CN117216780A - 基于大数据分析的物流数据保护方法和系统 - Google Patents

Abstract

本申请提供一种基于大数据分析的物流数据保护方法和系统，该方法包括：获取待传输的初始物流数据；对所述初始物流数据进行大数据分析，从所述初始物流数据中确定重要物流数据；对所述重要物流数据进行加密，得到加密物流数据，将包含所述初始物流数据的目标物流数据进行传输；在传输过程中，当检测到针对所述目标物流数据的攻击事件，执行攻击溯源操作，以阻断所述攻击事件；传输过程结束后，接收方对所述目标物流数据进行解密，在所述接收方的终端对所述目标物流数据进行三维可视化展示。本申请实施例能够提升物流数据传输的安全性，对物流数据进行有效的保护。

Description

基于大数据分析的物流数据保护方法和系统

技术领域

本申请涉及数据处理技术领域，尤其涉及一种基于大数据分析的物流数据保护方法和系统。

背景技术

物流数据是指与物流运营相关的各种信息和记录，涵盖了物流业务的各个方面。物流数据记录了从货物出发到最终交付的全过程，包括货物的运输、仓储、配送、跟踪等各个环节的信息。这些数据可以用于分析和优化物流运营，提高效率、降低成本，并支持更好的决策制定。

然而，由于物流数据的体量大、种类多，通常缺乏有效的管理，使得在一些环节中，物流数据会被攻击者窃取、篡改来用于不法目的，对物流方、产品商家和消费者都会造成较大的损失。

因此，需提出一种基于大数据分析的物流数据保护方法和系统，来解决该技术问题。

发明内容

本申请实施例的目的在于提供一种基于大数据分析的物流数据保护方法和系统，本申请实施例能够提升物流数据传输的安全性，对物流数据进行有效的保护。具体技术方案如下：

在本申请实施例的第一方面，提供一种基于大数据分析的物流数据保护方法，所述方法包括：

获取待传输的初始物流数据；

对所述初始物流数据进行大数据分析，从所述初始物流数据中确定重要物流数据；

对所述重要物流数据进行加密，得到加密物流数据，将包含所述初始物流数据的目标物流数据进行传输；

在传输过程中，当检测到针对所述目标物流数据的攻击事件，执行攻击溯源操作，以阻断所述攻击事件；

传输过程结束后，接收方对所述目标物流数据进行解密，在所述接收方的终端对所述目标物流数据进行三维可视化展示。

可选地，所述对所述初始物流数据进行大数据分析，从所述初始物流数据中确定重要物流数据，包括：

获取每个所述初始物流数据的计算参数，以及所述计算参数对应的权重系数，所述计算参数包括所述初始物流数据的频度、业务关联性、历史重要度、敏感性和时效性；

针对所述每个初始物流数据，根据所述计算参数和所述权重系数，计算所述初始物流数据的重要度；

根据所述重要度，从所述多个初始物流数据中确定所述重要物流数据。

可选地，所述对所述重要物流数据进行加密，包括：

获取加密参数，所述加密参数包括椭圆曲线群G₁，以及作为有限域的阶的素数q；

根据所述加密参数，构建加密所需的公钥P_pub和私钥其中，/>表示整数模q的乘法群；

使用非对称加密算法对所述重要物流数据进行加密，得到签名数据和所述加密物流数据。

可选地，所述对所述目标物流数据进行解密，包括：

所述接收方获取所述目标物流数据、所述签名数据和所述公钥；

根据所述目标物流数据和所述公钥，验证所述签名数据；

当所述签名数据验证通过，使用所述私钥对所述目标物流数据的所述重要物流数据进行解密，得到对应的明文数据。

可选地，所述当检测到针对所述目标物流数据的攻击事件，执行攻击溯源操作，包括：

获取所述目标物流数据的日志数据；

对所述日志数据进行特征提取，提取所述攻击事件的攻击特征；

根据所述攻击特征，对多个所述攻击事件进行关联分析，得到攻击分析结果；

根据所述攻击分析结果，追踪攻击源的IP地址；

阻断所述IP地址发送的数据包。

可选地，所述目标物流数据通过物流展示程序进行三维可视化展示，在所述对所述目标物流数据进行三维可视化展示之前，所述方法还包括：

获取用户需求数据；

根据所述用户需求数据，选择所述物流展示程序的平台、VR设备和AR设备；

获取历史物流数据作为测试数据；

生成所述物流展示程序的虚拟场景和用户界面，所述虚拟场景包括VR场景和AR场景；

根据所述物流展示程序的平台，实现所述虚拟场景和用户界面的运行；

将所述测试数据与所述虚拟场景进行集成后，对所述物流展示程序进行测试，得到测试好的物流展示程序。

可选地，所述对所述初始物流数据进行大数据分析，还包括：

对多个环节的所述初始物流数据进行分析，得到分析数据，所述环节包括运输环节、仓储环节、配送环节和供应链环节；

对所述分析数据进行特征提取，得到所述分析数据的关键特征；

根据所述关键特征，对所述初始物流数据进行预测，得到所述初始物流数据对应的预测数据；

根据所述初始与所述预测数据的比较结果，得到物流优化决策信息

在本申请实施例的又一方面，提供一种基于大数据分析的物流数据保护系统，所述系统包括：

数据获取模块，用于获取待传输的初始物流数据；

数据分析模块，用于对所述初始物流数据进行大数据分析，从所述初始物流数据中确定重要物流数据；

数据加密模块，用于对所述重要物流数据进行加密，得到加密物流数据，将包含所述初始物流数据的目标物流数据进行传输；

数据保护模块，用于在传输过程中，当检测到针对所述目标物流数据的攻击事件，执行攻击溯源操作，以阻断所述攻击事件；

数据展示模块，用于传输过程结束后，接收方对所述目标物流数据进行解密，在所述接收方的终端对所述目标物流数据进行三维可视化展示。

可选地，所述数据分析模块还具体用于：

获取每个所述初始物流数据的计算参数，以及所述计算参数对应的权重系数，所述计算参数包括所述初始物流数据的频度、业务关联性、历史重要度、敏感性和时效性；

针对所述每个初始物流数据，根据所述计算参数和所述权重系数，计算所述初始物流数据的重要度；

根据所述重要度，从所述多个初始物流数据中确定所述重要物流数据。

可选地，所述数据加密模块还具体用于：

获取加密参数，所述加密参数包括椭圆曲线群G₁，以及作为有限域的阶的素数q；

根据所述加密参数，构建加密所需的公钥P_pub和私钥其中，/>表示整数模q的乘法群；

使用非对称加密算法对所述重要物流数据进行加密，得到签名数据和所述加密物流数据

由上可知，本申请实施至少带来以下有益效果：

(1)、实现对物流数据的保护：通过对初始物流数据进行大数据分析，识别并加密重要物流数据，保护物流信息的隐私和完整性，确保数据在传输过程中的安全性。

(2)、通过执行攻击溯源操作来提升物流数据保护的安全性：在传输过程中，如果检测到对目标物流数据的攻击事件，系统能够执行攻击溯源操作，分析攻击特征并追踪攻击源，进一步增强数据的安全性。

(3)、物流数据的三维可视化展示：接收方可以对目标物流数据进行解密后，通过三维可视化展示系统，在终端上展示物流信息，提供直观的展示和分析，帮助用户更好地理解和决策。

(4)、数据分析与决策：大数据分析可以从多个环节的物流数据中提取关键特征，并基于预测数据得出物流优化决策，帮助物流业务更加高效和智能。

(5)、根据用户定制化需求展示物流数据：系统还支持根据用户需求选择物流展示程序的平台和设备，为不同用户提供定制化的展示体验。

综上所述，本申请的方法能够通过结合大数据分析和加密技术，实现了物流数据的保护、分析和可视化展示，提升了物流业务的安全性、智能性和用户体验。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，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他的附图。

图1是本申请实施例提供的基于大数据分析的物流数据保护系统的应用场景示意图；

图2是本申请实施例提供的基于大数据分析的物流数据保护方法的流程示意图；

图3是本申请实施例提供的基于大数据分析的物流数据保护系统的结构示意图；

图4是本申请实施例提供的计算机设备的内部结构图。

具体实施方式

本申请实施例提供一种基于大数据分析的物流数据保护方法和系统。请参阅图1，图1为本申请实施例所提供的基于大数据分析的物流数据保护系统的应用场景示意图，该系统可以包括终端和服务器。本申请提供的基于大数据分析的物流数据保护方法可以通过终端实现，也可以通过服务器实现。

如图1所示，终端与服务器之间通过网络连接，比如，通过有线或无线网络连接等。其中，终端可以包括但不局限于安装有各位网络平台应用的手机、平板等便携终端，以及电脑、查询机、广告机等固定终端。其中，服务器为用户提供各种业务服务，包括服务推送服务器、用户推荐服务器等。

需要说明的是，图1所示的基于大数据分析的物流数据保护系统的应用场景示意图仅仅是一个示例，本申请实施例描述的终端、服务器以及应用场景是为了更加清楚的说明本申请实施例的技术方案，并不生成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着系统的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题同样适用。

其中，终端可以用于：

获取待传输的初始物流数据；对所述初始物流数据进行大数据分析，从所述初始物流数据中确定重要物流数据；对所述重要物流数据进行加密，得到加密物流数据，将包含所述初始物流数据的目标物流数据进行传输；在传输过程中，当检测到针对所述目标物流数据的攻击事件，执行攻击溯源操作，以阻断所述攻击事件；传输过程结束后，接收方对所述目标物流数据进行解密，在所述接收方的终端对所述目标物流数据进行三维可视化展示。

需要说明的是，上述终端执行基于大数据分析的物流数据保护方法的步骤，也可以由服务器执行。

图2示出了本申请实施例提供的一种基于大数据分析的物流数据保护方法和系统的流程示意图，如图2所示，一种基于大数据分析的物流数据保护方法和系统包括如下步骤：

步骤201、获取待传输的初始物流数据。

在一些实施例中，可以从物流系统或其他数据源中收集原始的、未经处理的物流数据。例如，初始物流数据可以包括货物的起始地点和目的地、运输时间、运费、货物种类、供应商信息、仓库信息、运输车辆信息等。

可以理解，以上初始物流数据通常是未经加工、筛选或处理的，需要进一步分析和处理才能为物流决策和优化提供有用的信息。获取以上初始数据是物流数据保护方法的第一步，以便后续的大数据分析、加密、传输和展示等处理。

步骤202、对所述初始物流数据进行大数据分析，从所述初始物流数据中确定重要物流数据。

可选地，步骤202可以包括：

获取每个所述初始物流数据的计算参数，以及所述计算参数对应的权重系数，所述计算参数包括所述初始物流数据的频度、业务关联性、历史重要度、敏感性和时效性；

针对所述每个初始物流数据，根据所述计算参数和所述权重系数，计算所述初始物流数据的重要度；

根据所述重要度，从所述多个初始物流数据中确定所述重要物流数据。

在一些实施例中，初始物流数据的重要度可以表示为：

其中，I是初始物流数据的重要度；

F是初始物流数据在一段时间内出现的频度，频度越高表示该初始物流数据的实际应用程度越高，高频度出现的物流数据代表该物流数据在业务中的重要性较高，因其频繁出现，对整体物流业务流程有较大的影响，因此通过可以将其权重系数α设为正值，可以增加频度对重要度的影响；

R是业务关联性，是一个衡量物流数据与核心业务关联程度的指标，如果某个物流数据与核心业务高度关联，被认为更加重要。通过调整β的值，可以控制业务关联性对重要度的贡献；

H是历史重要度，历史重要度考虑了物流数据的历史影响，如果过去的数据对当前业务流程仍然具有重要性，则可以考虑增加γ的值，以强调历史重要度对总体重要度的影响；

C是敏感性，敏感性越高则机密性越高，如果某些物流数据非常敏感，则需要特别保护，可以增加δ的值，使其对总体重要度的贡献更大；

T是时效性，时效性考虑了物流数据在一段时间内的有效性。如果物流数据的时效性对于业务流程至关重要，可以通过增加∈的值来强调它对总体重要度的影响；

ζ是额外的复杂因素权重，这个权重系数用于考虑其他不在上述因素中的因素，是业务中的特殊需求或者其他因素。ζ允许在考虑其他因素时进行调整，α、β、γ、δ、∈均为权重系数。

其中，α、β、γ、δ、∈、ζ这几个权重系数的具体值可以根据实际需求和业务背景进行调整，例如，在布局针对新建区域的物流体系的业务中，物流数据的时效性。

以上参数和权重系数的值通常需要根据具体的业务需求和场景来设置，不同的业务场景可能需要不同的权衡和重要度的设置，以便更好地处理和保护物流数据，确保满足业务目标和要求。通过调整这些参数，可以自定义物流数据重要度的计算方式，以适应不同的情况。

在一些实施例中，以上参数可以通过相关机器学习模型、算法来选定，例如回归分析或优化算法，来自动调整这些参数。通过将历史数据用于训练模型，模型可以学习参数的最佳值，以最大程度地满足物流业务目标。在初步选定以上参数或其他候选参数之后，可以与物流领域的专家合作，获取其意见和见解，以确定这些参数的重要性和相对权重，专家的经验可以提供有关参数如何影响业务的有价值的信息。

需要说明的是，在重要度计算公式的最后一项，将敏感度C放在分母中，实现敏感性的权重调整，敏感性C通常会影响数据的重要度。通过将敏感性放在分母，可以在一定程度上抵消敏感性的影响，从而使得敏感性较高的数据不会在公式中主导重要度的计算。

此外，还可以降低敏感性对重要度的影响，可以理解，如果敏感性C较高，将其放在分母中可以降低其对整体重要度的影响。这可以确保即使敏感性很高，其他因素的影响也能在一定程度上平衡。

最终，还可以实现敏感度对重要性影响的对抗偏见，一些时候，数据敏感性可能会导致过度保护，而影响数据的充分利用。将敏感性放在分母中可以一定程度上减少过度保护的风险，同时还考虑了其他因素的影响。

步骤203、对所述重要物流数据进行加密，得到加密物流数据，将包含所述初始物流数据的目标物流数据进行传输。

可选地，步骤203可以包括：

获取加密参数，所述加密参数包括椭圆曲线群G₁，以及作为有限域的阶的素数q。其中，G₁是一个椭圆曲线上的循环子群，通常用来进行椭圆曲线密码学的运算。在物流数据保护中，它用于构建公钥和签名数据，G₁的选择会影响到加密和签名的安全性和效率。不同的椭圆曲线参数会导致不同的性能和安全性权衡。G₁通常由以下公式定义：

G₁＝{kX|k∈Z}，其中X是椭圆曲线上的某个点，具体计算G₁的操作通常依赖于所选的椭圆曲线方程和点X的坐标。

q是一个大素数，通常用作有限域的阶，它定义了椭圆曲线群的大小，q的大小直接影响到加密算法的强度。较大的q通常意味着更高的安全性，但也可能导致更慢的计算。

根据所述加密参数，构建加密所需的公钥P_pub和私钥其中，/>表示整数模q的乘法群。/>是模q的乘法群，包含了所有与q互质的正整数，/>用于生成私钥s，它定义了私钥s的取值范围。在一些实施例中，可以使用随机数生成器来生成一个大素数q。/>是整数模q的乘法群，包含了所有与q互质的正整数。例如，如果q＝7，则因为这些数与7互质。使用非对称加密算法对所述重要物流数据进行加密，得到签名数据和所述加密物流数据。

在一些实施例中，可以选择一个合适的椭圆曲线群G₁，选择一个大素数q作为有限域的阶。

在一些实施例中，可以随机选择一个整数作为私钥，/>表示整数模q的乘法群，q是一个大素数。计算P_pub＝sP，其中，P为G₁的生成元，通常是公开的，是由椭圆曲线参数确定的，P用于计算公钥P_pub，选择一个好的生成元对于加密和签名的性能和安全性至关重要。对要发送的消息Q应用对称加密算法，得到密文M。

在一些实施例中，假设P是椭圆曲线上的某个点，而s是私钥。计算P_pub＝sP的过程通常涉及到椭圆曲线点的加法操作：

设P(x1,y1)是椭圆曲线上的点，s是私钥。计算sP的过程为：计算N＝smod q，其中q是大素数。使用椭圆曲线上的点加法规则，重复N次将P与自身相加，即执行N次点加法操作，计算结果是sP。

在一些实施例中，可以随机选择一个整数作为签名中的随机数。计算R＝rP。对密文消息M进行密码杂凑操作：h＝H₁(M)，计算S＝r+h·smod q签名数据为(R,S)。r是签名过程中的随机数r是签名中的随机数，通常由随机数生成器生成，每个签名都使用一个新的r，r的随机性保证了每个签名都是唯一的，增加了签名的安全性。h是对消息M进行密码杂凑的结果，通常使用哈希函数H₁计算，h＝H₁(M)，其中H₁是哈希函数，将消息M映射为一个固定长度的哈希值，密码杂凑操作将消息映射为一个固定长度的哈希值，这有助于签名的安全性。S是签名的一部分，通过计算S＝r+h·s mod q得到，S包含了签名的一部分信息，用于验证签名的有效性。

在一些实施例中，h＝H₁(M)通常表示对消息M应用哈希函数H1的结果。哈希函数将消息映射为一个固定长度的哈希值。具体计算过程取决于所选的哈希函数，例如SHA-256。假设使用SHA-256哈希函数，计算H1(M)的过程为：将消息M作为输入传递给SHA-256哈希函数，哈希函数将消息M转换为固定长度的二进制字符串，即哈希值。

在一些实施例中，S是签名的一部分，通过计算r+h·s mod q得到。具体计算过程如下：使用r和h计算r+h·s，使用模运算(％)将结果限制在[0,q-1]的范围内，确保它在模q下的有效性，计算结果是签名中的S。

步骤204、在传输过程中，当检测到针对所述目标物流数据的攻击事件，执行攻击溯源操作，以阻断所述攻击事件。

可选地，步骤204可以包括：

获取所述目标物流数据的日志数据；

对所述日志数据进行特征提取，提取所述攻击事件的攻击特征；

根据所述攻击特征，对多个所述攻击事件进行关联分析，得到攻击分析结果；

根据所述攻击分析结果，追踪攻击源的IP地址；

阻断所述IP地址发送的数据包。

在一些实施例中，可以从物流系统或网络服务器中收集与物流数据相关的日志记录，这些日志记录包含了网络活动、用户操作、系统事件等信息。然后，从日志数据中提取关键特征，这些特征包括IP地址、访问时间、访问请求等。特别关注可能涉及到攻击的特征，如异常登录、恶意访问等。

进一步地，可以通过分析提取的特征，识别出潜在的攻击事件。这可以是异常行为、未授权访问、数据包嗅探等攻击特征。然后，对多个攻击事件的特征进行关联分析，以确定是否存在协同的攻击活动。这有助于识别更复杂的攻击行为和攻击者。

在一些实施中，可以通过关联分析，得到攻击分析结果，指示可能的攻击事件、攻击方式和攻击者行为。再根据攻击分析结果，确定潜在的攻击者IP地址。这有助于追踪攻击源头和攻击者的位置，一旦确认恶意IP地址，可以在网络防火墙或入侵检测系统上设置规则，阻断来自该IP地址的数据包，从而防止进一步的攻击。

通过以上方式，结合了大数据分析技术，可以帮助畅联物流网络攻击溯源可视化系统追踪、分析和应对网络攻击事件，从而增强物流数据的安全性和保护效果。

步骤205、传输过程结束后，接收方对所述目标物流数据进行解密，在所述接收方的终端对所述目标物流数据进行三维可视化展示。

可选地，步骤205可以包括：

所述接收方获取所述目标物流数据、所述签名数据和所述公钥；

根据所述目标物流数据和所述公钥，验证所述签名数据；

当所述签名数据验证通过，使用所述私钥对所述目标物流数据的所述重要物流数据进行解密，得到对应的明文数据。

在一些实施例中，接收方可以接收密文消息M、签名(R,S)和公钥P_pub，计算h＝H₁(M)。计算U＝S·P–h·P_pub。计算v＝e(R,P)·e(U,P_pub)。如果v与预期的e(R,P_pub)·e(P,P)相等，则接受签名，即签名数据验证通过，否则拒绝签名，即签名数据验证未通过。其中，e(R,Ppub)表示对签名中的R和公钥Ppub进行双线性对运算e(P,P)表示对生成元P进行自身的双线性对运算。

在签名数据验证通过后，则可以使用私钥s对密文M进行解密，得到明文数据Q。

可选地，在步骤205之前，本申请的方法还可以包括：

获取用户需求数据；

根据所述用户需求数据，选择所述物流展示程序的平台、VR设备和AR设备；

获取历史物流数据作为测试数据；

生成所述物流展示程序的虚拟场景和用户界面，所述虚拟场景包括VR场景和AR场景；

根据所述物流展示程序的平台，实现所述虚拟场景和用户界面的运行；

将所述测试数据与所述虚拟场景进行集成后，对所述物流展示程序进行测试，得到测试好的物流展示程序。

在一些实施例中，本申请的方法可以先通过了解用户的需求和期望，确定用户希望在物流展示系统中看到的内容和功能。然后，根据用户需求，选择适合的物流展示程序平台，以及可能使用的虚拟现实(VR)和增强现实(AR)设备，如头戴式显示器、智能眼镜等。再收集历史物流数据，这些数据将用作在展示系统中测试和演示的样本数据。

进一步地，可以基于用户需求，设计和创建物流展示程序的虚拟场景和用户界面。这可能包括仓库、运输路径、交通情况等虚拟场景元素。将设计好的虚拟场景和用户界面在物流展示程序平台上实现，确保其能够在相应的设备上正常运行。

在一些实施例中，可以将历史物流数据与虚拟场景进行集成，确保数据能够在虚拟场景中正确展示和交互。对整个物流展示程序进行测试，验证其在不同平台和设备上的运行情况，确保用户体验流畅且符合预期。

通过以上方式，三维可视化物流信息展示程序或系统可以根据用户需求生成虚拟场景，将物流数据可视化展示，并通过虚拟现实和增强现实技术实现交互性，从而帮助用户更好地理解和分析物流信息，做出更好的决策。

可选地，本申请的方法还可以包括：

对多个环节的所述初始物流数据进行分析，得到分析数据，所述环节包括运输环节、仓储环节、配送环节和供应链环节；

对所述分析数据进行特征提取，得到所述分析数据的关键特征；

根据所述关键特征，对所述初始物流数据进行预测，得到所述初始物流数据对应的预测数据；

根据所述初始与所述预测数据的比较结果，得到物流优化决策信息。

在一些实施例中，可以将初始物流数据按照不同环节进行分类，如运输、仓储、配送和供应链等。对每个环节的数据进行深入分析，了解其中的关联关系和潜在问题。然后，经过对不同环节数据的分析，得到了各个环节的分析结果，这些结果可以包括各种指标、趋势和异常情况等。

在一些实施例中，可以从分析数据中提取出关键特征，这些特征可以代表物流活动的重要信息，如交通拥堵、库存情况、运输效率等。再利用提取出的关键特征，应用数据分析和预测模型，对初始物流数据进行预测。这可以是未来运输需求、库存变化、交通情况等方面的预测。

在一些实施例中，通过预测模型生成的结果即为预测数据，这些数据展示了在未来某段时间内物流活动的可能情况，将初始物流数据与预测数据进行比较，分析预测数据与实际数据之间的差异和趋势。

最终，可以根据比较结果，获取物流优化决策信息。如果预测数据与实际数据有差异，可以通过调整物流策略、资源分配等方式进行优化，以适应变化的物流环境和需求。

由上可知，本申请实施至少带来以下有益效果：

(1)、实现对物流数据的保护：通过对初始物流数据进行大数据分析，识别并加密重要物流数据，保护物流信息的隐私和完整性，确保数据在传输过程中的安全性。

(2)、通过执行攻击溯源操作来提升物流数据保护的安全性：在传输过程中，如果检测到对目标物流数据的攻击事件，系统能够执行攻击溯源操作，分析攻击特征并追踪攻击源，进一步增强数据的安全性。

(3)、物流数据的三维可视化展示：接收方可以对目标物流数据进行解密后，通过三维可视化展示系统，在终端上展示物流信息，提供直观的展示和分析，帮助用户更好地理解和决策。

(4)、数据分析与决策：大数据分析可以从多个环节的物流数据中提取关键特征，并基于预测数据得出物流优化决策，帮助物流业务更加高效和智能。

(5)、根据用户定制化需求展示物流数据：系统还支持根据用户需求选择物流展示程序的平台和设备，为不同用户提供定制化的展示体验。

综上所述，本申请的方法能够通过结合大数据分析和加密技术，实现了物流数据的保护、分析和可视化展示，提升了物流业务的安全性、智能性和用户体验。

为实现上述方法类实施例，本申请实施例还提供一种基于大数据分析的物流数据保护系统，图3示出了本申请实施例提供的一种基于大数据分析的物流数据保护系统的结构示意图，所述系统包括：

数据获取模块301，用于获取待传输的初始物流数据；

数据分析模块302，用于对所述初始物流数据进行大数据分析，从所述初始物流数据中确定重要物流数据；

数据加密模块303，用于对所述重要物流数据进行加密，得到加密物流数据，将包含所述初始物流数据的目标物流数据进行传输；

数据保护模块304，用于在传输过程中，当检测到针对所述目标物流数据的攻击事件，执行攻击溯源操作，以阻断所述攻击事件；

数据展示模块305，用于传输过程结束后，接收方对所述目标物流数据进行解密，在所述接收方的终端对所述目标物流数据进行三维可视化展示。

可选地，所述数据分析模块302还具体用于：

获取每个所述初始物流数据的计算参数，以及所述计算参数对应的权重系数，所述计算参数包括所述初始物流数据的频度、业务关联性、历史重要度、敏感性和时效性；

针对所述每个初始物流数据，根据所述计算参数和所述权重系数，计算所述初始物流数据的重要度；

根据所述重要度，从所述多个初始物流数据中确定所述重要物流数据。

可选地，所述数据加密模块303还具体用于：

获取加密参数，所述加密参数包括椭圆曲线群G₁，以及作为有限域的阶的素数q；

根据所述加密参数，构建加密所需的公钥P_pub和私钥其中，/>表示整数模q的乘法群；

使用非对称加密算法对所述重要物流数据进行加密，得到签名数据和所述加密物流数据

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述系统中模块/单元/子单元/组件的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

由上可知，本申请实施至少带来以下有益效果：

(1)、实现对物流数据的保护：通过对初始物流数据进行大数据分析，识别并加密重要物流数据，保护物流信息的隐私和完整性，确保数据在传输过程中的安全性。

(2)、通过执行攻击溯源操作来提升物流数据保护的安全性：在传输过程中，如果检测到对目标物流数据的攻击事件，系统能够执行攻击溯源操作，分析攻击特征并追踪攻击源，进一步增强数据的安全性。

(3)、物流数据的三维可视化展示：接收方可以对目标物流数据进行解密后，通过三维可视化展示系统，在终端上展示物流信息，提供直观的展示和分析，帮助用户更好地理解和决策。

(4)、数据分析与决策：大数据分析可以从多个环节的物流数据中提取关键特征，并基于预测数据得出物流优化决策，帮助物流业务更加高效和智能。

(5)、根据用户定制化需求展示物流数据：系统还支持根据用户需求选择物流展示程序的平台和设备，为不同用户提供定制化的展示体验。

综上所述，本申请的方法能够通过结合大数据分析和加密技术，实现了物流数据的保护、分析和可视化展示，提升了物流业务的安全性、智能性和用户体验。

在一些实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储图像采集设备的相关数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于大数据分析的物流数据保护方法和系统。

在一些实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入系统。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WI FI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现基于大数据分析的物流数据保护方法和系统。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入系统可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图4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，或者具有不同的部件布置。

综上所述，本申请提供的一种基于大数据分析的物流数据保护方法，所述方法包括：

获取待传输的初始物流数据；

对所述初始物流数据进行大数据分析，从所述初始物流数据中确定重要物流数据；

对所述重要物流数据进行加密，得到加密物流数据，将包含所述初始物流数据的目标物流数据进行传输；

在传输过程中，当检测到针对所述目标物流数据的攻击事件，执行攻击溯源操作，以阻断所述攻击事件；

传输过程结束后，接收方对所述目标物流数据进行解密，在所述接收方的终端对所述目标物流数据进行三维可视化展示。

在本申请所提供的实施例中，应该理解到，所揭露系统和方法，可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，系统或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

Claims (10)

1.一种基于大数据分析的物流数据保护方法，其特征在于，所述方法包括：

获取待传输的初始物流数据；

对所述初始物流数据进行大数据分析，从所述初始物流数据中确定重要物流数据；

对所述重要物流数据进行加密，得到加密物流数据，将包含所述初始物流数据的目标物流数据进行传输；

在传输过程中，当检测到针对所述目标物流数据的攻击事件，执行攻击溯源操作，以阻断所述攻击事件；

传输过程结束后，接收方对所述目标物流数据进行解密，在所述接收方的终端对所述目标物流数据进行三维可视化展示。

2.根据权利要求1所述的基于大数据分析的物流数据保护方法，其特征在于，所述对所述初始物流数据进行大数据分析，从所述初始物流数据中确定重要物流数据，包括：

获取每个所述初始物流数据的计算参数，以及所述计算参数对应的权重系数，所述计算参数包括所述初始物流数据的频度、业务关联性、历史重要度、敏感性和时效性；

针对所述每个初始物流数据，根据所述计算参数和所述权重系数，计算所述初始物流数据的重要度；

根据所述重要度，从所述多个初始物流数据中确定所述重要物流数据。

3.根据权利要求1所述的基于大数据分析的物流数据保护方法，其特征在于，所述对所述重要物流数据进行加密，包括：

获取加密参数，所述加密参数包括椭圆曲线群G₁，以及作为有限域的阶的素数q；

根据所述加密参数，构建加密所需的公钥P_pub和私钥其中，/>表示整数模q的乘法群；

使用非对称加密算法对所述重要物流数据进行加密，得到签名数据和所述加密物流数据。

4.根据权利要求3所述的基于大数据分析的物流数据保护方法，其特征在于，所述对所述目标物流数据进行解密，包括：

所述接收方获取所述目标物流数据、所述签名数据和所述公钥；

根据所述目标物流数据和所述公钥，验证所述签名数据；

当所述签名数据验证通过，使用所述私钥对所述目标物流数据的所述重要物流数据进行解密，得到对应的明文数据。

5.根据权利要求3所述的基于大数据分析的物流数据保护方法，其特征在于，所述当检测到针对所述目标物流数据的攻击事件，执行攻击溯源操作，包括：

获取所述目标物流数据的日志数据；

对所述日志数据进行特征提取，提取所述攻击事件的攻击特征；

根据所述攻击特征，对多个所述攻击事件进行关联分析，得到攻击分析结果；

根据所述攻击分析结果，追踪攻击源的IP地址；

阻断所述IP地址发送的数据包。

6.根据权利要求5所述的基于大数据分析的物流数据保护方法，其特征在于，所述目标物流数据通过物流展示程序进行三维可视化展示，在所述对所述目标物流数据进行三维可视化展示之前，所述方法还包括：

获取用户需求数据；

根据所述用户需求数据，选择所述物流展示程序的平台、VR设备和AR设备；

获取历史物流数据作为测试数据；

生成所述物流展示程序的虚拟场景和用户界面，所述虚拟场景包括VR场景和AR场景；

根据所述物流展示程序的平台，实现所述虚拟场景和用户界面的运行；

将所述测试数据与所述虚拟场景进行集成后，对所述物流展示程序进行测试，得到测试好的物流展示程序。

7.根据权利要求1所述的基于大数据分析的物流数据保护方法，其特征在于，所述对所述初始物流数据进行大数据分析，还包括：

对多个环节的所述初始物流数据进行分析，得到分析数据，所述环节包括运输环节、仓储环节、配送环节和供应链环节；

对所述分析数据进行特征提取，得到所述分析数据的关键特征；

根据所述关键特征，对所述初始物流数据进行预测，得到所述初始物流数据对应的预测数据；

根据所述初始与所述预测数据的比较结果，得到物流优化决策信息。

8.一种根据权利要求1-7任一项所述的方法的基于大数据分析的物流数据保护系统，其特征在于，所述系统包括：

数据获取模块，用于获取待传输的初始物流数据；

数据分析模块，用于对所述初始物流数据进行大数据分析，从所述初始物流数据中确定重要物流数据；

数据加密模块，用于对所述重要物流数据进行加密，得到加密物流数据，将包含所述初始物流数据的目标物流数据进行传输；

数据保护模块，用于在传输过程中，当检测到针对所述目标物流数据的攻击事件，执行攻击溯源操作，以阻断所述攻击事件；

数据展示模块，用于传输过程结束后，接收方对所述目标物流数据进行解密，在所述接收方的终端对所述目标物流数据进行三维可视化展示。

9.根据权利要求8所述的基于大数据分析的物流数据保护系统，其特征在于，所述数据分析模块还具体用于：

获取每个所述初始物流数据的计算参数，以及所述计算参数对应的权重系数，所述计算参数包括所述初始物流数据的频度、业务关联性、历史重要度、敏感性和时效性；

针对所述每个初始物流数据，根据所述计算参数和所述权重系数，计算所述初始物流数据的重要度；

根据所述重要度，从所述多个初始物流数据中确定所述重要物流数据。

10.根据权利要求8所述的基于大数据分析的物流数据保护系统，其特征在于，所述数据加密模块还具体用于：

获取加密参数，所述加密参数包括椭圆曲线群G₁，以及作为有限域的阶的素数q；

根据所述加密参数，构建加密所需的公钥P_pub和私钥其中，/>表示整数模q的乘法群；

使用非对称加密算法对所述重要物流数据进行加密，得到签名数据和所述加密物流数据。