CN114706725B - 一种基于云平台的设备数据处理方法及系统 - Google Patents

一种基于云平台的设备数据处理方法及系统 Download PDF

Info

Publication number
CN114706725B
CN114706725B CN202210247060.8A CN202210247060A CN114706725B CN 114706725 B CN114706725 B CN 114706725B CN 202210247060 A CN202210247060 A CN 202210247060A CN 114706725 B CN114706725 B CN 114706725B
Authority
CN
China
Prior art keywords
data
cloud
metadata
auxiliary
extracting
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
Application number
CN202210247060.8A
Other languages
English (en)
Other versions
CN114706725A (zh
Inventor
金恩福
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.)
Chongqing Youle Renting Technology Co.,Ltd.
Original Assignee
Guangzhou Huisi Software Technology 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 Guangzhou Huisi Software Technology Co ltd filed Critical Guangzhou Huisi Software Technology Co ltd
Priority to CN202210247060.8A priority Critical patent/CN114706725B/zh
Publication of CN114706725A publication Critical patent/CN114706725A/zh
Application granted granted Critical
Publication of CN114706725B publication Critical patent/CN114706725B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
    • G06F11/3072—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
    • G06F11/3068—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data format conversion
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Bioethics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于云平台的设备数据处理方法及系统，其方法包括：获取每个设备上传的云数据并提取出其中的元数据和辅数据，将每个设备的云数据中的元数据转化为编码数据块，提取每个设备的云数据中的辅数据的相同属性值，根据所述相同属性值构建数据结构，将每个设备的辅数据和编码数据块导入到所述数据结构中并长传至云服务器，以有效地保护每个设备上传的元数据不被篡改和截取，提高了安全性，使得每个设备的云数据在被传输过程中只以数据结构的形式显示，在别截取时也只是丢失辅数据而保护了核心元数据，进一步地提高了数据传输过程中的安全性和可靠性，大大地降低了数据丢失和被窃取的风险。

Description

一种基于云平台的设备数据处理方法及系统
技术领域
本发明涉及云平台大数据技术领域，尤其涉及一种基于云平台的设备数据处理方法及系统。
背景技术
云计算是一个网络应用模式，在云的时代，人们可以抛弃U盘等移动设备。云计算是传统的计算机技术与网络技术发展融合的产物，也是引领未来信息产业创新的关键战略性技术和手段。云计算平台可以划分为三类：以数据存储为主的存储型云平台、以数据处理为主的计算型云平台以及计算和数据存储处理兼顾的综合云计算平台，上述综合云计算平台同时兼备数据存储和处理功能，为现有生活中公司办公的不二之选，员工们通过自己所在的终端设备将设备将要上传的云数据上传到云服务器来进行后续工作，极大地提高了工作效率，但是上述方法存在以下缺点：由于网络本身安全性不高会存在专业人员利用网络漏洞在设备上传云数据过程中入侵数据传输通道截取上传数据导致数据丢失造成机密泄漏进而发生重大经济损失情况的发生。
发明内容
针对上述所显示出来的问题，本发明提供了一种基于云平台的设备数据处理方法及系统用以解决背景技术中提到的由于网络本身安全性不高会存在专业人员利用网络漏洞在设备上传云数据过程中入侵数据传输通道截取上传数据导致数据丢失造成机密泄漏进而发生重大经济损失情况的发生的问题。
一种基于云平台的设备数据处理方法，包括以下步骤：
获取每个设备上传的云数据并提取出其中的元数据和辅数据；
将每个设备的云数据中的元数据转化为编码数据块；
提取每个设备的云数据中的辅数据的相同属性值，根据所述相同属性值构建数据结构；
将每个设备的辅数据和编码数据块导入到所述数据结构中并长传至云服务器。
优选的，在获取每个设备上传的云数据并提取出其中的元数据和辅数据之前，所述方法还包括：
接收每个设备发送的云数据上传请求；
根据每个设备的云数据上传请求确定该设备的待上传云数据的数据类型；
根据每个设备的待上传云数据的数据类型启动适合每个待上传云数据的数据类型的目标数据传输渠道；
利用所述目标数据传输渠道接收每个设备上传的云数据。
优选的，所述获取每个设备上传的云数据并提取出其中的元数据和辅数据，包括：
获取每个设备的云数据中每个数据集对应的参数特征，提取出所述参数特征中的表征因子；
确认每个设备的云数据中的每个第一表征因子与其他第二表征因子之间的关联性指数；
将关联性指数大于等于预设阈值的目标表征因子确认为元表征因子；
提取出每个设备的云数据中元表征因子对应的第一数据为元数据，将该设备的的云数据中除所述第一数据外的第二数据作为辅数据。
优选的，所述将每个设备的云数据中的元数据转化为编码数据块，包括：
将每个设备的云数据中的元数据分割为多个数据段；
提取每个数据段对应的参数指标并根据所述参数指标构建元数据分块矩阵；
将每个设备的元数据转化为多个数据块；
利用每个设备的元数据对应的分块矩阵对该设备的元数据的多个数据块进行编码，获得该设备的元数据的编码数据块。
优选的，所述提取每个设备的云数据中的辅数据的相同属性值，根据所述相同属性值构建数据结构，包括：
构建每个设备的辅数据的稀疏矩阵，利用所述稀疏矩阵对该设备的辅数据进行稀疏化处理，获取处理结果；
根据每个处理结果构建每个设备的辅数据的的属性序列；
从每个设备的辅数据的的属性序列中提取出相同属性值；
根据所述相同属性值在预设数据模型库中进行匹配获得目标模型，根据相同属性值在每个设备的辅数据中的分布概率结合所述目标模型构建通用型数据结构。
优选的，所述将每个设备的辅数据和编码数据块导入到所述数据结构中并长传至云服务器，包括：
获取所述云服务器的数据接收节点信息，根据所述节点信息获取云服务器的节点标识；
将每个设备的编码数据块进行加密，获取加密数据，将所述加密数据与所述节点标识进行关联；
关联完毕后，将每个设备的辅数据和加密数据转化为统一代码导入到所述数据结构中；
导入完毕后，根据所述节点信息接通所述云服务器，通过所述云服务器的预设数据收发通道将每个设备的数据结构上传到所述云服务器上。
优选的，所述方法还包括：
在确认所述云服务器接收到上传数据时，生成所述数据结构的解码指令；
基于所述解码指令，利用每个设备的云数据中的辅数据与所述相同属性值的映射关系生成该设备的数据结构的解码参数；
将每个设备的数据结构的解码参数上传到所述云服务器上以使其解锁所述数据结构获得每个设备上传的云数据；
构建每个设备的数据传输日志文件并将其保存在所述云服务器中。
优选的，所述获取每个设备的云数据中每个数据集对应的参数特征，提取出所述参数特征中的表征因子，包括：
确定每个设备的云数据中每个数据集中的数据特性；
根据所述数据特性确定每个设备的云数据中每个数据集的瞬态因子概率分布；
根据所述瞬态概率因子分布确定每个设备的云数据中每个数据集的瞬态数据权重值；
获取每个设备的云数据中每个数据集的初级数据相关矩阵；
对所述初级数据相关矩阵进行关联参数消除，获得每个设备的云数据中每个数据集的本征基础数据相关矩阵；
根据所述本征基础数据相关矩阵确定每个设备的云数据中每个数据集的表征基础数据参数；
根据所述每个设备的云数据中每个数据集的瞬态数据权重值确定该数据集中瞬态数据的特征状态；
根据每个设备的云数据中每个数据集的瞬态数据的特征状态确定该数据集的瞬态数据的量级特征；
根据所述量级特征构建每个设备的云数据中每个数据集的量级特征矩阵；
根据每个设备的云数据中每个数据集的量级特征矩阵从该数据集的表征基础数据参数中提取出关键数据参数；
获取每个设备的云数据中每个数据集的关键数据参数对应的特征因子并将其作为该数据集的表征因子。
一种基于云平台的设备数据处理系统，该系统包括：
提取模块，用于获取每个设备上传的云数据并提取出其中的元数据和辅数据；
转化模块，用于将每个设备的云数据中的元数据转化为编码数据块；
构建模块，用于提取每个设备的云数据中的辅数据的相同属性值，根据所述相同属性值构建数据结构；
上传模块，用于将每个设备的辅数据和编码数据块导入到所述数据结构中并长传至云服务器。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
图1为本发明所提供的一种基于云平台的设备数据处理方法的工作流程图；
图2为本发明所提供的一种基于云平台的设备数据处理方法的另一工作流程图；
图3为本发明所提供的一种基于云平台的设备数据处理方法的又一工作流程图；
图4为本发明所提供的一种基于云平台的设备数据处理系统的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
云计算是一个网络应用模式，在云的时代，人们可以抛弃U盘等移动设备。云计算是传统的计算机技术与网络技术发展融合的产物，也是引领未来信息产业创新的关键战略性技术和手段。云计算平台可以划分为三类：以数据存储为主的存储型云平台、以数据处理为主的计算型云平台以及计算和数据存储处理兼顾的综合云计算平台，上述综合云计算平台同时兼备数据存储和处理功能，为现有生活中公司办公的不二之选，员工们通过自己所在的终端设备将设备将要上传的云数据上传到云服务器来进行后续工作，极大地提高了工作效率，但是上述方法存在以下缺点：由于网络本身安全性不高会存在专业人员利用网络漏洞在设备上传云数据过程中入侵数据传输通道截取上传数据导致数据丢失造成机密泄漏进而发生重大经济损失情况的发生。为了解决上述问题，本实施例公开了一种基于云平台的设备数据处理方法。
一种基于云平台的设备数据处理方法，如图1所示，包括以下步骤：
步骤S101、获取每个设备上传的云数据并提取出其中的元数据和辅数据；
步骤S102、将每个设备的云数据中的元数据转化为编码数据块；
步骤S103、提取每个设备的云数据中的辅数据的相同属性值，根据所述相同属性值构建数据结构；
步骤S104、将每个设备的辅数据和编码数据块导入到所述数据结构中并长传至云服务器。
上述技术方案的工作原理为：获取每个设备上传的云数据并提取出其中的元数据和辅数据，将每个设备的云数据中的元数据转化为编码数据块，提取每个设备的云数据中的辅数据的相同属性值，根据所述相同属性值构建数据结构，将每个设备的辅数据和编码数据块导入到所述数据结构中并长传至云服务器。
上述技术方案的有益效果为：通过提取每个设备的云数据中的元数据和辅数据可以有效地提取出每个云数据中的重要数据，进一步地，通过将元数据转化为编码数据块可以有效地保护每个设备上传的元数据不被篡改和截取，提高了安全性，进一步地，通过根据辅数据的相同属性值构建数据结构并用以存储每个设备的云数据可以使得每个设备的云数据在被传输过程中只以数据结构的形式显示，在别截取时也只是丢失辅数据而保护了核心元数据，进一步地提高了数据传输过程中的安全性和可靠性，大大地降低了数据丢失和被窃取的风险。
在本实施例中，上述提取云数据中的元数据的步骤包括：
将所述云数据分为大小相同的多个数据块；
构建预设公平访问规则，基于所述预设公平访问规则生成访问指令，根据所述访问指令对每个数据块进行访问，获取访问结果；
根据每个数据块的访问结果确定该数据块中的高频数据和低频数据以及二者各自的数据活跃度因子；
根据每个数据块中的高频数据和低频数据以及二者各自的数据活跃度因子计算出云数据对应的数据分布均衡度：
Figure BDA0003545456490000071
其中，F表示为云数据对应的数据分布均衡度，N表示为数据块的数量，i表示为第i个数据块，pi表示为第i个数据块中的高频数据，δi1表示为第i个数据块中的高频数据的数据活跃度因子，qi表示为第i个数据块中的低频数据，δi2表示为第i个数据块中的低频数据的数据活跃度因子，Qi1表示为第i个数据块中的数据总量，θ表示为云数据中的干扰数据对应的影响因子，Qi2表示为第i个数据块中除干扰数据外的数据总量，Q表示为云数据的数据总量；
根据云数据对应的数据分布均衡度对云数据中的各个数据进行关联和划分，获取划分结果；
根据所述划分结果将各个分布域内的核心数据进行提取并将其确认为云数据中的元数据。
上述技术方案的有益效果为：通过计算云数据对应的数据均衡分布度可以将云数据进行快速地根据各个子数据之间的关联关系进行分布域划分进而提取出每个分布域中的核心数据来作为云数据的元数据，保证了最终获取结果的准确性和合理性。
在一个实施例中，如图2所示，在获取每个设备上传的云数据并提取出其中的元数据和辅数据之前，所述方法还包括：
步骤S201、接收每个设备发送的云数据上传请求；
步骤S202、根据每个设备的云数据上传请求确定该设备的待上传云数据的数据类型；
步骤S203、根据每个设备的待上传云数据的数据类型启动适合每个待上传云数据的数据类型的目标数据传输渠道；
步骤S204、利用所述目标数据传输渠道接收每个设备上传的云数据。
上述技术方案的有益效果为：通过选择目标数据传输渠道可以保证云服务器可以完整和准确无误地接收每个设备传输的云数据，提高了数据传输的稳定性和兼容性。
在一个实施例中，如图3所示，所述获取每个设备上传的云数据并提取出其中的元数据和辅数据，包括：
步骤S301、获取每个设备的云数据中每个数据集对应的参数特征，提取出所述参数特征中的表征因子；
步骤S302、确认每个设备的云数据中的每个第一表征因子与其他第二表征因子之间的关联性指数；
步骤S303、将关联性指数大于等于预设阈值的目标表征因子确认为元表征因子；
步骤S304、提取出每个设备的云数据中元表征因子对应的第一数据为元数据，将该设备的的云数据中除所述第一数据外的第二数据作为辅数据。
上述技术方案的有益效果为：可以准确直观地筛选出每个设备的云数据中的元数据，保证了最终筛选元数据的准确性和可靠性。
在一个实施例中，所述将每个设备的云数据中的元数据转化为编码数据块，包括：
将每个设备的云数据中的元数据分割为多个数据段；
提取每个数据段对应的参数指标并根据所述参数指标构建元数据分块矩阵；
将每个设备的元数据转化为多个数据块；
利用每个设备的元数据对应的分块矩阵对该设备的元数据的多个数据块进行编码，获得该设备的元数据的编码数据块。
上述技术方案的有益效果为：铜鼓构建元数据分块矩阵来为每个设备元数据转化的多个数据块进行编码可以保证每个数据块上都有编码数据，从而可以将每个设备的元数据更加平均化和完整地分割为多个编码数据块，提高了工作效率。
在一个实施例中，所述提取每个设备的云数据中的辅数据的相同属性值，根据所述相同属性值构建数据结构，包括：
构建每个设备的辅数据的稀疏矩阵，利用所述稀疏矩阵对该设备的辅数据进行稀疏化处理，获取处理结果；
根据每个处理结果构建每个设备的辅数据的的属性序列；
从每个设备的辅数据的的属性序列中提取出相同属性值；
根据所述相同属性值在预设数据模型库中进行匹配获得目标模型，根据相同属性值在每个设备的辅数据中的分布概率结合所述目标模型构建通用型数据结构。
上述技术方案的有益效果为：可使得构建的数据结构与每个设备的云数据对应的数据类型相匹配，提高了适配性，为后续进行数据传输奠定了基础，提高了整体的稳定性。
在一个实施例中，所述将每个设备的辅数据和编码数据块导入到所述数据结构中并长传至云服务器，包括：
获取所述云服务器的数据接收节点信息，根据所述节点信息获取云服务器的节点标识；
将每个设备的编码数据块进行加密，获取加密数据，将所述加密数据与所述节点标识进行关联；
关联完毕后，将每个设备的辅数据和加密数据转化为统一代码导入到所述数据结构中；
导入完毕后，根据所述节点信息接通所述云服务器，通过所述云服务器的预设数据收发通道将每个设备的数据结构上传到所述云服务器上。
上述技术方案的有益效果为：通过对每个设备的编码数据进行加密可以进一步地保证每个设备的元数据的安全性，进一步地，通过将加密数据与云服务器的节点标识进行关联可以使得数据在传输过程中仅仅只有云服务器具有可读权限，进一步地保证了数据的隐私性和安全性，进一步地，通过利用云服务器的预设数据收发通道来传输每个设备的云数据可以使得数据传输效率更高并且更加稳定。
在一个实施例中，所述方法还包括：
在确认所述云服务器接收到上传数据时，生成所述数据结构的解码指令；
基于所述解码指令，利用每个设备的云数据中的辅数据与所述相同属性值的映射关系生成该设备的数据结构的解码参数；
将每个设备的数据结构的解码参数上传到所述云服务器上以使其解锁所述数据结构获得每个设备上传的云数据；
构建每个设备的数据传输日志文件并将其保存在所述云服务器中。
上述技术方案的有益效果为：可使得云服务器快速地对数据结构进行解码以获得每个设备传输的云数据，进一步地提高了数据的安全性和隐私性，进一步地，通过构建每个设备的数据传输日志文件可以有效地记录每个设备的数据传输记录，为后续进行查询提供了便利条件，进一步地提高了实用性和用户的体验感。
在一个实施例中，所述获取每个设备的云数据中每个数据集对应的参数特征，提取出所述参数特征中的表征因子，包括：
确定每个设备的云数据中每个数据集中的数据特性；
根据所述数据特性确定每个设备的云数据中每个数据集的瞬态因子概率分布；
根据所述瞬态概率因子分布确定每个设备的云数据中每个数据集的瞬态数据权重值；
获取每个设备的云数据中每个数据集的初级数据相关矩阵；
对所述初级数据相关矩阵进行关联参数消除，获得每个设备的云数据中每个数据集的本征基础数据相关矩阵；
根据所述本征基础数据相关矩阵确定每个设备的云数据中每个数据集的表征基础数据参数；
根据所述每个设备的云数据中每个数据集的瞬态数据权重值确定该数据集中瞬态数据的特征状态；
根据每个设备的云数据中每个数据集的瞬态数据的特征状态确定该数据集的瞬态数据的量级特征；
根据所述量级特征构建每个设备的云数据中每个数据集的量级特征矩阵；
根据每个设备的云数据中每个数据集的量级特征矩阵从该数据集的表征基础数据参数中提取出关键数据参数；
获取每个设备的云数据中每个数据集的关键数据参数对应的特征因子并将其作为该数据集的表征因子。
上述技术方案的有益效果为：通过提取每个设备的云数据中每个数据集内的关键数据参数可以准确地获得每个设备的云数据中每个数据集的最基础数据参数，进而可以为后续获取表征因子提供最佳参考样本，保证了表征因子提取结果的合理性和准确性。
本实施例还公开了一种基于云平台的设备数据处理系统，如图4所示，该系统包括：
提取模块401，用于获取每个设备上传的云数据并提取出其中的元数据和辅数据；
转化模块402，用于将每个设备的云数据中的元数据转化为编码数据块；
构建模块403，用于提取每个设备的云数据中的辅数据的相同属性值，根据所述相同属性值构建数据结构；
上传模块404，用于将每个设备的辅数据和编码数据块导入到所述数据结构中并长传至云服务器。
上述技术方案的工作原理及有益效果在方法权利要求中已经说明，此处不再赘述。
本领域技术用户员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (8)

1.一种基于云平台的设备数据处理方法，其特征在于，包括以下步骤：
获取每个设备上传的云数据并提取出其中的元数据和辅数据；
将每个设备的云数据中的元数据转化为编码数据块；
提取每个设备的云数据中的辅数据的相同属性值，根据所述相同属性值构建数据结构；
将每个设备的辅数据和编码数据块导入到所述数据结构中并长传至云服务器；
所述获取每个设备上传的云数据并提取出其中的元数据和辅数据，包括：
获取每个设备的云数据中每个数据集对应的参数特征，提取出所述参数特征中的表征因子；
确认每个设备的云数据中的每个第一表征因子与其他第二表征因子之间的关联性指数；
将关联性指数大于等于预设阈值的目标表征因子确认为元表征因子；
提取出每个设备的云数据中元表征因子对应的第一数据为元数据，将该设备的云数据中除所述第一数据外的第二数据作为辅数据。
2.根据权利要求1所述基于云平台的设备数据处理方法，其特征在于，在获取每个设备上传的云数据并提取出其中的元数据和辅数据之前，所述方法还包括：
接收每个设备发送的云数据上传请求；
根据每个设备的云数据上传请求确定该设备的待上传云数据的数据类型；
根据每个设备的待上传云数据的数据类型启动适合每个待上传云数据的数据类型的目标数据传输渠道；
利用所述目标数据传输渠道接收每个设备上传的云数据。
3.根据权利要求1所述基于云平台的设备数据处理方法，其特征在于，所述将每个设备的云数据中的元数据转化为编码数据块，包括：
将每个设备的云数据中的元数据分割为多个数据段；
提取每个数据段对应的参数指标并根据所述参数指标构建元数据分块矩阵；
将每个设备的元数据转化为多个数据块；
利用每个设备的元数据对应的分块矩阵对该设备的元数据的多个数据块进行编码，获得该设备的元数据的编码数据块。
4.根据权利要求1所述基于云平台的设备数据处理方法，其特征在于，所述提取每个设备的云数据中的辅数据的相同属性值，根据所述相同属性值构建数据结构，包括：
构建每个设备的辅数据的稀疏矩阵，利用所述稀疏矩阵对该设备的辅数据进行稀疏化处理，获取处理结果；
根据每个处理结果构建每个设备的辅数据的属性序列；
从每个设备的辅数据的属性序列中提取出相同属性值；
根据所述相同属性值在预设数据模型库中进行匹配获得目标模型，根据相同属性值在每个设备的辅数据中的分布概率结合所述目标模型构建通用型数据结构。
5.根据权利要求1所述基于云平台的设备数据处理方法，其特征在于，所述将每个设备的辅数据和编码数据块导入到所述数据结构中并长传至云服务器，包括：
获取所述云服务器的数据接收节点信息，根据所述节点信息获取云服务器的节点标识；
将每个设备的编码数据块进行加密，获取加密数据，将所述加密数据与所述节点标识进行关联；
关联完毕后，将每个设备的辅数据和加密数据转化为统一代码导入到所述数据结构中；
导入完毕后，根据所述节点信息接通所述云服务器，通过所述云服务器的预设数据收发通道将每个设备的数据结构上传到所述云服务器上。
6.根据权利要求4所述基于云平台的设备数据处理方法，其特征在于，所述方法还包括：
在确认所述云服务器接收到上传数据时，生成所述数据结构的解码指令；
基于所述解码指令，利用每个设备的云数据中的辅数据与所述相同属性值的映射关系生成该设备的数据结构的解码参数；
将每个设备的数据结构的解码参数上传到所述云服务器上以使其解锁所述数据结构获得每个设备上传的云数据；
构建每个设备的数据传输日志文件并将其保存在所述云服务器中。
7.根据权利要求1所述基于云平台的设备数据处理方法，其特征在于，所述获取每个设备的云数据中每个数据集对应的参数特征，提取出所述参数特征中的表征因子，包括：
确定每个设备的云数据中每个数据集中的数据特性；
根据所述数据特性确定每个设备的云数据中每个数据集的瞬态因子概率分布；
根据瞬态概率因子分布确定每个设备的云数据中每个数据集的瞬态数据权重值；
获取每个设备的云数据中每个数据集的初级数据相关矩阵；
对所述初级数据相关矩阵进行关联参数消除，获得每个设备的云数据中每个数据集的本征基础数据相关矩阵；
根据所述本征基础数据相关矩阵确定每个设备的云数据中每个数据集的表征基础数据参数；
根据所述每个设备的云数据中每个数据集的瞬态数据权重值确定该数据集中瞬态数据的特征状态；
根据每个设备的云数据中每个数据集的瞬态数据的特征状态确定该数据集的瞬态数据的量级特征；
根据所述量级特征构建每个设备的云数据中每个数据集的量级特征矩阵；
根据每个设备的云数据中每个数据集的量级特征矩阵从该数据集的表征基础数据参数中提取出关键数据参数；
获取每个设备的云数据中每个数据集的关键数据参数对应的特征因子并将其作为该数据集的表征因子。
8.一种基于云平台的设备数据处理系统，其特征在于，该系统包括：
提取模块，用于获取每个设备上传的云数据并提取出其中的元数据和辅数据；
转化模块，用于将每个设备的云数据中的元数据转化为编码数据块；
构建模块，用于提取每个设备的云数据中的辅数据的相同属性值，根据所述相同属性值构建数据结构；
上传模块，用于将每个设备的辅数据和编码数据块导入到所述数据结构中并长传至云服务器；
所述获取每个设备上传的云数据并提取出其中的元数据和辅数据，包括：
获取每个设备的云数据中每个数据集对应的参数特征，提取出所述参数特征中的表征因子；
确认每个设备的云数据中的每个第一表征因子与其他第二表征因子之间的关联性指数；
将关联性指数大于等于预设阈值的目标表征因子确认为元表征因子；
提取出每个设备的云数据中元表征因子对应的第一数据为元数据，将该设备的云数据中除所述第一数据外的第二数据作为辅数据。
CN202210247060.8A 2022-03-14 2022-03-14 一种基于云平台的设备数据处理方法及系统 Active CN114706725B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210247060.8A CN114706725B (zh) 2022-03-14 2022-03-14 一种基于云平台的设备数据处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210247060.8A CN114706725B (zh) 2022-03-14 2022-03-14 一种基于云平台的设备数据处理方法及系统

Publications (2)

Publication Number Publication Date
CN114706725A CN114706725A (zh) 2022-07-05
CN114706725B true CN114706725B (zh) 2023-05-09

Family

ID=82169168

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210247060.8A Active CN114706725B (zh) 2022-03-14 2022-03-14 一种基于云平台的设备数据处理方法及系统

Country Status (1)

Country Link
CN (1) CN114706725B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113010897A (zh) * 2021-03-19 2021-06-22 中国联合网络通信集团有限公司 云计算安全管理方法及其系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104754055A (zh) * 2015-04-03 2015-07-01 易云捷讯科技（北京）有限公司 一种多云环境下的安全云存储方法
US11663160B2 (en) * 2020-08-25 2023-05-30 Vmware, Inc. Recovering the metadata of data backed up in cloud object storage

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113010897A (zh) * 2021-03-19 2021-06-22 中国联合网络通信集团有限公司 云计算安全管理方法及其系统

Also Published As

Publication number Publication date
CN114706725A (zh) 2022-07-05

Similar Documents

Publication Publication Date Title
CN110225095B (zh) 一种数据处理方法、装置及系统
CN116032464A (zh) 一种基于量子通信的物业数据加密系统
CN111698328A (zh) 一种基于混合云的企业大数据分析处理平台
CN112084474A (zh) 一种企业档案管理方法、系统、存储介质和电子设备
CN112347523A (zh) 一种基于云计算信息安全系统
CN113268506B (zh) 缓存数据库的查询方法、装置、电子设备和可读存储介质
CN112988678B (zh) 一种基于区块链的智慧云数据安全保护系统
CN114706725B (zh) 一种基于云平台的设备数据处理方法及系统
CN114006743A (zh) 一种基于大数据进行土地使用状态实时提取查询方法
CN114338527A (zh) IPv6主动标识符处理方法及系统
CN116527692B (zh) 一种基于互联网的合同文件云同步方法
CN111611617A (zh) 一种基于智能电网数据库的读取认证管理系统
CN114401116B (zh) 基于HK-Means和安全性检测的可信数据传输方法
CN112800470B (zh) 一种差分数据的管理方法和系统以及服务器和客户端
CN115292144A (zh) 多方模型及多方金融模型的可信评估方法、装置和设备
CN113010865B (zh) 智慧教育平台的大数据基础组件安全管理方法及系统
CN115239066A (zh) 一种通信信息化数据管控平台
CN111708996B (zh) 一种基于互联网的企业内部管理咨询信息共享系统
CN111881426B (zh) 一种集成地缘空间与物联技术的城市管理方法、系统以及存储介质
CN112469034A (zh) 能安全认证物理感知设备的物联网网关装置及其接入方法
CN115174234B (zh) 基于区块链的物联网标识管理方法
CN118012348B (zh) 一种企业数值数据的采集分析方法及系统
CN118094608B (zh) 水文数据管理方法
CN116415979B (zh) 一种基于知识图谱技术的电价咨询管理系统
CN115102872A (zh) 一种基于工业互联网标识解析的环保监测数据自证明系统

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20240613

Address after: Unit 2-1, Building 3, No. 1580 Zhiyun Avenue, Yudong Street, Banan District, Chongqing, 401320, with self registration number 286

Patentee after: Chongqing Youle Renting Technology Co.,Ltd.

Country or region after: China

Address before: 510000 140, room 2112, No. 20, Mingyue 1st Road, Yuexiu District, Guangzhou City, Guangdong Province (cluster registration)

Patentee before: Guangzhou Huisi Software Technology Co.,Ltd.

Country or region before: China

TR01 Transfer of patent right