CN115567650B - 一种锅炉智能运行监控云平台的数据管理方法 - Google Patents
一种锅炉智能运行监控云平台的数据管理方法 Download PDFInfo
- Publication number
- CN115567650B CN115567650B CN202211552719.7A CN202211552719A CN115567650B CN 115567650 B CN115567650 B CN 115567650B CN 202211552719 A CN202211552719 A CN 202211552719A CN 115567650 B CN115567650 B CN 115567650B
- Authority
- CN
- China
- Prior art keywords
- block
- window
- feature
- bit layer
- characteristic
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000013523 data management Methods 0.000 title claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 36
- 230000006798 recombination Effects 0.000 claims description 72
- 238000005215 recombination Methods 0.000 claims description 72
- 230000009466 transformation Effects 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000008521 reorganization Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 230000001502 supplementing effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 18
- 238000004364 calculation method Methods 0.000 abstract 1
- 238000006243 chemical reaction Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 238000009826 distribution Methods 0.000 description 8
- 230000000295 complement effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 108091026890 Coding region Proteins 0.000 description 2
- 230000000739 chaotic effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/44—Secrecy systems
- H04N1/448—Rendering the image unintelligible, e.g. scrambling
- H04N1/4486—Rendering the image unintelligible, e.g. scrambling using digital data encryption
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F22—STEAM GENERATION
- F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
- F22B35/00—Control systems for steam boilers
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24H—FLUID HEATERS, e.g. WATER OR AIR HEATERS, HAVING HEAT-GENERATING MEANS, e.g. HEAT PUMPS, IN GENERAL
- F24H15/00—Control of fluid heaters
- F24H15/40—Control of fluid heaters characterised by the type of controllers
- F24H15/414—Control of fluid heaters characterised by the type of controllers using electronic processing, e.g. computer-based
-
- 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
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- 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
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
- H04N21/2347—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving video stream encryption
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Image Processing (AREA)
Abstract
本发明涉及电数字数据处理技术领域,具体涉及一种锅炉智能运行监控云平台的数据管理方法,该方法是一种利用计算辅助设计的、特别适用于特定功能的数字数据处理加密方法,包括,对待加密监控数据对应的灰度图像进行数据处理,获得灰度图像对应的各比特层,在各比特层上构建每个窗口区域的特征块,并对各比特层中的每个特征块进行重组处理,得到加密后的各比特层,根据加密后的各比特层,可以得到数据处理后的加密监控数据。本发明实现了锅炉智能运行监控云平台的数据管理,解决了现有方法数据加密效果差的问题,增强了加密监控数据的非法解密的难度,提高了锅炉智能运行参数的安全性,可以应用于监控数据加密领域。
Description
技术领域
本发明涉及电数字数据技术领域,具体涉及一种锅炉智能运行监控云平台的数据管理方法。
背景技术
锅炉是重要的工业热源与动力设备,广泛应用于电力、供热、制造等行业,锅炉设备众多、分布范围广泛,所以需要对锅炉的运行状态进行远程监控,根据监测的各种指标数据可以反映出锅炉目前的运行状态。不同行业的企业所运用的锅炉规格不同,对锅炉运行监测数据进行管理时,可能存在数据被恶意篡改的风险,所以需要对锅炉运行监测数据进行加密处理,防止可以反映锅炉运行状态的锅炉运行参数发生泄漏和被恶意篡改的可能性,避免企业机密泄漏,增强锅炉运行参数的安全性,防止因运行参数据被破坏所导致的企业损失。
通常的数据加密方法主要依据数据之间的关系进行数据转换,以隐藏原始数据信息,现有的利用数据本身之间的直接关系的数据加密方法的数据转换方式受限,即加密效果受限。现有提出了公开号为CN115119016A,一种信息数据加密算法,该算法对待传输的灰度图像集合进行分区,得到多个待加密的区域,对待加密的区域进行压缩,计算压缩图的偏移量;利用偏移量对灰度图像进行加密,获得加密区,完成视频信息数据的加密。该方法通过规则化的图像数据转换实现加密,导致加密效果受限于规则的隐蔽性,一旦规则被破解,将导致加密效果急剧下降,该数据加密方法的加密效果较差。
发明内容
为了解决上述现有数据加密方法的加密效果较差的技术问题,本发明的目的在于提供一种锅炉智能运行监控云平台的数据管理方法。
本发明提供了一种锅炉智能运行监控云平台的数据管理方法,包括以下步骤:
获取待加密监控数据对应的灰度图像,根据灰度图像中每个像素点的像素值,确定灰度图像对应的各比特层图像;
在各比特层图像上构建预设尺寸的滑动窗口,得到各比特层图像的每个窗口区域,根据各比特层图像的每个窗口区域内的各个比特值,确定每个窗口区域对应的特征块;
确定每个特征块对应的窗口区域的位置和每个特征块在窗口区域内的位置;
构建预设尺寸的不少于两个的重组窗口,根据每个特征块对应的窗口区域的位置、每个特征块在窗口区域内的位置和预设尺寸的不少于两个的重组窗口,对各比特层图像中的每个特征块进行重组处理,得到加密后的各比特层图像;
根据加密后的各比特层图像,对加密后的各比特层图像进行数据处理,得到数据处理后的加密监控数据。
进一步的,根据每个特征块对应的窗口区域的位置、每个特征块在窗口区域内的位置和预设尺寸的不少于两个的重组窗口,对各比特层图像中的每个特征块进行重组处理,得到加密后的各比特层图像,包括:
根据各比特层图像中每个特征块对应的窗口区域的位置、每个特征块在窗口区域内的位置和预设尺寸的不少于两个的重组窗口,确定各比特层图像对应的各个特征重组块;
根据各比特层图像对应的特征重组块数量的最大值,确定该最大值对应的二维矩阵,根据二维矩阵,对各比特层图像对应的各个特征重组块进行排列,得到加密后的各比特层图像。
进一步的,根据各比特层图像中每个特征块对应的窗口区域的位置、每个特征块在窗口区域内的位置和预设尺寸的不少于两个的重组窗口,确定各比特层图像对应的各个特征重组块,包括:
根据各比特层图像中每个特征块对应的窗口区域的位置和每个特征块在窗口区域内的位置,确定各比特层图像中的第一个窗口区域内的第一个特征块,将第一个特征块作为待重组特征块,通过空间变换后,放置在预设尺寸的任意一个重组窗口内,执行特征块重组步骤,得到各比特层图像对应的第一个特征重组块;
判断各比特层图像中的第一个窗口区域内是否存在第二个特征块,若存在,则将各比特层图像中的第一个窗口区域内的第二个特征块作为待重组特征块,通过空间变换后,放置在预设尺寸的任意一个重组窗口内,执行特征块重组步骤,得到各比特层图像对应的第二个特征重组块;
按照每个特征块对应的窗口区域的位置顺序,依次判断窗口区域内是否存在待重组特征块,若窗口区域内存在待重组特征块,则将待重组特征块放置在重组窗口内,执行特征块重组步骤,直至各比特层图像中的所有窗口区域内不存在待重组特征块,得到各比特层图像对应的各个特征重组块。
进一步的,所述特征块重组步骤为:
判断其他窗口区域内是否存在与待重组特征块进行重组的特征块,若存在,则根据该各个特征块对应的窗口区域的位置,筛选出距离待重组特征块最近的窗口区域内的特征块,使该特征块放置在待重组特征块对应的重组窗口内,与待重组特征块进行重组,不断重复上述步骤,筛选出特征块,在重组后的基础上再次进行重组,直至其他窗口区域内不存在与待重组特征块进行重组的特征块,在重组窗口内,对不存在特征块的位置进行补位处理。
进一步的,所述重组窗口为空白窗口,所述与待重组特征块进行重组的特征块为与待重组特征块的比特值不同,且通过空间变换放置在待重组特征块对应的重组窗口内的特征块,所述其他窗口区域为除待重组特征块所在的原始窗口区域以外的所有窗口区域。
进一步的,确定每个特征块对应的窗口区域的位置和每个特征块在窗口区域内的位置,包括:
任选一个窗口区域作为初始标记点,沿着预设方向对每个窗口区域的位置进行顺序标记,获得每个特征块对应的窗口区域的位置;
在每个窗口区域内任选一个像素点作为初始标记点,沿着预设方向对窗口区域内的每个像素点的位置进行顺序标记,获得每个窗口区域内各个像素点的位置,将任意一个特征块在窗口区域内位置最小的像素点作为目标像素点,将目标像素点的位置作为该特征块在窗口区域内的位置。
进一步的,所述特征块为比特值相同且相邻的像素点组成的连通域。
进一步的,根据加密后的各比特层图像,对加密后的各比特层图像进行数据处理,得到数据处理后的加密监控数据,包括:
对加密后的各比特层图像进行重构处理,确定加密后的各比特层图像对应的密文图像,对密文图像进行压缩存储处理,得到数据处理后的加密监控数据。
本发明具有如下有益效果:
本发明提供了一种锅炉智能运行监控云平台的数据管理方法,一种特别适用于对锅炉智能运行监控云平台进行数字数据加密处理的方法,该方法通过对电数字数据进行数据处理,实现了锅炉智能运行监控云平台的数据管理,有效提高了监控数据的安全性能。由于监控数据本身的数据特点不明显,将待加密监控数据转换成灰度图像,有助于提高待监控数据处理的性能效果;为了克服现有图像数据加密受像素值分布的限制,将灰度图像进行分层处理,得到各比特层图像,提高了待加密监控数据对应的灰度图像的加密强度;根据各比特层图像的每个窗口区域内的各个比特值,确定每个窗口区域对应的特征块,构建特征块有利于实现结构化置乱,引起比特层图像更多的信息变化,提高图像信息的混乱效果,进而提高待加密监控数据的安全性,相比常规图像加密的像素点置乱,特征块置乱可以尽可能保留待监控数据对应的灰度图像的原始图像信息,有助于后续实现无失真恢复锅炉运行参数的目标;为了便于后续对各比特层图像中的每个特征块进行重组处理,需要确定每个特征块对应的窗口区域的位置和每个特征块在窗口区域内的位置,得到特征块与对应比特层图像之间的联系;基于特征块与对应比特层图像之间的联系,对比特层图像中的每个特征块进行重组处理,得到加密后的各比特层图像,加密后的各比特层图像实现了比特层图像中每个特征块信息的隐藏,增强了待加密监控数据的加密复杂程度,解决了现有数据加密方法的加密效果较差的问题;使基于加密后的各比特层图像所获得数据处理后的加密监控数据不容易受到攻击,实现了对锅炉智能运行监控云平台数据的高效管理,增强了监控数据的加密效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,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它附图。
图1为本发明一种锅炉智能运行监控云平台的数据管理方法的流程图;
图2为本发明实施例中的特征块对应的一组结构示意图;
图3为本发明实施例中的窗口区域内各个像素点的顺序标记示意图;
图4为本发明实施例中的特征块在窗口区域中的顺序标记示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一个实施例。此外,一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本发明实施例应用场景可以为:对于锅炉智能运行监控数据的加密,主要针对时间序列数据之间的关联进行数据转换,实现原始数据信息的隐藏。加密过程所涉及的数据转换关系越隐蔽,加密效果越好,因此,本发明在将数据转换为图像以获得更隐蔽的数据关联的基础上,提出了一种锅炉智能运行监控云平台的数据管理方法,利用比特层图像的重构,实现原始数据的加密,如图1所示,包括以下步骤:
S1,获取待加密监控数据对应的灰度图像,根据灰度图像中每个像素点的像素值,确定灰度图像对应的各比特层图像。
S101,获取待加密监控数据对应的灰度图像。
在本实施例中,对于锅炉智能运行监控云平台的数据管理,首先,需要获取待加密的监控数据,利用温度传感器和压力传感器,采集待加密监控数据,监控数据可以涉及锅炉温度、压力等数据,由于不同企业的锅炉智能运行监控云平台的关键运行数据不同,待加密监控数据对应的数据类型和加密数量可以由实施者根据锅炉智能运行监控云平台的实际情况自行设置设定,不做具体限定,然后,将待加密监控数据传输到数据管理平台进行数据处理。
需要说明的是,一般的传感器数据主要在时间序列上存在相关性,传感器数据本身的特点并不明显,不利于进行数据加密处理,为了提高待加密监控数据的安全性,将待加密监控数据进行数据编码与转换处理,即对待加密监控数据进行预处理,得到待加密监控数据对应的灰度图像,其步骤可以包括:
在本实施例中,利用霍夫曼编码技术,先对待加密监控数据进行数据编码处理,得到待加密监控数据对应的二进制数据序列,将二进制数据序列进行八位二进制分段,并将每一个分段的二进制数据转换成十进制数据,得到十进制数据序列,十进制数据的数值范围可以为[0,255],将十进制数据序列转换成二维矩阵,此时二维矩阵的每个元素的数值范围可以为[0,255],该二维矩阵可以表征为待加密监控数据对应的灰度图像。至此,本实施例得到了待加密监控数据对应的灰度图像,该灰度图像是后续进行数据加密的基准数据。霍夫曼编码技术的实现过程和进制转换过程均为现有技术,不在本发明保护范围内,此处不再进行详细阐述。
S102,根据灰度图像中每个像素点的像素值,确定灰度图像对应的各比特层图像。
首先,需要说明的是,对于图像数据的加密,通常是对像素点像素值所反映的图像信息进行隐藏,但是对像素点混乱的图像信息进行加密,容易受到像素点像素值分布情况的限制,使得加密效果受限,为了克服上述图像数据加密方法存在的不足,本实施例将利用图像对应的比特层图像混乱,对待加密监控数据对应的灰度图像进行加密处理,灰度图像进行比特分层的步骤可以包括:
根据灰度图像中每个像素点的像素值,将每个像素点的像素值进行二进制转化,得到每个像素点的二进制值;根据每个像素点的二进制值,确定灰度图像对应的各比特层图像。
在本实施例中,读取灰度图像中每个像素点的像素值,对像素值进行二进制转化,得到每个像素点的二进制值,二进制转化的实现过程为现有技术,此处不再进行详细阐述。在灰度图像中每个像素点的灰度值可以由8个比特组成,分别将这8个比特分离,可以形成8个新的图像,即基于每个像素点的每一位二进制值,可以构成8个比特层图像,其有助于后续比特层图像进行重构加密。确定比特层图像的过程为现有技术,不在本发明保护范围内,此处不再进行详细。
S2,在各比特层图像上构建预设尺寸的滑动窗口,得到各比特层图像的每个窗口区域,根据各比特层图像的每个窗口区域内的各个比特值,确定每个窗口区域对应的特征块。
S201,在各比特层图像上构建预设尺寸的滑动窗口,得到各比特层图像的每个窗口区域。
在本实施例中,比特层图像中比特值的分布情况可以反映该比特层图像的比特分层信息,故可以将比特层图像中比特值相同且相邻的像素点分布情况作为基准分析数据。在各比特层图像上构建预设尺寸的滑动窗口,使滑动窗口在各比特层图像的起始位置开始滑动,可以得到各比特层图像的每个窗口区域,这里的滑动窗口的预设尺寸可以为3×3,也就是窗口区域的尺寸可以为3×3,滑动步长可以为3,滑动窗口的预设尺寸和步长可由实施者根据灰度图像尺寸自行设置,不做具体限定。
需要说明的是,构建各比特层图像的每个窗口区域是为了基于比特值的分布情况,对比特层图像划分为各个窗口区域,后续可以基于各个窗口区域实现对比特层图像的重构,有利于增强数据的加密强度。
S202,根据各比特层图像的每个窗口区域内的各个比特值,确定每个窗口区域对应的特征块。
本实施例基于各比特层图像的每个窗口区域内的各个比特值,比特值可以为0或者1,在每个窗口区域内选择比特值相同且相邻的像素点,这里的相邻是指4连通方向相邻,将窗口区域内比特值相同且相邻的各个像素点构成的连通域区域作为该窗口区域的特征块,特征块内像素点个数不能低于2个,也就是单独一个像素点不能构成特征块。
特征块的结构可以是不同的,特征块的一组结构示意图如图2所示,在图2中,第一个图形是由2个像素点构成的特征块,第二个图形和第三个图形均是由3个像素点构成的特征块,第四个图形、第九个图形和第十个图形均是由5个像素点构成的特征块,第五个图形、第六个图形、第七个图形以及第八个图形均是是由4个像素点构成的特征块,第十一个图形是由7个像素点构成的特征块,第十二个图形是由6个像素点构成的特征块。另外,值得说明的是,在比特层图像的窗口区域内可能会存在所有比特值相同且相邻的特征块,同时,也可能存在通过旋转发生重合的特征块,例如,图2中的第五个图形可以由第六个图形通过空间变换获得,该空间变换可以包括:水平翻转、竖直翻转和旋转。
至此,本实施例得到了各比特层图像中每个窗口区域对应的特征块,特征块的数量可以有多个,也可以有单个,特征块的具体数量大小可以基于窗口区域内特征值的分布情况确定。由于比特值的数值大小只存在0和1两种情况,在已知每个窗口区域对应的特征块的情况下,可以直接获得每个窗口区域内剩余未构成特征块的像素点的比特值,也就是说,在已知每个窗口区域范围内特征块的情况下,特征块能够反映对应窗口区域内的所有信息,故后续直接对特征块进行混乱,可以实现原始比特层图像的加密。需要说明的是,当比特层图像存在无法满足预设尺寸的滑动窗口时,基于该滑动窗口对应的窗口区域内像素点的比特值,继续进行特征块的构建。
需要说明的是,构建特征块有利于实现结构化置乱,引起比特层图像更多的信息变化,提高图像信息的混乱效果,进而提高待加密监控数据的安全性,相比常规图像加密的像素点置乱,特征块置乱可以尽可能保留待监控数据对应的灰度图像的原始图像信息,有助于后续实现无失真恢复锅炉运行参数的目标。
S3,确定每个特征块对应的窗口区域的位置和每个特征块在窗口区域内的位置。
首先,需要说明的是,特征块的位置信息将影响比特值的分布信息,故需要对特征块的位置进行标记,即确定每个特征块对应的窗口区域的位置和每个特征块在窗口区域内的位置,其步骤包括:
S301,任选一个窗口区域作为初始标记点,沿着预设方向对每个窗口区域的位置进行顺序标记,获得每个特征块对应的窗口区域的位置。
在本实施例中,这里的预设方向为滑动窗口的滑动方向,在每个比特层图像中任选一个窗口区域作为初始标记点,按照滑动窗口的滑动顺序和方向,对比特层图像中的每个窗口区域的位置进行顺序标记,顺序标记的位置可以为i,i可以等于1、2、3…,基于每个窗口区域的顺序标记结果,可以得到每个特征块对应的窗口区域的位置。
S302,在每个窗口区域内任选一个像素点作为初始标记点,沿着预设方向对窗口区域内的每个像素点的位置进行顺序标记,获得每个窗口区域内各个像素点的位置,将任意一个特征块在窗口区域内位置最小的像素点作为目标像素点,将目标像素点的位置作为该特征块在窗口区域内的位置。
在本实施例中,每个特征块均存在于窗口区域内,在窗口区域内不同的特征块存在着位置差异,为了便于后续确定每个特征块在窗口区域内的位置,首先,在每个窗口区域内任选一个像素点作为初始标记点,沿着预设方向对窗口区域内的每个像素点的位置进行顺序标记,窗口区域内各个像素点的顺序标记示意图可以如图3所示,在图3中,窗口区域内各个像素点的位置顺序可以用于对特征块进行顺序标记,也就是特征块对应的顺序标记可以由窗口区域内各个像素点的位置顺序决定,本实施例将特征块在窗口区域内位置最小的像素点作为对应特征块的目标像素点,将目标像素点的位置作为该特征块在窗口区域内的位置。例如,特征块在窗口区域中的顺序标记示意图可以如图4所示,在图4中,特征块在窗口区域内的位置为4、7、8和9,将该特征块在窗口区域的位置为j,j可以为4。
至此,本实施例得到了每个特征块对应的窗口区域的位置和每个特征块在窗口区域内的位置,也就是得到了每个特征块在比特层图像中的位置标记,即(i,j),其中,i可以表征每个特征块对应的窗口区域的位置,j可以表征每个特征块在窗口区域内的位置。基于每个特征块在比特层图像中的位置标记,可以确定特征块与对应比特层图像之间的联系,有助于后续利用特征块的位置进行比特层图像加密。
S4,构建预设尺寸的不少于两个的重组窗口,根据每个特征块对应的窗口区域的位置、每个特征块在窗口区域内的位置和预设尺寸的不少于两个的重组窗口,对各比特层图像中的每个特征块进行重组处理,得到加密后的各比特层图像。
需要说明的是,为了对比特层图像进行加密,需要基于每个特征块在比特层图像中的位置标记,设置预设尺寸为3×3的多个重组窗口,重组窗口的数量可以由实施者根据各比特层图像中窗口区域数量的实际情况自行设置,这里不做具体限定,按照每个特征块在比特层图像中的位置标记,对比特层图像中的各个特征块进行重组,其步骤包括:
S401,根据各比特层图像中每个特征块对应的窗口区域的位置、每个特征块在窗口区域内的位置和预设尺寸的不少于两个的重组窗口,确定各比特层图像对应的各个特征重组块。
首先,需要说明的是,对于特征块的空间变换主要涉及特征块的水平翻转、竖直翻转以及旋转,本实施例中的旋转设定为顺时针旋转,特征块的旋转共有4种可能,结合特征块翻转所涉及的水平翻转、竖直翻转、不翻转以及即水平翻转又竖直翻转的4种可能,可以得到特征块的16种空间变换关系,将16种空间变换关系转换为4位的标识符,并将4位的标识符作为密文数据。为了便于对各比特层图像进行加密处理,本实施例对各比特层图像中的每个特征块进行重组处理,确定各比特层图像对应的各个特征重组块,其步骤包括:
根据各比特层图像中每个特征块对应的窗口区域的位置和每个特征块在窗口区域内的位置,确定各比特层图像中的第一个窗口区域内的第一个特征块,将第一个特征块作为待重组特征块,通过空间变换后,放置在预设尺寸的任意一个重组窗口内,执行特征块重组步骤,得到各比特层图像对应的第一个特征重组块;判断各比特层图像中的第一个窗口区域内是否存在第二个特征块,若存在,则将各比特层图像中的第一个窗口区域内的第二个特征块作为待重组特征块,通过空间变换后,放置在预设尺寸的任意一个重组窗口内,执行特征块重组步骤,得到各比特层图像对应的第二个特征重组块;按照每个特征块对应的窗口区域的位置顺序,依次判断窗口区域内是否存在待重组特征块,若窗口区域内存在待重组特征块,则将待重组特征块放置在重组窗口内,执行特征块重组步骤,直至各比特层图像中的所有窗口区域内不存在待重组特征块,得到各比特层图像对应的各个特征重组块。
在本实施例中,为了便于后续进行解码处理,在对各比特层图像进行编码时,需要按照一定的编码规则进行编码,本实施例中的编码规则是指按照窗口区域的位置依次进行特征块重组。以各比特层图像对应的第一个特征重组块为例,首先,基于各比特层图像中每个特征块对应的窗口区域的位置,可以确定各比特层图像中的第一个窗口区域,基于每个特征块在第一个窗口区域内的位置,可以获得第一个窗口区域内的第一个特征块,此时将各比特层图像中的第一个窗口区域内的第一个特征块作为待重组特征块,即基准特征块,为了最大程度地利用重组窗口,将待重组特征块进行空间变换后,放置在3×3的一个重组窗口内,这里的重组窗口可以空白窗口,空白窗口是指是指窗口区域内不存在像素点的窗口,在将待重组特征块放置在重组窗口内后,执行特征块重组步骤,可以得到各比特层图像对应的第一个特征重组块。
其中,特征块重组步骤可以为:
首先,判断其他窗口区域内是否存在可以与待重组特征块进行重组的特征块,即判断其他窗口区域内是否存在与待重组特征块的比特值不同,且通过空间变换可以放置在待重组特征块对应的重组窗口内的特征块,若存在,则根据该各个特征块对应的窗口区域的位置,筛选出距离待重组特征块最近的窗口区域内的特征块,然后,使该特征块放置在待重组特征块对应的重组窗口内,与待重组特征块进行重组,不断重复与待重组特征块进行重组的步骤,将筛选出的特征块在重组后的基础上再次进行重组,直至其他窗口区域内不存在可以与待重组特征块进行重组的特征块,在待重组特征块对应的重组窗口内,对不存在特征块的位置进行补位处理,即随机赋予其比特值,并记录下空间变换对应的标识符和比特值补位的位置信息。
需要说明的是,这里的其他窗口区域是指除了待重组特征块所在的原始窗口区域以外的所有窗口区域,这里的原始窗口区域可以指各比特层图像中的窗口区域。为了便于后续进行对编码后的数据进行解码,相同比特值的特征块在重组窗口内不能相邻,以避免不能区分各个特征块的情况,这里的相邻可以指四邻域范围内的相邻。
各比特层图像对应的各个特征重组块的特征块信息包含:特征块的位置标记、即每个特征块对应的窗口区域的位置和每个特征块在窗口区域内的位置,特征块的空间变换关系以及比特值补位的位置。因为特征重组块的结构类型会受到比特值补位的位置的直接影响,所以将比特值补位的位置作为密钥,密文数据可以包括:特征重组块内的比特值、特征块的位置标记序列以及特征块的空间变换关系序列。
至此,本实施例通过对各比特层图像中特征块的重组,实现了原始特征块的加密。首先,重组特征块中存在多个对应比特层图像中不同位置的特征块,所以重组特征块可以使原始比特层图像的信息足够混乱,实现比特层图像的加密。其次,特征块重组有涉及到特征块的空间变换,其进一步隐藏了原始比特层图像中的特征块信息,提高了数据加密的安全性。最后,对重组窗口内不存在特征块的位置进行补位,有助于隐藏原始特征块的结构类型,也就是实现了原始比特层图像中特征块的信息隐藏,提高了监控数据的加密效果。
S402,根据各比特层图像对应的特征重组块数量的最大值,确定该最大值对应的二维矩阵,根据二维矩阵,对各比特层图像对应的各个特征重组块进行排列,得到加密后的各比特层图像。
在本实施例中,特征重组块的尺寸可以为3×3,特征重组块的尺寸可以由确定特征块过程中的滑动窗口的尺寸确定,也就是特征重组块的尺寸与滑动窗口的尺寸保持一致,基于每个比特层图像对应的多个3×3特征重组块,重新构成各比特层图像,其步骤包括:
将每个比特层图像对应的所有特征重组块的数量序列记为N,从数量序列N中筛选出最大值,利用该最大值构建一个二维矩阵,根据该二维矩阵将每个比特层图像对应的特征重组块进行排列,实现比特层图像的重构,将重构后的各比特层图像作为加密后的各比特层图像。比特层图像重构的实现过程为现有技术,此处不再进行详细阐述。至此,本实施例得到了加密后的各比特层图像。
需要说明的是,对于特征重组块排列后的比特层图像中存在的剩余位置,进行随机比特值补位,并记录下补位数量作为附加密钥。为了保证获得相同大小的比特层图像,使每一比特分层的特征重组块数量保持一致,基于数量序列N中的最大值,对各比特层图像对应的各个特征重组块进行排列,有助于后续获取原始的灰度图像。
S5,根据加密后的各比特层图像,对加密后的各比特层图像进行数据处理,得到数据处理后的加密监控数据。
对加密后的各比特层图像进行重构处理,确定加密后的各比特层图像对应的密文图像,对密文图像进行压缩存储处理,得到数据处理后的加密监控数据。
在本实施例中,对加密后的各比特层图像进行重构处理,可以确定加密后的各比特层图像对应的密文图像,其完成了对待加密监控数据的加密处理,为了便于数据存储,对密文图像进行压缩处理,并将压缩处理后的密文图像进行存储,将压缩处理后的密文图像作为加密监控数据,得到数据处理后的加密监控数据,实现了锅炉智能运行监控数据管理。比特层图像的重构处理过程和密文图像的压缩处理过程均为现有技术,不在本发明保护范围内,此处不再进行详细阐述。
需要说明的是,本实施例使基于加密后的各比特层图像所获得数据处理后的加密监控数据不容易受到攻击,实现了对锅炉智能运行监控云平台数据的高效管理,增强了监控数据的加密效果。另外,为了保证待加密监控数据加密过程的有效性,需要对密文图像进行解密验证,其步骤包括:
第一次解密,此时的密文可以为密文图像,密钥可以为比特层图像重构过程中的补位数量。对密文图像进行比特分层处理,可以得到加密后的各比特层图像,根据加密后的各比特层图像的补位数量,可以获得各比特层图像中的各个特征重组块。
第二次解密,此时的密文可以为特征块的位置标记序列和空间变化关系序列,密钥可以为特征重组块中比特值补位的位置序列,附加密钥:原始图像大小。首先,去除各比特层图像中的各个特征重组块的补位比特值,可以获得特征重组块中的各特征块,根据灰度图像的大小尺寸构建8个空白矩阵,利用特征块的位置标记序列找到各个窗口区域的位置。然后利用特征块的空间变换关系序列,将特征重组块中的各特征块通过空间变换,放置在空白矩阵对应窗口区域内,将所有特征块复原到原始比特层图像中。最后,基于窗口区域内所有特征块的比特值,对每个窗口区域内的空白位置进行比特值填充,获得原始的各比特层图像,再对原始的各比特层图像进行重构处理,获得待加密监控数据对应的灰度图像。
图像转换为数据,将灰度图像转换为可以表示像素值大小的一维序列,然后将一维序列中的数据转换成二进制编码序列,最后基于八位二进制分段,对二进制编码序列进行解码处理,获得待加密监控数据。解码处理的过程为现有技术,不在本发明保护范围内,此处不再进行详细阐述。
本发明提供了一种锅炉智能运行监控云平台的数据管理方法,该方法相比常规图像加密对应的像素点置乱,可以保留原始图像的像素值,实现无失真恢复锅炉运行参数的目标。另外,通过比特层图像的置乱,可以将像素值转换到多个比特征层图像上进行变换,有效提高了像素值的混乱效果,提高了数据加密的安全性。同时,在比特层图像中呈现结构化的置乱,可以引起比特层更多信息的变化,进一步提高了混乱效果,克服了现有数据加密方法的加密效果较差的缺陷。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围,均应包含在本申请的保护范围之内。
Claims (6)
1.一种锅炉智能运行监控云平台的数据管理方法,其特征在于,包括以下步骤:
获取待加密监控数据对应的灰度图像,根据灰度图像中每个像素点的像素值,确定灰度图像对应的各比特层图像;
在各比特层图像上构建预设尺寸的滑动窗口,得到各比特层图像的每个窗口区域,根据各比特层图像的每个窗口区域内的各个比特值,确定每个窗口区域对应的特征块;
确定每个特征块对应的窗口区域的位置和每个特征块在窗口区域内的位置;
构建预设尺寸的不少于两个的重组窗口,根据每个特征块对应的窗口区域的位置、每个特征块在窗口区域内的位置和预设尺寸的不少于两个的重组窗口,对各比特层图像中的每个特征块进行重组处理,得到加密后的各比特层图像;
根据加密后的各比特层图像,对加密后的各比特层图像进行数据处理,得到数据处理后的加密监控数据;
根据每个特征块对应的窗口区域的位置、每个特征块在窗口区域内的位置和预设尺寸的不少于两个的重组窗口,对各比特层图像中的每个特征块进行重组处理,得到加密后的各比特层图像,包括:
根据各比特层图像中每个特征块对应的窗口区域的位置、每个特征块在窗口区域内的位置和预设尺寸的不少于两个的重组窗口,确定各比特层图像对应的各个特征重组块;
根据各比特层图像对应的特征重组块数量的最大值,确定该最大值对应的二维矩阵,根据二维矩阵,对各比特层图像对应的各个特征重组块进行排列,得到加密后的各比特层图像;
根据各比特层图像中每个特征块对应的窗口区域的位置、每个特征块在窗口区域内的位置和预设尺寸的不少于两个的重组窗口,确定各比特层图像对应的各个特征重组块,包括:
根据各比特层图像中每个特征块对应的窗口区域的位置和每个特征块在窗口区域内的位置,确定各比特层图像中的第一个窗口区域内的第一个特征块,将第一个特征块作为待重组特征块,通过空间变换后,放置在预设尺寸的任意一个重组窗口内,执行特征块重组步骤,得到各比特层图像对应的第一个特征重组块;
判断各比特层图像中的第一个窗口区域内是否存在第二个特征块,若存在,则将各比特层图像中的第一个窗口区域内的第二个特征块作为待重组特征块,通过空间变换后,放置在预设尺寸的任意一个重组窗口内,执行特征块重组步骤,得到各比特层图像对应的第二个特征重组块;
按照每个特征块对应的窗口区域的位置顺序,依次判断窗口区域内是否存在待重组特征块,若窗口区域内存在待重组特征块,则将待重组特征块放置在重组窗口内,执行特征块重组步骤,直至各比特层图像中的所有窗口区域内不存在待重组特征块,得到各比特层图像对应的各个特征重组块。
2.根据权利要求1所述的一种锅炉智能运行监控云平台的数据管理方法,其特征在于,所述特征块重组步骤为:
判断其他窗口区域内是否存在与待重组特征块进行重组的特征块,若存在,则根据该各个特征块对应的窗口区域的位置,筛选出距离待重组特征块最近的窗口区域内的特征块,使该特征块放置在待重组特征块对应的重组窗口内,与待重组特征块进行重组,不断重复上述步骤,筛选出特征块,在重组后的基础上再次进行重组,直至其他窗口区域内不存在与待重组特征块进行重组的特征块,在重组窗口内,对不存在特征块的位置进行补位处理。
3.根据权利要求2所述的一种锅炉智能运行监控云平台的数据管理方法,其特征在于,所述重组窗口为空白窗口,所述与待重组特征块进行重组的特征块为与待重组特征块的比特值不同,且通过空间变换放置在待重组特征块对应的重组窗口内的特征块,所述其他窗口区域为除待重组特征块所在的原始窗口区域以外的所有窗口区域。
4.根据权利要求1所述的一种锅炉智能运行监控云平台的数据管理方法,其特征在于,确定每个特征块对应的窗口区域的位置和每个特征块在窗口区域内的位置,包括:
任选一个窗口区域作为初始标记点,沿着预设方向对每个窗口区域的位置进行顺序标记,获得每个特征块对应的窗口区域的位置;
在每个窗口区域内任选一个像素点作为初始标记点,沿着预设方向对窗口区域内的每个像素点的位置进行顺序标记,获得每个窗口区域内各个像素点的位置,将任意一个特征块在窗口区域内位置最小的像素点作为目标像素点,将目标像素点的位置作为该特征块在窗口区域内的位置。
5.根据权利要求1所述的一种锅炉智能运行监控云平台的数据管理方法,其特征在于,所述特征块为比特值相同且相邻的像素点组成的连通域。
6.根据权利要求1所述的一种锅炉智能运行监控云平台的数据管理方法,其特征在于,根据加密后的各比特层图像,对加密后的各比特层图像进行数据处理,得到数据处理后的加密监控数据,包括:
对加密后的各比特层图像进行重构处理,确定加密后的各比特层图像对应的密文图像,对密文图像进行压缩存储处理,得到数据处理后的加密监控数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211552719.7A CN115567650B (zh) | 2022-12-06 | 2022-12-06 | 一种锅炉智能运行监控云平台的数据管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211552719.7A CN115567650B (zh) | 2022-12-06 | 2022-12-06 | 一种锅炉智能运行监控云平台的数据管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115567650A CN115567650A (zh) | 2023-01-03 |
CN115567650B true CN115567650B (zh) | 2023-03-03 |
Family
ID=84770737
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211552719.7A Active CN115567650B (zh) | 2022-12-06 | 2022-12-06 | 一种锅炉智能运行监控云平台的数据管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115567650B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116723251B (zh) * | 2023-08-09 | 2023-10-17 | 江苏太湖锅炉股份有限公司 | 基于传感器网络的智能锅炉自动监测系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107590394A (zh) * | 2017-08-10 | 2018-01-16 | 河海大学 | 一种基于混沌映射和比特重组的图像加密方法 |
CN110728676A (zh) * | 2019-07-22 | 2020-01-24 | 中南大学 | 一种基于滑动窗口算法的纹理特征度量方法 |
CN112541855A (zh) * | 2020-12-10 | 2021-03-23 | 东北大学 | 基于多层复杂网络和sir模型的图像加密方法 |
CN115278369A (zh) * | 2022-06-27 | 2022-11-01 | 河南天一智能信息有限公司 | 一种医疗远程监控系统的数据传输方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019225735A1 (ja) * | 2018-05-25 | 2019-11-28 | 株式会社ZenmuTech | データ処理装置、方法及びコンピュータプログラム |
-
2022
- 2022-12-06 CN CN202211552719.7A patent/CN115567650B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107590394A (zh) * | 2017-08-10 | 2018-01-16 | 河海大学 | 一种基于混沌映射和比特重组的图像加密方法 |
CN110728676A (zh) * | 2019-07-22 | 2020-01-24 | 中南大学 | 一种基于滑动窗口算法的纹理特征度量方法 |
CN112541855A (zh) * | 2020-12-10 | 2021-03-23 | 东北大学 | 基于多层复杂网络和sir模型的图像加密方法 |
CN115278369A (zh) * | 2022-06-27 | 2022-11-01 | 河南天一智能信息有限公司 | 一种医疗远程监控系统的数据传输方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115567650A (zh) | 2023-01-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Multi-MSB compression based reversible data hiding scheme in encrypted images | |
Chang et al. | A reversible data hiding scheme for VQ indices using locally adaptive coding | |
Wang et al. | Reversible data hiding in encrypted images with block-based adaptive MSB encoding | |
CN113194213B (zh) | 一种基于秘密共享和混沌映射的png图像信息隐藏和恢复方法 | |
CA2570340A1 (en) | Systems and methods for digital content security | |
CN115567650B (zh) | 一种锅炉智能运行监控云平台的数据管理方法 | |
Alexan et al. | Utilization of corner filters, aes and lsb steganography for secure message transmission | |
Guan et al. | An efficient high-capacity reversible data hiding scheme for encrypted images | |
CN115150818B (zh) | 一种基于人工智能的通信传输加密方法 | |
CN115811577A (zh) | 一种用于通信柜的视频远程监测系统 | |
CN109168033B (zh) | 一种视频隐私数据保护系统及方法 | |
CN115426101B (zh) | 一种云互通平台的数据传输方法 | |
CN113114869A (zh) | 基于msb预测的密文域高容量图像可逆数据隐藏方法 | |
CN115865431A (zh) | 一种私密数据的网络安全共享方法 | |
Cheng et al. | Secret sharing: using meaningful image shadows based on gray code | |
Ye et al. | Research on reversible image steganography of encrypted image based on image interpolation and difference histogram shift | |
Lin et al. | Pixel-based fragile image watermarking based on absolute moment block truncation coding | |
CN107507254A (zh) | 基于算术编码的图像压缩加密方法 | |
CN114697671B (zh) | 一种建筑工程质量管理系统 | |
Kamal et al. | An image distortion-based enhanced embedding scheme | |
Chai et al. | TPE-ADE: Thumbnail-Preserving Encryption Based on Adaptive Deviation Embedding for JPEG Images | |
CN105721873A (zh) | 基于mpeg4/2的隐秘传输方法 | |
Mittal et al. | Interpolative AMBTC based reversible data hiding in encrypted images using rhombus mean | |
CN115955570A (zh) | 一种视频远程系统 | |
CN112188030B (zh) | 像素组合与复数变换的灰度图像加密编码与解码方法 |
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 |