CN117201501A - 一种智慧工程共享管理系统及运行方法 - Google Patents

Abstract

本申请公开了一种智慧工程共享管理系统及运行方法，属于共享管理技术领域，包括：服务器终端接收来自采集终端所采集的第一数据，对第一数据进行第一次分类，生成至少两组分类数据包；对分类数据包进行负载平衡，进行重排序；对负载平衡后的分类数据包进行加密；根据服务器的处理输出结果，并对出现异常的分类数据包进行预警；对预警结果进行验证。在本发明的技术方案实施过程中，通过对第一数据进行第一次分类，生成至少两组分类数据包，有利于方便数据管理、便于后续的数据分析，并能够提高数据的利用价值，并通过对负载平衡后的分类数据包进行基于数据负载的加密，实现针对不同的数据选择不同的加密方法，平衡加密效果与后续解密所需的算力。

Description

一种智慧工程共享管理系统及运行方法

技术领域

本申请涉及共享管理技术领域，具体为一种智慧工程共享管理系统及运行方法。

背景技术

智慧工程共享管理系统是一种基于互联网和物联网技术的智能化平台，旨在提高工程项目的管理效率和资源利用率，实现工程项目的信息化管理和资源共享，为各个参与方提供便捷的协作和沟通平台。

智慧工程共享管理系统通常包括数据采集与传感器、数据存储与处理、可视化分析、决策支持与优化、协作与沟通、安全与权限控制、故障检测与维护等功能模块，这些模块相互配合，为项目管理人员和团队提供全面的工具和资源，以便更好地管理和监控工程项目。

由于智慧工程共享管理系统的运行过程中会涉及到各种工程项目数据，如工程图纸、设计文档、施工计划等，这些数据有些属于常规数据，但是其中也包含敏感性数据，这些敏感性数据决定了智慧工程共享管理系统需要具有一定的安全性，一旦这些敏感性数据遭到窃取甚至是篡改，会影响智慧工程共享管理系统的正常运行，造成工程财产损失。

目前虽然有一些加密方法或加密系统能够对工程数据进行加密，但是整个加密过程中会将常规数据和敏感性数据采用相同的加密方法，而当加密方法加密力度不强时，会导致数据安全性无法保障，当加密方法的加密力度过强时，又会导致后续的解密成本较高，会增加许多额外的加密解密成本，无法针对不同的工程数据选择合适的加密方法，所以有必要提供一种智慧工程共享管理系统及运行方法来解决上述问题。

需要说明的是，本背景技术部分中公开的以上信息仅用于理解本申请构思的背景技术，并且因此，它可以包含不构成现有技术的信息。

发明内容

基于现有技术中存在的上述问题，本申请所要解决的问题是：提供一种智慧工程共享管理系统及运行方法，达到能够针对不同工程数据选择不同的加密方式的效果，降低后续的加密成本。

本申请解决其技术问题所采用的技术方案是：一种智慧工程共享管理系统的运行方法，包括：

服务器终端接收来自采集终端所采集的第一数据，并对第一数据进行第一次分类，生成至少两组分类数据包，所述第一数据为工程数据，所述分类数据包为在采集过程中进行分类后的工程数据集合；

对分类数据包进行负载平衡，并进行重排序，生成第一负载平衡数据；

对负载平衡后的分类数据包进行基于数据负载的加密，并生成第一加密数据；

根据服务器的处理输出结果，并对出现异常的分类数据包进行预警；

对预警结果进行验证。

在本发明的技术方案实施过程中，通过对第一数据进行第一次分类，生成至少两组分类数据包，有利于方便数据管理、便于后续的数据分析，并能够提高数据的利用价值，并通过对负载平衡后的分类数据包进行基于数据负载的加密，实现针对不同的数据选择不同的加密方法，平衡加密效果与后续解密所需的算力。

进一步的，所述对第一数据进行第一次分类具体包括：

对第一数据进行归一化处理，生成以字节为单位的数据包；

对生成的数据包进行随机组合，生成组合数据包，所述组合数据包内包含随机数量的数据包；

对组合数据包进行基于数据负载的标注。

进一步的，所述对分类数据包进行负载平衡进一步包括：

确定每个分类数据包内的峰值数据；

对所有峰值数据取均值，得到第一平均峰值数据，并设定阈值；

将第一平均峰值数据与分类数据包内的数据进行比对，并根据比对结果进行重排序。

进一步的，所述对负载平衡后的分类数据包进行基于负载的加密进一步包括：

获取第一负载平衡数据中所有数据的峰值数据；

计算分类数据包中每个峰值数据的占空比例；

根据占空比例选择加密方法。

进一步的，所述数据负载是指数据在被服务器接收至分析完成后所需要花费的算力，表示数据的有效内容的波动性及复杂性。

进一步的，所述峰值数据是指在服务器的处理过程中，产生负载波动较大的数据。

进一步的，将第一平均峰值数据与分类数据包内的数据进行比对，并根据比对结果进行重排序的过程为：

设定好阈值范围后，将数据包内所有数据与第一峰值数据进行做差运算，并与阈值进行比较后进行重排序，使每个分类数据包中的峰值数据与第一平均峰值相匹配。

一种智慧工程共享管理系统，包括：

接收模块，用于服务器终端接收来自采集终端所采集的第一数据，并对第一数据进行第一次分类，生成至少两组分类数据包，所述第一数据为工程数据，所述分类数据包为在采集过程中进行分类后的工程数据集合；

负载平衡模块，用于对分类数据包进行负载平衡，并进行重排序，生成第一负载平衡数据；

负载加密模块，用于对负载平衡后的分类数据包进行基于负载的加密，并生成第一加密数据；

预警输出模块，用于根据服务器的处理输出结果，并对出现异常的分类数据包进行预警；

预警结果验证模块，用于对预警结果进行验证。

本申请的有益效果是：本申请提供的一种智慧工程共享管理系统及运行方法，通过对第一数据进行第一次分类，生成至少两组分类数据包，有利于方便数据管理、便于后续的数据分析，并能够提高数据的利用价值，并通过对负载平衡后的分类数据包进行基于数据负载的加密，实现针对不同的数据选择不同的加密方法，平衡加密效果与后续解密所需的算力，并在后续处理中对出现异常的数据进行预警提醒，便于及时对预警数据进行维护。

除了上面所描述的目的、特征和优点之外，本申请还有其它的目的、特征和优点。下面将参照图，对本申请作进一步详细的说明。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请中一种智慧工程共享管理系统的运行方法的流程体示意图；

图2为图1中一种智慧工程共享管理系统的模块构成示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

为了使本技术领域的人员更好地理解本申请方案，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，所描述的实施例仅仅是本申请一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

实施例一：

图1为本申请中一种智慧工程共享管理系统的运行方法的流程示意图，该运行方法通常应用于智慧工程管理系统中，该智慧工程管理系统通常应用于工程管理领域，包括(但不限于)建筑工程、道路交通工程、能源工程、水利工程、环境工程等，该系统通常包含采集终端、服务器终端、数据传输终端等模块，其中采集终端包括(但不限于)各类传感器、图像和/或视频监控设备、定位设备、可录入的手持终端设备、物联网设备等，服务器终端是指具有数据分析、存储功能的硬件模块，并且可以理解的是，服务器终端可以存在于系统的各个位置，并且服务器终端在不同的位置产生的作用和效果也不同；数据传输终端是指用于将采集到的数据从采集终端传输到智慧工程管理系统的服务器终端的设备或工具，在本实施例中，该数据传输终端包括有线传输，例如网线、光纤；无线传输，例如无线网络(如Wi-Fi、蓝牙、ZigBee等)或移动通信网络(如2G、3G、4G、5G等)；云存储或带有存储功能的云服务器，手持信号发送/接收设备等，在本实施例中不做限定，如图1所示，该方法包括：

步骤101：服务器终端接收来自采集终端所采集的第一数据，并对第一数据进行第一次分类，生成至少两组分类数据包，该第一数据为工程数据，该分类数据包为在采集过程中进行分类后的工程数据集合；

在本实施例中，采集终端通常包含缓存空间，该缓存空间用于对直接采集到的工程数据进行缓存，并在缓存的过程中对第一数据进行第一次分类，进行第一次分类后的第一数据有利于方便数据管理、便于后续的数据分析，并能够提高数据的利用价值。

具体的，对第一数据进行第一次分类的过程包括：

步骤a：对第一数据进行归一化处理，生成以字节为单位的数据包；

在本实施例中，采集终端所采集的工程数据种类繁多，并且基于不同的采集终端，所采集的工程数据具有不同的量纲、尺度，例如传感器设备所采集的温度数据、监控设备所采集的图像、视频数据等，不同的采集终端所采集到的数据之间存在一定差异，因此还需要对其进行归一化处理，以便于后续的传输、分析等过程；

为了保证不同来源数据之间的统一，在本实施例中统一将第一数据转化为数据包，该数据包以字节为单位，转化方法包括(但不限于)进制转换、单位转换、编码转换、数据结构转换、ASCII码等，例如，对于温度传感器所采集的温度数据，采用ASCII码方式转化为如下步骤：

23T代表温度为23摄氏度，以ASCII码表示为0010111 1010100，或者以23t代表温度为23摄氏度，以ASCII码表示为0010111 1110100，具体的命名方式可以根据需要自定义；

以图像数据为例，可以采用熵编码的方式对图像数据进行转化，例如哈夫曼编码，将编码后的数据作为转换后的图像数据；

类似的，对于视频数据，可以先对视频数据进行连续帧分解，并对分解后的连续帧进行图像数据相同的编码方式，形成由多帧图像组成的编码数据，需要说明的是，视频数据分解后的连续帧需要按照分解的顺序排列，因为出现乱序的连续帧会导致分解后的编码数据与视频数据不符，导致数据信息发生改变，进而影响后续的分析结果；

对于一些事件数据，可以先将事件数据转换为拼音或英文，然后再利用ASCII码进行转换；

上述利用ASCII码的方法均可以通过函数的方式解决，例如Python中的ord()函数，具体可参照相关文献，此处及下文不再赘述。

通过对第一数据进行归一化处理，不仅能够将不同类型的数据以统一的形式表示，还可以在归一化处理的过程中通过自定义的表示方法，对第一数据进行伪装，使第一数据无法直接被识别，提高数据的安全性。

在其他一些实施例中，还可以用其他编码方法，最终只要实现对第一数据的转换即可，并且无论使用何种编码方法，都可以自定义转码规则，使转码后的第一数据具有伪装性。

步骤b：对生成的数据包进行随机组合，生成组合数据包，该组合数据包内包含随机数量的数据包；

将第一数据进行归一化处理后，会生成多个数据包，该数据包是经伪装后的第一数据，而即使经过了伪装，数据之间存在的相关性也会使伪装效果不佳，例如，对于一个温度传感器所采集的温度数据，经过归一化处理后，由于其本身存在一定规律，如表示温度的ASCII码，虽然可以自定义转码规则，但是由于转码方法通常为现有技术，因此归一化后的第一数据还是有被解密的风险，因此通过对生成的数据包，进行随机组合，并生成组合数据包，每个组合数据包内包含随机数量的数据包，以提高数据包的安全性；

为了提高数据传输效率，并降低单次数据分析过程中的运行压力，还需要对组合数据包内的数据包的最大数量进行控制，例如定义某个组合数据包的最大数据包数量为10，则在生成数据包后，随机选择10个以下的数据包作为该组合数据包，通过控制组合数据包内的数据包的最大数量，使单个组合数据包满足服务器的处理压力，提高分析效率；

例如，以温度传感器的采集过程为例，当某温度传感器在一个时段内采集到15个温度数据时，需要对这些温度数据进行随机组合，而由于设置了某个组合数据包的最大数量为10，因此这些温度数据可以进行多种方式的随机组合，如将该温度数据分为两个组合数据包，其中一个组合数据包中可以存放10个温度数据，存放完毕后判断剩余温度数据是否大于10，如果大于10，则另外分配一个组合数据包，如果不大于10，则另一个组合数据包中可以存放剩余的数据；也可以在其中一个组合数据包中存放低于10个温度数据，另一个组合数据包中存放剩余的温度数据，如果剩余的温度数据大于10，则需要再分配一个组合数据包，直到将所有温度数据存放完毕；

以上只是对同一个温度传感器所采集的温度数据进行随机组合，在实际应用中，不同的监测设备会产生各类不同类型的数据，因此随机组合的方式更能够起到一定的伪装性。

步骤c：对组合数据包进行基于数据负载的标注；

在生成组合数据包后，还需要对组合数据包进行标注，方便后续的识别分析过程，在对组合数据包进行标注的过程中，可以采用多种方法进行标注，例如添加标签，为每个数据包添加一个或多个标签，用于描述其内容或属性；添加元数据，为数据添加额外的元数据，用于提供更多的信息和数据之间的相关性；特征标注，根据数据包的内容或特征进行标注，如分析数据包的头部信息、载荷内容、特定字段等，来标注数据包的关键特征；

而上述多种方法都是基于组合数据包的内容进行标注的，这种方法虽然可以很好的对组合数据包进行标签化处理，使其便于管理和分析，但是在标注完成后，由于需要深入解析数据包的内容，形成的标签信息也会对组合数据包的隐私性产生影响，因此在本实施例中，通过对组合数据包进行基于数据负载的标注，完成标注的同时，提高数据包的安全性；

在本实施例中，数据负载是指数据在被服务器接收至分析完成后所需要花费的算力，通常表示数据的有效内容的复杂性，该复杂性会进而导致服务器在运行过程中产生波动；

具体的，对组合数据包进行基于数据负载的标注之前，需要对其进行负载模拟(算力模拟)，通过真实的分析处理过程来测试处理一组数据所需要的算力，例如可以通过建立传输处理模型，模拟数据的传输和处理的过程，并在此期间对服务器的算力资源进行量化，以便于判断在这个过程中所消耗的算力，从而作为数据包的负载；

在本实施例中，可以理解的是，在服务器和检测设备之间设置有预处理器，该负载模拟过程在预处理器上完成，并且完成后对数据进行删除，以便于提高数据的安全性。

步骤102：对分类数据包进行负载平衡，并进行重排序，生成第一负载平衡数据；

在对第一数据进行第一次分类后，会生成多组分类数据包，每一组数据包内又会包含多个数据，这些数据具有不同的负载，由于在上述过程中对生成的数据包进行了随机组合，会导致每个数据包内的负载波动变化不可控，在后续的分析处理中会引起服务器或处理器的负载波动，不仅会降低分析处理效率，还会导致使用寿命下降，因此需要对分类数据包进行负载平衡，从而进行重排序，使每个分类数据包具有稳定的负载，减少服务器或处理器的负载波动，具体的，负载平衡包括：

步骤201：确定每个分类数据包内的峰值数据；

峰值数据是指造成服务器负载最大的数据，在服务器的处理过程中，数据一般成组接收、处理，而产生负载波动较大的数据通常为峰值数据，因此在本实施例中为了实现负载平衡，首先要确定每个分类数据包内的峰值数据；

步骤202：对所有峰值数据取均值，得到第一平均峰值数据，并设定阈值；

确定每个分类数据包内的峰值数据后，对这些峰值数据取均值，得到第一平均峰值数据，该第一平均峰值数据作为度量该组数据的阈值；

步骤203：将第一平均峰值数据与分类数据包内的数据进行比对，并根据比对结果进行重排序，并生成第一重排序数据包；

设定好阈值后，将数据包内所有数据与第一峰值数据进行做差运算，并与阈值进行比较后进行重排序，使每个分类数据包中的峰值数据与第一平均峰值相匹配；

当分类数据包内存在未匹配的数据时，即当前第一平均峰值无法满足所有数据，因此需要重新设定阈值，并重复上述步骤，得到第二平均峰值数据，直到所有分类数据包中的数据均完成匹配，实现重排序，重排序后的分类数据包中，所有数据的位置都是基于平均峰值数据所匹配得来的，因此在每一个数据包被服务器接收处理时，不会产生较大的波动，提高处理器的分析效率和使用寿命。

步骤103：对负载平衡后的分类数据包进行基于负载的加密，并生成第一加密数据；

对分类数据包进行负载平衡后，还需要对分类数据包进行加密，防止在传输的过程中被窃取，影响数据的安全性，而目前对于数据的加密有多种方法，但是加密方法的选择一般是根据加密方法本身的安全性、加密效率等数据外的因素决定的，这种方式过于依赖加密方法本身，一旦加密方法被破解，就会导致采用相同加密方法的加密数据遭到破解甚至是攻击，因此在本实施例中考虑数据的自身特性进行加密方法的选择，具体的：

步骤301：获取第一重排序数据包中所有数据的峰值数据；

步骤302：计算分类数据包中每个峰值数据的占空比例；

由于在前述步骤中，已经对分类数据包进行了负载平衡，并进行了重排序，因此在本步骤中就无需对分类数据包按照峰值数据进行排序，而在排序完成后，由于不同的数据分类包中的数据会具有不同的峰值数据，这些峰值数据代表了分类数据包的负载水平，因此可以理解为每一个重排序数据包都会具有一个与峰值数据相关的负载水平；

根据每个分类数据包的负载水平计算峰值数据的占空比例，便于衡量每个分类数据包在总体数据中所占据的比例，从而方便后续对其进行加密；

需要说明的是，峰值数据的占空比例是指，当前重排序数据包中，造成服务器负载最大的数据，占据所有重排序数据包峰值数据总和的比例，而并非现有技术中描述周期信号高电平与低电平的时间比例；

步骤303：根据占空比例选择加密方法。

计算出分类数据包中每个峰值数据的占空比例后，可以近似地看成，占空比例越高的分类数据包，其复杂程度越强，就需要采用力度更强的加密方法；占空比例越低的分类数据包，其复杂程度越弱，此时只需要采用普通类型的加密方法即可；

加密方法一般会具有加密力度，如密钥的长度越长，破解难度越大，加密的强度越高，但是相应的解密过程就会耗费更多算力，在本实施例中，加密方法可以采用包括(但不限于)以下方式：

对称加密算法，指使用相同的密钥进行加密和解密的方法，如DES、3DES、AES等；

非对称加密算法，指使用不同的密钥进行加密和解密的方法，如RSA、ElGamal等；

数字签名，如RSA、DSA等；

无论用哪种方法，只要保证在针对具有不同占空比例的分类数据包进行加密时，根据加密力度进行合理选择即可，不仅可以增加数据的安全性，使加密难度增大，而且能够对后续的解密过程进行算力合理分配。

步骤104：根据服务器的处理输出结果，并对出现异常的分类数据包进行预警；

完成上述步骤后，就可以对分类数据包进行分析处理，在处理完成后，对出现异常的数据进行预警，并发出提醒，其中预警方式包括(但不限于)声音警报、灯光警示、远程移动端通知、数据报表或图表生成等，确保预警结果被及时有效接收。

步骤105：对预警结果进行验证。

为了提高预警动作的响应速度，防止服务器的分析结果传递延迟或丢失，还需要在预警通知前进行完整性验证，确定所预警的信息为服务器直接分析所得的信息，提高决策预警的有效性；

完整性验证可以采用哈希验证的方式，先对服务器的预警结果进行哈希计算，生成第一哈希值，计算方法可以采用MD5、SHA-1、SHA-256等，在此不做限定；

然后将生成的第一哈希值存储到存储介质中，如数据库、文件系统等，确保哈希值的安全性和完整性；

在需要进行预警时，获取服务器输出的预警数据，并对该数据进行哈希计算，生成第二哈希值，该第二哈希值表示需要进行预警的信息所生成的哈希值，接着将第一哈希值与第二哈希值进行比对，判断其是否一致，如果一致，说明预警结果是完整未发生改变的，可以进行输出，如果不一致，说明第二哈希值所代表的预警信息出现异常，不可以直接输出，而是发送检查信号至服务器端，并暂停预警，待工作人员检修完成后，重复上述步骤，直到第一哈希值与第二哈希值一致才可以进行预警输出。

通过以上的验证过程，可以验证预警结果的完整性和真实性，确保预警结果没有发生改变，提高系统的预警准确性。

实施例二：

如图2所示，本实施例提出了一种智慧工程共享管理系统，该系统运行实施例1中的运行方法，该系统包括：

接收模块，用于服务器终端接收来自采集终端所采集的第一数据，并对第一数据进行第一次分类，生成至少两组分类数据包，该第一数据为工程数据，该分类数据包为在采集过程中进行分类后的工程数据集合；

负载平衡模块，用于对分类数据包进行负载平衡，并进行重排序，生成第一负载平衡数据；

负载加密模块，用于对负载平衡后的分类数据包进行基于负载的加密，并生成第一加密数据；

预警输出模块，用于根据服务器的处理输出结果，并对出现异常的分类数据包进行预警；

预警结果验证模块，用于对预警结果进行验证。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (9)

1.一种智慧工程共享管理系统的运行方法，其特征在于：包括：

服务器终端接收来自采集终端所采集的第一数据，并对第一数据进行第一次分类，生成至少两组分类数据包，所述第一数据为工程数据，所述分类数据包为在采集过程中进行分类后的工程数据集合；

对分类数据包进行负载平衡，并进行重排序，生成第一负载平衡数据；

对负载平衡后的分类数据包进行基于数据负载的加密，并生成第一加密数据；

根据服务器的处理输出结果，并对出现异常的分类数据包进行预警；

对预警结果进行验证。

2.根据权利要求1所述的一种智慧工程共享管理系统的运行方法，其特征在于：所述对第一数据进行第一次分类具体包括：

对第一数据进行归一化处理，生成以字节为单位的数据包；

对生成的数据包进行随机组合，生成组合数据包，所述组合数据包内包含随机数量的数据包；

对组合数据包进行基于数据负载的标注。

3.根据权利要求1所述的一种智慧工程共享管理系统的运行方法，其特征在于：所述对分类数据包进行负载平衡进一步包括：

确定每个分类数据包内的峰值数据；

对所有峰值数据取均值，得到第一平均峰值数据，并设定阈值；

将第一平均峰值数据与分类数据包内的数据进行比对，并根据比对结果进行重排序，并生成第一重排序数据包。

4.根据权利要求3所述的一种智慧工程共享管理系统的运行方法，其特征在于：所述对负载平衡后的分类数据包进行基于负载的加密进一步包括：

获取第一重排序数据包中所有数据的峰值数据；

计算分类数据包中每个峰值数据的占空比例；

根据占空比例选择加密方法。

5.根据权利要求1所述的一种智慧工程共享管理系统的运行方法，其特征在于：所述数据负载是指数据在被服务器接收至分析完成后所需要花费的算力，表示数据的有效内容的波动性及复杂性。

6.根据权利要求3所述的一种智慧工程共享管理系统的运行方法，其特征在于：所述峰值数据是指在服务器的处理过程中，产生负载波动最大的数据。

7.根据权利要求3所述的一种智慧工程共享管理系统的运行方法，其特征在于：将第一平均峰值数据与分类数据包内的数据进行比对，并根据比对结果进行重排序的过程为：

设定好阈值范围后，将数据包内所有数据与第一峰值数据进行做差运算，并与阈值进行比较后进行重排序，使每个分类数据包中的峰值数据与第一平均峰值相匹配。

8.一种智慧工程共享管理系统，其特征在于：包括：

接收模块，用于服务器终端接收来自采集终端所采集的第一数据，并对第一数据进行第一次分类，生成至少两组分类数据包，所述第一数据为工程数据，所述分类数据包为在采集过程中进行分类后的工程数据集合；

负载平衡模块，用于对分类数据包进行负载平衡，并进行重排序，生成第一负载平衡数据；

负载加密模块，用于对负载平衡后的分类数据包进行基于负载的加密，并生成第一加密数据；

预警输出模块，用于根据服务器的处理输出结果，并对出现异常的分类数据包进行预警；

预警结果验证模块，用于对预警结果进行验证。

9.根据权利要求8所述的一种智慧工程共享管理系统，其特征在于：用于实施如权利要求1至7所述的一种智慧工程共享管理系统的运行方法。