CN116861013B - 一种cim数据可信性提升方法 - Google Patents

Abstract

本申请涉及区块链技术领域，尤其是涉及一种CIM数据可信性提升方法。CIM数据可信性提升方法包括：接收目标CIM数据来源发送的CIM数据；检测CIM数据是否包含隐藏的数据；若包含，则对CIM数据进行反隐写，确定对应的权属信息；基于权属信息，将CIM数据上链存储。在接收到CIM数据来源发送的CIM数据之后先检测是否存在隐藏的数据。存在隐藏的数据是可以进行后续上链存储的数据，保证了后续上链存储的CIM数据的来源准确可信。对CIM数据进行反隐写，可以准确确定出CIM数据的权属信息，基于此进行上链存储，应用到的区块链可以避免CIM数据被篡改，提升了CIM数据的可信性。

Description

一种CIM数据可信性提升方法

技术领域

本申请涉及区块链技术领域，尤其是涉及一种CIM数据可信性提升方法。

背景技术

城市信息模型（City Information Modeling，CIM）是以建筑信息模型（BuildingInformation Modeling，BIM）、数字孪生（Digital Twin，DT）、地理信息系统（GeographicInformation System，GIS）、物联网（Internet of Things，IoT）等技术为基础，整合城市地上地下、室内室外、历史现状未来多维信息模型数据和城市感知数据，构建起三维数字空间的城市信息有机综合体。CIM被广泛应用于城市规划、建设和管理领域，为城市发展提供了全面的信息支持。CIM数据的可信性可以体现在数据的来源可信、数据完整、数据准确以及数据可追溯等方面，可信的CIM数据对于CIM的应用非常重要。

目前，CIM整合了一个城市中的大量数据，但是这些数据的来源不唯一，涉及到了数据使用的权利，使得CIM数据形成了资产，具有机密性。城市中不同的数据来源若想要进行数据资产的共享，需要确定数据来源的准确性，进而确定CIM数据的可信性。但是目前并没有提升CIM数据的可信性的较好的方法，导致CIM数据的可信程度较低。

发明内容

为了提升CIM数据的可信性，本申请提供一种CIM数据可信性提升方法。

第一方面，本申请提供一种CIM数据可信性提升方法，包括：

接收目标CIM数据来源发送的CIM数据；

检测所述CIM数据是否包含隐藏的数据；

若包含，则对所述CIM数据进行反隐写，确定对应的权属信息；

基于所述权属信息，将所述CIM数据上链存储。

通过采用上述技术方案，在接收到CIM数据来源发送的CIM数据之后先检测是否存在隐藏的数据。存在隐藏的数据是可以进行后续上链存储的数据，保证了后续上链存储的CIM数据的来源准确可信。对CIM数据进行反隐写，可以准确确定出CIM数据的权属信息，基于此进行上链存储，应用到的区块链可以避免CIM数据被篡改，提升了CIM数据的可信性。

可选的，所述方法还包括：

分析所述目标CIM数据来源的来源性质；

根据所述来源性质，确定所述CIM数据对应的数据类型范围。

通过采用上述技术方案，对目标CIM数据来源的来源性质进行分析确定，进而得到当前时刻该目标CIM数据来源发送的CIM数据最新的数据类型范围，便于确定CIM数据的数据类型是否符合数据类型范围的要求。

可选的，所述检测所述CIM数据是否包含隐藏的数据，包括：

分析所述CIM数据的数据类型，确定所述数据类型是否在所述数据类型范围内，所述数据类型包括图片、音频、视频和压缩文件；

若所述数据类型未包含于所述数据类型范围内，则针对不在所述数据类型范围内的异常文件进行初步检测，确定所述异常文件的存储申请；

若所述数据类型包含于所述数据类型范围内或所述异常文件中包含存储申请，则检测所述数据类型的数据统计特征；

根据所述数据统计特征和所述数据类型的预设隐写特征，确定所述CIM数据是否包含隐藏的数据。

通过采用上述技术方案，针对CIM数据的数据类型是否在对应的数据类型范围内的情况进行分别的分析，不在数据类型范围内的时候，进一步检测异常文件中的存储申请。在异常文件中包含存储申请或者数据类型在数据类型范围内时，进行隐藏数据的确定。避免CIM数据并不是目标CIM数据来源应该发送的数据，提升最终存储的CIM数据的可信性。

可选的，所述方法还包括：

根据预设隐写分配方式，确定当前时刻所述目标CIM数据来源的可选隐写方式；

从所述可选隐写方式中确定所述CIM数据的数据类型对应的目标隐写方式；

获取所述目标隐写方式对应的反隐写方式；

所述对所述CIM数据进行反隐写，确定对应的权属信息，包括：

按照所述反隐写方式对所述CIM数据进行反隐写，以得到反隐写的结果；

基于所述反隐写的结果，确定对应的权属信息。

通过采用上述技术方案，根据预设隐写分配方式来确定目标CIM数据来源的目标隐写方式和对应的反隐写方式，使得能够快速准确的对CIM数据进行反隐写，节省了对CIM数据的反隐写上链的整体用时。

可选的，所述对所述CIM数据进行反隐写，确定对应的权属信息，包括：

当所述CIM数据的数据类型为CIM图像时，识别所述CIM图像是否为原始图像；

若所述CIM图像为原始图像，则确定所述CIM图像的图像特征，所述图像特征包括像素分布、色彩分布和纹理；

基于所述图像特征和预设隐写特征，确定并提取所述CIM图像中的隐藏图像特征；

分析所述隐藏图像特征，确定所述隐藏图像特征对应的权属信息。

通过采用上述技术方案，先识别CIM图像是否为原始图像，如果不是原始图像，那么目前的CIM图像可能存在数据的失真或丢失，隐写数据可能会嵌入这些丢失或失真的区域，在进行反隐写的时候可能导致结果不准确，或者无法将隐藏的数据还原出来。在CIM图像为原始图像时进行图像特征的分析，提升了权属信息的准确性，进而提升CIM数据的可信性。

可选的，所述方法还包括：

获取预设历史时段内的历史反隐写数据；

从所述历史反隐写数据中提取每一组历史CIM数据的历史隐藏图像特征和对应的历史权属信息，得到若干组历史隐藏图像特征；

从若干组历史隐藏图像特征提取出各自对应的像素值均值指标、像素值方差指标、像素值梯度指标和图像噪音指标；

对所述像素值均值指标、像素值方差指标、像素值梯度指标和图像噪音指标进行归一化处理，得到每一组历史隐藏图像特征对应的像素值均值、像素值方差、像素值梯度和图像噪音；

将若干组历史隐藏图像特征的各自对应的像素值均值、各自对应的像素值方差、各自对应的像素值梯度、各自对应的图像噪音和各自对应的历史权属信息作为样本集，对权属信息确定模型进行训练；

所述分析所述隐藏图像特征，确定所述隐藏图像特征对应的权属信息，包括：

将所述隐藏图像特征输入到训练后的权属信息确定模型，输出权属信息确定结果，以根据所述权属信息确定结果确定所述隐藏图像特征对应的权属信息。

通过采用上述技术方案，将归一化处理后的、历史CIM数据中的历史隐藏图像特征的像素值均值、像素值方差、像素值梯度、图像噪音和对应的历史权属信息作为样本集，可以快速被提取出来，提升模型训练的速度。另外由于反隐写可能会导致图像在空间域上的信息发生变化，因此像素值均值、像素值方差、像素值梯度、图像噪音可以用来对模型进行训练，提升了训练后的权属信息确定模型输出的权属信息的准确性。

可选的，所述方法还包括：

根据CIM模型需求，确定对应的CIM三维模型的模型结构和模型属性；

根据所述模型结构和所述模型属性，建立CIM三维模型并确定所述CIM三维模型对应的区块链平台；

根据所述CIM模型需求，确定所述CIM三维模型对应的区块链数据结构；

根据所述CIM模型需求，编写所述CIM三维模型对应的智能合约，并将所述智能合约部署到所述区块链平台；

所述基于所述权属信息，将所述CIM数据上链存储，包括：

基于所述智能合约、所述区块链数据结构、所述CIM数据、所述权属信息，对所述CIM三维模型进行哈希值赋值，绑定对应的区块链。

通过采用上述技术方案，根据CIM三维模型的模型结构、模型属性、可选CIM数据来源和数据关系来搭建CIM三维模型的框架，并且选择适宜的区块链平台。确定合适的区块链数据结果和智能合约，使CIM三维模型更加匹配对应的城市的实际情况，提升了存储的CIM数据的可信性和与各个城市区域之间的对应性。

可选的，所述CIM模型需求包括可选CIM数据来源、数据关系、若干CIM核心对象、每一CIM核心对象对应的实体、所述实体的属性和目标功能；所述根据CIM模型需求，确定对应的CIM三维模型的模型结构和模型属性，包括：

根据CIM核心对象，确定对应的CIM三维模型的应用领域和基本结构；

根据每一CIM核心对象对应的实体，确定所述CIM三维模型在所述应用领域下对应的层次结构和组织结构；

基于所述应用领域、所述基本结构、所述层次结构和所述组织结构，确定所述CIM三维模型的模型结构；

根据所述实体的属性，确定所述CIM三维模型的模型属性；

所述方法还包括：

从所述CIM模型需求中提取可选CIM数据来源；

根据所述可选CIM数据来源、不同CIM核心对象和对应的实体之间的层次结构、组织结构和所述CIM三维模型的目标功能，确定若干CIM核心对象、对应的实体之间的关联属性；

基于所述关联属性，确定对应的CIM三维模型的数据关系。

通过采用上述技术方案，基于CIM模型需求中若干CIM核心对象、每一CIM核心对象对应的实体、实体的属性和目标功能，对应确定CIM三维模型的模型结构、模型属性、可选CIM数据来源和数据关系，提升了CIM三维模型的可靠性。

可选的，所述基于所述智能合约、所述区块链数据结构、所述CIM数据、所述权属信息，对所述CIM三维模型进行哈希值赋值，绑定对应的区块链，包括：

基于所述智能合约、所述区块链数据结构，将所述CIM数据写入区块链中并将所述区块链与所述CIM数据对应的权属信息进行绑定，以使所述CIM数据按照所述CIM模型需求上链存储。

通过采用上述技术方案，可以使CIM数据存储更加清晰可查，提升了CIM数据的可信性。

可选的，所述方法还包括：

若所述CIM数据不包含隐藏的数据，则向所述CIM数据对应的目标CIM数据来源发送权属缺失信息。

通过采用上述技术方案，避免CIM数据没有进行隐写而导致来源不明确，提升了被存储的CIM数据的准确性。

第二方面，本申请提供一种CIM数据可信性提升装置，包括：

CIM数据接收模块，用于接收目标CIM数据来源发送的CIM数据；

隐藏数据检测模块，用于检测所述CIM数据是否包含隐藏的数据；

权属信息确定模块，用于当包含时，对所述CIM数据进行反隐写，确定对应的权属信息；

CIM数据存储模块，用于基于所述权属信息，将所述CIM数据上链存储。

可选的，所述CIM数据可信性提升装置还包括数据类型确定模块，用于：

分析所述目标CIM数据来源的来源性质；

根据所述来源性质，确定所述CIM数据对应的数据类型范围。

可选的，所述隐藏数据检测模块具体用于：

分析所述CIM数据的数据类型，确定所述数据类型是否在所述数据类型范围内，所述数据类型包括图片、音频、视频和压缩文件；

若所述数据类型未包含于所述数据类型范围内，则针对不在所述数据类型范围内的异常文件进行初步检测，确定所述异常文件的存储申请；

若所述数据类型包含于所述数据类型范围内或所述异常文件中包含存储申请，则检测所述数据类型的数据统计特征；

根据所述数据统计特征和所述数据类型的预设隐写特征，确定所述CIM数据是否包含隐藏的数据。

可选的，所述CIM数据可信性提升装置还包括反隐写方式确定模块，用于：

根据预设隐写分配方式，确定当前时刻所述目标CIM数据来源的可选隐写方式；

从所述可选隐写方式中确定所述CIM数据的数据类型对应的目标隐写方式；

获取所述目标隐写方式对应的反隐写方式；

所述权属信息确定模块具体用于：

按照所述反隐写方式对所述CIM数据进行反隐写，以得到反隐写的结果；

基于所述反隐写的结果，确定对应的权属信息。

可选的，所述权属信息确定模块具体用于：

当所述CIM数据的数据类型为CIM图像时，识别所述CIM图像是否为原始图像；

若所述CIM图像为原始图像，则确定所述CIM图像的图像特征，所述图像特征包括所述CIM图像的像素分布、色彩分布和纹理；

基于所述图像特征和预设隐写特征，确定并提取所述CIM图像中的隐藏图像特征；

分析所述隐藏图像特征，确定所述隐藏图像特征对应的权属信息。

可选的，所述CIM数据可信性提升装置还包括权属信息确定模型生成模块，用于：

获取预设历史时段内的历史反隐写数据；

从所述历史反隐写数据中提取每一组历史CIM数据的历史隐藏图像特征和对应的历史权属信息，得到若干组历史隐藏图像特征；

从若干组历史隐藏图像特征提取出各自对应的像素值均值指标、像素值方差指标、像素值梯度指标和图像噪音指标；

对所述像素值均值指标、像素值方差指标、像素值梯度指标和图像噪音指标进行归一化处理，得到每一组历史隐藏图像特征对应的像素值均值、像素值方差、像素值梯度和图像噪音；

将若干组历史隐藏图像特征的各自对应的像素值均值、各自对应的像素值方差、各自对应的像素值梯度、各自对应的图像噪音和各自对应的历史权属信息作为样本集，对权属信息确定模型进行训练；

所述权属信息确定模块具体用于：

将所述隐藏图像特征输入到训练后的权属信息确定模型，输出权属信息确定结果，以根据所述权属信息确定结果确定所述隐藏图像特征对应的权属信息。

可选的，所述CIM数据可信性提升装置还包括CIM三维模型搭建模块，用于：

根据CIM模型需求，确定对应的CIM三维模型的模型结构和模型属性；

根据所述模型结构和所述模型属性，建立CIM三维模型并确定所述CIM三维模型对应的区块链平台；

根据所述CIM模型需求，确定所述CIM三维模型对应的区块链数据结构；

根据所述CIM模型需求，编写所述CIM三维模型对应的智能合约，并将所述智能合约部署到所述区块链平台；

所述CIM数据存储模块具体用于：

基于所述智能合约、所述区块链数据结构、所述CIM数据、所述权属信息，对所述CIM三维模型进行哈希值赋值，绑定对应的区块链。

可选的，所述CIM模型需求包括可选CIM数据来源、数据关系、若干CIM核心对象、每一CIM核心对象对应的实体、所述实体的属性和目标功能；所述CIM三维模型搭建模块具体用于：

根据CIM核心对象，确定对应的CIM三维模型的应用领域和基本结构；

根据每一CIM核心对象对应的实体，确定所述CIM三维模型在所述应用领域下对应的层次结构和组织结构；

基于所述应用领域、所述基本结构、所述层次结构和所述组织结构，确定所述CIM三维模型的模型结构；

根据所述实体的属性，确定所述CIM三维模型的模型属性；

所述CIM数据可信性提升装置还包括数据关系确定模块，用于

从所述CIM模型需求中提取可选CIM数据来源；

根据所述可选CIM数据来源、不同CIM核心对象和对应的实体之间的层次结构、组织结构和所述CIM三维模型的目标功能，确定若干CIM核心对象、对应的实体之间的关联属性；

基于所述关联属性，确定对应的CIM三维模型的数据关系。

可选的，所述CIM数据存储模块具体用于：

基于所述智能合约、所述区块链数据结构，将所述CIM数据写入区块链中并将所述区块链与所述CIM数据对应的权属信息进行绑定，以使所述CIM数据按照所述CIM模型需求上链存储。

可选的，所述CIM数据可信性提升装置还包括权属缺失信息发送模块，用于：

若所述CIM数据不包含隐藏的数据，则向所述CIM数据对应的目标CIM数据来源发送权属缺失信息。

第三方面，本申请提供一种电子设备，包括：存储器和处理器，所述存储器上存储有能够被处理器加载并执行第一方面的方法的计算机程序。

第四方面，本申请提供一种计算机可读存储介质，存储有能够被处理器加载并执行第一方面的方法的计算机程序。

附图说明

为了更清楚地说明本申请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一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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为本申请一实施例提供的一种应用场景示意图；

图2为本申请一实施例提供的一种CIM数据可信性提升方法的流程图；

图3为本申请一实施例提供的一种CIM数据可信性提升装置的结构示意图；

图4为本申请一实施例提供的一种电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。

下面结合说明书附图对本申请实施例作进一步详细描述。

城市信息模型（CIM）是一个包括地理信息系统（GIS）、建筑信息模型（BIM）、二维数据、三维模型、空间坐标基准以及人工智能和物联网（IoT）数据的综合模型。CIM被广泛应用于城市规划、建设和管理领域，为城市发展提供了全面的信息支持。目前CIM模型中的CIM数据可能涉及城市规划数据、建设数据以及管理数据等。这些数据大多是被CIM模型包括的若干城市区域各自对应的用户拷贝到CIM上的，可供多区域使用，没有追溯的必要。此时每一个用户都可以作为一个数据来源。但是随着社会经济的发展和制度的改革，一个城市中每个区域的CIM数据可能涉及到本区域建设的核心数据，具有机密性，CIM数据形成了资产，并非所有的用户都有权查看各个区域的CIM数据。因此，确定CIM数据对应的数据来源，进行安全的存储，以提升CIM数据的可信性是非常重要的。

基于此，本申请提供一种CIM数据可信性提升方法。先接收目标CIM数据来源发送的CIM数据，检测其是否包含隐藏的数据，如果包含则对CIM数据进行反隐写，确定对应的权属信息，然后基于权属信息对CIM数据上链存储。

图1为本申请提供的一种应用场景示意图。城市信息模型可以与若干城市区域关联，接收这些城市区域作为CIM数据来源发送的CIM数据。在图1的应用场景中，CIM数据可信性提升方法可以搭建在数据分析服务器上。数据分析服务器对CIM数据进行分析，确定出对应的权属信息，然后按照权属信息，将CIM数据存储到区块链上。

具体的实现方式可以参考以下实施例。

图2为本申请一实施例提供的一种CIM数据可信性提升方法的流程图，本实施例的方法可以应用于以上场景中的数据分析服务器。如图2所示的，该方法包括：

S201、接收目标CIM数据来源发送的CIM数据。

CIM可以与若干城市区域进行关联，每一城市区域都可以作为CIM数据来源，当CIM数据来源向数据分析服务器发起数据传输时，可以作为当前时刻的目标CIM数据来源。CIM数据可以包括目标CIM数据来源对应的城市区域中的楼宇建设数据、楼宇内部规划数据以及管理数据等。

具体的，CIM数据来源可以向数据分析服务器提出数据传输申请，数据分析服务器可以响应于数据传输申请，然后指定该CIM数据来源为当前时刻的目标CIM数据来源。接收目标CIM数据来源发送的CIM数据。

S202、检测CIM数据是否包含隐藏的数据。

各个城市区域对应的CIM数据来源向数据分析服务器发送CIM数据的时候，可以统一对原本的CIM数据进行隐写，来打上城市区域的符号、标记或水印，使得数据分析服务器实际接收到的CIM数据可以是被标记过的数据，因此可以对CIM数据进行检测。

具体的，可以利用例如DBSCAN的聚类算法，对CIM数据进行分析，通过检测聚类中的数据点是否有明显的异常或者异于其他数据点的特殊属性，来确定是否存在隐藏数据。例如百分之八十的数据点都分布的很均匀，但是存在百分之二十的数据点很集中。若有明显的异常或者异于其他数据点的特殊属性，可以表示CIM数据包含了隐藏的数据；若没有明显的异常或者异于其他数据点的特殊属性，可以表示CIM数据不包含隐藏的数据。

S203、若包含，则对CIM数据进行反隐写，确定对应的权属信息。

反隐写用于将CIM数据当中隐藏的数据解析出来；权属信息用于表示CIM数据的所属情况，在一些实现方式中，目标CIM数据来源可能并不是CIM数据的第一产生者，那么CIM数据中可能不存在隐藏的信息，或者存在其他CIM数据来源对应的隐藏信息。

具体的，当CIM数据包含隐藏的数据时，可以利用StegDetect等反隐写工具来进行反隐写。可以将CIM数据输入到反隐写工具内，得到被隐写的数据，对应确定出权属信息。

S204、基于权属信息，将CIM数据上链存储。

上链存储在本申请中用于表示在区块链上存储。可以先基于区块链技术搭建CIM模型，该CIM模型为三维模型。

具体的，基于权属信息可以确定出对应的CIM数据要存储到CIM模型上的区域，将CIM数据对应赋值到该区域上的各个位置，例如楼高、面积大小等，同时进行编码和加密，并行管理该CIM数据的访问权限，完成存储。

本实施例在接收到CIM数据来源发送的CIM数据之后先检测是否存在隐藏的数据。存在隐藏的数据为可以进行后续上链存储的数据，保证了后续上链存储的CIM数据的来源准确可信。对CIM数据进行反隐写，可以准确确定出CIM数据的权属信息，基于此进行上链存储，应用到的区块链可以记录下原本CIM数据中的权属信息，当CIM数据被篡改导致权属信息发生变化时可以及时发现，提升了CIM数据的可信性。

在一些实施例中，可以确定不同目标CIM数据来源各自对应的数据类型范围。具体的，分析目标CIM数据来源的来源性质；根据来源性质，确定CIM数据对应的数据类型范围。

来源性质可以与目标CIM数据来源对应的城市区域本身进行的建设项目相关。不同来源性质的目标CIM数据来源上传的数据类型不相同，可以对应一个数据类型范围。例如某一城市区域在目前的一个月中一直在进行楼宇建设的规划，需要进行上传存储的数据基本都是电子图纸一类的，那么该目标CIM数据来源的来源性质可以为图纸。对应的数据类型范围中可以包括电子文件、图片等数据类型。可以预先设置不同来源性质的数据类型范围。

具体的，数据分析服务器可以根据目标CIM数据来源的项目规划更新该目标CIM数据来源的来源性质。查找当前时刻目标CIM数据来源的项目规划，进而对应确定当前时刻目标CIM数据来源来源性质。基于来源性质，对应查找确定该目标CIM数据来源发送的CIM数据对应的数据类型范围。

本实施例对目标CIM数据来源的来源性质进行分析确定，进而得到当前时刻该目标CIM数据来源发送的CIM数据最新的数据类型范围，便于确定CIM数据的数据类型是否符合数据类型范围的要求。

在一些实施例中，当CIM数据的数据类型在数据类型范围内时，可以基于数据统计特征和预设隐写特征确定CIM数据中是否包含隐藏的数据；当CIM数据的数据类型不在数据类型范围内时，可以对异常文件进行初步检测。具体的，分析CIM数据的数据类型，确定数据类型是否在数据类型范围内，数据类型包括图片、音频、视频和压缩文件；若数据类型未包含于数据类型范围内，则针对不在数据类型范围内的异常文件进行初步检测，确定异常文件的存储申请；若数据类型包含于数据类型范围内或异常文件中包含存储申请，则检测数据类型的数据统计特征；根据数据统计特征和数据类型的预设隐写特征，确定CIM数据是否包含隐藏的数据。

在一些实现方式中，若CIM数据的数据类型为压缩文件，需要进一步分析压缩文件中的具体类型，可以包括图片、音频、文档等。数据类型范围包括的类型可以包含该CIM数据的数据类型。当目标CIM数据来源在发送不在自身的数据类型范围内的CIM数据时，数据分析服务器可以向目标CIM数据来源发送存储申请表，若目标CIM数据来源填写了存储申请表，数据分析服务器在进行初步检测时可以检测到该存储申请。若是未填写，目标CIM数据来源将无法向数据分析服务器发送CIM数据。其中，存储申请可以包括新增原来数据类型范围内不包含的数据类型对应新增的项目信息。

异常文件可以用于表示从CIM数据中分析出的、不在数据类型范围内的数据。数据统计特征可以包括数据的平均值、中位数、方差、标准差、最小值、最大值和偏度等。由于CIM数据包含的数据类型可能不唯一，因此可能存在一个或多个数据统计特征。预设隐写特征可以用于表示与数据分析服务器关联若干城市区域使用的预先要求的隐写方式进行隐写时，CIM数据存在的数据统计特征。

具体的，可以先基于不同数据类型的命名后缀来识别CIM数据的数据类型，然后对比确定数据类型是否都在对应的数据类型范围内。如果不在数据类型范围内，可以检测不在数据类型范围内的异常文件中是否包含存储申请。如果在数据类型范围内或者异常文件中包含存储申请，则利用SAS等统计软件检测数据类型的数据统计特征，并与预设隐写特征进行对比，若数据统计特征包含于预设隐写特征中，可以确定CIM数据包含隐藏的数据，若数据统计特征未包含于预设隐写特征中，可以确定CIM数据不包含隐藏的数据。

在一些实现方式中，当目标CIM数据来源填写了存储申请表后，数据分析服务器可以先对存储申请表进行检测，确定内容是否有效，例如填写的新项目是否已经存在。若无效，可以向目标CIM数据来源发送请求重填提示，并且删除接收到的该目标CIM数据源发送的无效的CIM数据。除此之外，如果异常文件中包含存储申请，可以立刻更新该目标CIM数据来源的来源性质，即调整对应的数据类型范围。

本实施例针对CIM数据的数据类型是否在对应的数据类型范围内的情况进行分别的分析，不在数据类型范围内的时候，进一步检测异常文件中的存储申请。在异常文件中包含存储申请或者数据类型在数据类型范围内时，进行隐藏数据的确定。避免CIM数据并不是目标CIM数据来源应该发送的数据，提升最终存储的CIM数据的可信性。

在一些实施例中，可以先确定当前时刻目标CIM数据来源的可选隐写方式，然后对应匹配数据类型对应的目标隐写方式，利用目标隐写方式所对应的反隐写方式来对该目标CIM数据来源发送的CIM数据进行反隐写。具体的，根据预设隐写分配方式，确定当前时刻目标CIM数据来源的可选隐写方式；从可选隐写方式中确定CIM数据的数据类型对应的目标隐写方式；获取目标隐写方式对应的反隐写方式。

相对应的，按照反隐写方式对CIM数据进行反隐写以得到反隐写的结果；基于反隐写的结果，确定对应的权属信息。

可以预先设置若干种隐写方式和若干隐写方式的若干种排列方式，将CIM数据来源按照与数据分析服务器关联起来的时刻进行排序，关联最早的排为第一个。分配隐写方式时可以按照CIM数据来源的先后进行分配，分配时按照对应时刻的排列方式轮流选择若干种隐写方式，确保前后两个CIM数据来源不会选择到同一个隐写方式。除此之外，可以设置排列方式每半小时进行更新一次。例如，CIM数据来源可以包括a，b，c，d，e，隐写方式有A、B、C、D、E、F。某一时刻的排列方式可以为A-B-C-D-E-F，那么a对应的隐写方式为A，b对应的隐写方式为B……e对应的隐写方式为E。前述的某一时刻的半小时后，排列方式可以为B-A-F-C-D-E，此时a对应的隐写方式为B，b对应的隐写方式为A……e对应的隐写方式为D。按照预设频率（前述的半小时更新一次）更新排列方式，按照排列方式中隐写方式的顺序和CIM数据来源的排列顺序，为CIM数据来源分配隐写方式。

可选隐写方式可以是在当前时刻所有被排列在顺序内的隐写方式，由于某些隐写方式安全性较低，而某一段时间的CIM数据比较重要，因此安全性较低的隐写方式在这段时间中的某一时刻可能被短暂剔除。因此可选隐写方式可能并不是所有的隐写方式。可以存储每一种隐写方式对应的反隐写方式。

具体的，可以在预设隐写分配方式中查找当前时刻的可以选用的可选隐写方式，然后查找当前时刻的排列方式下，目标CIM数据来源对应的目标隐写方式。然后基于目标隐写方式对应查找反隐写方式。按照反隐写方式对CIM数据进行反隐写，反隐写得出的结果可以显示出对应的权属信息。

本实施例根据预设隐写分配方式来确定目标CIM数据来源的目标隐写方式和对应的反隐写方式，使得能够快速准确的对CIM数据进行反隐写，节省了对CIM数据的反隐写上链的整体用时。

在一些实施例中，当CIM数据的数据类型是CIM图像的时候。可以对图像也进行分析确定权属信息。具体的，当CIM数据的数据类型为CIM图像时，识别CIM图像是否为原始图像；若CIM图像为原始图像，则确定CIM图像的图像特征，图像特征包括像素分布、色彩分布和纹理；基于图像特征和预设隐写特征，确定并提取CIM图像中的隐藏图像特征；分析隐藏图像特征，确定隐藏图像特征对应的权属信息。

原始图像可以用于表示为经过压缩的图像。由于不同的CIM数据来源的隐写方式不相同，因此针对对应的CIM数据进行隐写后的预设隐写特征是不同的，可以预先确定使用该隐写方式隐写各种数据类型的CIM数据的时候的预设隐写特征，然后在确定目标CIM数据来源的隐写方式的时候进行存储。预设隐写特征可以包括在CIM数据的什么位置有什么样的特征。

具体的，当CIM数据的数据类型为CIM图像时，可以利用JPEGsnoop等图像分析工具来判断CIM图像上是否存在块状伪影，若存在，则可以确定不是原始图像，若不存在，可以确定为原始图像。当CIM图像为原始图像时，可以利用颜色直方图的方法来提取颜色特征，利用共生矩阵、局部二值模式等方法提取纹理特征等。然后将图像特征与预设隐写特征进行对比，确定CIM图像上存在隐写的位置，对应进行提取，得到隐藏图像特征。然后可以按照上述实施例中的对应的反隐写方式，对隐藏图像特征进行反隐写，确定权属信息。

在一些实现方式中，若CIM图像不是原始图像，需要向对应的CIM数据来源发送警告，接收新的未压缩过的原始图像。

本实施例先识别CIM图像是否为原始图像，如果不是原始图像，那么目前的CIM图像可能存在数据的失真或丢失，隐写数据可能会嵌入这些丢失或失真的区域，在进行反隐写的时候可能导致结果不准确，或者无法将隐藏的数据还原出来。在CIM图像为原始图像时进行图像特征的分析，提升了权属信息的准确性，进而提升CIM数据的可信性。

在一些实施例中，可以建立一个权属信息确定模型，来确定隐藏图像特征对应的权属信息。具体的，获取预设历史时段内的历史反隐写数据；从该历史反隐写数据中提取每一组历史CIM数据的历史隐藏图像特征和对应的历史权属信息，得到若干组历史隐藏图像特征；从若干组历史隐藏图像特征提取出各自对应的像素值均值指标、像素值方差指标、像素值梯度指标和图像噪音指标；对像素值均值指标、像素值方差指标、像素值梯度指标和图像噪音指标进行归一化处理，得到每一组历史隐藏图像特征对应的像素值均值、像素值方差、像素值梯度和图像噪音；将若干组历史隐藏图像特征的各自对应的像素值均值、各自对应的像素值方差、各自对应的像素值梯度、各自对应的图像噪音和各自对应的历史权属信息作为样本集，对权属信息确定模型进行训练；。

相对应的，将隐藏图像特征输入到训练后的权属信息确定模型，输出权属信息确定结果，以根据所述权属信息确定结果确定该隐藏图像特征对应的权属信息。

预设历史时段可以设置为以当前时刻为终止时刻的，前一年的时段，历史反隐写数据为该预设历史时段内每一次反隐写时的数据，每一组历史CIM数据中可以包括历史隐藏图像特征和对应的历史权属信息。预设历史时段内的历史反隐写数据可以被实时存储。

当对图像进行隐写的时候，可能会导致图像在空间域上的信息发生变化，其中像素值均值、像素值方差、像素值梯度和图像噪音的提取难度较低，因此可以作为训练模型所用的指标。

具体的，可以获取预先存储的预设历史时段内的历史反隐写数据，并从中提取出每一组历史CIM数据的历史隐藏图像特征和对应的历史权属信息。从每一历史隐藏图像特征中提取出像素值均值指标、像素值方差指标、像素值梯度指标和图像噪音指标，进行归一化处理，得到每一组历史隐藏图像特征对应的像素值均值、像素值方差、像素值梯度和图像噪音。将像素值均值、像素值方差、像素值梯度、图像噪音和对应的历史权属信息作为样本集。从样本集中获取由每一组历史隐藏图像特征对应的像素值均值、像素值方差、像素值梯度和图像噪音组成的训练样本，输入到权属信息确定模型，得到输出结果，即历史权属信息。可以根据训练得到的历史权属信息和样本集中实际对应的历史权属信息，计算损失函数，利用梯度下降法调整待训练的优化难度确定模型的模型参数，以减小损失函数，直到损失函数不再减小时停止训练，得到训练后的权属信息确定模型。然后可以将隐藏图像特征输入到训练后的权属信息确定模型，直接输出对应的权属信息。

在一些实现方式中，在训练好模型后，可以随着时间的推移，利用新增的样本数据对模型进行更新。

本实施例将归一化处理后的、历史CIM数据中的历史隐藏图像特征的像素值均值、像素值方差、像素值梯度、图像噪音和对应的历史权属信息作为样本集，可以快速被提取出来，提升模型训练的速度。另外由于反隐写可能会导致图像在空间域上的信息发生变化，因此像素值均值、像素值方差、像素值梯度、图像噪音可以用来对模型进行训练，提升了训练后的权属信息确定模型输出的权属信息的准确性。

在一些实施例中，可以根据CIM模型需求，来搭建CIM三维模型。具体的，根据CIM模型需求，确定对应的CIM三维模型的模型结构和模型属性；根据模型结构和模型属性，建立CIM三维模型并确定CIM三维模型对应的区块链平台；根据CIM模型需求，确定CIM三维模型对应的区块链数据结构；根据CIM模型需求，编写CIM三维模型对应的智能合约，并将智能合约部署到区块链平台。

相对应的，基于智能合约、区块链数据结构、CIM数据和权属信息，对CIM三维模型进行哈希值赋值，绑定对应的区块链。

CIM三维模型可以是某一城市对应的三维模型。CIM模型需求可以是对于CIM三维模型搭建时的需求，可以包括CIM三维模型的模型结构的需求、模型属性的需求、要关联的可选CIM数据来源的需求以及不同CIM数据来源之间的数据关系的需求、区块链中需要存储的数据类型和结构的需求、安全性需求、验证需求以及模型要实现的具体功能、业务逻辑等。其中模型结构可以用于表示CIM三维模型的基本结构，可以包括模型中各个组成部分之间的连接关系和组织方式。模型属性在CIM三维模型中起到了描述和定义模型实体的重要作用，为模型的访问、查询、分析和应用提供了基础。这些属性信息可以实现电力系统等系统的建模、仿真、管理和交互操作。可选CIM数据来源可以包括所有与数据分析服务器进行关联的CIM数据来源，且该CIM数据来源为将CIM数据发送到CIM三维模型上进行存储的CIM数据来源。

不同结构和属性的模型可能需要不同的区块链平台，可以预先进行设置。区块链数据结构可以用于组织和存储区块链中的数据。

具体的，接收CIM三维模型建立前的用户发送的CIM模型建立需求，得到CIM三维模型的模型结构和模型属性。然后按照模型结构和属性初步建立CIM三维模型的框架，对应确定使用的区块链平台。可以对CIM模型需求进行分析，确定区块链中需要存储的数据类型和结构，以及存储时的安全性需求等，确定区块链数据结构。然后基于CIM模型需求中的模型要实现的具体功能、业务逻辑来编写智能合约，部署到区块链平台上。然后基于智能合约、区块链数据结构，将CIM数据利用哈希赋值的方式赋值给CIM三维模型，并且绑定对应的权属信息。

本实施例根据CIM三维模型的模型结构、模型属性、可选CIM数据来源和数据关系来搭建CIM三维模型的框架，并且选择适宜的区块链平台。确定合适的区块链数据结果和智能合约，使CIM三维模型更加匹配对应的城市的实际情况，提升了存储的CIM数据的可信性和与各个城市区域之间的对应性。

在一些实施例中，CIM模型需求包括可选CIM数据来源、数据关系、若干CIM核心对象、每一CIM核心对象对应的实体、实体的属性和目标功能。可以根据CIM模型需求中的若干CIM核心对象、每一CIM核心对象对应的实体、实体的属性和目标功能来确定CIM三维模型的模型结构、模型属性、可选CIM数据来源和数据关系。具体的，根据CIM核心对象，确定对应的CIM三维模型的应用领域和基本结构；根据每一CIM核心对象对应的实体，确定CIM三维模型在应用领域下对应的层次结构和组织结构；基于应用领域、基本结构、层次结构和组织结构，确定CIM三维模型的模型结构；根据实体的属性，确定CIM三维模型的模型属性。

相对应的，从CIM模型需求中提取可选CIM数据来源；根据可选CIM数据来源、不同CIM核心对象和对应的实体之间的层次结构、组织结构和CIM三维模型的目标功能，确定若干CIM核心对象、对应的实体之间的关联属性；基于关联属性，确定对应的CIM三维模型的数据关系。

CIM核心对象可以包括电力系统、铁路网络、供水系统等，以电力系统为例，CIM核心对象对应的实体可以包括发电站、变电站、输电线路等具有明确定义的关系和层次结构的实体。关联属性可以包括不同实体之间的依赖关系、拓扑结构等。应用领域可以用于表示该CIM三维模型要应用在什么样的场景中，可能涉及哪些结构等。目标功能可以用于表示模型要实现的具体功能、业务逻辑等。数据关系可以用于表示CIM数据与CIM数据来源之间的关系、CIM数据与CIM三维模型之间的对应关系等。可选CIM数据来源包括上述实施例中的目标CIM数据来源。

具体的，基于CIM核心对象可以确定CIM三维模型的应用领域，可以将CIM核心对象的基本结构作为CIM三维模型的基本结构。由于不同CIM核心对象对应的实体之间有固定的层次结构和组织结构，可以关联整合为CIM三维模型在应用领域下对应的层次结构和组织结构，进而得到模型结构。CIM三维模型中涉及到了若干实体，每一实体具有自己的属性，可以将每一实体的属性导入到CIM三维模型中，得到CIM三维模型的模型属性。不同的可选数据来源对应的城市区域可能包括很多的CIM核心对象以及对应的实体，因此可以确定可选CIM数据来源、对应的CIM核心对象、对应的实体之间的层次结构、组织结构和CIM三维模型的目标功能，确定各个CIM核心对象、各个实体之间的关联属性，整体作为CIM三维模型的数据关系。

本实施例基于CIM模型需求中若干CIM核心对象、每一CIM核心对象对应的实体、实体的属性和目标功能，对应确定CIM三维模型的模型结构、模型属性、可选CIM数据来源和数据关系，提升了CIM三维模型的可靠性。

在一些实施例中，按照智能合约、区块链数据结构，将CIM数据写入区块链存储并绑定权属信息，实现区块链与CIM三维模型的绑定。具体的，基于智能合约、区块链数据结构，将区块链与CIM数据对应的权属信息进行绑定，以使CIM数据按照CIM模型需求上链存储。

具体的，可以按照智能合约和区块链数据结构，确定区块链中每个区块用于存储哪一城市区域的何种数据，然后将CIM数据写入区块链，绑定上述实施例中确定的权属信息，使得CIM数据可以按照CIM模型需求上链存储。

本实施例可以使CIM数据存储更加清晰可查，提升了CIM数据的可信性。

在一些实施例中，如果通过初步检测发现CIM数据中不包含隐藏的数据，需要发送权属缺失信息。具体的，若CIM数据不包含隐藏的数据，则向CIM数据对应的目标CIM数据来源发送权属缺失信息。

可能存在目标CIM数据来源并不是CIM数据的生成来源，而是代为发送，此时目标CIM数据来源并不会进行隐写操作，如果CIM数据对应的生成来源也没有进行隐写操作，则无法确定CIM数据的所属权。权属缺失信息可以用于提示目标CIM数据来源补全权属信息。

具体的，如果检测到CIM数据不包含隐藏的数据，可以向CIM数据对应的目标CIM数据来源发送权属缺失信息。

在一些实现方式中，若接收到目标CIM数据重新发送的CIM数据且CIM数据包含隐藏的数据时，可以继续进行权属信息的分析。

本实施例避免CIM数据没有进行隐写而导致来源不明确，提升了被存储的CIM数据的准确性。

图3为本申请一实施例提供的一种CIM数据可信性提升装置的结构示意图，如图3所示的，本实施例的CIM数据可信性提升装置300包括：CIM数据接收模块301、隐藏数据检测模块302、权属信息确定模块303和CIM数据存储模块304。

CIM数据接收模块301，用于接收目标CIM数据来源发送的CIM数据；

隐藏数据检测模块302，用于检测CIM数据是否包含隐藏的数据；

权属信息确定模块303，用于当包含时，对CIM数据进行反隐写，确定对应的权属信息；

CIM数据存储模块304，用于基于权属信息，将CIM数据上链存储。

可选的，CIM数据可信性提升装置300还包括数据类型确定模块305，用于：

分析目标CIM数据来源的来源性质；

根据来源性质，确定CIM数据对应的数据类型范围。

可选的，隐藏数据检测模块302具体用于：

分析CIM数据的数据类型，确定数据类型是否在数据类型范围内，数据类型包括图片、音频、视频和压缩文件；

若数据类型未包含于数据类型范围内，则针对不在数据类型范围内的异常文件进行初步检测，确定异常文件的存储申请；

若数据类型包含于数据类型范围内或异常文件中包含存储申请，则检测数据类型的数据统计特征；

根据数据统计特征和数据类型的预设隐写特征，确定CIM数据是否包含隐藏的数据。

可选的，CIM数据可信性提升装置300还包括反隐写方式确定模块306，用于：

根据预设隐写分配方式，确定当前时刻目标CIM数据来源的可选隐写方式；

从可选隐写方式中确定CIM数据的数据类型对应的目标隐写方式；

获取目标隐写方式对应的反隐写方式；

权属信息确定模块303具体用于：

按照反隐写方式对CIM数据进行反隐写，以得到反隐写的结果；

基于反隐写的结果，确定对应的权属信息。

可选的，权属信息确定模块303具体用于：

当CIM数据的数据类型为CIM图像时，识别CIM图像是否为原始图像；

若CIM图像为原始图像，则确定CIM图像的图像特征，图像特征包括CIM图像的像素分布、色彩分布和纹理；

基于图像特征和预设隐写特征，确定并提取CIM图像中的隐藏图像特征；

分析隐藏图像特征，确定隐藏图像特征对应的权属信息。

可选的，CIM数据可信性提升装置300还包括权属信息确定模型生成模块307，用于：

获取预设历史时段内的历史反隐写数据，历史反隐写数据包括若干组历史CIM数据；

从历史反隐写数据中提取每一组历史CIM数据的历史隐藏图像特征和对应的历史权属信息，得到若干组历史隐藏图像特征；

从若干组历史隐藏图像特征提取出各自对应的像素值均值指标、像素值方差指标、像素值梯度指标和图像噪音指标；

对像素值均值指标、像素值方差指标、像素值梯度指标和图像噪音指标进行归一化处理，得到每一组历史隐藏图像特征对应的像素值均值、像素值方差、像素值梯度和图像噪音；

将若干组历史隐藏图像特征的各自对应的像素值均值、各自对应的像素值方差、各自对应的像素值梯度、各自对应的图像噪音和各自对应的历史权属信息作为样本集，对权属信息确定模型进行训练；

权属信息确定模块303具体用于：

将隐藏图像特征输入到训练后的权属信息确定模型，输出权属信息确定结果，以根据权属信息确定结果确定隐藏图像特征对应的权属信息。

可选的，CIM数据可信性提升装置300还包括CIM三维模型搭建模块308，用于：

根据CIM模型需求，确定对应的CIM三维模型的模型结构和模型属性；

根据模型结构和模型属性，建立CIM三维模型并确定CIM三维模型对应的区块链平台；

根据CIM模型需求，确定CIM三维模型对应的区块链数据结构；

根据CIM模型需求，编写CIM三维模型对应的智能合约，并将智能合约部署到区块链平台；

CIM数据存储模块304具体用于：

基于智能合约、区块链数据结构、CIM数据、权属信息，对CIM三维模型进行哈希值赋值，绑定对应的区块链。

可选的，CIM模型需求包括可选CIM数据来源、数据关系、若干CIM核心对象、每一CIM核心对象对应的实体、实体的属性和目标功能；CIM三维模型搭建模块308具体用于：

根据CIM核心对象，确定对应的CIM三维模型的应用领域和基本结构；

根据每一CIM核心对象对应的实体，确定CIM三维模型在应用领域下对应的层次结构和组织结构；

基于应用领域、基本结构、层次结构和组织结构，确定CIM三维模型的模型结构；

根据实体的属性，确定CIM三维模型的模型属性；

CIM数据可信性提升装置300还包括数据关系确定模块309，用于：

从CIM模型需求中提取可选CIM数据来源；

根据可选CIM数据来源、不同CIM核心对象和对应的实体之间的层次结构、组织结构和CIM三维模型的目标功能，确定若干CIM核心对象、对应的实体之间的关联属性；

基于关联属性，确定对应的CIM三维模型的数据关系。

可选的，CIM数据存储模块304具体用于：

基于智能合约、区块链数据结构，将CIM数据写入区块链中并将区块链与CIM数据对应的权属信息进行绑定，以使CIM数据按照CIM模型需求上链存储。

可选的，CIM数据可信性提升装置300还包括权属缺失信息发送模块310，用于：

若CIM数据不包含隐藏的数据，则向CIM数据对应的目标CIM数据来源发送权属缺失信息。

本实施例的装置，可以用于执行上述任一实施例的方法，其实现原理和技术效果类似，此处不再赘述。

图4为本申请一实施例提供的一种电子设备的结构示意图，如图4所示，本实施例的电子设备400可以包括：存储器401和处理器402。

存储器401上存储有能够被处理器402加载并执行上述实施例中方法的计算机程序。

其中，处理器402和存储器401相连，如通过总线相连。

可选地，电子设备400还可以包括收发器。需要说明的是，实际应用中收发器不限于一个，该电子设备400的结构并不构成对本申请实施例的限定。

处理器402可以是CPU（Central Processing Unit，中央处理器），通用处理器，DSP（Digital Signal Processor，数据信号处理器），ASIC（Application SpecificIntegrated Circuit，专用集成电路），FPGA（Field Programmable Gate Array，现场可编程门阵列）或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器402也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。

总线可包括一通路，在上述组件之间传送信息。总线可以是PCI（PeripheralComponent Interconnect，外设部件互连标准）总线或EISA（Extended Industry StandardArchitecture，扩展工业标准结构）总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

存储器401可以是ROM（Read Only Memory，只读存储器）或可存储静态信息和指令的其他类型的静态存储设备，RAM（Random Access Memory，随机存取存储器）或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM（Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器）、CD-ROM（Compact DiscRead Only Memory，只读光盘）或其他光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。

存储器401用于存储执行本申请方案的应用程序代码，并由处理器402来控制执行。处理器402用于执行存储器401中存储的应用程序代码，以实现前述方法实施例所示的内容。

其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图4示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

本实施例的电子设备，可以用于执行上述任一实施例的方法，其实现原理和技术效果类似，此处不再赘述。

本申请还提供一种计算机可读存储介质，存储有能够被处理器加载并执行如上实施例中的方法的计算机程序。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (7)

1.一种CIM数据可信性提升方法，其特征在于，包括：

接收目标CIM数据来源发送的CIM数据；

检测所述CIM数据是否包含隐藏的数据；

若包含，则对所述CIM数据进行反隐写，确定对应的权属信息；

基于所述权属信息，将所述CIM数据上链存储；

所述CIM数据包括目标CIM数据来源对应的城市区域中的楼宇建设数据、楼宇内部规划数据以及管理数据；

根据CIM模型需求，确定对应的CIM三维模型的模型结构和模型属性；

根据所述模型结构和所述模型属性，建立CIM三维模型并确定所述CIM三维模型对应的区块链平台；

根据所述CIM模型需求，确定所述CIM三维模型对应的区块链数据结构；

所述CIM模型需求包括可选CIM数据来源、数据关系、若干CIM核心对象、每一CIM核心对象对应的实体、所述实体的属性和目标功能；所述根据CIM模型需求，确定对应的CIM三维模型的模型结构和模型属性，包括：

根据CIM核心对象，确定对应的CIM三维模型的应用领域和基本结构；

根据每一CIM核心对象对应的实体，确定所述CIM三维模型在所述应用领域下对应的层次结构和组织结构；

基于所述应用领域、所述基本结构、所述层次结构和所述组织结构，确定所述CIM三维模型的模型结构；

根据所述实体的属性，确定所述CIM三维模型的模型属性；

从所述CIM模型需求中提取可选CIM数据来源；

根据所述可选CIM数据来源、不同CIM核心对象和对应的实体之间的层次结构、组织结构和所述CIM三维模型的目标功能，确定若干CIM核心对象、对应的实体之间的关联属性；

基于所述关联属性，确定对应的CIM三维模型的数据关系；

分析所述目标CIM数据来源的来源性质，所述来源性质与所述目标CIM数据来源对应的城市区域进行的建设项目相关，不同来源性质的目标CIM数据来源上传的数据类型不同，目标CIM数据来源对应一个数据类型范围，所述数据类型范围包括电子文件和图片；

根据所述来源性质，确定所述CIM数据对应的数据类型范围；

所述检测所述CIM数据是否包含隐藏的数据，包括：

分析所述CIM数据的数据类型，确定所述数据类型是否在所述数据类型范围内，所述数据类型包括图片、音频、视频和压缩文件；

若所述数据类型未包含于所述数据类型范围内，则针对不在所述数据类型范围内的异常文件进行初步检测，确定所述异常文件的存储申请，所述异常文件用于表示从所述CIM数据中分析出的不在数据类型范围内的数据；所述存储申请包括所述数据类型范围不包含的数据类型对应的新增的项目信息；

若所述数据类型包含于所述数据类型范围内或所述异常文件中包含存储申请，则检测所述数据类型的数据统计特征，并更新所述目标CIM数据来源的数据类型范围；

根据所述数据统计特征和所述数据类型的预设隐写特征，确定所述CIM数据是否包含隐藏的数据；

若所述异常文件中不包含所述存储申请，则向所述目标CIM数据来源发送存储申请表并接收所述目标CIM数据来源填写完成的存储申请表；

对所述填写完成的存储申请表进行检测，确定内容是否有效，有效的内容包括所述数据类型范围对应的项目信息不包括新增的项目信息；

若无效，则向所述目标CIM数据来源发送请求重填提示，并删除所述目标CIM数据来源发送无效的CIM数据，所述无效的CIM数据为所述填写完成的存储申请表中新增的项目信息对应的CIM数据。

2.根据权利要求1所述的CIM数据可信性提升方法，其特征在于，还包括：

根据预设隐写分配方式，确定当前时刻所述目标CIM数据来源的可选隐写方式；

从所述可选隐写方式中确定所述CIM数据的数据类型对应的目标隐写方式；

获取所述目标隐写方式对应的反隐写方式；

所述对所述CIM数据进行反隐写，确定对应的权属信息，包括：

按照所述反隐写方式对所述CIM数据进行反隐写，以得到反隐写的结果；

基于所述反隐写的结果，确定对应的权属信息。

3.根据权利要求1所述的CIM数据可信性提升方法，其特征在于，所述对所述CIM数据进行反隐写，确定对应的权属信息，包括：

当所述CIM数据的数据类型为CIM图像时，识别所述CIM图像是否为原始图像；

若所述CIM图像为原始图像，则确定所述CIM图像的图像特征，所述图像特征包括像素分布、色彩分布和纹理；

基于所述图像特征和预设隐写特征，确定并提取所述CIM图像中的隐藏图像特征；

分析所述隐藏图像特征，确定所述隐藏图像特征对应的权属信息。

4.根据权利要求3所述的CIM数据可信性提升方法，其特征在于，还包括：

获取预设历史时段内的历史反隐写数据；

从所述历史反隐写数据中提取每一组历史CIM数据的历史隐藏图像特征和对应的历史权属信息，得到若干组历史隐藏图像特征；

从若干组历史隐藏图像特征提取出各自对应的像素值均值指标、像素值方差指标、像素值梯度指标和图像噪音指标；

对所述像素值均值指标、像素值方差指标、像素值梯度指标和图像噪音指标进行归一化处理，得到每一组历史隐藏图像特征对应的像素值均值、像素值方差、像素值梯度和图像噪音；

将若干组历史隐藏图像特征各自对应的像素值均值、各自对应的像素值方差、各自对应的像素值梯度、各自对应的图像噪音和各自对应的历史权属信息作为样本集，对权属信息确定模型进行训练；

所述分析所述隐藏图像特征，确定所述隐藏图像特征对应的权属信息，包括：

将所述隐藏图像特征输入到训练后的权属信息确定模型，输出权属信息确定结果，以根据所述权属信息确定结果确定所述隐藏图像特征对应的权属信息。

5.根据权利要求1所述的CIM数据可信性提升方法，其特征在于，还包括：

根据所述CIM模型需求，编写所述CIM三维模型对应的智能合约，并将所述智能合约部署到所述区块链平台；

所述基于所述权属信息，将所述CIM数据上链存储，包括：

基于所述智能合约、所述区块链数据结构、所述CIM数据、所述权属信息，对所述CIM三维模型进行哈希值赋值，绑定对应的区块链。

6.根据权利要求5所述的CIM数据可信性提升方法，其特征在于，所述基于所述智能合约、所述区块链数据结构、所述CIM数据、所述权属信息，对所述CIM三维模型进行哈希值赋值，绑定对应的区块链，包括：

基于所述智能合约、所述区块链数据结构，将所述CIM数据写入区块链中并将所述区块链与所述CIM数据对应的权属信息进行绑定，以使所述CIM数据按照所述CIM模型需求上链存储。

7.根据权利要求5所述的CIM数据可信性提升方法，其特征在于，还包括：

若所述CIM数据不包含隐藏的数据，则向所述CIM数据对应的目标CIM数据来源发送权属缺失信息。