CN117579382B - 生态监测台站数据智能实时共享方法 - Google Patents
生态监测台站数据智能实时共享方法 Download PDFInfo
- Publication number
- CN117579382B CN117579382B CN202410055457.6A CN202410055457A CN117579382B CN 117579382 B CN117579382 B CN 117579382B CN 202410055457 A CN202410055457 A CN 202410055457A CN 117579382 B CN117579382 B CN 117579382B
- Authority
- CN
- China
- Prior art keywords
- data
- real
- expressed
- time monitoring
- time
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 174
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000005540 biological transmission Effects 0.000 claims abstract description 47
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 8
- 239000002689 soil Substances 0.000 claims abstract description 6
- 239000013598 vector Substances 0.000 claims description 13
- 230000009467 reduction Effects 0.000 claims description 8
- 230000008439 repair process Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000000844 transformation Methods 0.000 claims description 3
- 230000008635 plant growth Effects 0.000 description 4
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 241000255925 Diptera Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 235000021049 nutrient content Nutrition 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
- H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/008—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols involving homomorphic encryption
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/40—Network security protocols
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Abstract
本发明公开了生态监测台站数据智能实时共享方法,涉及数据共享技术领域,包括:抽取生态监测台站中监测节点的实时监测数据,将所述实时监测数据存储至共享数据库中,所述监测节点包括大气环境监测节点、水质监测节点、土壤监测节点、声环境监测节点与生物监测节点;对所述共享数据库中的所述实时监测数据进行数据处理,并对所述实时监测数据中的问题数据进行修复;根据所述实时监测数据之间的相关性,提取所述实时监测数据中的有效传输数据,并结合数据信息特征量,构建数据传输信道模型;本发明可以解决现有方案中生态监测台站无法加密进行数据共享的问题,同时还能够筛除监测数据中的问题数据,提高数据共享的效率。
Description
技术领域
本发明涉及数据共享技术领域,具体是生态监测台站数据智能实时共享方法。
背景技术
现有技术(公开号为CN108848845A的发明专利)公开了一种基于云计算的智能灌溉施肥系统,包括灌溉施肥模块、数据采集模块、控制模块、云端服务系统,其中:灌溉施肥模块,用于为农田提供作物生长所需水、肥料;数据采集模块,用于实时监测和追踪所处区域的植物生长环境数据,并对植物生长环境数据进行异常数据清理后,将可用的植物生长环境数据发送至控制模块;控制模块,用于接收数据采集模块实时监测和追踪田间的植物生长环境数据,以及将数据发送给云端服务系统,同时接收来自云端服务系统的指令,开启或关闭水泵和电磁阀。现有技术在进行时无法解决现有方案中生态监测台站无法加密进行数据共享的问题,同时还不能够筛除监测数据中的问题数据,无法提高数据共享的效率。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一;为此,本发明提出了生态监测台站数据智能实时共享方法,可以解决现有方案中生态监测台站无法加密进行数据共享的问题,同时还能够筛除监测数据中的问题数据,提高数据共享的效率。
为实现上述目的,本发明的第一方面提供了生态监测台站数据智能实时共享方法,包括:
抽取生态监测台站中监测节点的实时监测数据,将所述实时监测数据存储至共享数据库中,所述监测节点包括大气环境监测节点、水质监测节点、土壤监测节点、声环境监测节点与生物监测节点;
对所述共享数据库中的所述实时监测数据进行数据处理,并对所述实时监测数据中的问题数据进行修复;
根据所述实时监测数据之间的相关性,提取所述实时监测数据中的有效传输数据,并结合数据信息特征量,构建数据传输信道模型;
根据所述数据传输信道模型提取实时监测数据的摘要信息;
根据所述摘要信息对所述实时监测数据进行加密实现数据实时共享。
优选地,所述对所述共享数据库中的所述实时监测数据进行数据处理,包括:
通过小波分析对所述实时监测数据进行降噪处理,表达式为:
其中,表示为降噪处理结果,/>表示为实时监测数据,/>表示为尺度因子,/>表示为时移,/>表示为小波基,/>表示为随机选取的常数,取值范围为/>。
优选地,所述并对所述实时监测数据中的问题数据进行修复,包括:
根据时间序列对所述实时监测数据进行排序,并以时间段为单位获取/>组所述实时监测数据的平均值,表达式为:
其中,表示为/>组实时监测数据的平均值,/>表示为第/>组实时监测数据;
将所述实时监测数据的平均值与错误数据进行替换,完成修复。
优选地,所述根据所述实时监测数据之间的相关性,提取所述实时监测数据中的有效传输数据,并结合数据信息特征量,构建数据传输信道模型,包括:
根据所述实时监测数据之间的相关性捕获关联性数据,表达式为:
其中,表示为关联性数据,/>表示为实时监测数据的重要性程度,/>表示为数据波动因子,/>表示为实时监测数据之间的相关性;
计算所述关联性数据的数据元组的邻域半径,表达式为:
其中,表示为关联性数据的数据元组的邻域半径,/>表示为关联性数据的权重向量,/>表示为数据元组的数量;
设定关联性数据的离散信号为,关联性数据的比特序列为/>,根据所述关联性数据的数据元组的邻域半径计算关联性数据的信息特征量,表达式为:
其中,表示为关联性数据的信息特征量,/>表示为对关联性数据采样的次数,/>表示为数据传输信道相邻两个节点的欧氏距离;
根据所述关联性数据的信息特征量计算数据共享传输路径,表达式为:
其中,表示为数据共享传输路径,/>表示为系数矩阵,/>表示为随机矢量,/>表示经验常数;
根据所述数据共享传输路径构建数据传输信道模型,表达为:
其中,表示为数据传输信道模型,/>表示为实时监测数据的传输量,/>表示为实时监测数据的字节长度,/>表示为信道带宽。
优选地,所述根据所述数据传输信道模型提取实时监测数据的摘要信息,包括:
将所述实时监测数据进行哈希编码,表达式为:
其中,表示为实时监测数据摘要信息的哈希编码,/>表示为摘要信息的字符串长度,/>表示为实时监测数据的均值系数;
根据所述哈希编码对实时监测数据摘要信息赋予初始值,表达式为:
其中,表示为摘要信息的初始值,/>表示为消息块,/>表示为摘要信息前一字符串的初始值赋值;
根据所述摘要信息的初始值确定同一摘要信息收发双方一致性,表达式为:
其中,表示为同一摘要信息收发双方一致性,/>表示为信道状态信息,/>表示为任意为正数的常数;
根据所述同一摘要信息收发双方一致性计算摘要信息的调制系数,表示为:
其中,表示为摘要信息的调制系数,/>表示为实时监测数据共享时的参数,当/>=1,/>表示为数据权函数;
根据所述摘要信息的调制系数计算实时监测数据的摘要信息,表达式为:
其中,表示为实时监测数据的摘要信息,/>表示为输入参数。
优选地,所述根据所述摘要信息对所述实时监测数据进行加密实现数据实时共享,包括:
设定所述实时监测数据的原始调制源码为,根据所述摘要信息对数据共享序列进行加权调节,表达式为:
其中,表示为数据共享序列加权值,/>表示为数据配置系数;
对所述实时监测数据进行加密,获得数据密文,表达式为:
其中,表示为数据密文,/>表示为在加密过程中的反序变换次数,/>表示为复合变换函数;
对所述数据密文进行同态加密,得到二级数据密文,表达式为:
其中,表示为二级数据密文,/>表示为密文空间,/>表示为随机添加的噪声;
对所述二级数据密文进同态乘操作,得到解密明文,表达式为:
其中,表示为解密明文,/>表示为二级数据密文长度,/>表示为明文系数模数;
根据所述解密明文构建数据共享模型,根据所述数据共享模型计算数据共享序列向量完成数据实时共享,表达式为:
其中,表示数据共享序列向量,/>表示为传输信道内的干扰频率,/>表示为数据码元速率,/>表示为摘要信息与密钥的互信息,/>表示为信道频率响应值。
与现有技术相比,本发明的有益效果是:
本发明先通过对实时监测数据进行数据处理,并对问题数据进行修复使数据更加的完整与准确;再通过构建数据传输信道模型为摘要提取做基础;
然后根据数据传输信道模型提取实时监测数据的摘要信息;最后根据摘要信息对实时监测数据进行加密实现数据实时共享,从而可以解决现有方案中生态监测台站无法加密进行数据共享的问题,同时还能够筛除监测数据中的问题数据,提高数据共享的效率。
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,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地介绍,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他的附图。
图1为本发明的方法流程示意图。
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,本申请第一方面实施例提供了生态监测台站数据智能实时共享方法,包括:
抽取生态监测台站中监测节点的实时监测数据,将所述实时监测数据存储至共享数据库中,所述监测节点包括大气环境监测节点、水质监测节点、土壤监测节点、声环境监测节点与生物监测节点;
需要解释的是,本发明实施例中,大气环境监测节点主要监测大气质量参数,如PM2.5、PM10、SO2、NO2、CO等;水质监测节点监测水质参数,如pH值、溶解氧、浊度、总氮、总磷等;土壤监测节点监测土壤的养分含量、重金属等;声环境监测节点监测噪音水平,了解生态环境声音水平;生物监测节点监测包括植物、动物、昆虫等的种类和数量。
对所述共享数据库中的所述实时监测数据进行数据处理,并对所述实时监测数据中的问题数据进行修复;
进一步地,所述对所述共享数据库中的所述实时监测数据进行数据处理,包括:
通过小波分析对所述实时监测数据进行降噪处理,表达式为:
其中,表示为降噪处理结果,/>表示为实时监测数据,/>表示为尺度因子,/>表示为时移,/>表示为小波基,/>表示为随机选取的常数,取值范围为/>。
需要解释的是,本发明实施例中,采用小波分析对数据进行消噪与压缩,剔除数据库文本信息数据中有明显文本错误的数据和信息数据冗余重复的部分,防止噪声影响大数据的精准性。利用小波分析的多尺度分析可以有效克服方块效应和蚊式噪声,小波分析是时间-尺度分析和多分辨分析的一种新方式。
具体地,所述并对所述实时监测数据中的问题数据进行修复,包括:
根据时间序列对所述实时监测数据进行排序,并以时间段为单位获取/>组所述实时监测数据的平均值,表达式为:
其中,表示为/>组实时监测数据的平均值,/>表示为第/>组实时监测数据;
将所述实时监测数据的平均值与错误数据进行替换,完成修复。
需要解释的是,本发明实施例中,问题数据指的是明显错误及重复的数据,利用近似修复方法对问题数据进行修复,保障实时监测数据的完整性与准确性。
根据所述实时监测数据之间的相关性,提取所述实时监测数据中的有效传输数据,并结合数据信息特征量,构建数据传输信道模型;
进一步地,所述根据所述实时监测数据之间的相关性,提取所述实时监测数据中的有效传输数据,并结合数据信息特征量,构建数据传输信道模型,包括:
根据所述实时监测数据之间的相关性捕获关联性数据,表达式为:
其中,表示为关联性数据,/>表示为实时监测数据的重要性程度,/>表示为数据波动因子,/>表示为实时监测数据之间的相关性;
计算所述关联性数据的数据元组的邻域半径,表达式为:
其中,表示为关联性数据的数据元组的邻域半径,/>表示为关联性数据的权重向量,/>表示为数据元组的数量;
设定关联性数据的离散信号为,关联性数据的比特序列为/>,根据所述关联性数据的数据元组的邻域半径计算关联性数据的信息特征量,表达式为:
其中,表示为关联性数据的信息特征量,/>表示为对关联性数据采样的次数,/>表示为数据传输信道相邻两个节点的欧氏距离;
根据所述关联性数据的信息特征量计算数据共享传输路径,表达式为:
其中,表示为数据共享传输路径,/>表示为系数矩阵,/>表示为随机矢量,/>表示经验常数;
根据所述数据共享传输路径构建数据传输信道模型,表达为:
其中,表示为数据传输信道模型,/>表示为实时监测数据的传输量,/>表示为实时监测数据的字节长度,/>表示为信道带宽。
根据所述数据传输信道模型提取实时监测数据的摘要信息;
进一步地,所述根据所述数据传输信道模型提取实时监测数据的摘要信息,包括:
将所述实时监测数据进行哈希编码,表达式为:
其中,表示为实时监测数据摘要信息的哈希编码,/>表示为摘要信息的字符串长度,/>表示为实时监测数据的均值系数;
根据所述哈希编码对实时监测数据摘要信息赋予初始值,表达式为:
其中,表示为摘要信息的初始值,/>表示为消息块,/>表示为摘要信息前一字符串的初始值赋值;
根据所述摘要信息的初始值确定同一摘要信息收发双方一致性,表达式为:
其中,表示为同一摘要信息收发双方一致性,/>表示为信道状态信息,/>表示为任意为正数的常数;
根据所述同一摘要信息收发双方一致性计算摘要信息的调制系数,表示为:
其中,表示为摘要信息的调制系数,/>表示为实时监测数据共享时的参数,当/>=1,/>表示为数据权函数;
需要解释的是,本发明实施例中,当=1时,则实时监测数据处于正在共享状态,当/>=0时,则实时监测数据处于待共享状态;
权函数是指在统计中计算平均数等指标时,对各个变量值具有权衡轻重作用的数值,数据权函数用来表示不同实时监测数据被共享的权值。
根据所述摘要信息的调制系数计算实时监测数据的摘要信息,表达式为:
其中,表示为实时监测数据的摘要信息,/>表示为输入参数。
根据所述摘要信息对所述实时监测数据进行加密实现数据实时共享。
进一步地,所述根据所述摘要信息对所述实时监测数据进行加密实现数据实时共享,包括:
设定所述实时监测数据的原始调制源码为,根据所述摘要信息对数据共享序列进行加权调节,表达式为:
其中,表示为数据共享序列加权值,/>表示为数据配置系数;
对所述实时监测数据进行加密,获得数据密文,表达式为:
其中,表示为数据密文,/>表示为在加密过程中的反序变换次数,/>表示为复合变换函数;
对所述数据密文进行同态加密,得到二级数据密文,表达式为:
其中,表示为二级数据密文,/>表示为密文空间,/>表示为随机添加的噪声;
需要解释的是,本发明实施例中,同态加密是指将原始数据经过同态加密后,对得到的密文进行特定的运算。
对所述二级数据密文进同态乘操作,得到解密明文,表达式为:
其中,表示为解密明文,/>表示为二级数据密文长度,/>表示为明文系数模数;
根据所述解密明文构建数据共享模型,根据所述数据共享模型计算数据共享序列向量完成数据实时共享,表达式为:
其中,表示数据共享序列向量,/>表示为传输信道内的干扰频率,/>表示为数据码元速率,/>表示为摘要信息与密钥的互信息,/>表示为信道频率响应值。
需要解释的是,本发明实施例中,数据共享序列也就是若干个相关的数据按照一定顺序并列在一起,又叫数组或列表,通过数据共享序列向量得到数据的方向,根据数据的方向进行数据共享。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (5)
1.生态监测台站数据智能实时共享方法,其特征在于,包括:
抽取生态监测台站中监测节点的实时监测数据,将所述实时监测数据存储至共享数据库中,所述监测节点包括大气环境监测节点、水质监测节点、土壤监测节点、声环境监测节点与生物监测节点;
对所述共享数据库中的所述实时监测数据进行降噪处理,并对所述实时监测数据中的问题数据进行替换修复;
根据所述实时监测数据之间的相关性,提取所述实时监测数据中的有效传输数据,并结合数据信息特征量,构建数据传输信道模型,包括:
根据所述实时监测数据之间的相关性捕获关联性数据,表达式为:
其中,D表示为关联性数据,T0表示为实时监测数据的重要性程度,l0表示为数据波动因子,e0表示为实时监测数据之间的相关性;
计算所述关联性数据的数据元组的邻域半径,表达式为:
Wv=D×q0×tk
其中,Wv表示为关联性数据的数据元组的邻域半径,q0表示为关联性数据的权重向量,tk表示为数据元组的数量;
设定关联性数据的离散信号为x,关联性数据的比特序列为x(n),根据所述关联性数据的数据元组的邻域半径计算关联性数据的信息特征量,表达式为:
其中,X表示为关联性数据的信息特征量,N0表示为对关联性数据采样的次数,rt表示为数据传输信道相邻两个节点的欧氏距离;
根据所述关联性数据的信息特征量计算数据共享传输路径,表达式为:
xk=Ay0+Xb0
其中,xk表示为数据共享传输路径,A表示为系数矩阵,y0表示为随机矢量,b0表示经验常数;
根据所述数据共享传输路径构建数据传输信道模型,表达为:
其中,F表示为数据传输信道模型,M表示为实时监测数据的传输量,j0表示为实时监测数据的字节长度,k0表示为信道带宽;
根据所述数据传输信道模型提取实时监测数据的摘要信息;
根据所述摘要信息对所述实时监测数据进行加密实现数据实时共享。
2.根据权利要求1所述的生态监测台站数据智能实时共享方法,其特征在于,所述对所述共享数据库中的所述实时监测数据进行降噪处理,包括:
通过小波分析对所述实时监测数据进行降噪处理,表达式为:
其中,W(a,b)表示为降噪处理结果,x(t)表示为实时监测数据,a表示为尺度因子,b表示为时移,ψa,b(t)表示为小波基,表示为随机选取的常数,取值范围为[0,1]。
3.根据权利要求1所述的生态监测台站数据智能实时共享方法,其特征在于,所述并对所述实时监测数据中的问题数据进行替换修复,包括:
根据时间序列对所述实时监测数据进行排序,并以时间段t为单位获取n组所述实时监测数据的平均值,表达式为:
其中,表示为n组实时监测数据的平均值,x(t-n)表示为第n组实时监测数据;
将所述实时监测数据的平均值与错误数据进行替换,完成修复。
4.根据权利要求1所述的生态监测台站数据智能实时共享方法,其特征在于,所述根据所述数据传输信道模型提取实时监测数据的摘要信息,包括:
将所述实时监测数据进行哈希编码,表达式为:
其中,H表示为实时监测数据摘要信息的哈希编码,a0表示为摘要信息的字符串长度,c0表示为实时监测数据的均值系数;
根据所述哈希编码对实时监测数据摘要信息赋予初始值,表达式为:
Y0=H+Se×k1
其中,Y0表示为摘要信息的初始值,Se表示为消息块,k1表示为摘要信息前一字符串的初始值赋值;
根据所述摘要信息的初始值确定同一摘要信息收发双方一致性,表达式为:
其中,Pf表示为同一摘要信息收发双方一致性,ε1表示为信道状态信息,α1表示为任意为正数的常数;
根据所述同一摘要信息收发双方一致性计算摘要信息的调制系数,表示为:
其中,β1表示为摘要信息的调制系数,r表示为实时监测数据共享时的参数,当r0=1,w0表示为数据权函数;
根据所述摘要信息的调制系数计算实时监测数据的摘要信息,表达式为:
G=β1×ht
其中,G表示为实时监测数据的摘要信息,ht表示为输入参数。
5.根据权利要求1所述的生态监测台站数据智能实时共享方法,其特征在于,所述根据所述摘要信息对所述实时监测数据进行加密实现数据实时共享,包括:
设定所述实时监测数据的原始调制源码为yk,根据所述摘要信息对数据共享序列进行加权调节,表达式为:
Si=yk×G×jp
其中,Si表示为数据共享序列加权值,jp表示为数据配置系数;
对所述实时监测数据进行加密,获得数据密文,表达式为:
其中,Rl表示为数据密文,δ1表示为在加密过程中的反序变换次数,γ1表示为复合变换函数;
对所述数据密文进行同态加密,得到二级数据密文,表达式为:
g1=I0(Rl+ci)
其中,g1表示为二级数据密文,I0表示为密文空间,ci表示为随机添加的噪声;
对所述二级数据密文进同态乘操作,得到解密明文,表达式为:
其中,A表示为解密明文,Rq表示为二级数据密文长度,Vt表示为明文系数模数;
根据所述解密明文构建数据共享模型,根据所述数据共享模型计算数据共享序列向量完成数据实时共享,表达式为:
其中,Ω表示数据共享序列向量,b表示为传输信道内的干扰频率,z1表示为数据码元速率,Aa表示为摘要信息与密钥的互信息,Nu表示为信道频率响应值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410055457.6A CN117579382B (zh) | 2024-01-15 | 2024-01-15 | 生态监测台站数据智能实时共享方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410055457.6A CN117579382B (zh) | 2024-01-15 | 2024-01-15 | 生态监测台站数据智能实时共享方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117579382A CN117579382A (zh) | 2024-02-20 |
CN117579382B true CN117579382B (zh) | 2024-03-15 |
Family
ID=89884829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410055457.6A Active CN117579382B (zh) | 2024-01-15 | 2024-01-15 | 生态监测台站数据智能实时共享方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117579382B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103177303A (zh) * | 2013-04-18 | 2013-06-26 | 清华大学 | 一种基于河流生态监测的数据管理系统 |
CN108092999A (zh) * | 2018-02-08 | 2018-05-29 | 王振辉 | 一种计算机数据安全共享平台 |
CN113704336A (zh) * | 2021-08-17 | 2021-11-26 | 内蒙古申科国土技术有限责任公司 | 基于地理信息大数据的生态环境监测分析方法及系统 |
CN117195280A (zh) * | 2023-08-10 | 2023-12-08 | 甘肃省水利厅信息中心 | 一种基于区块链的生态流量监测数据共享系统、服务器及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201523166D0 (en) * | 2015-12-31 | 2016-02-17 | Jones Maria F | Direct integration system |
KR20230100303A (ko) * | 2021-12-28 | 2023-07-05 | 한국전자통신연구원 | 블록체인 네트워크 방식을 이용한 임상시험 데이터 관리 시스템 및 관리 방법 |
-
2024
- 2024-01-15 CN CN202410055457.6A patent/CN117579382B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103177303A (zh) * | 2013-04-18 | 2013-06-26 | 清华大学 | 一种基于河流生态监测的数据管理系统 |
CN108092999A (zh) * | 2018-02-08 | 2018-05-29 | 王振辉 | 一种计算机数据安全共享平台 |
CN113704336A (zh) * | 2021-08-17 | 2021-11-26 | 内蒙古申科国土技术有限责任公司 | 基于地理信息大数据的生态环境监测分析方法及系统 |
CN117195280A (zh) * | 2023-08-10 | 2023-12-08 | 甘肃省水利厅信息中心 | 一种基于区块链的生态流量监测数据共享系统、服务器及存储介质 |
Non-Patent Citations (2)
Title |
---|
《基于物联网的农村区域水环境智能监测及预测方法研究》;刘萍;《农业科技》;20210415(第2021年第04期);全文 * |
Xu Kehang ; Tang Jun ; Tan Yuanyuan ; Li Hongyun .《Design and Implementation of Real-time Tracking Monitoring and Warning Platform for Meteorological Information in Central Tibet》.《2018 IEEE International Conference of Safety Produce Informatization (IICSPI)》.2019,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN117579382A (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111931950B (zh) | 一种基于联邦学习进行模型参数更新的方法及系统 | |
CN112862001A (zh) | 一种隐私保护下的去中心化数据建模方法 | |
CN114118156A (zh) | 设备故障诊断方法、装置、电子设备及存储介质 | |
CN117579382B (zh) | 生态监测台站数据智能实时共享方法 | |
CN115600686A (zh) | 基于个性化Transformer的联邦学习模型训练方法及联邦学习系统 | |
Xie et al. | Dual-domain generative adversarial network for digital image operation anti-forensics | |
CN116708009A (zh) | 一种基于联邦学习的网络入侵检测方法 | |
Broekstra | On the representation and identification of structure systems | |
CN115987485B (zh) | 一种水力模型数据处理方法 | |
CN116485210B (zh) | 基于神经网络的农业管理活动的减排策略生成方法及装置 | |
CN115883424A (zh) | 一种高速骨干网间流量数据预测方法及系统 | |
CN114519402A (zh) | 一种基于神经网络模型的柑橘病虫害检测方法 | |
CN114329127A (zh) | 特征分箱方法、装置及存储介质 | |
Chen et al. | Particle swarm optimization for image noise cancellation | |
CN117036910B (zh) | 一种基于多视图及信息瓶颈的医学图像训练方法 | |
CN110929849A (zh) | 一种神经网络模型的压缩方法和装置 | |
CN117370724B (zh) | 一种数据异常预测模型的生成和更新方法及系统 | |
CN116563169B (zh) | 基于混合监督学习的探地雷达图像异常区域增强方法 | |
CN113766623B (zh) | 基于改进人工蜂群的认知无线电功率分配方法 | |
CN116451275A (zh) | 一种基于联邦学习的隐私保护方法及计算设备 | |
CN116415676A (zh) | 联合学习中的预测方法及装置 | |
Kuwar et al. | Implementation Of Chaotic Neural Network Using Chaos For Data Encryption | |
CN116155622A (zh) | 网络同源攻击分析方法、系统、设备及存储介质 | |
CN118035893A (zh) | 一种云边协同联邦模型迁移的滚动轴承故障诊断方法及系统 | |
Tripathia et al. | Boosting vector quantization technique using fast directional shrinking search optimization (DSSO) algorithm |
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 |