CN117349884B - 智能机器人应用管理系统 - Google Patents
智能机器人应用管理系统 Download PDFInfo
- Publication number
- CN117349884B CN117349884B CN202311302266.7A CN202311302266A CN117349884B CN 117349884 B CN117349884 B CN 117349884B CN 202311302266 A CN202311302266 A CN 202311302266A CN 117349884 B CN117349884 B CN 117349884B
- Authority
- CN
- China
- Prior art keywords
- data
- privacy
- intelligent robot
- working
- level
- 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
Links
- 238000004422 calculation algorithm Methods 0.000 claims description 36
- 238000000034 method Methods 0.000 claims description 23
- 230000003287 optical effect Effects 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 241000282414 Homo sapiens Species 0.000 abstract description 5
- 238000007726 management method Methods 0.000 description 44
- 230000008569 process Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G1/00—Storing articles, individually or in orderly arrangement, in warehouses or magazines
- B65G1/02—Storage devices
- B65G1/04—Storage devices mechanical
- B65G1/137—Storage devices mechanical with arrangements or automatic control means for selecting which articles are to be removed
- B65G1/1373—Storage devices mechanical with arrangements or automatic control means for selecting which articles are to be removed for fulfilling orders in warehouses
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G1/00—Storing articles, individually or in orderly arrangement, in warehouses or magazines
- B65G1/02—Storage devices
- B65G1/04—Storage devices mechanical
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- 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
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了智能机器人应用管理系统,属于智能机器人领域,用于解决物流分拣领域操控机器人依靠人工,耗费大量人力资源的问题,所述管理系统包括数据获取模块、数据判断模块、数据加密模块、解密接收模块和应用管理模块,数据获取模块获取智能机器人的工作隐私数据,数据判断模块对工作隐私数据进行分级获取工作隐私数据分级数据,数据加密模块设计加密算法进行加密得到隐私加密数据,解密接收模块进行解密得到工作隐私数据并设置为应用管理数据,应用管理模块根据应用管理数据对智能机器人进行应用管理,本发明通过对工作隐私数据进行加密、解密和应用,提高智能机器人在物流分拣领域的信息传输安全性的同时节约了人力资源成本。
Description
技术领域
本发明属于智能机器人领域,涉及集成人工智能技术,具体是智能机器人应用管理系统。
背景技术
智能机器人是一种能够自主执行任务,感知环境并作出决策的机器人,智能机器人主要通过集成人工智能技术,如机器学习、计算机视觉和自然语言处理等技术来模拟和实现人类的智能行为,智能机器人具备多种类别,包括家庭服务机器人、医疗护理机器人和工业生产机器人等,这些机器人通过算法和模型进行数据分析和处理,并根据分析和处理的结果作出相应的决策和行动,智能机器人利用人工智能技术实现自主执行任务,为人类提供各种形式的帮助和服务。
传统机器人进行物流包裹分拣,需要通过人工方式将机器人输送至物流包裹传送带并且只能完成物流包裹的简单搬运工作,同时,机器人自身数据采用明文方式进行传输,易造成信息泄露,为此,我们提出智能机器人应用管理系统。
发明内容
针对现有技术存在的不足,本发明目的是提供智能机器人应用管理系统。
本发明通过获取智能机器人的工作隐私数据,并将工作隐私数据分为不同的隐私等级,针对不同的隐私等级分别采取不同的加密算法进行加密和解密,保证智能机器人数据传输的隐秘性,利用解密后的工作隐私数据将智能机器人在物流包裹分拣领域进行管理应用,使智能机器人主动规划移动路径并依据自身数据分析结果对物流包裹进行分拣,同时,对自身工作状态进行管理,延长自身使用寿命。
为了实现上述目的,本发明采用以下技术方案进行实现:智能机器人应用管理系统各模块具体工作过程如下:
数据获取模块获取智能机器人的工作隐私数据;
数据判断模块对工作隐私数据进行分级获取工作隐私数据分级数据;
数据加密模块根据工作隐私分级数据设计加密算法进行加密得到隐私加密数据;
解密接收模块对隐私加密数据进行解密得到工作隐私数据并设置为应用管理数据;
应用管理模块根据应用管理数据对智能机器人进行应用管理;
数据获取模块、数据判断模块、数据加密模块、解密接收模块和应用管理模块分别与服务器相连;
进一步地,数据获取模块获取智能机器人的工作隐私数据,具体如下:
分别获取智能机器人当前所处位置的经纬度数值、当前环境的图像数据,和智能机器人的状态信息作为位置数据、图像数据和日志数据,将位置数据、图像数据和日志数据设置为工作隐私数据输送至数据判断模块。
进一步地,数据判断模块对工作隐私数据进行分级获取工作隐私数据分级数据,具体如下:
接收工作隐私数据,工作隐私数据包括位置数据、图像数据和日志数据,其中,图像数据为位置数据包括的经纬度数值对应位置的图像,日志数据包括对图像数据和位置数据获取过程的记录;
通过位置数据、图像数据和日志数据得到工作数据隐私系数;
针对工作数据隐私系数N设定第一、第二、第三和第四隐私等级,分别对应第一、第二、第三和第四加密等级,并设置不同的阈值判断工作隐私数据对应的隐私等级和与此对应匹配的加密等级;
当N<N1时,判断为第一隐私等级,匹配第一加密等级;
当N1<N<N2时,判断为第二隐私等级,匹配第二加密等级;
当N2<N<N3时,判断为第三隐私等级,匹配第三加密等级;
当N3<N时,判断为第四隐私等级,匹配第四加密等级;
将设定的第一、第二、第三和第四隐私等级对应的工作隐私数据设置为工作隐私分级数据,并将工作隐私分级数据输送至数据加密模块。对工作隐私数据进行分级获取工作隐私数据分级数据。
进一步地,数据加密模块根据工作隐私分级数据进行加密得到隐私加密数据,具体如下:
将第一、第二、第三和第四加密等级对应的工作隐私数据分别设置为第一、第二、第三和第四隐私数据,将加密后的第一、第二、第三和第四隐私数据分别设置为第一、第二、第三、第四加密数据;
通过凯撒密码、DES对称加密算法、AES对称加密算法和RSA对称加密算法分别对第一、第二、第三和第四隐私数据进行加密,得到第一、第二、第三和第四加密数据;
将第一、第二、第三和第四加密数据设置为隐私加密数据,并将其输送至解密接收模块。
进一步地,解密接收模块对隐私加密数据进行接收并解密得到工作隐私数据,并将工作隐私数据设置为应用管理数据,具体如下:
分别对第一、第二、第三和第四加密数据进行解密,得到第一、第二、第三和第四隐私数据;
根据第一、第二、第三和第四隐私数据得到工作隐私数据,工作隐私数据包括位置数据、图像数据和日志数据,将位置数据、图像数据和日志数据设置为应用管理数据输送至应用管理模块。
进一步地,应用管理模块通过应用管理数据获取智能机器人移动路径,具体如下:
利用激光雷达向智能机器人四周发射激光束,接收经物流包裹传送带反射回来的激光束,记录其反射时间及强度;将每条激光束反射回来的时间及强度转化为实时距离;
激光雷达通过旋转光学镜头扫描物流仓储区域并发射激光束激光雷达激光束获取经物流包裹传送带反射回来的反射光束,激光雷达分别记录发射激光束和接收到反射激光束时旋转光学镜头的角度信息,将接收到反射激光束时旋转光学镜头的角度信息设置为物流包裹传送带角度数据;
智能机器人根据物流包裹传送带距离数据、物流包裹传送带角度数据以及位置数据中的经纬度数值计算得到物流包裹传送带的经纬度数值;
将智能机器人和物流包裹传送带所处位置的经纬度数值上传至物流仓储区域地图,根据地图获取智能机器人和物流包裹传送带两地之间的路线设置为智能机器人移动路径,智能机器人利用智能机器人移动路径移动至物流包裹传送带。
进一步地,应用管理模块获取物流包裹信息,物流包裹信息包括物流包裹的预计送到时间、收件人会员等级和运输方式,根据物流包裹信息获取物流包裹运输速度区间数据,并通过物流包裹运输速度区间数据分配不同物流包裹集装箱完成分拣,具体如下:
智能机器人通过物流包裹的预计送到时间和当前时间获取物流包裹运输剩余时间数值;
收件人会员等级包括第一、第二和第三会员等级分别对应物流包裹服务数值F1、F2、F3且0<F1<F2<F3;运输方式分为公路运输和航空运输,公路运输和航空运输分别对应物流包裹运输数值Y1、Y2且0<Y1<Y2;
根据公式物流包裹运输剩余时间数值、物流包裹服务数值和物流包裹运输数值得到物流包裹运输速度分级系数M;
当M>M3时,判断为第一物流包裹运输速度分级区间,对应第一物流包裹集装箱;
当M2>M>M3时,判断为第二物流包裹运输速度分级区间,对应第二物流包裹集装箱;
当M1>M>M2时,判断为第三物流包裹运输速度分级区间,对应第三物流包裹集装箱;
当0>M>M1时,判断为第四物流包裹运输速度分级区间,对应第四物流包裹集装箱;
智能机器人根据物流包裹运输速度区间数据将第一、第二、第三和第四物流包裹运输速度分级区间对应的物流包裹分别分拣至第一、第二、第三和第四物流包裹集装箱。
进一步地,应用管理模块获取智能机器人工作状态分级数据对智能机器人进行工作安排,具体如下:
(1)获取智能机器人的工作温度数值、工作时长数值和电量消耗数值;
(2)根据工作温度数值、工作时长数值和电量消耗数值计算得到机器人工作系数Q,并根据机器人工作系数Q获取智能机器人工作状态分级数据;
当Q>Q1时,为第一机器人工作等级,判断为工作正常智能机器人;
当Q<Q1时,为第二机器人工作等级,判断为工作异常智能机器人;
(3)工作正常智能机器人继续工作,工作异常智能机器人停止工作。通过对与现有技术相比,本发明的有益效果是:
1、本发明通过对智能机器人的工作隐私数据进行分类加密,在保证加密信息传输安全的同时降低了加密的难度,提高的加密效率;
2、本发明通过智能机器人自动获取物流包裹传送带位置并自动对物流包裹进行分拣,减少人为对机器人工作的干预,降低了人力资源成本;
3、本发明通过智能机器人获取自身工作状态信息提高了机器人工作的安全性和智能机器人的使用寿命。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明智能机器人应用管理系统的整体系统框图;
图2为本发明智能机器人应用管理系统的实施步骤图。
具体实施方式
下面将结合实施例对本发明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。基于本发明中的实施例,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它实施例,都属于本发明保护的范围。
请参阅图1和图2,智能机器人应用管理系统包括数据获取模块、数据判断模块、数据加密模块、解密接收模块、应用管理模块和服务器,所述数据获取模块、数据判断模块、数据加密模块和解密接收模块、应用管理模块分别与服务器相连。
数据获取模块获取智能机器人的工作隐私数据;
数据获取模块包括GPS传感器、摄像头和第一处理器,GPS传感器获取智能机器人当前所处位置的经纬度数值,得到位置数据,摄像头获取智能机器人当前环境的图像数据,第一处理器获取智能机器人的状态信息,得到日志数据;获取的位置数据、图像数据和日志数据为工作隐私数据,将工作隐私数据输送至数据判断模块。
数据判断模块接收工作隐私数据,根据工作隐私数据获取工作隐私分级数据。
其中,图像数据为位置数据包括的经纬度数值对应位置的图像,日志数据包括对图像数据和位置数据获取过程的记录;
数据判断模块获取工作隐私数据中的位置数据WZ、图像数据TX和日志数据RZ。
根据公式N=WZ*S1+TX*S2+RZ*S3计算得到工作数据隐私系数N。
将数据获取模块获得的工作隐私数据代入公式N=WZ*S1+TX*S2+RZ*S3,具体地,将不同时间对应的位置数据WZ、图像数据TX和日志数据RZ通过a1、a2……at、b1、b2……bt、c1、c2……ct进行参数赋值。
针对工作数据隐私系数N设定第一、第二、第三和第四隐私等级,分别对应第一、第二、第三和第四加密等级,并设置不同的阈值判断工作隐私数据对应的隐私等级和与此对应匹配的加密等级;
当N<N1时,判断为第一隐私等级,匹配第一加密等级;
当N1<N<N2时,判断为第二隐私等级,匹配第二加密等级;
当N2<N<N3时,判断为第三隐私等级,匹配第三加密等级;
当N3<N时,判断为第四隐私等级,匹配第四加密等级。
可理解的是:WZ为位置数据、TX为图像数据、RZ为日志数据、N为工作数据隐私系数,S1、S2、S3为设定的系数,N1、N2和N3为设定的工作数据隐私系数标准数据且0<N1<N2<N3;第一隐私等级对应的工作数据隐私系数小于第二隐私等级对应的工作数据隐私系数,第二隐私等级对应的工作数据隐私系数小于第三隐私等级对应的工作数据隐私系数,第三隐私等级对应的工作数据隐私系数小于第四隐私等级对应的工作数据隐私系数,根据工作隐私分级数据为其匹配的第一加密等级加密复杂度低于第二加密等级,第二加密等级加密复杂度低于第三加密等级,第三加密等级加密复杂度低于第四加密等级;此处的加密复杂度是指加密算法本身的复杂程度,包括运算的复杂性和加密过程的复杂性。
将设定的第一、第二、第三和第四隐私等级对应的工作隐私数据设置为工作隐私分级数据,并将工作隐私分级数据输送至数据加密模块。
数据加密模块接收工作隐私分级数据,根据工作隐私分级数据设计加密算法对工作隐私分级数据进行加密。
将第一、第二、第三和第四加密等级对应的工作隐私数据分别设置为第一、第二、第三和第四隐私数据,将加密后的第一、第二、第三和第四隐私数据分别设置为第一、第二、第三、第四加密数据。
数据加密模块包括随机数生成器、Unicode编码器和Unicode解码器。
第一隐私等级对应第一加密等级,第一加密等级使用凯撒密码对第二隐私数据进行加密,具体加密过程如下:
(1)在数字1到25之间选定一个整数a作为凯撒密码的密钥,密钥a表示字母的偏移量,即字母往后移动的位数;
(2)将第一隐私数据设置为明文,将明文中转换为大写的英文字母,遍历明文中的每个大写英文字母,将每个大写字母对照字母表往后偏移a位进行替代,若字母是非字母字符,则保持不变;
(3)将替换后的字母依次进行连接,得到加密后的密文,即第一加密数据。
第二隐私等级对应第二加密等级,第二加密等级使用的加密算法为DES对称加密算法对第二隐私数据进行加密,具体加密过程如下:
(1)利用随机数生成器生成一个长度为56位的字节序列作为生成密钥,生成密钥用于对第二隐私数据进行加密操作并将生成密钥输送至解密接收模块;
(2)通过Unicode编码器将第二隐私数据转化为第二隐私数据Unicode编码,将第二隐私数据Unicode编码转化为第二隐私数据二进制编码,第二隐私数据二进制编码设置为加密前的明文。
(3)将明文重新进行随机排列完成初始置换,将初始置换后的明文分为左右两部分,分别对左右两部分进行16轮的迭代加密,最后一轮的迭代加密完成,对加密后的数据进行逆置换,可理解的是,逆置换是初始置换的逆过程,将加密后的数据排列为最终的密文,最终的密文数据为第二加密数据。
第三隐私等级对应第三加密等级,第三加密等级使用的加密算法为AES对称加密算法对第三隐私数据进行加密,具体加密过程如下:
(1)利用随机数生成器生成一个长度为128位的字节序列作为生成密钥,生成密钥用于对第三隐私数据进行加密操作并将生成密钥输送至解密接收模块;
(2)通过Unicode解码器将第二隐私数据转化为第三隐私数据Unicode编码,再将第三隐私数据Unicode编码转化为第三隐私数据二进制编码,将第三隐私数据二进制编码分成长度相等的数据分组,每个数据分组长度为128位,对应128位的字节序列密钥;若第三隐私数据二进制编码长度不是数据分组长度的整数倍,则对患者预问诊数据二进制编码高位用0进行填充,直至第三隐私数据三进制编码为数据分组长度的整数倍;
(3)使用AES算法和生成密钥对每个数据分组进行加密,具体地,将当前数据分组的前一个数据分组作为初始向量,当前数据分组与初始向量进行异或运算(相异为一,相同为零),再使用生成密钥对异或运算的结果进行加密,将加密后的数据作为下一数据分组的初始向量,重复以上过程,将最后一个加密后的数据作为第一个数据分组的初始向量,完成对所有数据分组的加密,数据分组加密后的数据为第三加密数据;
第四隐私等级对应第四加密等级,第四加密等级使用的加密算法为RSA对称加密算法对第四隐私数据进行加密,具体加密过程如下:
(1)RSA非对称加密算法需要生成一对RSA密钥,包括公钥和私钥,公钥用于加密数据,私钥用于解密数据,将私钥输送至解密接收模块,具体的,随机选择两个不同的质数p和q,通过公式n=p*q获取公共模数n,计算欧拉函数φ(n)=(p-1)*(q-1),利用穷举法获取一个整数e,满足1<e<φ(n),且e与φ(n)互质,将e作为公钥的指数,通过方程e*d≡1(modφ(n)),作为私钥的指数。
(2)通过Unicode解码器将第四隐私数据转化为第四隐私数据Unicode编码,再将第四隐私数据Unicode编码转化为第四隐私数据二进制编码,第三隐私数据二进制编码设置为第四隐私数据整数形式。
(3)使用公钥对第四隐私数据整数形式进行加密,具体的,将公钥中的指数e和公共模数n代入公式c=m^e(mod n),c为加密后的数据,即第四加密数据,可理解的是c是密文,表示第四加密数据,e是公钥中的指数,用于参数运算,n是公共模数,也是公钥和私钥共享的参数,公式c=m^e(mod n)的含义是将明文m进行指数运算,将明文m乘以自身e次,然后对公共模数n取模,得到第四加密数据c。
将第一、第二、第三和第四加密数据设置为隐私加密数据,并将其输送至解密接收模块。
需要说明的是:
凯撒密码、DES对称加密算法、AES对称加密算法和RSA加密算法为现有的加密方法,其中DES对称加密算法中的迭代加密包括扩展置换、子密钥混合、S盒替代、P盒替代和左右交换五个具体步骤;
欧拉函数:也称为欧拉phi函数或者简称为φ函数,是一个与正整数n相关的数论函数,其定义为:对于给定的正整数n,欧拉函数φ(n)表示小于或等于n的正整数中与n互质的数的个数。
解密接收模块对数据解密模块输送的隐私加密数据进行解密,获取工作隐私数据。
解密接收模块接收第一解密数据,对其进行解密,具体地,将第一加密数据对应的大写英文字母按照字母表往前偏移a个字母,非字母字符位置不变,获取第一隐私数据对应的大写英文字母,并将其翻译为中文,得到第一隐私数据。
解密接收模块接收第二加密数据,对其进行解密,具体地,获取数据加密模块输送的生成密钥,对第二加密数据进行初始置换,将初始置换的结果通过生成密钥进行16轮的迭代解密操作,再将解密操作的结果进行逆置换,获取第二隐私数据对应的二进制编码,再通过Unicode解码器将其转换为第二隐私数据。
解密接收模块接收第三加密数据,对其进行解密,具体的,对每个密文分组使用生成密钥进行解密,并于初始向量进行异或运算,解密后的数据是下一个密文分组的初始向量,将第一个解密后的数据为最后一个数据分组的初始向量,将解密后二进制编码通过Unicode编码器获取第三隐私数据,完成对第三隐私数据的还原;
解密接收模块接收第四加密数据,对其进行解密,具体的,获取数据加密模块输送的私钥,通过公式获取明文m=c^d(mod n),其中,c为加密后的密文,d为私钥中的指数,n为公共模数,将得到的整数形式的明文转换为Unicode编码,并使用Unicode编码器获取第四隐私数据,完成对第四隐私数据的还原,
解密接收模块解密第一、第二、第三和第四隐私数据,得到智能机器人的工作隐私数据,包括位置数据、图像数据和日志数据,将位置数据、图像数据和日志数据设置为应用管理数据输送至应用管理模块;
应用管理模块接收应用管理数据对智能机器人进行应用管理;
在本实施例中,应用管理模块的应用场景设定为物流仓储区域的智能机器人自动化分拣物流包裹过程,应用管理模块接收的应用管理数据包括智能机器人获取的位置数据、图像数据和日志数据,数据获取模块包括摄像头、激光雷达和第二处理器,其中第二处理器内置图像识别算法和文字识别算法;
应用管理模块利用激光雷达向智能机器人四周发射激光束,接收经物流包裹传送带反射回来的激光束,记录其反射时间及强度;将每条激光束反射回来的时间及强度转化为实时距离,具体地,距离由公式d=(t2-t1)*c1/2进行获取,激光发射光束时间为t1,激光雷达接收光束的时间为t2,激光经过空气的时间为t2-t1,光速在空气中的固定值为c1,d为智能机器人与物流包裹传送带之间的实时距离,将d设置为物流包裹传送带距离数据;
激光雷达通过旋转光学镜头扫描物流仓储区域并发射激光束激光雷达激光束获取经物流包裹传送带反射回来的反射光束,激光雷达分别记录发射激光束和接收到反射激光束时旋转光学镜头的角度信息,将接收到反射激光束时旋转光学镜头的角度信息设置为物流包裹传送带角度数据;
智能机器人根据物流包裹传送带距离数据、物流包裹传送带角度数据以及位置数据中的经纬度数值计算得到物流包裹传送带的经纬度数值,具体计算过程如下:
可理解的是:JD1、JD2、WD1和WD2分别为物流包裹传送带所处的经纬度数值、智能机器人所处的经纬度数值,θ为物流包裹传送带角度数据,d为物流包裹传送带距离数据,6378000为地球赤道半径。
应用管理模块分别将智能机器人和物流包裹传送带所处位置的经纬度数值上传至物流仓储区域,将地图上智能机器人和物流包裹传送带两地之间的路线设置为智能机器人移动路径,智能机器人利用智能机器人移动路径移动至物流包裹传送带;
第二处理器根据内置的图像识别算法获取物流包裹信息,物流包裹信息包括物流包裹的预计送到时间、收件人会员等级和运输方式,根据物流包裹信息获取物流包裹运输速度区间数据,并通过物流包裹运输速度区间数据分配不同物流包裹集装箱完成分拣,具体如下:
智能机器人通过物流包裹的预计送到时间和当前时间获取物流包裹运输剩余时间数值;
收件人会员等级包括第一、第二和第三会员等级分别对应物流包裹服务数值F1、F2、F3且0<F1<F2<F3;运输方式分为公路运输和航空运输,公路运输和航空运输分别对应物流包裹运输数值Y1、Y2且0<Y1<Y2;
根据公式M=JL*S4+FW*S5+WL*S6计算得到物流包裹运输速度分级系数M;
针对物流包裹运输速度分级系数设置第一、第二、第三和第四物流包裹运输速度分级区间,分别对应第一、第二、第三和第四物流包裹集装箱,并设置不同的阈值判断物流包裹对应的物流包裹运输速度分级区间;
当M>M3时,判断为第一物流包裹运输速度分级区间,对应第一物流包裹集装箱;
当M2>M>M3时,判断为第二物流包裹运输速度分级区间,对应第二物流包裹集装箱;
当M1>M>M2时,判断为第三物流包裹运输速度分级区间,对应第三物流包裹集装箱;
当0>M>M1时,判断为第四物流包裹运输速度分级区间,对应第四物流包裹集装箱;
可理解的是:JL为物流包裹运输剩余时间数值,FW为物流包裹服务数值,WL为物流包裹运输数值,M为物流包裹运输速度分级系数,S4、S5、S6为设定的比例系数且S4、S5、S6均大于0,M1、M2、M3为设定的物流包裹运输速度分级系数标准数据且0<M1<M2<M3;第一物流包裹运输速度分级区间对应的物流包裹运输速度大于第二物流包裹运输速度分级区间对应的物流包裹运输速度,第二物流包裹运输速度分级区间对应的物流包裹运输速度大于第三物流包裹运输速度分级区间对应的物流包裹运输速度,第三物流包裹运输速度分级区间对应的物流包裹运输速度大于第四物流包裹运输速度分级区间对应的物流包裹运输速度;
智能机器人根据物流包裹运输速度区间数据将第一、第二、第三和第四物流包裹运输速度分级区间对应的物流包裹分别分拣至第一、第二、第三和第四物流包裹集装箱;
第二处理器根据内置的文字识别算法识别日志数据分别获取智能机器人的工作温度数值、工作时长数值和电量消耗数值;
根据公式Q=WS*S7+SC*S8+DL*S9计算得到机器人工作系数Q,
针对机器人工作系数Q设定第一、第二机器人工作等级,分别对应正常机器人工作状态和异常机器人工作状态,并设置不同的阈值判断智能机器人对应的机器人工作等级获取智能机器人工作状态分级数据;
当Q>Q1时,为第一机器人工作等级,判断为工作正常智能机器人;
当Q<Q1时,为第二机器人工作等级,判断为工作异常智能机器人;
可理解的是:WS为智能机器人的工作温度数值、SC为智能机器人的工作时长数值、DL为智能机器人的电量消耗数值,Q为机器人工作系数、S7、S8、S9为设定的比例系数且S7、S8、S9均大于0,Q1为设定机器人工作系数标准数据且Q1>0;处于第一机器人工作等级的智能机器人为工作正常智能机器人,处于第二机器人工作等级的智能机器人为工作异常智能机器人;
应用管理模块根据智能机器人工作状态分级数据对智能机器人进行工作安排具体如下:
工作正常智能机器人继续工作,工作异常智能机器人停止工作;
需要说明的是:
图像识别算法:图像识别算法是指通过计算机对图像进行处理和分析,从而识别和理解图像中的对象、场景、特征等;
和文字识别算法:文字识别算法是指通过计算机对图像中的文字进行识别和提取。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置,如存在权重系数和比例系数,其设置的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于权重系数和比例系数的大小,只要不影响参数与量化后数值的比例关系即可。
所述智能机器人应用管理系统还包括以下实施步骤:
步骤S1:获取智能机器人的工作隐私数据;
步骤S2:对工作隐私数据进行分级获取工作隐私数据分级数据;
步骤S3:根据工作隐私分级数据设计加密算法进行加密得到隐私加密数据;
步骤S4:对隐私加密数据进行解密得到工作隐私数据并设置为应用管理数据;
步骤S5:根据应用管理数据对智能机器人进行应用管理;
进一步地,所述步骤S1获取智能机器人的工作隐私数据,具体如下:
步骤S11:GPS传感器获取智能机器人当前所处位置的经纬度数值,得到位置数据;
步骤S12:摄像头获取智能机器人当前环境的图像数据;
步骤S13:第一处理器获取智能机器人的状态信息,得到日志数据;
步骤S14:获取的位置数据、图像数据和日志数据为工作隐私数据,将工作隐私数据输送至数据判断模块;
进一步地,所述步骤S2对工作隐私数据进行分级获取工作隐私数据分级数据,具体如下:
步骤S21:获取工作隐私数据,工作隐私数据包括位置数据、图像数据和日志数据,其中,图像数据为位置数据包括的经纬度数值对应位置的图像,日志数据包括对图像数据和位置数据获取过程的记录;
步骤S22:通过位置数据、图像数据和日志数据得到工作数据隐私系数;
步骤S23:针对工作数据隐私系数N设定第一、第二、第三和第四隐私等级,分别对应第一、第二、第三和第四加密等级,并设置不同的阈值判断工作隐私数据对应的隐私等级和与此对应匹配的加密等级;
当N<N1时,判断为第一隐私等级,匹配第一加密等级;
当N1<N<N2时,判断为第二隐私等级,匹配第二加密等级;
当N2<N<N3时,判断为第三隐私等级,匹配第三加密等级;
当N3<N时,判断为第四隐私等级,匹配第四加密等级。
步骤S24:将设定的第一、第二、第三和第四隐私等级对应的工作隐私数据设置为工作隐私分级数据,并将工作隐私分级数据输送至数据加密模块。对工作隐私数据进行分级获取工作隐私数据分级数据;
进一步地,所述步骤S3根据工作隐私分级数据设计加密算法进行加密得到隐私加密数据,具体如下:
步骤S31:将第一、第二、第三和第四加密等级对应的工作隐私数据分别设置为第一、第二、第三和第四隐私数据,将加密后的第一、第二、第三和第四隐私数据分别设置为第一、第二、第三、第四加密数据;
步骤S32:使用凯撒密码对第一隐私数据进行加密,得到第一加密数据;
步骤S33:使用DES对称加密算法对第二隐私数据进行加密,得到第二加密数据;
步骤S34:使用AES对称加密算法对第三隐私数据进行加密,得到第三加密数据;
步骤S34:使用RSA对称加密算法对第四隐私数据进行加密,得到第四加密数据;
步骤S35:将第一、第二、第三和第四加密数据设置为隐私加密数据,并将其输送至解密接收模块;
进一步地,所述步骤S4对隐私加密数据进行解密得到工作隐私数据并设置为应用管理数据,具体如下:
步骤S41:对第一加密数据进行解密,得到第一隐私数据;
步骤S42:对第二加密数据进行解密,得到第二隐私数据;
步骤S43:对第三加密数据进行解密,得到第三隐私数据;
步骤S44:对第四加密数据进行解密,得到第四隐私数据;
步骤S45:根据第一、第二、第三和第四隐私数据得到工作隐私数据,工作隐私数据包括位置数据、图像数据和日志数据,将位置数据、图像数据和日志数据设置为应用管理数据输送至应用管理模块;
进一步地,所述步骤S5根据应用管理数据对智能机器人进行应用管理,具体如下:
步骤S51:通过应用管理数据获取智能机器人移动路径,具体如下:
(1)利用激光雷达向智能机器人四周发射激光束,接收经物流包裹传送带反射回来的激光束,记录其反射时间及强度;将每条激光束反射回来的时间及强度转化为实时距离;
(2)激光雷达通过旋转光学镜头扫描物流仓储区域并发射激光束激光雷达激光束获取经物流包裹传送带反射回来的反射光束,激光雷达分别记录发射激光束和接收到反射激光束时旋转光学镜头的角度信息,将接收到反射激光束时旋转光学镜头的角度信息设置为物流包裹传送带角度数据;
(3)智能机器人根据物流包裹传送带距离数据、物流包裹传送带角度数据以及位置数据中的经纬度数值计算得到物流包裹传送带的经纬度数值;
(4)将智能机器人和物流包裹传送带所处位置的经纬度数值上传至物流仓储区域地图,根据地图获取智能机器人和物流包裹传送带两地之间的路线设置为智能机器人移动路径,智能机器人利用智能机器人移动路径移动至物流包裹传送带;
步骤S52:获取物流包裹信息,物流包裹信息包括物流包裹的预计送到时间、收件人会员等级和运输方式,根据物流包裹信息获取物流包裹运输速度区间数据,并通过物流包裹运输速度区间数据分配不同物流包裹集装箱完成分拣,具体如下:
(1)智能机器人通过物流包裹的预计送到时间和当前时间获取物流包裹运输剩余时间数值;
(2)收件人会员等级包括第一、第二和第三会员等级分别对应物流包裹服务数值F1、F2、F3且0<F1<F2<F3;运输方式分为公路运输和航空运输,公路运输和航空运输分别对应物流包裹运输数值Y1、Y2且0<Y1<Y2;
(3)根据公式物流包裹运输剩余时间数值、物流包裹服务数值和物流包裹运输数值得到物流包裹运输速度分级系数M;
(4)当M>M3时,判断为第一物流包裹运输速度分级区间,对应第一物流包裹集装箱;
当M2>M>M3时,判断为第二物流包裹运输速度分级区间,对应第二物流包裹集装箱;
当M1>M>M2时,判断为第三物流包裹运输速度分级区间,对应第三物流包裹集装箱;
当0>M>M1时,判断为第四物流包裹运输速度分级区间,对应第四物流包裹集装箱;
(5)智能机器人根据物流包裹运输速度区间数据将第一、第二、第三和第四物流包裹运输速度分级区间对应的物流包裹分别分拣至第一、第二、第三和第四物流包裹集装箱;
步骤S53:根据智能机器人工作状态分级数据对智能机器人进行工作安排,具体如下:
(1)获取智能机器人的工作温度数值、工作时长数值和电量消耗数值;
(2)根据工作温度数值、工作时长数值和电量消耗数值计算得到机器人工作系数Q,并根据机器人工作系数Q获取智能机器人工作状态分级数据;
当Q>Q1时,为第一机器人工作等级,判断为工作正常智能机器人;
当Q<Q1时,为第二机器人工作等级,判断为工作异常智能机器人;
(3)工作正常智能机器人继续工作,工作异常智能机器人停止工作。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可做很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (7)
1.智能机器人应用管理系统,其特征在于,包括:
数据获取模块:获取智能机器人的工作隐私数据,工作隐私数据包括位置数据、图像数据和日志数据;
数据判断模块:将工作隐私数据分为第一、第二、第三和第四隐私等级,分别对应第一、第二、第三和第四加密等级,将第一、第二、第三和第四隐私等级分别对应的工作隐私数据设置为工作隐私数据分级数据;
数据加密模块:分别对第一、第二、第三和第四隐私等级分别对应的工作隐私数据进行加密,得到隐私加密数据;
数据解密模块:对隐私加密数据进行解密得到工作隐私数据并设置为应用管理数据;
应用管理模块:通过位置数据、图像数据和日志数据分别得到智能机器人移动路径、物流包裹运输速度区间数据和智能机器人工作状态分级数据进行物流包裹的分拣,完成对智能机器人的应用管理;
获取智能机器人移动路径,具体如下:
利用激光雷达向智能机器人四周发射激光束,接收经物流包裹传送带反射回来的激光束,记录其反射时间及强度;将每条激光束反射回来的时间及强度转化为实时距离;
激光雷达通过旋转光学镜头扫描物流仓储区域并发射激光束激光雷达激光束获取经物流包裹传送带反射回来的反射光束,激光雷达分别记录发射激光束和接收到反射激光束时旋转光学镜头的角度信息,将接收到反射激光束时旋转光学镜头的角度信息设置为物流包裹传送带角度数据;
智能机器人根据物流包裹传送带距离数据、物流包裹传送带角度数据以及位置数据中的经纬度数值计算得到物流包裹传送带的经纬度数值;
将智能机器人和物流包裹传送带所处位置的经纬度数值上传至物流仓储区域地图,根据地图获取智能机器人和物流包裹传送带两地之间的路线设置为智能机器人移动路径,智能机器人利用智能机器人移动路径移动至物流包裹传送带;
还包括服务器,所述服务器分别与数据获取模块、数据判断模块、数据加密模块、解密接收模块和应用管理模块相连。
2.根据权利要求1所述的智能机器人应用管理系统,其特征在于,所述数据获取模块获取智能机器人的工作隐私数据,具体如下:
分别获取智能机器人当前所处位置的经纬度数值、当前环境的图像数据,和智能机器人的状态信息作为位置数据、图像数据和日志数据,将位置数据、图像数据和日志数据设置为工作隐私数据输送至数据判断模块。
3.根据权利要求2所述的智能机器人应用管理系统,其特征在于,所述数据判断模块对工作隐私数据进行分级获取工作隐私数据分级数据,具体如下:
接收工作隐私数据,工作隐私数据包括位置数据、图像数据和日志数据;
通过位置数据、图像数据和日志数据得到工作数据隐私系数;
针对工作数据隐私系数N设定第一、第二、第三和第四隐私等级,分别对应第一、第二、第三和第四加密等级,并设置不同的阈值判断工作隐私数据对应的隐私等级和与此对应匹配的加密等级;
当N<N1时,判断为第一隐私等级,匹配第一加密等级;
当N1<N<N2时,判断为第二隐私等级,匹配第二加密等级;
当N2<N<N3时,判断为第三隐私等级,匹配第三加密等级;
当N3<N时,判断为第四隐私等级,匹配第四加密等级;
将设定的第一、第二、第三和第四隐私等级对应的工作隐私数据设置为工作隐私分级数据,并将工作隐私分级数据输送至数据加密模块,对工作隐私数据进行分级获取工作隐私数据分级数据。
4.根据权利要求3所述的智能机器人应用管理系统,其特征在于,根据工作隐私分级数据进行加密得到隐私加密数据,具体如下:
将第一、第二、第三和第四加密等级对应的工作隐私数据分别设置为第一、第二、第三和第四隐私数据,将加密后的第一、第二、第三和第四隐私数据分别设置为第一、第二、第三、第四加密数据;
通过凯撒密码、DES对称加密算法、AES对称加密算法和RSA对称加密算法分别对第一、第二、第三和第四隐私数据进行加密,得到第一、第二、第三和第四加密数据;
将第一、第二、第三和第四加密数据设置为隐私加密数据,并将其输送至解密接收模块。
5.根据权利要求4所述的智能机器人应用管理系统,其特征在于,所述解密接收模块对应用管理数据进行获取,具体如下:
分别对第一、第二、第三和第四加密数据进行解密,得到第一、第二、第三和第四隐私数据;
根据第一、第二、第三和第四隐私数据得到工作隐私数据,工作隐私数据包括位置数据、图像数据和日志数据,将位置数据、图像数据和日志数据设置为应用管理数据输送至应用管理模块。
6.根据权利要求1所述的智能机器人应用管理系统,其特征在于,所述应用管理模块获取物流包裹信息,物流包裹信息包括物流包裹的预计送到时间、收件人会员等级和运输方式,根据物流包裹信息获取物流包裹运输速度区间数据,并通过物流包裹运输速度区间数据分配不同物流包裹集装箱完成分拣,具体如下:
智能机器人通过物流包裹的预计送到时间和当前时间获取物流包裹运输剩余时间数值;
收件人会员等级包括第一、第二和第三会员等级分别对应物流包裹服务数值F1、F2、F3,且0<F1<F2<F3;运输方式分为公路运输和航空运输,公路运输和航空运输分别对应物流包裹运输数值Y1、Y2且0<Y1<Y2;
根据公式物流包裹运输剩余时间数值、物流包裹服务数值和物流包裹运输数值得到物流包裹运输速度分级系数M;
当M>M3时,判断为第一物流包裹运输速度分级区间,对应第一物流包裹集装箱;
当M2<M<M3时,判断为第二物流包裹运输速度分级区间,对应第二物流包裹集装箱;
当M1<M<M2时,判断为第三物流包裹运输速度分级区间,对应第三物流包裹集装箱;
当0<M<M1时,判断为第四物流包裹运输速度分级区间,对应第四物流包裹集装箱;
智能机器人根据物流包裹运输速度区间数据将第一、第二、第三和第四物流包裹运输速度分级区间对应的物流包裹分别分拣至第一、第二、第三和第四物流包裹集装箱。
7.根据权利要求1所述的智能机器人应用管理系统,其特征在于,所述应用管理模块获取智能机器人工作状态分级数据对智能机器人进行工作安排,具体如下:
(1)获取智能机器人的工作温度数值、工作时长数值和电量消耗数值;
(2)根据工作温度数值、工作时长数值和电量消耗数值计算得到机器人工作系数Q,并根据机器人工作系数Q获取智能机器人工作状态分级数据;
当Q>Q1时,为第一机器人工作等级,判断为工作正常智能机器人;
当Q<Q1时,为第二机器人工作等级,判断为工作异常智能机器人;
(3)工作正常智能机器人继续工作,工作异常智能机器人停止工作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311302266.7A CN117349884B (zh) | 2023-10-10 | 2023-10-10 | 智能机器人应用管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311302266.7A CN117349884B (zh) | 2023-10-10 | 2023-10-10 | 智能机器人应用管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117349884A CN117349884A (zh) | 2024-01-05 |
CN117349884B true CN117349884B (zh) | 2024-06-07 |
Family
ID=89364425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311302266.7A Active CN117349884B (zh) | 2023-10-10 | 2023-10-10 | 智能机器人应用管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117349884B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110325823A (zh) * | 2017-01-12 | 2019-10-11 | 御眼视觉技术有限公司 | 基于规则的导航 |
CN110688669A (zh) * | 2019-09-03 | 2020-01-14 | 耀灵人工智能(浙江)有限公司 | 一种利用搬运机器人与位置区块链实现隐私保护的配送方法 |
CN113468546A (zh) * | 2020-07-14 | 2021-10-01 | 青岛海信电子产业控股股份有限公司 | 一种图像处理方法及智能设备 |
CN115529168A (zh) * | 2022-09-16 | 2022-12-27 | 上海蜂高科技有限公司 | 一种基于机器人与区块链多点操控加密系统 |
WO2023010932A1 (zh) * | 2021-08-03 | 2023-02-09 | 之江实验室 | 一种基于智能合约的云边协同多模式隐私数据流转方法 |
CN116522374A (zh) * | 2022-12-14 | 2023-08-01 | 南京迈特望科技股份有限公司 | 一种保护智慧养老设备数据隐私的方法、系统、电子设备和存储介质 |
-
2023
- 2023-10-10 CN CN202311302266.7A patent/CN117349884B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110325823A (zh) * | 2017-01-12 | 2019-10-11 | 御眼视觉技术有限公司 | 基于规则的导航 |
CN110688669A (zh) * | 2019-09-03 | 2020-01-14 | 耀灵人工智能(浙江)有限公司 | 一种利用搬运机器人与位置区块链实现隐私保护的配送方法 |
CN113468546A (zh) * | 2020-07-14 | 2021-10-01 | 青岛海信电子产业控股股份有限公司 | 一种图像处理方法及智能设备 |
WO2023010932A1 (zh) * | 2021-08-03 | 2023-02-09 | 之江实验室 | 一种基于智能合约的云边协同多模式隐私数据流转方法 |
CN115529168A (zh) * | 2022-09-16 | 2022-12-27 | 上海蜂高科技有限公司 | 一种基于机器人与区块链多点操控加密系统 |
CN116522374A (zh) * | 2022-12-14 | 2023-08-01 | 南京迈特望科技股份有限公司 | 一种保护智慧养老设备数据隐私的方法、系统、电子设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
A review paper on preserving privacy in mobile environments;S. Arunkumar et al.;Journal of Network and Computer Applications;20150731;第53卷;第74-90页 * |
无人机集群控制系统及数据资源共享技术研究;甘明明;中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑;20200115;第2020卷(第01期);第C031-258页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117349884A (zh) | 2024-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kiss et al. | SoK: Modular and efficient private decision tree evaluation | |
CN112906044B (zh) | 多方安全计算方法、装置、设备及存储介质 | |
CN1054245C (zh) | 数据加密的装置和方法 | |
Jiang et al. | Flashe: Additively symmetric homomorphic encryption for cross-silo federated learning | |
EP2485428A2 (en) | Efficient, remote, private tree-based classification using cryptographic techniques | |
CN115085924B (zh) | 一种基于霍夫曼编码的计算机信息传输加密系统 | |
US7657028B2 (en) | Method for classifying private information securely | |
US20200082333A1 (en) | Delivery method, device, unmanned vehicle and computer readable storage medium | |
CN106096548A (zh) | 一种基于云环境的多智能终端共享人脸隐秘识别方法 | |
JPH09505901A (ja) | 機密通信用のマルチストリーム暗号化システム | |
US20100172496A1 (en) | Key generating apparatus, encrypting apparatus and decrypting apparatus | |
US20040037424A1 (en) | Information distribution and processing | |
Baryalai et al. | Towards privacy-preserving classification in neural networks | |
CN116703304B (zh) | 一种基于物联网的货物资产监管方法及系统 | |
CN117349884B (zh) | 智能机器人应用管理系统 | |
CN113807534B (zh) | 联邦学习模型的模型参数训练方法、装置和电子设备 | |
Hassanien et al. | Quantum computing: an environment for intelligent large scale real application | |
Wheeler et al. | Semantic communication with conceptual spaces | |
Kornienko et al. | Cognitive micro-agents: individual and collective perception in microrobotic swarm | |
CN114398671B (zh) | 基于特征工程iv值的隐私计算方法、系统和可读存储介质 | |
CN117201501A (zh) | 一种智慧工程共享管理系统及运行方法 | |
Sharma et al. | An efficient polynomial based quantum key distribution approach for secure communication | |
CN113379345A (zh) | 一种基于轨迹追踪的智能物流处理方法和系统 | |
Loo et al. | Mobile robot path planning using hybrid genetic algorithm and traversability vectors method | |
CN111885066A (zh) | 区块链网络平台工资结算系统及方法 |
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 |