CN117349865A - 基于多源遥感数据的时空数据湖技术及其安全防护方法 - Google Patents
基于多源遥感数据的时空数据湖技术及其安全防护方法 Download PDFInfo
- Publication number
- CN117349865A CN117349865A CN202311536043.7A CN202311536043A CN117349865A CN 117349865 A CN117349865 A CN 117349865A CN 202311536043 A CN202311536043 A CN 202311536043A CN 117349865 A CN117349865 A CN 117349865A
- Authority
- CN
- China
- Prior art keywords
- data
- remote sensing
- time
- space
- lake
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000005516 engineering process Methods 0.000 title claims abstract description 22
- 241000700605 Viruses Species 0.000 claims abstract description 37
- 230000004927 fusion Effects 0.000 claims abstract description 12
- 230000005540 biological transmission Effects 0.000 claims abstract description 8
- 230000001954 sterilising effect Effects 0.000 claims abstract description 7
- 230000002159 abnormal effect Effects 0.000 claims abstract description 6
- 238000013500 data storage Methods 0.000 claims abstract description 6
- 238000011156 evaluation Methods 0.000 claims description 17
- 238000012544 monitoring process Methods 0.000 claims description 12
- 238000005192 partition Methods 0.000 claims description 12
- 239000002131 composite material Substances 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000012217 deletion Methods 0.000 claims description 8
- 230000037430 deletion Effects 0.000 claims description 8
- 238000007499 fusion processing Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000000903 blocking effect Effects 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 238000013210 evaluation model Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims description 4
- 238000004659 sterilization and disinfection Methods 0.000 abstract description 3
- 230000002265 prevention Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Bioethics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了基于多源遥感数据的时空数据湖技术及其安全防护方法，涉及时空数据湖技术领域，包括以下步骤：（1）、数据识别；（2）、数据采集；（3）、数据储存；（4）、数据融合；（5）、融合精度评价；（6）、变化特征提取以及安全防护方法。该发明在数据识别的过程中，对异常数据进行监测，并对病毒数据进行单独提取并杀毒，杀毒后对数据进行二次监测，能够确保数据正常，避免出现病毒数据，并且通过安全防护方法，能够实现实现数据访问通道、数据加密读取和数据传输通道的多重解锁，提高了数据湖中数据的访问、储存、传输和安全，提高数据的可靠性。
Description
技术领域
本发明涉及时空数据湖技术领域，具体为基于多源遥感数据的时空数据湖技术及其安全防护方法。
背景技术
数据湖的一部分价值是把不同种类的数据汇聚到一起，另一部分价值是不需要预定义的模型就能进行数据分析。现在的大数据架构是可扩展的，并且可以为用户提供越来越多的实时分析，遥感数据也能够在时空数据湖中进行存储。
现有的基于多源遥感数据的时空数据湖技术，通常数据湖架构安全性不足，在数据杀毒以及数据防泄漏方面存在一定的改进空间，为此我们提出基于多源遥感数据的时空数据湖技术及其安全防护方法。
发明内容
针对现有技术的不足，本发明提供了基于多源遥感数据的时空数据湖技术及其安全防护方法，解决上述背景技术中提出的现有基于多源遥感数据的时空数据湖技术，通常数据湖架构安全性不足，在数据杀毒以及数据防泄漏方面存在一定的改进空间的问题。
为实现以上目的，本发明通过以下技术方案予以实现，基于多源遥感数据的时空数据湖技术，包括以下步骤：
（1）、数据识别
对多源遥感数据进行数据识别，数据识别过程中，检测所识别数据与遥感数据是否匹配，所数据匹配则进行对数据进行接收存储至识别数据库；
然后从病毒特征库加载病毒特征数据，识别时对遥感数据中的异常数据进行实时病毒监测，若监测到病毒，则阻断该数据的传输，同时记录病毒信息以及比对结果，并对病毒数据进行单独提取并杀毒；
杀毒后对数据进行二次监测，二次监测时再次对病毒特征数据进行扫描检测，确保数据正常，再将这部分数据还原至原位置，若出现数据损毁的情况则及时警报；
（2）、数据采集
对识别后的数据进行整理，消除冗余数据，消除冗余数据时采用数据清理模块删除重复数据，并根据数据时序筛选要求删除过期数据，在执行数据删除过程中，将所请求删除的数据信息发送至删除判断模块，根据选取数据的信息和预设条件，判断选取数据的信息是否满足删除条件，再将判断结果发送至操作执行模块，使其根据所述判断结果对选取数据进行删除处理，进而避免对数据进行误删，提升数据的安全性，从而在保证存储有效数据的前提下减少对数据库空间的占用；
而按照时序关系排序对所获取的同一区域不同历史时期的数字遥感数据进行排序，并对采集的数据进行分析并转换，将微波雷达数据、航空摄像数据等不同类型的遥感数据转换为同一类型的数字遥感数据，从而使其成为可直接使用的分析数据；
（3）、数据储存
构建数据湖架构，首先将时空数据缓存至kafka队列中，并归类存储；
再通过存储组件将时空数据从kafka队列中存储至数据湖中，并对数据湖进行分区；
（4）、数据融合
在基于多源数字遥感数据的基础上，将数字遥感数据转换为空间分辨率影像，并根据时间节点对空间分辨率影像进行顺序编码；
然后对统一时区的中空间分辨率影像以及高空间分辨率影像进行融合，数据融合过程中确保同一区域同一比例尺相互配准，在各影像单元一一对应的情况下进行合并，进而生成复合的中、高分辨率影像，然后对影像进行处理，过滤消除图像中的斑点，提高图像清晰度，并对地面空间的建筑物等地物边缘像素进行平滑度处理，并对待目标对象的边缘线进行增强，以获得较为清晰完整高质量的遥感影像。
进一步的，所述步骤（4）、数据融合的过程中，按照时序关系先后融合不同时期的空间数据分辨率影像。
进一步的，所述基于多源遥感数据的时空数据湖技术还包括以下具体步骤：
（5）、融合精度评价
选取2-3个局部区域作为精度评价样板模块，采集遥感地块的样板模块地物的对应时空真实测量数据，选取标志性地物数据，并在基于真实测量数据的基础上，将地物数据与遥感检测数据进行综合的数据对比，构建精度评价模型，将偏移角度、地物宽度长度等偏差数据作为变量并赋予不同的权重，然后代入计算，并根据偏差综合计算结果，对上述遥感的空间数据及分辨率影像进行精度评价，保留精度评价符合要求的部分遥感影像，确保空间数据及分辨率影像精度符合要求。
进一步的，所述基于多源遥感数据的时空数据湖技术还包括以下具体步骤：
（6）、变化特征提取
按照时间变化特征，结合中、高分辨率影像，获取遥感地块的时空变化，进行地物的时间变化特征提取，以便于及时了解遥感地块的时空数据变化。
进一步的，所述安全防护方法包括以下步骤：
A、数据加密
数据湖中不同分区的数据均通过加密算法和密钥储存，其中数据读取通道和数据输出通道分别设置不同的加密算法和密钥；
并对不同的数据访问通道设置不同的数据访问节点，不同的数据访问节点给予不同的数据权限；
B、数据访问
对访问的用户进行身份识别，并判断用户的接入节点，根据数据接入节点显示对应权限的数据分区，相应节点给予不同的数据权限，使得数据访问时通过访问权限对于对应的数据湖分区进行数据访问，
进一步的，所述步骤B、数据访问的过程中，读取加载应解密对应的加密算法和密钥，同理数据输出应解密对应的加密算法和密钥。
1.本发明提供了基于多源遥感数据的时空数据湖技术及其安全防护方法，具备以下有益效果：该基于多源遥感数据的时空数据湖技术及其安全防护方法，在数据识别的过程中，对异常数据进行监测，并对病毒数据进行单独提取并杀毒，杀毒后对数据进行二次监测，能够确保数据正常，避免出现病毒数据，数据采集时按照时序关系排序获取不同历史时期的数字遥感数据，有利于后期的遥感地块的时空数据变化特征提取，数据储存过程中，通过存储组件将时空数据从kafka队列中存储至数据湖中，并对数据湖进行分区，能够面向多数据源的信息存储，并且相对成本较低；
2.该基于多源遥感数据的时空数据湖技术及其安全防护方法，通过数据融合生成复合的中、高分辨率影像，并按照时间变化特征，结合中、高分辨率影像，获取遥感地块的时空变化，进行地物的时间变化特征提取，以便于及时了解遥感地块的时空数据变化，并且通过融合精度评价的取样评价方式较为简单的还有利于确保空间数据及分辨率影像进行精度符合要求；
3.该基于多源遥感数据的时空数据湖技术及其安全防护方法，数据加密和数据访问过程中，数据读取通道和数据输出通道分别设置不同的加密算法和密钥，并对不同的数据访问通道设置不同的数据访问节点，不同的数据访问节点给予不同的数据权限，使得数据访问时通过访问权限对于对应的数据湖分区进行数据访问，并且读取加载应解密对应的加密算法和密钥，同理数据输出应解密对应的加密算法和密钥，从而便于实现数据访问通道、数据加密读取、数据传输通道的多重解锁，提高了数据湖中数据的访问、储存、传输、安全，提高数据可靠性。
具体实施方式
下面将结合本发明的具体实施例，对本发明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发明一部分实施例，而不是全部的实施例。
基于多源遥感数据的时空数据湖技术及其安全防护方法，包括以下步骤：
（1）、数据识别
对多源遥感数据进行数据识别，数据识别过程中，检测所识别数据与遥感数据是否匹配，所数据匹配则进行对数据进行接收存储至识别数据库；
然后从病毒特征库加载病毒特征数据，识别时对遥感数据中的异常数据进行实时病毒监测，若监测到病毒，则阻断该数据的传输，同时记录病毒信息以及比对结果，并对病毒数据进行单独提取并杀毒；
杀毒后对数据进行二次监测，二次监测时再次对病毒特征数据进行扫描检测，确保数据正常，再将这部分数据还原至原位置，若出现数据损毁的情况则及时警报；
（2）、数据采集
对识别后的数据进行整理，消除冗余数据，消除冗余数据时采用数据清理模块删除重复数据，并根据数据时序筛选要求删除过期数据，在执行数据删除过程中，将所请求删除的数据信息发送至删除判断模块，根据选取数据的信息和预设条件，判断选取数据的信息是否满足删除条件，再将判断结果发送至操作执行模块，使其根据所述判断结果对选取数据进行删除处理，进而避免对数据进行误删，提升数据的安全性，从而在保证存储有效数据的前提下减少对数据库空间的占用；
而按照时序关系排序对所获取的同一区域不同历史时期的数字遥感数据进行排序，并对采集的数据进行分析并转换，将微波雷达数据、航空摄像数据等不同类型的遥感数据转换为同一类型的数字遥感数据，从而使其成为可直接使用的分析数据；
（3）、数据储存
构建数据湖架构，首先将时空数据缓存至kafka队列中，并归类存储；
再通过存储组件将时空数据从kafka队列中存储至数据湖中，并对数据湖进行分区；
（4）、数据融合
在基于多源数字遥感数据的基础上，将数字遥感数据转换为空间分辨率影像，并根据时间节点对空间分辨率影像进行顺序编码；
然后对统一时区的中空间分辨率影像以及高空间分辨率影像进行融合，数据融合过程中确保同一区域同一比例尺相互配准，在各影像单元一一对应的情况下进行合并，进而生成复合的中、高分辨率影像，然后对影像进行处理，过滤消除图像中的斑点，提高图像清晰度，并对地面空间的建筑物等地物边缘像素进行平滑度处理，并对待目标对象的边缘线进行增强，以获得较为清晰完整高质量的遥感影像；
所述步骤（4）、数据融合的过程中，按照时序关系先后融合不同时期的空间数据分辨率影像。
所述基于多源遥感数据的时空数据湖技术及其安全防护方法还包括以下具体步骤：
（5）、融合精度评价
选取2-3个局部区域作为精度评价样板模块，采集遥感地块的样板模块地物的对应时空真实测量数据，选取标志性地物数据，并在基于真实测量数据的基础上，将地物数据与遥感检测数据进行综合的数据对比，构建精度评价模型，将偏移角度、地物宽度长度等偏差数据作为变量并赋予不同的权重，然后代入计算，并根据偏差综合计算结果，对上述遥感的空间数据及分辨率影像进行精度评价，保留精度评价符合要求的部分遥感影像，确保空间数据及分辨率影像精度符合要求。
所述基于多源遥感数据的时空数据湖技术及其安全防护方法还包括以下具体步骤：
（6）、变化特征提取
按照时间变化特征，结合中、高分辨率影像，获取遥感地块的时空变化，进行地物的时间变化特征提取，以便于及时了解遥感地块的时空数据变化。
所述安全防护方法包括以下步骤：
A、数据加密
数据湖中不同分区的数据均通过加密算法和密钥储存，其中数据读取通道和数据输出通道分别设置不同的加密算法和密钥；
并对不同的数据访问通道设置不同的数据访问节点，不同的数据访问节点给予不同的数据权限；
B、数据访问
对访问的用户进行身份识别，并判断用户的接入节点，根据数据接入节点显示对应权限的数据分区，相应节点给予不同的数据权限，使得数据访问时通过访问权限对于对应的数据湖分区进行数据访问，
所述步骤B、数据访问的过程中，读取加载应解密对应的加密算法和密钥，同理数据输出应解密对应的加密算法和密钥。
综上所述，该基于多源遥感数据的时空数据湖技术及其安全防护方法，使用时基于多源遥感数据的时空数据湖技术及其安全防护方法包括以下具体步骤：
（1）、数据识别：对多源遥感数据进行数据识别，数据识别过程中，检测所识别数据与遥感数据是否匹配，所数据匹配则进行对数据进行接收存储至识别数据库；然后从病毒特征库加载病毒特征数据，识别时对遥感数据中的异常数据进行实时病毒监测，若监测到病毒，则阻断该数据的传输，同时记录病毒信息以及比对结果，并对病毒数据进行单独提取并杀毒；杀毒后对数据进行二次监测，二次监测时再次对病毒特征数据进行扫描检测，确保数据正常，再将这部分数据还原至原位置，若出现数据损毁的情况则及时警报；
（2）、数据采集：对识别后的数据进行整理，消除冗余数据，消除冗余数据时采用数据清理模块删除重复数据，并根据数据时序筛选要求删除过期数据，在执行数据删除过程中，将所请求删除的数据信息发送至删除判断模块，根据选取数据的信息和预设条件，判断选取数据的信息是否满足删除条件，再将判断结果发送至操作执行模块，使其根据所述判断结果对选取数据进行删除处理，进而避免对数据进行误删，提升数据的安全性，从而在保证存储有效数据的前提下减少对数据库空间的占用；而按照时序关系排序对所获取的同一区域不同历史时期的数字遥感数据进行排序，并对采集的数据进行分析并转换，将微波雷达数据、航空摄像数据等不同类型的遥感数据转换为同一类型的数字遥感数据，从而使其成为可直接使用的分析数据；
（3）、数据储存：构建数据湖架构，首先将时空数据缓存至kafka队列中，并归类存储；再通过存储组件将时空数据从kafka队列中存储至数据湖中，并对数据湖进行分区；
（4）、数据融合：在基于多源数字遥感数据的基础上，将数字遥感数据转换为空间分辨率影像，并根据时间节点对空间分辨率影像进行顺序编码；然后对统一时区的中空间分辨率影像以及高空间分辨率影像进行融合，数据融合过程中确保同一区域同一比例尺相互配准，在各影像单元一一对应的情况下进行合并，进而生成复合的中、高分辨率影像，然后对影像进行处理，过滤消除图像中的斑点，提高图像清晰度，并对地面空间的建筑物等地物边缘像素进行平滑度处理，并对待目标对象的边缘线进行增强，以获得较为清晰完整高质量的遥感影像，数据融合的过程中，按照时序关系先后融合不同时期的空间数据分辨率影像；
（5）、融合精度评价：选取2-3个局部区域作为精度评价样板模块，采集遥感地块的样板模块地物的对应时空真实测量数据，选取标志性地物数据，并在基于真实测量数据的基础上，将地物数据与遥感检测数据进行综合的数据对比，构建精度评价模型，将偏移角度、地物宽度长度等偏差数据作为变量并赋予不同的权重，然后代入计算，并根据偏差综合计算结果，对上述遥感的空间数据及分辨率影像进行精度评价，保留精度评价符合要求的部分遥感影像，确保空间数据及分辨率影像精度符合要求；
（6）、变化特征提取：按照时间变化特征，结合中、高分辨率影像，获取遥感地块的时空变化，进行地物的时间变化特征提取，以便于及时了解遥感地块的时空数据变化；
所述安全防护方法包括以下步骤：
A、数据加密：数据湖中不同分区的数据均通过加密算法和密钥储存，其中数据读取通道和数据输出通道分别设置不同的加密算法和密钥；并对不同的数据访问通道设置不同的数据访问节点，不同的数据访问节点给予不同的数据权限；
B、数据访问：对访问的用户进行身份识别，并判断用户的接入节点，根据数据接入节点显示对应权限的数据分区，相应节点给予不同的数据权限，使得数据访问时通过访问权限对于对应的数据湖分区进行数据访问；数据访问的过程中，读取加载应解密对应的加密算法和密钥，同理数据输出应解密对应的加密算法和密钥。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (6)
1.基于多源遥感数据的时空数据湖技术，其特征在于，包括以下步骤：
（1）、数据识别
对多源遥感数据进行数据识别，数据识别过程中，检测所识别数据与遥感数据是否匹配，所数据匹配则进行对数据进行接收存储至识别数据库；
然后从病毒特征库加载病毒特征数据，识别时对遥感数据中的异常数据进行实时病毒监测，若监测到病毒，则阻断该数据的传输，同时记录病毒信息以及比对结果，并对病毒数据进行单独提取并杀毒；
杀毒后对数据进行二次监测，二次监测时再次对病毒特征数据进行扫描检测，确保数据正常，再将这部分数据还原至原位置，若出现数据损毁的情况则及时警报；
（2）、数据采集
对识别后的数据进行整理，消除冗余数据，消除冗余数据时采用数据清理模块删除重复数据，并根据数据时序筛选要求删除过期数据，在执行数据删除过程中，将所请求删除的数据信息发送至删除判断模块，根据选取数据的信息和预设条件，判断选取数据的信息是否满足删除条件，再将判断结果发送至操作执行模块，使其根据所述判断结果对选取数据进行删除处理，进而避免对数据进行误删，提升数据的安全性，从而在保证存储有效数据的前提下减少对数据库空间的占用；
而按照时序关系排序对所获取的同一区域不同历史时期的数字遥感数据进行排序，并对采集的数据进行分析并转换，将微波雷达数据、航空摄像数据等不同类型的遥感数据转换为同一类型的数字遥感数据，从而使其成为可直接使用的分析数据；
（3）、数据储存
构建数据湖架构，首先将时空数据缓存至kafka队列中，并归类存储；
再通过存储组件将时空数据从kafka队列中存储至数据湖中，并对数据湖进行分区；
（4）、数据融合
在基于多源数字遥感数据的基础上，将数字遥感数据转换为空间分辨率影像，并根据时间节点对空间分辨率影像进行顺序编码；
然后对统一时区的中空间分辨率影像以及高空间分辨率影像进行融合，数据融合过程中确保同一区域同一比例尺相互配准，在各影像单元一一对应的情况下进行合并，进而生成复合的中、高分辨率影像，然后对影像进行处理，过滤消除图像中的斑点，提高图像清晰度，并对地面空间的建筑物等地物边缘像素进行平滑度处理，并对待目标对象的边缘线进行增强，以获得较为清晰完整高质量的遥感影像。
2.根据权利要求1所述的基于多源遥感数据的时空数据湖技术，其特征在于，所述步骤（4）、数据融合的过程中，按照时序关系先后融合不同时期的空间数据分辨率影像。
3.根据权利要求1所述的基于多源遥感数据的时空数据湖技术，其特征在于，所述基于多源遥感数据的时空数据湖技术还包括以下具体步骤：
（5）、融合精度评价
选取2-3个局部区域作为精度评价样板模块，采集遥感地块的样板模块地物的对应时空真实测量数据，选取标志性地物数据，并在基于真实测量数据的基础上，将地物数据与遥感检测数据进行综合的数据对比，构建精度评价模型，将偏移角度、地物宽度长度等偏差数据作为变量并赋予不同的权重，然后代入计算，并根据偏差综合计算结果，对上述遥感的空间数据及分辨率影像进行精度评价，保留精度评价符合要求的部分遥感影像，确保空间数据及分辨率影像精度符合要求。
4.根据权利要求1所述的基于多源遥感数据的时空数据湖技术，其特征在于，所述基于多源遥感数据的时空数据湖技术还包括以下具体步骤：
（6）、变化特征提取
按照时间变化特征，结合中、高分辨率影像，获取遥感地块的时空变化，进行地物的时间变化特征提取，以便于及时了解遥感地块的时空数据变化。
5.根据权利要求2所述的基于多源遥感数据的时空数据湖技术的安全防护方法，其特征在于，所述安全防护方法包括以下步骤：
A、数据加密
数据湖中不同分区的数据均通过加密算法和密钥储存，其中数据读取通道和数据输出通道分别设置不同的加密算法和密钥；
并对不同的数据访问通道设置不同的数据访问节点，不同的数据访问节点给予不同的数据权限；
B、数据访问
对访问的用户进行身份识别，并判断用户的接入节点，根据数据接入节点显示对应权限的数据分区，相应节点给予不同的数据权限，使得数据访问时通过访问权限对于对应的数据湖分区进行数据访问。
6.根据权利要求2所述的基于多源遥感数据的时空数据湖技术的安全防护方法，其特征在于：所述步骤B、数据访问的过程中，读取加载应解密对应的加密算法和密钥，同理数据输出应解密对应的加密算法和密钥。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311536043.7A CN117349865A (zh) | 2023-11-17 | 2023-11-17 | 基于多源遥感数据的时空数据湖技术及其安全防护方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311536043.7A CN117349865A (zh) | 2023-11-17 | 2023-11-17 | 基于多源遥感数据的时空数据湖技术及其安全防护方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117349865A true CN117349865A (zh) | 2024-01-05 |
Family
ID=89357686
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311536043.7A Withdrawn CN117349865A (zh) | 2023-11-17 | 2023-11-17 | 基于多源遥感数据的时空数据湖技术及其安全防护方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117349865A (zh) |
-
2023
- 2023-11-17 CN CN202311536043.7A patent/CN117349865A/zh not_active Withdrawn
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5621889A (en) | Facility for detecting intruders and suspect callers in a computer installation and a security system including such a facility | |
| US7617167B2 (en) | Machine vision system for enterprise management | |
| CN111582006A (zh) | 一种视频分析方法及装置 | |
| US20140184803A1 (en) | Secure and Private Tracking Across Multiple Cameras | |
| CN117272215B (zh) | 一种基于数据挖掘的智慧小区安全管理方法及系统 | |
| CN115953566B (zh) | 一种用于红外热成像仪的特征分析方法、系统及介质 | |
| CN117544420B (zh) | 一种基于数据分析的融合系统安全管理方法及系统 | |
| CN115187439A (zh) | 一种智慧园区综合运营管理方法及系统 | |
| CN106791683A (zh) | 智能拍摄方法及装置 | |
| CN117746338B (zh) | 基于人工智能的物业园区安全管理方法及系统 | |
| CN117349865A (zh) | 基于多源遥感数据的时空数据湖技术及其安全防护方法 | |
| CN116737854B (zh) | 基于多源遥感数据的时空数据湖管理系统及其安全防护方法 | |
| CN111339366A (zh) | 大数据视频检索方法、装置、计算机设备以及存储介质 | |
| CN113989746B (zh) | 一种场景中复杂事件的检测方法、系统、设备及存储介质 | |
| CN114724077A (zh) | 安全检测方法、安全检测系统和存储介质 | |
| Teschioni et al. | Performance evaluation strategies of an image processing system for surveillance applications | |
| Gorodnichy et al. | Recognizing people and their activities in surveillance video: technology state of readiness and roadmap | |
| CN113657508A (zh) | 一种多维信息融合的安防系统决策方法、装置、计算机设备及存储介质 | |
| CN115580635B (zh) | 一种物联网终端的智能化故障诊断方法及系统 | |
| CN115063853A (zh) | 一种ai智能分析用人脸图像储存管理系统 | |
| CN117037073B (zh) | 基于人工智能可视化的对象定位方法及可视化监控系统 | |
| CN117992861B (zh) | 一种电力数据精准度稽查方法及系统 | |
| Ibrahim et al. | Image similarity using dynamic time warping of fractal features | |
| CN113177743A (zh) | 一种基于物联网技术的场所安全可信管理方法及系统 | |
| CN117354469B (zh) | 一种基于安防预警的小区监控视频目标跟踪方法及系统 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20240105 |