CN116486115A - 基于物联网的路由数据管理方法 - Google Patents

Abstract

本发明涉及数据处理领域，具体涉及基于物联网的路由数据管理方法，包括：获得局部外间隔和内间隔，根据所有像素点组合分布概率的均值得到第一权重值。根据两个内间隔的所有像素点的灰度值的差异得到第一相似度。根据目标行的任意一个局部外间隔的任意一个内间隔的第一个点与待比较行相同编号的局部外间隔的任意一个内间隔的第一个点之间的距离和第一相似度得到第二相似度。根据第二相似度和目标行的局部外间隔的内间隔的权重值得到第三相似度。根据第三相似度和第一权重值得到第四相似度。根据第四相似度进行对数据的加密管理。本发明用数据处理技术得到数据之间的相似性，使得通过相似性结果进行聚类，然后提高数据管理的安全性。

Description

基于物联网的路由数据管理方法

技术领域

本发明涉及数据处理技术领域，具体涉及基于物联网的路由数据管理方法。

背景技术

随着物联网技术的发展，越来越多是传感器等网络设备通过连接网络来共享传输数据，而路由器是数据流动的重要节点，管理着传感器等网络设备之间的通讯和数据传输，因此路由数据管理重要性日益增加。路由器根据路由数据来识别并获取主要数据流来优化网络性能，通过分析路由数据制定相应的传输方案。其中路由数据中包含有许多有关网络安全以及用户隐私的数据，如果路由数据未经加密，黑客可以很容易窃取用户的个人信息、设备信息等敏感信息，威胁用户的安全和隐私。

对于路由数据的传统加密算法为数据置乱算法，是一种基于置乱和混淆的加密算法，通过对路由数据进行随机排列、混淆的方式达到保护路由数据的目的，相较于传统的对称加密算法和非对称加密算法更加难以破解。然而，传统的数据置乱算法中的加密效果取决于置乱算法的随机性，若随机性不足就很容易遭到破解。路由数据具有较为规律的数据格式，传统的置乱算法无法保证路由数据加密的效果，会使得置乱后的数据由于规律性与原数据差异性较小，无法保证随机性，因此亟待一种适用于路由数据的加密算法。

发明内容

本发明提供基于物联网的路由数据管理方法，以解决现有的问题。

本发明的基于物联网的路由数据管理方法采用如下技术方案：

本发明一个实施例提供了基于物联网的路由数据管理方法，该方法包括以下步骤：

获取路由表数据，将路由表数据转换为灰度图像；

根据灰度图像中像素点组合的灰度分布获得局部外间隔和内间隔；

根据所有像素点组合分布概率的均值得到局部外间隔的权重值，记为第一权重值；

将目标行的任意一个局部外间隔内的任意一个内间隔记为第一内间隔，将待比较行相同编号的局部外间隔内的任意一个内间隔记为第二内间隔，根据第一内间隔与第二内间隔的所有像素点的灰度值的差异得到第一内间隔与第二内间隔之间的相似度，记为第一相似度；

根据第一内间隔的第一个点与第二内间隔的第一个点之间的距离和第一相似度得到目标行的任意一个局部外间隔的任意一个内间隔与待比较行相同编号的局部外间隔之间的相似度，记为第二相似度；

根据第二相似度和目标行的局部外间隔的内间隔的权重值得到目标行任意一个局部外间隔与待比较行相同编号的局部外间隔之间的相似度，记为第三相似度；

根据第三相似度和第一权重值得到任意两行之间的相似度，记为第四相似度；

根据任意两行之间的第四相似度值和预设阈值对所有行进行聚类并得到各个类簇，然后对各个类簇的行和局部外间隔按照相似度大到小的顺序排序，最后按照排序结果去扫描得到密钥以及对应的密文内容并进行安全存储。

进一步地，所述局部外间隔和内间隔的获取方法包括：

选取两个相同灰度值的像素点的位置间隔的最小值作为初始局部外间隔，在初始局部外间隔的基础上加1作为新的局部外间隔，初始局部外间隔中所包含的像素点的灰度分布组合在整个灰度图像中所有像素点的灰度分布中出现的频数N₀，每进行i次迭代加1后的新的局部外间隔中所包含的像素点的灰度分布组合在整个灰度图像中所有像素点的灰度分布中出现的频数N_i，然后去判断频数N₀和迭代后的频数N_i之间的数量关系，根据数量关系确定出最终的局部外间隔；根据局部外间隔内的像素点的灰度分布特征得到内间隔。

进一步地，所述第一权重值的获取方法包括：

第一权重值的公式为：

其中L_a表示编号为a的局部外间隔中的所有内间隔中的第l个内间隔的像素点分布组合在整个编号为a的局部外间隔中所占的数量，P(a,l)表示编号为a的局部外间隔中的第l个内间隔的像素点组合分布组合在整个编号为a的局部外间隔中出现的分布概率，表示编号为a的局部外间隔中的所有不同内间隔中像素点组合分布组合在整个编号为a的局部外间隔中的分布概率的均值，β_a表示编号为a的局部外间隔的权重值。

进一步地，所述第一相似度的获取方法包括：

将目标行的任意一个局部外间隔的任意一个内间隔与其它的一个局部外间隔的任意一个内间隔的所有像素点的灰度值的差异作为指数函数的变量，指数函数输出第一相似度。

进一步地，所述第二相似度的获取方法包括：

第二相似度的公式为：

其中，b表示目标行的局部外间隔，c表示待比较行的局部外间隔，V表示c中的内间隔的数量，表示b中的第w个内间隔的第一个点距离c中的第v个内间隔的第一个点的欧式距离，γ(b_w,c_v)表示b中的第w个内间隔和c中的第v个内间隔的相似度，softmax()为指数归一化函数，R(b_w,c)表示b中的第w个内间隔和c的整体相似度。

进一步地，所述第三相似度的获取方法包括：

第三相似度的公式为：

其中，b表示目标行的局部外间隔，c表示待比较行的局部外间隔，W表示b中的内间隔数，R(b_w,c)表示b中的第w个内间隔和c的整体相似度，表示第w个内间隔的权重值，b_w表示b中的第w个内间隔，b₁表示b中的第1个内间隔，w表示第w个内间隔，R(b₁,c)表示b中的第1个内间隔和c的整体相似度，δ(b,c)表示第三相似度。

进一步地，所述第四相似度的获取方法包括：

由每行中的所有局部外间隔的第一权重值和第三相似度的乘积的和作为第四相似度。

进一步地，所述各个类簇的行和局部外间隔按照相似度大到小的顺序排序的获取方法

包括：

首先对数据进行排序，将平均相似度按照从大到小进行类簇的排序，然后在类簇内部同样根据行数据的相似度值从大到小进行类簇内部行数据的排序，最后在行数据内部同样根据局部外间隔的相似性从大到小进行行数据内部的排序，得到最终的排序结果。

进一步地，所述扫描得到密钥以及对应的密文内容的获取方法包括：

对最终的排序结果进行扫描，扫描方式为从第一个类簇中的第一行数据的第一个局部外间隔，到第二个类簇中的第一行数据的第一个局部外间隔，依次扫描，然后从最后一个类簇中的第一行数据的第二个局部外间隔到倒数第二个类簇中的第一行数据的第二个局部外间隔，依次进行扫描得到密钥以及对应的密文内容。

本发明的技术方案的有益效果是：将路由表数据的各个字符转换为二进制编码进行灰度图像的转换，通过分析转换后的图像的规律性特征来获取重要的规律位置，并根据规律位置的分布特征来进行数据之间的聚类，来进行数据置乱，来保证路由表数据的加密效果。在聚类过程中，综合考虑到路由数据本身的数据结构上的规律性，以及内容上的规律性特征，获取路由数据中本身的局部外间隔特性和内间隔的特性，并根据不同数据之间在局部外间隔特性和内间隔的特性影响下的相似度值大小对数据进行聚类，保证每个类簇与其他类簇的最大差异性，进而保证在进行置乱时，置乱结果的随机性，也同时保证了置乱前后的的结果存在较大差异性，避免了随机性不足造成破解的缺点，进而保证路由表数据的加密效果。

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，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为本发明基于物联网的路由数据管理方法的步骤流程图。

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物联网的路由数据管理方法，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物联网的路由数据管理方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的基于物联网的路由数据管理方法的步骤流程图，该方法包括以下步骤：

步骤S001:获取路由表数据，并对路由表数据进行编码转换。

本实施例是获取路由器中的路由数据，其中路由数据包括数据报、路由表、路由器状态信息等。其中路由数据中的路由表数据中包含有路由器正常运行和网络通讯的关键信息，记录了所有可达目的地址和对应的下一跳地址的路径信息等，在路由数据的传输存储过程中占有主要地位，因此本实施例以路由表数据为例进行分析。

将路由表数据中每个字符转换为8位二进制数据：先获取每个字符的ASCII码，并根据ASCII码进行二进制编码。例如，6的ASCII码为54，其对应的二进制编码为00110110；“/”的ASCII码为47，其对应的二进制编码为00101111。

进而将路由表数据中所有字符均都转换成8位二进制数据，获取若干8位二进制数据。

步骤S002：根据编码转换后的灰度图像获得局部外间隔和内间隔；根据所有像素点组合分布概率的均值得到第一权重值；根据局部外间隔中的内间隔像素点的灰度值差异得到第一相似度；根据局部外间隔和内间隔的距离差异得到第二相似度；根据第二相似度和局部外间隔中的内间隔的权重值得到第三相似度；根据第三相似度和第一权重值得到第四相似度。

由于路由数据的路由表数据具有极强的规律性，包含有目的网络地址、子网掩码、传输协议类型、优先级、花销、标志、下一跳地址和出接口等，其可能存在整体分布上的规律性，例如，目的网络地址和子网掩码中主要由标点符号“.”和“/”将字符串进行区分，而传输协议类型等具有固定字符串的以整体字符串如“Static”等进行区分，则对应的路由表数据中具有极强的规律性。因此本实施例所述的规律性为数据结构上的规律性，以及内容上的规律性(并且由于网络地址的特征，其子结构中的内容也具有规律性特征)。由于路由表数据中的规律性特征，会使得路由表数据很容易被破解，传统的置乱算法将某个无法保证加密后的数据的随机性。因此本实施例在置乱过程中，需要增大规律数据之间的差异，保证数据在置乱之后的随机性。

考虑到路由表数据有极强的规律性特征，因此本实施例将路由表数据的各个数据转换为二进制编码进行灰度图像的转换，通过分析转换后的图像的规律性特征来获取重要的规律位置，并根据规律位置的分布特征来进行数据之间的聚类，来进行数据置乱，来保证路由表数据的加密效果。

由于8位的二进制数，再转换为十进制后在0-255范围内，与灰度图像的灰度值范围一样，因此本实施例将路由表数据的的各个数据转换为二进制编码进行灰度图像转换。由于路由表数据具有较强的规律性，因此对应的灰度图像中也同样存在较强的规律性特征，对应的即为灰度分布具有规律性特征，因此本实施例根据灰度分布的规律性特征进行像素点的局部外间隔和内间隔的确定。其中像素点的局部外间隔表示路由器数据中各种大间隔的分布(对应的为路由表数据中的目的网络地址、子网掩码、传输协议类型、优先级、花销、标志、下一跳地址和出接口等各个类型的数据)，而内间隔是局部外间隔的内部细分(对应的为路由表数据中单个间隔内例如子网掩码中会存在相同的间隔特征，例如符号“.”划分间隔)。

根据步骤S001计算得到的若干8位二进制编码，将每个8位二进制编码转换为十进制的数，其中每个二进制编码数据作为一个像素点，转换得到的十进制作为该像素点的灰度值，其中路由表数据是一行一行的，因此路由表每行的所有字符数据生成多个像素点。由于路由表的每行数据中存在字符串长度不同的情况，因此对应的每行产生的像素点数量不一样，因此本实施例将选取路由表数据的行数作为图像的行数，将包含像素点数量最多的行中的像素点数量作为图像的列数，其中若路由表数据中某一行所包含的像素点数量不满足列数时，则缺少的像素点使用灰度值为0的像素点进行填充，进而最终根据路由表数据生成一张灰度图像。

本实施例进行图像中局部外间隔和内间隔的确定：以灰度图像中的某一行为例进行分析，首先根据相同灰度值的像素点之间的位置距离的确定初始局部外间隔，即确定任意像素点的两个相同灰度值的像素点之间的位置距离，根据两个相同灰度值的像素点之间的位置距离得到每个灰度值的位置距离的集合，再根据每个灰度值的位置距离集合获取其中最小的位置距离，然后将每个灰度值的最小位置距离聚集在一个集合，记为第一集合，然后根据第一集合获取里面的最小值，选取第一集合中的最小值为初始局部外间隔大小。

将初始局部外间隔记为n₀，将任意一行还没有被分割的像素记为待分割像素。

待分割像素的分段操作，具体如下：

(1)获取待分割像素的前n₀个像素点，统计这n₀个像素点的灰度值组合方式在整个灰度图像中所有灰度值组合中出现的频数N₀，令n₁＝n₀+1，获取待分割像素的前n₁个像素点，统计这n₁个像素点的灰度值组合方式在整个灰度图像中所有灰度值组合中出现的频数N₁；如果N₁＞N₀令n₂＝n₁+1，获取待分割像素的前n₂个像素点，统计这n₂个像素点的灰度值组合方式在整个灰度图像中所有灰度值组合中出现的频数N₂；如果N₂＞N₀令n₃＝n₂+1，依次类推进行跌代，当n_i＝n_i-1+1，统计这n_i个像素点的灰度值组合方式在整个灰度图像中所有灰度值组合中出现的频数N_i，当N_i≤N₀时停止迭代，将待分割像素的前n_i-1个像素点作为一个局部外间隔，该局部外间隔的长度记为n_i-1。

(2)获取待分割像素上除去局部外间隔后剩余的所有像素点，将这些像素点视作为新的待分割像素。

重复新的待分割像素的分段操作，直至剩余的所有像素点数量小于等于n₀，并且将剩余的像素点数量小于等于n₀的所有像素点也作为一个局部外间隔。

完成上述重复操作时，获得了若干局部外间隔，至此每行获得了若干局部外间隔。

将对每行的局部外间隔从左到右进行(i＝1，2，3，…，n)编号，其中n为路由表数据中每行的局部外间隔个数。设路由表数据的行数为t行，则路由表每行的局部外间隔顺序为：{r₁₁，r₁₂，...，r_1n}，{r₂₁，r₂₂，...，r_2n}，……，{r_t1，r_t2，...，r_tn}；对每行编号，即都为{1，2，3，…，n}，即相同编号的局部外间隔为同一个位置的不同序列数据。其中r_tn表示第t行中编号为n的局部外间隔。现在取路由表数据中每行的相同编号的局部外间隔作为一个集合，具体为：{r₁₁，r₂₁，...，r_t1}，{r₁₂，r₂₂，...，r_t2}，……，{r_1n，r_2n，...，r_tn}，现在依次获取每个集合中长度最长的局部外间隔，其长度记为Lm，然后将每个集合中的所有局部外间隔与每个集合的Lm进行比较，让长度小于Lm的局部外间隔进行填充0，使得每个集合的所有局部外间隔都相同，至此每行中的相同编号的局部外间隔都相同。

至此，确定出了路由表中每行的局部外间隔。

由于每个局部外间隔中含有相似区域即内部中存在相同的间隔特征，因此进行每个局部外间隔进行内间隔的划分：其中内间隔往往也同样是相同字符出现的位置，因此判断每个局部外间隔中相同灰度值的像素点作为内间隔分段点即可，在计算所有行的相同编号的局部外间隔的内间隔分段点的出现频数最多的作为该编号下的局部外间隔的内间隔分段点，类似操作得到所有局部外间隔中的内间隔(其中同一行的不同局部外间隔中可能存在内间隔，也可能不存在内间隔)。

需要说明的是，在局部外间隔中内间隔分段点的确定除过0像素点。

根据上述步骤计算得到的局部外间隔，其中编号为a的局部外间隔的权重值β_a的计算表达式为：其中L_a表示编号为a的局部外间隔中的所有内间隔中的第l个内间隔的像素点分布组合在整个编号为a的局部外间隔中所占的数量，P(a，l)表示编号为a的局部外间隔中的第l个内间隔的像素点组合分布组合在整个编号为a的局部外间隔中出现的分布概率，/>表示编号为a的局部外间隔中的所有不同内间隔中像素点组合分布组合在整个编号为a的局部外间隔中的分布概率的均值。记局部外间隔的权重值为第一权重值，其中/> 表示编号为a的局部外间隔中的所有内间隔中像素点分布组合的分布概率的方差值，若分布概率方差值越大，则表明该位列中的各种组合的分布变化较为规律，则对应的该局部外间隔中的路由表数据类型基本相同，则对应的该编号的局部外间隔中在后续计算过程中，存在的路由表的信息较少，即对应的信息隐私程度较低。

至此，将采集的路由器数据，生成灰度图像，并确定像素点局部外间隔和内间隔，以及对应的局部外间隔权重值。

根据上述步骤，获取到图像中每行数据的局部外间隔和内间隔，其中在比较每行数据与其他数据的相似度时，需要同编号的局部外间隔比较的同时，比较局部外间隔中的内间隔之间的相似性特征。其中在计算内间隔的相似性特征时，由于路由表数据的特征，例如对于目的网络地址来说，存在两个原本就不相同的两个数据，即网络地址中的4个字节的数据可以分为两部分，为网络标识和主机标识，其对应的数据编码可能存在相似部分，但是相似的部分并不是表示同一标识的网络地址的数据，因此在计算相似度的过程中不仅仅需要比较单个内间隔中的像素点的灰度值分布的相似性，还需要考虑局部外间隔中的内间隔之间的灰度值分布的相似性。

首先，获取不同行的同一个编号的局部外间隔的编码数据，并且根据获取的内间隔将该局部外间隔的编码数据进行划分。选取任意一行为目标行，将除过目标行的其它行记为待比较行。以任意两行的同一个编号的编码数据为例：记为b(目标行的局部外间隔)和c(待比较行的局部外间隔)；计算b中的第w个内间隔和c中的所有内间隔进行计算相似度，则对应的b中的第w个内间隔和c中的第v个内间隔的相似度γ(b_w，c_v)的计算表达式为： 其中U表示内间隔中的像素点数量，H_(b，w)(u)表示b中的第w个内间隔的第u个像素点的灰度值，H_(c，v)(u)表示c中的第v个内间隔的第u个像素点的灰度值，exp{}表示以自然数为底数的指数函数，记γ(b_w，c_v)为第一相似度。

则对应的b中的第w个内间隔和c的整体相似度R(b_w，c)计算表达式为： 其中V表示c中的内间隔的数量，/>表示b中的第w个内间隔的第一个点距离c中的第v个内间隔的第一个点的欧式距离，γ(b_w，c_v)表示b中的第w个内间隔和c中的第v个内间隔的相似度，softmax()为指数归一化函数，表示b中的所有内间隔的第一个点与c中的所有内间隔的第一个点之间的欧式距离进行归一化。其中通过计算b中的第w个内间隔的第一个点距离c中的第v个内间隔的第一个点的距离来表示内间隔之间的编号差，若内间隔之间的距离越远，则表明两个内间隔之间计算的相似度的参考度越小，记R(b_w，c)为第二相似度。

类似计算得到b中的所有内间隔和c的整体相似度值，则对应的b与c两个相同编号的局部外间隔之间的相似度δ(b，c)的计算表达式为：其中W表示b中的内间隔数，R(b_w，c)表示b中的第w个内间隔和c的整体相似度。其中，/>表示第w个内间隔的权重值，记δ(b，c)为第三相似度。

由于对于路由表的数据中，存在内间隔的往往是偏向于网络地址的数据，则对应的网络地址中的网络标识部分在网络地址的前部分，后部分为计算机标识，因此越在前面的内间隔的权重值越大。

根据上述步骤计算得到的局部外间隔的权重值，来获取行数据之间的相似性，其中第i行和第j行的数据之间的相似性计算表达式为：其中A表示局部外间隔的数量，β_a表示编号为a的局部外间隔的权重值，δ(i_a，j_a)表示第i行的和第j行的数据的编号为a的局部外间隔之间的相似度，记为第四相似度。

根据计在转换后的图像中，计算得到的所有行数据之间相似度值，对所有相似度值进行线性归一化处理，本实施例以行数据的相似度阈值T＝0.68为例进行叙述，实施时可设置其他取值，本实施例不进行具体限定，将大于相似度阈值的行数据作为一类。特别说明：可能存在某些行数据在很多类中，因此选取行数据的相似度值最大的那一类为最终类。

至此，对每条数据进行相似度的聚类，使得每一个聚类的结果与其他聚类结果之间的差异最大。

步骤S003：根据相似度得到各类簇、行和局部外间隔的从大到小的排序结果，最后对排序结果进行扫描加密。

本实施例中选取常用的光栅扫描方法进行维度间的数据扫描，并结合每一类中的相似性值的大小进行优先级排序，确定扫描顺序进行扫描，具体的扫描方式为：首先对数据进行排序，将平均相似度按照从大到小进行类簇的排序，然后在类簇内部同样根据行数据的相似度值从大到小进行类簇内部行数据的排序，最后在行数据内部同样根据局部外间隔的相似性从大到小进行行数据内部的排序，得到最终的排序结果。

其中，行数据内部的每个局部外间隔的相似性的获取方法为：计算行中的每一个局部外间隔与其余所有局部外间隔之间相似度的均值作为每一个局部外间隔的相似性；类簇内部的行数据相似度值得是计算任意一行与其余所有行之间相似度的均值，得到簇内部每一行数据相似度值；根据计算簇内部所有行的相似度值的均值得到类簇的平均相似度；

对最终的排序结果进行扫描，扫描方式为从第一个类簇中的第一行数据的第一个局部外间隔，到第二个类簇中的第一行数据的第一个局部外间隔，依次扫描，然后从最后一个类簇中的第一行数据的第二个局部外间隔到倒数第二个类簇中的第一行数据的第二个局部外间隔，依次进行。

保存上述的扫描顺序，对应的到路由表数据的根据相应的扫描顺序进行置乱，得到最终的密文以及对应的密钥内容。其中密钥内容为：扫描顺序以及对应的数据相似性值排序结果作为密钥保存，将密文数据和密钥保存在路由器的硬盘中，且保证保存的密钥无法被网络读取到，以保护路由表数据的安全。

步骤S004：根据密文和密钥进行解密。

其中解密过程为：首先对密文先进行如上述过程中的灰度图像的转换，并对转换后的内容按照扫描顺序还原至原始位置中(为排序后的结果)，并根据上述中的数据相似性进行数据的同类簇同行数据的排序变换，进而得到最初的数据转换的灰度图像，对每个像素点进行二进制编码并转换为ASCII码，最终得到明文。

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 (9)

1.基于物联网的路由数据管理方法，其特征在于，该方法包括以下步骤：

获取路由表数据，将路由表数据转换为灰度图像；

根据灰度图像中像素点组合的灰度分布获得局部外间隔和内间隔；

根据所有像素点组合分布概率的均值得到局部外间隔的权重值，记为第一权重值；

将目标行的任意一个局部外间隔内的任意一个内间隔记为第一内间隔，将待比较行相同编号的局部外间隔内的任意一个内间隔记为第二内间隔，根据第一内间隔与第二内间隔的所有像素点的灰度值的差异得到第一内间隔与第二内间隔之间的相似度，记为第一相似度；

根据第一内间隔的第一个点与第二内间隔的第一个点之间的距离和第一相似度得到目标行的任意一个局部外间隔的任意一个内间隔与待比较行相同编号的局部外间隔之间的相似度，记为第二相似度；

根据第二相似度和目标行的局部外间隔的内间隔的权重值得到目标行任意一个局部外间隔与待比较行相同编号的局部外间隔之间的相似度，记为第三相似度；

根据第三相似度和第一权重值得到任意两行之间的相似度，记为第四相似度；

根据任意两行之间的第四相似度值和预设阈值对所有行进行聚类并得到各个类簇，然后对各个类簇的行和局部外间隔按照相似度大到小的顺序排序，最后按照排序结果去扫描得到密钥以及对应的密文内容并进行安全存储。

2.根据权利要求1所述基于物联网的路由数据管理方法，其特征在于，所述局部外间隔和内间隔的获取方法包括：

选取两个相同灰度值的像素点的位置间隔的最小值作为初始局部外间隔，在初始局部外间隔的基础上加1作为新的局部外间隔，初始局部外间隔中所包含的像素点的灰度分布组合在整个灰度图像中所有像素点的灰度分布中出现的频数N₀，每进行i次迭代加1后的新的局部外间隔中所包含的像素点的灰度分布组合在整个灰度图像中所有像素点的灰度分布中出现的频数N_i，然后去判断频数N₀和迭代后的频数N_i之间的数量关系，根据数量关系确定出最终的局部外间隔；根据局部外间隔内的像素点的灰度分布特征得到内间隔。

3.根据权利要求1所述基于物联网的路由数据管理方法，其特征在于，所述第一权重值的获取方法包括：

第一权重值的公式为：

其中L_a表示编号为a的局部外间隔中的所有内间隔中的第l个内间隔的像素点分布组合在整个编号为a的局部外间隔中所占的数量，P(a,l)表示编号为a的局部外间隔中的第l个内间隔的像素点组合分布组合在整个编号为a的局部外间隔中出现的分布概率，表示编号为a的局部外间隔中的所有不同内间隔中像素点组合分布组合在整个编号为a的局部外间隔中的分布概率的均值，β_a表示编号为a的局部外间隔的权重值。

4.根据权利要求1所述基于物联网的路由数据管理方法，其特征在于，所述第一相似度的获取方法包括：

将目标行的任意一个局部外间隔的任意一个内间隔与其它的一个局部外间隔的任意一个内间隔的所有像素点的灰度值的差异作为指数函数的变量，指数函数输出第一相似度。

5.根据权利要求1所述基于物联网的路由数据管理方法，其特征在于，所述第二相似度的获取方法包括：

第二相似度的公式为：

其中，b表示目标行的局部外间隔，c表示待比较行的局部外间隔，V表示c中的内间隔的数量，表示b中的第w个内间隔的第一个点距离c中的第v个内间隔的第一个点的欧式距离，γ(b_w,c_v)表示b中的第w个内间隔和c中的第v个内间隔的相似度，softmax()为指数归一化函数，R(b_w,c)表示b中的第w个内间隔和c的整体相似度。

6.根据权利要求1所述基于物联网的路由数据管理方法，其特征在于，所述第三相似度的获取方法包括：

第三相似度的公式为：

其中，b表示目标行的局部外间隔，c表示待比较行的局部外间隔，W表示b中的内间隔数，R(b_w,c)表示b中的第w个内间隔和c的整体相似度，表示第w个内间隔的权重值，b_w表示b中的第w个内间隔，b₁表示b中的第1个内间隔，w表示第w个内间隔，R(b₁,c)表示b中的第1个内间隔和c的整体相似度，δ(b,c)表示第三相似度。

7.根据权利要求1所述基于物联网的路由数据管理方法，其特征在于，所述第四相似度的获取方法包括：

由每行中的所有局部外间隔的第一权重值和第三相似度的乘积的和作为第四相似度。

8.根据权利要求1所述基于物联网的路由数据管理方法，其特征在于，所述各个类簇的行和局部外间隔按照相似度大到小的顺序排序的获取方法包括：

首先对数据进行排序，将平均相似度按照从大到小进行类簇的排序，然后在类簇内部同样根据行数据的相似度值从大到小进行类簇内部行数据的排序，最后在行数据内部同样根据局部外间隔的相似性从大到小进行行数据内部的排序，得到最终的排序结果。

9.根据权利要求1所述基于物联网的路由数据管理方法，其特征在于，所述扫描得到密钥以及对应的密文内容的获取方法包括：

对最终的排序结果进行扫描，扫描方式为从第一个类簇中的第一行数据的第一个局部外间隔，到第二个类簇中的第一行数据的第一个局部外间隔，依次扫描，然后从最后一个类簇中的第一行数据的第二个局部外间隔到倒数第二个类簇中的第一行数据的第二个局部外间隔，依次进行扫描得到密钥以及对应的密文内容。