CN115859366B - 基于城市大脑的多源云计算集群数据的智能规划方法 - Google Patents

基于城市大脑的多源云计算集群数据的智能规划方法 Download PDF

Info

Publication number
CN115859366B
CN115859366B CN202310063694.2A CN202310063694A CN115859366B CN 115859366 B CN115859366 B CN 115859366B CN 202310063694 A CN202310063694 A CN 202310063694A CN 115859366 B CN115859366 B CN 115859366B
Authority
CN
China
Prior art keywords
sequence
security
frequency
target
data
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
CN202310063694.2A
Other languages
English (en)
Other versions
CN115859366A (zh
Inventor
陆俊娟
孙赫
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.)
Qingdao Newbit Electronic Technology Co ltd
Original Assignee
Qingdao Newbit Electronic 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 Qingdao Newbit Electronic Technology Co ltd filed Critical Qingdao Newbit Electronic Technology Co ltd
Priority to CN202310063694.2A priority Critical patent/CN115859366B/zh
Publication of CN115859366A publication Critical patent/CN115859366A/zh
Application granted granted Critical
Publication of CN115859366B publication Critical patent/CN115859366B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及数据处理技术领域,具体涉及基于城市大脑的多源云计算集群数据的智能规划方法,包括:根据云计算集群系统中计算机的数量构建安全库,将安全库中的安全序列分配给云计算集群系统中的计算机,进行安全序列分配和安全库更新;获取集群数据序列,将集群数据序列转换为二值数据序列;获得二值数据序列的起始数据和连续数量序列,获得频数序列,将目标计算机对应的安全序列记为目标安全序列;根据目标安全序列和频数序列获得目标直方图,根据目标直方图获得密文序列。本发明将任意一个统计结果服从目标直方图的密文序列作为集群数据进行数据处理之后的结果,保证集群数据在高速通信网络中流转过程中的安全性,实现对集群数据的智能规划。

Description

基于城市大脑的多源云计算集群数据的智能规划方法
技术领域
本发明涉及数据处理技术领域,具体涉及基于城市大脑的多源云计算集群数据的智能规划方法。
背景技术
城市大脑是一种基于城市生命体理念,以系统科学为指引,将散落在城市各个角落的数据汇聚起来,用云计算、大数据、人工智能等前沿技术构建的平台型人工智能中枢。城市大脑通过对城市全域的数据进行即时分析、指挥、调动和管理,实现对城市的精准分析、整体研判、协同指挥以及智能规划,帮助管理城市。
城市大脑的主体是复杂且具有自适应性的,但所有主体的活动可以简化为感知、运算、执行和反馈四个环节构成的闭环。其中,运算环节依赖于云计算集群系统,将若干个相互独立的计算机利用高速通信网络组成一个较大的计算机服务系统,协同向用户提供应用程序、系统资源和数据计算服务。在云计算集群系统中,集群数据通过通信网络进行流转,在流转的过程中容易受到攻击,导致集群数据泄露,为了保证集群数据的安全性,需要对待流转的集群数据进行数据处理,以此保证即使集群数据在流转的过程中被攻击者窃取,攻击者无法破解处理后的集群数据,进而无法获得处理前的集群数据,保证集群数据的安全性。
本发明通过给云计算集群系统设计安全库,将安全库中的安全序列分配给云计算集群系统中的若干个计算机,对于从计算机发送出去的任意一条集群数据序列,都需要先通过安全序列对集群数据序列进行数据处理,再将处理后的集群数据序列进先发送,以此,保证集群数据在通信网络流转过程中的安全性。
发明内容
本发明提供基于城市大脑的多源云计算集群数据的智能规划方法,以解决现有的问题。
本发明的基于城市大脑的多源云计算集群数据的智能规划方法采用如下技术方案:
本发明一个实施例提供了基于城市大脑的多源云计算集群数据的智能规划方法,该方法包括以下步骤:
根据云计算集群系统中计算机的数量构建安全库,给云计算集群系统中的每个计算机分配安全库中的一个安全序列,当云计算集群系统增加新的计算机时,进行安全序列分配和安全库更新;
将预设时间段内的集群数据组成的序列记为集群数据序列,将集群数据序列中的每个集群数据编码为二进制数据,将所有二进制数据按照顺序组成的序列记为二值数据序列;
获得二值数据序列的起始数据和连续数量序列,根据二值数据序列的起始数据和连续数量序列获得长度和基础频数,根据长度和基础频数获得频数子序列,将所有频数子序列按照顺序组成的序列记为频数序列;
选择云计算集群中的一个处于空闲状态的计算机作为目标计算机,将目标计算机对应的安全序列记为目标安全序列;
根据目标安全序列对频数序列进行数据处理获得密文序列,包括:如果频数序列的长度不大于目标安全序列的长度,根据目标安全序列和频数序列获得目标直方图,根据目标直方图获得密文序列;如果频数序列的长度大于目标安全序列的长度,将频数序列划分为多个频数次序列,根据目标安全序列和每个频数次序列获得每个目标子直方图,根据目标子直方图获得密文子序列,将所有密文子序列按照顺序组成的序列记为密文序列,对密文序列进行流转,实现对集群数据的智能规划。
进一步地,所述根据云计算集群系统中计算机的数量构建安全库,包括的具体步骤如下:
将云计算集群系统中计算机的数量记为N,获取满足的最小的n并记为序列的长度k,构建长度为k的序列,将[0,k-1]之间的整数随机填充在序列中,且每个整数在序列中仅出现一次;将满足条件的个序列作为安全序列,表示阶乘,将所有安全序列组成的集合记为安全库。
进一步地,所述进行安全序列分配和安全库更新,包括的具体步骤如下:
当云计算集群系统增加新的计算机时,如果新的计算机的数量不大于安全库中未被分配的安全序列的数量,则不对安全库进行更新,给云计算集群系统中的每个新的计算机分配一个未被分配的安全序列,将云计算集群系统中的所有新的计算机与未被分配的安全序列的对应关系存储在每个计算机上,将新的计算机对应的未被分配的安全序列从每个计算机上存储的未被分配的安全序列中去除;如果新的计算机的数量大于安全库中未被分配的安全序列的数量,则重新根据云计算集群系统中计算机的数量构建安全库,实现对安全库的更新。
进一步地,所述获得二值数据序列的起始数据和连续数量序列,包括的具体步骤如下:
将二值数据序列的第一个数据记为二值数据序列的起始数据;从左到右依次获取二值数据序列中连续0的数量或连续1的数量,将所有数量按照先后顺序组成的序列记为二值数据序列的连续数量序列。
进一步地,所述根据二值数据序列的起始数据和连续数量序列获得长度和基础频数,包括的具体步骤如下:
如果二值数据序列的起始数据为0,则将0作为第1个基础频数,即第1个基础频数,将连续数量序列中的第1个连续数量作为第1个长度,即第1个长度;如果第i-1个基础频数大于连续数量序列中的第2i-2个连续数量,则将作为第i个基础频数,即第i个基础频数;如果第i-1个基础频数不大于连续数量序列中的第2i-2个连续数量,则将作为第i个基础频数,即第i个基础频数,将连续数量序列中的第2i-1个连续数量作为第i个长度,即第i个长度
如果二值数据序列的起始数据为1,则将连续数量序列中的第1个连续数量作为第1个基础频数,即第1个基础频数,将连续数量序列中的第2个连续数量作为第1个长度,即第1个长度;如果第i-1个基础频数大于连续数量序列中的第2i-1个连续数量,则将作为第i个基础频数,即第i个基础频数;如果第i-1个基础频数不大于连续数量序列中的第2i-1个连续数量,则将作为第i个基础频数,即第i个基础频数,将连续数量序列中的第2i个连续数量作为第i个长度,即第i个长度
进一步地,所述根据目标安全序列和频数序列获得目标直方图,根据目标直方图获得密文序列,包括的具体步骤如下:
对于目标安全序列中的第j个整数,将频数序列中的第j个频数作为整数的频数,根据目标安全序列中的所有整数和频数序列中的所有频数获得目标直方图;根据目标直方图中的所有整数以及频数获得对应的密文序列,所述密文序列的统计结果服从目标直方图,所述密文序列中的所有整数是随机排列的。
进一步地,所述根据目标安全序列和每个频数次序列获得每个目标子直方图,根据目标子直方图获得密文子序列,包括的具体步骤如下:
根据第h个频数次序列和目标安全序列获得第h个目标子直方图,对于目标安全序列中的第j个整数,将第h个频数序列中的第j个频数作为整数的频数,根据目标安全序列中的所有整数和第h个频数序列中的所有频数获得第h个目标子直方图;将目标安全序列中的最后一个整数记为末尾整数,根据第h个目标子直方图中的所有整数以及频数获得第h个密文子序列,所述第h个密文子序列的统计结果服从第h个目标子直方图,所述第h个密文子序列中等于末尾整数的所有整数排在第h个密文子序列中的最后,其他整数是随机排列的。
本发明的技术方案的有益效果是:本发明通过给云计算集群系统设计安全库,将安全库中的安全序列分配给云计算集群系统中的若干个计算机,对于从计算机发送出去的任意一条集群数据序列,都需要先通过安全序列对集群数据序列进行数据处理,再将处理后的集群数据序列进先发送,以此,保证集群数据在通信网络流转过程中的安全性;将集群数据序列转换为二值数据序列,根据二值数据序列的起始数据和连续数量序列获得频数序列,根据目标安全序列和频数序列获得目标直方图,将任意一个统计结果服从目标直方图的密文序列作为集群数据进行数据处理之后的结果,将密文序列作为集群数据进行数据处理之后的结果在高速通信网络中流转,由于密文序列是根据安全库中的安全序列进行数据处理获得的,计算集群中的计算机都有各自的安全序列,攻击者没有安全序列就无法通过密钥序列获得集群数据序列,保证集群数据在高速通信网络中流转过程中的安全性。
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,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为本发明的基于城市大脑的多源云计算集群数据的智能规划方法的步骤流程图;
图2为本发明提供的根据一个频数次序列和目标安全序列获得一个目标子直方图;
图3为本发明提供的根据一个频数次序列和目标安全序列获得一个目标子直方图。
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基于城市大脑的多源云计算集群数据的智能规划方法,其具体实施方式、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”指的不一定是同一实施例。此外,一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。
下面结合附图具体的说明本发明所提供的基于城市大脑的多源云计算集群数据的智能规划方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的基于城市大脑的多源云计算集群数据的智能规划方法的步骤流程图,该方法包括以下步骤:
S001.根据云计算集群系统中计算机的数量构建安全库,将安全库中的安全序列分配给云计算集群系统中的计算机,进行安全序列分配和安全库更新。
1、根据云计算集群系统中计算机的数量构建安全库。
将序列的长度记为k,构建长度为k的序列,将[0,k-1]之间的整数随机填充在序列中,且每个整数在序列中仅出现一次;将满足条件的个序列作为安全序列,表示阶乘。
在本实施例中,需要给云计算集群系统中的每个计算机分配一个安全序列,要求安全库中的安全序列的数量不少于云计算集群系统中计算机的数量N;同时,为了避免存储空间的浪费,安全库中的安全序列的数量不能太多;因此,获取满足的最小的n并记为序列的长度k。
2、将安全库中的安全序列分配给云计算集群系统中的计算机。
给云计算集群系统中的每个计算机分配安全库中的一个安全序列,则每个计算机对应一个安全序列,每个安全序列对应一个计算机,且如果云计算集群系统中计算机的数量小于安全库中的安全序列的数量,则安全库中存在未被分配的安全序列;将云计算集群系统中的所有计算机与安全序列的对应关系以及安全库中未被分配的安全序列存储在每个计算机上。
3、进行安全序列分配和安全库更新。
当云计算集群系统增加新的计算机时,如果新的计算机的数量不大于安全库中未被分配的安全序列的数量,则不对安全库进行更新,给云计算集群系统中的每个新的计算机分配一个未被分配的安全序列,将云计算集群系统中的所有新的计算机与未被分配的安全序列的对应关系存储在每个计算机上,将新的计算机对应的未被分配的安全序列从每个计算机上存储的未被分配的安全序列中去除;如果新的计算机的数量大于安全库中未被分配的安全序列的数量,则重新根据云计算集群系统中计算机的数量构建安全库,实现对安全库的更新。
本发明通过给云计算集群系统设计安全库,将安全库中的安全序列分配给云计算集群系统中的若干个计算机,对于从计算机发送出去的任意一条集群数据序列,都需要先通过安全序列对集群数据序列进行数据处理,再将处理后的集群数据序列进先发送,以此,保证集群数据在通信网络流转过程中的安全性。
S002.获取集群数据序列,将集群数据序列转换为二值数据序列。
城市大脑通过对城市全域的数据进行即时分析、指挥、调动和管理,涉及城管、卫健、旅游、环保、警务、政法等领域,通过云计算集群系统协同向用户提供应用程序、系统资源和数据计算服务,因此,集群数据包括政务数据、企业数据、社会数据、互联网数据等。
将预设时间段内的集群数据组成的序列记为集群数据序列,将集群数据序列中的每个集群数据编码为二进制数据,将所有二进制数据按照顺序组成的序列记为二值数据序列,二值数据序列由0和1组成,将二值数据序列的长度记为L。例如,对于属于文本的集群数据,利用GB2312编码方式编码成二进制数据。
由于城市大脑需要对数据进行即时分析,因此,在本实施例中,预设时间段为一分钟,在其他实施例中,实施人员可根据需要预设时间段。
例如,某条公路的5个路口在一分钟内通过的汽车的数量组成的集群数据序列为{车辆,33,92,418,242,176},将集群数据序列转换为二值数据序列{10110011101101011100000110111110000100001001011100001001101110100010011110010010110000}。
S003.获得二值数据序列的起始数据和连续数量序列。
将二值数据序列的第一个数据记为二值数据序列的起始数据;从左到右依次获取二值数据序列中连续0的数量或连续1的数量,将所有数量按照先后顺序组成的序列记为二值数据序列的连续数量序列。
需要说明的是,由于二值数据序列由0和1组成,因此,只需要记录二值数据序列的第一个数据以及连续数据的数量,即可还原出二值数据序列。
例如,对于二值数据序列{10110011101101011100000110111110000100001001011100001001101110100010011110010010110000},二值数据序列的起始数据为1,二值数据序列的连续数量序列为{1,1,2,2,3,1,2,1,1,1,3,5,2,1,5,4,1,4,1,2,1,1,3,4,1,2,2,1,3,1,1,3,1,2,4,2,1,2,1,1,2,4}。
S004.根据二值数据序列的起始数据和连续数量序列获得频数序列。
频数序列由多个频数子序列组成,每个频数子序列由多个等于基础频数的频数组成,因此,只需要获得每个频数子序列的长度和基础频数即可获得每个频数子序列,进而由多个频数子序列组成的频数序列。
具体为:
1、如果二值数据序列的起始数据为0,则将0作为第1个基础频数,即第1个基础频数,将连续数量序列中的第1个连续数量作为第1个长度,即第1个长度;如果第i-1个基础频数大于连续数量序列中的第2i-2个连续数量,则将作为第i个基础频数,即第i个基础频数;如果第i-1个基础频数不大于连续数量序列中的第2i-2个连续数量,则将作为第i个基础频数,即第i个基础频数,将连续数量序列中的第2i-1个连续数量作为第i个长度,即第i个长度
2、如果二值数据序列的起始数据为1,则将连续数量序列中的第1个连续数量作为第1个基础频数,即第1个基础频数,将连续数量序列中的第2个连续数量作为第1个长度,即第1个长度;如果第i-1个基础频数大于连续数量序列中的第2i-1个连续数量,则将作为第i个基础频数,即第i个基础频数;如果第i-1个基础频数不大于连续数量序列中的第2i-1个连续数量,则将作为第i个基础频数,即第i个基础频数,将连续数量序列中的第2i个连续数量作为第i个长度,即第i个长度
3、根据第i个基础频数和第i个长度获得第i个频数子序列,包括:将长度个基础频数组成的序列记为第i个频数子序列。根据所有基础频数和长度获得所有频数子序列,将所有频数子序列按照顺序组成的序列记为频数序列,将频数序列的长度记为M。
例如,对于连续数量序列{1,1,2,2,3,1,2,1,1,1,3,5,2,1,5,4,1,4,1,2,1,1,3,4,1,2,2,1,3,1,1,3,1,2,4,2,1,2,1,1,2,4},按照上述方法根据该连续数量序列获得的频数序列为{1,3,3,6,4,3,6,6,6,6,6,4,9,9,9,9,8,8,8,8,7,7,6,3,3,3,3,2,2,4,1,2,2,2,1,1,5,5,4,4,3,1,1,1,1}。
S005.根据安全序列和频数序列获得统计直方图,根据统计直方图获得密文序列。
对于任意一个待流转的集群数据,根据上述步骤S002到步骤S004将待流转的集群数据转换为频数序列。
选择云计算集群中的一个处于空闲状态的计算机记为目标计算机,将目标计算机对应的安全序列记为目标安全序列;将待流转的集群数据通过通信网络流转到目标计算机时,为了保证待流转的集群数据的安全性,需要根据目标计算机的目标安全序列对待流转的集群数据对应的频数序列进行数据处理,将得到的密文序列通过通信网络流转到目标计算机上,目标计算机再根据目标安全序列对接收到的密文序列进行反数据处理,获得原始的集群数据,进行后续运算操作,保证了待流转的集群数据的安全性。
本实施例中,根据目标计算机的目标安全序列对频数序列进行数据处理的具体步骤为:
1、如果频数序列的长度M不大于目标安全序列的长度k,通过补0将频数序列补充为长度为k的频数序列;对于目标安全序列中的第j个整数,将频数序列中的第j个频数作为整数的频数,根据目标安全序列中的所有整数和频数序列中的所有频数获得目标直方图,包括:将安全序列中的整数按照从左到右的顺序设置在目标直方图的横轴上,将每个整数对应的频数设置在纵轴上,获得目标直方图。根据目标直方图中的所有整数以及频数获得对应的密文序列,该密文序列的统计结果服从目标直方图,该密文序列中的所有整数是随机排列的。
2、如果频数序列的长度M大于目标安全序列的长度k,通过补0将频数序列补充为长度为的频数序列,其中,表示向上取整,将频数序列划分为个长度为k的频数次序列;根据目标安全序列中的所有整数和第h个频数序列中的所有频数获得第h个目标子直方图,包括:将安全序列中的整数按照从左到右的顺序设置在目标直方图的横轴上,将每个整数对应的频数设置在纵轴上,获得第h个目标子直方图。将目标安全序列中的最后一个整数记为末尾整数,根据第h个目标子直方图中的所有整数以及频数获得第h个密文子序列,该第h个密文子序列的统计结果服从第h个目标子直方图,该第h个密文子序列中等于末尾整数的所有整数排在第h个密文子序列中的最后,其他整数是随机排列的。
例如,对于频数序列{1,3,3,6,4,3,6,6,6,6,6,4,9,9,9,9,8,8,8,8,7,7,6,3,3,3,3,2,2,4,1,2,2,2,1,1,5,5,4,4,3,1,1,1,1}和目标安全序列{31,25 ,1,22,2,12,23,17,3,15,19,10,4,5,28,11,24,6,27,20,29,13,14,7,18,8,16,21,9,26,30},由于频数序列的长度大于目标安全序列的长度,因次,将频数序列划分为两个个长度为k的频数次序列,分别为{1,3,3,6,4,3,6,6,6,6,6,4,9,9,9,9,8,8,8,8,7,7,6,3,3,3,3,2,2,4,1,2}和{2,2,1,1,5,5,4,4,3,1,1,1,1},根据两个频数次序列和目标安全序列获得两个目标子直方图,如图2和图3所示。
本实施例将集群数据序列转换为二值数据序列,根据二值数据序列的起始数据和连续数量序列获得频数序列,根据目标安全序列和频数序列获得目标直方图,将任意一个统计结果服从目标直方图的密文序列作为集群数据进行数据处理之后的结果,将密文序列作为集群数据进行数据处理之后的结果在高速通信网络中流转,保证集群数据在高速通信网络中流转过程中的安全性。
S006.根据安全序列和密文序列获得统计直方图,根据统计直方图获得频数序列,根据频数序列获得二值数据序列,进而获得集群数据。
将进行数据处理后密文序列传输至目标计算机,目标计算机根据对应的安全序列对安全序列进行反数据处理,获得集群数据,进而进行运算,将运算结果传输至城市大脑,城市大脑通过对城市全域的数据进行即时分析、指挥、调动和管理,实现对城市的精准分析、整体研判、协同指挥以及智能规划,帮助管理城市。
本实施例中,根据目标计算机的目标安全序列对密文序列进行反数据处理的具体步骤为:
1、将目标安全序列中的最后一个整数记为末尾整数,将密文序列中等于末尾整数的所有整数记为目标整数,获取所有目标整数在密文序列中的序号;对于第t个目标整数,将第t+1个目标整数的序号与第t个目标整数的序号差值作为第t个目标整数的差分值,最后一个目标整数的差分值为2。
2、获取差分值不为1的所有目标整数,根据所有差分值不为1的目标整数将密文序列划分为多个密文子序列,包括:对于第s-1个差分值不为1的目标整数,将该目标整数在密文序列中的序号记为,对于第s个差分值不为1的目标整数,将该目标整数在密文序列中的序号记为,将密文序列中的序号在范围内的所有整数组成的序列记为一个密文子序列。
3、对于任意一个密文子序列,统计获得每个整数的频数,将所有整数的频数按照目标安全序列的顺序进行排列获得频数序列。
4、根据频数序列获得起始数据,具体为:如果频数序列中的第一个频数为0,则起始数据为0,如果频数序列中的第一个频数不为0,则起始数据为1。
5、根据频数序列获得连续数量序列,具体为:对于频数序列,从左到右依次将相同的频数划分为一个频数子序列,将频数序列划分为多个频数子序列,将频数子序列中的频数记为频数子序列的基础频数,获取频数子序列的长度。
6、将第f个频数子序列的基础频数和长度分别作为第2f-1个数量和第2f个数量,将根据所有频数子序列获得的数量组成的序列记为连续数量序列。
7、根据连续数量序列和起始数据获得二值数据序列。
本发明实施例通过给云计算集群系统设计安全库,将安全库中的安全序列分配给云计算集群系统中的若干个计算机,对于从计算机发送出去的任意一条集群数据序列,都需要先通过安全序列对集群数据序列进行数据处理,再将处理后的集群数据序列进先发送,以此,保证集群数据在通信网络流转过程中的安全性;将集群数据序列转换为二值数据序列,根据二值数据序列的起始数据和连续数量序列获得频数序列,根据目标安全序列和频数序列获得目标直方图,将任意一个统计结果服从目标直方图的密文序列作为集群数据进行数据处理之后的结果,将密文序列作为集群数据进行数据处理之后的结果在高速通信网络中流转,由于密文序列是根据安全库中的安全序列进行数据处理获得的,计算集群中的计算机都有各自的安全序列,攻击者没有安全序列就无法通过密钥序列获得集群数据序列,保证集群数据在高速通信网络中流转过程中的安全性。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。

Claims (4)

1.基于城市大脑的多源云计算集群数据的智能规划方法,其特征在于,该方法包括以下步骤:
根据云计算集群系统中计算机的数量构建安全库,给云计算集群系统中的每个计算机分配安全库中的一个安全序列,当云计算集群系统增加新的计算机时,进行安全序列分配和安全库更新;
将预设时间段内的集群数据组成的序列记为集群数据序列,将集群数据序列中的每个集群数据编码为二进制数据,将所有二进制数据按照顺序组成的序列记为二值数据序列;
获得二值数据序列的起始数据和连续数量序列,根据二值数据序列的起始数据和连续数量序列获得长度和基础频数,根据长度和基础频数获得频数子序列,将所有频数子序列按照顺序组成的序列记为频数序列;
选择云计算集群中的一个处于空闲状态的计算机作为目标计算机,将目标计算机对应的安全序列记为目标安全序列;
根据目标安全序列对频数序列进行数据处理获得密文序列,包括:如果频数序列的长度不大于目标安全序列的长度,根据目标安全序列和频数序列获得目标直方图,根据目标直方图获得密文序列;如果频数序列的长度大于目标安全序列的长度,将频数序列划分为多个频数次序列,根据目标安全序列和每个频数次序列获得每个目标子直方图,根据目标子直方图获得密文子序列,将所有密文子序列按照顺序组成的序列记为密文序列,对密文序列进行流转,实现对集群数据的智能规划;
所述根据二值数据序列的起始数据和连续数量序列获得长度和基础频数,包括的具体步骤如下:
如果二值数据序列的起始数据为0,则将0作为第1个基础频数,即第1个基础频数,将连续数量序列中的第1个连续数量作为第1个长度,即第1个长度;如果第i-1个基础频数大于连续数量序列中的第2i-2个连续数量,则将作为第i个基础频数,即第i个基础频数;如果第i-1个基础频数不大于连续数量序列中的第2i-2个连续数量,则将作为第i个基础频数,即第i个基础频数,将连续数量序列中的第2i-1个连续数量作为第i个长度,即第i个长度
如果二值数据序列的起始数据为1,则将连续数量序列中的第1个连续数量作为第1个基础频数,即第1个基础频数,将连续数量序列中的第2个连续数量作为第1个长度,即第1个长度;如果第i-1个基础频数大于连续数量序列中的第2i-1个连续数量,则将作为第i个基础频数,即第i个基础频数;如果第i-1个基础频数不大于连续数量序列中的第2i-1个连续数量,则将作为第i个基础频数,即第i个基础频数,将连续数量序列中的第2i个连续数量作为第i个长度,即第i个长度
所述根据目标安全序列和频数序列获得目标直方图,根据目标直方图获得密文序列,包括的具体步骤如下:
对于目标安全序列中的第j个整数,将频数序列中的第j个频数作为整数的频数,根据目标安全序列中的所有整数和频数序列中的所有频数获得目标直方图;根据目标直方图中的所有整数以及频数获得对应的密文序列,所述密文序列的统计结果服从目标直方图,所述密文序列中的所有整数是随机排列的;
所述根据目标安全序列和每个频数次序列获得每个目标子直方图,根据目标子直方图获得密文子序列,包括的具体步骤如下:
根据第h个频数次序列和目标安全序列获得第h个目标子直方图,对于目标安全序列中的第j个整数,将第h个频数序列中的第j个频数作为整数的频数,根据目标安全序列中的所有整数和第h个频数序列中的所有频数获得第h个目标子直方图;将目标安全序列中的最后一个整数记为末尾整数,根据第h个目标子直方图中的所有整数以及频数获得第h个密文子序列,所述第h个密文子序列的统计结果服从第h个目标子直方图,所述第h个密文子序列中等于末尾整数的所有整数排在第h个密文子序列中的最后,其他整数是随机排列的。
2.根据权利要求1所述的基于城市大脑的多源云计算集群数据的智能规划方法,其特征在于,所述根据云计算集群系统中计算机的数量构建安全库,包括的具体步骤如下:
将云计算集群系统中计算机的数量记为N,获取满足的最小的n并记为序列的长度k,构建长度为k的序列,将[0,k-1]之间的整数随机填充在序列中,且每个整数在序列中仅出现一次;将满足条件的个序列作为安全序列,表示阶乘,将所有安全序列组成的集合记为安全库。
3.根据权利要求1所述的基于城市大脑的多源云计算集群数据的智能规划方法,其特征在于,所述进行安全序列分配和安全库更新,包括的具体步骤如下:
当云计算集群系统增加新的计算机时,如果新的计算机的数量不大于安全库中未被分配的安全序列的数量,则不对安全库进行更新,给云计算集群系统中的每个新的计算机分配一个未被分配的安全序列,将云计算集群系统中的所有新的计算机与未被分配的安全序列的对应关系存储在每个计算机上,将新的计算机对应的未被分配的安全序列从每个计算机上存储的未被分配的安全序列中去除;如果新的计算机的数量大于安全库中未被分配的安全序列的数量,则重新根据云计算集群系统中计算机的数量构建安全库,实现对安全库的更新。
4.根据权利要求1所述的基于城市大脑的多源云计算集群数据的智能规划方法,其特征在于,所述获得二值数据序列的起始数据和连续数量序列,包括的具体步骤如下:
将二值数据序列的第一个数据记为二值数据序列的起始数据;从左到右依次获取二值数据序列中连续0的数量或连续1的数量,将所有数量按照先后顺序组成的序列记为二值数据序列的连续数量序列。
CN202310063694.2A 2023-02-06 2023-02-06 基于城市大脑的多源云计算集群数据的智能规划方法 Active CN115859366B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310063694.2A CN115859366B (zh) 2023-02-06 2023-02-06 基于城市大脑的多源云计算集群数据的智能规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310063694.2A CN115859366B (zh) 2023-02-06 2023-02-06 基于城市大脑的多源云计算集群数据的智能规划方法

Publications (2)

Publication Number Publication Date
CN115859366A CN115859366A (zh) 2023-03-28
CN115859366B true CN115859366B (zh) 2023-05-09

Family

ID=85657606

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310063694.2A Active CN115859366B (zh) 2023-02-06 2023-02-06 基于城市大脑的多源云计算集群数据的智能规划方法

Country Status (1)

Country Link
CN (1) CN115859366B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110636081A (zh) * 2019-10-18 2019-12-31 珠海市杰理科技股份有限公司 数据解密处理方法、数据加密处理方法及装置
CN115623159A (zh) * 2022-12-05 2023-01-17 深圳码隆智能科技有限公司 一种智能化实验操作考试监控数据智能传输方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10579661B2 (en) * 2013-05-20 2020-03-03 Southern Methodist University System and method for machine learning and classifying data
US20170012775A1 (en) * 2014-10-17 2017-01-12 Philip J. Lafer Encryption Methods and Apparatus
CN110825579B (zh) * 2019-09-18 2022-03-08 平安科技(深圳)有限公司 服务器性能监控方法、装置、计算机设备及存储介质
CN112767155B (zh) * 2021-01-19 2024-02-13 华南师范大学 智能合约安全交易序列生成方法、装置、介质和设备
CN115643110B (zh) * 2022-12-22 2023-03-10 河北新龙科技集团股份有限公司 基于运行数据的应用软件安全检测方法
CN115664858B (zh) * 2022-12-26 2023-03-28 厘壮信息科技(苏州)有限公司 一种用于网络安全的认证数据加密、解密系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110636081A (zh) * 2019-10-18 2019-12-31 珠海市杰理科技股份有限公司 数据解密处理方法、数据加密处理方法及装置
CN115623159A (zh) * 2022-12-05 2023-01-17 深圳码隆智能科技有限公司 一种智能化实验操作考试监控数据智能传输方法

Also Published As

Publication number Publication date
CN115859366A (zh) 2023-03-28

Similar Documents

Publication Publication Date Title
Huang et al. Stochastic client selection for federated learning with volatile clients
CN108874538B (zh) 用于调度量子计算机的调度服务器、调度方法及应用方法
CN110852448A (zh) 一种基于多智能体强化学习的合作型智能体的学习方法
CN108460457A (zh) 一种面向卷积神经网络的多机多卡混合并行异步训练方法
CN110287268A (zh) 一种基于区块链的数字资产处理方法和系统
CN113098714B (zh) 基于强化学习的低时延网络切片方法
CN113435472A (zh) 车载算力网络用户需求预测方法、系统、设备、介质
WO2021212649A1 (zh) 一种入侵杂草算法求解资源受限项目调度方法
Li et al. A meta-heuristic-based approach for QoS-aware service composition
CN114049242A (zh) 一种基于深度强化学习的武器目标智能分配方法
Ye et al. A new approach for resource scheduling with deep reinforcement learning
CN115859366B (zh) 基于城市大脑的多源云计算集群数据的智能规划方法
CN109361513B (zh) 一种针对Shamir秘密共享的用户权重分配方法
CN107995278B (zh) 一种基于城域级物联网感知数据的场景智能分析系统与方法
CN105005501B (zh) 一种面向云数据中心的二阶任务优化调度方法
Chen et al. A3c-based and dependency-aware computation offloading and service caching in digital twin edge networks
CN111695701B (zh) 基于联邦学习实现数据集构建处理的系统及其构建生成方法
Chen et al. Harsanyinet: Computing accurate shapley values in a single forward propagation
CN112036831B (zh) 人力管理系统控制方法、装置、可读存储介质及终端设备
Chen et al. A Data Propagation Method of Internet of Vehicles Based on Sharding Blockchain
CN113537504A (zh) 一种基于边缘节点的迁移学习方法、装置与系统
CN116521584B (zh) 一种基于多智能体的mpc缓存更新方法及系统
CN114564731B (zh) 基于横向联邦学习的智能风电场风况预测方法
Wang A Business Management Resource‐Scheduling Method based on Deep Learning Algorithm
CN115686865B (zh) 一种基于多场景应用的超算节点资源分配系统

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