CN116305222A - 一种锂电池隔膜生产数据安全权限智能调控方法 - Google Patents

一种锂电池隔膜生产数据安全权限智能调控方法 Download PDF

Info

Publication number
CN116305222A
CN116305222A CN202310579118.3A CN202310579118A CN116305222A CN 116305222 A CN116305222 A CN 116305222A CN 202310579118 A CN202310579118 A CN 202310579118A CN 116305222 A CN116305222 A CN 116305222A
Authority
CN
China
Prior art keywords
data
ash content
powder
scrambling
cluster
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
CN202310579118.3A
Other languages
English (en)
Other versions
CN116305222B (zh
Inventor
王红兵
马兴玉
杨招
徐凯
肖越桥
魏建伟
张长彬
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.)
Hefei Huiqiang New Energy Material Technology Co ltd
Henan Huiqiang New Energy Material Technology Co ltd
Xiangyang Huiqiang New Energy Material Technology Co ltd
Huiqiang Wuhan New Energy Material Technology Co ltd
Original Assignee
Hefei Huiqiang New Energy Material Technology Co ltd
Henan Huiqiang New Energy Material Technology Co ltd
Xiangyang Huiqiang New Energy Material Technology Co ltd
Huiqiang Wuhan New Energy Material 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 Hefei Huiqiang New Energy Material Technology Co ltd, Henan Huiqiang New Energy Material Technology Co ltd, Xiangyang Huiqiang New Energy Material Technology Co ltd, Huiqiang Wuhan New Energy Material Technology Co ltd filed Critical Hefei Huiqiang New Energy Material Technology Co ltd
Priority to CN202310579118.3A priority Critical patent/CN116305222B/zh
Publication of CN116305222A publication Critical patent/CN116305222A/zh
Application granted granted Critical
Publication of CN116305222B publication Critical patent/CN116305222B/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
    • 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
    • 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
    • H04L9/001—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using chaotic signals
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Bioethics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Storage Device Security (AREA)
  • Battery Electrode And Active Subsutance (AREA)

Abstract

本发明涉及数据处理技术领域，具体涉及一种锂电池隔膜生产数据安全权限智能调控方法，包括：分析得到锂电池隔膜原料生产数据信息，分析粉料灰分含量数据的波动情况获得特征波动差异值，根据特征波动差异值的大小对粉料灰分含量数据进行安全权限等级的划分，另外，对锂电池隔膜的生产数据进行多次置乱，结合安全权限等级对置乱结果进行评估得到最优置乱序列，根据最优置乱序列对当前生产数据进行智能加密调控处理并获取密钥。本发明实现根据数据的异常情况，将锂电池隔膜生产数据在置乱加密过程中的数据冗余降低，同时保证对生产工艺更具有改进的参考价值的异常数据，更高的置乱加密效果。

Description

一种锂电池隔膜生产数据安全权限智能调控方法
技术领域
本发明涉及数据处理技术领域，具体涉及一种锂电池隔膜生产数据安全权限智能调控方法。
背景技术
由于锂电池隔膜原料的生产技术要求较高，目前被不少发达国家所垄断，导致锂电池专用隔膜的聚丙烯原料大多数依然靠进口；因此国内锂电池隔膜行业近年来发展迅速，很多国内新能源材料企业在国内市场的占有率逐渐增大，其多家企业纷纷进行多次制备实验和试产；但产品整体质量波动较大，具有一定的不稳定性；与进口原料相比具有一定的差异；但由于国内制备工艺的逐步完善和试产公司的不断尝试和扩增；国产聚丙烯材料正在逐渐缩小与进口材料的差距；因此该行业的激烈竞争对各新能源公司的锂电池生产数据隐私性造成较大的冲击，其生产数据的安全性得不到较大程度的保障。
因此为了保证锂电池隔膜生产的安全性，需要对生产数据进行加密处理，传统的数据加密方法通常会使用置乱操作，通过改变原始数据的位置信息，破坏原始数据信息之间的关联性和对应性达到数据加密的效果，但该方式在庞大的生产数据背景下不仅会造成大量的数据冗余，产生大量的密钥而且置乱后的效果无法得到保障，即存在置乱序列和原始序列相似性较大差异性较小的情况。
本发明根据数据的异常情况，通过对锂电池隔膜生产数据进行聚类划分，将数据划分为多个等级，结合所划分的等级对生产数据进行置乱加密后的结果进行智能评估，实现根据数据的异常情况，将锂电池隔膜生产数据在置乱加密过程中的数据冗余情况降低，同时保证锂电池隔膜生产中，对生产工艺更具有改进的参考价值的异常数据的存在更高的置乱加密效果。
发明内容
本发明提供一种锂电池隔膜生产数据安全权限智能调控方法，以解决现有的问题。
本发明的一种锂电池隔膜生产数据安全权限智能调控方法采用如下技术方案：
本发明提供了一种锂电池隔膜生产数据安全权限智能调控方法，该方法包括以下步骤：
获取锂电池隔膜生产数据，包括粉料灰分含量数据、粒料灰分含量数据以及氧化诱导期数据；
对粉料灰分含量数据进行聚类，获得若干个聚类簇，根据聚类簇中数据的数量预设第一权重和第二权重；将第一权重和第二权重，对聚类簇中粉料灰分含量数据的数据值累加和值进行加权融合的结果，记为特征波动差异因子；根据粉料灰分含量数据的总数量获取特征波动差异因子的平均值；根据粉料灰分含量数据中各数据值，与特征波动差异因子的平均值之间的差异，获得特征波动差异值；
根据特征波动差异值的大小，获取粉料灰分含量数据中对应数据的安全权限等级，对粉料灰分含量数据进行多次置乱加密，分别获取置乱后的序列，记为置乱序列，将置乱前后数据值大小的差异为0时记为效果因子条件，获取满足效果因子条件的数据的数量，记为第一数量；利用预设第一效果权重和第二效果权重，分别对不同安全权限等级下，第一数量在粉料灰分含量数据的数据数量上的占比进行乘积调节，将乘积调节后的结果分别记为第一效果因子和第二效果因子，根据第一效果因子和第二效果因子的总和，获得置乱效果评估值，将置乱效果评估值最大时的置乱序列，记为最优加密序列；
获取粒料灰分含量数据以及氧化诱导期数据的最优加密序列，将置乱过程中对应的混沌序列作为密钥，实现对锂电池隔膜生产数据的置乱加密。
进一步的，所述特征波动差异因子，获取方法如下：
将一级聚类簇中粉料灰分含量数据的数据值，大于二级聚类簇中粉料灰分含量数据的平均值的部分数据所对应的部分，记为第一聚类簇部分；将一级聚类簇中粉料灰分含量数据的数据值，小于二级聚类簇中粉料灰分含量数据的平均值的部分数据所对应的部分，记为第二聚类簇部分；
Figure SMS_1
其中，
Figure SMS_3
表示特征波动差异因子，
Figure SMS_7
、
Figure SMS_10
分别为预设第一权重和预设第二权重；
Figure SMS_5
表示一级聚类簇中第一聚类簇部分，第a个粉料灰分含量的数据值；
Figure SMS_8
表示一级聚类簇中 第二聚类簇部分，第b个粉料灰分含量的数据值；
Figure SMS_12
表示二级聚类簇中第j个粉料灰分含量 的数据值；
Figure SMS_13
表示一级聚类簇
Figure SMS_2
中第一聚类簇部分包含数据的数量；
Figure SMS_6
表示一 级聚类簇
Figure SMS_9
中第二聚类簇部分包含数据的数量；
Figure SMS_11
表示二级聚类簇
Figure SMS_4
中包含数据的 数量。
进一步的，所述特征波动差异值，获取方法如下：
利用KNN算法对粉料灰分含量数据进行聚类，获得两个聚类簇，将其中一个聚类簇中含有粉料灰分含量数据的数量最少的记为一级聚类簇，另一个记为二级聚类簇；
Figure SMS_14
其中，
Figure SMS_15
表示粉料灰分含量数据中第t个数据的特征波动差异值，
Figure SMS_16
表示粉料灰分 含量数据中第t个数据的数值，
Figure SMS_17
表示一级聚类簇
Figure SMS_18
中包含数据的数量，
Figure SMS_19
表示 二级聚类簇
Figure SMS_20
中包含数据的数量，
Figure SMS_21
表示特征波动差异因子。
进一步的，所述置乱效果评估值，获取方法如下：
Figure SMS_22
其中，
Figure SMS_23
表示第n个置乱序列的置乱效果评估值，
Figure SMS_24
表示第n个置乱序列的第一效 果因子，
Figure SMS_25
表示第n个置乱序列的第二效果因子。
进一步的，所述实现对锂电池隔膜生产数据的置乱加密，包括的具体步骤如下：
根据粉料灰分含量数据、粒料灰分含量数据以及氧化诱导期数据对应的最优加密序列，对锂电池隔膜生产数据进行加密处理，并保存对应置乱序列的混沌序列作为密钥，加密时将置乱序列中的数值转换为计算机可识别处理的二进制数值。
本发明的技术方案的有益效果是：针对以上问题提出的一种锂电池隔膜生产数据安全权限智能调控方法，由于生产数据体系庞大且不同生产阶段的数据重要程度不同，因此并不需要对整个庞大的生产数据进行置乱加密，通过对生产数据根据其加密必要程度进行权限等级的划分，能够避免对整个庞大的生产数据进行置乱加密的问题，针对性地进行置乱操作并对置乱后的效果结合权限等级进行评估，自适应得到最优置乱序列，达到智能加密调控的目的，提高对数据进行加密的效率以及加密的有效性。
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为本发明一种锂电池隔膜生产数据安全权限智能调控方法的步骤流程图；
图2为粉料灰分含量的相关示例数据。
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一种锂电池隔膜生产数据安全权限智能调控方法，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一种锂电池隔膜生产数据安全权限智能调控方法的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种锂电池隔膜生产数据安全权限智能调控方法的步骤流程图，该方法包括以下步骤：
步骤S001，获取锂电池隔膜原料生产数据信息。
隔膜是锂电池关键的内层组件之一，是高技术壁垒，高附加值材料；锂电池隔膜的主要原料为聚丙烯(pp)；其在生产加工的过程中对灰分性能具有很高的要求；而在锂电池隔膜专用的聚丙烯生产过程中，影响到产品灰分的因素有很多；比如最直接的影响为催化剂的活性；当前催化剂的活性越高，其单耗就越低，残留在产品中的灰分则越低，即高活性催化剂可以显著地降低粉料中的灰分含量。
而由于聚丙烯的分子链上存在叔碳原子，会使得聚丙烯对氧和热极其敏感，十分容易发生氧化降解反应；因此生产过程中还需要加入稳定剂来防止聚丙烯产品的热氧化降解，其也能够改善聚合物材料在高温加工条件下的耐变色性；但稳定剂体系中存在无机成分，也会影响到产品中的粉料灰分含量，会使产品中的粉料灰分含量增加，因此为了在降低产品中灰分的同时保证产品的抗氧化性能，在生产过程中对于稳定剂的选择以及用量大小实验数据也同样为当前原料聚丙烯较为重要且关键的生产数据信息；
图2中稳定剂X主要是由传统的复合抗氧剂和除酸剂组成，其优点是兼具长效热稳定性和加工稳定性，操作便捷；稳定剂Y也是一种复合型稳定剂，与稳定剂体系X相比，选择了抗氧效果更强的主辅抗氧剂并且优化了主辅抗氧化剂配比，选择效果更好的除酸剂，以减少使用量；在保证相同氧化诱导期的前提下；对使用上述两种不同的稳定剂得到的粉料灰分含量数据以及粒料灰分含量数据的实验数据进行获取和存储。
获取多批次的锂电池隔膜的生产数据，包括生产后的粉料灰分含量数据、粒料灰分含量数据以及氧化诱导期数据。
步骤S002，分析粉料灰分含量数据的波动情况，对粉料灰分含量数据进行安全权限等级的划分。
上述步骤S001展示并获取了聚丙烯生产过程中的实验数据信息，其中对于稳定剂的选择以及其对应的实验数据是决定聚丙烯品质的关键；而在相同氧化诱导期的前提下，同一稳定剂实验得到的粉料灰分含量在正常情况下数据的值的波动差异较小；而由于实验环境等不确定因素的干扰，可能会存在同样实验前提下得到的粉料灰分含量数据异常的情况，该种情况得到的异常数据为重点关注数据，需要针对性的展开数据异常分析；进而确定实验问题的根源；根据重点关注程度的大小对实验数据进行安全权限等级的划分；再对数据进行针对性的加密处理，在后续对生产数据进行置乱操作后的置乱效果评估时，对安全权限等级高的数据置乱效果要求更高；安全权限等级较低的数据置乱效果要求相对较低，由此自适应得到最优置乱序列。
首先，将相同氧化诱导、稳定剂和催化剂等环境下不同批次的锂电池隔膜粉料灰 分含量数据根据批次构建二维坐标系，即将锂电池隔膜的生产批次作为横轴，将每个生产 批次下锂电池隔膜的粉料灰分含量作为纵轴，将获取的所有的粉料灰分含量数据置于二维 坐标系中，并对其使用
Figure SMS_26
聚类算法进行分类，该算法为最邻近分类算法；其算法思想原理 为以所有已知类别的样本作为参照判断当前未知样本的类别，计算未知样本与所有已知样 本的距离，从中选择与未知样本距离最近的
Figure SMS_27
个已知样本，根据少数服从多数的投票法则将 未知样本与
Figure SMS_28
个最邻近样本中所属类别占比较多的归为一类。
预设
Figure SMS_29
聚类算法的参数
Figure SMS_30
对粉料灰分含量数据进行聚类，得到两个粉料灰 分含量的聚类簇，分别记为正常波动聚类簇以及异常波动聚类簇；
由于粉料灰分含量数据中波动正常的数据的数量往往大于波动异常的数据的数 量，因此对于算法分类后的两类聚类簇进行标记区分，分类后的两个聚类簇中；含有数值数 量较多类别中可能为正常波动的数据，即安全权限等级较低的数据；含有数据数量较少类 别中可能为异常波动的数据，即安全权限等级较高的数据，将两个聚类簇分别记为
Figure SMS_31
、
Figure SMS_32
，则 对粉料灰分含量数据的等级的划分方法为：
假设当前
Figure SMS_41
聚类算法预设
Figure SMS_34
值为2；将当前实验数据集归为了
Figure SMS_37
、
Figure SMS_36
两个聚类簇； 若
Figure SMS_39
，则说明当前
Figure SMS_38
簇内数值含量较少；极有可能为异常突变数据；则定义
Figure SMS_42
簇内数值 为安全权限等级高的数值；反之则定义
Figure SMS_43
簇内数值为安全权限等级高的数值；
Figure SMS_46
、
Figure SMS_33
分别 表示一级聚类簇和二级聚类簇等。由此粉料灰分含量数据的聚类结果分别划分为两个等 级。其中，
Figure SMS_40
表示
Figure SMS_44
类聚类簇中包含数据的数量，
Figure SMS_47
表示
Figure SMS_45
类聚类簇中包含数据的数量，
Figure SMS_48
表示将对应聚类簇记为一级聚类簇，
Figure SMS_35
表示将对应聚类簇记为二级聚类簇。
将一级聚类簇中粉料灰分含量数据的数据值，大于二级聚类簇中粉料灰分含量数据的平均值的部分数据所对应的部分，记为第一聚类簇部分；将一级聚类簇中粉料灰分含量数据的数据值，小于二级聚类簇中粉料灰分含量数据的平均值的部分数据所对应的部分，记为第二聚类簇部分。
获取粉料灰分含量数据的特征波动差异因子：
Figure SMS_49
其中，
Figure SMS_50
表示特征波动差异因子，
Figure SMS_54
、
Figure SMS_57
分别为预设第一权重和预设第二权重；
Figure SMS_51
表示一级聚类簇中第一聚类簇部分，第a个粉料灰分含量的数据值；
Figure SMS_55
表示一级聚类簇中 第二聚类簇部分，第b个粉料灰分含量的数据值；
Figure SMS_58
表示二级聚类簇中第j个粉料灰分含量 的数据值；
Figure SMS_61
表示一级聚类簇
Figure SMS_52
中第一聚类簇部分包含数据的数量；
Figure SMS_56
表示一 级聚类簇
Figure SMS_59
中第二聚类簇部分包含数据的数量；
Figure SMS_60
表示二级聚类簇
Figure SMS_53
中包含数据的 数量。
则获取粉料灰分含量数据中数据点的值与其余数据点之值的特征波动差异值：
Figure SMS_62
其中，
Figure SMS_63
表示粉料灰分含量数据中第t个数据的特征波动差异值，
Figure SMS_64
表示粉料灰分 含量数据中第t个数据的数值，
Figure SMS_65
表示一级聚类簇
Figure SMS_66
中包含数据的数量，
Figure SMS_67
表示 二级聚类簇
Figure SMS_68
中包含数据的数量，
Figure SMS_69
表示特征波动差异因子。
另外，
Figure SMS_70
表示所有粉料灰分含量数据的加权均值，由于数据中存在 异常突变的数据值过大，该部分计算所得的均值会受当前较大数值的影响导致特征波动差 异值结果不准确，加之起始定义
Figure SMS_71
，默认当前数据样本中含有异常数据，但事实上可能 当前多组结果数值中并不存在异常突变数据；因此需要对权重进行合理的分配；标签为
Figure SMS_72
的数值为上述步骤归类为异常的数值；因此为了最终的均值不受其过大的影响，根据经验 预设第一权重
Figure SMS_73
，预设第二权重
Figure SMS_74
；此时得到的加权均值更加客观；
Figure SMS_75
所得的 差异值更加准确；由此计算各实验结果数值的特征差异波动数值并取绝对值；结果越大，说 明当前数值越有可能为异常数据点；即其安全权限等级越可能为一级；反之则越有可能为 正常数据点，安全权限等级为二级。
对粉料灰分含量数据中所有数据的特征波动差异值进行线性归一化处理，根据经 验值预设特征波动差异阈值为0.6，当
Figure SMS_76
时，粉料灰分含量数据中第t个数据的安全权 限等级为一级安全权限，反之为二级安全权限。
将所有安全权限等级为一级安全权限的粉料灰分含量数据，形成的集合记为一级 集合
Figure SMS_77
，将所有安全权限等级为二级安全权限的粉料灰分含量数据，形成的集合记为二级 集合
Figure SMS_78
。
步骤S003，对锂电池隔膜的生产数据进行多次置乱并结合安全权限等级对置乱结果进行评估得到最优置乱序列。
对锂电池隔膜的所有生产数据，即锂电池隔膜的生产批次、粉料灰分含量数据以及氧化诱导期数据进行置乱操作并评估置乱效果自适应得到最优置乱序列。
锂电池隔膜的所有生产数据都是一维数据序列
Figure SMS_79
中，首先获取当前生产数据序列
Figure SMS_80
的
Figure SMS_81
个置乱序列，对其使用混沌映射生成混沌序列即置乱序列，
Figure SMS_82
映射是一种典型的 混沌映射其模型为：
Figure SMS_83
其中，
Figure SMS_86
为可控参数，
Figure SMS_90
表示混沌序列中的第
Figure SMS_94
个数。当系数
Figure SMS_85
时，系统 进入混沌状态，将产生
Figure SMS_88
之间的混沌序列，将
Figure SMS_92
混沌映射模型迭代
Figure SMS_96
次。
Figure SMS_84
为 数据序列
Figure SMS_89
中所含数值个数，为了防止混沌序列与原始数据序列相似程度高，故去掉混沌序 列的前
Figure SMS_93
项。此时获取的混沌序列是
Figure SMS_97
之间的混沌序列，将其投影到适用于数据序列
Figure SMS_87
的 区间，即：将得到的混沌序列每一个数乘以
Figure SMS_91
并向下取整，得到区间范围为
Figure SMS_95
的混沌序列。
通过上述生成的混沌序列对序列
Figure SMS_98
进行置乱操作；但由于混沌序列中会存在相同 的数。例如混沌序列为（2、1、2、3、1）；此时若将混沌序列与编码进行对应将会出现一对多的 情况，为防止此类情况的发生；该步骤采用约瑟夫编码对其处理；
采用约瑟夫编码进行处理时具体处理方法为：将混沌序列围成一圈，将第一个序 列数所对应的序列
Figure SMS_99
中位置上的数值放置在置乱后的序列第一个位置上；此时在序列
Figure SMS_100
中删 除掉当前处理过的数值；将序列中剩余的数值围成一个圈；再次将第二个混沌序列数所对 应在序列
Figure SMS_101
中位置上的数值放置在置乱序列的第二个位置上；重复此操作，直到序列
Figure SMS_102
中所 有数值完成置换。
例如，若当前的序列
Figure SMS_104
中的数值为
Figure SMS_107
；混沌序列 为
Figure SMS_111
；第一次变换：混沌序列中第一个数为2；则将序列
Figure SMS_103
中的第2位数值
Figure SMS_110
放置 在置乱序列的第1位：此时序列
Figure SMS_114
变为
Figure SMS_116
；置乱序列为
Figure SMS_106
，第二次变换：混沌序列中第二个数为1；则将序列
Figure SMS_108
中第1位数值
Figure SMS_112
放置在置乱序列的第2位；此时序列
Figure SMS_115
变为
Figure SMS_105
；置乱序列为
Figure SMS_109
；按照上述方式第五次变换后所得最终置乱序列为：
Figure SMS_113
。
使用
Figure SMS_117
映射对粉料灰分含量数据进行多次置乱，将置乱后的序列记为置乱 序列，获得若干个置乱序列。
由于混沌序列生成规则和获取的随机性，可能导致根据混沌映射生成的置乱序列中数据置乱前后位置没有改变，存在置乱效果较差的可能性，而由于数据体量庞大，理论上都会存在置乱序列前后位置没有改变的情况；而对于当前生产数据加密场景而言，需要对得到的置乱序列进行评估；安全权限等级高的数值出现置乱前后对应位置未发生改变的频次尽量保证最低；而对于安全权限等级较低的数值出现此类现象的频次可以相对较高，即对于此类数值出现置乱前后对应位置数值未发生改变现象的优先级较低。
由此，根据粉料灰分含量数据的安全权限等级对置乱所得粉料灰分含量数据的
Figure SMS_118
个置乱序列进行效果评估；
首先，根据一级集合获得第一效果因子：
Figure SMS_119
其中，
Figure SMS_122
表示第n个置乱序列的第一效果因子，
Figure SMS_123
表示预设第一效果权重，
Figure SMS_125
表 示在粉料灰分含量数据的第n个置乱序列中，一级集合的第u个粉料灰分含量数据的数值；
Figure SMS_120
表示在粉料灰分含量数据的第n个未进行置乱的序列中，一级集合的第u个粉料灰分含 量数据的数值，
Figure SMS_124
表示
Figure SMS_126
和
Figure SMS_127
相差为0时对应数据的数量，
Figure SMS_121
表示粉料灰 分含量数据所含有数据的总量。
然后，根据二级集合获得第二效果因子：
Figure SMS_128
其中，
Figure SMS_131
表示第n个置乱序列的第二效果因子，
Figure SMS_133
表示预设第二效果权重，
Figure SMS_135
表 示在粉料灰分含量数据的第n个置乱序列中，二级集合的第v个粉料灰分含量数据的数值；
Figure SMS_130
表示在粉料灰分含量数据的第n个未进行置乱的序列中，二级集合的第v个粉料灰分含 量数据的数值，
Figure SMS_132
表示
Figure SMS_134
和
Figure SMS_136
相差为0时对应数据的数量，
Figure SMS_129
表示粉料灰 分含量数据所含有数据的总量。
最后，根据第一效果因子和第二效果因子获得置乱效果评估值：
Figure SMS_137
其中，
Figure SMS_138
表示第n个置乱序列的置乱效果评估值，
Figure SMS_139
表示第n个置乱序列的第一效 果因子，
Figure SMS_140
表示第n个置乱序列的第二效果因子；
需要说明的是，根据安全等级对应的数据重要程度分配合理的权重，根据经验预 设第一效果权重
Figure SMS_141
，预设第二效果权重
Figure SMS_142
。
根据上述所得置乱效果评估模型对混沌映射所得到的
Figure SMS_143
个置乱序列进行计算和评 估，取粉料灰分含量数据的所有置乱效果评估值的最大值对应的置乱序列，记为粉料灰分 含量数据的最优加密序列。
通过对粉料灰分含量数据的分析处理，获得粉料灰分含量数据的最优加密序列，利用相同的分析处理方法，获取粒料灰分含量数据以及氧化诱导期数据的最优加密序列。
至此，获得锂电池隔膜的所有生产数据，即生产数据包括，粉料灰分含量数据、粒料灰分含量数据以及氧化诱导期数据，对应的最优加密序列。
步骤S004，根据最优置乱序列对当前生产数据进行智能加密调控处理并获取密钥。
根据粉料灰分含量数据、粒料灰分含量数据以及氧化诱导期数据对应的最优加密序列，对锂电池隔膜生产数据进行加密处理，并保存对应置乱序列的混沌序列作为密钥，加密时将置乱序列中的数值转换为计算机可识别处理的二进制数值；
解密过程：利用作为密钥的混沌序列对数据进行映射还原，得到对应数值的二进制编码，再对二进制编码进行转换十进制的处理，得到对应的粉料灰分含量数据、粒料灰分含量数据以及氧化诱导期数据。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种锂电池隔膜生产数据安全权限智能调控方法，其特征在于，该方法包括以下步骤：
获取锂电池隔膜生产数据，包括粉料灰分含量数据、粒料灰分含量数据以及氧化诱导期数据；
对粉料灰分含量数据进行聚类，获得若干个聚类簇，根据聚类簇中数据的数量预设第一权重和第二权重；将第一权重和第二权重，对聚类簇中粉料灰分含量数据的数据值累加和值进行加权融合的结果，记为特征波动差异因子；根据粉料灰分含量数据的总数量获取特征波动差异因子的平均值；根据粉料灰分含量数据中各数据值，与特征波动差异因子的平均值之间的差异，获得特征波动差异值；
根据特征波动差异值的大小，获取粉料灰分含量数据中对应数据的安全权限等级，对粉料灰分含量数据进行多次置乱加密，分别获取置乱后的序列，记为置乱序列，获取置乱前后数据值大小的差异为0时所对应的数据的数量，记为第一数量；利用预设第一效果权重和第二效果权重，分别对不同安全权限等级下，第一数量在粉料灰分含量数据的数据数量上的占比进行调节，获得第一效果因子和第二效果因子，根据第一效果因子和第二效果因子的融合获得置乱效果评估值，将置乱效果评估值最大时的置乱序列，记为最优加密序列；
获取粒料灰分含量数据以及氧化诱导期数据的最优加密序列，将置乱过程中对应的混沌序列作为密钥，实现对锂电池隔膜生产数据的置乱加密。
2.根据权利要求1所述一种锂电池隔膜生产数据安全权限智能调控方法，其特征在于，所述特征波动差异因子，获取方法如下：
将一级聚类簇中粉料灰分含量数据的数据值，大于二级聚类簇中粉料灰分含量数据的平均值的部分数据所对应的部分，记为第一聚类簇部分；将一级聚类簇中粉料灰分含量数据的数据值，小于二级聚类簇中粉料灰分含量数据的平均值的部分数据所对应的部分，记为第二聚类簇部分；
Figure QLYQS_1
其中，
Figure QLYQS_4
表示特征波动差异因子，/>
Figure QLYQS_6
、/>
Figure QLYQS_9
分别为预设第一权重和预设第二权重；/>
Figure QLYQS_5
表示一级聚类簇中第一聚类簇部分，第a个粉料灰分含量的数据值；/>
Figure QLYQS_8
表示一级聚类簇中第二聚类簇部分，第b个粉料灰分含量的数据值；/>
Figure QLYQS_11
表示二级聚类簇中第j个粉料灰分含量的数据值；/>
Figure QLYQS_13
表示一级聚类簇/>
Figure QLYQS_2
中第一聚类簇部分包含数据的数量；/>
Figure QLYQS_7
表示一级聚类簇/>
Figure QLYQS_10
中第二聚类簇部分包含数据的数量；/>
Figure QLYQS_12
表示二级聚类簇/>
Figure QLYQS_3
中包含数据的数量。
3.根据权利要求1所述一种锂电池隔膜生产数据安全权限智能调控方法，其特征在于，所述特征波动差异值，获取方法如下：
利用KNN算法对粉料灰分含量数据进行聚类，获得两个聚类簇，将其中一个聚类簇中含有粉料灰分含量数据的数量最少的记为一级聚类簇，另一个记为二级聚类簇；
Figure QLYQS_14
其中，
Figure QLYQS_15
表示粉料灰分含量数据中第t个数据的特征波动差异值，/>
Figure QLYQS_16
表示粉料灰分含量数据中第t个数据的数值，/>
Figure QLYQS_17
表示一级聚类簇/>
Figure QLYQS_18
中包含数据的数量，/>
Figure QLYQS_19
表示二级聚类簇/>
Figure QLYQS_20
中包含数据的数量，/>
Figure QLYQS_21
表示特征波动差异因子。
4.根据权利要求1所述一种锂电池隔膜生产数据安全权限智能调控方法，其特征在于，所述置乱效果评估值，获取方法如下：
Figure QLYQS_22
其中，
Figure QLYQS_23
表示第n个置乱序列的置乱效果评估值，/>
Figure QLYQS_24
表示第n个置乱序列的第一效果因子，/>
Figure QLYQS_25
表示第n个置乱序列的第二效果因子。
5.根据权利要求1所述一种锂电池隔膜生产数据安全权限智能调控方法，其特征在于，所述实现对锂电池隔膜生产数据的置乱加密，包括的具体步骤如下：
根据粉料灰分含量数据、粒料灰分含量数据以及氧化诱导期数据对应的最优加密序列，对锂电池隔膜生产数据进行加密处理，并保存对应置乱序列的混沌序列作为密钥，加密时将置乱序列中的数值转换为计算机可识别处理的二进制数值。
CN202310579118.3A 2023-05-22 2023-05-22 一种锂电池隔膜生产数据安全权限智能调控方法 Active CN116305222B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310579118.3A CN116305222B (zh) 2023-05-22 2023-05-22 一种锂电池隔膜生产数据安全权限智能调控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310579118.3A CN116305222B (zh) 2023-05-22 2023-05-22 一种锂电池隔膜生产数据安全权限智能调控方法

Publications (2)

Publication Number Publication Date
CN116305222A true CN116305222A (zh) 2023-06-23
CN116305222B CN116305222B (zh) 2023-09-05

Family

ID=86830907

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310579118.3A Active CN116305222B (zh) 2023-05-22 2023-05-22 一种锂电池隔膜生产数据安全权限智能调控方法

Country Status (1)

Country Link
CN (1) CN116305222B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116545771A (zh) * 2023-07-05 2023-08-04 上海伯镭智能科技有限公司 一种智能驾驶系统测试数据的智能存储方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050118468A1 (en) * 2003-12-01 2005-06-02 Paul Adams Fuel cell supply including information storage device and control system
CN111324618A (zh) * 2020-02-18 2020-06-23 青岛农业大学 一种异地实时同步药用生物资源数据的系统及方法
WO2020243823A2 (en) * 2018-05-07 2020-12-10 Jason Marshall A process for a fully automated management system (fams) towards resource and system protection and optimization in a manufacturing process.
CN112241542A (zh) * 2020-10-22 2021-01-19 苏州知瑞光电材料科技有限公司 材料制作数据加密方法及系统
CN114168452A (zh) * 2021-11-12 2022-03-11 南京云眼科技有限公司 一种ab测试试验程序可视化操作平台
CN115190474A (zh) * 2022-07-21 2022-10-14 河海大学 一种面向海洋观监测传感网的隐私感知计算任务卸载方法
CN115287446A (zh) * 2022-07-01 2022-11-04 燕山大学 一种智慧加热炉远程大数据集控系统
CN115314600A (zh) * 2022-10-12 2022-11-08 山东沃尔美肥业有限公司 一种化肥生产监控数据管理方法
CN115879017A (zh) * 2022-10-28 2023-03-31 国网智能电网研究院有限公司 一种电力敏感数据自动化分类分级方法、装置及存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050118468A1 (en) * 2003-12-01 2005-06-02 Paul Adams Fuel cell supply including information storage device and control system
WO2020243823A2 (en) * 2018-05-07 2020-12-10 Jason Marshall A process for a fully automated management system (fams) towards resource and system protection and optimization in a manufacturing process.
CN111324618A (zh) * 2020-02-18 2020-06-23 青岛农业大学 一种异地实时同步药用生物资源数据的系统及方法
CN112241542A (zh) * 2020-10-22 2021-01-19 苏州知瑞光电材料科技有限公司 材料制作数据加密方法及系统
CN114168452A (zh) * 2021-11-12 2022-03-11 南京云眼科技有限公司 一种ab测试试验程序可视化操作平台
CN115287446A (zh) * 2022-07-01 2022-11-04 燕山大学 一种智慧加热炉远程大数据集控系统
CN115190474A (zh) * 2022-07-21 2022-10-14 河海大学 一种面向海洋观监测传感网的隐私感知计算任务卸载方法
CN115314600A (zh) * 2022-10-12 2022-11-08 山东沃尔美肥业有限公司 一种化肥生产监控数据管理方法
CN115879017A (zh) * 2022-10-28 2023-03-31 国网智能电网研究院有限公司 一种电力敏感数据自动化分类分级方法、装置及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周华;: "大数据中的分类隐私加密仿真研究", 计算机仿真, no. 07 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116545771A (zh) * 2023-07-05 2023-08-04 上海伯镭智能科技有限公司 一种智能驾驶系统测试数据的智能存储方法及系统
CN116545771B (zh) * 2023-07-05 2023-09-15 上海伯镭智能科技有限公司 一种智能驾驶系统测试数据的智能存储方法及系统

Also Published As

Publication number Publication date
CN116305222B (zh) 2023-09-05

Similar Documents

Publication Publication Date Title
CN116305222B (zh) 一种锂电池隔膜生产数据安全权限智能调控方法
Braga et al. A GA-based feature selection and parameters optimization for support vector regression applied to software effort estimation
CN116226471B (zh) 一种用于国土资源规划的数据存储方法
CN115643110B (zh) 基于运行数据的应用软件安全检测方法
CN115085924A (zh) 一种基于霍夫曼编码的计算机信息传输加密系统
CN110543889A (zh) 电力负荷分层聚类方法、装置、计算机设备及存储介质
CN107861724B (zh) 快速适配dlms/cosem对象的脚本化编码方法
CN117171817B (zh) 基于区块链的电子签章安全管理方法
CN115208604A (zh) 一种ami网络入侵检测的方法、装置及介质
CN117195274B (zh) 一种版式文件防伪方法与系统
CN116049905B (zh) 一种基于检测系统文件变化的防篡改系统
CN116341016B (zh) 一种大数据安全存储方法及系统
Ma et al. A new intrusion detection method based on bpso-svm
Gu et al. Network intrusion detection with nonsymmetric deep autoencoding feature extraction
CN115292739B (zh) 一种金属模具设计系统的数据管理方法
Dongsong et al. A load identification algorithm based on SVM
CN112446038B (zh) 一种基于矩阵分解的访问策略智能化生成方法
Wang et al. Flowadgan: Adversarial learning for deep anomaly network intrusion detection
CN111711819B (zh) 一种多元混进制的图像数据处理方法
Dang et al. Network Intrusion detection approach based on convolutional neural network
CN116707976B (zh) 一种用于网络安全的智能检测预警系统及其方法
Wang et al. Research on Massive Electric Power Big Data Transmission Encryption Based on Improved K-means Algorithm
CN117633849B (zh) 一种煤矿经营全流程智能管控方法及系统
Jiang Security detection design for laboratory networks based on enhanced LSTM and AdamW algorithms
Zhang [Retracted] Multimedia Image Encryption Analysis Based on High‐Dimensional Chaos Algorithm

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