CN117077182B - 用于电子商务管理系统数据的安全存储方法 - Google Patents

用于电子商务管理系统数据的安全存储方法 Download PDF

Info

Publication number
CN117077182B
CN117077182B CN202311329808.XA CN202311329808A CN117077182B CN 117077182 B CN117077182 B CN 117077182B CN 202311329808 A CN202311329808 A CN 202311329808A CN 117077182 B CN117077182 B CN 117077182B
Authority
CN
China
Prior art keywords
data
target
sequence
target system
segmented
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
CN202311329808.XA
Other languages
English (en)
Other versions
CN117077182A (zh
Inventor
蔡云
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.)
Nantong Baishi Intelligent Technology Co ltd
Original Assignee
Nantong Baishi Intelligent Technology Co ltd
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 Nantong Baishi Intelligent Technology Co ltd filed Critical Nantong Baishi Intelligent Technology Co ltd
Priority to CN202311329808.XA priority Critical patent/CN117077182B/zh
Publication of CN117077182A publication Critical patent/CN117077182A/zh
Application granted granted Critical
Publication of CN117077182B publication Critical patent/CN117077182B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F21/602—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
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
    • H03M7/3084—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction using adaptive string matching, e.g. the Lempel-Ziv method
    • H03M7/3086—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction using adaptive string matching, e.g. the Lempel-Ziv method employing a sliding window, e.g. LZ77
    • 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)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Bioethics (AREA)
  • Databases & Information Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及电数字数据处理技术领域，具体涉及用于电子商务管理系统数据的安全存储方法，该方法包括：获取电子商务管理系统包括的待存储数据集合；对待存储数据集合中的各个待存储数据进行压缩进制转化处理；对目标进制数据集合进行自适应分段；对分段数据序列包括的每个目标进制数据进行偏移分析处理；对每个分段数据序列进行混乱程度分析处理；确定目标进制数据对应的加密位置；对目标进制数据集合中的各个目标进制数据进行加密压缩存储。本发明通过对待存储数据集合中的待存储数据进行电数字数据处理，提高了对电子商务管理系统中的数据进行加密存储的准确度和效率，应用于对电子商务管理系统中的数据进行加密存储。

Description

用于电子商务管理系统数据的安全存储方法
技术领域
本发明涉及电数字数据处理技术领域，具体涉及用于电子商务管理系统数据的安全存储方法。
背景技术
由于电子商务管理系统中的数据中往往包含信用卡卡号等敏感信息，所以，为了避免敏感信息泄露和保护数据的安全性，对电子商务管理系统中的数据进行存储时往往需要进行加密存储。目前，对数据进行加密存储时，通常采用的方式为：根据电子商务管理系统中的数据，编制密码本，并根据编制的密码本，对电子商务管理系统中的数据进行加密存储。
然而，当采用上述方式，对电子商务管理系统中的数据进行加密存储时，经常会存在如下技术问题：
第一，由于电子商务管理系统包括的数据量往往比较大，所以密码本的编制周期往往比较长，并且电子商务管理系统中的数据往往实时变化，新产生的数据可能不再适应原密码本，因此对电子商务管理系统中的数据进行加密存储时，往往需要实时编制密码本，往往导致对电子商务管理系统中的数据进行加密存储的效率低下；
第二，由于电子商务管理系统包括的数据和数据类型往往比较多，所以编制的密码本可能存在部分数据没有设置密码规则或者设置了错误的密码规则，往往导致产生错误的密文，从而导致对电子商务管理系统中的数据进行加密存储的准确度低下。
发明内容
本发明的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本发明的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
为了解决对电子商务管理系统中的数据进行加密存储的效率低下的技术问题，本发明提出了用于电子商务管理系统数据的安全存储方法。
本发明提供了用于电子商务管理系统数据的安全存储方法，该方法包括：
获取电子商务管理系统包括的待存储数据集合；
对所述待存储数据集合中的各个待存储数据进行压缩进制转化处理，得到目标进制数据集合；
对所述目标进制数据集合进行自适应分段，得到分段数据序列集合；
根据所述分段数据序列集合中的每个分段数据序列，对所述分段数据序列包括的每个目标进制数据进行偏移分析处理，得到所述目标进制数据对应的数据偏移量；
根据所述分段数据序列集合，对所述分段数据序列集合中的每个分段数据序列进行混乱程度分析处理，得到所述分段数据序列对应的混乱程度；
对于所述目标进制数据集合中的每个目标进制数据，根据所述目标进制数据所在的分段数据序列对应的混乱程度、所述目标进制数据对应的数据偏移量和位置，确定所述目标进制数据对应的加密位置；
根据所述目标进制数据集合中的各个目标进制数据对应的加密位置，对所述目标进制数据集合中的各个目标进制数据进行加密压缩存储。
进一步的，所述对所述目标进制数据集合进行自适应分段，得到分段数据序列集合，包括：
对所述目标进制数据集合中的目标进制数据进行排序，得到目标进制数据序列，并确定所述目标进制数据序列对应的离散性；
以所述目标进制数据序列中的第一个目标进制数据为起始数据，从所述目标进制数据序列中截取第一预设数目个目标进制数据，作为第一分段序列，并确定第一分段序列对应的离散性；
当第一分段序列对应的离散性等于目标进制数据序列对应的离散性时，将第一分段序列，确定为分段数据序列；
当第一分段序列对应的离散性不等于目标进制数据序列对应的离散性时，以第二分段序列中的第一个目标进制数据为起始数据，从第二分段序列中截取第二预设数目个目标进制数据，添加到第一分段序列，作为第三分段序列，并确定第三分段序列对应的离散性，将第一分段序列更新为第三分段序列，当第一分段序列对应的离散性等于目标进制数据序列对应的离散性时，将第一分段序列，确定为分段数据序列，当第一分段序列对应的离散性不等于目标进制数据序列对应的离散性时，重复本步骤，直至第一分段序列对应的离散性等于目标进制数据序列对应的离散性，并将第一分段序列，确定为分段数据序列，其中，第二分段序列是截取掉第一分段序列的目标进制数据序列；
以所述目标进制数据序列中的分段数据序列之后的第一个目标进制数据为起始数据，重复分段数据序列确定步骤，直至得到所述分段数据序列集合。
进一步的，所述根据所述分段数据序列集合中的每个分段数据序列，对所述分段数据序列包括的每个目标进制数据进行偏移分析处理，得到所述目标进制数据对应的数据偏移量，包括：
当目标进制数据所在的分段数据序列中不存在与该目标进制数据表征含义相同的目标进制数据时，将预先设置的目标偏移量，确定为该目标进制数据对应的数据偏移量；
当目标进制数据所在的分段数据序列中存在与该目标进制数据表征含义相同的目标进制数据时，根据该目标进制数据所在的分段数据序列中与该目标进制数据表征含义相同的目标进制数据，确定该目标进制数据和该目标进制数据所在的分段数据序列中与该目标进制数据表征含义相同的目标进制数据对应的数据偏移量。
进一步的，所述根据该目标进制数据所在的分段数据序列中与该目标进制数据表征含义相同的目标进制数据，确定该目标进制数据和该目标进制数据所在的分段数据序列中与该目标进制数据表征含义相同的目标进制数据对应的数据偏移量，包括：
将目标进制数据和该目标进制数据所在的分段数据序列中与该目标进制数据表征含义相同的目标进制数据，组合为该目标进制数据所在的目标数据集合；
根据目标数据集合包括的各个目标进制数据对应的位置和目标数据集合包括的目标进制数据的数量，确定目标数据集合包括的目标进制数据之间的平均距离，作为目标数据集合对应的平均距离；
根据目标数据集合包括的各个目标进制数据对应的位置、目标数据集合包括的目标进制数据的数量和目标数据集合对应的平均距离，确定目标数据集合包括的目标进制数据对应的位置之间的波动程度，作为目标数据集合对应的波动程度；
对目标进制数据所在的分段数据序列中除了该目标进制数据所在的目标数据集合之外的目标进制数据进行划分，得到该目标进制数据对应的参考数据组集合，其中，参考数据组集合中的每个参考数据组中的各个目标进制数据表征的含义相同；
根据目标进制数据对应的参考数据组集合中目标进制数据的数量、该目标进制数据对应的参考数据组集合中参考数据组的数量和该目标进制数据所在的目标数据集合包括的目标进制数据的数量，确定该目标进制数据所在的目标数据集合对应的他相关性；
根据目标数据集合对应的平均距离、波动程度和他相关性，确定目标数据集合对应的集合偏移量；
将目标数据集合对应的集合偏移量，确定为目标数据集合包括的各个目标进制数据对应的数据偏移量。
进一步的，所述根据所述分段数据序列集合，对所述分段数据序列集合中的每个分段数据序列进行混乱程度分析处理，得到所述分段数据序列对应的混乱程度，包括：
根据目标进制数据表征的含义，对所述分段数据序列集合中的每个分段数据序列中的目标进制数据进行划分，得到所述分段数据序列对应的参考进制数据组集合，其中，参考进制数据组集合中的每个参考进制数据组中的各个参考进制数据表征的含义相同；
根据所述分段数据序列集合中的每个分段数据序列中目标进制数据的数量和所述分段数据序列对应的参考进制数据组集合中的各个参考进制数据组中目标进制数据的数量，确定所述分段数据序列对应的信息熵；
将所述分段数据序列集合中的各个分段数据序列对应的信息熵的均值，确定为平均信息熵；
对于所述分段数据序列集合中的每个分段数据序列，根据所述平均信息熵和所述分段数据序列对应的信息熵，确定所述分段数据序列对应的混乱程度。
进一步的，所述根据所述目标进制数据集合中的各个目标进制数据对应的加密位置，对所述目标进制数据集合中的各个目标进制数据进行加密压缩存储，包括：
将所述目标进制数据集合中的每个目标进制数据，调整至所述目标进制数据对应的加密位置处，得到加密进制数据集合；
对所述加密进制数据集合中的加密进制数据进行压缩并存储。
进一步的，所述对所述待存储数据集合中的各个待存储数据进行压缩进制转化处理，得到目标进制数据集合，包括：
对所述待存储数据集合中的每个待存储数据进行压缩，得到所述待存储数据对应的二进制数据；
对所述待存储数据集合中的每个待存储数据对应的二进制数据进行分区处理，得到所述待存储数据对应的区间集合；
对所述待存储数据集合中的各个待存储数据对应的区间集合中的每个区间包括的数据进行转化，确定所述区间对应的目标进制数据，得到目标进制数据集合。
进一步的，所述根据目标进制数据对应的参考数据组集合中目标进制数据的数量、该目标进制数据对应的参考数据组集合中参考数据组的数量和该目标进制数据所在的目标数据集合包括的目标进制数据的数量，确定该目标进制数据所在的目标数据集合对应的他相关性，包括：
将目标进制数据对应的参考数据组集合中目标进制数据的数量与该目标进制数据对应的参考数据组集合中参考数据组的数量的比值，确定为该目标进制数据对应的平均出现次数；
将目标进制数据所在的目标数据集合包括的目标进制数据的数量与该目标进制数据对应的平均出现次数的比值，确定为该目标进制数据所在的目标数据集合对应的他相关性。
本发明具有如下有益效果：
本发明的用于电子商务管理系统数据的安全存储方法，通过对待存储数据集合中的待存储数据进行电数字数据处理，解决了对电子商务管理系统中的数据进行加密存储的准确度和效率低下的技术问题，提高了对电子商务管理系统中的数据进行加密存储的准确度和效率。首先，获取电子商务管理系统包括的待存储数据集合。可以便于后续对待存储数据集合进行加密存储。接着，对上述待存储数据集合中的各个待存储数据进行压缩进制转化处理，得到目标进制数据集合。实际情况中，用不同的进制表征相同含义的数据时，产生的数据量往往不同。由于电子商务管理系统包括的待存储数据集合对应的数据量往往较大，所以将待存储数据对应的进制是否合适，往往影响着后续进行数据处理的数据量的大小，因此，将待存储数据转化为目标进制数据，可以减少后续进行数据处理的计算量，可以减少后续对计算资源的占用，并且可以减少后续进行存储的数据量，可以减少存储空间的占用，提高存储效率。然后，对上述目标进制数据集合进行自适应分段，得到分段数据序列集合。实际情况中，对目标进制数据集合进行自适应分段，相较于固定分段，可以提高数据加密的安全性。继续，根据上述分段数据序列集合中的每个分段数据序列，对上述分段数据序列包括的每个目标进制数据进行偏移分析处理，得到上述目标进制数据对应的数据偏移量。实际情况中，目标进制数据越没有发生偏移，往往说明目标进制数据之间的联系性越强，往往越需要对目标进制数据进行位置调整，因此，考虑目标进制数据对应的数据偏移量，可以提高后续目标进制数据对应的加密位置确定的准确度。之后，根据上述分段数据序列集合，对上述分段数据序列集合中的每个分段数据序列进行混乱程度分析处理，得到上述分段数据序列对应的混乱程度。实际情况中，分段数据序列中的目标进制数据越混乱，往往说明该分段数据序列的抗攻击性越高，因此，考虑分段数据序列对应的混乱程度，可以便于后续有针对性的对分段数据序列中的目标进制数据进行加密，可以提高对目标进制数据进行加密的安全性。而后，对于上述目标进制数据集合中的每个目标进制数据，根据上述目标进制数据所在的分段数据序列对应的混乱程度、上述目标进制数据对应的数据偏移量和位置，确定上述目标进制数据对应的加密位置。综合考虑目标进制数据所在的分段数据序列对应的混乱程度、目标进制数据对应的数据偏移量和位置，可以提高目标进制数据对应的加密位置确定的准确度。最后，根据上述目标进制数据集合中的各个目标进制数据对应的加密位置，对上述目标进制数据集合中的各个目标进制数据进行加密压缩存储。因此，本发明通过对待存储数据集合中的待存储数据进行电数字数据处理，打乱了待存储数据集合中待存储数据的排列顺序，实现了对待存储数据的准确加密，并且，如果电子商务管理系统中的数据发生了变化，本发明往往同样适用，不需要实时调整方案，可以避免由于编制密码本造成的弊端，解决了对电子商务管理系统中的数据进行加密存储的准确度和效率低下的技术问题，提高了对电子商务管理系统中的数据进行加密存储的准确度和效率。其次，本发明通过分析目标进制数据的偏移和联系，可以只对目标进制数据进行一次调整，即可完成对目标进制数据的加密存储，相较于现有需要对数据随机调整多次的加密方法，本发明的计算量相对较小，可以减少计算资源的占用，可以提高加密存储的效率。并且本发明可以避免由于多次随机调整可能引起的过加密的问题。
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和优点，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的介绍，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的前提下，还可以根据这些附图获得其它附图。
图1为根据本发明的用于电子商务管理系统数据的安全存储方法的流程图；
图2为根据本发明确定分段数据序列的流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一个实施例。此外，一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本发明提供了用于电子商务管理系统数据的安全存储方法，该方法包括以下步骤：
获取电子商务管理系统包括的待存储数据集合；
对待存储数据集合中的各个待存储数据进行压缩进制转化处理，得到目标进制数据集合；
对目标进制数据集合进行自适应分段，得到分段数据序列集合；
根据分段数据序列集合中的每个分段数据序列，对分段数据序列包括的每个目标进制数据进行偏移分析处理，得到目标进制数据对应的数据偏移量；
根据分段数据序列集合，对分段数据序列集合中的每个分段数据序列进行混乱程度分析处理，得到分段数据序列对应的混乱程度；
对于目标进制数据集合中的每个目标进制数据，根据目标进制数据所在的分段数据序列对应的混乱程度、目标进制数据对应的数据偏移量和位置，确定目标进制数据对应的加密位置；
根据目标进制数据集合中的各个目标进制数据对应的加密位置，对目标进制数据集合中的各个目标进制数据进行加密压缩存储。
下面对上述各个步骤进行详细展开：
参考图1，示出了根据本发明的用于电子商务管理系统数据的安全存储方法的一些实施例的流程。该用于电子商务管理系统数据的安全存储方法，包括以下步骤：
步骤S1，获取电子商务管理系统包括的待存储数据集合。
在一些实施例中，可以获取电子商务管理系统包括的待存储数据集合。
其中，上述待存储数据集合中的待存储数据可以是待进行存储的数据。例如，待存储数据可以包括但不限于：表格、图像、汉字、英文和数字。
步骤S2，对待存储数据集合中的各个待存储数据进行压缩进制转化处理，得到目标进制数据集合。
在一些实施例中，可以对上述待存储数据集合中的各个待存储数据进行压缩进制转化处理，得到目标进制数据集合。
其中，目标进制数据集合中的目标进制数据可以是预先设置的目标数值进制的数据。目标数值可以是大于2的数值。例如，目标数值可以是但不限于以下任意一项：8、10和16。当目标数值为10时，目标进制数据可以是十进制数据。目标进制数据集合中的目标进制数据可以是明文数据。
作为示例，本步骤可以包括以下步骤：
第一步，对上述待存储数据集合中的每个待存储数据进行压缩，得到上述待存储数据对应的二进制数据。
其中，二进制数据可以是压缩后的待存储数据。
例如，可以通过GZip压缩算法，对上述待存储数据集合中的每个待存储数据进行压缩，得到上述待存储数据对应的二进制数据。
第二步，对上述待存储数据集合中的每个待存储数据对应的二进制数据进行分区处理，得到上述待存储数据对应的区间集合。
其中，区间集合中的区间可以表示待存储数据对应的二进制数据包括的一段数码。
例如，以一个字节（8位数码）为基础，将待存储数据对应的二进制数据，划分为多个区间，作为该待存储数据对应的区间集合。如，待存储数据对应的二进制数据可以为：1000100110000000111。该待存储数据对应的区间集合可以包括：10001001、10000000和111。
第三步，对上述待存储数据集合中的各个待存储数据对应的区间集合中的每个区间包括的数据进行转化，确定上述区间对应的目标进制数据，得到目标进制数据集合。
例如，目标进制数据可以为十进制数据。当区间为10000000时，该区间对应的目标进制数据可以为128。
实际情况中，由于待存储数据可以包括但不限于：表格、图像、汉字、英文和数字。所以，待存储数据往往没有明确的结构类型，往往不便于后续的数据处理。因此，将待存储数据转化为多个目标进制数据，往往可以使待存储数据转化为结构化数据，可以便于后续的数据处理。例如，对区间包括的数据进行十进制转换的目的在于减少后续加密时的计算量以及便于数据之间的属性的量化。减少计算量具体表现在本发明是对所有的数据进行位置转换，而对所有的二进制数据进行位置转换时的数据量往往是比较大的，而以一个字节的二进制数据转换为十进制数据，对每个十进制数据进行位置转换，相较于对二进制数据进行位置转换时需要处理的数据量往往减少为原本（对二进制数据进行位置转换）的1/8，因此，可以减少一部分的数据处理的时候的计算量。便于数据之间的属性的量化具体表现往往由于二进制数据只有两个基础元素集“0”和“1”，对其进行各种分析时，往往因为基础元素集所包含的元素的个数较少，从而导致量化属性时往往不方便。
步骤S3，对目标进制数据集合进行自适应分段，得到分段数据序列集合。
在一些实施例中，可以对上述目标进制数据集合进行自适应分段，得到分段数据序列集合。
其中，分段数据序列可以包括多个目标进制数据。
作为示例，本步骤可以包括以下步骤：
第一步，对上述目标进制数据集合中的目标进制数据进行排序，得到目标进制数据序列，并确定上述目标进制数据序列对应的离散性。
例如，首先，可以根据目标进制数据生成的时间，对目标进制数据集合中的目标进制数据进行排序，得到目标进制数据序列。接着，确定目标进制数据序列对应的离散性对应的公式可以为：
；
；
其中，LS是目标进制数据序列对应的离散性。是向上取整。AVG是目标进制数据序列中的目标进制数据的均值。N是目标进制数据序列中目标进制数据的数量。n是目标进制数据序列中目标进制数据的序号。/>是目标进制数据序列中的第n个目标进制数据。
实际情况中，目标进制数据序列中的目标进制数据的均值AVG可以表征各个目标进制数据的平均水平。可以表征各个目标进制数据与平均水平之间的平均差异。/>可以表征各个目标进制数据之间的相对差异。所以，可以表征目标进制数据序列中的目标进制数据的离散情况。因此，目标进制数据序列对应的离散性LS可以用来衡量所有已经结构化处理过的目标进制数据的离散情况。离散性LS越大，所有的目标进制数据往往越离散，反之则相反。因此，离散性LS可以实现对目标进制数据序列的离散情况的量化。
第二步，以上述目标进制数据序列中的第一个目标进制数据为起始数据，从上述目标进制数据序列中截取第一预设数目个目标进制数据，作为第一分段序列，并确定第一分段序列对应的离散性。
其中，第一预设数目可以是预先设置的数目。第一预设数目可以小于目标进制数据序列中目标进制数据的数量。比如，第一预设数目可以是128。
例如，目标进制数据序列可以是{第一目标进制数据、第二目标进制数据、第三目标进制数据、第四目标进制数据}。当第一预设数目为2时，第一分段序列可以是{第一目标进制数据、第二目标进制数据}。
又如，确定第一分段序列对应的离散性对应的公式可以为：
；
；
其中，是第一分段序列对应的离散性。/>是向上取整。/>是第一分段序列中的目标进制数据的均值。/>是第一分段序列中目标进制数据的数量。/>是第一分段序列中目标进制数据的序号。/>是第一分段序列中的第/>个目标进制数据。
实际情况中，第一分段序列中的目标进制数据的均值可以表征第一分段序列中的各个目标进制数据的平均水平。/>可以表征第一分段序列中的各个目标进制数据与平均水平之间的平均差异。/>可以表征第一分段序列中的各个目标进制数据之间的相对差异。所以，/>可以表征第一分段序列中的目标进制数据的离散情况。因此，第一分段序列对应的离散性/>可以用来衡量所有已经结构化处理过的目标进制数据的离散情况。离散性/>越大，所有的目标进制数据往往越离散，反之则相反。因此，离散性/>可以实现对第一分段序列的离散情况的量化。
第三步，当第一分段序列对应的离散性等于目标进制数据序列对应的离散性时，将第一分段序列，确定为分段数据序列。
第四步，当第一分段序列对应的离散性不等于目标进制数据序列对应的离散性时，以第二分段序列中的第一个目标进制数据为起始数据，从第二分段序列中截取第二预设数目个目标进制数据，添加到第一分段序列，作为第三分段序列，并确定第三分段序列对应的离散性，将第一分段序列更新为第三分段序列，当第一分段序列对应的离散性等于目标进制数据序列对应的离散性时，将第一分段序列，确定为分段数据序列，当第一分段序列对应的离散性不等于目标进制数据序列对应的离散性时，重复本步骤，直至第一分段序列对应的离散性等于目标进制数据序列对应的离散性，并将第一分段序列，确定为分段数据序列。
其中，第二分段序列可以是截取掉第一分段序列的目标进制数据序列。第二预设数目可以是预先设置的数目。第二预设数目可以小于第一预设数目。第二预设数目可以是13。确定第三分段序列对应的离散性时可以参考确定第一分段序列对应的离散性时的方法。例如，确定分段数据序列的流程图可以如图2所示。其中，图2中的可以表征从第二分段序列中截取的第二预设数目个目标进制数据。
第五步，以上述目标进制数据序列中的分段数据序列之后的第一个目标进制数据为起始数据，重复分段数据序列确定步骤，直至得到上述分段数据序列集合。
例如，本步骤可以包括以下子步骤：
第一子步骤，以第四分段序列中的第一个目标进制数据为起始数据，从第四分段序列中截取第一预设数目个目标进制数据，作为第五分段序列，并确定第五分段序列对应的离散性。
其中，第四分段序列是上述目标进制数据序列中的分段数据序列之后的目标进制数据组成的序列。
比如，确定第五分段序列对应的离散性时可以参考确定第一分段序列对应的离散性时的方法。当第四分段序列中目标进制数据的数量小于第一预设数目时，可以直接将第四分段序列，确定为分段数据序列。
第二子步骤，将第一分段序列更新为第五分段序列，重复基于离散性确定分段数据序列的步骤，直至得到分段数据序列之后的第一个分段数据序列。
比如，可以将第一分段序列更新为第五分段序列，当第一分段序列对应的离散性等于目标进制数据序列对应的离散性时，将第一分段序列，确定为分段数据序列，当第一分段序列对应的离散性不等于目标进制数据序列对应的离散性时，可以参考步骤S3包括的第四步，得到的分段数据序列，即为所要得到的分段数据序列之后的第一个分段数据序列。其中，当目标进制数据序列中的第五分段序列之后的目标进制数据的数量小于第二预设数目时，可以直接将第五分段序列以及第五分段序列之后的目标进制数据组合的序列，确定为分段数据序列。
第三子步骤，将分段数据序列更新为该分段数据序列之后的第一个分段数据序列，重复相邻分段数据序列确定步骤，直至得到上述分段数据序列集合。
比如，可以分段数据序列更新为该分段数据序列之后的第一个分段数据序列，重复步骤S3包括的第五步包括的第一子步骤至第二子步骤，可以得到该分段数据序列之后的第一个分段数据序列，重复本步骤，直至得到上述分段数据序列集合。
实际情况中，对于目标进制数据集合中的目标进制数据进行分段的目的在于减少加密时的基础数据量，可以避免出现加密之后数据量出现激增的问题，本发明通过自适应分段的方法，对目标进制数据集合中的目标进制数据进行分段，这种分段方式的好处在于不同于常规的加密方法中的固定长度分段，本发明可以使得利用每段的密钥进行加密时更加的安全（攻击方往往无法通过判断固定长度进而判断每个密文数据属于哪一个明文段落与对应的密钥），并且本发明是基于整体的离散性进行的数据分段，在后续存储的时候更加的方便压缩（如，数据的离散程度较为接近的时候，使用GZip算法进行后续的存储时压缩的时候，可以直接利用整体的数据的离散性设置LZ77压缩算法的压缩字典长度等，因为数据的离散程度相同，字典长度设置相应的更加精确等）。
步骤S4，根据分段数据序列集合中的每个分段数据序列，对分段数据序列包括的每个目标进制数据进行偏移分析处理，得到目标进制数据对应的数据偏移量。
在一些实施例中，可以根据上述分段数据序列集合中的每个分段数据序列，对上述分段数据序列包括的每个目标进制数据进行偏移分析处理，得到上述目标进制数据对应的数据偏移量。
作为示例，本步骤可以包括以下步骤：
第一步，当目标进制数据所在的分段数据序列中不存在与该目标进制数据表征含义相同的目标进制数据时，将预先设置的目标偏移量，确定为该目标进制数据对应的数据偏移量。
其中，目标偏移量可以是预先设置的偏移量。比如，目标偏移量可以是0。
例如，分段数据序列可以为{120，88，120}。120与120可以是表征含义相同的目标进制数据。88与120可以是表征含义不同的目标进制数据。
第二步，当目标进制数据所在的分段数据序列中存在与该目标进制数据表征含义相同的目标进制数据时，根据该目标进制数据所在的分段数据序列中与该目标进制数据表征含义相同的目标进制数据，确定该目标进制数据和该目标进制数据所在的分段数据序列中与该目标进制数据表征含义相同的目标进制数据对应的数据偏移量。
例如，本步骤可以包括以下子步骤：
第一子步骤，将目标进制数据和该目标进制数据所在的分段数据序列中与该目标进制数据表征含义相同的目标进制数据，组合为该目标进制数据所在的目标数据集合。
比如，目标进制数据可以为60，该目标进制数据所在的分段数据序列可以为{60，98，60，60，68}。该目标进制数据所在的目标数据集合可以为{60，60，60}。其中，{60，60，60}中的第一个60可以是{60，98，60，60，68}中的第一个60，该60在{60，98，60，60，68}中的序号可以为1。{60，60，60}中的第二个60可以是{60，98，60，60，68}中的第二个60，该60在{60，98，60，60，68}中的序号可以为3。{60，60，60}中的第三个60可以是{60，98，60，60，68}中的第三个60，该60在{60，98，60，60，68}中的序号可以为4。
第二子步骤，根据目标数据集合包括的各个目标进制数据对应的位置和目标数据集合包括的目标进制数据的数量，确定目标数据集合包括的目标进制数据之间的平均距离，作为目标数据集合对应的平均距离。
其中，目标进制数据对应的位置可以是该目标进制数据在所在的分段数据序列中的序号。
比如，目标数据集合对应的平均距离对应的公式可以为：
；
其中，是目标数据集合对应的平均距离。J是目标数据集合包括的目标进制数据的数量。j是目标数据集合包括的目标进制数据在该目标数据集合中的序号。/>是目标数据集合包括的第j个目标进制数据在所在的分段数据序列中的序号。/>是目标数据集合包括的第j-1个目标进制数据在所在的分段数据序列中的序号。/>为取绝对值函数。
实际情况中，表征含义相同的目标进制数据之间的距离越远，往往安全性越高。由于目标数据集合包括的各个目标进制数据表征含义相同。所以，越大，往往说明目标数据集合包括的表征含义相同的第j个目标进制数据与第j-1个目标进制数据之间的距离越大。因此，目标数据集合对应的平均距离/>可以表征目标数据集合包括的目标进制数据之间的平均距离程度，即平均密集程度。目标数据集合对应的平均距离/>越小，往往说明目标数据集合包括的各个目标进制数据越紧密，为了提高数据加密的安全性，往往需要将目标数据集合包括的各个目标进制数据的位置调的越远。
第三子步骤，根据目标数据集合包括的各个目标进制数据对应的位置、目标数据集合包括的目标进制数据的数量和目标数据集合对应的平均距离，确定目标数据集合包括的目标进制数据对应的位置之间的波动程度，作为目标数据集合对应的波动程度。
比如，目标数据集合对应的波动程度对应的公式可以为：
；
其中，是目标数据集合对应的波动程度。J是目标数据集合包括的目标进制数据的数量。j是目标数据集合包括的目标进制数据在该目标数据集合中的序号。/>是目标数据集合包括的第j个目标进制数据在所在的分段数据序列中的序号。/>是目标数据集合包括的第j-1个目标进制数据在所在的分段数据序列中的序号。/>是目标数据集合对应的平均距离。
实际情况中，表征含义相同的目标进制数据之间的位置越不均匀分散，往往安全性越高。由于目标数据集合包括的各个目标进制数据表征含义相同。所以，可以表征目标数据集合包括的表征含义相同的第j个目标进制数据与第j-1个目标进制数据之间的位置波动程度（位置均匀分散程度）。例如，当多个目标数据集合对应的平均距离/>相等，各个目标数据集合包括的相邻目标进制数据之间的距离可能不同，即各个目标数据集合包括的相邻目标进制数据之间的位置波动程度往往不同。/>可以表征目标数据集合包括的相邻目标进制数据之间的平均位置波动程度。当目标数据集合对应的波动程度/>越小时，往往说明目标数据集合包括的各个目标进制数据的位置波动程度越小，往往说明目标数据集合包括的各个目标进制数据的位置之间的均匀分散程度越大，为了提高数据加密的安全性，往往需要将目标数据集合中的目标数据的位置调的越远。其中，目标数据集合包括的各个相邻目标进制数据之间的距离越相等，可以认为该目标数据集合包括的各个目标进制数据的位置之间的均匀分散程度越大，该目标数据集合包括的各个目标进制数据越均匀分散。目标数据集合包括的各个相邻目标进制数据之间的距离越相等，可以认为该目标数据集合包括的各个目标进制数据的位置之间的平均位置波动程度越小。
第四子步骤，对目标进制数据所在的分段数据序列中除了该目标进制数据所在的目标数据集合之外的目标进制数据进行划分，得到该目标进制数据对应的参考数据组集合。
其中，参考数据组集合中的每个参考数据组中的各个目标进制数据表征的含义相同。
比如，目标进制数据可以为80。该目标进制数据所在的分段数据序列可以为{80，60，80，90，90，60，70}。则该目标进制数据所在的目标数据集合可以为{80，80}。该目标进制数据对应的参考数据组集合可以为{（90，90），（70），（60，60）}。其中，（90，90）、（70）和（60，60）可以是3个参考数据组。
第五子步骤，根据目标进制数据对应的参考数据组集合中目标进制数据的数量、该目标进制数据对应的参考数据组集合中参考数据组的数量和该目标进制数据所在的目标数据集合包括的目标进制数据的数量，确定该目标进制数据所在的目标数据集合对应的他相关性。
比如，本子步骤可以包括以下步骤：
首先，将目标进制数据对应的参考数据组集合中目标进制数据的数量与该目标进制数据对应的参考数据组集合中参考数据组的数量的比值，确定为该目标进制数据对应的平均出现次数。
接着，将目标进制数据所在的目标数据集合包括的目标进制数据的数量与该目标进制数据对应的平均出现次数的比值，确定为该目标进制数据所在的目标数据集合对应的他相关性。
如，目标数据集合对应的他相关性对应的公式可以为：
；
其中，是第m个目标进制数据所在的目标数据集合对应的他相关性。m是目标进制数据集合中目标进制数据的序号。/>是第m个目标进制数据所在的目标数据集合包括的目标进制数据的数量。/>是第m个目标进制数据对应的平均出现次数。
实际情况中，表征含义相同的目标进制数据在分段数据序列中出现的次数越多，往往说明该表征含义相同的目标进制数据与分段数据序列中其他的目标进制数据的相关性越强，往往需要将该表征含义相同的目标进制数据的位置调的越远。由于目标数据集合包括的各个目标进制数据表征含义相同。所以目标数据集合包括的目标进制数据的数量可以代表含义相同的目标进制数据在分段数据序列中出现的次数。第m个目标进制数据对应的平均出现次数可以表征分段数据序列中除了第m个目标进制数据所在的目标数据集合之外的目标进制数据重复出现的平均次数。因此，/>可以表征第m个目标进制数据与分段数据序列中其他的目标进制数据的相关性。并且，第m个目标进制数据所在的目标数据集合对应的他相关性越大，往往需要将第m个目标进制数据所在的目标数据集合包括的各个目标进制数据的位置调的越远。
第六子步骤，根据目标数据集合对应的平均距离、波动程度和他相关性，确定目标数据集合对应的集合偏移量。
比如，本子步骤可以包括以下步骤：
首先，根据目标数据集合对应的平均距离和波动程度，确定目标数据集合对应的修正距离。
如，确定目标数据集合对应的修正距离对应的公式可以为：
；
其中，SZ是目标数据集合对应的修正距离。是目标数据集合对应的平均距离。/>是目标数据集合对应的波动程度。e是自然常数。
实际情况中，表征含义相同的目标进制数据之间的位置越不均匀分散，往往安全性越高。由于目标数据集合包括的各个目标进制数据表征含义相同。当目标数据集合对应的波动程度越大时，往往说明目标数据集合包括的各个目标进制数据的位置波动程度越大，往往说明目标数据集合包括的各个目标进制数据的分布越不均匀，往往说明目标数据集合对应的平均距离/>越不能表征该目标数据集合包括的目标进制数据之间的平均距离程度，因此，使目标数据集合对应的平均距离/>乘以/>，可以实现对该目标数据集合对应的平均距离/>的惩罚修正。当目标数据集合对应的波动程度/>越小时，往往说明目标数据集合包括的各个目标进制数据的位置波动程度越小，往往说明目标数据集合包括的各个目标进制数据的分布越均匀，往往说明目标数据集合对应的平均距离/>越能表征该目标数据集合包括的目标进制数据之间的平均距离程度，因此，使目标数据集合对应的平均距离/>乘以/>，可以实现对该目标数据集合对应的平均距离/>的奖励修正。所以，目标数据集合对应的修正距离SZ可以更加精确的表征该目标数据集合包括的目标进制数据之间的平均距离程度。
接着，根据目标数据集合对应的修正距离、波动程度和他相关性，确定目标数据集合对应的集合偏移量。
如，确定目标数据集合对应的集合偏移量对应的公式可以为：
；
其中，是目标数据集合对应的集合偏移量。e是自然常数。SZ是目标数据集合对应的修正距离。/>是目标数据集合对应的波动程度。T是目标数据集合对应的他相关性。/>可以是目标数据集合对应的加密密钥。
实际情况中，当目标数据集合对应的波动程度越小、目标数据集合对应的修正距离SZ越小，并且目标数据集合对应的他相关性T越大时，目标数据集合对应的集合偏移量/>越大，往往需要将目标数据集合包括的各个目标进制数据的位置调的越远。/>
第七子步骤，将目标数据集合对应的集合偏移量，确定为目标数据集合包括的各个目标进制数据对应的数据偏移量。
步骤S5，根据分段数据序列集合，对分段数据序列集合中的每个分段数据序列进行混乱程度分析处理，得到分段数据序列对应的混乱程度。
在一些实施例中，可以根据上述分段数据序列集合，对上述分段数据序列集合中的每个分段数据序列进行混乱程度分析处理，得到上述分段数据序列对应的混乱程度。
作为示例，本步骤可以包括以下步骤：
第一步，根据目标进制数据表征的含义，对上述分段数据序列集合中的每个分段数据序列中的目标进制数据进行划分，得到上述分段数据序列对应的参考进制数据组集合。
其中，参考进制数据组集合中的每个参考进制数据组中的各个参考进制数据表征的含义相同。
例如，分段数据序列可以为{82，62，82，92，92，62，72}。该分段数据序列对应的参考进制数据组集合可以为{（92，92），（82，82），（72），（62，62）}。其中，（92，92）、（82，82）、（72）和（62，62）可以是4个参考进制数据组。
第二步，根据上述分段数据序列集合中的每个分段数据序列中目标进制数据的数量和上述分段数据序列对应的参考进制数据组集合中的各个参考进制数据组中目标进制数据的数量，确定上述分段数据序列对应的信息熵。
例如，确定分段数据序列对应的信息熵对应的公式可以为：
；
其中，E是分段数据序列对应的信息熵。Q是分段数据序列对应的参考进制数据组集合中参考进制数据组的数量。q是分段数据序列对应的参考进制数据组集合中参考进制数据组的序号。是分段数据序列对应的参考进制数据组集合中第q个参考进制数据组对应的第一参考数量与第二参考数量的比值。第q个参考进制数据组对应的第一参考数量可以是第q个参考进制数据组中参考进制数据的数量。第q个参考进制数据组对应的第二参考数量可以是第q个参考进制数据组所在的分段数据序列中目标进制数据的数量。/>是以R为底数的/>的对数。R可以是大于1的数值。比如，R可以是2。
实际情况中，当分段数据序列对应的信息熵E越大时，往往说明该分段数据序列中的目标进制数据越混乱，往往不需要将分段数据序列中的各个目标进制数据的位置调的越远。分段数据序列对应的信息熵E越小，往往说明该分段数据序列中的目标进制数据越不混乱，往往需要将分段数据序列中的各个目标进制数据的位置调的越远。
又如，确定分段数据序列对应的信息熵对应的公式可以为：
；/>
其中，E是分段数据序列对应的信息熵。B是分段数据序列中目标进制数据的数量。b是分段数据序列中目标进制数据的序号。是分段数据序列中的第b个目标进制数据对应的第一数量与第二数量的比值。第b个目标进制数据对应的第一数量可以是第b个目标进制数据所在的分段数据序列中与第b个目标进制数据表征含义相同的目标进制数据的数量。第b个目标进制数据对应的第二数量可以是第b个目标进制数据所在的分段数据序列中目标进制数据的数量。/>是以R为底数的/>的对数。R可以是大于1的数值。比如，R可以是2。
实际情况中，当分段数据序列对应的信息熵E越大时，往往说明该分段数据序列中的目标进制数据越混乱，往往不需要将分段数据序列中的各个目标进制数据的位置调的越远。分段数据序列对应的信息熵E越小，往往说明该分段数据序列中的目标进制数据越不混乱，往往需要将分段数据序列中的各个目标进制数据的位置调的越远。
第三步，将上述分段数据序列集合中的各个分段数据序列对应的信息熵的均值，确定为平均信息熵。
第四步，对于上述分段数据序列集合中的每个分段数据序列，根据上述平均信息熵和上述分段数据序列对应的信息熵，确定上述分段数据序列对应的混乱程度。
例如，确定分段数据序列对应的混乱程度对应的公式可以为：
；
其中，是分段数据序列对应的混乱程度。e是自然常数。E是分段数据序列对应的信息熵。/>是平均信息熵。/>为取绝对值函数。/>可以是分段数据序列对应的加密密钥。
实际情况中，可以表征分段数据序列相较于各个分段数据序列的平均混乱程度的混乱程度差异。当/>越大时，往往说明分段数据序列越混乱，分段数据序列对应的混乱程度/>越小，往往不需要将分段数据序列中的各个目标进制数据的位置调的越远。
步骤S6，对于目标进制数据集合中的每个目标进制数据，根据目标进制数据所在的分段数据序列对应的混乱程度、目标进制数据对应的数据偏移量和位置，确定目标进制数据对应的加密位置。
在一些实施例中，对于上述目标进制数据集合中的每个目标进制数据，可以根据上述目标进制数据所在的分段数据序列对应的混乱程度、上述目标进制数据对应的数据偏移量和位置，确定上述目标进制数据对应的加密位置。
其中，目标进制数据对应的加密位置可以是对该目标进制数据进行加密后的位置。例如，目标进制数据对应的加密位置可以表征对该目标进制数据进行加密后，该目标进制数据在目标进制数据集合中的序号。目标进制数据对应的位置可以是对该目标进制数据进行加密前的位置。例如，目标进制数据对应的位置可以表征对该目标进制数据进行加密前，该目标进制数据在目标进制数据集合中的序号。
作为示例，确定目标进制数据对应的加密位置对应的公式可以为：
；/>
其中，是目标进制数据集合中第m个目标进制数据对应的加密位置。m是目标进制数据集合中目标进制数据的序号。/>是目标进制数据集合中第m个目标进制数据加密前的位置。/>是向上取整。c是预先设置的大于1的数值。比如，c可以是10。/>是目标进制数据集合中第m个目标进制数据对应的数据偏移量。/>是目标进制数据集合中第m个目标进制数据所在的分段数据序列对应的混乱程度。/>和/>可以是加密密钥。
实际情况中，由于目标进制数据集合中第m个目标进制数据对应的数据偏移量越大，往往需要将目标进制数据集合中第m个目标进制数据的位置调的越远。当目标进制数据集合中第m个目标进制数据所在的分段数据序列对应的混乱程度/>越大时，往往需要将目标进制数据集合中第m个目标进制数据的位置调的越远。所以，当/>和/>越大时，第m个目标进制数据加密前的位置/>需要调整的越远，因此，第m个目标进制数据对应的加密位置/>越远。其次，对第m个目标进制数据进行位置调整时，是在/>和/>的限制下进行的调整，可以避免调整的距离过远。并且设置大于1的数值c，可以进一步放大第m个目标进制数据加密之后的距离，其次，数值c可以对所有的目标进制数据进行统一放大，可以防止特殊情况下存在目标进制数据未发生偏移，取整的目的是为了防止偏移后的位置出现非整数情况，可以提高加密的安全性。
步骤S7，根据目标进制数据集合中的各个目标进制数据对应的加密位置，对目标进制数据集合中的各个目标进制数据进行加密压缩存储。
在一些实施例中，可以根据上述目标进制数据集合中的各个目标进制数据对应的加密位置，对上述目标进制数据集合中的各个目标进制数据进行加密压缩存储。
作为示例，本步骤可以包括以下步骤：
第一步，将上述目标进制数据集合中的每个目标进制数据，调整至上述目标进制数据对应的加密位置处，得到加密进制数据集合。
其中，加密进制数据集合中的加密进制数据可以是进行加密后的目标进制数据。
例如，可以将目标进制数据，调整至该目标进制数据对应的加密位置处。当目标进制数据对应的加密位置处已存在其他的目标进制数据时，可以将该目标进制数据调整至该目标进制数据对应的加密位置相邻的位置。对目标进制数据集合进行加密后，可以对未含有目标进制数据的位置进行补零处理。
比如，第五目标进制数据对应的加密位置对应的序号可以为10。第六目标进制数据对应的加密位置对应的序号可以为10。可以将第五目标进制数据的位置调整到序号10处，将第六目标进制数据的位置调整到序号11。
第二步，对上述加密进制数据集合中的加密进制数据进行压缩并存储。
例如，可以通过现有的压缩方法，对加密进制数据集合中的加密进制数据进行压缩并存储。其中，现有的压缩方法可以是GZip压缩算法。
又如，以分段数据序列集合中的每个分段数据序列作为基础，利用GZip压缩算法进行压缩，而后根据电子商务管理系统的数据分配模式进行相应的存储位置的分配。
本发明的用于电子商务管理系统数据的安全存储方法，通过对待存储数据集合中的待存储数据进行电数字数据处理，解决了对电子商务管理系统中的数据进行加密存储的准确度和效率低下的技术问题，提高了对电子商务管理系统中的数据进行加密存储的准确度和效率。首先，获取电子商务管理系统包括的待存储数据集合。可以便于后续对待存储数据集合进行加密存储。接着，对上述待存储数据集合中的各个待存储数据进行压缩进制转化处理，得到目标进制数据集合。实际情况中，用不同的进制表征相同含义的数据时，产生的数据量往往不同。由于电子商务管理系统包括的待存储数据集合对应的数据量往往较大，所以将待存储数据对应的进制是否合适，往往影响着后续进行数据处理的数据量的大小，因此，将待存储数据转化为目标进制数据，可以减少后续进行数据处理的计算量，可以减少后续对计算资源的占用，并且可以减少后续进行存储的数据量，可以减少存储空间的占用，提高存储效率。然后，对上述目标进制数据集合进行自适应分段，得到分段数据序列集合。实际情况中，对目标进制数据集合进行自适应分段，相较于固定分段，可以提高数据加密的安全性。继续，根据上述分段数据序列集合中的每个分段数据序列，对上述分段数据序列包括的每个目标进制数据进行偏移分析处理，得到上述目标进制数据对应的数据偏移量。实际情况中，目标进制数据越没有发生偏移，往往说明目标进制数据之间的联系性越强，往往越需要对目标进制数据进行位置调整，因此，考虑目标进制数据对应的数据偏移量，可以提高后续目标进制数据对应的加密位置确定的准确度。之后，根据上述分段数据序列集合，对上述分段数据序列集合中的每个分段数据序列进行混乱程度分析处理，得到上述分段数据序列对应的混乱程度。实际情况中，分段数据序列中的目标进制数据越混乱，往往说明该分段数据序列的抗攻击性越高，因此，考虑分段数据序列对应的混乱程度，可以便于后续有针对性的对分段数据序列中的目标进制数据进行加密，可以提高对目标进制数据进行加密的安全性。而后，对于上述目标进制数据集合中的每个目标进制数据，根据上述目标进制数据所在的分段数据序列对应的混乱程度、上述目标进制数据对应的数据偏移量和位置，确定上述目标进制数据对应的加密位置。综合考虑目标进制数据所在的分段数据序列对应的混乱程度、目标进制数据对应的数据偏移量和位置，可以提高目标进制数据对应的加密位置确定的准确度。最后，根据上述目标进制数据集合中的各个目标进制数据对应的加密位置，对上述目标进制数据集合中的各个目标进制数据进行加密压缩存储。因此，本发明通过对待存储数据集合中的待存储数据进行电数字数据处理，打乱了待存储数据集合中待存储数据的排列顺序，实现了对待存储数据的准确加密，并且，如果电子商务管理系统中的数据发生了变化，本发明往往同样适用，不需要实时调整方案，可以避免由于编制密码本造成的弊端，解决了对电子商务管理系统中的数据进行加密存储的准确度和效率低下的技术问题，提高了对电子商务管理系统中的数据进行加密存储的准确度和效率。其次，本发明通过分析目标进制数据的偏移和联系，可以只对目标进制数据进行一次调整，即可完成对目标进制数据的加密存储，相较于现有需要对数据随机调整多次的加密方法，本发明的计算量相对较小，可以减少计算资源的占用，可以提高加密存储的效率。并且本发明可以避免由于多次随机调整可能引起的过加密的问题。
以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。

Claims (5)

1.一种用于电子商务管理系统数据的安全存储方法，其特征在于，包括以下步骤：
获取电子商务管理系统包括的待存储数据集合；
对所述待存储数据集合中的各个待存储数据进行压缩进制转化处理，得到目标进制数据集合；
对所述目标进制数据集合进行自适应分段，得到分段数据序列集合；
根据所述分段数据序列集合中的每个分段数据序列，对所述分段数据序列包括的每个目标进制数据进行偏移分析处理，得到所述目标进制数据对应的数据偏移量；
根据所述分段数据序列集合，对所述分段数据序列集合中的每个分段数据序列进行混乱程度分析处理，得到所述分段数据序列对应的混乱程度；
对于所述目标进制数据集合中的每个目标进制数据，根据所述目标进制数据所在的分段数据序列对应的混乱程度、所述目标进制数据对应的数据偏移量和位置，确定所述目标进制数据对应的加密位置；
根据所述目标进制数据集合中的各个目标进制数据对应的加密位置，对所述目标进制数据集合中的各个目标进制数据进行加密压缩存储；
所述对所述目标进制数据集合进行自适应分段，得到分段数据序列集合，包括：
步骤D1：对所述目标进制数据集合中的目标进制数据进行排序，得到目标进制数据序列，并确定所述目标进制数据序列对应的离散性；
步骤D2：以所述目标进制数据序列中的第一个目标进制数据为起始数据，从所述目标进制数据序列中截取第一预设数目个目标进制数据，作为第一分段序列，并确定第一分段序列对应的离散性；
步骤D3：当第一分段序列对应的离散性等于目标进制数据序列对应的离散性时，将第一分段序列，确定为分段数据序列；
步骤D4：当第一分段序列对应的离散性不等于目标进制数据序列对应的离散性时，以第二分段序列中的第一个目标进制数据为起始数据，从第二分段序列中截取第二预设数目个目标进制数据，添加到第一分段序列，作为第三分段序列，并确定第三分段序列对应的离散性，将第一分段序列更新为第三分段序列；
步骤D5：当第一分段序列对应的离散性等于目标进制数据序列对应的离散性时，将第一分段序列，确定为分段数据序列，当第一分段序列对应的离散性不等于目标进制数据序列对应的离散性时，重复步骤D4，直至第一分段序列对应的离散性等于目标进制数据序列对应的离散性，并将第一分段序列，确定为分段数据序列，其中，第二分段序列是截取掉第一分段序列的目标进制数据序列；
以所述目标进制数据序列中的分段数据序列之后的第一个目标进制数据为起始数据，重复分段数据序列确定步骤，直至得到所述分段数据序列集合；
所述根据所述分段数据序列集合中的每个分段数据序列，对所述分段数据序列包括的每个目标进制数据进行偏移分析处理，得到所述目标进制数据对应的数据偏移量，包括：
当目标进制数据所在的分段数据序列中不存在与该目标进制数据表征含义相同的目标进制数据时，将预先设置的目标偏移量，确定为该目标进制数据对应的数据偏移量；
当目标进制数据所在的分段数据序列中存在与该目标进制数据表征含义相同的目标进制数据时，根据该目标进制数据所在的分段数据序列中与该目标进制数据表征含义相同的目标进制数据，确定该目标进制数据和该目标进制数据所在的分段数据序列中与该目标进制数据表征含义相同的目标进制数据对应的数据偏移量；
所述根据该目标进制数据所在的分段数据序列中与该目标进制数据表征含义相同的目标进制数据，确定该目标进制数据和该目标进制数据所在的分段数据序列中与该目标进制数据表征含义相同的目标进制数据对应的数据偏移量，包括：
将目标进制数据和该目标进制数据所在的分段数据序列中与该目标进制数据表征含义相同的目标进制数据，组合为该目标进制数据所在的目标数据集合；
根据目标数据集合包括的各个目标进制数据对应的位置和目标数据集合包括的目标进制数据的数量，确定目标数据集合包括的目标进制数据之间的平均距离，作为目标数据集合对应的平均距离；
根据目标数据集合包括的各个目标进制数据对应的位置、目标数据集合包括的目标进制数据的数量和目标数据集合对应的平均距离，确定目标数据集合包括的目标进制数据对应的位置之间的波动程度，作为目标数据集合对应的波动程度；
对目标进制数据所在的分段数据序列中除了该目标进制数据所在的目标数据集合之外的目标进制数据进行划分，得到该目标进制数据对应的参考数据组集合，其中，参考数据组集合中的每个参考数据组中的各个目标进制数据表征的含义相同；
根据目标进制数据对应的参考数据组集合中目标进制数据的数量、该目标进制数据对应的参考数据组集合中参考数据组的数量和该目标进制数据所在的目标数据集合包括的目标进制数据的数量，确定该目标进制数据所在的目标数据集合对应的他相关性；
根据目标数据集合对应的平均距离、波动程度和他相关性，确定目标数据集合对应的集合偏移量；
将目标数据集合对应的集合偏移量，确定为目标数据集合包括的各个目标进制数据对应的数据偏移量。
2.根据权利要求1所述的一种用于电子商务管理系统数据的安全存储方法，其特征在于，所述根据所述分段数据序列集合，对所述分段数据序列集合中的每个分段数据序列进行混乱程度分析处理，得到所述分段数据序列对应的混乱程度，包括：
根据目标进制数据表征的含义，对所述分段数据序列集合中的每个分段数据序列中的目标进制数据进行划分，得到所述分段数据序列对应的参考进制数据组集合，其中，参考进制数据组集合中的每个参考进制数据组中的各个参考进制数据表征的含义相同；
根据所述分段数据序列集合中的每个分段数据序列中目标进制数据的数量和所述分段数据序列对应的参考进制数据组集合中的各个参考进制数据组中目标进制数据的数量，确定所述分段数据序列对应的信息熵；
将所述分段数据序列集合中的各个分段数据序列对应的信息熵的均值，确定为平均信息熵；
对于所述分段数据序列集合中的每个分段数据序列，根据所述平均信息熵和所述分段数据序列对应的信息熵，确定所述分段数据序列对应的混乱程度。
3.根据权利要求1所述的一种用于电子商务管理系统数据的安全存储方法，其特征在于，所述根据所述目标进制数据集合中的各个目标进制数据对应的加密位置，对所述目标进制数据集合中的各个目标进制数据进行加密压缩存储，包括：
将所述目标进制数据集合中的每个目标进制数据，调整至所述目标进制数据对应的加密位置处，得到加密进制数据集合；
对所述加密进制数据集合中的加密进制数据进行压缩并存储。
4.根据权利要求1所述的一种用于电子商务管理系统数据的安全存储方法，其特征在于，所述对所述待存储数据集合中的各个待存储数据进行压缩进制转化处理，得到目标进制数据集合，包括：
对所述待存储数据集合中的每个待存储数据进行压缩，得到所述待存储数据对应的二进制数据；
对所述待存储数据集合中的每个待存储数据对应的二进制数据进行分区处理，得到所述待存储数据对应的区间集合；
对所述待存储数据集合中的各个待存储数据对应的区间集合中的每个区间包括的数据进行转化，确定所述区间对应的目标进制数据，得到目标进制数据集合。
5.根据权利要求4所述的一种用于电子商务管理系统数据的安全存储方法，其特征在于，所述根据目标进制数据对应的参考数据组集合中目标进制数据的数量、该目标进制数据对应的参考数据组集合中参考数据组的数量和该目标进制数据所在的目标数据集合包括的目标进制数据的数量，确定该目标进制数据所在的目标数据集合对应的他相关性，包括：
将目标进制数据对应的参考数据组集合中目标进制数据的数量与该目标进制数据对应的参考数据组集合中参考数据组的数量的比值，确定为该目标进制数据对应的平均出现次数；
将目标进制数据所在的目标数据集合包括的目标进制数据的数量与该目标进制数据对应的平均出现次数的比值，确定为该目标进制数据所在的目标数据集合对应的他相关性。
CN202311329808.XA 2023-10-16 2023-10-16 用于电子商务管理系统数据的安全存储方法 Active CN117077182B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311329808.XA CN117077182B (zh) 2023-10-16 2023-10-16 用于电子商务管理系统数据的安全存储方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311329808.XA CN117077182B (zh) 2023-10-16 2023-10-16 用于电子商务管理系统数据的安全存储方法

Publications (2)

Publication Number Publication Date
CN117077182A CN117077182A (zh) 2023-11-17
CN117077182B true CN117077182B (zh) 2024-02-02

Family

ID=88708355

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311329808.XA Active CN117077182B (zh) 2023-10-16 2023-10-16 用于电子商务管理系统数据的安全存储方法

Country Status (1)

Country Link
CN (1) CN117077182B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113704206A (zh) * 2021-10-29 2021-11-26 苏州浪潮智能科技有限公司 一种元数据的处理方法、装置、电子设备及存储介质
CN116226471A (zh) * 2023-05-10 2023-06-06 济宁蜗牛软件科技有限公司 一种用于国土资源规划的数据存储方法
CN116861041A (zh) * 2023-09-04 2023-10-10 世窗信息股份有限公司 一种电子公文处理方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113704206A (zh) * 2021-10-29 2021-11-26 苏州浪潮智能科技有限公司 一种元数据的处理方法、装置、电子设备及存储介质
CN116226471A (zh) * 2023-05-10 2023-06-06 济宁蜗牛软件科技有限公司 一种用于国土资源规划的数据存储方法
CN116861041A (zh) * 2023-09-04 2023-10-10 世窗信息股份有限公司 一种电子公文处理方法及系统

Also Published As

Publication number Publication date
CN117077182A (zh) 2023-11-17

Similar Documents

Publication Publication Date Title
Duan et al. A new modified Adomian decomposition method and its multistage form for solving nonlinear boundary value problems with Robin boundary conditions
US10491239B1 (en) Large-scale computations using an adaptive numerical format
CN109597571B (zh) 数据存储方法、数据读取方法、装置和计算机设备
US20220035526A1 (en) Data compression method, electronic device and computer program product
CN111107042B (zh) 报文解析方法、装置、计算机设备和存储介质
CN110647718A (zh) 数据处理方法、装置、设备及计算机可读存储介质
CN112506880A (zh) 数据处理方法及相关设备
Hu et al. Efficient JPEG batch steganography using intrinsic energy of image contents
CN111651695A (zh) 一种短链接的生成与解析方法及装置
CN116825259B (zh) 一种基于物联网的医疗数据管理方法
CN117077182B (zh) 用于电子商务管理系统数据的安全存储方法
CA3131106A1 (en) Method, device and system for processing service data by merging sorting algorithm
US11475352B2 (en) Quantizing machine learning models with balanced resolution via damped encoding
WO2020167625A1 (en) Accelerated reasoning graph evaluation
CN112967208B (zh) 一种图像处理方法、装置、电子设备及存储介质
CN106502627B (zh) 一种伪随机数种子生成方法
CN113780666A (zh) 一种缺失值的预测方法及装置、可读存储介质
CN114490547A (zh) 数据压缩方法、装置、设备及介质
WO2018082245A1 (zh) 栅格数据聚合方法和装置、栅格数据解耦方法和装置及系统
CN114466012A (zh) 内容初始化方法、装置、电子设备和存储介质
CN110096266B (zh) 一种特征加工方法和装置
EP4180972A1 (en) Method and apparatus for multiple accesses in memory and storage system
CN111240606A (zh) 一种基于安全内存的存储优化方法及系统
WO2020136142A1 (en) Device and method for testing a sequence generated by a random number generator
AU2017202115A1 (en) Reciprocal distribution calculating method and reciprocal distribution calculating system for cost accounting

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