CN116915760B - 一种基于http的全网数据通信封装方法及系统 - Google Patents

一种基于http的全网数据通信封装方法及系统 Download PDF

Info

Publication number
CN116915760B
CN116915760B CN202311170204.5A CN202311170204A CN116915760B CN 116915760 B CN116915760 B CN 116915760B CN 202311170204 A CN202311170204 A CN 202311170204A CN 116915760 B CN116915760 B CN 116915760B
Authority
CN
China
Prior art keywords
data
animal husbandry
source unit
identifier
livestock
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
Application number
CN202311170204.5A
Other languages
English (en)
Other versions
CN116915760A (zh
Inventor
陆蓓婷
蒋文创
王小芳
蔡成涛
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.)
Value Chain Technology Shenzhen Co ltd
Harbin Engineering University Sanya Nanhai Innovation And Development Base
Harbin Engineering University
Original Assignee
Value Chain Technology Shenzhen Co ltd
Harbin Engineering University Sanya Nanhai Innovation And Development Base
Harbin Engineering University
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 Value Chain Technology Shenzhen Co ltd, Harbin Engineering University Sanya Nanhai Innovation And Development Base, Harbin Engineering University filed Critical Value Chain Technology Shenzhen Co ltd
Priority to CN202311170204.5A priority Critical patent/CN116915760B/zh
Publication of CN116915760A publication Critical patent/CN116915760A/zh
Application granted granted Critical
Publication of CN116915760B publication Critical patent/CN116915760B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
    • H04L63/045—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload wherein the sending and receiving network entities apply hybrid encryption, i.e. combination of symmetric and asymmetric encryption
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
    • H04L69/06—Notations for structuring of protocol data, e.g. abstract syntax notation one [ASN.1]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
    • H04L69/22—Parsing or analysis of headers

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Computer Hardware Design (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioethics (AREA)
  • Medical Informatics (AREA)

Abstract

本发明涉及数据通信技术领域，尤其涉及一种基于http的全网数据通信封装方法及系统，包括：获取各个分布式通信节点采集的原始畜牧业数据，根据原始畜牧业数据，生成与原始畜牧业数据对应的多个畜牧数据对象；将多个畜牧数据对象进行结构化，得到畜牧数据对象包；在畜牧数据对象包中添加数据源单位标识符和数据目标单位标识符，并生成数字签名，得到畜牧数据包签名；将畜牧数据包签名和添加标识符的畜牧数据对象包封装成全网数据通信封包。本发明通过引入机器学习、加密算法等方法，可以对封装前的畜牧业通信数据进行深层次分析，从而实现对数据的安全性封装，增强了数据的完整性和可用性。

Description

一种基于http的全网数据通信封装方法及系统
技术领域
本发明涉及数据通信技术领域，尤其涉及一种基于http的全网数据通信封装方法及系统。
背景技术
随着信息技术的发展，智慧畜牧系统已经成为现代畜牧业的重要组成部分，智慧畜牧系统是指利用先进的信息技术、物联网技术、人工智能等技术，对畜牧业进行智能化管理和生产，以提高生产效率和产品质量，推动畜禽规模化生产。
智慧畜牧系统虽然可以帮助畜牧业实现自动化生产、信息化管理、环保生产，然而，智慧畜牧系统也面临着一些问题，比如：随着科技的不断进步，智能设备和传感器等技术的成本不断上涨，对畜牧业的生产成本不断增加，同时，智慧畜牧系统也面临着数据安全、隐私保护、高效管理等问题，因此，亟需为智慧畜牧系统建立完善的数据安全和隐私保护机制，实现对畜牧业生产过程进行高效的管理和监控，优化资源配置。
发明内容
本发明的目的在于提供一种基于http的全网数据通信封装方法及系统，不仅可以实现对数据的安全性封装，而且可以增强数据的完整性和可用性，优化畜牧业生产过程的资源配置。
为解决以上技术问题，本发明提供了一种基于http的全网数据通信封装方法及系统。
第一方面，本发明提供了一种基于http的全网数据通信封装方法，应用于分布式通信系统，所述分布式通信系统包括多个分布式通信节点，所述分布式通信节点包括公网通信节点和私网通信节点，所述方法包括以下步骤：
获取各个分布式通信节点采集的原始畜牧业数据，根据原始畜牧业数据，利用机器学习算法生成与原始畜牧业数据对应的多个畜牧数据对象；
将多个所述畜牧数据对象进行结构化，得到畜牧数据对象包；
确定畜牧业数据的数据源单位标识符、数据目标单位标识符和数据源单位数字身份证明；
在畜牧数据对象包中添加数据源单位标识符和数据目标单位标识符，并生成数字签名，得到畜牧数据包签名；
根据http数据通信协议，利用加密算法将畜牧数据包签名和添加标识符的畜牧数据对象包封装成全网数据通信封包，以在全网中进行传输和解析。
在进一步的实施方案中，所述根据原始畜牧业数据，利用机器学习算法生成与原始畜牧业数据对应的多个畜牧数据对象的步骤包括：
对所述原始畜牧业数据进行数据清洗和预处理，得到预处理后的畜牧业数据；
利用机器学习算法对预处理后的畜牧业数据进行特征提取，得到畜牧特征信息；所述畜牧特征信息包括生长周期数据、农业环境数据、农业产量数据和动物特征数据；
定义畜牧数据对象的属性字段，根据畜牧数据对象的属性字段，对所述畜牧特征信息进行封装，生成与原始畜牧业数据对应的多个畜牧数据对象。
在进一步的实施方案中，所述将多个所述畜牧数据对象进行结构化，得到畜牧数据对象包的步骤包括：
利用聚类算法对所述畜牧数据对象进行聚类分析，得到不同畜牧数据对象之间的潜在关联性及趋势特征；
利用预先训练好的卷积神经网络对所述预处理后的畜牧业数据进行预测，得到不同畜牧数据对象之间的预测关联性及趋势特征；
根据所述潜在关联性及趋势特征和所述预测关联性及趋势特征，以一对多关系建立关系列表；
根据所述关系列表，为每个畜牧数据对象建立畜牧节点，并根据畜牧节点，采用递归查询的方式将所述关系列表关联至预先建立的初始层次结构中，生成畜牧对象层次结构；其中，每个畜牧节点包括数据类型、数据特征、数据单位和数据行为；
利用每个畜牧数据对象的数据特征，为每个畜牧数据对象建立对应的关系型数据库，并将畜牧对象层次结构存储在关系数据库中，采用SQL查询方式从关系数据库中获取畜牧数据对象包。
在进一步的实施方案中，所述确定畜牧业数据的数据源单位标识符、数据目标单位标识符和数据源单位数字身份证明的步骤包括：
建立全网机构单位目录，所述全网机构单位目录包括每个机构单位的标识符、所关联的分布式通信节点列表以及每个分布式通信节点的网络拓扑位置；其中，所述标识符包括每个机构单位在全网中的名称和编号；
确定与畜牧业数据对应的数据源单位和数据源单位的应用系统；
根据所述数据源单位和所述数据源单位的应用系统，从全网机构单位目录中查找出数据源单位标识符和数据源单位数字身份证明；
确定与畜牧业数据对应的数据目标单位，并获取数据目标单位标识符；
利用预设筛选出的多个分布式通信节点对数据源单位标识符、数据目标单位标识符和数据源单位数字身份证明进行验证，得到每个分布式通信节点的验证结果；
对所述验证结果进行投票，得到投票验证结果；
若投票验证结果为数据源单位标识符、数据目标单位标识符和数据源单位数字身份证明验证通过，则在数据对象包中添加数据源单位标识符和数据目标单位标识符。
在进一步的实施方案中，所述利用预设筛选出的多个分布式通信节点对数据源单位标识符、数据目标单位标识符和数据源单位数字身份证明进行验证，得到每个分布式通信节点的验证结果的步骤包括：
每个分布式通信节点评估数据源单位标识符、数据目标单位标识符的合法性，若数据源单位标识符和数据目标单位标识符均存在合法性，则根据数据源单位标识符和数据目标单位标识符，检测数据源单位与数据目标单位之间通信的可用性，得到检测结果；其中，所述可用性包括通信的安全性和可靠性；
当检测结果为数据源单位与数据目标单位之间的通信可用时，提取数据源单位数字身份证明中的关键信息，利用数据源单位的公钥验证关键信息的有效性，若关键信息有效，则判定数据源单位标识符、数据目标单位标识符和数据源单位数字身份证明验证通过，其中，所述关键信息的有效性包括关键信息的合法性和可靠性。
在进一步的实施方案中，所述在畜牧数据对象包中添加数据源单位标识符和数据目标单位标识符，并生成数字签名，得到畜牧数据包签名的步骤包括：
在畜牧数据对象包中添加数据源单位标识符和数据目标单位标识符，得到添加标识符的畜牧数据对象包；
利用数据源单位的私钥对添加标识符的畜牧数据对象包和数据源单位数字身份证明进行数字签名，并将生成的数字签名与添加标识符的畜牧数据对象包和数据源单位数字身份证明关联；
对数字签名、添加标识符的畜牧数据对象包和数据源单位数字身份证明进行哈希计算，并添加时间戳信息，生成畜牧数据包签名；
其中，数字签名的生成采用加密算法和哈希算法。
在进一步的实施方案中，所述根据http数据通信协议，利用加密算法将畜牧数据包签名和添加标识符的畜牧数据对象包封装成全网数据通信封包，以在全网中进行传输和解析的步骤包括：
采用混合加密的方式对畜牧数据包签名进行加密，得到加密数据包签名；其中，混合加密的方式包括公钥加密和对称密钥加密；
根据http数据通信协议，将加密数据包签名、添加标识符的畜牧数据对象包进行封装，形成全网数据通信封包，以在全网中进行传输和解析。
第二方面，本发明提供了一种基于http的全网数据通信封装系统，应用于分布式通信系统，所述分布式通信系统包括多个分布式通信节点，所述分布式通信节点包括公网通信节点和私网通信节点，所述系统包括：
数据对象化模块，用于获取各个分布式通信节点采集的原始畜牧业数据，根据原始畜牧业数据，生成与原始畜牧业数据对应的多个畜牧数据对象；
数据结构化模块，用于利用机器学习算法将多个所述畜牧数据对象进行结构化，得到畜牧数据对象包；
数据签名模块，用于确定畜牧业数据的数据源单位标识符、数据目标单位标识符和数据源单位数字身份证明；在畜牧数据对象包中添加数据源单位标识符和数据目标单位标识符，并生成数字签名，得到畜牧数据包签名；
数据封装模块，用于根据http数据通信协议，利用加密算法将畜牧数据包签名和添加标识符的畜牧数据对象包封装成全网数据通信封包，以在全网中进行传输和解析。
第三方面，本发明还提供了一种计算机设备，包括处理器和存储器，所述处理器与所述存储器相连，所述存储器用于存储计算机程序，所述处理器用于执行所述存储器中存储的计算机程序，以使得所述计算机设备执行实现上述方法的步骤。
第四方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
本发明提供了一种基于http的全网数据通信封装方法及系统，所述方法通过各个分布式通信节点采集原始畜牧业数据，根据原始畜牧业数据，生成与原始畜牧业数据对应的多个畜牧数据对象；将多个畜牧数据对象进行结构化，得到畜牧数据对象包，在畜牧数据对象包中添加数据源单位标识符和数据目标单位标识符，并生成数字签名，得到畜牧数据包签名；将畜牧数据包签名和添加标识符的畜牧数据对象包封装成全网数据通信封包。与现有技术相比，该方法提出的封装方法采用机器学习算法、加密算法等对封装前的畜牧业通信数据进行分析，保证了数据的完整性和真实性，提高了数据的可用性，为畜牧业提供更精确、可靠的数据支持。
附图说明
图1是本发明实施例提供的基于http的全网数据通信封装方法流程示意图；
图2是本发明实施例提供的基于http的全网数据通信封装系统框图；
图3是本发明实施例提供的计算机设备的结构示意图。
具体实施方式
下面结合附图具体阐明本发明的实施方式，实施例的给出仅仅是为了说明目的，并不能理解为对本发明的限定，包括附图仅供参考和说明使用，不构成对本发明专利保护范围的限制，因为在不脱离本发明精神和范围基础上，可以对本发明进行许多改变。
参考图1，本发明实施例提供了一种基于http的全网数据通信封装方法及系统，应用于分布式通信系统，所述分布式通信系统包括多个分布式通信节点，所述分布式通信节点包括公网通信节点和私网通信节点，其中，分布式通信节点可以是养殖场、农户等实体，如图1所示，该方法包括以下步骤：
S1.获取各个分布式通信节点采集的原始畜牧业数据，根据原始畜牧业数据，利用机器学习算法生成与原始畜牧业数据对应的多个畜牧数据对象。
在本实施例中，所述根据原始畜牧业数据，利用机器学习算法生成与原始畜牧业数据对应的多个畜牧数据对象的步骤包括：
对所述原始畜牧业数据进行数据清洗和预处理，得到预处理后的畜牧业数据；
利用机器学习算法对预处理后的畜牧业数据进行特征提取，得到畜牧特征信息；所述畜牧特征信息包括生长周期数据、农业环境数据、农业产量数据和动物特征数据；
定义畜牧数据对象的属性字段，根据畜牧数据对象的属性字段，对所述畜牧特征信息进行封装，生成与原始畜牧业数据对应的多个畜牧数据对象。
由于本实施例通过分布式通信节点采集到的原始畜牧业数据可能存在异常值、缺失值或噪声等各种问题，这些问题会影响数据的质量和可靠性，进而会降低智慧畜牧系统对畜牧业生产过程的管理以及资源配置，因此，本实施例需要对采集到的原始畜牧业数据进行数据清洗和预处理，所述预处理具体包括去除异常值和缺失值、数据规范化处理和数据转换等，以保证数据的准确性和一致性，具体地，对于存在缺失值和异常值的数据，本实施例采用统计学的方法进行异常值处理，通过插值方法来填补缺失的数据点，同时对于不同尺度和范围的数据，本实施例可以采用线性规范化处理，使其具有相似的分布，以及通过减去均值并除以标准差等方式，将数据转换为均值为0、标准差为1的标准正态分布，以消除原始畜牧业数据间的量纲差异，本实施例通过对原始畜牧数据进行预处理，可以保证数据的质量和完整性。
然后本实施例利用机器学习算法对预处理后的畜牧业数据进行特征提取，以从原始畜牧业数据中提取出具有代表性和关键性的畜牧特征信息，从而减少原始畜牧业数据的维度和冗余，提高数据的表达能力和可解释性，比如：本实施例通过特征提取和选择，可以从原始畜牧业数据中提取出某个时间段内的平均温度、湿度等特征作为数据对象的属性，这些特征可以帮助描述和分析原始畜牧业数据，并与其他属性组合成完整的数据对象进行封装和处理。
本实施例利用机器学习算法从原始畜牧业数据中提取关键性的特征信息，这些特征信息可以包括生长周期数据、农业环境数据、农业产量数据和动物特征数据等多方面的特征信息，其中，农业环境数据包括温度、湿度、气压等数据，动物特征数据包括但不限于动物活动状态等信息，农业产量数据包括饲料摄入量和动物产量等信息；同时本实施例根据目标任务自定义畜牧数据对象的属性字段，比如：时间戳、动物编号ID、分布式通信节点编号，以便根据定义的数据对象的属性字段，对经过特征提取得到的畜牧特征信息进行封装，将畜牧特征信息填充封装至相应的属性字段中，生成与原始畜牧业数据对应的畜牧数据对象，需要说明的是，本实施例中的畜牧特征信息是针对目标任务和分析需求，通过机器学习算法从原始畜牧业数据中分析提取的经过处理和转换后的特征属性，数据对象所固有的属性是畜牧业行业中常见的对原始畜牧业数据进行信息描述和标识的属性，与现有技术通常仅通过自定义的数据对象属性生成数据对象的技术相比，本实施例将畜牧特征信息封装至自定义的属性字段中，可以将特征属性与原始畜牧业数据所固有的其他属性关联起来，从而形成完整的数据对象，确保了数据对象的完整性，使得生成的数据对象能够包含特征提取后的畜牧特征信息，从而可以更好地描述和表示畜牧业数据的特征，便于进一步的数据应用。
S2.将多个所述畜牧数据对象进行结构化，得到畜牧数据对象包。
在本实施例中，所述将多个所述畜牧数据对象进行结构化，得到畜牧数据对象包的步骤包括：
利用聚类算法对所述畜牧数据对象进行聚类分析，得到不同畜牧数据对象之间的潜在关联性及趋势特征；
利用预先训练好的卷积神经网络对所述预处理后的畜牧业数据进行预测，得到不同畜牧数据对象之间的预测关联性及趋势特征；
根据所述潜在关联性及趋势特征和所述预测关联性及趋势特征，以一对多关系建立关系列表；
根据所述关系列表，为每个畜牧数据对象建立畜牧节点，并根据畜牧节点，采用递归查询的方式将所述关系列表关联至预先建立的初始层次结构中，生成畜牧对象层次结构；其中，每个畜牧节点包括数据类型、数据特征、数据单位和数据行为；
利用每个畜牧数据对象的数据特征，为每个畜牧数据对象建立对应的关系型数据库，并将畜牧对象层次结构存储在关系数据库中，采用SQL查询方式从关系数据库中获取畜牧数据对象包。
本实施例利用聚类算法对所述畜牧数据对象进行聚类分析，得到不同畜牧数据对象之间的潜在关联性及趋势特征，同时本实施例基于所建立的卷积神经网络模型对预处理后的畜牧业数据进行分析，挖掘出预处理后的畜牧业数据中的不同畜牧数据对象之间的预测关联性及趋势特征，比如，通过分析动物健康特征数据和饲料摄入量之间的关系，或者分析农业环境参数与动物产量之间的关系，预测未来数据的关联性和趋势。
需要说明的是，由于潜在的关联性和趋势特征仅提供了基于历史数据的信息，若仅通过潜在的关联性和趋势特征建立关系列表，在某些情况下，数据可能不足以支持有效的关联性分析，而卷积神经网络模型预测的关联性和趋势特征可以提供关系的未来趋势，通过模型对历史数据的学习和分析，可以根据已有的数据特征和关系，预测缺失数据的可能取值，从而可以通过填补数据的空缺，提供额外的信息，因此，本实施例将潜在的关联性及趋势特征、预测的关联性及趋势特征相结合，共同用来建立关系列表，可以更全面地了解和解释关系的演变和动态趋势特征，能够建立更加全面、准确、客观的关系列表。
在一个实施例中，所述根据所述潜在关联性及趋势特征和所述预测关联性及趋势特征，以一对多关系建立关系列表的步骤包括：
根据每两个畜牧数据对象之间的潜在关联性及趋势特征，计算畜牧数据对象之间的关联强度；
根据所述关联强度，确定所述潜在关联性及趋势特征和所述预测关联性及趋势特征的关联权重；
利用所述关联权重，对所述潜在关联性及趋势特征和所述预测关联性及趋势特征进行加权平均，得到综合关联趋势特征；
将所述综合关联趋势特征以预设的排序规则进行排序，得到排序结果，根据排序结果，以一对多关系建立关系列表。
本实施例将潜在的关联性及趋势特征和预测的关联性及趋势特征进行加权处理，可以综合考虑历史数据、神经网络模型预测结果建立一对多的关系列表，保证了关系列表的准确性和稳定性。
S3.确定畜牧业数据的数据源单位标识符、数据目标单位标识符和数据源单位数字身份证明。
在本实施例中，所述确定畜牧业数据的数据源单位标识符、数据目标单位标识符和数据源单位数字身份证明的步骤包括：
建立全网机构单位目录，所述全网机构单位目录包括每个机构单位的标识符、所关联的分布式通信节点列表以及每个分布式通信节点的网络拓扑位置；其中，所述标识符包括每个机构单位在全网中的名称和编号；
确定与畜牧业数据对应的数据源单位和数据源单位的应用系统；
根据所述数据源单位和所述数据源单位的应用系统，从全网机构单位目录中查找出数据源单位标识符和数据源单位数字身份证明；
确定与畜牧业数据对应的数据目标单位，并获取数据目标单位标识符；
利用预设筛选出的多个分布式通信节点对数据源单位标识符、数据目标单位标识符和数据源单位数字身份证明进行验证，得到每个分布式通信节点的验证结果；
对所述验证结果进行投票，得到投票验证结果；
若投票验证结果为数据源单位标识符、数据目标单位标识符和数据源单位数字身份证明验证通过，则在数据对象包中添加数据源单位标识符和数据目标单位标识符。
由于畜牧业数据通常具有分散性，包括不同养殖场、农户或地域中的数据，分布式节点也是在不同地点或单位中部署，为了适应数据的分散性，本实施例利用分布式通信节点之间可以相互协作和并行处理验证任务的特点，对数据源单位标识符、数据目标单位标识符和数据源单位数字身份证明进行验证，不仅可以更好地覆盖和处理分散的数据源，而且可以提高验证的准确性和可靠性，同时，由于分布式网络不依赖于单一中心化的服务器或节点，具有不可篡改、私有化等特性，即使某个节点被攻击或发生故障，整体验证过程也不会被破坏，这可以使验证过程更加安全，减少单点故障和数据篡改的风险，需要说明的是，若分布式通信节点此前已经验证过某个源单位或者目标单位，则将验证结果保存在其存储装置中，以便后续直接使用，节省资源。
在本实施例中，所述利用预设筛选出的多个分布式通信节点对数据源单位标识符、数据目标单位标识符和数据源单位数字身份证明进行验证，得到每个分布式通信节点的验证结果的步骤包括：
每个分布式通信节点评估数据源单位标识符、数据目标单位标识符的合法性，若数据源单位标识符和数据目标单位标识符均存在合法性，则根据数据源单位标识符和数据目标单位标识符，检测数据源单位与数据目标单位之间通信的可用性，得到检测结果；其中，所述可用性包括通信的安全性和可靠性；
当检测结果为数据源单位与数据目标单位之间的通信可用时，提取数据源单位数字身份证明中的关键信息，利用数据源单位的公钥验证关键信息的有效性，若关键信息有效，则判定数据源单位标识符、数据目标单位标识符和数据源单位数字身份证明验证通过，其中，所述关键信息的有效性包括关键信息的合法性和可靠性。
具体地，由于在数据采集和上传过程中，本实施例通过验证数据源单位标识符和数据目标单位标识符是否合法和可信，从而不仅可以防止未经授权的单位接入智慧畜牧系统，确保通信数据的真实可信，而且可以防止数据泄漏或者被未经授权的单位访问；同时本实施例在农业物联网环境中，验证数据源单位标识符与数据目标单位标识符的安全性和可靠性，不仅可以保护通信数据的机密性和完整性，有效识别和防范针对单位标识的网络攻击，比如身份欺骗、攻击等，保障畜牧业通信系统的稳定性和防护能力，而且可以确保畜牧业通信数据的可信度和准确性，可靠的单位标识符可以减少数据丢失、数据错误或传输中断的风险，提高数据的准确传输和处理能力，同时通过检测单位标识符的可靠性，可以在单位出现异常或者操作失误时实时监测到异常问题，确保单位通信的稳定性。
需要说明的是，畜牧业在改良品种、提高产量和质量方面有着重要作用，这其中就涉及到了重要的遗传基因信息，比如：动物的基因型、动物的ID、繁殖状况、生理指标等敏感信息，因此，在涉及到遗传信息等敏感数据时，需要采取高度的保护以及安全措施，以防止遭到恶意上传假信息或者恶意使用、滥用，然而若仅验证源单位标识符并不能完全确保数据源单位的身份真实性，仍旧可能存在非法用户冒充授权单位，采用伪造的源单位标识符进行数据传输的情况，因此，为了进一步确保畜牧通信数据的源单位是合法存在的授权单位，同时为了节省时间和资源，本实施例通过验证数据源单位身份证明的关键信息有效性，可以进一步确保数据源单位的真实性和合法性，同时本实施例验证数据源单位身份证明的有效性可以确保证明文件的完整性，比如：验证证明文件是否过期、签发机构的合法性以及证明文件是否在有效期内，从而避免源单位使用已过期或伪造的证明文件，确保数据源单位的身份和合法性，进一步加强对数据源单位的验证和控制，从而进一步增强畜牧通信数据的在真实性、可靠性和可信度。
在本实施例中，由于关键信息的合法性和可靠性是对数据源单位身份证明关键信息的有效性验证所要考虑的两个重要方面，因此，本实施例主要针对关键信息的合法性和可靠性进行验证，其中，对数据源单位数字身份证明中的关键信息合法性验证，可以包括对单位名称、注册号码、法定代表人等关键信息进行验证，通过验证这些关键信息的一致性和合法性，可以确认数据源单位的身份和正确性，这有助于防止数据来源单位被篡改或冒充，确保数据源的真实性和准确性；同时对数据源单位数字身份证明中的关键信息可靠性验证，可以包括验证证明的签发机构、验证证明的有效期等信息，保证数据源单位数字身份证明的可靠性和权威性，使得畜牧通信数据的提供方来自可信的验证机构并且具备有效证明的数据源单位，进一步防止伪造的数字身份证明被用于数据传输，本实施例通过对关键信息的进一步验证可以确保数据的来源真实合法，削弱伪造和冒充的风险，提高数据的准确性和可信度，这对于畜牧业等领域的数据管理和决策过程至关重要，能够帮助确保数据的可靠性和数据治理的有效性。
S4.在畜牧数据对象包中添加数据源单位标识符和数据目标单位标识符，并生成数字签名，得到畜牧数据包签名。
在本实施例中，所述在畜牧数据对象包中添加数据源单位标识符和数据目标单位标识符，并生成数字签名，得到畜牧数据包签名的步骤包括：
在畜牧数据对象包中添加数据源单位标识符和数据目标单位标识符，得到添加标识符的畜牧数据对象包；
利用数据源单位的私钥对添加标识符的畜牧数据对象包和数据源单位数字身份证明进行数字签名，并将生成的数字签名与添加标识符的畜牧数据对象包和数据源单位数字身份证明关联；
对数字签名、添加标识符的畜牧数据对象包和数据源单位数字身份证明进行哈希计算，并添加时间戳信息，生成畜牧数据包签名；
其中，数字签名的生成采用加密算法和哈希算法。
S5.根据http数据通信协议，利用加密算法将畜牧数据包签名和添加标识符的畜牧数据对象包封装成全网数据通信封包，以在全网中进行传输和解析。
在本实施例中，所述根据http数据通信协议，利用加密算法将畜牧数据包签名和添加标识符的畜牧数据对象包封装成全网数据通信封包，以在全网中进行传输和解析的步骤包括：
采用混合加密的方式对畜牧数据包签名进行加密，得到加密数据包签名；其中，混合加密的方式包括公钥加密和对称密钥加密；
根据http数据通信协议，将加密数据包签名、添加标识符的畜牧数据对象包进行封装，形成全网数据通信封包，以在全网中进行传输和解析。
本实施例在封装过程中引入数据加密和安全验证方法，对畜牧业数据进行加密和签名等操作，可以确保数据的机密性和完整性，同时为了减少数据的存储空间和传输带宽，本实施例可以利用数据压缩算法，对封装得到的全网数据通信封包进行压缩，提高数据传输效率和成本效益。
本发明实施例提供了一种基于http的全网数据通信封装方法及系统，所述方法包括获取各个分布式通信节点采集的原始畜牧业数据，根据原始畜牧业数据，生成与原始畜牧业数据对应的多个畜牧数据对象；将多个畜牧数据对象进行结构化，得到畜牧数据对象包；在畜牧数据对象包中添加数据源单位标识符和数据目标单位标识符，并生成数字签名，得到畜牧数据包签名；将畜牧数据包签名和添加标识符的畜牧数据对象包封装成全网数据通信封包。与现有技术相比，本实施例采用分布式网络对源单位和目标单位进行验证，不仅可以更好地覆盖和处理分散的畜牧业数据源，而且可以增强数据验证的可靠性和安全性，同时本实施例引入聚类算法和监督学习算法等方法，对封装前的畜牧业通信数据进行深入分析，从而实现对数据的安全性封装，本实施例提供的封装过程不仅可以增强数据的安全性和完整性，还可以提高数据的价值和可用性，为畜牧业提供更精确、可靠的数据支持。
需要说明的是，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
在一个实施例中，如图2所示，本发明实施例提供了一种基于http的全网数据通信封装系统，应用于分布式通信系统，所述分布式通信系统包括多个分布式通信节点，所述分布式通信节点包括公网通信节点和私网通信节点，所述系统包括：
数据对象化模块101，用于获取各个分布式通信节点采集的原始畜牧业数据，根据原始畜牧业数据，利用机器学习算法生成与原始畜牧业数据对应的多个畜牧数据对象；
数据结构化模块102，用于将多个所述畜牧数据对象进行结构化，得到畜牧数据对象包；
数据签名模块103，用于确定畜牧业数据的数据源单位标识符、数据目标单位标识符和数据源单位数字身份证明；在畜牧数据对象包中添加数据源单位标识符和数据目标单位标识符，并生成数字签名，得到畜牧数据包签名；
数据封装模块104，用于根据http数据通信协议，利用加密算法将畜牧数据包签名和添加标识符的畜牧数据对象包封装成全网数据通信封包，以在全网中进行传输和解析。
关于一种基于http的全网数据通信封装系统的具体限定可以参见上述对于一种基于http的全网数据通信封装方法的限定，此处不再赘述。本领域普通技术人员可以意识到，结合本申请所公开的实施例描述的各个模块和步骤，能够以硬件、软件或者两者结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
本发明实施例提供了一种基于http的全网数据通信封装系统，所述系统通过数据对象化模块生成畜牧数据对象；通过数据结构化模块将多个畜牧数据对象进行结构化，得到畜牧数据对象包；通过数据签名模块在畜牧数据对象包中添加数据源单位标识符和数据目标单位标识符，并生成数字签名，得到畜牧数据包签名；通过数据封装模块生成全网数据通信封包。与现有技术相比，本申请引入聚类和监督学习等算法，实现对数据的安全性封装，增强了数据的安全性和完整性，提高了数据的价值和可用性，为畜牧业提供更精确、可靠的数据支持。
图3是本发明实施例提供的一种计算机设备，包括存储器、处理器和收发器，它们之间通过总线连接；存储器用于存储一组计算机程序指令和数据，并可以将存储的数据传输给处理器，处理器可以执行存储器存储的程序指令，以执行上述方法的步骤。
其中，存储器可以包括易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者；处理器可以是中央处理器、微处理器、特定应用集成电路、可编程逻辑器件或其组合。通过示例性但不是限制性说明，上述可编程逻辑器件可以是复杂可编程逻辑器件、现场可编程逻辑门阵列、通用阵列逻辑或其任意组合。
另外，存储器可以是物理上独立的单元，也可以与处理器集成在一起。
本领域普通技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有相同的部件布置。
在一个实施例中，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法的步骤。
本发明实施例提供的一种基于http的全网数据通信封装方法及系统，其一种基于http的全网数据通信封装方法对畜牧业通信数据进行加密和签名等操作，确保了数据的机密性和完整性，同时通过引入机器学习等算法实现了对数据的安全性封装。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如SSD)等。
本领域技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。
以上所述实施例仅表达了本申请的几种优选实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本申请的保护范围。因此，本申请专利的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种基于http的全网数据通信封装方法，其特征在于，应用于分布式通信系统，所述分布式通信系统包括多个分布式通信节点，所述分布式通信节点包括公网通信节点和私网通信节点，所述方法包括以下步骤：
获取各个分布式通信节点采集的原始畜牧业数据，根据原始畜牧业数据，利用机器学习算法生成与原始畜牧业数据对应的多个畜牧数据对象；
将多个所述畜牧数据对象进行结构化，得到畜牧数据对象包；
确定畜牧业数据的数据源单位标识符、数据目标单位标识符和数据源单位数字身份证明；
在畜牧数据对象包中添加数据源单位标识符和数据目标单位标识符，得到添加标识符的畜牧数据对象包，并生成数字签名，得到畜牧数据包签名；
根据http数据通信协议，利用加密算法将畜牧数据包签名和添加标识符的畜牧数据对象包封装成全网数据通信封包，以在全网中进行传输和解析。
2.如权利要求1所述的一种基于http的全网数据通信封装方法，其特征在于，所述根据原始畜牧业数据，利用机器学习算法生成与原始畜牧业数据对应的多个畜牧数据对象的步骤包括：
对所述原始畜牧业数据进行数据清洗和预处理，得到预处理后的畜牧业数据；
利用机器学习算法对预处理后的畜牧业数据进行特征提取，得到畜牧特征信息；所述畜牧特征信息包括生长周期数据、农业环境数据、农业产量数据和动物特征数据；
定义畜牧数据对象的属性字段，根据畜牧数据对象的属性字段，对所述畜牧特征信息进行封装，生成与原始畜牧业数据对应的多个畜牧数据对象。
3.如权利要求2所述的一种基于http的全网数据通信封装方法，其特征在于，所述将多个所述畜牧数据对象进行结构化，得到畜牧数据对象包的步骤包括：
利用聚类算法对所述畜牧数据对象进行聚类分析，得到不同畜牧数据对象之间的潜在关联性及趋势特征；
利用预先训练好的卷积神经网络对所述预处理后的畜牧业数据进行预测，得到不同畜牧数据对象之间的预测关联性及趋势特征；
根据所述潜在关联性及趋势特征和所述预测关联性及趋势特征，以一对多关系建立关系列表；
根据所述关系列表，为每个畜牧数据对象建立畜牧节点，并根据畜牧节点，采用递归查询的方式将所述关系列表关联至预先建立的初始层次结构中，生成畜牧对象层次结构；其中，每个畜牧节点包括数据类型、数据特征、数据单位和数据行为；
利用每个畜牧数据对象的数据特征，为每个畜牧数据对象建立对应的关系型数据库，并将畜牧对象层次结构存储在关系数据库中，采用SQL查询方式从关系数据库中获取畜牧数据对象包。
4.如权利要求1所述的一种基于http的全网数据通信封装方法，其特征在于，所述确定畜牧业数据的数据源单位标识符、数据目标单位标识符和数据源单位数字身份证明的步骤包括：
建立全网机构单位目录，所述全网机构单位目录包括每个机构单位的标识符、所关联的分布式通信节点列表以及每个分布式通信节点的网络拓扑位置；其中，所述标识符包括每个机构单位在全网中的名称和编号；
确定与畜牧业数据对应的数据源单位和数据源单位的应用系统；
根据所述数据源单位和所述数据源单位的应用系统，从全网机构单位目录中查找出数据源单位标识符和数据源单位数字身份证明；
确定与畜牧业数据对应的数据目标单位，并获取数据目标单位标识符；
利用预设筛选出的多个分布式通信节点对数据源单位标识符、数据目标单位标识符和数据源单位数字身份证明进行验证，得到每个分布式通信节点的验证结果；
对所述验证结果进行投票，得到投票验证结果；
若投票验证结果为数据源单位标识符、数据目标单位标识符和数据源单位数字身份证明验证通过，则在数据对象包中添加数据源单位标识符和数据目标单位标识符。
5.如权利要求4所述的一种基于http的全网数据通信封装方法，其特征在于，所述利用预设筛选出的多个分布式通信节点对数据源单位标识符、数据目标单位标识符和数据源单位数字身份证明进行验证，得到每个分布式通信节点的验证结果的步骤包括：
每个分布式通信节点评估数据源单位标识符、数据目标单位标识符的合法性，若数据源单位标识符和数据目标单位标识符均存在合法性，则根据数据源单位标识符和数据目标单位标识符，检测数据源单位与数据目标单位之间通信的可用性，得到检测结果；其中，所述可用性包括通信的安全性和可靠性；
当检测结果为数据源单位与数据目标单位之间的通信可用时，提取数据源单位数字身份证明中的关键信息，利用数据源单位的公钥验证关键信息的有效性，若关键信息有效，则判定数据源单位标识符、数据目标单位标识符和数据源单位数字身份证明验证通过，其中，所述关键信息的有效性包括关键信息的合法性和可靠性。
6.如权利要求5所述的一种基于http的全网数据通信封装方法，其特征在于，所述在畜牧数据对象包中添加数据源单位标识符和数据目标单位标识符，得到添加标识符的畜牧数据对象包，并生成数字签名，得到畜牧数据包签名的步骤包括：
在畜牧数据对象包中添加数据源单位标识符和数据目标单位标识符，得到添加标识符的畜牧数据对象包；
利用数据源单位的私钥对添加标识符的畜牧数据对象包和数据源单位数字身份证明进行数字签名，并将生成的数字签名与添加标识符的畜牧数据对象包和数据源单位数字身份证明关联；
对数字签名、添加标识符的畜牧数据对象包和数据源单位数字身份证明进行哈希计算，并添加时间戳信息，生成畜牧数据包签名；
其中，数字签名的生成采用加密算法和哈希算法。
7.如权利要求6所述的一种基于http的全网数据通信封装方法，其特征在于，所述根据http数据通信协议，利用加密算法将畜牧数据包签名和添加标识符的畜牧数据对象包封装成全网数据通信封包，以在全网中进行传输和解析的步骤包括：
采用混合加密的方式对畜牧数据包签名进行加密，得到加密数据包签名；其中，混合加密的方式包括公钥加密和对称密钥加密；
根据http数据通信协议，将加密数据包签名、添加标识符的畜牧数据对象包进行封装，形成全网数据通信封包，以在全网中进行传输和解析。
8.一种基于http的全网数据通信封装系统，其特征在于，应用于分布式通信系统，所述分布式通信系统包括多个分布式通信节点，所述分布式通信节点包括公网通信节点和私网通信节点，所述系统包括：
数据对象化模块，用于获取各个分布式通信节点采集的原始畜牧业数据，根据原始畜牧业数据，利用机器学习算法生成与原始畜牧业数据对应的多个畜牧数据对象；
数据结构化模块，用于将多个所述畜牧数据对象进行结构化，得到畜牧数据对象包；
数据签名模块，用于确定畜牧业数据的数据源单位标识符、数据目标单位标识符和数据源单位数字身份证明；在畜牧数据对象包中添加数据源单位标识符和数据目标单位标识符，得到添加标识符的畜牧数据对象包，并生成数字签名，得到畜牧数据包签名；
数据封装模块，用于根据http数据通信协议，利用加密算法将畜牧数据包签名和添加标识符的畜牧数据对象包封装成全网数据通信封包，以在全网中进行传输和解析。
9.一种计算机设备，其特征在于：包括处理器和存储器，所述处理器与所述存储器相连，所述存储器用于存储计算机程序，所述处理器用于执行所述存储器中存储的计算机程序，以使得所述计算机设备执行如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中存储有计算机程序，当所述计算机程序被运行时，实现如权利要求1至7任一项所述的方法。
CN202311170204.5A 2023-09-12 2023-09-12 一种基于http的全网数据通信封装方法及系统 Active CN116915760B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311170204.5A CN116915760B (zh) 2023-09-12 2023-09-12 一种基于http的全网数据通信封装方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311170204.5A CN116915760B (zh) 2023-09-12 2023-09-12 一种基于http的全网数据通信封装方法及系统

Publications (2)

Publication Number Publication Date
CN116915760A CN116915760A (zh) 2023-10-20
CN116915760B true CN116915760B (zh) 2023-12-26

Family

ID=88360620

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311170204.5A Active CN116915760B (zh) 2023-09-12 2023-09-12 一种基于http的全网数据通信封装方法及系统

Country Status (1)

Country Link
CN (1) CN116915760B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109194641A (zh) * 2018-08-27 2019-01-11 广东工业大学 一种业务数据的传输方法、装置、设备及存储介质
CN110930069A (zh) * 2019-12-10 2020-03-27 航天新长征大道科技有限公司 数据采集打包方法和系统，可读存储介质和计算机
CN111080443A (zh) * 2019-12-27 2020-04-28 腾讯科技（深圳）有限公司 基于区块链的业务处理方法、装置、设备及存储介质
CN111130799A (zh) * 2019-12-25 2020-05-08 上海沄界信息科技有限公司 一种基于tee进行https协议传输的方法及系统
CN111401558A (zh) * 2020-06-05 2020-07-10 腾讯科技（深圳）有限公司 数据处理模型训练方法、数据处理方法、装置、电子设备
AU2020100954A4 (en) * 2020-06-05 2020-07-16 A, Dinesh Kumar Dr Decision making system for crop-livestock farms using machine learning algorithms
CN113536327A (zh) * 2020-04-20 2021-10-22 北京沃东天骏信息技术有限公司 数据处理方法、装置和系统
CN113709096A (zh) * 2021-06-24 2021-11-26 北京农业信息技术研究中心 一种畜牧资产管理身份认证方法及系统
CN114124916A (zh) * 2021-10-27 2022-03-01 阿波罗智联(北京)科技有限公司 数据传输方法、装置、电子设备及存储介质
CN115146284A (zh) * 2021-03-29 2022-10-04 中国移动通信集团安徽有限公司 数据处理方法、装置、电子设备和存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190370634A1 (en) * 2018-06-01 2019-12-05 International Business Machines Corporation Data platform to protect security of data used by machine learning models supported by blockchain

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109194641A (zh) * 2018-08-27 2019-01-11 广东工业大学 一种业务数据的传输方法、装置、设备及存储介质
CN110930069A (zh) * 2019-12-10 2020-03-27 航天新长征大道科技有限公司 数据采集打包方法和系统，可读存储介质和计算机
CN111130799A (zh) * 2019-12-25 2020-05-08 上海沄界信息科技有限公司 一种基于tee进行https协议传输的方法及系统
CN111080443A (zh) * 2019-12-27 2020-04-28 腾讯科技（深圳）有限公司 基于区块链的业务处理方法、装置、设备及存储介质
CN113536327A (zh) * 2020-04-20 2021-10-22 北京沃东天骏信息技术有限公司 数据处理方法、装置和系统
CN111401558A (zh) * 2020-06-05 2020-07-10 腾讯科技（深圳）有限公司 数据处理模型训练方法、数据处理方法、装置、电子设备
AU2020100954A4 (en) * 2020-06-05 2020-07-16 A, Dinesh Kumar Dr Decision making system for crop-livestock farms using machine learning algorithms
CN115146284A (zh) * 2021-03-29 2022-10-04 中国移动通信集团安徽有限公司 数据处理方法、装置、电子设备和存储介质
CN113709096A (zh) * 2021-06-24 2021-11-26 北京农业信息技术研究中心 一种畜牧资产管理身份认证方法及系统
CN114124916A (zh) * 2021-10-27 2022-03-01 阿波罗智联(北京)科技有限公司 数据传输方法、装置、电子设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
智能化畜禽养殖场人工智能技术的应用与展望;陆蓉;胡肄农;黄小国;谭业平;陆昌华;;天津农业科学(07);全文 *
陆蓉 ; 胡肄农 ; 黄小国 ; 谭业平 ; 陆昌华 ; .智能化畜禽养殖场人工智能技术的应用与展望.天津农业科学.2018,(07),全文. *

Also Published As

Publication number Publication date
CN116915760A (zh) 2023-10-20

Similar Documents

Publication Publication Date Title
Ferrag et al. Federated deep learning for cyber security in the internet of things: Concepts, applications, and experimental analysis
CN110431817B (zh) 识别恶意网络设备
CN106663169B (zh) 使用无监督式机器学习和优先权算法的高速威胁情报管理的系统及方法
EP3497915B1 (en) Peer-to-peer communication system and peer-to-peer processing apparatus
CN109688105B (zh) 一种威胁报警信息生成方法及系统
Gifty et al. Privacy and security of big data in cyber physical systems using Weibull distribution-based intrusion detection
US20070199050A1 (en) Web application security frame
CN113067703B (zh) 终端设备数据上链方法及系统
CN106529282A (zh) 一种基于信任链的白名单执行系统及执行方法
CN108337219B (zh) 一种物联网防入侵的方法和存储介质
CN109474603B (zh) 数据抓包处理方法及终端设备
CN111698241A (zh) 物联网云平台系统、验证方法和数据管理方法
CN111181912A (zh) 浏览器标识的处理方法、装置、电子设备及存储介质
CN116895375B (zh) 一种基于数据共享的医疗器械管理追溯方法及系统
CN112069242A (zh) 基于大数据和云计算的数据处理方法及大数据服务平台
CN112364059A (zh) 多规则场景下关联匹配方法、装置、设备和存储介质
CN116915760B (zh) 一种基于http的全网数据通信封装方法及系统
CN112733198A (zh) 一种区块链轻节点数据采集方法及装置
Huang A Data‐Driven WSN Security Threat Analysis Model Based on Cognitive Computing
CN117546166A (zh) 用于检查数据匿名化的计算机实现的方法和系统
CN114567678A (zh) 一种云安全服务的资源调用方法、装置及电子设备
CN114329516A (zh) 一种智慧交通数据保护方法及系统
Srivastava et al. Blockchain based Authentication for Internet of Things Devices based on Smart Farming
Shah et al. Security measurement in industrial IoT with cloud computing perspective: taxonomy, issues, and future directions
Yan et al. [Retracted] Power IoT System Architecture Integrating Trusted Computing and Blockchain

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