CN111585950A - 基于非对称加密的现场光谱检测分析方法、系统及介质 - Google Patents

基于非对称加密的现场光谱检测分析方法、系统及介质 Download PDF

Info

Publication number
CN111585950A
CN111585950A CN202010200008.8A CN202010200008A CN111585950A CN 111585950 A CN111585950 A CN 111585950A CN 202010200008 A CN202010200008 A CN 202010200008A CN 111585950 A CN111585950 A CN 111585950A
Authority
CN
China
Prior art keywords
spectrum
spectral
data
detection
asymmetric encryption
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.)
Pending
Application number
CN202010200008.8A
Other languages
English (en)
Inventor
余向阳
杨应麟
尹健威
张鑫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sun Yat Sen University
National Sun Yat Sen University
Original Assignee
National Sun Yat Sen University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by National Sun Yat Sen University filed Critical National Sun Yat Sen University
Priority to CN202010200008.8A priority Critical patent/CN111585950A/zh
Publication of CN111585950A publication Critical patent/CN111585950A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
    • H04L63/0442—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload wherein the sending and receiving network entities apply asymmetric encryption, i.e. different keys for encryption and decryption
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/3297—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials involving time stamps, e.g. generation of time stamps

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Analytical Chemistry (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了基于非对称加密的现场光谱检测分析方法、系统及介质，方法包括：通过光谱分析仪现场获取待测样品的光谱数据；将光谱数据上传至云端后，确定光谱分析模型；通过光谱分析模型确定待测样品的光谱分析结果；将光谱数据和光谱分析结果进行非对称加密存证。本发明通过光谱分析仪在现场进行检测得到光谱数据后，发送到云端后通过光谱分析模型得到待测样品的光谱分析结果，能够现场快速得到检测结果，方便直观；另外，本发明通过数字签名技术对光谱数据和光谱分析结果进行存证，能够保证数据的真实性，可以有效防止数据被篡改，可广泛应用于光谱检测技术领域。

Description

基于非对称加密的现场光谱检测分析方法、系统及介质
技术领域
本发明涉及光谱检测技术领域，尤其是基于非对称加密的现场光谱检测分析方法、系统及介质。
背景技术
光谱仪是一种利用光探测器测量不同波长位置强度的装置。通过色散元件将辐射源的电磁辐射分离出不同的波长或波长区域，并测定选定的波长上辐射强度，得到待测样品的光谱。由于每种原子都有自己的特征谱线，因此光谱可以作为识别物质的“指纹”，即可以根据光谱来鉴别物质及确定它的化学组成和相对含量，这种方法叫做光谱分析。
如今，光谱分析仪被广泛应用于物质分析与物质测量领域，不仅在科学研究场景有广泛需求，甚至在日常生活及生产中也扮演着重要的角色。由于利用光谱技术分析样品具有方便、快速、高效、准确和成本较低，不破坏样品，不消耗化学试剂，不污染环境等优点，因此该技术受到越来越多人的青睐。该技术目前已广泛应用于液体安检、珠宝检测、爆炸物检测、毒品检测、药品检测等领域。与实验室中专业人员操作的光谱分析仪不同，这些日常生活应用的方向都属于现场快检的范畴，要求光谱分析仪体积更小，更加方便携带，并且要更加通用化、智能化、功能多元化。
此外，在一些现场快检的应用场景中，例如公共场所安检、毒品检测、食品安全检测等检测领域，所测得的数据需要进行加密存证，方便后续有关部门的介入和处理。因此需要一种有效防止篡改的数据加密方式，例如采用非对称加密的数字签名技术。而现有的实验室光谱分析仪不适合在现场进行光谱检测。
数字签名是非对称密钥加密技术与数字摘要技术的一种应用。基本原理是发送者先对原文进行摘要处理，并将摘要信息用私钥加密，与原文一起传送给接收者。接收者只有用发送者的公钥才能解密被加密的摘要信息，然后用相同函数对收到的原文产生一个摘要信息，与解密的摘要信息对比。如果相同，则说明收到的信息是完整的，在传输过程中没有被修改，否则说明信息被修改过，因此数字签名能够验证信息的完整性。将数字签名技术应用于光谱分析仪的数据加密存储，可以有效保证检测得到的数据的真实性，防止数据被篡改。
发明内容
有鉴于此，本发明实施例提供适合应用于现场检测的，基于非对称加密的现场光谱检测分析方法、系统及介质。
第一方面，本发明实施例提供了一种基于非对称加密的现场光谱检测分析方法，包括以下步骤：
通过光谱分析仪现场获取待测样品的光谱数据；
将光谱数据上传至云端后，确定光谱分析模型；
通过光谱分析模型确定待测样品的光谱分析结果；
将光谱数据和光谱分析结果进行非对称加密存证。
进一步，所述通过光谱分析仪现场获取待测样品的光谱数据这一步骤，包括以下步骤：
通过光谱分析仪的光源照射待测样品后获取复合的散射光；
通过光谱成像模块收集散射光，并将色散后的散射光成像于探测器的感光面；
通过光谱探测模块对分光后的散射光进行探测，得到光谱数据。
进一步，所述将光谱数据上传至云端这一步骤，包括以下步骤：
通过通讯模块建立光谱分析仪与云端之间的数据连接；
获取时间戳；
对光谱数据和时间戳进行打包处理后上传至云端。
进一步，所述对光谱数据和时间戳进行打包处理后上传至云端这一步骤，包括以下步骤：
通过单向函数生成光谱数据和时间戳的消息摘要；
通过数字签名算法对消息摘要进行数字签名；
将得到的数字签名上传至云端。
进一步，所述确定光谱分析模型这一步骤，包括以下步骤：
对光谱数据进行数学建模，确定光谱数据的标签；
根据标签，通过监督学习的方法建立光谱数据的分析模型。
进一步，所述将光谱数据和光谱分析结果进行非对称加密存证这一步骤，包括以下步骤：
通过光谱检测仪随机生成公钥和私钥对，并将内部机器码和公钥上传至证书中心注册，获取数字证书；
把云端收到的经过数字签名加密的光谱数据和光谱分析结果存入云端服务器，对光谱数据进行存证。
进一步，所述通过光谱检测仪随机生成公钥和私钥对，并将内部机器码和公钥上传至证书中心注册，获取数字证书这一步骤，包括以下步骤：
根据预设的规则或随机生成公私钥后，通过光谱检测仪获取自身机器码；
通过光谱检测仪将私钥封闭储存在光谱检测仪内，禁止外部调用，并将公钥与自身的机器码通过联网发送至至证书中心；
证书中心对光谱检测仪的公钥以及机器码等相关信息进行加密，构成数字证书，返回给光谱检测仪。
第二方面，本发明实施例还提供了一种基于非对称加密的现场光谱检测分析系统，包括：
检测模块，用于通过光谱分析仪现场获取待测样品的光谱数据；
数据上传模块，用于将光谱数据上传至云端后，确定光谱分析模型；
分析模块，用于通过光谱分析模型确定待测样品的光谱分析结果；
非对称加密存证模块，用于将光谱数据和光谱分析结果进行非对称加密存证。
第三方面，本发明实施例还提供了一种基于非对称加密的现场光谱检测分析系统，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现所述的基于非对称加密的现场光谱检测分析方法。
第四方面，本发明实施例还提供了一种介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行所述的基于非对称加密的现场光谱检测分析方法。
上述本发明实施例中的一个或多个技术方案具有如下优点：本发明的实施例通过光谱分析仪在现场进行检测得到光谱数据后，发送到云端后通过光谱分析模型得到待测样品的光谱分析结果，能够现场快速得到检测结果，方便直观；另外，本发明通过非对称加密数字签名技术对光谱数据和光谱分析结果进行存证，能够保证数据的真实性，可以有效防止数据被篡改。
附图说明
图1为本发明的步骤流程图；
图2为本发明实施例的整体步骤流程示意图；
图3为本发明实施例的非对称加密及检验过程示意图。
具体实施方式
下面结合说明书附图和具体实施例对本发明作进一步解释和说明。对于本发明实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
本发明提供了一种基于非对称加密的现场光谱检测分析方法、系统及介质，在一些实施例中，需要用到的适合应用于现场检测的光谱检测仪，包括光源、光谱成像模块、探测模块、通讯模块和显示模块；
所述光源包括LED或LED组合、微型光谱仪独立光源、环境光源中至少一种；用于照射待测样品得到散射光；
所述光谱成像模块包括准直系统、色散系统和成像系统，用于将待测样品的散射光收集、色散并成像于探测器的感光面；
所述探测模块包括光电探测器、控制驱动设备，用于光谱测量，把光信号转换为电信号，可以通过后续处理转化为光谱的波长、强度等信息；
所述通讯模块包括4G/5G通信、WiFi传输中的一种，用于上传、下载数据；
所述显示模块包括显示屏，用于显示光谱检测、光谱分析的最终结果。
其中，所述光电探测器采用光谱响应范围合适的线阵CCD，所述控制驱动设备采用单片机或FPGA等，所述通讯模块、显示模块均与微处理器相连接，由其驱动。
优选的，所述光电探测器采用光谱响应范围合适的线阵CCD；
优选的，所述控制驱动设备采用单片机或FPGA等；
优选的，所述通讯模块、显示模块均与微处理器相连接，由其驱动。
基于上述的光谱检测仪设备，参照图1，本发明基于非对称加密的现场光谱检测分析方法具体包括以下步骤：
S1、通过光谱分析仪现场获取待测样品的光谱数据；
优选的，所述步骤S1包括：
S11、通过光谱分析仪的光源照射待测样品后获取复合的散射光；
S12、通过光谱成像模块收集散射光，并将色散后的散射光成像于探测器的感光面；
S13、通过光谱探测模块对分光后的散射光进行探测，得到光谱数据。
具体的，本实施例的光谱成像模块可以采用准直透镜、棱栅、聚焦透镜组合或其他合理的成像结构，光谱探测模块可采用市面上现有的光谱响应范围合适的线阵CCD，例如东芝公司线阵CCD TCD1304DG。
S2、将光谱数据上传至云端后，确定光谱分析模型；
优选的，所述将光谱数据上传至云端这一步骤，包括以下步骤：
通过通讯模块建立光谱分析仪与云端之间的数据连接；
获取时间戳；
对光谱数据和时间戳进行打包处理后上传至云端。
具体的，微型光谱仪测量光谱时，通过4G/5G通信(或WiFi等其他方式)与网络相连接；微型光谱仪将通过联网获取时间戳；
优选的，所述对光谱数据和时间戳进行打包处理后上传至云端这一步骤，包括以下步骤：
通过单向函数生成光谱数据和时间戳的消息摘要；
通过数字签名算法对消息摘要进行数字签名；
将得到的数字签名上传至云端。
具体的，微型光谱仪对测量数据和时间戳共同进行摘要处理，一般先用单向函数(如哈希函数)生成消息摘要，再选择ECDSA或其他合适的数字签名算法，用私钥对信息摘要进行数字签名，如图3所示，对一组光谱数据及时间戳进行摘要处理后可以得到一个哈希值，这串数字就是光谱数据及其时间戳的摘要信息，用数字签名算法对其进行私钥加密后，可以得到第二串数字即为其数字签名；最后经过一定的处理打包后准备进行传输。
优选的，所述确定光谱分析模型这一步骤，包括以下步骤：
对光谱数据进行数学建模，确定光谱数据的标签；
根据标签，通过监督学习的方法建立光谱数据的分析模型。
本实施例中对光谱数据进行预处理包括去噪声处理、标准化处理等；
本实施例对光谱数据进行数学建模，结合深度学习技术，对已做标签的光谱数据，可以使用监督学习建立分析模型，对于未做标签的光谱数据，可以使用非监督学习，聚类分析数据的特征来进行分类。
一般的深度学习的模型有CNN、BP、PLSR等，其中卷积神经网络模型(CNN)可以最小化多维数据的预处理要求，通过多层卷积和池化操作可以自主学习并提取数据每个局部特征，获取相对于显式特征提取方法更加有效的抽象特征映射。具体地，例如，在食品光谱检测方面，可以利用CNN模型对新鲜肉类和冰冻肉类进行训练学习，先进行白化处理和光谱预处理，去除相关性，之后通过逐层训练学习到更深层的光谱特征，训练得出一个模型可以通过对一些光谱的特征数据以及阈值对肉的品质进行鉴定。
根据具体的分析需求，在利用深度学习得到的数学模型对得到的光谱数据进行分析后，得出结论。接上述具体例子，在现场检测的过程中，使用光谱分析仪得到肉类的光谱数据后，将数据上传至云端后，将选择出这个对应的模型来进行分析，得出肉类品质的判断。
S3、通过光谱分析模型确定待测样品的光谱分析结果，并将分析结果即时显示在光谱检测仪上；
S4、将光谱数据和光谱分析结果进行非对称加密存证。
优选的，所述步骤S4包括以下步骤：
S41、通过光谱检测仪随机生成公钥和私钥对，并将内部机器码和公钥上传至证书中心注册，获取数字证书；
S42、把云端收到的经过数字签名加密的光谱数据和光谱分析结果存入云端服务器，对光谱数据进行存证。
优选的，所述步骤S41包括以下步骤：
S411、根据预设的规则或随机生成公私钥后，通过光谱检测仪获取自身机器码；
S412、通过光谱检测仪将私钥封闭储存在光谱检测仪内，禁止外部调用，并将公钥与自身的机器码通过联网发送至至证书中心；
S413、证书中心对光谱检测仪的公钥以及机器码等相关信息进行加密，构成数字证书，返回给光谱检测仪。
综上，本发明提出一种结合非对称加密技术、深度学习技术的应用于现场光谱检测的光谱分析仪，在进行现场检测得到光谱数据后，可以通过通讯模块将数据打包发送至云端，通过深度学习技术对测得的数据进行分类鉴别后采用相对应的光谱分析模型对其进行分析，分析得出的结论由显示模块显示。此外，在上传光谱数据的同时，将光谱数据及其相关信息打包进行非对称加密并上传至云端服务器进行存证，可以有效防止数据被篡改。
以现场光谱检测中较为常见的毒品光谱检测为例，下面详细介绍本实施例的工作原理。
目前，毒品泛滥已成为世界性严重的社会问题，严重威胁人类健康和社会稳定。因此，毒品检验技术的发展和毒品检验装置的优化是禁毒工作的关键。传统的毒品检验方法，包括色谱分析法、毛细管电泳法、免疫分析法等，大部分需要在实验室进行，对环境的要求较高，不适合现场的快速检测。光谱检测法对待测样品无需预处理，可做到无损检测，具有操作过程简便、快速的优点，是一种非常有优势的毒品检测方法。具体流程如图2所示：
首先，在毒品现场光谱检测的过程中，本实施例直接使用光谱检测仪的光源照射待测的样品，经过光谱成像模块和探测模块取得待测样品的光谱数据；
接着，光谱分析仪通过通讯模块联网，获取时间戳后，将测量数据和时间戳打包联网传输至云端；
然后，在云端对光谱数据进行预处理后，对光谱数据进行数学建模，结合深度学习技术，判断毒品的类型，进而选择合适的光谱分析模型进行分析；
同时，将数据上传至光谱数据库与数据库内数据对比，寻找更加符合该样品的光谱分析模型，进一步优化对分析模型的选择；
选择到合适的光谱分析模型后，对待测样品的光谱数据进行分析，得出是否为毒品，是什么类型的毒品的结论，通过通讯模块传输至光谱分析仪，并在显示模块上显示出来；
最后，在对毒品进行分析的同时，将测量的数据、时间戳、毒品类型进行非对称加密存证。
如图3所示，对毒品的光谱数据进行非对称加密存证的过程如下：
微型光谱仪在投入使用前，先根据一定的规则或随机生成公私钥，并获取自身机器码；
微型光谱仪将将私钥封闭储存在光谱检测仪内，禁止外部调用，并将公钥与自身的机器码通过联网发送至证书中心(CA)；
证书中心(CA)对光谱检测仪的公钥以及机器码等相关信息进行加密，构成数字证书，返回给光谱检测仪；
在实际进行毒品检测过程中，微型光谱仪将先对待测样品的测量数据和时间戳进行摘要处理；
然后使用私钥对摘要信息进行数字签名，将数字签名联网送往云端；
将云端接收的经过数字签名加密的光谱数据和光谱分析结果存入云端服务器，对光谱检测数据进行存证。
完成非对称加密存证后，后续如果需要检验光谱数据是否经过篡改，检验方可以调用该光谱检测仪的待检验数据与数字证书，同时获取证书中心(CA)的公钥对数字证书进行解密得到光谱检测仪的公钥，使用光谱检测仪的公钥对云端服务器中存证的数字签名进行解密，得到一组摘要信息(解密)，同时对待检验数据进行与光谱仪相同的摘要处理，得到另一组摘要信息(重加密)，对比两者是否相同可以判断是否经过篡改，证实数据的有效性，防止被篡改，方便作为后续相关部门起诉的证据。
与图1的方法相对应，本发明实施例还提供了一种基于非对称加密的现场光谱检测分析系统，包括：
检测模块，用于通过光谱分析仪现场获取待测样品的光谱数据；
数据上传模块，用于将光谱数据上传至云端后，确定光谱分析模型；
分析模块，用于通过光谱分析模型确定待测样品的光谱分析结果；
非对称加密存证模块，用于将光谱数据和光谱分析结果进行非对称加密存证。
与图1的方法相对应，本发明实施例还提供了一种基于非对称加密的现场光谱检测分析系统，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现所述的基于非对称加密的现场光谱检测分析方法。
与图1的方法相对应，本发明实施例还提供了一种介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行所述的基于非对称加密的现场光谱检测分析方法。
相较于现有技术，本发明具有以下优点：
1、本发明设计了一种便携式的适合现场光谱检测的光谱分析仪以及一套进行现场快检并存证的基本流程，检测速度快，检测精度高，可以实现无损检测方便，不消耗化学试剂，不污染环境，适用于相当多的现场光谱检测的应用场景。
2、该光谱分析仪与非对称加密技术相结合，应用数字签名技术对光谱数据进行存证，可以有效保证现场测试得到的光谱数据的真实性与可追溯性，对于一些监管监测的应用场景，运用该设备进行取证，可以为后续的处理提供便利，而对于一些企业而言，由于只有加密后的摘要信息存入服务器，因此这样的方法可以在保障数据真实性的同时保护企业的隐私。
3、该光谱分析仪结合深度学习技术和大数据技术，光谱检测对象的范围非常广泛，并且可以智能选择最适合待测样品的光谱分析模型，具有智能化、通用化的优点。
在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (10)

1.基于非对称加密的现场光谱检测分析方法，其特征在于：包括以下步骤：
通过光谱分析仪现场获取待测样品的光谱数据；
将光谱数据上传至云端后，确定光谱分析模型；
通过光谱分析模型确定待测样品的光谱分析结果；
将光谱数据和光谱分析结果进行非对称加密存证。
2.根据权利要求1所述的基于非对称加密的现场光谱检测分析方法，其特征在于：所述通过光谱分析仪现场获取待测样品的光谱数据这一步骤，包括以下步骤：
通过光谱分析仪的光源照射待测样品后获取复合的散射光；
通过光谱成像模块收集散射光，并将色散后的散射光成像于探测器的感光面；
通过光谱探测模块对分光后的散射光进行探测，得到光谱数据。
3.根据权利要求1所述的基于非对称加密的现场光谱检测分析方法，其特征在于：所述将光谱数据上传至云端这一步骤，包括以下步骤：
通过通讯模块建立光谱分析仪与云端之间的数据连接；
获取时间戳；
对光谱数据和时间戳进行打包处理后上传至云端。
4.根据权利要求3所述的基于非对称加密的现场光谱检测分析方法，其特征在于：所述对光谱数据和时间戳进行打包处理后上传至云端这一步骤，包括以下步骤：
通过单向函数生成光谱数据和时间戳的消息摘要；
通过数字签名算法对消息摘要进行数字签名；
将得到的数字签名上传至云端。
5.根据权利要求1所述的基于非对称加密的现场光谱检测分析方法，其特征在于：所述确定光谱分析模型这一步骤，包括以下步骤：
对光谱数据进行数学建模，确定光谱数据的标签；
根据标签，通过监督学习的方法建立光谱数据的分析模型。
6.根据权利要求1所述的基于非对称加密的现场光谱检测分析方法，其特征在于：所述将光谱数据和光谱分析结果进行非对称加密存证这一步骤，包括以下步骤：
通过光谱检测仪随机生成公钥和私钥对，并将内部机器码和公钥上传至证书中心注册，获取数字证书；
把云端收到的经过数字签名加密的光谱数据和光谱分析结果存入云端服务器，对光谱数据进行存证。
7.根据权利要求6所述的基于非对称加密的现场光谱检测分析方法，其特征在于：所述通过光谱检测仪随机生成公钥和私钥对，并将内部机器码和公钥上传至证书中心注册，获取数字证书这一步骤，包括以下步骤：
根据预设的规则或随机生成公私钥后，通过光谱检测仪获取自身机器码；
通过光谱检测仪将私钥封闭储存在光谱检测仪内，禁止外部调用，并将公钥与自身的机器码通过联网发送至至证书中心；
证书中心对光谱检测仪的公钥以及机器码等相关信息进行加密，构成数字证书，返回给光谱检测仪。
8.基于非对称加密的现场光谱检测分析系统，其特征在于：包括：
检测模块，用于通过光谱分析仪现场获取待测样品的光谱数据；
数据上传模块，用于将光谱数据上传至云端后，确定光谱分析模型；
分析模块，用于通过光谱分析模型确定待测样品的光谱分析结果；
非对称加密存证模块，用于将光谱数据和光谱分析结果进行非对称加密存证。
9.基于非对称加密的现场光谱检测分析系统，其特征在于：包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-7中任一项所述的基于非对称加密的现场光谱检测分析方法。
10.一种介质，其中存储有处理器可执行的指令，其特征在于：所述处理器可执行的指令在由处理器执行时用于执行如权利要求1-7中任一项所述的基于非对称加密的现场光谱检测分析方法。
CN202010200008.8A 2020-03-20 2020-03-20 基于非对称加密的现场光谱检测分析方法、系统及介质 Pending CN111585950A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010200008.8A CN111585950A (zh) 2020-03-20 2020-03-20 基于非对称加密的现场光谱检测分析方法、系统及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010200008.8A CN111585950A (zh) 2020-03-20 2020-03-20 基于非对称加密的现场光谱检测分析方法、系统及介质

Publications (1)

Publication Number Publication Date
CN111585950A true CN111585950A (zh) 2020-08-25

Family

ID=72114955

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010200008.8A Pending CN111585950A (zh) 2020-03-20 2020-03-20 基于非对称加密的现场光谱检测分析方法、系统及介质

Country Status (1)

Country Link
CN (1) CN111585950A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113791050A (zh) * 2021-08-31 2021-12-14 广东弓叶科技有限公司 基于光谱分析的材质分析方法及系统
CN117271534A (zh) * 2023-11-23 2023-12-22 长春汽车工业高等专科学校 一种汽车零部件的光谱检测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011220994A (ja) * 2010-03-25 2011-11-04 Panasonic Electric Works Co Ltd 近赤外分光分析装置
CN107609078A (zh) * 2017-09-04 2018-01-19 北京农业信息技术研究中心 长势监测模型更新方法、传感器、服务器及系统
CN108011710A (zh) * 2017-11-24 2018-05-08 上海百事通信息技术股份有限公司 数据存证方法、装置、设备、介质及服务器
CN108169132A (zh) * 2017-12-28 2018-06-15 中山大学 一种微型光谱仪的光谱数据处理方法及系统
CN108833111A (zh) * 2018-05-29 2018-11-16 浪潮软件集团有限公司 一种基于区块链的文件存证及鉴定的实现方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011220994A (ja) * 2010-03-25 2011-11-04 Panasonic Electric Works Co Ltd 近赤外分光分析装置
CN107609078A (zh) * 2017-09-04 2018-01-19 北京农业信息技术研究中心 长势监测模型更新方法、传感器、服务器及系统
CN108011710A (zh) * 2017-11-24 2018-05-08 上海百事通信息技术股份有限公司 数据存证方法、装置、设备、介质及服务器
CN108169132A (zh) * 2017-12-28 2018-06-15 中山大学 一种微型光谱仪的光谱数据处理方法及系统
CN108833111A (zh) * 2018-05-29 2018-11-16 浪潮软件集团有限公司 一种基于区块链的文件存证及鉴定的实现方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
姚俊萍等: "《计算机信息安全与网络技术应用》", 31 March 2018, 吉林美术出版社 *
谭峰等: "《基于光谱技术的寒地水稻稻瘟病害分析及机理研究》", 31 August 2016, 哈尔滨工程大学出版社 *
赵睿等: "《计算机网络管理与安全技术研究》", 31 October 2018, 吉林大学出版社 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113791050A (zh) * 2021-08-31 2021-12-14 广东弓叶科技有限公司 基于光谱分析的材质分析方法及系统
CN117271534A (zh) * 2023-11-23 2023-12-22 长春汽车工业高等专科学校 一种汽车零部件的光谱检测方法及系统
CN117271534B (zh) * 2023-11-23 2024-03-05 长春汽车工业高等专科学校 一种汽车零部件的光谱检测方法及系统

Similar Documents

Publication Publication Date Title
Guo et al. Portable food‐freshness prediction platform based on colorimetric barcode combinatorics and deep convolutional neural networks
Roux et al. The Sydney declaration–Revisiting the essence of forensic science through its fundamental principles
CN113705619B (zh) 一种恶意流量检测方法、系统、计算机及介质
US20200051008A1 (en) Blockchain ledgers of material spectral signatures for supply chain integrity management
CN106910032B (zh) 建设工程质量检测监管平台及方法
Kim et al. A big data framework for network security of small and medium enterprises for future computing
Guo et al. Automated plankton classification from holographic imagery with deep convolutional neural networks
US11060968B2 (en) Mobile chemical analysis
CN111585950A (zh) 基于非对称加密的现场光谱检测分析方法、系统及介质
EP3717898B1 (en) Distinguishing fluids based upon determination and analysis of digital image color space characteristics
Turner et al. Discerning payment patterns in Bitcoin from ransomware attacks
Kummar et al. Blockchain based big data solutions for internet of things (IoT) and smart cities
EA035937B1 (ru) Защищенная идентификация предмета на основании физических свойств ярлыка
Salih et al. Enhancing IoT forensics through deep learning: investigating cyber-attacks and analyzing big data for improved security measures
CN115221453B (zh) 媒体资源管理方法、装置、服务器、介质
Nyre-Yu et al. Explainable AI in Cybersecurity Operations: Lessons Learned from xAI Tool Deployment.
CN113452810B (zh) 一种流量分类方法、装置、设备和介质
Elsenety et al. Facile and highly precise pH-value estimation using common pH paper based on machine learning techniques and supported mobile devices
Patil et al. A new network forensic investigation process model
KR102466257B1 (ko) 다중 광원을 활용한 분광 장치
Dubey et al. Digital Forensics Techniques and Trends: A Review
Das et al. Realizing digital forensics as a big data challenge
Baror et al. Conceptual model for crowd-sourcing digital forensic evidence
Mishra et al. Business Intelligence and Security-The Process Mining Approach
US20190293564A1 (en) Network-Based Verification Systems and Methods

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200825

RJ01 Rejection of invention patent application after publication