CN116170802A - 物联网通信方法、系统及计算机可读存储介质 - Google Patents

物联网通信方法、系统及计算机可读存储介质 Download PDF

Info

Publication number
CN116170802A
CN116170802A CN202310457786.9A CN202310457786A CN116170802A CN 116170802 A CN116170802 A CN 116170802A CN 202310457786 A CN202310457786 A CN 202310457786A CN 116170802 A CN116170802 A CN 116170802A
Authority
CN
China
Prior art keywords
data
internet
neural network
communication method
sim card
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.)
Granted
Application number
CN202310457786.9A
Other languages
English (en)
Other versions
CN116170802B (zh
Inventor
陈晓莉
徐路平
张政熠
艾舒欣
赵祥廷
李抗旱
林建洪
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.)
Zhejiang Ponshine Information Technology Co ltd
Original Assignee
Zhejiang Ponshine Information 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 Zhejiang Ponshine Information Technology Co ltd filed Critical Zhejiang Ponshine Information Technology Co ltd
Priority to CN202310457786.9A priority Critical patent/CN116170802B/zh
Publication of CN116170802A publication Critical patent/CN116170802A/zh
Application granted granted Critical
Publication of CN116170802B publication Critical patent/CN116170802B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/04—Key management, e.g. using generic bootstrapping architecture [GBA]
    • H04W12/041—Key generation or derivation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/03—Protecting confidentiality, e.g. by encryption
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/40—Security arrangements using identity modules
    • H04W12/45—Security arrangements using identity modules using multiple identity modules
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/06—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
    • H04W28/065—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information using assembly or disassembly of packets
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • Y—GENERAL 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明属于物联网通信安全技术领域，具体涉及一种物联网通信方法、系统及计算机可读存储介质。物联网通信方法，包括以下步骤：S1、采集传感器数据，并对传感器数据进行数据协议封装，得到数据协议包；S2、对数据协议包进行数据格式化处理，得到输入数据集；S3、将输入数据集输入可逆神经网络进行正向计算，输出加密数据；随机生成SM4密钥并输入前向传播神经网络，输出增强密钥；S4、利用国密SM4算法对加密数据和增强密钥进行加密，得到密文；S5、利用智能调度算法选择最佳通信信道对密文进行数据传输。本发明针对数据加密在原有国密加密算法的基础上增加可逆神经网络，实现双重加密保护，有效提升数据传输的安全性。

Description

物联网通信方法、系统及计算机可读存储介质
技术领域
本发明属于物联网通信安全技术领域，具体涉及一种物联网通信方法、系统及计算机可读存储介质。
背景技术
物联网是指通过信息传感设备，按约定的协议，将任何物体与网络相连接，物体通过信息传播媒介进行信息交换和通信，以实现智能化识别、定位、跟踪、监管等功能。
物联网通信基本采用无线通信进行数据传输，如何提高数据传输的安全性，防止数据被非法盗取或篡改是亟需解决的问题。另外，如何提升数据传输的可用性也是当前需要解决的难题。
发明内容
基于现有技术中存在的上述缺点和不足，本发明的目的之一是至少解决现有技术中存在的上述问题之一或多个，换言之，本发明的目的之一是提供满足前述需求之一或多个的一种物联网通信方法、系统及计算机可读存储介质。
为了达到上述发明目的，本发明采用以下技术方案：
一种物联网通信方法，包括以下步骤：
S1、采集传感器数据，并对传感器数据进行数据协议封装，得到数据协议包；
S2、对数据协议包进行数据格式化处理，得到输入数据集；
S3、将输入数据集输入可逆神经网络进行正向计算，输出加密数据；
随机生成SM4密钥并输入前向传播神经网络，输出增强密钥；
S4、利用国密SM4算法对加密数据和增强密钥进行加密，得到密文；
S5、利用智能调度算法选择最佳通信信道对密文进行数据传输。
作为优选方案，所述步骤S1中，对传感器数据进行数据协议封装之前，还包括：
对传感器数据进行数据格式校验，并判断是否校验成功；若是，则对传感器数据进行数据协议封装；若否，则将数据校验错误回执发送至传感器。
作为优选方案，所述数据协议包的数据信息包括传感器数据、通信网关认证用户名和密码。
作为优选方案，所述步骤S2包括以下步骤：
S21、基于数据协议包的数据类型进行分类；其中，数据协议包的数据类型包括字符串型数据和数值型数据；
S22、对不同数据类型的数据进行数据转换，得到可逆神经网络输入的数据矩阵，构成输入数据集。
作为优选方案，对不同数据类型的数据进行数据转换，包括：
对于字符串型数据，调用bitMap中的ckHash函数类，将字符串映射成数字，转换为数值型数据；
对于数值型数据，设置可变参数步长进行数据分割，构成数据矩阵。
作为优选方案，所述步骤S3中，随机生成的SM4密钥输入前向传播神经网络中，选择梯度上升的Loss优化策略，获取最大值作为输出，得到增强密钥。
作为优选方案，所述步骤S5中，利用智能调度算法选择最佳通信信道，包括以下步骤：
S51、判断主SIM卡的网络是否可用；若是，则转至步骤S52；若否，则转至步骤S53；
S52、判断主SIM卡的网络信号值CSQ是否大于18；若是，则通过主SIM卡进行数据传输；若否，则转至步骤S53；
S53、判断副SIM卡的网络是否可用；若是，则转至步骤S54；若否，则转至步骤S57；
S54、判断副SIM卡的网络信号值CSQ是否大于18；若是，则通过副SIM卡进行数据传输；若否，则转至步骤S55；
S55、判断主SIM卡和副SIM卡的网络信号值CSQ是否都小于11；若是，则转至步骤S57；若否，则转至步骤S56；
S56、选择网络信号值CSQ较大的SIM卡进行数据传输；
S57、数据传输失败并记录告警。
作为优选方案，物联网通信方法，还包括：
将密文、增强密钥输入国密SM4算法进行解密，解密结果输入可逆神经网络进行反向计算得到输出结果，对输出结果进行数据格式化逆处理，得到数据协议包。
本发明还提供一种物联网通信系统，应用如上任一项方案所述的物联网通信方法，所述物联网通信系统包括：
数据采集处理模块，用于采集传感器数据，并对传感器数据进行数据协议封装，得到数据协议包；
数据加密模块，用于对数据协议包进行数据格式化处理，得到输入数据集；还用于将输入数据集输入可逆神经网络进行正向计算，输出加密数据；还用于随机生成SM4密钥并输入前向传播神经网络，输出增强密钥；还用于利用国密SM4算法对加密数据和增强密钥进行加密，得到密文；
数据传输模块，用于利用智能调度算法选择最佳通信信道对密文进行数据传输。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当指令在计算机上运行时，使得计算机执行如上任一项方案所述的物联网通信方法。
本发明与现有技术相比，有益效果是：
（1）本发明针对数据加密在原有国密加密算法的基础上增加可逆神经网络，实现双重加密保护，有效提升数据传输的安全性；
（2）本发明利用前向传播神经网络结构，实现增强密钥的随机性并提高其保护程度；
（3）本发明利用智能调度算法选择最佳通信信道进行数据传输，基于双SIM卡，根据主SIM卡和副SIM卡的网络可用状态及网络信号值组合确定最佳通信信道，提升数据传输的可靠性。
附图说明
图1是本发明实施例1的物联网通信方法的流程图；
图2是本发明实施例1的数据采集处理的流程图；
图3是本发明实施例1的数据加密以及数据解密的流程图；
图4是本发明实施例1的利用智能调度算法选择最佳通信信道的流程图；
图5是本发明实施例1的物联网通信系统的构架图。
具体实施方式
为了更清楚地说明本发明实施例，下面将对照附图说明本发明的具体实施方式。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，并获得其他的实施方式。
实施例1：
如图1所示，本实施例的物联网通信方法主要包括三大步骤：数据采集处理、数据加密和数据传输。以下对各步骤的具体流程进行详细说明：
一、数据采集处理。
本实施例的数据采集处理的过程包括：采集传感器数据，并对传感器数据进行数据协议封装，得到数据协议包；其中，数据协议包的数据信息包括传感器数据、通信网关认证用户名和密码，通信网关认证用户名和密码主要用于识别对应的目标通信网关，以便进行定位。
如图2所示，本实施例对传感器数据进行数据协议封装之前，还对传感器数据进行数据格式校验，并判断是否校验成功；若是，则对传感器数据进行数据协议封装；若否，则将数据校验错误回执发送至传感器，重新采集传感器数据。
二、数据加密。
如图3所示，本实施例的数据加密的过程包括：
首先，对上述数据采集处理之后得到的数据协议包（即明文）进行数据格式化处理，得到输入数据集。
具体地，对数据协议包进行数据格式化处理的过程包括以下步骤：
1、基于数据协议包的数据类型进行分类；其中，数据协议包的数据类型包括字符串型数据和数值型数据；
2、对不同数据类型的数据进行数据转换，得到可逆神经网络输入的数据矩阵，构成输入数据集。
本实施例对不同数据类型的数据进行数据转换，得到深度网络可输入的矩阵类型。
对于字符串型数据，调用bitMap中的ckHash函数类，将字符串映射成数字，转换为数值型数据；同时也可以实现将数字映射成字符串，保证数字和字符一一对应的关系。
对于数值型数据，设置可变参数步长进行数据分割，构成数据矩阵。
根据原始输入的数据协议包的数据类型对应输出矩阵，输入字符串型数据对应输出矩阵、输入数值型数据对应输出矩阵等，从而构成转换后的输入数据集D。
后续的数据解密过程中的数据格式化逆处理即为上述数据格式化处理的过程的逆向处理。
然后，本实施例将输入数据集D输入可逆神经网络INN进行正向计算，输出加密数据。具体地，本实施例的可逆神经网络INN首先需要进行预训练，预训练的具体过程可参考现有技术，在此不赘述。可逆神经网络INN的正反向结构，优势在于，可逆神经网络从输入到输出的映射是双向的，正向和反向映射都是有效计算的，映射具有易处理的雅可比行列式。
另外，本实施例随机生成SM4密钥并输入前向传播神经网络，输出增强密钥；实现增强密钥的随机性并提高其保护程度。具体地，随机生成的SM4密钥输入前向传播神经网络中，选择梯度上升的Loss优化策略，获取最大值作为输出，得到增强密钥，实现密钥的高保护性。
最后，本实施例利用国密SM4算法对加密数据和增强密钥进行加密处理，得到密文。
本实施例的数据解密的过程与上述数据加密过程互为逆过程，即将密文、增强密钥输入国密SM4算法进行解密处理，解密结果输入可逆神经网络INN进行反向计算得到输出结果，对输出结果进行数据格式化逆处理，得到数据协议包，即明文。
三、数据传输。
本实施例的数据传输的过程为：利用智能调度算法选择最佳通信信道对密文进行数据传输。
本实施基于主SIM卡（又称主卡）和副SIM卡（又称副卡）的组合方式，采用查询网络状态指令获取SIM卡的网络可用状态，0代表不可用，1代表可用；另外，采用查询网络信号值CSQ指令获取SIM卡的网络信号值CSQ，CSQ＜11表示不容易附着网络，11＜CSQ＜18表示在此区间网络不稳定会导致误码较多，CSQ大于18表示能稳定通信。
如图4所示，本实施例利用智能调度算法选择最佳通信信道，具体包括以下步骤：
S51、获取主卡状态，判断主卡的网络是否可用；若是，则转至步骤S52；若否，则转至步骤S53；
S52、获取主卡信号值CSQ，判断CSQ是否大于18；若是，则通过主卡进行数据传输；若否，则转至步骤S53；
S53、获取副卡状态，判断副卡的网络是否可用；若是，则转至步骤S54；若否，则转至步骤S57；
S54、获取副卡信号值CSQ，判断CSQ是否大于18；若是，则通过副卡进行数据传输；若否，则转至步骤S55；
S55、判断主卡和副卡的网络信号值CSQ是否都小于11；若是，则转至步骤S57；若否，则转至步骤S56；
S56、选择CSQ较大的SIM卡进行数据传输；具体包括以下三种情形：
（1）主卡CSQ＞11、副卡CSQ＞11，选择CSQ较大的SIM卡，即主卡，进行数据传输；
（2）主卡CSQ＜11、副卡CSQ＞11，选择CSQ较大的SIM卡，即副卡，进行数据传输；
（3）主卡CSQ＞11、副卡CSQ＞11，选择CSQ较大的SIM卡，进行数据传输；
S57、数据传输失败并记录告警。
其中，本实施例在上述步骤S53中，若副卡的网络不可用，还进一步判断主卡的网络是否可用，若是，则直接选择主卡进行数据传输；若否，则数据传输失败并记录告警。
基于本实施例的物联网通信方法，与之对应的物联网通信系统，如图5所示，包括数据采集处理模块、数据加密模块和数据传输模块。
本实施例的数据采集处理模块，用于采集传感器数据，并对传感器数据进行数据协议封装，得到数据协议包。
本实施例的数据加密模块，用于对数据协议包进行数据格式化处理，得到输入数据集；还用于将输入数据集输入可逆神经网络进行正向计算，输出加密数据；还用于随机生成SM4密钥并输入前向传播神经网络，输出增强密钥；还用于利用国密SM4算法对加密数据和增强密钥进行加密，得到密文。
本实施例的数据传输模块用于利用智能调度算法选择最佳通信信道对密文进行数据传输。
本实施例的数据采集处理模块、数据加密模块和数据传输模块的具体数据处理过程可参考上述物联网通信方法对应的详细描述，在此不赘述。
本实施例的计算机可读存储介质，计算机可读存储介质中存储有指令，当指令在计算机上运行时，使得计算机执行上述的物联网通信方法，实现智能通信。
实施例2：
本实施例的物联网通信方法与实施例1的不同之处在于：
在上述步骤S53中，若副卡的网络不可用，省略进一步判断主卡的网络是否可用，直接转至数据传输失败并记录告警的步骤；简化流程，满足不同应用的需求；
其他步骤可以参考实施例1；
本实施例的物联网通信系统的数据传输模块的数据处理过程相应省略上述物联网通信方法省略的步骤；其他可以参考实施例；
本实施例的本实施例的计算机可读存储介质，计算机可读存储介质中存储有指令，当指令在计算机上运行时，使得计算机执行上述的物联网通信方法，实现智能通信。
以上所述仅是对本发明的优选实施例及原理进行了详细说明，对本领域的普通技术人员而言，依据本发明提供的思想，在具体实施方式上会有改变之处，而这些改变也应视为本发明的保护范围。

Claims (10)

1.一种物联网通信方法，其特征在于，包括以下步骤：
S1、采集传感器数据，并对传感器数据进行数据协议封装，得到数据协议包；
S2、对数据协议包进行数据格式化处理，得到输入数据集；
S3、将输入数据集输入可逆神经网络进行正向计算，输出加密数据；
随机生成SM4密钥并输入前向传播神经网络，输出增强密钥；
S4、利用国密SM4算法对加密数据和增强密钥进行加密，得到密文；
S5、利用智能调度算法选择最佳通信信道对密文进行数据传输。
2.根据权利要求1所述的物联网通信方法，其特征在于，所述步骤S1中，对传感器数据进行数据协议封装之前，还包括：
对传感器数据进行数据格式校验，并判断是否校验成功；若是，则对传感器数据进行数据协议封装；若否，则将数据校验错误回执发送至传感器。
3.根据权利要求1所述的物联网通信方法，其特征在于，所述数据协议包的数据信息包括传感器数据、通信网关认证用户名和密码。
4.根据权利要求3所述的物联网通信方法，其特征在于，所述步骤S2包括以下步骤：
S21、基于数据协议包的数据类型进行分类；其中，数据协议包的数据类型包括字符串型数据和数值型数据；
S22、对不同数据类型的数据进行数据转换，得到可逆神经网络输入的数据矩阵，构成输入数据集。
5.根据权利要求4所述的物联网通信方法，其特征在于，对不同数据类型的数据进行数据转换，包括：
对于字符串型数据，调用bitMap中的ckHash函数类，将字符串映射成数字，转换为数值型数据；
对于数值型数据，设置可变参数步长进行数据分割，构成数据矩阵。
6.根据权利要求1-5任一项所述的物联网通信方法，其特征在于，所述步骤S3中，随机生成的SM4密钥输入前向传播神经网络中，选择梯度上升的Loss优化策略，获取最大值作为输出，得到增强密钥。
7.根据权利要求1-5任一项所述的物联网通信方法，其特征在于，所述步骤S5中，利用智能调度算法选择最佳通信信道，包括以下步骤：
S51、判断主SIM卡的网络是否可用；若是，则转至步骤S52；若否，则转至步骤S53；
S52、判断主SIM卡的网络信号值CSQ是否大于18；若是，则通过主SIM卡进行数据传输；若否，则转至步骤S53；
S53、判断副SIM卡的网络是否可用；若是，则转至步骤S54；若否，则转至步骤S57；
S54、判断副SIM卡的网络信号值CSQ是否大于18；若是，则通过副SIM卡进行数据传输；若否，则转至步骤S55；
S55、判断主SIM卡和副SIM卡的网络信号值CSQ是否都小于11；若是，则转至步骤S57；若否，则转至步骤S56；
S56、选择网络信号值CSQ较大的SIM卡进行数据传输；
S57、数据传输失败并记录告警。
8.根据权利要求1-5任一项所述的物联网通信方法，其特征在于，还包括：
将密文、增强密钥输入国密SM4算法进行解密，解密结果输入可逆神经网络进行反向计算得到输出结果，对输出结果进行数据格式化逆处理，得到数据协议包。
9.一种物联网通信系统，应用如权利要求1-8任一项所述的物联网通信方法，其特征在于，所述物联网通信系统包括：
数据采集处理模块，用于采集传感器数据，并对传感器数据进行数据协议封装，得到数据协议包；
数据加密模块，用于对数据协议包进行数据格式化处理，得到输入数据集；还用于将输入数据集输入可逆神经网络进行正向计算，输出加密数据；还用于随机生成SM4密钥并输入前向传播神经网络，输出增强密钥；还用于利用国密SM4算法对加密数据和增强密钥进行加密，得到密文；
数据传输模块，用于利用智能调度算法选择最佳通信信道对密文进行数据传输。
10.一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，其特征在于，当指令在计算机上运行时，使得计算机执行如权利要求1-8任一项所述的物联网通信方法。
CN202310457786.9A 2023-04-26 2023-04-26 物联网通信方法、系统及计算机可读存储介质 Active CN116170802B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310457786.9A CN116170802B (zh) 2023-04-26 2023-04-26 物联网通信方法、系统及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310457786.9A CN116170802B (zh) 2023-04-26 2023-04-26 物联网通信方法、系统及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN116170802A true CN116170802A (zh) 2023-05-26
CN116170802B CN116170802B (zh) 2023-07-07

Family

ID=86413539

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310457786.9A Active CN116170802B (zh) 2023-04-26 2023-04-26 物联网通信方法、系统及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN116170802B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200151555A1 (en) * 2018-11-09 2020-05-14 International Business Machines Corporation Detecting and reducing bias in machine learning models
US20200310674A1 (en) * 2019-03-25 2020-10-01 Western Digital Technologies, Inc. Enhanced memory device architecture for machine learning
JP2020172251A (ja) * 2019-04-09 2020-10-22 株式会社デンソー 表示制御装置及び表示制御プログラム
KR20210015685A (ko) * 2019-08-01 2021-02-10 삼성전자주식회사 이종 컴퓨팅 플랫폼에서 뉴럴 네트워크 모델을 구현하는 방법 및 이를 수행하는 장치
WO2021024860A1 (ja) * 2019-08-05 2021-02-11 ソニー株式会社 情報処理装置、情報処理方法、及びプログラム
CN112987581A (zh) * 2019-12-16 2021-06-18 华为技术有限公司 用于智能家居设备的控制方法及其介质和终端
CN114722933A (zh) * 2022-04-02 2022-07-08 武汉理工大学 一种基于LeNet5-SVM的商用密码算法识别方法、系统及计算机设备
CN115134070A (zh) * 2022-05-31 2022-09-30 阿里巴巴（中国）有限公司 一种分组密码算法实现的方法、装置和设备
CN115860094A (zh) * 2022-11-03 2023-03-28 南京大学 基于同态加密的二值卷积神经网络实现方法及系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200151555A1 (en) * 2018-11-09 2020-05-14 International Business Machines Corporation Detecting and reducing bias in machine learning models
US20200310674A1 (en) * 2019-03-25 2020-10-01 Western Digital Technologies, Inc. Enhanced memory device architecture for machine learning
JP2020172251A (ja) * 2019-04-09 2020-10-22 株式会社デンソー 表示制御装置及び表示制御プログラム
KR20210015685A (ko) * 2019-08-01 2021-02-10 삼성전자주식회사 이종 컴퓨팅 플랫폼에서 뉴럴 네트워크 모델을 구현하는 방법 및 이를 수행하는 장치
WO2021024860A1 (ja) * 2019-08-05 2021-02-11 ソニー株式会社 情報処理装置、情報処理方法、及びプログラム
CN112987581A (zh) * 2019-12-16 2021-06-18 华为技术有限公司 用于智能家居设备的控制方法及其介质和终端
WO2021121125A1 (zh) * 2019-12-16 2021-06-24 华为技术有限公司 用于智能家居设备的控制方法及其介质和终端
CN114722933A (zh) * 2022-04-02 2022-07-08 武汉理工大学 一种基于LeNet5-SVM的商用密码算法识别方法、系统及计算机设备
CN115134070A (zh) * 2022-05-31 2022-09-30 阿里巴巴（中国）有限公司 一种分组密码算法实现的方法、装置和设备
CN115860094A (zh) * 2022-11-03 2023-03-28 南京大学 基于同态加密的二值卷积神经网络实现方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
YAN YAN;ZHANG YU;HU WANG;GUO XIAO-JUN;MA CHAO;WANG ZI-ANG;ZHANG QUN;: "A multiobjective evolutionary optimization method based critical rainfall thresholds for debris flows initiation", JOURNAL OF MOUNTAIN SCIENCE, no. 08 *
刘奕;: "5G网络技术对提升4G网络性能的研究", 数码世界, no. 04 *
谢四江;许世聪;章乐;: "基于同态加密的卷积神经网络前向传播方法", 计算机应用与软件, no. 02 *
谭骏;陈兴蜀;杜敏;朱锴;: "基于自适应BP神经网络的网络流量识别算法", 电子科技大学学报, no. 04 *

Also Published As

Publication number Publication date
CN116170802B (zh) 2023-07-07

Similar Documents

Publication Publication Date Title
US9734322B2 (en) System and method for authenticating RFID tags
US20110051927A1 (en) Device for generating a message authentication code for authenticating a message
CN103795543A (zh) 一种用于rfid系统的安全双向认证方法
CN103279775B (zh) 能够保证秘密性和数据完整性的rfid系统及其实现方法
CN103413109A (zh) 一种无线射频识别系统的双向认证方法
CN106603496A (zh) 一种数据传输的保护方法、智能卡、服务器及通信系统
CN106845304A (zh) 一种实现rfid系统中阅读器与标签认证的方法与系统
CN102970676A (zh) 一种对原始数据进行处理的方法、物联网系统及终端
CN111970114B (zh) 文件加密方法、系统、服务器和存储介质
CN113190860B (zh) 一种基于环签名的区块链传感器数据认证方法及系统
CN110190952A (zh) 一种基于量子随机数对物联网安全的加密传输方法
CN111601308A (zh) 标签芯片的认证系统、方法、标签芯片及存储介质
CN106936571B (zh) 利用字合成运算来实现单标签密钥无线生成的方法
CN110650019B (zh) 基于puf和安全概略的rfid认证方法及系统
CN111163108A (zh) 一种电力物联网安全终端芯片复合加密系统和方法
Akhmatovich et al. Improvement of a security enhanced one-time mutual authentication and key agreement scheme
CN117676562A (zh) 一种数据安全通信方法
CN116170802B (zh) 物联网通信方法、系统及计算机可读存储介质
CN110278068B (zh) 基于混沌序列的LoRa通信加密系统
KR101709086B1 (ko) 사물 인터넷 환경에서의 컨텍스트 기반 보안방법 및 그에 따른 시스템
CN114710320A (zh) 一种基于区块链和多密钥全同态加密的边缘计算隐私保护方法
CN115001758A (zh) 一种基于量子加密的短字节消息安全加密方法
CN114244509A (zh) 使用移动终端进行sm2一次一密双向认证开锁的方法
Abduljabbar et al. Robust scheme to protect authentication code of message/image documents in cloud computing
CN114040366B (zh) 一种网络通信安全性高的蓝牙连接加密方法

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