CN116566585A - 一种信息化智能存储方法 - Google Patents

一种信息化智能存储方法 Download PDF

Info

Publication number
CN116566585A
CN116566585A CN202310834102.2A CN202310834102A CN116566585A CN 116566585 A CN116566585 A CN 116566585A CN 202310834102 A CN202310834102 A CN 202310834102A CN 116566585 A CN116566585 A CN 116566585A
Authority
CN
China
Prior art keywords
sequence
data
initial encryption
combined
value
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
CN202310834102.2A
Other languages
English (en)
Other versions
CN116566585B (zh
Inventor
张庆平
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.)
Northeast Institute of Geography and Agroecology of CAS
Original Assignee
Northeast Institute of Geography and Agroecology of CAS
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 Northeast Institute of Geography and Agroecology of CAS filed Critical Northeast Institute of Geography and Agroecology of CAS
Priority to CN202310834102.2A priority Critical patent/CN116566585B/zh
Publication of CN116566585A publication Critical patent/CN116566585A/zh
Application granted granted Critical
Publication of CN116566585B publication Critical patent/CN116566585B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/001Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using chaotic signals
    • 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

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Storage Device Security (AREA)

Abstract

本发明涉及数据处理技术领域,提出了一种信息化智能存储方法,包括:获取组合序列和初始加密序列;将初始加密序列构建为直方图,根据直方图中所表示的信息得到第一敏感性评估因子;根据每个组合序列与其余组合序列之间拟合直线斜率的差异和数据值均值差异得到第二敏感性评估因子;根据第一敏感性评估因子和第二敏感性评估因子权重相加得到每个数据的敏感性,基于此对数据分类;对于初始加密序列得到置乱序列,根据序列相似性和数据类型得到最优置乱加密序列;根据最优置乱加密序列完成数据的存储。本发明使用最优自适应置乱得到最优置乱序列达到最优置乱加密效果。

Description

一种信息化智能存储方法
技术领域
本发明涉及数据处理技术领域,具体涉及一种信息化智能存储方法。
背景技术
信息化智能存储是一种将传统的数据存储与先进的技术和算法相结合的存储方式,它通过自动化、智能化的手段对海量数据进行分析和处理,提高了数据存储的效率和安全性;信息化智能存储通常采用高速网络和大容量存储设备,以满足用户在数据存储、备份和恢复方面的需求。此外,它还能通过数据管理,数据共享,数据加密等功能来保证数据的完整性、可靠性和安全性。因此信息化的智能存储在企业、政府和个人等各种邻域都得到了广泛的应用。而为了保护企业或个人的数据信息安全;在信息存储时对其加密的操作必不可少;目前对于该类信息数据常用的方法为置乱加密,即通过改变数据之间的相邻位置信息,破坏原始数据之间的关联性来实现加密操作;从而保证数据在后续压缩传输或存储的过程中完整性和机密性。上述的加密处理方式对于当前大量信息化数据集场景下易造成较为严重的冗余,导致产生大量的密钥且得到的置乱效果不佳即存在置乱后的序列与原始数据集序列相似性较大,此时数据的安全性得不到保证。
发明内容
本发明提供一种信息化智能存储方法,以解决不同数据下同一个加密带来的安全性问题的问题,所采用的技术方案具体如下:
本发明一个实施例提供一种信息化智能存储方法,该方法包括以下步骤:
获取组合序列和初始加密序列;
将初始加密序列构建为直方图,根据直方图中所表示的信息获取初始加密序列中每个数据和其周围数据的频数差异以及每个数据的频次,并得到第一敏感性评估因子;根据每个组合序列得到一个特征曲线空间,将特征曲线纵轴压缩获取拟合直线;根据每个组合序列与其余组合序列之间拟合直线斜率的差异和组合序列的数据值均值差异得到每个组合序列的第二敏感性评估因子;根据每个数据的第一敏感性评估因子和数据所在的组合序列对应的第二敏感性评估因子权重相加得到每个数据的敏感性;根据数据的敏感性对所有数据分类得到强敏感类和弱敏感类;
对于初始加密序列得到其若干置乱序列,根据置乱序列和初始加密序列的相似性并结合每个初始加密序列的强敏感类和弱敏感类得到每个置乱序列的评估值;根据置乱序列的评估值得到最优置乱加密序列;
根据最优置乱加密序列完成数据的存储。
优选的,所述获取组合序列和初始加密序列的方法为:
对于任意一个场景,获取该场景下每一类数据的所有数据,按照采集顺序将每一类数据作为一个组合序列,将所有的组合序列随机标号,按照标号进行排序,所有组合序列按照排序依次组合为一个初始加密序列,只有当一个组合序列填充完成后,在填充下一个组合序列的数据。
优选的,所述将初始加密序列构建为直方图的方法为:
对于每个初始加密序列,统计其中每个数据值对应的数据的数量,得到每个数据值对应的频数,根据初始加密序列得到的直方图,其横坐标为初始加密序列中不同的数据值,其纵坐标为每个数据值对应的频数。
优选的,所述根据直方图中所表示的信息获取初始加密序列中每个数据和其周围数据的频数差异以及每个数据的频次,并得到第一敏感性评估因子的方法为:
对于初始加密序列中的每一个数据记为中心数据,同时只能存在一个中心数据,以中心数据为中心,在中心数据的左侧和右侧分别获取预设数量个数据记为间隔数值,由此构成间隔区间,间隔区间中除了中心数据的其余数据记为间隔数据,计算中心数据和每个间隔数据的数据值之差的均值,根据均值与中心数据的频数得到中心数据的第一敏感性评估因子。
优选的,所述根据均值与中心数据的频数得到中心数据的第一敏感性评估因子的方法为:
式中,表示初始加密序列中第i个数据,/>表示初始加密序列中第i个数据对应的频数,/>表示初始加密序列中的数据数量,/>表示初始加密序列中第i+j个数据对应的频数,/>表示间隔数值的大小,/>表示以自然常数为底的指数函数,其作用为归一化,/>为权重数值,/>表示初始加密序列中第i个数据的第一敏感性评估因子。
优选的,所述根据每个组合序列得到一个特征曲线空间,将特征曲线纵轴压缩获取拟合直线的方法为:
特征曲线空间的横轴为组合序列中的位次,纵轴为组合序列中的数据值,将所有数据值进行线性归一化得到归一化数值,纵轴也变为了归一化数值,此时将每个组合序列中的所有数据按照横纵轴对应关系放入特征曲线空间中,对于每个组合序列的所有数据使用最小二乘法获取拟合直线的最优斜率。
优选的,所述根据每个组合序列与其余组合序列之间拟合直线斜率的差异和组合序列的数据值均值差异得到每个组合序列的第二敏感性评估因子的方法为:
将组合序列记为第一组合序列,第一组合序列只能同时存在一个,第一组合序列外的组合序列记为第二组合序列,获取第一组合序列和每个第二组合序列的斜率差异记为第一斜率差异,计算第一组合序列所有数据的归一化数值的均值,计算第二组合序列所有数据的归一化数值的均值,令第一组合序列的归一化数值均值和第二组合序列的归一化数值均值作差得到第一均值差异,将第一均值差异和第一斜率差异都取反比例函数与权重相乘后相加的值记为第一组合序列与每个第二组合序列的连通性,将第一组合序列和所有第二组合序列的连通性求均值获取第一组合序列的第二敏感性评估因子。
优选的,所述对于初始加密序列得到其若干置乱序列,根据置乱序列和初始加密序列的相似性并结合每个初始加密序列的强敏感类和弱敏感类得到每个置乱序列的评估值的方法为:
首先生成若干个混沌序列,利用混沌序列对初始加密序列进行置乱得到初始加密序列的置乱序列;根据初始加密序列和混沌序列中相同位置相同数值的数量根据不同数据分类获取对置乱序列的评估值。
优选的,所述利用混沌序列对初始加密序列进行置乱得到初始加密序列的置乱序列的方法为:
混沌序列中的数与初始加密序列中的位置相对应,从混沌序列中读取未被替换的第一个数据,根据其数值在初始加密序列中找到该数值表示的位置,将位置上初始加密序列的数值填充在混沌序列中,初始加密序列的数值在被放置在混沌序列中时,此时将该数值从初始加密序列中删除,初始加密序列的长度减一,若混沌序列中的数值此时大于初始加密序列的长度,那么此时将初始加密序列中最靠后的数放在混沌序列该数值的位置上。
优选的,所述根据初始加密序列和混沌序列中相同位置相同数值的数量根据不同数据分类获取对置乱序列的评估值的方法为:
式中,表示初始加密序列中属于Q类数据的第i个数据的数据值,/>表示初始加密序列相对应的置乱序列中属于Q类数据的第i个数据的数据值,/>表示该初始加密序列中属于Q类的数据的数量,/>表示属于Q类的数据中数据值相等的数据的数量,/>表示初始加密序列中属于R类数据的第i个数据的数据值,/>表示初始加密序列相对应的置乱序列中属于R类数据的第i个数据的数据值,/>表示该初始加密序列中属于R类的数据的数量,/>表示属于R类的数据中数据值相等的数据的数量,/>表示以自然常数为底的指数函数,/>为权重大小,/>表示置乱序列的评估值。
本发明的有益效果是:本发明首先将所有采集数据汇聚到一个序列中,根据该序列的直方图获取不同数据的敏感性,其次又将每个小序列又一次获取序列的敏感性,从宏观到微观,从整体个局部两方面确认数据的敏感性,之后利用混沌序列进行置乱,根据所得到的敏感性和若干置乱序列获取自适应混沌序列,在计算过程中限定范围减少了计算量,在置乱操作中调整数据的影响程度并自适应得到最优置乱序列;达到最优的置乱加密效果。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的一种信息化智能存储方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,其示出了本发明一个实施例提供的一种信息化智能存储方法流程图,该系统包括:
步骤S001,对场景的数据进行数据采集,得到初始加密序列。
对于任意场景下的各项数据进行采集,获取不同的数据序列,将每个场景的数据序列组合为一个数据序列作为初始加密序列,例如,在本实施例中所针对的对象假设为某企业的相关数据,获取客户数据序列,销售数据序列,生产数据序列,将三个序列随机排序,并按照排序依次将每一个序列的所有值填入一个空序列后再填入下一个序列,只有当一个组合序列填充完成后,在填充下一个组合序列的数据,由此组成一个初始加密序列,初始加密序列为,该序列拥有当前场景下的所有全部采集数据,针对初始加密序列进行存储。
至此,获取了初始加密序列。
步骤S002,根据初始加密序列获取直方图得到的每个数据的第一敏感性评估因子,根据组合序列之间的斜率关系获取每个组合序列的第二敏感性评估因子,由此得到数据的敏感性并将所有数据分类。
无论在那种场景下,所采集的海量数据中,不同类型的数据以及不同数据值都具有不同的重要性,有些数据相较于存在的其他数据而言更为重要,例如通常具有较高的商业价值或包含敏感信息的数据,企业中的个人身份信息,财务数据等等;对于该类重要性即敏感性较强的数据,在加密的过程中对其加密的效果为重点关注对象,对于该类数据信息的加密效果在整体加密效果评估中起到决定性的判断标准。
具体的,对于初始加密序列中得到的所有数据进行直方图空间构建,直方图的横轴表示初始加密序列中的数据值,直方图的纵轴表示每个数据值对应在初始加密序列中的频数,频数即为该数据值对应的数据的数量。
对于初始加密序列中的每个数据,以该数据为中心获取一个区间作为间隔区间,在该数据的左侧选取个数据,在该数据的右侧选取/>个数据,将该数据作为中心记为中心数据,两侧各选取/>个数据得到的区间即为间隔区间,其中/>记为间隔数值。在本实施例中,若该点的左侧或者右侧不足三个数据,那么将不足的地方用另一侧和中心数据对称的数据作为补充,例如,对于初始加密序列中的最后一个数据,其右侧没有数据,那么为右侧补充数据,右侧第一个数据和左侧第三个数据相同,右侧第二个数据和左侧第二个数据相同,右侧第三个数据和左侧第三个数据相同。根据中心数据与其间隔区间内的数据对应的频数差异和中心数据的频数与总数据的比值获取每个数据的第一敏感性评估因子,公式如下:
式中,表示初始加密序列中第i个数据,/>表示初始加密序列中第i个数据对应的频数,/>表示初始加密序列中的数据数量,/>表示初始加密序列中第i+j个数据对应的频数,/>表示间隔数值的大小,/>表示以自然常数为底的指数函数,其作用为归一化,/>为权重数值,/>表示初始加密序列中第i个数据的第一敏感性评估因子。在本实施例中,由于公式中第一项式的反应程度更明显,由此给出权重值,/>;/>
其中越大即越接近与1说明该数据对应的频数值越大,频数值越大说明该数值对应的数据越多,数据越多越重要,敏感性越强,/>表示每个数据与周围数据的数据值的差异均值,该差异越小说明数据更平稳,数据与周围数据为相似数据的概率越大,敏感性越强,因此两者与权重值相乘后再相加若接近与1时,敏感性越强。
对于组合成初始加密序列的序列记为组合序列,对于每个组合序列进行特征曲线空间的构建,特征曲线空间的横轴为组合序列中的位次,特征曲线的纵轴为组合序列的数据值,由于各数据序列中数据的量级存在一定差异,为了避免由此对于后续曲线构建和分析带来的影响和干扰;需要对当前各项数据序列中的数据分别进行线性归一化处理,因此将特征曲线的纵轴范围压缩到0到1的区间内,每个组合序列中的数据值使用线性归一化得到归一化数值,将归一化后的数值与其对应在组合序列中的位次标记在特征曲线空间中,并对所有的标记点使用最小二乘法进行直线拟合,最小二乘法本质为使得空间中每一个标记点到拟合出的直线方程的垂直距离平方和最小,由此获取了拟合直线的最优斜率以及常数项,最小二乘法为公知技术,在此不多做赘述。由此对每个组合序列得到其最优斜率。
由于重要的敏感数据通常具有多重关联性,需要进行数据分析和挖掘找出对应的变化关系,例如医疗机构的患者诊断数据和药品使用数据等都具有多重的关联性;由此可以通过关联性对于数据进行敏感程度的评估,得到较为客观的数据信息区分。
根据每个组合序列与其余组合序列的最优斜率的差异以及组合序列中所有数据值均值的差异得到每个组合序列的第二敏感性评估因子,公式如下:
式中,表示第u个组合序列得到的最优斜率,/>表示第v个组合序列得到的最优斜率,/>表示组合序列的数量,/>表示第u个组合序列中数据的数量,/>表示第v个组合序列中数据的数量,/>表示第u个组合序列中第j1个数据的归一化数值,/>表示第v个组合序列中第j2个数据的归一化数值,/>表示以自然常数为底的指数函数,表示权重,/>表示第u个组合序列的第二敏感性评估因子。在本实施例中斜率对关联性的直观可信度更高因此/>
其中两个组合序列的斜率越相近,说明两个序列的变化特征越相近,关联性越强,因此序列的斜率差异越小,关联性越大,第二敏感评估因子越大,同理,两个序列的均值越接近,关联性越大,第二敏感评估因子越大。
根据每个数据的第一敏感评估因子与其所在组合序列的第二敏感评估因子得到每个数据的敏感性,公式如下:
式中,表示初始加密序列中第i个数据的第一敏感性评估因子,/>表示初始加密序列中第i个数据对应的第u个组合序列的第二敏感评估因子,/>分别表示权重大小,/>表示初始加密序列中第i个数据的敏感性,在本实施例中/>
对于所有的数据设置评估阈值,当计算出的每个数据的敏感性后,若敏感性大于评估阈值认为该数据为强敏感数据,若敏感性小于评估阈值,则认为该数据为弱敏感数据,在本实施例中评估阈值为0.7。由此将初始加密序列中的强敏感数据分为一个序列记为强敏感类,将弱敏感数据分为一个序列记为弱敏感类。
至此,获取了强敏感类和弱敏感类。
步骤S003,根据初始加密序列得到若干初始加密序列,得到每个初始加密序列的置乱序列,从所有置乱序列中根据数据敏感性获取最优置乱加密序列。
上述步骤将采集的数据信息根据所得每个数据的敏感性将数据进行了分类,敏感性较强的数据受关注程度更高;其置乱加密的效果需要得到较高的保证;而反之对于敏感性较弱的数据其受关注程度较低;置乱加密最终的效果并相对不需要得到较高的保证,由此对当前数据使用传统的置乱加密操作得到的多组置乱序列进行自适应筛选,得到其中的最优置乱加密序列。
具体的,首先随机生成T个混沌序列,其中为了保证计算量设定混沌序列的数量大于10小于100,混沌序列为之间的序列,将混沌序列投影到初始加密序列的区间中,假设初始加密序列的长度为t,将混沌序列中的每个数都乘以t向下取整得到一个范围为的混沌序列,将初始加密序列使用/>混沌映射得到一个置乱序列。对于获取到的混沌序列对初始加密序列进行置乱,由于混沌序列中会出现相同的数字,若是进行对应的话会出现一对多的情况,为了防止此情况,进行以下处理,将混沌序列中的第一个数对应与初始加密序列中的第一个位置的数,即将初始加密序列中的第一个位置的数防止在混沌序列中值为1的数,也就是说混沌序列中每个数的值表示的是初始加密序列中每个数的位置,而初始加密序列的数值在被放置在混沌序列中时,此时将该数值从初始加密序列中删除,初始加密序列的长度减一,若混沌序列中的数值此时大于初始加密序列的长度,那么此时将初始加密序列中最靠后的数放在混沌序列该数值的位置上。
在此举例说明,若当前的初始加密序列中的数值为,混沌序列为/>;第一次变换:混沌序列中第一个数为2,则将初始加密序列中的第2位数值32.3放置在置乱序列的第1位,此时初始加密序列变为/>,置乱序列为/>;第二次变换:混沌序列中第二个数为1,则将初始加密序列中第1位数值27.0放置在置乱序列的第2位,此时初始加密序列变为/>,置乱序列为 />;第三次变换:混沌序列中第三个数为2,则将初始加密序列中第2位数值17.5放置在置乱序列的第3位,此时初始加密序列变为/>,置乱序列为/>;依此类推得到最终置乱序列/>
根据最终置乱后的每个置乱序列,根据其置乱前后的差异对置乱序列进行评估,公式如下:
式中,表示初始加密序列中属于Q类数据的第i个数据的数据值,/>表示初始加密序列相对应的置乱序列中属于Q类数据的第i个数据的数据值,/>表示该初始加密序列中属于Q类的数据的数量,/>表示属于Q类的数据中数据值相等的数据的数量,/>表示初始加密序列中属于R类数据的第i个数据的数据值,/>表示初始加密序列相对应的置乱序列中属于R类数据的第i个数据的数据值,/>表示该初始加密序列中属于R类的数据的数量,/>表示属于R类的数据中数据值相等的数据的数量,/>表示以自然常数为底的指数函数,/>为权重大小,/>表示置乱序列的评估值。在本实施例中,对于敏感性强的数据给与更大的关注程度,因此令/>
在所有得到的置乱序列中找到评估值最大的置乱序列,若其中存在多个评估值最大的置乱序列,那么令评估值最大且置乱序列最长的置乱序列作为最优置乱加密序列,若此时还存在多个,那么随机选取一个作为最优置乱加密序列。
将此时选择的最优置乱加密序列对应的混沌序列作为密钥。
步骤S004,根据最优加密序列完成数据的存储。
利用最优置乱加密序列对应的混沌序列对初始加密序列进行加密,得到密文,其密钥为此时的混沌序列。由此完成数据的存储。
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 (10)

1.一种信息化智能存储方法,其特征在于,该方法包括以下步骤:
获取组合序列和初始加密序列;
将初始加密序列构建为直方图,根据直方图中所表示的信息获取初始加密序列中每个数据和其周围数据的频数差异以及每个数据的频次,并得到第一敏感性评估因子;根据每个组合序列得到一个特征曲线空间,将特征曲线纵轴压缩获取拟合直线;根据每个组合序列与其余组合序列之间拟合直线斜率的差异和组合序列的数据值均值差异得到每个组合序列的第二敏感性评估因子;根据每个数据的第一敏感性评估因子和数据所在的组合序列对应的第二敏感性评估因子权重相加得到每个数据的敏感性;根据数据的敏感性对所有数据分类得到强敏感类和弱敏感类;
对于初始加密序列得到其若干置乱序列,根据置乱序列和初始加密序列的相似性并结合每个初始加密序列的强敏感类和弱敏感类得到每个置乱序列的评估值;根据置乱序列的评估值得到最优置乱加密序列;
根据最优置乱加密序列完成数据的存储。
2.根据权利要求1所述的一种信息化智能存储方法,其特征在于,所述获取组合序列和初始加密序列的方法为:
对于任意一个场景,获取该场景下每一类数据的所有数据,按照采集顺序将每一类数据作为一个组合序列,将所有的组合序列随机标号,按照标号进行排序,所有组合序列按照排序依次组合为一个初始加密序列,只有当一个组合序列填充完成后,在填充下一个组合序列的数据。
3.根据权利要求1所述的一种信息化智能存储方法,其特征在于,所述将初始加密序列构建为直方图的方法为:
对于每个初始加密序列,统计其中每个数据值对应的数据的数量,得到每个数据值对应的频数,根据初始加密序列得到的直方图,其横坐标为初始加密序列中不同的数据值,其纵坐标为每个数据值对应的频数。
4.根据权利要求1所述的一种信息化智能存储方法,其特征在于,所述根据直方图中所表示的信息获取初始加密序列中每个数据和其周围数据的频数差异以及每个数据的频次,并得到第一敏感性评估因子的方法为:
对于初始加密序列中的每一个数据记为中心数据,同时只能存在一个中心数据,以中心数据为中心,在中心数据的左侧和右侧分别获取预设数量个数据记为间隔数值,由此构成间隔区间,间隔区间中除了中心数据的其余数据记为间隔数据,计算中心数据和每个间隔数据的数据值之差的均值,根据均值与中心数据的频数得到中心数据的第一敏感性评估因子。
5.根据权利要求4所述的一种信息化智能存储方法,其特征在于,所述根据均值与中心数据的频数得到中心数据的第一敏感性评估因子的方法为:
式中,表示初始加密序列中第i个数据,/>表示初始加密序列中第i个数据对应的频数,/>表示初始加密序列中的数据数量,/>表示初始加密序列中第i+j个数据对应的频数,/>表示间隔数值的大小,/>表示以自然常数为底的指数函数,其作用为归一化,为权重数值,/>表示初始加密序列中第i个数据的第一敏感性评估因子。
6.根据权利要求1所述的一种信息化智能存储方法,其特征在于,所述根据每个组合序列得到一个特征曲线空间,将特征曲线纵轴压缩获取拟合直线的方法为:
特征曲线空间的横轴为组合序列中的位次,纵轴为组合序列中的数据值,将所有数据值进行线性归一化得到归一化数值,纵轴也变为了归一化数值,此时将每个组合序列中的所有数据按照横纵轴对应关系放入特征曲线空间中,对于每个组合序列的所有数据使用最小二乘法获取拟合直线的最优斜率。
7.根据权利要求1所述的一种信息化智能存储方法,其特征在于,所述根据每个组合序列与其余组合序列之间拟合直线斜率的差异和组合序列的数据值均值差异得到每个组合序列的第二敏感性评估因子的方法为:
将组合序列记为第一组合序列,第一组合序列只能同时存在一个,第一组合序列外的组合序列记为第二组合序列,获取第一组合序列和每个第二组合序列的斜率差异记为第一斜率差异,计算第一组合序列所有数据的归一化数值的均值,计算第二组合序列所有数据的归一化数值的均值,令第一组合序列的归一化数值均值和第二组合序列的归一化数值均值作差得到第一均值差异,将第一均值差异和第一斜率差异都取反比例函数与权重相乘后相加的值记为第一组合序列与每个第二组合序列的连通性,将第一组合序列和所有第二组合序列的连通性求均值获取第一组合序列的第二敏感性评估因子。
8.根据权利要求1所述的一种信息化智能存储方法,其特征在于,所述对于初始加密序列得到其若干置乱序列,根据置乱序列和初始加密序列的相似性并结合每个初始加密序列的强敏感类和弱敏感类得到每个置乱序列的评估值的方法为:
首先生成若干个混沌序列,利用混沌序列对初始加密序列进行置乱得到初始加密序列的置乱序列;根据初始加密序列和混沌序列中相同位置相同数值的数量根据不同数据分类获取对置乱序列的评估值。
9.根据权利要求8所述的一种信息化智能存储方法,其特征在于,所述利用混沌序列对初始加密序列进行置乱得到初始加密序列的置乱序列的方法为:
混沌序列中的数与初始加密序列中的位置相对应,从混沌序列中读取未被替换的第一个数据,根据其数值在初始加密序列中找到该数值表示的位置,将位置上初始加密序列的数值填充在混沌序列中,初始加密序列的数值在被放置在混沌序列中时,此时将该数值从初始加密序列中删除,初始加密序列的长度减一,若混沌序列中的数值此时大于初始加密序列的长度,那么此时将初始加密序列中最靠后的数放在混沌序列该数值的位置上。
10.根据权利要求8所述的一种信息化智能存储方法,其特征在于,所述根据初始加密序列和混沌序列中相同位置相同数值的数量根据不同数据分类获取对置乱序列的评估值的方法为:
式中,表示初始加密序列中属于Q类数据的第i个数据的数据值,/>表示初始加密序列相对应的置乱序列中属于Q类数据的第i个数据的数据值,/>表示该初始加密序列中属于Q类的数据的数量,/>表示属于Q类的数据中数据值相等的数据的数量,/>表示初始加密序列中属于R类数据的第i个数据的数据值,/>表示初始加密序列相对应的置乱序列中属于R类数据的第i个数据的数据值,/>表示该初始加密序列中属于R类的数据的数量,/>表示属于R类的数据中数据值相等的数据的数量,表示以自然常数为底的指数函数,/>为权重大小,/>表示置乱序列的评估值。
CN202310834102.2A 2023-07-10 2023-07-10 一种信息化智能存储方法 Active CN116566585B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310834102.2A CN116566585B (zh) 2023-07-10 2023-07-10 一种信息化智能存储方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310834102.2A CN116566585B (zh) 2023-07-10 2023-07-10 一种信息化智能存储方法

Publications (2)

Publication Number Publication Date
CN116566585A true CN116566585A (zh) 2023-08-08
CN116566585B CN116566585B (zh) 2023-09-05

Family

ID=87500445

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310834102.2A Active CN116566585B (zh) 2023-07-10 2023-07-10 一种信息化智能存储方法

Country Status (1)

Country Link
CN (1) CN116566585B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117131530A (zh) * 2023-10-20 2023-11-28 合肥亚明汽车部件有限公司 一种智慧工厂敏感数据加密防护方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103532701A (zh) * 2013-10-16 2014-01-22 南通纺织职业技术学院 一种数值型数据的加密、解密方法
US20200019624A1 (en) * 2018-07-12 2020-01-16 EMC IP Holding Company LLC Shuffling file digests stored in data stores of a distributed file system
CN115378574A (zh) * 2022-08-09 2022-11-22 徐州恒佳电子科技有限公司 一种轻量级动态图像数据加密方法及系统
CN115665340A (zh) * 2022-10-24 2023-01-31 郑州轻工业大学 一种远程故障诊断系统中的图像加密方法
CN116260566A (zh) * 2023-05-10 2023-06-13 山东爱福地生物股份有限公司 一种肥料生产加工数据的安全存储方法
CN116389170A (zh) * 2023-06-05 2023-07-04 北京双鑫汇在线科技有限公司 一种网络信息安全管理方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103532701A (zh) * 2013-10-16 2014-01-22 南通纺织职业技术学院 一种数值型数据的加密、解密方法
US20200019624A1 (en) * 2018-07-12 2020-01-16 EMC IP Holding Company LLC Shuffling file digests stored in data stores of a distributed file system
CN115378574A (zh) * 2022-08-09 2022-11-22 徐州恒佳电子科技有限公司 一种轻量级动态图像数据加密方法及系统
CN115665340A (zh) * 2022-10-24 2023-01-31 郑州轻工业大学 一种远程故障诊断系统中的图像加密方法
CN116260566A (zh) * 2023-05-10 2023-06-13 山东爱福地生物股份有限公司 一种肥料生产加工数据的安全存储方法
CN116389170A (zh) * 2023-06-05 2023-07-04 北京双鑫汇在线科技有限公司 一种网络信息安全管理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黄胡晏;饶从军;: "一种新型混沌图像加密算法", 华中师范大学学报(自然科学版), no. 04 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117131530A (zh) * 2023-10-20 2023-11-28 合肥亚明汽车部件有限公司 一种智慧工厂敏感数据加密防护方法
CN117131530B (zh) * 2023-10-20 2024-01-30 合肥亚明汽车部件有限公司 一种智慧工厂敏感数据加密防护方法

Also Published As

Publication number Publication date
CN116566585B (zh) 2023-09-05

Similar Documents

Publication Publication Date Title
TWI706333B (zh) 欺詐交易識別方法、裝置、伺服器及儲存媒體
CN116566585B (zh) 一种信息化智能存储方法
US10395053B2 (en) Method for inhibiting mass credential theft
KR20060023533A (ko) 물리적인 개체의 인증을 위한 방법 및 시스템
CN104751055A (zh) 一种基于纹理的分布式恶意代码检测方法、装置及系统
CN116779003B (zh) 用于硬盘数据销毁和安全性评估的方法及系统
CN107491674A (zh) 基于特征信息进行用户验证的方法及装置
EP4226568A1 (en) Updatable private set intersection
CN111597167A (zh) 一种应用区块链技术的大数据管理系统及方法
Asaker et al. A novel cancellable Iris template generation based on salting approach
Abdul et al. Combining watermarking and hyper-chaotic map to enhance the security of stored biometric templates
CN116339647A (zh) 基于人工智能的计算机数据管理系统
JP4733142B2 (ja) 変更済バイオメトリック特徴によってユーザを識別する方法およびその方法を実現するためのデータベース
CN114912631A (zh) 一种基于区块链医疗数据共享的联邦学习方法
CN111931219B (zh) 数据存储方法及装置、数据查询方法及装置
Eldesouky et al. Cancelable electrocardiogram biometric system based on chaotic encryption using three‐dimensional logistic map for biometric‐based cloud services
CN116561813B (zh) 一种应用于档案信息的安全管理系统
CN104091191B (zh) 一种快捷有效的防伪鉴真方法
US9356786B2 (en) Method for encrypting a plurality of data in a secure set
Li et al. One factor cancellable fingerprint scheme based on novel minimum hash signature and secure extended feature vector
Fofanah et al. Dual watermarking for protection of medical images based on watermarking of frequency domain and genetic programming
Nahar et al. Protecting health data in the cloud through steganography: a table-driven, blind method using neural networks and bit-shuffling algorithm
Vazquez et al. Confidentiality in medical images through a genetic-based steganography algorithm in artificial intelligence
CN117174233B (zh) 一种基于健康大数据的管理平台
CN116320044B (zh) 一种银行atm机数据智能编码存储系统

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