CN116737854B - 基于多源遥感数据的时空数据湖管理系统及其安全防护方法 - Google Patents
基于多源遥感数据的时空数据湖管理系统及其安全防护方法 Download PDFInfo
- Publication number
- CN116737854B CN116737854B CN202310606303.7A CN202310606303A CN116737854B CN 116737854 B CN116737854 B CN 116737854B CN 202310606303 A CN202310606303 A CN 202310606303A CN 116737854 B CN116737854 B CN 116737854B
- Authority
- CN
- China
- Prior art keywords
- data
- remote sensing
- space
- time
- lake
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000008859 change Effects 0.000 claims abstract description 27
- 238000007726 management method Methods 0.000 claims abstract description 22
- 230000004927 fusion Effects 0.000 claims abstract description 19
- 241000700605 Viruses Species 0.000 claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims abstract description 17
- 238000012544 monitoring process Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000013500 data storage Methods 0.000 claims abstract description 9
- 238000000605 extraction Methods 0.000 claims abstract description 9
- 230000001954 sterilising effect Effects 0.000 claims abstract description 8
- 230000002159 abnormal effect Effects 0.000 claims abstract description 7
- 238000005192 partition Methods 0.000 claims description 12
- 239000002131 composite material Substances 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 abstract description 4
- 238000004659 sterilization and disinfection Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- 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
- G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
- G06F21/55—Detecting local intrusion or implementing counter-measures
- G06F21/56—Computer malware detection or handling, e.g. anti-virus arrangements
-
- 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
-
- 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
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Bioethics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Virology (AREA)
- Remote Sensing (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了基于多源遥感数据的时空数据湖管理系统及其安全防护方法,涉及时空数据湖技术领域,包括:(1)、数据识别层;(2)、数据采集层;(3)、数据储存层;(4)、数据融合层;(5)、融合精度评价层;(6)、变化特征提取层,在数据识别的过程中,对异常数据进行监测,并对病毒数据进行单独提取并杀毒,杀毒后对数据进行二次监测,能够确保数据正常,避免出现病毒数据,能够实现实现数据访问通道、数据加密读取、数据传输通道的多重解锁,提高了数据湖中数据的访问、储存、传输、安全,提高数据可靠性。
Description
技术领域
本发明涉及数据处理技术领域,具体为构建基于多源遥感数据的时空数据湖管理系统及其安全防护方法。
背景技术
数据湖和数据库都是数据存储设计模式,数据湖是集中式数据存储库,主要功能是用来存储大量的原始数据,对所有数据进行统一存储,从原始数据转换为用于报告、可视化、分析、机器学习等各项任务的转换数据,通常使用平面构架来存储数据,数据湖能够把不同种类的数据汇聚到一起而不需要预定义的模型就能进行数据分析。湖中的数据包括结构化数据、半结构化数据、非结构化数据等等。现在的大数据架构是可扩展的,并且可以为用户提供越来越多的实时分析,遥感数据也能够在时空数据湖中进行存储。
现有的基于多源遥感数据的时空数据湖中的数据列采用元数据和身份水印相结合的模式实现数据保护,通常数据湖架构安全性不足,在数据杀毒以及数据防泄漏方面存在一定的改进空间。
诸如中国专利文献CN115168512A公开了一种多维数据元融合实现数据收集和共享的时空数据湖的方法,包括数据收集、建立数据仓管理模型、数据分类、数据融合、数据湖建立、资源共享等步骤,有效优化了数据。然而,该方案中并没有引入数据安全机制,数据可靠性未得到有效保障。
诸如中国专利文献CN111291047A中公开了一种时空数据存储装置和方法,首先将时空数据缓存到kafka队列中,通过存储组件将所述时空数据从所述队列中存储到数据湖中,将所述数据湖中的时空数据存储到HDFS集群中。该方案有效提供了一种便捷的数据导出方式,维数据建模和机器学习提供了原始数据的支撑。
在美国专利文献US2021081550A中公开了一种通过应用时空优化的内联数据转换来保证数据的安全的技术方案,计算机使用该安全策略执行知识图谱来识别与所选择的资产数据相对应的变换资产集合。
现有技术中亟需一种安全可靠的基于多源遥感数据的时空数据湖安全防护技术。
发明内容
针对现有技术的不足,本发明旨在提供一种能够解决数据湖架构安全性不足,确保时空数据及分辨率精度的基于多源遥感数据的时空数据湖安全防护技术解决方案。
为实现以上目的,本发明通过以下技术方案予以实现,基于多源遥感数据的时空数据湖管理系统,包括:
(1)、数据识别层
对多源遥感数据进行数据识别,识别时对异常数据进行监测,并对病毒数据进行单独提取并杀毒;
杀毒后对数据进行二次监测,确保数据正常,再将这部分数据还原至原位置;
(2)、数据采集层
对识别后的数据进行整理,消除冗余数据,按照时序关系排序获取不同历史时期的数字遥感数据;
并对采集的数据进行分析并转换,使其成为可直接使用的分析数据;
(3)、数据储存层
构建数据湖架构,首先将时空数据缓存至kafka队列中,并归类存储;
再通过存储组件将时空数据从kafka队列中存储至数据湖中,并对数据湖进行分区;
(4)、数据融合层
在基于多源数字遥感数据的基础上,将数字遥感数据转换为空间分辨率影像;
然后对中空间分辨率影像以及高空间分辨率影像进行融合,生成复合的中、高分辨率影像,从而获得高质量的遥感影像;
进一步的,所述数据融合层中,按照时序关系先后融合不同时期的空间数据分辨率影像。
进一步的,所述基于多源遥感数据的时空数据湖管理系统还包括以下具体步骤:
(5)、融合精度评价层
选取2-3个局部区域作为精度评价样板模块,采集遥感地块的真实时空数据,并在基于真实数据的基础上,对上述遥感的空间数据及分辨率影像进行精度评价,确保空间数据及分辨率影像进行精度符合要求。
进一步的,所述基于多源遥感数据的时空数据湖管理系统还包括:
(6)、变化特征提取层
按照时间变化特征,结合中、高分辨率影像,获取遥感地块的时空变化,进行地物的时间变化特征提取,以便于及时了解遥感地块的时空数据变化。
进一步的,所述基于多源遥感数据的时空数据湖管理系统的安全防护方法包括以下步骤:
A、数据加密
数据湖中不同分区的数据均通过加密算法和密钥储存,其中数据读取通道和数据输出通道分别设置不同的加密算法和密钥;
并对不同的数据访问通道设置不同的数据访问节点,不同的数据访问节点给予不同的数据权限;
B、数据访问
对访问的用户进行身份识别,并判断用户的接入节点,根据数据接入节点显示对应权限的数据分区,相应节点给予不同的数据权限,使得数据访问时通过访问权限对于对应的数据湖分区进行数据访问。
进一步的,所述步骤B、数据访问的过程中,读取加载应解密对应的加密算法和密钥,同理数据输出应解密对应的加密算法和密钥。
本发明提供了基于多源遥感数据的时空数据湖管理系统及其安全防护方法,具备以下有益效果:在数据识别的过程中,对异常数据进行监测,并对病毒数据进行单独提取并杀毒,杀毒后对数据进行二次监测,能够确保数据正常,避免出现病毒数据,数据采集时按照时序关系排序获取不同历史时期的数字遥感数据,有利于后期的遥感地块的时空数据变化特征提取,数据储存过程中,通过存储组件将时空数据从kafka队列中存储至数据湖中,并对数据湖进行分区,能够面向多数据源的信息存储,并且相对成本较低;
该基于多源遥感数据的时空数据湖管理系统及其安全防护方法,通过数据融合生成复合的中、高分辨率影像,并按照时间变化特征,结合中、高分辨率影像,获取遥感地块的时空变化,进行地物的时间变化特征提取,以便于及时了解遥感地块的时空数据变化,并且通过融合精度评价的取样评价方式较为简单的还有利于确保空间数据及分辨率影像进行精度符合要求;
该基于多源遥感数据的时空数据湖管理系统及其安全防护方法,数据加密和数据访问过程中,数据读取通道和数据输出通道分别设置不同的加密算法和密钥,并对不同的数据访问通道设置不同的数据访问节点,不同的数据访问节点给予不同的数据权限,使得数据访问时通过访问权限对于对应的数据湖分区进行数据访问,并且读取加载应解密对应的加密算法和密钥,同理数据输出应解密对应的加密算法和密钥,从而便于实现数据访问通道、数据加密读取、数据传输通道的多重解锁,提高了数据湖中数据的访问、储存、传输、安全,提高数据可靠性。
附图说明
图1为示出本发明具体实施方式涉及的基于多源遥感数据的时空数据湖管理系统的方块图。
图2为示出本发明另一具体实施方式涉及的基于多源遥感数据的时空数据湖管理系统的方块图。
图3为示出本发明一具体实施方式涉及的基于多源遥感数据的时空数据湖管理系统的安全防护方法的流程图。
具体实施方式
下面将结合本发明的具体实施例,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。
图1为示出本发明具体实施方式涉及的基于多源遥感数据的时空数据湖管理系统的方块图。
如图1所示,基于多源遥感数据的时空数据湖管理系统,包括:
(1)、数据识别层
对多源遥感数据进行数据识别,识别时对异常数据进行监测,并对病毒数据进行单独提取并杀毒;
杀毒后对数据进行二次监测,确保数据正常,再将这部分数据还原至原位置;
(2)、数据采集层
对识别后的数据进行整理,消除冗余数据,按照时序关系排序获取不同历史时期的数字遥感数据;
并对采集的数据进行分析并转换,使其成为可直接使用的分析数据;
(3)、数据储存层
构建数据湖架构,首先将时空数据缓存至kafka队列中,并归类存储;
再通过存储组件将时空数据从kafka队列中存储至数据湖中,并对数据湖进行分区;
(4)、数据融合层
在基于多源数字遥感数据的基础上,将数字遥感数据转换为空间分辨率影像;
然后对中空间分辨率影像以及高空间分辨率影像进行融合,生成复合的中、高分辨率影像,从而获得高质量的遥感影像;
所述数据融合层中,按照时序关系先后融合不同时期的空间数据分辨率影像。
图2为示出本发明另一具体实施方式涉及的基于多源遥感数据的时空数据湖管理系统的方块图。
如图2所示,在该实施方式中,优选的,所述基于多源遥感数据的时空数据湖管理系统进一步包括:
(5)、融合精度评价层
选取2-3个局部区域作为精度评价样板模块,采集遥感地块的真实时空数据,并在基于真实数据的基础上,对上述遥感的空间数据及分辨率影像进行精度评价,确保空间数据及分辨率影像进行精度符合要求。
(6)、变化特征提取层
按照时间变化特征,结合中、高分辨率影像,获取遥感地块的时空变化,进行地物的时间变化特征提取,以便于及时了解遥感地块的时空数据变化。
图3为示出本发明一具体实施方式涉及的基于多源遥感数据的时空数据湖管理系统的安全防护方法的流程图。
如图3所示,所述安全防护方法包括以下步骤:
A、数据加密
数据湖中不同分区的数据均通过加密算法和密钥储存,其中数据读取通道和数据输出通道分别设置不同的加密算法和密钥;
并对不同的数据访问通道设置不同的数据访问节点,不同的数据访问节点给予不同的数据权限;
B、数据访问
对访问的用户进行身份识别,并判断用户的接入节点,根据数据接入节点显示对应权限的数据分区,相应节点给予不同的数据权限,使得数据访问时通过访问权限对于对应的数据湖分区进行数据访问。
所述步骤B、数据访问的过程中,读取加载应解密对应的加密算法和密钥,同理数据输出应解密对应的加密算法和密钥。
在本发明中,还提供一种基于多源遥感数据的时空数据湖的构建及其安全防护方法,使用时基于多源遥感数据的时空数据湖的构建方法包括以下具体步骤:
(1)、数据识别:
对多源遥感数据进行数据识别,识别时对异常数据进行监测,并对病毒数据进行单独提取并杀毒;杀毒后对数据进行二次监测,确保数据正常,再将这部分数据还原至原位置;
(2)、数据采集
对识别后的数据进行整理,消除冗余数据,按照时序关系排序获取不同历史时期的数字遥感数据;并对采集的数据进行分析并转换,使其成为可直接使用的分析数据;
(3)、数据储存
构建数据湖架构,首先将时空数据缓存至kafka队列中,并归类存储;再通过存储组件将时空数据从kafka队列中存储至数据湖中,并对数据湖进行分区;
(4)、数据融合
在基于多源数字遥感数据的基础上,将数字遥感数据转换为空间分辨率影像;然后对中空间分辨率影像以及高空间分辨率影像进行融合,生成复合的中、高分辨率影像,从而获得高质量的遥感影像;按照时序关系先后融合不同时期的空间数据分辨率影像;
(5)、融合精度评价
选取2-3个局部区域作为精度评价样板模块,采集遥感地块的真实时空数据,并在基于真实数据的基础上,对上述遥感的空间数据及分辨率影像进行精度评价,确保空间数据及分辨率影像进行精度符合要求;
(6)、变化特征提取
按照时间变化特征,结合中、高分辨率影像,获取遥感地块的时空变化,进行地物的时间变化特征提取,以便于及时了解遥感地块的时空数据变化;
所述基于构建的多源遥感数据的时空数据湖的安全防护方法,包括以下步骤:
A、数据加密
数据湖中不同分区的数据均通过加密算法和密钥储存,其中数据读取通道和数据输出通道分别设置不同的加密算法和密钥;并对不同的数据访问通道设置不同的数据访问节点,不同的数据访问节点给予不同的数据权限;
B、数据访问
对访问的用户进行身份识别,并判断用户的接入节点,根据数据接入节点显示对应权限的数据分区,相应节点给予不同的数据权限,使得数据访问时通过访问权限对于对应的数据湖分区进行数据访问;数据访问的过程中,读取加载应解密对应的加密算法和密钥,同理数据输出应解密对应的加密算法和密钥。
根据本发明,在数据识别的过程中,对异常数据进行监测,并对病毒数据进行单独提取并杀毒,杀毒后对数据进行二次监测,能够确保数据正常,避免出现病毒数据,数据采集时按照时序关系排序获取不同历史时期的数字遥感数据,有利于后期的遥感地块的时空数据变化特征提取,通过数据融合生成复合的中、高分辨率影像,并按照时间变化特征,结合中、高分辨率影像,获取遥感地块的时空变化,进行地物的时间变化特征提取,以便于及时了解遥感地块的时空数据变化,并且通过融合精度评价的取样评价方式较为简单的还有利于确保空间数据及分辨率影像进行精度符合要求;数据加密和数据访问过程中,数据读取通道和数据输出通道分别设置不同的加密算法和密钥,并对不同的数据访问通道设置不同的数据访问节点,不同的数据访问节点给予不同的数据权限,能够解决数据湖架构安全性不足问题。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (2)
1.基于多源遥感数据的时空数据湖管理系统,其特征在于,包括:
(1)、数据识别层
对多源遥感数据进行数据识别,识别时对异常数据进行监测,并对病毒数据进行单独提取并杀毒;
杀毒后对数据进行二次监测,确保数据正常,再将这部分数据还原至原位置;
(2)、数据采集层
对识别后的数据进行整理,消除冗余数据,按照时序关系排序获取不同历史时期的数字遥感数据;
并对采集的数据进行分析并转换,使其成为可直接使用的分析数据;
(3)、数据储存层
构建数据湖架构,首先将时空数据缓存至kafka队列中,并归类存储;
再通过存储组件将时空数据从kafka队列中存储至数据湖中,并对数据湖进行分区;
(4)、数据融合层
在基于多源数字遥感数据的基础上,将数字遥感数据转换为空间分辨率影像;
然后对中空间分辨率影像以及高空间分辨率影像进行融合,生成复合的中、高分辨率影像,从而获得高质量的遥感影像;
(5)、融合精度评价层
选取2-3个局部区域作为精度评价样板模块,采集遥感地块的真实时空数据,并在基于真实数据的基础上,对上述遥感的空间数据及分辨率影像进行精度评价,确保空间数据及分辨率影像进行精度符合要求;
(6)、变化特征提取层
按照时间变化特征,结合中、高分辨率影像,获取遥感地块的时空变化,进行地物的时间变化特征提取,以便于及时了解遥感地块的时空数据变化;
基于多源遥感数据的时空数据湖管理系统的安全防护方法包括以下步骤:
A、数据加密
数据湖中不同分区的数据均通过加密算法和密钥储存,其中数据读取通道和数据输出通道分别设置不同的加密算法和密钥;
并对不同的数据访问通道设置不同的数据访问节点,不同的数据访问节点给予不同的数据权限;
B、数据访问
对访问的用户进行身份识别,并判断用户的接入节点,根据数据接入节点显示对应权限的数据分区,相应节点给予不同的数据权限,使得数据访问时通过访问权限对于对应的数据湖分区进行数据访问;数据访问的过程中,读取加载应解密对应的加密算法和密钥,同理数据输出应解密对应的加密算法和密钥。
2.根据权利要求1所述的基于多源遥感数据的时空数据湖管理系统,其特征在于,数据融合层中,按照时序关系先后融合不同时期的空间数据分辨率影像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310606303.7A CN116737854B (zh) | 2023-05-26 | 2023-05-26 | 基于多源遥感数据的时空数据湖管理系统及其安全防护方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310606303.7A CN116737854B (zh) | 2023-05-26 | 2023-05-26 | 基于多源遥感数据的时空数据湖管理系统及其安全防护方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116737854A CN116737854A (zh) | 2023-09-12 |
CN116737854B true CN116737854B (zh) | 2024-04-30 |
Family
ID=87905444
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310606303.7A Active CN116737854B (zh) | 2023-05-26 | 2023-05-26 | 基于多源遥感数据的时空数据湖管理系统及其安全防护方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116737854B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6393568B1 (en) * | 1997-10-23 | 2002-05-21 | Entrust Technologies Limited | Encryption and decryption system and method with content analysis provision |
CN103177431A (zh) * | 2012-12-26 | 2013-06-26 | 中国科学院遥感与数字地球研究所 | 一种多源遥感数据时空融合方法 |
CN104715467A (zh) * | 2015-03-06 | 2015-06-17 | 中国科学院遥感与数字地球研究所 | 一种改进型多源遥感数据时空融合方法 |
CN109840539A (zh) * | 2017-12-31 | 2019-06-04 | 苏州中科天启遥感科技有限公司 | 一种基于地块图斑的遥感时空数据融合方法 |
CN111291047A (zh) * | 2020-01-16 | 2020-06-16 | 北京明略软件系统有限公司 | 一种时空数据存储方法、装置、存储介质及电子设备 |
CN113487574A (zh) * | 2021-07-12 | 2021-10-08 | 南京中科智慧应急研究院有限公司 | 多源遥感大数据协同的资源管理与环境监测方法及应用 |
US11182407B1 (en) * | 2020-06-24 | 2021-11-23 | Bank Of America Corporation | Metadata access for distributed data lake users |
CN114385712A (zh) * | 2022-01-11 | 2022-04-22 | 东南大学 | 一种基于gnss的乡村生态景观多源数据空间融合方法 |
CN114503109A (zh) * | 2019-10-17 | 2022-05-13 | 国际商业机器公司 | 维护系统安全性 |
CN114866351A (zh) * | 2022-07-06 | 2022-08-05 | 湖南创星科技股份有限公司 | 一种基于区块链的区域医疗处方监管方法及平台 |
CN115168512A (zh) * | 2022-09-01 | 2022-10-11 | 山东慧创信息科技有限公司 | 多维数据元融合实现数据收集和共享的时空数据湖方法 |
CN115240066A (zh) * | 2022-05-31 | 2022-10-25 | 汶上县林业保护和发展服务中心 | 基于深度学习的遥感影像矿区复绿监测方法及系统 |
CN115375180A (zh) * | 2022-09-16 | 2022-11-22 | 深圳中科天巡信息技术有限公司 | 基于多源时空数据的港区监管方法、系统及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11704430B2 (en) * | 2019-09-10 | 2023-07-18 | Sap Se | Deriving and augmenting access control for data lakes |
US11210410B2 (en) * | 2019-09-17 | 2021-12-28 | International Business Machines Corporation | Serving data assets based on security policies by applying space-time optimized inline data transformations |
US11615185B2 (en) * | 2019-11-22 | 2023-03-28 | Pure Storage, Inc. | Multi-layer security threat detection for a storage system |
US11461367B2 (en) * | 2020-04-13 | 2022-10-04 | Singapore University Of Technology And Design | Multi-source data management mechanism and platform |
-
2023
- 2023-05-26 CN CN202310606303.7A patent/CN116737854B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6393568B1 (en) * | 1997-10-23 | 2002-05-21 | Entrust Technologies Limited | Encryption and decryption system and method with content analysis provision |
CN103177431A (zh) * | 2012-12-26 | 2013-06-26 | 中国科学院遥感与数字地球研究所 | 一种多源遥感数据时空融合方法 |
CN104715467A (zh) * | 2015-03-06 | 2015-06-17 | 中国科学院遥感与数字地球研究所 | 一种改进型多源遥感数据时空融合方法 |
CN109840539A (zh) * | 2017-12-31 | 2019-06-04 | 苏州中科天启遥感科技有限公司 | 一种基于地块图斑的遥感时空数据融合方法 |
CN114503109A (zh) * | 2019-10-17 | 2022-05-13 | 国际商业机器公司 | 维护系统安全性 |
CN111291047A (zh) * | 2020-01-16 | 2020-06-16 | 北京明略软件系统有限公司 | 一种时空数据存储方法、装置、存储介质及电子设备 |
US11182407B1 (en) * | 2020-06-24 | 2021-11-23 | Bank Of America Corporation | Metadata access for distributed data lake users |
CN113487574A (zh) * | 2021-07-12 | 2021-10-08 | 南京中科智慧应急研究院有限公司 | 多源遥感大数据协同的资源管理与环境监测方法及应用 |
CN114385712A (zh) * | 2022-01-11 | 2022-04-22 | 东南大学 | 一种基于gnss的乡村生态景观多源数据空间融合方法 |
CN115240066A (zh) * | 2022-05-31 | 2022-10-25 | 汶上县林业保护和发展服务中心 | 基于深度学习的遥感影像矿区复绿监测方法及系统 |
CN114866351A (zh) * | 2022-07-06 | 2022-08-05 | 湖南创星科技股份有限公司 | 一种基于区块链的区域医疗处方监管方法及平台 |
CN115168512A (zh) * | 2022-09-01 | 2022-10-11 | 山东慧创信息科技有限公司 | 多维数据元融合实现数据收集和共享的时空数据湖方法 |
CN115375180A (zh) * | 2022-09-16 | 2022-11-22 | 深圳中科天巡信息技术有限公司 | 基于多源时空数据的港区监管方法、系统及存储介质 |
Non-Patent Citations (1)
Title |
---|
徐戈等.大数据与人工智能应用导论.电子科技大学出版社,2019,第47页. * |
Also Published As
Publication number | Publication date |
---|---|
CN116737854A (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2932407B1 (en) | Method for storage, querying, and analysis of time series data | |
CN112699175A (zh) | 一种数据治理系统及其方法 | |
US10030986B2 (en) | Incident response analytic maps | |
US20180165845A1 (en) | Method of Analysis of Visualised Data | |
CN111930726B (zh) | 基于离线表单的等级保护测评数据采集、分析方法及系统 | |
CN110011990A (zh) | 内网安全威胁智能分析方法 | |
CN110175696B (zh) | 一种基于多元回归的渔港船舶进出港动态预测方法及系统 | |
Kuppala et al. | Benefits of Artificial Intelligence in the Legal System and Law Enforcement | |
CN117711578B (zh) | 一种医学影像数据分析管理系统 | |
CN111008234A (zh) | 基于网络安全数据治理的数仓处理方法 | |
CN116737854B (zh) | 基于多源遥感数据的时空数据湖管理系统及其安全防护方法 | |
CN113434857A (zh) | 一种应用深度学习的用户行为安全解析方法及系统 | |
CN115309871B (zh) | 一种基于人工智能算法的工业大数据处理方法及系统 | |
CN109886318B (zh) | 一种信息处理方法、装置及计算机可读存储介质 | |
CN115273350B (zh) | 一种基于rfid检测的智能尾箱柜验证管理方法及系统 | |
Patel et al. | Intellectual and enhance digital solution for police station | |
Basnet et al. | Analysis of multifactorial social unrest events with spatio-temporal k-dimensional tree-based dbscan | |
Punjabi et al. | Forensic Intelligence-Combining Artificial Intelligence with Digital Forensics | |
CN117349865A (zh) | 基于多源遥感数据的时空数据湖技术及其安全防护方法 | |
Marzukhi et al. | Framework of Knowledge-Based System for United Nations Peacekeeping Operations Using Data Mining Technique | |
CN111611483A (zh) | 一种对象画像构建方法、装置、设备及存储介质 | |
KR102661221B1 (ko) | 로그인 진행시 발생하는 텍스트를 활용하여 로그인시 발생되는 이상징후 탐지방법 | |
Nijim | Multitasking intelligent surveillance and first response system | |
CN113904872B (zh) | 一种针对匿名服务网站指纹攻击的特征提取方法及系统 | |
CN117194751B (zh) | 一种政务电子数据筛选方法及系统 |
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 |