CN113194060A - 一种基于支持向量机算法的电厂工控系统数字量加密传输算法 - Google Patents

一种基于支持向量机算法的电厂工控系统数字量加密传输算法 Download PDF

Info

Publication number
CN113194060A
CN113194060A CN202110254606.8A CN202110254606A CN113194060A CN 113194060 A CN113194060 A CN 113194060A CN 202110254606 A CN202110254606 A CN 202110254606A CN 113194060 A CN113194060 A CN 113194060A
Authority
CN
China
Prior art keywords
digital quantity
algorithm
encryption
data
support vector
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
CN202110254606.8A
Other languages
English (en)
Inventor
杨国玉
张伟
郭卫霞
魏金秀
任铄
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.)
China Datang Corp Science and Technology Research Institute Co Ltd
Original Assignee
China Datang Corp Science and Technology Research Institute Co Ltd
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 China Datang Corp Science and Technology Research Institute Co Ltd filed Critical China Datang Corp Science and Technology Research Institute Co Ltd
Priority to CN202110254606.8A priority Critical patent/CN113194060A/zh
Publication of CN113194060A publication Critical patent/CN113194060A/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • 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
    • H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords
    • H04L9/0816—Key establishment, i.e. cryptographic processes or cryptographic protocols whereby a shared secret becomes available to two or more parties, for subsequent use

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了的一种基于支持向量机算法的电厂工控系统数字量加密传输算法，包括以下步骤：S1：通过系统数据库中采集数字量；S2：根据数字量构建支持向量机分类器模型；S3：提取数字量的特征变量数据，通过特征变量数据对支持向量机分类器模型进行测试找出最优核函数；S4：将数字量数据通过最优核函数的支持向量机分类器模型获得分类结果；S5：将分类结果切为多个数据块，根据数据块的编号依次生成每个数据库对应的加密请求；S6：将每个数据库对应的加密请求发送给云端服务器，云端服务器对每个数据块匹配加解密算法，接收每个数据块匹配的加解密算法的哈希值；S7：根据每个数据库对应的哈希值找到对应的加解密算法，并对每个数据库进行加密。

Description

一种基于支持向量机算法的电厂工控系统数字量加密传输 算法
技术领域
本发明涉及电厂工控系统技术领域，具体为一种基于支持向量机算法的电厂工控系统数字量加密传输算法。
背景技术
为保证机组及网调的运行安全，核电厂配置了工控数字量在线监测系统以便对核电机组相关数据进行实时监测。常规火电厂机组的工控数字量在线监测系统采用传统的数据采集方式为网调提供机组及抽汽供热数据等信息，即直接从每台机组的每一个设备上采集数据，由于电厂工控系统数字量设计工厂隐私，现有电厂工控系统数字量数据庞大，对大量的数据进行加密明显又是不现实的。根据云计算和大数据的加密有代理重加密和同态加密，每种加密都有一定局限性及对应的应用场合，比如同态加密效率低，冗余度大，工程应用有较大的局限性，由于计算量巨大，而且诸如同态加密往往会带来数据的扩展，代价大，重代理加密只适合于特定用户之间的密钥转换，现实中没有必要将所有的数据进行上述的加密，同态加密比较适用于需要计算的数据的加密，但是代价比较高。用传统的加密方法加密这些数据也存在计算量大等等问题。所以利用上述加密方法直接加密大规模数据文件并不适合。
基于此，本发明设计了一种基于支持向量机算法的电厂工控系统数字量加密传输算法，以解决上述提到的问题。
发明内容
本发明的目的在于提供一种基于支持向量机算法的电厂工控系统数字量加密传输算法，以解决上述提到的问题。
为实现上述目的，本发明提供如下技术方案：一种基于支持向量机算法的电厂工控系统数字量加密传输算法，包括以下步骤：
S1：通过电厂工控系统数据库中采集数字量；
S2：根据数字量构建支持向量机分类器模型；
S3：提取数字量的特征变量数据，通过特征变量数据对支持向量机分类器模型进行测试找出最优核函数；
S4：将数字量数据通过最优核函数的支持向量机分类器模型获得分类结果；
S5：将分类结果切为多个数据块，并对每个数据块进行编号，根据数据块的编号依次生成每个数据库对应的加密请求；
S6：将每个数据库对应的加密请求发送给云端服务器，使得云端服务器对每个数据块匹配一个加解密算法，从云端服务器接收每个数据块匹配的加解密算法的哈希值；
S7：根据每个数据库对应的哈希值在电厂工控系统终端中找到对应的加解密算法，并对每个数据库进行加密，及将加密后的每个数据块传输并存储至云端服务器。
优选的，在S1中，所述数字量数据为传感器实时获取到的存储在数据库的数据，所述传感器包括直线位移光栅传感器、接近开关、温度传感器、霍尔传感器、电流传感器、电压传感器、压力传感器、液位传感器、速度传感器，所述数字量数据包括传感器编号、采集物理量和采集时间。
优选的，在S2中，所述根据数字量构建支持向量机分类器模型的方法包括以下步骤：
S2.1：根据数字量数据构建对数字量集(xi,yi)，i＝1,…,n,xi为数字量数据，xi∈R，R为数字量，yi为类别号，yi∈{+1,-1}；
S2.2：根据数字量集求解支持向量机模型的优化系数，根据公式
Figure BDA0002967538970000031
求解优化系数，其中，常数C控制着对错分数字量惩罚的程度，是平衡因子，反映第一项与第二项之间的权衡默认为0.01，
Figure BDA0002967538970000032
是数字量的权系数向量，取值为-1-1之间，ξi为大于0的松弛变量，ξi反映了实际指示值类别号yi与支持向量机输出之间的距离，取值范围为0到1，i＝1,…,n,；
S2.3：根据优化系数构建支持向量机分类器模型，对于给定的数字量数据xi，支持向量机分类器模型的形式为：
Figure BDA0002967538970000033
sgn()函数为符号函数是绝对值函数的倒数，K(xi,yi)为核函数，ai为优化系数。
优选的，在S3中，所述提取数字量的特征变量数据方法为，采用公式
Figure BDA0002967538970000034
对传感器实时采集样本数据的各个数字量特征的进行标准化，获取标准化数据x′作为特征变量，式中，x′为标准化后传感器的数字量值即特征变量，x为传感器采集的原始数字量值，μ为最近1小时的数字量均值，σ为最近1小时的数字量标准差值。
优选的，在S3中，所述通过特征变量数据对支持向量机分类器模型进行测试找出最优核函数的方法包括以下步骤：
根据公式
Figure BDA0002967538970000035
求解归一均方误差ρ，式中，xi为数字量数据，x′1为特征变量，i＝1,…,n,多项式的阶数为2，根据特征变量数据依次检验多项式函数，径向基核函数，Sigmoid核函数，线性核函数，其中归一均方法误差ρ最小的即为最优核函数。
优选的，所述S6中，云端服务器对每个数据块匹配一个加解密算法的方式如下：
对每个数据块对应的加密请求进行解析以获得每个数据块的编号；
通过随机函数对每个数据库的编号随机选择一个对应的加解密算法，并计算每个随机选择的加解密算法的哈希值。
优选的，所述加解密算法为数据加密标准算法、三次数据加密标准算法、高级加密标准算法、RSA公共密钥算法、数字签名算法、椭圆曲线密码编码学算法、消息摘要算法或安全哈希算法。
与现有技术相比，本发明的有益效果是：该种基于支持向量机算法的电厂工控系统数字量加密传输算法通过构建支持向量机分类器模型，实现电厂工况系统中的数字量进行分类，将数字量数据通过最优核函数的支持向量机分类器模型获得分类结果，减少加密的计算量，增强安全性。采用动态的加解密算法对传输的电厂工控系统数字量进行加解密，同一批电厂工控系统数字量分多个加解密算法进行加密，进一步提高了数字量的信息安全，避免出现泄密事件
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
图1为本发明算法流程图。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1，本发明提供一种技术方案：一种基于支持向量机算法的电厂工控系统数字量加密传输算法，包括以下步骤：
S1：通过电厂工控系统数据库中采集数字量；
所述数字量数据为传感器实时获取到的存储在数据库的数据，所述传感器包括直线位移光栅传感器、接近开关、温度传感器、霍尔传感器、电流传感器、电压传感器、压力传感器、液位传感器、速度传感器，所述数字量数据包括传感器编号、采集物理量和采集时间。
S2：根据数字量构建支持向量机分类器模型；
所述根据数字量构建支持向量机分类器模型的方法包括以下步骤：
S2.1：根据数字量数据构建对数字量集(xi,yi)，i＝1,…,n,xi为数字量数据，xi∈R，R为数字量，yi为类别号，yi∈{+1,-1}；
S2.2：根据数字量集求解支持向量机模型的优化系数，根据公式
Figure BDA0002967538970000051
求解优化系数，其中，常数C控制着对错分数字量惩罚的程度，是平衡因子，反映第一项与第二项之间的权衡默认为0.01，
Figure BDA0002967538970000052
是数字量的权系数向量，取值为-1-1之间，ξi为大于0的松弛变量，ξi反映了实际指示值类别号yi与支持向量机输出之间的距离，取值范围为0到1，i＝1,…,n,；
S2.3：根据优化系数构建支持向量机分类器模型，对于给定的数字量数据xi，支持向量机分类器模型的形式为：
Figure BDA0002967538970000061
sgn()函数为符号函数是绝对值函数的倒数，K(xi,yi)为核函数，ai为优化系数。
S3：提取数字量的特征变量数据，通过特征变量数据对支持向量机分类器模型进行测试找出最优核函数；
所述提取数字量的特征变量数据方法为，采用公式
Figure BDA0002967538970000062
对传感器实时采集样本数据的各个数字量特征的进行标准化，获取标准化数据x′作为特征变量，式中，x′为标准化后传感器的数字量值即特征变量，x为传感器采集的原始数字量值，μ为最近1小时的数字量均值，σ为最近1小时的数字量标准差值。其中，传感器实时采集数字量的各个物理量包括位置、计数、角位移、直线位移、温度、磁场强度、压力、速度数据这些特征物理量。
所述通过特征变量数据对支持向量机分类器模型进行测试找出最优核函数的方法包括以下步骤：
根据公式
Figure BDA0002967538970000063
求解归一均方误差ρ，式中，xi为数字量数据，x′1为特征变量，i＝1,…,n,多项式的阶数为2，根据特征变量数据依次检验多项式函数，径向基核函数，Sigmoid核函数，线性核函数，其中归一均方法误差ρ最小的即为最优核函数。
多项式核模型为：K(xi,yi)＝[(xi×yi)+ai]n；
径向基核模型为：K(xi,yi)＝exp(-ξi|xi-yi|2)；
Sigmoid核模型为：K(xi,yi)＝tanh(ξixi×yi+ai)；
线性核模型为：K(xi,yi)＝(xi,yi)。
S4：将数字量数据通过最优核函数的支持向量机分类器模型获得分类结果；
S5：将分类结果切为多个数据块，并对每个数据块进行编号，根据数据块的编号依次生成每个数据库对应的加密请求；
S6：将每个数据库对应的加密请求发送给云端服务器，使得云端服务器对每个数据块匹配一个加解密算法，从云端服务器接收每个数据块匹配的加解密算法的哈希值；
云端服务器对每个数据块匹配一个加解密算法的方式如下：
对每个数据块对应的加密请求进行解析以获得每个数据块的编号；
通过随机函数对每个数据库的编号随机选择一个对应的加解密算法，并计算每个随机选择的加解密算法的哈希值。
S7：根据每个数据库对应的哈希值在电厂工控系统终端中找到对应的加解密算法，并对每个数据库进行加密，及将加密后的每个数据块传输并存储至云端服务器。
所述加解密算法为数据加密标准算法、三次数据加密标准算法、高级加密标准算法、RSA公共密钥算法、数字签名算法、椭圆曲线密码编码学算法、消息摘要算法或安全哈希算法。
基于支持向量机算法的电厂工控系统数字量加密传输算法可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。基于支持向量机算法的电厂工控系统数字量加密传输算法可运行的装置可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是基于支持向量机算法的电厂工控系统数字量加密传输算法的装置的示例，并不构成对一种基于深度学习的智能制造过程故障分类装置的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所基于支持向量机算法的电厂工控系统数字量加密传输算法的装置还可以包括输入输出设备、网络接入设备、总线等。所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、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、分立硬件组件等。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，所述处理器是基于支持向量机算法的电厂工控系统数字量加密传输算法运行装置的控制中心，利用各种接口和线路连接整个一种基于深度学习的智能制造过程故障分类装置可运行装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种基于深度学习的智能制造过程故障分类装置的各种功能。所述存储器可主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应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”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。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (7)

1.一种基于支持向量机算法的电厂工控系统数字量加密传输算法，其特征在于：包括以下步骤：
S1：通过电厂工控系统数据库中采集数字量；
S2：根据数字量构建支持向量机分类器模型；
S3：提取数字量的特征变量数据，通过特征变量数据对支持向量机分类器模型进行测试找出最优核函数；
S4：将数字量数据通过最优核函数的支持向量机分类器模型获得分类结果；
S5：将分类结果切为多个数据块，并对每个数据块进行编号，根据数据块的编号依次生成每个数据库对应的加密请求；
S6：将每个数据库对应的加密请求发送给云端服务器，使得云端服务器对每个数据块匹配一个加解密算法，从云端服务器接收每个数据块匹配的加解密算法的哈希值；
S7：根据每个数据库对应的哈希值在电厂工控系统终端中找到对应的加解密算法，并对每个数据库进行加密，及将加密后的每个数据块传输并存储至云端服务器。
2.根据权利要求1所述的一种基于支持向量机算法的电厂工控系统数字量加密传输算法，其特征在于：在S1中，所述数字量数据为传感器实时获取到的存储在数据库的数据，所述传感器包括直线位移光栅传感器、接近开关、温度传感器、霍尔传感器、电流传感器、电压传感器、压力传感器、液位传感器、速度传感器，所述数字量数据包括传感器编号、采集物理量和采集时间。
3.根据权利要求1所述的一种基于支持向量机算法的电厂工控系统数字量加密传输算法，其特征在于：在S2中，所述根据数字量构建支持向量机分类器模型的方法包括以下步骤：
S2.1：根据数字量数据构建对数字量集(xi,yi)，i＝1,…,n,xi为数字量数据，xi∈R，R为数字量，yi为类别号，yi∈{+1,-1}；
S2.2：根据数字量集求解支持向量机模型的优化系数，根据公式
Figure FDA0002967538960000021
求解优化系数，其中，常数C控制着对错分数字量惩罚的程度，是平衡因子，反映第一项与第二项之间的权衡默认为0.01，
Figure FDA0002967538960000022
是数字量的权系数向量，取值为-1-1之间，ξi为大于0的松弛变量，ξi反映了实际指示值类别号yi与支持向量机输出之间的距离，取值范围为0到1，i＝1,…,n,；
S2.3：根据优化系数构建支持向量机分类器模型，对于给定的数字量数据xi，支持向量机分类器模型的形式为：
Figure FDA0002967538960000023
sgn()函数为符号函数是绝对值函数的倒数，K(xi,yi)为核函数，ai为优化系数。
4.根据权利要求1所述的一种基于支持向量机算法的电厂工控系统数字量加密传输算法，其特征在于：在S3中，所述提取数字量的特征变量数据方法为，采用公式
Figure FDA0002967538960000024
对传感器实时采集样本数据的各个数字量特征的进行标准化，获取标准化数据x′作为特征变量，式中，x′为标准化后传感器的数字量值即特征变量，x为传感器采集的原始数字量值，μ为最近1小时的数字量均值，σ为最近1小时的数字量标准差值。
5.根据权利要求1所述的一种基于支持向量机算法的电厂工控系统数字量加密传输算法，其特征在于：在S3中，所述通过特征变量数据对支持向量机分类器模型进行测试找出最优核函数的方法包括以下步骤：
根据公式
Figure FDA0002967538960000031
求解归一均方误差ρ，式中，xi为数字量数据，x′1为特征变量，i＝1,…,n,多项式的阶数为2，根据特征变量数据依次检验多项式函数，径向基核函数，Sigmoid核函数，线性核函数，其中归一均方法误差ρ最小的即为最优核函数。
6.根据权利要求1所述的一种基于支持向量机算法的电厂工控系统数字量加密传输算法，其特征在于：所述S6中，云端服务器对每个数据块匹配一个加解密算法的方式如下：
对每个数据块对应的加密请求进行解析以获得每个数据块的编号；
通过随机函数对每个数据库的编号随机选择一个对应的加解密算法，并计算每个随机选择的加解密算法的哈希值。
7.根据权利要求1所述的一种基于支持向量机算法的电厂工控系统数字量加密传输算法，其特征在于：所述加解密算法为数据加密标准算法、三次数据加密标准算法、高级加密标准算法、RSA公共密钥算法、数字签名算法、椭圆曲线密码编码学算法、消息摘要算法或安全哈希算法。
CN202110254606.8A 2021-03-09 2021-03-09 一种基于支持向量机算法的电厂工控系统数字量加密传输算法 Pending CN113194060A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110254606.8A CN113194060A (zh) 2021-03-09 2021-03-09 一种基于支持向量机算法的电厂工控系统数字量加密传输算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110254606.8A CN113194060A (zh) 2021-03-09 2021-03-09 一种基于支持向量机算法的电厂工控系统数字量加密传输算法

Publications (1)

Publication Number Publication Date
CN113194060A true CN113194060A (zh) 2021-07-30

Family

ID=76973003

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110254606.8A Pending CN113194060A (zh) 2021-03-09 2021-03-09 一种基于支持向量机算法的电厂工控系统数字量加密传输算法

Country Status (1)

Country Link
CN (1) CN113194060A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103136587A (zh) * 2013-03-07 2013-06-05 武汉大学 基于支持向量机的配电网运行状态分类识别方法
US20170222797A1 (en) * 2016-01-28 2017-08-03 Safran Identity & Security Method for executing a cryptographic calculation and application to the classification by support vector machines
CN107018145A (zh) * 2017-05-06 2017-08-04 深圳市前海安测信息技术有限公司 医疗数据加密传输系统及方法
CN108959478A (zh) * 2018-06-21 2018-12-07 中南林业科技大学 一种云环境下的密文图像检索方法及系统
CN109635864A (zh) * 2018-12-06 2019-04-16 佛山科学技术学院 一种基于数据的容错控制方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103136587A (zh) * 2013-03-07 2013-06-05 武汉大学 基于支持向量机的配电网运行状态分类识别方法
US20170222797A1 (en) * 2016-01-28 2017-08-03 Safran Identity & Security Method for executing a cryptographic calculation and application to the classification by support vector machines
CN107018145A (zh) * 2017-05-06 2017-08-04 深圳市前海安测信息技术有限公司 医疗数据加密传输系统及方法
CN108959478A (zh) * 2018-06-21 2018-12-07 中南林业科技大学 一种云环境下的密文图像检索方法及系统
CN109635864A (zh) * 2018-12-06 2019-04-16 佛山科学技术学院 一种基于数据的容错控制方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
林森等: "基于支持向量机的流量分类方法", 《计算机应用研究》 *

Similar Documents

Publication Publication Date Title
Liu et al. Verifiable Diversity Ranking Search Over Encrypted Outsourced Data.
Yu et al. Strong key-exposure resilient auditing for secure cloud storage
CN111914027B (zh) 一种区块链交易关键字可搜索加密方法及系统
Yang et al. Secure and efficient k NN classification for industrial Internet of Things
CN109189812A (zh) 一种指标查询方法、计算机可读存储介质及服务器
CN111611621A (zh) 基于区块链的分布式数据加密存储方法和电子设备
CN111563268B (zh) 基于矩阵运算的数据加密方法、装置及存储介质
CN111475690B (zh) 字符串的匹配方法和装置、数据检测方法、服务器
CN110019205B (zh) 一种数据存储、还原方法、装置及计算机设备
CN111538479A (zh) 开标过程中的随机参数生成方法及装置
Watanabe et al. A novel chip-level blockchain security solution for the Internet of Things networks
Jeong et al. Secure cloud storage service using bloom filters for the internet of things
Li et al. Verifiable semantic-aware ranked keyword search in cloud-assisted edge computing
Ren et al. How to extract image features based on co-occurrence matrix securely and efficiently in cloud computing
Lu et al. Verifiable privacy-preserving queries on multi-source dynamic DNA datasets
Wong et al. Privacy-preserving similarity coefficients for binary data
CN113722767A (zh) 一种数据完整性验证方法、系统、存储介质及计算设备
CN113194060A (zh) 一种基于支持向量机算法的电厂工控系统数字量加密传输算法
Song et al. Privacy‐Preserving KNN Classification Algorithm for Smart Grid
Jiang et al. Cryptographic approaches for privacy-preserving machine learning
CN115580484B (zh) 适用能耗数据的安全联合计算方法、系统及存储介质
CN116506230A (zh) 基于rsa非对称加密的数据采集方法、系统
Wang et al. sChain: An Efficient and Secure Solution for Improving Blockchain Storage
Xia et al. Privacy-Preserving Electricity Data Classification Scheme Based on CNN Model with Fully Homomorphism
CN115525817A (zh) 聚合查询方法、系统、电子设备及计算机存储介质

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210730