集合与该大数据访问节点的后一个大数据访问节点的业务特征向量集合的第二特征向量关联参数；
第二确定模块，用于基于每个大数据访问节点对应的第一特征向量关联参数和第二特征向量关联参数，确定所述大数据访问节点序列对应的特征向量热力图谱，并根据所述特征向量热力图谱确定所述大数据访问信息对应的目标特征加密策略；
加密模块，用于根据所述目标特征加密策略将所述预设业务访问区间内的大数据访问信息所对应的大数据进行加密，得到加密后的大数据。
第三方面，本申请实施例提供一种服务器，包括处理器、存储器和网络接口。其中，存储器、网络接口处理器之间可以通过总线系统相连。网络接口用于接收报文，存储器用于存储程序、指令或代码，处理器用于执行存储器中的程序、指令或代码，以完成上述第一方面或第一方面的任意可能的设计方式中的所执行的操作。
第四方面，本申请实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当其在计算机上执行时，使得计算机执行上述第一方面或第一方面的任意可能的设计方式中的方法。
基于上述任意一个方面，本申请通过获取大数据服务终端在预设业务访问区间内的大数据访问信息，并对大数据访问信息进行离散化处理得到大数据访问信息在预设业务访问区间内的连续的大数据访问节点序列，由此进一步确定大数据访问节点序列对应的特征向量热力图谱后根据目标特征加密策略将预设业务访问区间内的大数据访问信息所对应的大数据进行加密。如此，能够考虑到具体的业务访问区间内的大数据访问信息的特征热度，由此在对大数据进行加密时进一步考虑到不同业务访问区间差异，从而提高大数据加密过程的的安全性。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的大数据加密方法的流程示意图之一；
图2为本申请实施例提供的大数据加密装置的功能模块示意图；
图3为本申请实施例提供的用于执行上述的大数据加密方法的服务器的结构示意框图。
具体实施方式
下面结合说明书附图对本申请进行具体说明，方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。
请参阅图1，为本申请实施例提供的大数据加密方法的流程示意图，下面对该大数据加密方法进行详细介绍。
步骤S110，获取大数据服务终端在预设业务访问区间内的大数据访问信息，并对大数据访问信息进行离散化处理得到大数据访问信息在预设业务访问区间内的连续的大数据访问节点序列，大数据访问节点序列包括多个连续的大数据访问节点，每个大数据访问节点配置有大数据访问业务类型，大数据访问业务类型用于实例化参数化之后的大数据加密脚本。
步骤S120，根据每个大数据访问节点对应的大数据访问业务类型的访问记录和调用记录，确定每个大数据访问节点对应的业务特征向量集合，并确定每个大数据访问节点的业务特征向量集合与该大数据访问节点的前一个大数据访问节点的业务特征向量集合的第一特征向量关联参数以及每个大数据访问节点的业务特征向量集合与该大数据访问节点的后一个大数据访问节点的业务特征向量集合的第二特征向量关联参数。
步骤S130，基于每个大数据访问节点对应的第一特征向量关联参数和第二特征向量关联参数，确定大数据访问节点序列对应的特征向量热力图谱，并根据特征向量热力图谱确定大数据访问信息对应的目标特征加密策略。
步骤S140，根据目标特征加密策略将预设业务访问区间内的大数据访问信息所对应的大数据进行加密，得到加密后的大数据。
基于上述步骤，本实施例通过获取大数据服务终端在预设业务访问区间内的大数据访问信息，并对大数据访问信息进行离散化处理得到大数据访问信息在预设业务访问区间内的连续的大数据访问节点序列，由此进一步确定大数据访问节点序列对应的特征向量热力图谱后根据目标特征加密策略将预设业务访问区间内的大数据访问信息所对应的大数据进行加密。如此，能够考虑到具体的业务访问区间内的大数据访问信息的特征热度，由此在对大数据进行加密时进一步考虑到不同业务访问区间差异，从而提高大数据加密过程的的安全性。
在一种可能的实现方式中，针对步骤S120，本实施例具体可以获取每个大数据访问节点上配置的大数据访问业务类型的业务逻辑运行代码，并确定与业务逻辑运行代码对应的第一业务接口序列，业务逻辑运行代码包括根据大数据访问业务类型的访问记录和调用记录所确定出的业务逻辑指令的指令运行环境参数，第一业务接口序列包括指令运行环境参数的多个运行单元的优先级次序。
然后，确定每个大数据访问节点接收访问记录的第一调用节点和生成调用记录的第二调用节点，从而根据第一调用节点和第二调用节点的调用区间确定用于对第一业务接口序列进行映射关联的映射关联系数，并基于映射关联系数对第一业务接口序列进行映射关联获得第二业务接口序列。
接着，可以对第二业务接口序列进行拆分得到多个业务接口拆分组件，对每个业务接口拆分组件进行特征提取得到业务接口拆分特征，从而可以额根据第二业务接口序列对应的多个业务接口拆分特征确定第二业务接口序列对应的大数据访问节点的业务特征向量集合。
在一种可能的实现方式中，针对步骤S130，本实施例具体可以获取基于每个大数据访问节点对应的第一特征向量关联参数和第二特征向量关联参数所确定的特征向量异动曲线。在此基础上，针对特征向量异动曲线中的当前特征向量异动曲线，基于当前特征向量异动曲线在预设业务访问区间内被指向的第一业务接口节点以及各特征向量异动曲线在预设业务访问区间内被指向的第二业务接口节点，确定当前特征向量异动曲线在预设业务访问区间内的特征指向分布。然后，可以根据每个大数据访问节点对应的所有特征指向分布，确定每个大数据访问节点对应的特征向量异动序列。
接着，提取每个特征向量异动序列中的变化趋势曲线并确定每条变化趋势曲线的曲线特征向量，将确定出的所有曲线特征向量进行加权得到目标特征向量，将目标特征向量映射至大数据访问节点序列所对应的特征图谱中，获得大数据访问节点序列对应的初始特征向量热力图谱。
然后，根据大数据访问节点序列的初始特征向量热力图谱获取大数据访问节点序列对应的各个初始热力图谱单元上的热力图谱分布信息，根据大数据访问节点序列接入的各个初始热力图谱单元上的热力图谱分布信息获取针对其它与大数据访问节点序列相匹配的其它关联大数据访问节点序列在各个初始热力图谱单元的关联热力图谱分布信息，并确定关联热力图谱分布信息的关联图谱分布信息，判断关联图谱分布信息中是否存在第一图谱分布信息和第二图谱分布信息。其中，第一图谱分布信息与大数据访问节点序列的图谱分布信息的匹配度大于第一设定匹配度，第二图谱分布信息与大数据访问节点序列的图谱分布信息的匹配度小于第二设定匹配度。
若存在第一图谱分布信息和第二图谱分布信息，则获取各个初始热力图谱单元上的相关大数据访问节点序列的第一图谱分布信息对应的第一初始特征向量热力图谱以及相关大数据访问节点序列的第二图谱分布信息对应的第二初始特征向量热力图谱。
在此基础上，可以对第一初始特征向量热力图谱以及第二初始特征向量热力图谱进行合成得到匹配初始特征向量热力图谱，将匹配初始特征向量热力图谱与各个初始热力图谱单元对应的标记初始特征向量热力图谱进行匹配，并根据匹配结果输出大数据访问节点序列对应的特征向量热力图谱。
在一种可能的实现方式中，仍旧针对步骤S140，本实施例可以按照特征向量热力图谱中的图谱单元标签对特征向量热力图谱进行划分获得特征向量热力图谱对应的多个热力单元，图谱单元标签通过特征向量热力图谱中指示的大数据服务终端在预设业务访问区间内的大数据访问信息所使用的所有大数据采集策略以及每个大数据采集策略的访问过程节点信息、每个大数据采集策略所处的大数据访问节点的采集顺序确定。
然后，可以获取每个热力单元对应的第一大数据采集策略和位置权重，按照热力单元的位置权重由高到低的顺序对特征向量热力图谱对应的所有热力单元进行排序得到目标序列并根据每个热力单元在目标序列中的序列位置为每个热力单元分配序列权重，接着根据序列权重和位置权重确定每个热力单元的第一大数据采集策略对应的使用权重，使用权重用于表征第一大数据采集策略在大数据访问信息中的重要程度。
在此基础上，可以以使用权重最高的第一大数据采集策略为基准大数据采集策略，确定基准大数据采集策略对应的第一目标热力单元在特征向量热力图谱中的目标位置，并获取特征向量热力图谱中的其他热力单元与第一目标热力单元之间的热力流失度，根据热力流失度确定与第一目标热力单元存在大数据采集策略关联关系的第二目标热力单元。
由此，可以将第一目标热力单元对应的第一大数据采集策略和第二目标热力单元对应的第一大数据采集策略进行整合得到第二大数据采集策略，根据第二大数据采集策略确定出大数据访问信息对应的目标特征加密策略。
图2为本申请实施例提供的大数据加密装置200的功能模块示意图，本实施例可以根据上述方法实施例对该大数据加密装置200进行功能模块的划分。例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本申请中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。比如，在采用对应各个功能划分各个功能模块的情况下，图2示出的大数据加密装置200只是一种装置示意图。其中，大数据加密装置200可以包括获取模块210、第一确定模块220、第二确定模块230以及加密模块240，下面分别对该大数据加密装置200的各个功能模块的功能进行详细阐述。
获取模块210，用于获取大数据服务终端在预设业务访问区间内的大数据访问信息，并对大数据访问信息进行离散化处理得到大数据访问信息在预设业务访问区间内的连续的大数据访问节点序列，大数据访问节点序列包括多个连续的大数据访问节点，每个大数据访问节点配置有大数据访问业务类型，大数据访问业务类型用于实例化参数化之后的大数据加密脚本。
第一确定模块220，用于根据每个大数据访问节点对应的大数据访问业务类型的访问记录和调用记录，确定每个大数据访问节点对应的业务特征向量集合，并确定每个大数据访问节点的业务特征向量集合与该大数据访问节点的前一个大数据访问节点的业务特征向量集合的第一特征向量关联参数以及每个大数据访问节点的业务特征向量集合与该大数据访问节点的后一个大数据访问节点的业务特征向量集合的第二特征向量关联参数。
第二确定模块230，用于基于每个大数据访问节点对应的第一特征向量关联参数和第二特征向量关联参数，确定大数据访问节点序列对应的特征向量热力图谱，并根据特征向量热力图谱确定大数据访问信息对应的目标特征加密策略。
加密模块240，用于根据目标特征加密策略将预设业务访问区间内的大数据访问信息所对应的大数据进行加密，得到加密后的大数据。
图3为本申请实施例提供的用于执行上述大数据加密方法的服务器100的结构示意图，如图3所示，该服务器100可包括网络接口110、机器可读存储介质120、处理器130以及总线140。处理器130的数量可以是一个或多个，图3中以一个处理器130为例。网络接口110、机器可读存储介质120以及处理器130可以通过总线140或其他方式连接，图3中以通过总线140连接为例。
机器可读存储介质120作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本申请实施例中的大数据加密方法对应的程序指令/模块(例如，图2中所示的获取模块210、第一确定模块220、第二确定模块230以及加密模块240)。处理器130通过检测存储在机器可读存储介质120中的软件程序、指令以及模块，从而执行终端设备的各种功能应用以及数据处理，即实现上述的大数据加密方法，在此不再赘述。
机器可读存储介质120可第一要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的仓储服务进程。存储数据区可存储根据终端的使用所创建的数据等。此外，机器可读存储介质120可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double DataRateSDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，DR RAM)。应注意，本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合时刻的存储器。在一些实例中，机器可读存储介质120可进一步包括相对于处理器130远程设置的存储器，这些远程存储器可以通过网络连接至终端设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器130可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器130中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器130可以是通用处理器、数字信号处理器(DigitalSignalProcessorDSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。
服务器100可以通过通信接口110和其它设备进行信息交互。通信接口110可以是电路、总线、收发器或者其它任意可以用于进行信息交互的装置。处理器130可以利用通信接口110收发信息。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字大数据加密员线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(sol标识state disk，SSD))等。
本申请实施例是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本申请实施例进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请实施例的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种大数据加密方法，其特征在于，应用于服务器，所述方法包括：
获取大数据服务终端在预设业务访问区间内的大数据访问信息，并对所述大数据访问信息进行离散化处理得到所述大数据访问信息在所述预设业务访问区间内的连续的大数据访问节点序列，所述大数据访问节点序列包括多个连续的大数据访问节点，每个大数据访问节点配置有大数据访问业务类型，所述大数据访问业务类型用于实例化参数化之后的大数据加密脚本；
根据每个大数据访问节点对应的大数据访问业务类型的访问记录和调用记录，确定每个大数据访问节点对应的业务特征向量集合，并确定每个大数据访问节点的业务特征向量集合与该大数据访问节点的前一个大数据访问节点的业务特征向量集合的第一特征向量关联参数以及每个大数据访问节点的业务特征向量集合与该大数据访问节点的后一个大数据访问节点的业务特征向量集合的第二特征向量关联参数；
基于每个大数据访问节点对应的第一特征向量关联参数和第二特征向量关联参数，确定所述大数据访问节点序列对应的特征向量热力图谱，并根据所述特征向量热力图谱确定所述大数据访问信息对应的目标特征加密策略；
根据所述目标特征加密策略将所述预设业务访问区间内的大数据访问信息所对应的大数据进行加密，得到加密后的大数据。
2.根据权利要求1所述的大数据加密方法，其特征在于，根据每个大数据访问节点对应的大数据访问业务类型的访问记录和调用记录，确定每个大数据访问节点对应的业务特征向量集合的步骤，包括：
获取每个大数据访问节点上配置的大数据访问业务类型的业务逻辑运行代码，并确定与所述业务逻辑运行代码对应的第一业务接口序列，所述业务逻辑运行代码包括根据所述大数据访问业务类型的访问记录和调用记录所确定出的业务逻辑指令的指令运行环境参数，所述第一业务接口序列包括所述指令运行环境参数的多个运行单元的优先级次序；
确定每个大数据访问节点接收访问记录的第一调用节点和生成调用记录的第二调用节点；
根据所述第一调用节点和所述第二调用节点的调用区间确定用于对所述第一业务接口序列进行映射关联的映射关联系数，并基于所述映射关联系数对所述第一业务接口序列进行映射关联获得第二业务接口序列；
对所述第二业务接口序列进行拆分得到多个业务接口拆分组件，对每个业务接口拆分组件进行特征提取得到业务接口拆分特征；
根据所述第二业务接口序列对应的多个业务接口拆分特征确定所述第二业务接口序列对应的大数据访问节点的业务特征向量集合。
3.根据权利要求1所述的大数据加密方法，其特征在于，所述基于每个大数据访问节点对应的第一特征向量关联参数和第二特征向量关联参数，确定所述大数据访问节点序列对应的特征向量热力图谱的步骤，包括：
获取基于每个大数据访问节点对应的第一特征向量关联参数和第二特征向量关联参数所确定的特征向量异动曲线；
针对所述特征向量异动曲线中的当前特征向量异动曲线，基于当前特征向量异动曲线在所述预设业务访问区间内被指向的第一业务接口节点以及各所述特征向量异动曲线在所述预设业务访问区间内被指向的第二业务接口节点，确定当前特征向量异动曲线在所述预设业务访问区间内的特征指向分布；
根据每个大数据访问节点对应的所有特征指向分布，确定每个大数据访问节点对应的特征向量异动序列；
提取每个特征向量异动序列中的变化趋势曲线并确定每条变化趋势曲线的曲线特征向量，将确定出的所有曲线特征向量进行加权得到目标特征向量，将所述目标特征向量映射至所述大数据访问节点序列所对应的特征图谱中，获得所述大数据访问节点序列对应的初始特征向量热力图谱；
根据所述大数据访问节点序列的初始特征向量热力图谱获取所述大数据访问节点序列对应的各个初始热力图谱单元上的热力图谱分布信息；
根据所述大数据访问节点序列接入的各个初始热力图谱单元上的热力图谱分布信息获取针对其它与所述大数据访问节点序列相匹配的其它关联大数据访问节点序列在各个初始热力图谱单元的关联热力图谱分布信息；
确定所述关联热力图谱分布信息的关联图谱分布信息，判断所述关联图谱分布信息中是否存在第一图谱分布信息和第二图谱分布信息；其中，所述第一图谱分布信息与所述大数据访问节点序列的图谱分布信息的匹配度大于第一设定匹配度，所述第二图谱分布信息与所述大数据访问节点序列的图谱分布信息的匹配度小于第二设定匹配度；
若存在所述第一图谱分布信息和所述第二图谱分布信息，则获取所述各个初始热力图谱单元上的相关大数据访问节点序列的所述第一图谱分布信息对应的第一初始特征向量热力图谱以及相关大数据访问节点序列的所述第二图谱分布信息对应的第二初始特征向量热力图谱；
对所述第一初始特征向量热力图谱以及所述第二初始特征向量热力图谱进行合成得到匹配初始特征向量热力图谱，将所述匹配初始特征向量热力图谱与所述各个初始热力图谱单元对应的标记初始特征向量热力图谱进行匹配，并根据匹配结果输出所述大数据访问节点序列对应的特征向量热力图谱。
4.根据权利要求1所述的大数据加密方法，其特征在于，根据所述特征向量热力图谱确定所述大数据访问信息对应的目标特征加密策略的步骤，包括：
按照所述特征向量热力图谱中的图谱单元标签对所述特征向量热力图谱进行划分获得所述特征向量热力图谱对应的多个热力单元，所述图谱单元标签通过所述特征向量热力图谱中指示的所述大数据服务终端在所述预设业务访问区间内的大数据访问信息所使用的所有大数据采集策略以及每个大数据采集策略的访问过程节点信息、每个大数据采集策略所处的大数据访问节点的采集顺序确定；
获取每个热力单元对应的第一大数据采集策略和位置权重，按照热力单元的位置权重由高到低的顺序对所述特征向量热力图谱对应的所有热力单元进行排序得到目标序列并根据每个热力单元在所述目标序列中的序列位置为每个热力单元分配序列权重；
根据所述序列权重和所述位置权重确定每个热力单元的第一大数据采集策略对应的使用权重，所述使用权重用于表征所述第一大数据采集策略在所述大数据访问信息中的重要程度；
以使用权重最高的第一大数据采集策略为基准大数据采集策略，确定所述基准大数据采集策略对应的第一目标热力单元在所述特征向量热力图谱中的目标位置，并获取所述特征向量热力图谱中的其他热力单元与所述第一目标热力单元之间的热力流失度，根据所述热力流失度确定与所述第一目标热力单元存在大数据采集策略关联关系的第二目标热力单元；
将所述第一目标热力单元对应的第一大数据采集策略和所述第二目标热力单元对应的第一大数据采集策略进行整合得到第二大数据采集策略，根据所述第二大数据采集策略确定出所述大数据访问信息对应的目标特征加密策略。
5.一种大数据加密装置，其特征在于，应用于服务器，所述装置包括：
获取模块，用于获取大数据服务终端在预设业务访问区间内的大数据访问信息，并对所述大数据访问信息进行离散化处理得到所述大数据访问信息在所述预设业务访问区间内的连续的大数据访问节点序列，所述大数据访问节点序列包括多个连续的大数据访问节点，每个大数据访问节点配置有大数据访问业务类型，所述大数据访问业务类型用于实例化参数化之后的大数据加密脚本；
第一确定模块，用于根据每个大数据访问节点对应的大数据访问业务类型的访问记录和调用记录，确定每个大数据访问节点对应的业务特征向量集合，并确定每个大数据访问节点的业务特征向量集合与该大数据访问节点的前一个大数据访问节点的业务特征向量集合的第一特征向量关联参数以及每个大数据访问节点的业务特征向量集合与该大数据访问节点的后一个大数据访问节点的业务特征向量集合的第二特征向量关联参数；
第二确定模块，用于基于每个大数据访问节点对应的第一特征向量关联参数和第二特征向量关联参数，确定所述大数据访问节点序列对应的特征向量热力图谱，并根据所述特征向量热力图谱确定所述大数据访问信息对应的目标特征加密策略；
加密模块，用于根据所述目标特征加密策略将所述预设业务访问区间内的大数据访问信息所对应的大数据进行加密，得到加密后的大数据。
6.根据权利要求5所述的大数据加密装置，其特征在于，根据每个大数据访问节点对应的大数据访问业务类型的访问记录和调用记录，确定每个大数据访问节点对应的业务特征向量集合的方式，包括：
获取每个大数据访问节点上配置的大数据访问业务类型的业务逻辑运行代码，并确定与所述业务逻辑运行代码对应的第一业务接口序列，所述业务逻辑运行代码包括根据所述大数据访问业务类型的访问记录和调用记录所确定出的业务逻辑指令的指令运行环境参数，所述第一业务接口序列包括所述指令运行环境参数的多个运行单元的优先级次序；
确定每个大数据访问节点接收访问记录的第一调用节点和生成调用记录的第二调用节点；
根据所述第一调用节点和所述第二调用节点的调用区间确定用于对所述第一业务接口序列进行映射关联的映射关联系数，并基于所述映射关联系数对所述第一业务接口序列进行映射关联获得第二业务接口序列；
对所述第二业务接口序列进行拆分得到多个业务接口拆分组件，对每个业务接口拆分组件进行特征提取得到业务接口拆分特征；
根据所述第二业务接口序列对应的多个业务接口拆分特征确定所述第二业务接口序列对应的大数据访问节点的业务特征向量集合。
7.根据权利要求5所述的大数据加密装置，其特征在于，所述基于每个大数据访问节点对应的第一特征向量关联参数和第二特征向量关联参数，确定所述大数据访问节点序列对应的特征向量热力图谱的方式，包括：
获取基于每个大数据访问节点对应的第一特征向量关联参数和第二特征向量关联参数所确定的特征向量异动曲线；
针对所述特征向量异动曲线中的当前特征向量异动曲线，基于当前特征向量异动曲线在所述预设业务访问区间内被指向的第一业务接口节点以及各所述特征向量异动曲线在所述预设业务访问区间内被指向的第二业务接口节点，确定当前特征向量异动曲线在所述预设业务访问区间内的特征指向分布；
根据每个大数据访问节点对应的所有特征指向分布，确定每个大数据访问节点对应的特征向量异动序列；
提取每个特征向量异动序列中的变化趋势曲线并确定每条变化趋势曲线的曲线特征向量，将确定出的所有曲线特征向量进行加权得到目标特征向量，将所述目标特征向量映射至所述大数据访问节点序列所对应的特征图谱中，获得所述大数据访问节点序列对应的初始特征向量热力图谱；
根据所述大数据访问节点序列的初始特征向量热力图谱获取所述大数据访问节点序列对应的各个初始热力图谱单元上的热力图谱分布信息；
根据所述大数据访问节点序列接入的各个初始热力图谱单元上的热力图谱分布信息获取针对其它与所述大数据访问节点序列相匹配的其它关联大数据访问节点序列在各个初始热力图谱单元的关联热力图谱分布信息；
确定所述关联热力图谱分布信息的关联图谱分布信息，判断所述关联图谱分布信息中是否存在第一图谱分布信息和第二图谱分布信息；其中，所述第一图谱分布信息与所述大数据访问节点序列的图谱分布信息的匹配度大于第一设定匹配度，所述第二图谱分布信息与所述大数据访问节点序列的图谱分布信息的匹配度小于第二设定匹配度；
若存在所述第一图谱分布信息和所述第二图谱分布信息，则获取所述各个初始热力图谱单元上的相关大数据访问节点序列的所述第一图谱分布信息对应的第一初始特征向量热力图谱以及相关大数据访问节点序列的所述第二图谱分布信息对应的第二初始特征向量热力图谱；
对所述第一初始特征向量热力图谱以及所述第二初始特征向量热力图谱进行合成得到匹配初始特征向量热力图谱，将所述匹配初始特征向量热力图谱与所述各个初始热力图谱单元对应的标记初始特征向量热力图谱进行匹配，并根据匹配结果输出所述大数据访问节点序列对应的特征向量热力图谱。
8.根据权利要求5所述的大数据加密装置，其特征在于，根据所述特征向量热力图谱确定所述大数据访问信息对应的目标特征加密策略的方式，包括：
按照所述特征向量热力图谱中的图谱单元标签对所述特征向量热力图谱进行划分获得所述特征向量热力图谱对应的多个热力单元，所述图谱单元标签通过所述特征向量热力图谱中指示的所述大数据服务终端在所述预设业务访问区间内的大数据访问信息所使用的所有大数据采集策略以及每个大数据采集策略的访问过程节点信息、每个大数据采集策略所处的大数据访问节点的采集顺序确定；
获取每个热力单元对应的第一大数据采集策略和位置权重，按照热力单元的位置权重由高到低的顺序对所述特征向量热力图谱对应的所有热力单元进行排序得到目标序列并根据每个热力单元在所述目标序列中的序列位置为每个热力单元分配序列权重；
根据所述序列权重和所述位置权重确定每个热力单元的第一大数据采集策略对应的使用权重，所述使用权重用于表征所述第一大数据采集策略在所述大数据访问信息中的重要程度；
以使用权重最高的第一大数据采集策略为基准大数据采集策略，确定所述基准大数据采集策略对应的第一目标热力单元在所述特征向量热力图谱中的目标位置，并获取所述特征向量热力图谱中的其他热力单元与所述第一目标热力单元之间的热力流失度，根据所述热力流失度确定与所述第一目标热力单元存在大数据采集策略关联关系的第二目标热力单元；
将所述第一目标热力单元对应的第一大数据采集策略和所述第二目标热力单元对应的第一大数据采集策略进行整合得到第二大数据采集策略，根据所述第二大数据采集策略确定出所述大数据访问信息对应的目标特征加密策略。
9.一种服务器，其特征在于，所述服务器包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连，所述网络接口用于与至少一个大数据服务终端通信连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以执行权利要求1-4中任意一项所述的大数据加密方法。
10.一种可读存储介质，其特征在于，所述可读存储介质中存储有机器可执行指令，当所述机器可执行指令被执行时实现权利要求1-4中任意一项所述的大数据加密方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010339658.0A CN111506914B (zh) | 2020-04-26 | 2020-04-26 | 大数据加密方法、装置、服务器及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010339658.0A CN111506914B (zh) | 2020-04-26 | 2020-04-26 | 大数据加密方法、装置、服务器及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111506914A CN111506914A (zh) | 2020-08-07 |
| CN111506914B true CN111506914B (zh) | 2023-10-13 |
Family
ID=71870600
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010339658.0A Active CN111506914B (zh) | 2020-04-26 | 2020-04-26 | 大数据加密方法、装置、服务器及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111506914B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108269331A (zh) * | 2017-12-12 | 2018-07-10 | 国政通科技股份有限公司 | 一种智能视频大数据处理系统 |
| CN110837529A (zh) * | 2019-11-27 | 2020-02-25 | 王培根 | 大数据分析监察方法、装置、服务器及可读存储介质 |
| CN111064711A (zh) * | 2019-11-27 | 2020-04-24 | 朱培培 | 基于区块链的数据流检测方法、装置及服务器 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10970410B2 (en) * | 2017-10-26 | 2021-04-06 | Lawrence Livermore National Security, Llc | Accessing protected data by a high-performance computing cluster |
-
2020
- 2020-04-26 CN CN202010339658.0A patent/CN111506914B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108269331A (zh) * | 2017-12-12 | 2018-07-10 | 国政通科技股份有限公司 | 一种智能视频大数据处理系统 |
| CN110837529A (zh) * | 2019-11-27 | 2020-02-25 | 王培根 | 大数据分析监察方法、装置、服务器及可读存储介质 |
| CN111064711A (zh) * | 2019-11-27 | 2020-04-24 | 朱培培 | 基于区块链的数据流检测方法、装置及服务器 |
Non-Patent Citations (1)
| Title |
|---|
| 一种不依赖访问热度信息的分布式文件放置算法;薛弘晔;田治武;罗香玉;冯健;王丹;;科学技术与工程(02);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111506914A (zh) | 2020-08-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110365670B (zh) | 黑名单共享方法、装置、计算机设备和存储介质 | |
| US10341093B2 (en) | Method, apparatus and system for device identification | |
| CN111490990B (zh) | 基于大数据平台的网络安全分析方法、大数据平台服务器及计算机可读存储介质 | |
| US11546348B2 (en) | Data service system | |
| CN111652615B (zh) | 基于区块链大数据的安全识别方法及人工智能云服务平台 | |
| CN111132145B (zh) | 网络通信安全监测方法、装置、服务器及网络通信系统 | |
| CN111915019A (zh) | 联邦学习方法、系统、计算机设备和存储介质 | |
| CN112491930B (zh) | 系统风险动态监控方法、系统、计算机设备及存储介质 | |
| CN111914277A (zh) | 交集数据的生成方法和基于交集数据的联邦模型训练方法 | |
| CN111079153B (zh) | 安全建模方法、装置、电子设备及存储介质 | |
| CN108282484B (zh) | 密码获取方法、装置、计算机设备和存储介质 | |
| CN111460394A (zh) | 一种版权文件的验证方法、装置及计算机可读存储介质 | |
| CN113709181A (zh) | 基于浏览器插件的网站登录方法、装置、设备及存储介质 | |
| CN112700242A (zh) | 一种区块链的敏感信息前置检测的方法、设备及介质 | |
| CN111552696A (zh) | 基于大数据的数据处理方法、装置、计算机设备和介质 | |
| CN111680293B (zh) | 基于互联网的信息监控管理方法、装置及服务器 | |
| CN110826606A (zh) | 要素匹配方法、装置、服务器及可读存储介质 | |
| CN111506914B (zh) | 大数据加密方法、装置、服务器及可读存储介质 | |
| CN116028964B (zh) | 一种信息安全风险管理系统 | |
| CN110569240B (zh) | 数据存储方法、装置、计算机设备和存储介质 | |
| CN114567678B (zh) | 一种云安全服务的资源调用方法、装置及电子设备 | |
| CN113159952B (zh) | 基于区块链存储数字资产的方法、系统、设备及存储介质 | |
| CN111667190B (zh) | 一种电力施工接地监控方法、装置及服务器 | |
| CN112417468B (zh) | 数据处理方法、装置、电子设备及计算机存储介质 | |
| CN113935071A (zh) | 基于区块链系统的数据处理方法、装置、设备和介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 650206 No.4, middle street, Xiaobanqiao Town, Guandu District, Kunming City, Yunnan Province Applicant after: Duan Yirong Address before: 657005 No. 299, Shuiying village, qinggangling village committee, qinggangling Township, Zhaoyang District, Zhaotong City, Yunnan Province Applicant before: Duan Yirong |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230907 Address after: 518000 Building 7 # -0204A, Chuangwei Innovation Valley, No. 8 Tangtou 1st Road, Tangtou Community, Shiyan Street, Bao'an District, Shenzhen City, Guangdong Province Applicant after: Shenzhen Huazhi Century Technology Co.,Ltd. Address before: 650206 No.4, middle street, Xiaobanqiao Town, Guandu District, Kunming City, Yunnan Province Applicant before: Duan Yirong |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |