CN116561813A - 一种应用于档案信息的安全管理系统 - Google Patents
一种应用于档案信息的安全管理系统 Download PDFInfo
- Publication number
- CN116561813A CN116561813A CN202310852549.2A CN202310852549A CN116561813A CN 116561813 A CN116561813 A CN 116561813A CN 202310852549 A CN202310852549 A CN 202310852549A CN 116561813 A CN116561813 A CN 116561813A
- Authority
- CN
- China
- Prior art keywords
- layer
- feature extraction
- encryption
- feature
- input end
- 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
Links
- 238000000605 extraction Methods 0.000 claims abstract description 136
- 238000011176 pooling Methods 0.000 claims description 46
- 230000004913 activation Effects 0.000 claims description 25
- 238000000034 method Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 description 24
- 230000009286 beneficial effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
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
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- 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
-
- 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
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Bioethics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computer Security & Cryptography (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Storage Device Security (AREA)
Abstract
本发明公开了一种应用于档案信息的安全管理系统,属于数据处理技术领域,本发明中采用深浅通道特征提取单元和回环特征提取单元直接识别档案资料上的文字信息,实现档案上文字信息的自动录入,减少档案录入人工成本,提高录入准确率,在获知文字信息的情况下,将同类型的档案进行归类,再对各类型的档案进行加密处理,得到密文,防止档案信息泄露,同时,将密文存储在本地中,采用区块链存储用户访问密文信息,在区块链中用户访问密文信息存储在区块链上的每一个节点上,本发明利用了区块链信息广播的特征,避免非法用户删除访问记录。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种应用于档案信息的安全管理系统。
背景技术
现有在整理档案时,需要人工录入档案上的文字信息,从而根据档案上的文字信息对其分类存储。但采用人工录入档案上的文字信息的方式,需要消耗的人力成本较大,且容易出现错字,留下错误的档案信息,从而造成档案信息不准确。同时,将档案信息直接存储在本地数据库上,容易被其他拥有管理权限的人和非法侵入者随时调取和访问,造成档案信息的泄露,在其删除访问记录时,无法对其访问记录进行追溯。
发明内容
针对现有技术中的上述不足,本发明提供的一种应用于档案信息的安全管理系统解决了以下问题:
1、人工录入档案信息,人力成本大且容易出错;
2、档案信息容易泄露;
3、访问记录无法追溯。
为了达到上述发明目的,本发明采用的技术方案为:一种应用于档案信息的安全管理系统,包括:深浅通道特征提取单元、回环特征提取单元、分类单元、编码加密单元和存储单元;
所述深浅通道特征提取单元用于提取档案深浅两个尺度的特征,并融合得到文字特征;
所述回环特征提取单元设置有输出反馈环路,用于对文字特征进行反馈递归方式的深度特征提取,得到文字信息;
所述分类单元用于根据文字信息,对档案进行分类,得到各类型的档案;
所述编码加密单元用于对各类型的档案进行编码,进行编码数据按位加密,并对加密数据移位处理,得到密文;
所述存储单元用于将密文存储在本地上,将用户访问密文信息存储在区块链上。
进一步地,所述深浅通道特征提取单元包括:第一卷积层、第一池化层、第二卷积层、第二池化层和第一特征提取层;
所述第一卷积层的输入端作为深浅通道特征提取单元的输入端,其输出端与第一池化层的输入端连接;所述第一池化层的输出端分别与第二卷积层的输入端和第一特征提取层的输入端连接;所述第二池化层的输入端与第二卷积层的输出端连接,其输出端与第一特征提取层的输入端连接;所述第一特征提取层的输出端作为深浅通道特征提取单元的输出端。
进一步地,所述回环特征提取单元包括:第三卷积层、第三池化层、第二特征提取层、第三特征提取层、第四卷积层和Softmax层;
所述第三卷积层的输入端作为回环特征提取单元的输入端;所述第三池化层的输入端与第三卷积层的输出端连接,其输出端与第二特征提取层的输入端连接;所述第三特征提取层的输入端与第二特征提取层的输出端连接,其输出端与第四卷积层的输入端连接;所述第四卷积层的输出端与Softmax层的输入端连接;所述Softmax层的输出端作为回环特征提取单元的输出端。
上述进一步地方案的有益效果为:本发明中第一特征提取层将不同深度的特征进行融合再提取特征,提高对显著特征的关注度,再输入回环特征提取单元中第三卷积层进行卷积处理,输入第三池化层进行池化处理,降低数据量,再通过第二特征提取层和第三特征提取层再次提取特征,深度挖掘特征。
进一步地,所述第一特征提取层的表达式为:
,
其中,为第一特征提取层输出的文字特征,/>为S型激活函数,/>为第一特征提取层的第一权重参数,/>为按元素相乘,/>为第一特征提取层的第二权重参数,/>为第一特征提取层的偏置参数,/>为第一池化层的输出特征,/>为第二池化层的输出特征,/>为拼接运算,/>为第一特征提取层的第三权重参数。
上述进一步地方案的有益效果为:对第一池化层的输出特征和第二池化层的输出特征/>分别赋予不同权重,实现对浅层和深层特征赋予不同关注度,并将特征进行拼接,采用/>函数实现对特征的选取。
进一步地,所述第一特征提取层的第一权重参数的计算公式为:
,
其中,为S型激活函数,/>为线性整流激活函数,/>为卷积层运算,/>为第一池化层的第/>个通道的第/>个值,/>为通道中值的数量;
所述第一特征提取层的第二权重参数的计算公式为:
,
其中,为S型激活函数,/>为线性整流激活函数,/>为卷积层运算,/>为第二池化层的第/>个通道的第/>个值,/>为通道中值的数量。
上述进一步地方案的有益效果为:在池化层的每个通道上,将每个通道上的数据分布情况作为衡量权重参数的基础,采用卷积层进行卷积处理后,采用线性整流激活函数和S型激活函数处理,得到每个通道的权重,将每个通道的权重分别与和/>相乘,实现自适应的对特征施加注意力。
进一步地,所述第二特征提取层的表达式为:
,
其中,为第二特征提取层的输出特征,/>为第二特征提取层的权重参数,/>为第二特征提取层的偏置参数,/>为第三池化层的输出特征,/>为拼接运算,/>为双曲正切函数,/>为第/>时刻的状态量。
上述进一步地方案的有益效果为:本发明中将第三特征提取层上一时刻输出的状态量作为第二特征提取层的输入,通过过往的状态量/>和当前的输入特征/>共同作为第二特征提取层的输入,使得第三特征提取层具备记忆性,从而在进行文字识别时,能提高文字识别的精度。
进一步地,所述第三特征提取层的表达式为:
,
其中,为第三特征提取层的输出特征,/>为第/>时刻的状态量,为S型激活函数,/>为第三特征提取层的权重参数,/>为第三特征提取层的偏置参数,/>为拼接运算,/>为第二特征提取层的输出特征。
上述进一步地方案的有益效果为:本发明中再次对第二特征提取层的输出特征和上一时刻的状态/>进行提取特征,完成进一步地特征提取。
进一步地,所述状态量的表达式为:
,
其中,为第/>时刻的状态量,/>为S型激活函数,/>为状态权重,为第二特征提取层的第/>时刻的输出特征,/>为第三特征提取层的第/>时刻的输出特征,/>为拼接运算。
上述进一步地方案的有益效果为:本发明中选择第三特征提取层的输出特征和第二特征提取层的输出特征的部分特征,作为状态量,进入下一次的特征提取过程,使得第二特征提取层和第三特征提取层具备记忆性,从而提高文字识别精度。
进一步地,所述编码加密单元包括:数据切片子单元、编码子单元、第一加密子单元和第二加密子单元;
所述数据切片子单元用于对每种类型中每个档案数据进行切片处理,得到多份档案子数据;
所述编码子单元用于对每份档案子数据进行编码处理,得到编码数据;
所述第一加密子单元用于对编码数据进行第一次加密处理,得到加密数据;
所述第二加密子单元用于对加密数据进行第二加密处理,得到密文。
上述进一步地方案的有益效果为:本发明中对每种类型中每个档案数据进行切片处理,分成多份子数据,从而便于对每份子数据进行加密,先对每份子数据进行编码处理,得到编码数据,再对编码数据中的值进行第一加密处理,得到加密数据,再对加密数据进行第二加密,得到密文。
进一步地,所述第一次加密处理的表达式为:
,
,
其中,为加密数据中第/>个加密值,/>为编码数据中第/>个编码值,/>为异或操作,/>为第/>次迭代的加密参数,/>为第/>次迭代的加密参数,/>为/>位带符号定点小数,/>的小数位数为/>,/>为整数,/>为整数,/>,/>为/>的第/>位,为迭代次数,/>为对数函数,/>为加密参数;
所述第二加密处理的公式为:
,
其中,为密文中的第/>个加密值,/>为加密数据中第/>个加密值,/>为取非运算。
上述进一步地方案的有益效果为:在第一次加密时,迭代次数根据加密需要进行设置,迭代次数/>决定加密参数/>的数值情况,并根据在计算机系统中加密参数/>的存储位数,依次进行取位,将每位的0或1与编码数据中的0和1进行异或操作,从而实现数据加密,在第二次加密时,采用按位取反操作,并将第/>个加密值移到第/>处,实现位置变化,进一步的增加数据加密情况。
综上,本发明的有益效果为:本发明中采用深浅通道特征提取单元和回环特征提取单元直接识别档案资料上的文字信息,实现档案上文字信息的自动录入,减少档案录入人工成本,提高录入准确率,在获知文字信息的情况下,将同类型的档案进行归类,再对各类型的档案进行加密处理,得到密文,防止档案信息泄露,同时,将密文存储在本地中,采用区块链存储用户访问密文信息,在区块链中用户访问密文信息存储在区块链上的每一个节点上,本发明利用了区块链信息广播的特征,避免非法用户删除访问记录。
附图说明
图1为一种应用于档案信息的安全管理系统的系统框图;
图2为深浅通道特征提取单元的结构示意图;
图3为回环特征提取单元的结构示意图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,一种应用于档案信息的安全管理系统,包括:深浅通道特征提取单元、回环特征提取单元、分类单元、编码加密单元和存储单元;
所述深浅通道特征提取单元用于提取档案深浅两个尺度的特征,并融合得到文字特征;
所述回环特征提取单元设置有输出反馈环路,用于对文字特征进行反馈递归方式的深度特征提取,得到文字信息;
所述分类单元用于根据文字信息,对档案进行分类,得到各类型的档案;
所述编码加密单元用于对各类型的档案进行编码,进行编码数据按位加密,并对加密数据移位处理,得到密文;
所述存储单元用于将密文存储在本地上,将用户访问密文信息存储在区块链上。
在本实施例中,分类单元可根据相同的文字信息对档案进行分类。
如图2所示,所述深浅通道特征提取单元包括:第一卷积层、第一池化层、第二卷积层、第二池化层和第一特征提取层;
所述第一卷积层的输入端作为深浅通道特征提取单元的输入端,其输出端与第一池化层的输入端连接;所述第一池化层的输出端分别与第二卷积层的输入端和第一特征提取层的输入端连接;所述第二池化层的输入端与第二卷积层的输出端连接,其输出端与第一特征提取层的输入端连接;所述第一特征提取层的输出端作为深浅通道特征提取单元的输出端。
如图3所示,所述回环特征提取单元包括:第三卷积层、第三池化层、第二特征提取层、第三特征提取层、第四卷积层和Softmax层;
所述第三卷积层的输入端作为回环特征提取单元的输入端;所述第三池化层的输入端与第三卷积层的输出端连接,其输出端与第二特征提取层的输入端连接;所述第三特征提取层的输入端与第二特征提取层的输出端连接,其输出端与第四卷积层的输入端连接;所述第四卷积层的输出端与Softmax层的输入端连接;所述Softmax层的输出端作为回环特征提取单元的输出端。
本发明中第一特征提取层将不同深度的特征进行融合再提取特征,提高对显著特征的关注度,再输入第三卷积层进行卷积处理,输入第三池化层进行池化处理,降低数据量,再通过第二特征提取层和第三特征提取层再次提取特征,深度挖掘特征。
所述第一特征提取层的表达式为:
,
其中,为第一特征提取层输出的文字特征,/>为S型激活函数,/>为第一特征提取层的第一权重参数,/>为按元素相乘,/>为第一特征提取层的第二权重参数,/>为第一特征提取层的偏置参数,/>为第一池化层的输出特征,/>为第二池化层的输出特征,/>为拼接运算,/>为第一特征提取层的第三权重参数。
本发明对第一池化层的输出特征和第二池化层的输出特征/>分别赋予不同权重,实现对浅层和深层特征赋予不同关注度,并将特征进行拼接,采用/>函数实现对特征的选取。
所述第一特征提取层的第一权重参数的计算公式为:
,
其中,为S型激活函数,/>为线性整流激活函数,/>为卷积层运算,/>为第一池化层的第/>个通道的第/>个值,/>为通道中值的数量;
所述第一特征提取层的第二权重参数的计算公式为:
,
其中,为S型激活函数,/>为线性整流激活函数,/>为卷积层运算,/>为第二池化层的第/>个通道的第/>个值,/>为通道中值的数量。
本发明在池化层的每个通道上,将每个通道上的数据分布情况作为衡量权重参数的基础,采用卷积层进行卷积处理后,采用线性整流激活函数和S型激活函数处理,得到每个通道的权重,将每个通道的权重分别与和/>相乘,实现自适应的对特征施加注意力。
所述第二特征提取层的表达式为:
,
其中,为第二特征提取层的输出特征,/>为第二特征提取层的权重参数,/>为第二特征提取层的偏置参数,/>为第三池化层的输出特征,/>为拼接运算,/>为双曲正切函数,/>为第/>时刻的状态量。
本发明中将第三特征提取层上一时刻输出的状态量作为第二特征提取层的输入,通过过往的状态量/>和当前的输入特征/>共同作为第二特征提取层的输入,使得第三特征提取层具备记忆性,从而在进行文字识别时,能提高文字识别的精度。
所述第三特征提取层的表达式为:
,
其中,为第三特征提取层的输出特征,/>为第/>时刻的状态量,为S型激活函数,/>为第三特征提取层的权重参数,/>为第三特征提取层的偏置参数,/>为拼接运算,/>为第二特征提取层的输出特征。
本发明中再次对第二特征提取层的输出特征和上一时刻的状态/>进行提取特征,完成进一步地特征提取。
所述状态量的表达式为:
,
其中,为第/>时刻的状态量,/>为S型激活函数,/>为状态权重,为第二特征提取层的第/>时刻的输出特征,/>为第三特征提取层的第/>时刻的输出特征,/>为拼接运算。
本发明中选择第三特征提取层的输出特征和第二特征提取层的输出特征的部分特征,作为状态量,进入下一次的特征提取过程,使得第二特征提取层和第三特征提取层具备记忆性,从而提高文字识别精度。
所述编码加密单元包括:数据切片子单元、编码子单元、第一加密子单元和第二加密子单元;
所述数据切片子单元用于对每种类型中每个档案数据进行切片处理,得到多份档案子数据;
所述编码子单元用于对每份档案子数据进行编码处理,得到编码数据;
所述第一加密子单元用于对编码数据进行第一次加密处理,得到加密数据;
所述第二加密子单元用于对加密数据进行第二加密处理,得到密文。
本发明中对每种类型中每个档案数据进行切片处理,分成多份子数据,从而便于对每份子数据进行加密,先对每份子数据进行编码处理,得到编码数据,再对编码数据中的值进行第一加密处理,得到加密数据,再对加密数据进行第二加密,得到密文。
所述第一次加密处理的表达式为:
,
,
其中,为加密数据中第/>个加密值,/>为编码数据中第/>个编码值,/>为异或操作,/>为第/>次迭代的加密参数,/>为第/>次迭代的加密参数,/>为/>位带符号定点小数,/>的小数位数为/>,/>为整数,/>为整数,/>,/>为/>的第/>位,为迭代次数,/>为对数函数,/>为加密参数;
所述第二加密处理的公式为:
,
其中,为密文中的第/>个加密值,/>为加密数据中第/>个加密值,/>为取非运算。
本发明在第一次加密时,迭代次数根据加密需要进行设置,迭代次数/>决定加密参数/>的数值情况,并根据在计算机系统中加密参数/>的存储位数,依次进行取位,将每位的0或1与编码数据中的0和1进行异或操作,从而实现数据加密,在第二次加密时,采用按位取反操作,并将第/>个加密值移到第/>处,实现位置变化,进一步的增加数据加密情况。
本发明中采用深浅通道特征提取单元和回环特征提取单元直接识别档案资料上的文字信息,实现档案上文字信息的自动录入,减少档案录入人工成本,提高录入准确率,在获知文字信息的情况下,将同类型的档案进行归类,再对各类型的档案进行加密处理,得到密文,防止档案信息泄露,同时,将密文存储在本地中,采用区块链存储用户访问密文信息,在区块链中用户访问密文信息存储在区块链上的每一个节点上,本发明利用了区块链信息广播的特征,避免非法用户删除访问记录,在区块链上,该用户访问密文信息分布在区块链的每一个节点上,使得用户访问密文信息无法被删除,用户访问密文信息可追溯。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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 (10)
1.一种应用于档案信息的安全管理系统,其特征在于,包括:深浅通道特征提取单元、回环特征提取单元、分类单元、编码加密单元和存储单元;
所述深浅通道特征提取单元用于提取档案深浅两个尺度的特征,并融合得到文字特征;
所述回环特征提取单元设置有输出反馈环路,用于对文字特征进行反馈递归方式的深度特征提取,得到文字信息;
所述分类单元用于根据文字信息,对档案进行分类,得到各类型的档案;
所述编码加密单元用于对各类型的档案进行编码,进行编码数据按位加密,并对加密数据移位处理,得到密文;
所述存储单元用于将密文存储在本地上,将用户访问密文信息存储在区块链上。
2.根据权利要求1所述的应用于档案信息的安全管理系统,其特征在于,所述深浅通道特征提取单元包括:第一卷积层、第一池化层、第二卷积层、第二池化层和第一特征提取层;
所述第一卷积层的输入端作为深浅通道特征提取单元的输入端,其输出端与第一池化层的输入端连接;所述第一池化层的输出端分别与第二卷积层的输入端和第一特征提取层的输入端连接;所述第二池化层的输入端与第二卷积层的输出端连接,其输出端与第一特征提取层的输入端连接;所述第一特征提取层的输出端作为深浅通道特征提取单元的输出端。
3.根据权利要求1所述的应用于档案信息的安全管理系统,其特征在于,所述回环特征提取单元包括:第三卷积层、第三池化层、第二特征提取层、第三特征提取层、第四卷积层和Softmax层;
所述第三卷积层的输入端作为回环特征提取单元的输入端;所述第三池化层的输入端与第三卷积层的输出端连接,其输出端与第二特征提取层的输入端连接;所述第三特征提取层的输入端与第二特征提取层的输出端连接,其输出端与第四卷积层的输入端连接;所述第四卷积层的输出端与Softmax层的输入端连接;所述Softmax层的输出端作为回环特征提取单元的输出端。
4.根据权利要求2所述的应用于档案信息的安全管理系统,其特征在于,所述第一特征提取层的表达式为:
,
其中,为第一特征提取层输出的文字特征,/>为S型激活函数,/>为第一特征提取层的第一权重参数,/>为按元素相乘,/>为第一特征提取层的第二权重参数,/>为第一特征提取层的偏置参数,/>为第一池化层的输出特征,/>为第二池化层的输出特征,为拼接运算,/>为第一特征提取层的第三权重参数。
5.根据权利要求4所述的应用于档案信息的安全管理系统,其特征在于,所述第一特征提取层的第一权重参数的计算公式为:
,
其中,为S型激活函数,/>为线性整流激活函数,/>为卷积层运算,为第一池化层的第/>个通道的第/>个值,/>为通道中值的数量;
所述第一特征提取层的第二权重参数的计算公式为:
,
其中,为S型激活函数,/>为线性整流激活函数,/>为卷积层运算,为第二池化层的第/>个通道的第/>个值,/>为通道中值的数量。
6.根据权利要求3所述的应用于档案信息的安全管理系统,其特征在于,所述第二特征提取层的表达式为:
,
其中,为第二特征提取层的输出特征,/>为第二特征提取层的权重参数,/>为第二特征提取层的偏置参数,/>为第三池化层的输出特征,/>为拼接运算,/>为双曲正切函数,/>为第/>时刻的状态量。
7.根据权利要求6所述的应用于档案信息的安全管理系统,其特征在于,所述第三特征提取层的表达式为:
,
其中,为第三特征提取层的输出特征,/>为第/>时刻的状态量,/>为S型激活函数,/>为第三特征提取层的权重参数,/>为第三特征提取层的偏置参数,/>为拼接运算,/>为第二特征提取层的输出特征。
8.根据权利要求7所述的应用于档案信息的安全管理系统,其特征在于,所述状态量的表达式为:
,
其中,为第/>时刻的状态量,/>为S型激活函数,/>为状态权重,/>为第二特征提取层的第/>时刻的输出特征,/>为第三特征提取层的第/>时刻的输出特征,/>为拼接运算。
9.根据权利要求1所述的应用于档案信息的安全管理系统,其特征在于,所述编码加密单元包括:数据切片子单元、编码子单元、第一加密子单元和第二加密子单元;
所述数据切片子单元用于对每种类型中每个档案数据进行切片处理,得到多份档案子数据;
所述编码子单元用于对每份档案子数据进行编码处理,得到编码数据;
所述第一加密子单元用于对编码数据进行第一次加密处理,得到加密数据;
所述第二加密子单元用于对加密数据进行第二加密处理,得到密文。
10.根据权利要求9所述的应用于档案信息的安全管理系统,其特征在于,所述第一次加密处理的表达式为:
,
,
其中,为加密数据中第/>个加密值,/>为编码数据中第/>个编码值,/>为异或操作,为第/>次迭代的加密参数,/>为第/>次迭代的加密参数,/>为/>位带符号定点小数,/>的小数位数为/>,/>为整数,/>为整数,/>,/>为/>的第/>位,/>为迭代次数,/>为对数函数,/>为加密参数;
所述第二加密处理的公式为:
,
其中,为密文中的第/>个加密值,/>为加密数据中第/>个加密值,/>为取非运算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310852549.2A CN116561813B (zh) | 2023-07-12 | 2023-07-12 | 一种应用于档案信息的安全管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310852549.2A CN116561813B (zh) | 2023-07-12 | 2023-07-12 | 一种应用于档案信息的安全管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116561813A true CN116561813A (zh) | 2023-08-08 |
CN116561813B CN116561813B (zh) | 2023-09-26 |
Family
ID=87498690
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310852549.2A Active CN116561813B (zh) | 2023-07-12 | 2023-07-12 | 一种应用于档案信息的安全管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116561813B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117195891A (zh) * | 2023-11-07 | 2023-12-08 | 成都航空职业技术学院 | 一种基于数据分析的工程施工材料供应链管理系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170317983A1 (en) * | 2016-04-28 | 2017-11-02 | Xerox Corporation | Image document processing in a client-server system including privacy-preserving text recognition |
CN111507386A (zh) * | 2020-04-09 | 2020-08-07 | 中国科学院声学研究所南海研究站 | 一种存储文件及网络数据流加密通信检测方法及系统 |
CN111538969A (zh) * | 2020-03-30 | 2020-08-14 | 北京万里红科技股份有限公司 | 文档加密方法、文档解密方法、装置、电子设备及介质 |
CN113626456A (zh) * | 2021-08-18 | 2021-11-09 | 安徽宝葫芦信息科技集团股份有限公司 | 一种基于区块链技术的档案数据一致性保持系统及方法 |
CN113761557A (zh) * | 2021-09-02 | 2021-12-07 | 积至(广州)信息技术有限公司 | 一种基于全同态加密算法的多方深度学习隐私保护方法 |
US20230073661A1 (en) * | 2022-11-14 | 2023-03-09 | Intel Corporation | Accelerating data load and computation in frontend convolutional layer |
-
2023
- 2023-07-12 CN CN202310852549.2A patent/CN116561813B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170317983A1 (en) * | 2016-04-28 | 2017-11-02 | Xerox Corporation | Image document processing in a client-server system including privacy-preserving text recognition |
CN111538969A (zh) * | 2020-03-30 | 2020-08-14 | 北京万里红科技股份有限公司 | 文档加密方法、文档解密方法、装置、电子设备及介质 |
CN111507386A (zh) * | 2020-04-09 | 2020-08-07 | 中国科学院声学研究所南海研究站 | 一种存储文件及网络数据流加密通信检测方法及系统 |
CN113626456A (zh) * | 2021-08-18 | 2021-11-09 | 安徽宝葫芦信息科技集团股份有限公司 | 一种基于区块链技术的档案数据一致性保持系统及方法 |
CN113761557A (zh) * | 2021-09-02 | 2021-12-07 | 积至(广州)信息技术有限公司 | 一种基于全同态加密算法的多方深度学习隐私保护方法 |
US20230073661A1 (en) * | 2022-11-14 | 2023-03-09 | Intel Corporation | Accelerating data load and computation in frontend convolutional layer |
Non-Patent Citations (1)
Title |
---|
杨雯;张北建;: "大数据时代高校电子档案信息化建设现状及发展策略", 机电兵船档案, no. 02 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117195891A (zh) * | 2023-11-07 | 2023-12-08 | 成都航空职业技术学院 | 一种基于数据分析的工程施工材料供应链管理系统 |
CN117195891B (zh) * | 2023-11-07 | 2024-01-23 | 成都航空职业技术学院 | 一种基于数据分析的工程施工材料供应链管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116561813B (zh) | 2023-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Krasnobayev et al. | A Method for arithmetic comparison of data represented in a residue number system | |
CN116561813B (zh) | 一种应用于档案信息的安全管理系统 | |
CN110647505B (zh) | 一种基于指纹特征的计算机辅助密点标注方法 | |
CN111428142B (zh) | 一种基于随机森林分类器的代码评审人推荐系统及方法 | |
CN104142998A (zh) | 一种文本分类方法 | |
US9754023B2 (en) | Stochastic document clustering using rare features | |
CN112734195B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
US20180137149A1 (en) | De-identification data generation apparatus, method, and non-transitory computer readable storage medium thereof | |
US9172534B2 (en) | Range search system, range search method, and range search program | |
CN110837568A (zh) | 实体对齐方法及装置、电子设备、存储介质 | |
CN112988698A (zh) | 一种数据处理方法以及装置 | |
CN106605222A (zh) | 有指导的数据探索 | |
CN117331948A (zh) | 一种财务数据存储方法及装置 | |
CN106776641A (zh) | 一种数据处理方法及装置 | |
CN109359481B (zh) | 一种基于bk树的反碰撞搜索约减方法 | |
CN113420119B (zh) | 基于知识卡片的智能问答方法、装置、设备及存储介质 | |
CN112333291B (zh) | 一种文件防重传方法 | |
CN116566585B (zh) | 一种信息化智能存储方法 | |
CN117454409A (zh) | 一种商业敏感数据安全存储方法 | |
Hiester | File fragment classification using neural networks with lossless representations | |
CN106571909A (zh) | 数据加密方法及装置 | |
CN107908732A (zh) | 一种相互隔离的多来源大数据融合分析方法及系统 | |
CN115862653A (zh) | 音频去噪方法、装置、计算机设备和存储介质 | |
CN105988980A (zh) | 信息处理设备和数据管理方法 | |
CN110728585A (zh) | 核保方法、装置、设备及存储介质 |
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 |