CN117633849B - 一种煤矿经营全流程智能管控方法及系统 - Google Patents
一种煤矿经营全流程智能管控方法及系统 Download PDFInfo
- Publication number
- CN117633849B CN117633849B CN202410109242.8A CN202410109242A CN117633849B CN 117633849 B CN117633849 B CN 117633849B CN 202410109242 A CN202410109242 A CN 202410109242A CN 117633849 B CN117633849 B CN 117633849B
- Authority
- CN
- China
- Prior art keywords
- coal mine
- grade
- database
- data
- key
- 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
- 239000003245 coal Substances 0.000 title claims abstract description 243
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000003860 storage Methods 0.000 claims abstract description 25
- 238000012163 sequencing technique Methods 0.000 claims abstract description 7
- 238000013500 data storage Methods 0.000 claims description 32
- 238000005457 optimization Methods 0.000 claims description 28
- 238000004422 calculation algorithm Methods 0.000 claims description 21
- 238000000605 extraction Methods 0.000 claims description 15
- 230000009466 transformation Effects 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 10
- 238000007726 management method Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及煤矿数据结构化存储技术领域,具体涉及一种煤矿经营全流程智能管控方法及系统。该方法包括:获取煤矿经营全流程数据和基准密钥,根据每个煤矿数据库中原始数据的更新频率、访问频率、煤矿数据库的权限等级和煤矿数据库的原始数据从采集到失效的持续时间,对所有煤矿数据库进行数据库排序,得到存储数据序列;进而结合基准密钥的特征确定每一权限等级所分别自适应的等级密钥,根据所有等级密钥对煤矿数据库内的原始数据进行加密,得到加密数据,根据不同账户的权限等级分配对应的等级密钥,根据等级密钥对加密数据访问进行结构化存储。本发明能够在保证数据安全性的同时,提升数据访问效率,增强数据结构化存储的可靠性与安全性。
Description
技术领域
本发明涉及煤矿数据结构化存储技术领域,具体涉及一种煤矿经营全流程智能管控方法及系统。
背景技术
随着存储设备和云存储技术的进步,煤矿经营全流程数据倾向于整合至统一的数据存储内,方便对煤矿经营全流程数据进行高度集成的结构化存储与访问,形成一整套煤矿经营数据结构化存储模式。
相关技术中,在进行煤矿经营全流程数据的结构化存储时,通常使用统一的加密方式对所有煤矿经营全流程数据进行数据加密,这种方式下,由于不同用户对煤矿经营全流程数据的需求不同,在进行数据访问的过程中,需要从头遍历解密所有煤矿经营全流程数据,进而得到所需的数据,这种方式下,数据访问效率较低,且统一的加密方式极易被简单破解,进而造成数据的访问泄漏,数据安全性较低。
发明内容
为了解决相关技术中需要从头遍历解密所有煤矿经营全流程数据,进而得到所需的数据,数据访问效率较低,且统一的加密方式极易被简单破解,进而造成数据的访问泄漏,数据安全性较低的技术问题,本发明提供一种煤矿经营全流程智能管控方法及系统,所采用的技术方案具体如下:
本发明提出了一种煤矿经营全流程智能管控方法,方法包括:
获取煤矿经营全流程数据和基准密钥,其中,所述煤矿经营全流程数据包括至少两个煤矿数据库,每个煤矿数据库均具有对应的权限等级;
根据每个煤矿数据库中原始数据的更新频率、访问频率和煤矿数据库的权限等级,确定所述煤矿数据库的访问结构系数,根据所述煤矿数据库的访问结构系数和所述煤矿数据库的原始数据从采集到失效的持续时间,确定所述煤矿数据库的数据存储优化系数;
根据所述数据存储优化系数对所有煤矿数据库进行数据库排序,得到存储数据序列;获取所述存储数据序列的邻接表,根据所述邻接表中数值的分布和基准密钥,获得最低权限等级所对应的等级密钥;根据最低权限等级所对应的等级密钥、不同权限等级下煤矿数据库的数量和每个煤矿数据库中的原始数据,确定除最低权限等级之外每一权限等级的等级密钥;
根据所有权限等级所对应的等级密钥对对应的权限等级的煤矿数据库内的原始数据进行加密,得到加密数据,根据不同账户的权限等级分配对应的等级密钥,根据所述等级密钥对所述加密数据进行访问。
进一步地,所述根据每个煤矿数据库中原始数据的更新频率、访问频率和煤矿数据库的权限等级,确定所述煤矿数据库的访问结构系数,包括:
将所述煤矿数据库在当前时刻之前的预设单位时间段内的更新次数作为更新频率,将所述煤矿数据库在当前时刻之前的预设单位时间段内的访问次数作为访问频率;
计算所述煤矿数据库中原始数据的更新频率和访问频率的乘积作为数据库热度系数;
将所述数据库热度系数与所述煤矿数据库的权限等级的比值作为所述煤矿数据库的访问结构系数。
进一步地,所述根据所述煤矿数据库的访问结构系数和所述煤矿数据库的原始数据从采集到失效的持续时间,确定所述煤矿数据库的数据存储优化系数,包括:
计算所述访问结构系数与所述持续时间的比值的归一化值作为数据存储优化系数。
进一步地,所述根据所述数据存储优化系数对所有煤矿数据库进行数据库排序,得到存储数据序列,包括:
按照所述数据存储优化系数由小到大的顺序对所有所述煤矿数据库进行排序,得到存储数据序列。
进一步地,所述基准密钥为128位密钥,所述根据所述邻接表中数值的分布和基准密钥,获得最低权限等级所对应的等级密钥,包括:
将所述基准密钥中的每一位的数值作为密钥位值;将任一密钥位值作为待测位值,基于米勒-拉宾素性检测算法获取不大于待测位值的最大素数;将所述最大素数分解为s=n×u+v的形式,其中,s表示最大素数,n表示所述邻接表中的最大行数,u表示最大的整除数,v表示整除后得到的余数,u和v均为非负整数;
将(u,v)作为待测位值对应的邻接坐标点;
确定邻接表中邻接坐标点对应位置的数值作为所述基准密钥中待测位值经变换后的变换位值;
得到所述基准密钥中每一密钥位值对应的变换位值,按照密钥位值的顺序对变换位值进行组合,得到最低权限等级所对应的等级密钥。
进一步地,所述根据最低权限等级所对应的等级密钥、不同权限等级下煤矿数据库的数量和每个煤矿数据库中的原始数据,确定除最低权限等级之外每一权限等级的等级密钥,包括:
将除最低权限等级之外的权限等级作为影响等级;
基于数据摘要算法对每个煤矿数据库中原始数据进行数据摘要提取,得到每个煤矿数据库分别对应的提取值,将所述提取值作为十六进制值,对所述提取值进行十进制转换,得到摘要值;
根据所述摘要值和对应权限等级下煤矿数据库的数量进行求余,得到每一煤矿数据库的余数;计算对应权限等级下所有煤矿数据库的余数的和值,并所述和值的最后一位非0数作为对应影响等级的等级系数;
根据影响等级的等级系数和最低权限等级所对应的等级密钥中每一位的变换位值,得到影响等级的等级密钥。
进一步地,所述根据影响等级的等级系数和最低权限等级所对应的等级密钥中每一位的变换位值,得到影响等级的等级密钥,包括:
将任一影响等级的等级系数与最低权限等级所对应的等级密钥中每一位的变换位值进行相乘,并取最后一位作为对应影响等级的等级位值,组合同一影响等级下每一位的等级位值,得到对应影响等级的等级密钥。
进一步地,所述根据所有权限等级所对应的等级密钥对对应的权限等级的煤矿数据库内的原始数据进行加密,得到加密数据,包括:
基于AES加密算法,根据所述煤矿数据库所对应的权限等级和权限等级所对应的等级密钥对煤矿数据库内的原始数据进行加密,得到加密数据。
进一步地,所述根据所述等级密钥对所述加密数据进行访问,包括:
确定对应权限等级所能够访问的煤矿数据库,作为访问数据库;
提取访问数据库中的加密数据,并基于等级密钥进行AES解密处理,得到煤矿数据库的原始数据。
本发明还提供一种煤矿经营全流程智能管控系统,所述系统包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如前述所述一种煤矿经营全流程智能管控方法的步骤。
本发明具有如下有益效果:
本发明通过获取煤矿经营全流程数据和基准密钥,结合更新频率、访问频率、权限等级以及煤矿数据库的原始数据从采集到失效的持续时间,从而计算得到煤矿数据库的数据存储优化系数,数据存储优化系数即表征对应煤矿数据库的原始数据修改、更新和访问的情况,则本发明可以在后续针对数据存储优化系数对所有煤矿数据库进行结构性调整,也即进行数据库排序,得到存储数据序列,存储数据序列能够基于煤矿数据库的被访问情况进行结构性排序,从而保证频繁处理的数据能够被更为迅速的调用访问,进而提升所有煤矿经营全流程数据整体的访问效率;结合邻接表、基准密钥、不同权限等级下煤矿数据库的数量和每个煤矿数据库中的原始数据,确定每一权限等级的等级密钥,可以理解的是,通过设置不同权限等级的等级密钥,从而保证每一权限等级均具有自适应的等级密钥,提升数据加密的安全性。本发明结合存储数据序列和自适应的等级密钥,对煤矿经营全流程数据的存储进行结构化存储,从而在保证数据安全性的同时,提升数据访问效率,更加迅速的定位解密需要的煤矿经营全流程数据,增强数据结构化存储的可靠性与安全性。
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和优点,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的介绍,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它附图。
图1为本发明一个实施例所提供的一种煤矿经营全流程智能管控方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种煤矿经营全流程智能管控方法及系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种煤矿经营全流程智能管控方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种煤矿经营全流程智能管控方法流程图,该方法包括:
S101:获取煤矿经营全流程数据和基准密钥,其中,煤矿经营全流程数据包括至少两个煤矿数据库,每个煤矿数据库均具有对应的权限等级。
本发明实施例应用于煤矿经营的数据结构化存储场景,其中,煤矿经营全流程数据,具体为煤矿经营过程中的相关数据,包括预算数据、成本数据、绩效数据和核算数据等,当然,也包括煤矿生产、规划等环节相关的经营数据,通过煤矿经营全流程数据能够对煤矿的经营状态进行直观的表征。
其中,基准密钥,可以具体例如为统一的普通密钥,可选地,基准密钥可以具体例如为“123456789”等具有规律性的密钥,或者,也可以例如为所有煤矿经营全流程数据的唯一加密密钥。可以理解的是,通过规律性、唯一性的基准密钥能够对煤矿经营全流程数据进行高速加密,但是在数据加密过程中基准密钥也容易被轻易破解,从而造成大量数据泄漏,安全性较低,因此,需要根据煤矿经营全流程数据的访问情况和权限情况,进行数据存储和访问的结构化存储,在满足高速访问的同时提升数据的安全性。
可以理解的是,由于煤矿经营全流程数据所涵盖的数据面广、数据类型多样,且数据分布较为复杂,因此,可以根据实际将所有煤矿经营全流程数据划分为多个煤矿数据库,例如煤矿预算数据库、煤矿成本数据库、煤矿核算数据库等,且对于同一种类型的煤矿经营全流程数据,在不同阶段也可以划分不同阶段对应权限等级,不同人员需分配煤矿经营全流程数据的权限等级,以控制对应的访问权限。
举例而言,本发明实施例中可以将权限等级划分为5级,也即权限等级为1、2、3、4和5,数值越高对应权限等级越高,因此,不同的数据库具有对应的权限等级,不同的权限等级能够访问特定的煤矿数据库,对高度集成的数据存储情况进行一定程度的权限划分,从而实现不同的访问需求。
S102:根据每个煤矿数据库中原始数据的更新频率、访问频率和煤矿数据库的权限等级,确定煤矿数据库的访问结构系数,根据煤矿数据库的访问结构系数和煤矿数据库的原始数据从采集到失效的持续时间,确定煤矿数据库的数据存储优化系数。
本发明实施例中,将每个煤矿数据库中所包括的数据作为原始数据,每个煤矿数据库中的原始数据均会在日常的生产经营过程中发生变化,则本发明实施例中根据整个煤矿数据库中数据变化的频率进行具体分析。
进一步地,在本发明的一些实施例中,根据每个煤矿数据库中原始数据的更新频率、访问频率和煤矿数据库的权限等级,确定煤矿数据库的访问结构系数,包括:将煤矿数据库在当前时刻之前的预设单位时间段内的更新次数作为更新频率,将煤矿数据库在当前时刻之前的预设单位时间段内的访问次数作为访问频率;计算煤矿数据库中原始数据的更新频率和访问频率的乘积作为数据库热度系数;将数据库热度系数与煤矿数据库的权限等级的比值作为煤矿数据库的访问结构系数。
其中,预设单位时间段,为煤矿数据库更新分析所对应的单位时间段,本发明实施例中,预设单位时间段可以具体例如为一个月,也即统计一个月内煤矿数据库中原始数据的更新频率和访问频率,可以理解的是,预设单位时间段可以根据实际检测需求进行调整,对此不做限制。
本发明实施例中,对于煤矿经营全流程数据这种需要精准获得的数据,需要依据实际的煤矿生产等情况对进行更新,这必然会涉及到整个煤矿数据库的变化,通过确定煤矿数据库在当前时刻之前的预设单位时间段内的更新频率和访问频率,则更新频率和访问频率越高,对应的则说明该煤矿数据库中的原始数据属于经常使用的数据,煤矿数据库的使用情况越频繁,而更新频率和访问频率越低,则对应的煤矿数据库越可能为堆积的数据,其使用情况较少,由此,本发明基于更新频率和访问频率对煤矿数据库的热度进行分析,并使用数据库热度系数作为对应的数据库热度的指标。也即计算煤矿数据库中原始数据的更新频率和访问频率的乘积作为数据库热度系数。
可以理解的是,煤矿数据库的权限等级数值越高,则对应的可以说明数据越重要,且能够进行访问的场景相较于权限等级较低的煤矿数据库越少,由此,权限等级数值越高对应的访问情况越低,则权限等级的数值越高,访问的情况越少,则本发明还可以将数据库热度系数与煤矿数据库的权限等级的比值作为煤矿数据库的访问结构系数。访问结构系数能够表征煤矿数据库被访问几率,其数值越大,则对应的煤矿数据库被访问的可能性越大,数值越小,则煤矿数据库被访问的可能性越小。
本发明实施例中,可以结合访问结构系数的数值大小实现煤矿数据库的排序。
进一步地,在本发明的一些实施例中,根据煤矿数据库的访问结构系数和煤矿数据库的原始数据从采集到失效的持续时间,确定煤矿数据库的数据存储优化系数,包括:计算访问结构系数与持续时间的比值的归一化值作为数据存储优化系数。
本发明实施例中,原始数据从采集到失效的持续时间越短,可以表征对应的煤矿数据库中的原始数据的生命周期越短,说明该煤矿数据库中的原始数据更新快,覆盖快,其被访问的可能性也就越高,而访问结构系数表征煤矿数据库被访问几率,其数值越大,则对应的煤矿数据库被访问的可能性越大。
由此,本发明实施例计算访问结构系数与持续时间的比值的归一化值作为数据存储优化系数,数据存储优化系数越高,则对应煤矿数据库的原始数据修改、更新和访问的情况越频繁,也即原始数据的访问需求更大,则本发明实施例可以在后续步骤中针对访问需求对所有数据进行结构性调整,具体参见后续实施例的步骤。
S103:根据数据存储优化系数对所有煤矿数据库进行数据库排序,得到存储数据序列;获取存储数据序列的邻接表,根据邻接表中数值的分布和基准密钥,获得最低权限等级所对应的等级密钥;根据最低权限等级所对应的等级密钥、不同权限等级下煤矿数据库的数量和每个煤矿数据库中的原始数据,确定除最低权限等级之外每一权限等级的等级密钥。
可以理解的是,现有技术中的煤矿数据库的排序通常是基于煤矿数据库本身的命名排序,或者煤矿数据库产生的时间前后进行排序,本发明实施例中,由于数据存储优化系数表征了煤矿数据库对应的访问需求,本发明实施例可以结合数据存储优化系数对所有煤矿数据库进行排序,实现所有煤矿数据库的结构性调整。
进一步地,在本发明的一些实施例中,根据数据存储优化系数对所有煤矿数据库进行数据库排序,得到存储数据序列,包括:按照数据存储优化系数由小到大的顺序对所有煤矿数据库进行排序,得到存储数据序列。
本发明实施例中,由于数据存储优化系数表征了煤矿数据库对应的访问需求,在数据存储优化系数越小时,对应的煤矿数据库被访问几率越小,而数据读取过程是从前往后的遍历过程,由此,将对应的煤矿数据库放在末尾,并将被访问几率较大的煤矿数据库放在前列,由此,得到对应的存储数据序列,将被访问几率高的煤矿数据库的连接置于接近查询接口的位置,并延后被访问几率低的煤矿数据库的连接位置,最终得到需要的数据存储结构,优化了数据的查询结构,使得存储数据序列的整体访问效率提高。
进一步地,在本发明的一些实施例中,基准密钥为128位密钥,根据邻接表中数值的分布和基准密钥,获得最低权限等级所对应的等级密钥,包括:将基准密钥中的每一位的数值作为密钥位值;将任一密钥位值作为待测位值,基于米勒-拉宾素性检测算法获取不大于待测位值的最大素数;将最大素数分解为s=n×u+v的形式,其中,s表示最大素数,n表示邻接表中的最大行数,u表示最大的整除数,v表示整除后得到的余数,u和v均为非负整数;将(u,v)作为待测位值对应的邻接坐标点;确定邻接表中邻接坐标点对应位置的数值作为基准密钥中待测位值经变换后的变换位值;得到基准密钥中每一密钥位值对应的变换位值,按照密钥位值的顺序对变换位值进行组合,得到最低权限等级所对应的等级密钥。
其中,米勒-拉宾素性检测算法,为一种检测素数的算法,本发明实施例中,可以基于米勒-拉宾素性检测算法获取不大于待测位值的最大素数,也即在待测位值本身为素数时,对应的最大素数为其本身,而在待测位值本身不为素数时,则对应的求得小于待测位值本身的最大素数,举例而言,在待测位值为9时,对应的最大素数为7,在待测位值为5时,对应的最大位值为5。
本发明实施例中,邻接表的大小为n×n,n也即代表所有煤矿数据库的数量,则对最大素数进行分解的过程可以举例,在密钥位值为9,而对应的所有煤矿数据库的数量为5时,可以将9分解为“5×1+4”的形式,也即邻接坐标点为(1,4),而在密钥位值为4时,所有煤矿数据库的数量为5,可以将4分解为“5×0+4”的形式,也即邻接坐标点为(0,4)。
则本发明实施例中,将邻接表中邻接坐标点对应位置的数值作为基准密钥中待测位值经变换后的变换位值;并获取基准密钥中每一位的变换位值,得到最低权限等级所对应的等级密钥。从而对基准密钥进行调整,在相关技术中,由于基准密钥本身所具有的规律性,能够被简单的破解,从而影响整体数据结构化存储的安全性,通过根据所有煤矿数据库本身的特征,能够有效提升等级密钥的安全性。
本发明实施例中,可以基于调整后的最低权限等级所对应的等级密钥,确定其他所有权限等级所分别对应的等级密钥。
进一步地,在本发明的一些实施例中,根据最低权限等级所对应的等级密钥、不同权限等级下煤矿数据库的数量和每个煤矿数据库中的原始数据,确定除最低权限等级之外每一权限等级的等级密钥,包括:将除最低权限等级之外的权限等级作为影响等级;基于数据摘要算法对每个煤矿数据库中原始数据进行数据摘要提取,得到每个煤矿数据库分别对应的提取值,将提取值作为十六进制值,对提取值进行十进制转换,得到摘要值;根据摘要值和对应权限等级下煤矿数据库的数量进行求余,得到每一煤矿数据库的余数;计算对应权限等级下所有煤矿数据库的余数的和值,并和值的最后一位非0数作为对应影响等级的等级系数;根据影响等级的等级系数和最低权限等级所对应的等级密钥中每一位的变换位值,得到影响等级的等级密钥。
本发明实施例中,数据摘要算法可以具体例如为哈希算法,也即是说,本发明实施例中,可以基于哈希算法获取每个煤矿数据库分别对应的哈希值作为提取值,而后,将提取值作为16进制的值,并进行十进制的转换,例如在为提取值为“200”时,对应的十进制为“512”,也即摘要值为512。
本发明实施例中,通过求余运算计算得到摘要值的余数,并根据所有煤矿数据库的余数进行具体的计算,将对应权限等级下所有煤矿数据库的余数的和值,并和值的最后一位非0数作为对应影响等级的等级系数。
举例而言,在权限等级为2的所有煤矿数据库包括3个,其对应计算得到的余数分别为5、8、3,则本发明实施例中计算所有余数的和值为16,并将6作为权限等级为2的等级系数,另外举例说明,在对应计算得到的余数分别为5、8、7时,对应的和值为20,则将2作为权限等级为2的等级系数。
可以理解的是,在本发明的另一些实施例中,也可以在提取得到摘要值之后,直接根据摘要值进行其他形式的变换得到每一影响等级所对应的等级系数,例如对所有煤矿数据库的摘要值进行从大到小排序,并将最小值所对应的末尾值作为等级系数,可以理解的是,本发明的等级系数为1~9的正整数,通过不同影响等级的所有煤矿数据库确定自适应的等级系数,从而提升加密效果。
本发明实施例中,在确定等级系数之后,可以结合等级系数和最低权限等级所对应的等级密钥进行对应影响等级的等级密钥的处理。
进一步地,在本发明的一些实施例中,根据影响等级的等级系数和最低权限等级所对应的等级密钥中每一位的变换位值,得到影响等级的等级密钥,包括:将任一影响等级的等级系数与最低权限等级所对应的等级密钥中每一位的变换位值进行相乘,并取最后一位作为对应影响等级的等级位值,组合同一影响等级下每一位的等级位值,得到对应影响等级的等级密钥。
本发明实施例中,计算等级系数与最低权限等级所对应的等级密钥中每一位的变换位值的乘积,并将乘积的最后一位作为对应的等级位值,从而得到所有等级位值,组合得到等级密钥。
当然在本发明的另一些实施例中,也可以按照不同等级的等级密钥进行迭代计算,举例而言,计算权限等级为2的等级密钥,并将权限等级为2的等级密钥与权限等级为3的等级系数进行相乘,得到权限等级为3的等级密钥,再之后,将权限等级为3的等级密钥与权限等级为4的等级系数进行相乘,得到权限等级为4的等级密钥,依次重复,直至得到权限等级最高级所对应的等级密钥,当然,在本发明的其他实施例中,也可以使用多只能够其他可能的实现方式,以根据自适应的等级系数和最低权限等级所对应的等级密钥对影响等级的等级密钥进行计算,对此不做限制。
由此,得到每一权限等级所分别对应的等级密钥,每一权限等级的等级密钥可能不同,通过得到自适应的等级秘钥,从而避免在得到基准秘钥之后对所有权限等级要求的煤矿数据库进行随意访问,提升煤矿数据库的数据安全性。
S104:根据所有权限等级所对应的等级密钥对对应的权限等级的煤矿数据库内的原始数据进行加密,得到加密数据,根据不同账户的权限等级分配对应的等级密钥,根据等级密钥对加密数据进行访问。
本发明实施例在得到更为安全的等级密钥之后,可以基于等级密钥进行数据加密。
进一步地,在本发明的一些实施例中,根据所有权限等级所对应的等级密钥对对应的权限等级的煤矿数据库内的原始数据进行加密,得到加密数据,包括:基于AES加密算法,根据煤矿数据库所对应的权限等级和权限等级所对应的等级密钥对煤矿数据库内的原始数据进行加密,得到加密数据。
本发明实施例中,可以使用AES加密算法对煤矿数据库内的原始数据进行加密处理,AES加密算法为本领域所熟知的加密算法,对此不做进一步限定与赘述;当然,在本发明的另一些实施例中,也可以使用多种其他任意可能的加密算法,对此不做限制。
本发明实施例在得到所有加密数据之后,将所有加密数据按照对应煤矿数据库在存储数据序列的排序存储加密数据,以便于后续根据等级密钥进行结构化存储。
进一步地,在本发明的一些实施例中,根据等级密钥对加密数据进行访问,包括:确定对应权限等级所能够访问的煤矿数据库,作为访问数据库;提取访问数据库中的加密数据,并基于等级密钥进行AES解密处理,得到煤矿数据库的原始数据。
本发明实施例中,可以采用基于区块链的数据公开机制,同时在公开区块链中引入身份验证机制来对访问账户进行查证,也即为不同访问账户分配对应的权限等级,可以根据权限等级的不同,从而筛选得到访问数据库,从而对不同的访问需求进行管理,同时,基于等级密钥进行AES解密,其中,AES解密可以基于对应的AES解密算法,AES解密算法也为本领域所熟知的计算算法,对此不做进一步限定与赘述。
可以理解的是,本发明旨在获取不同权限等级所分别自适应的等级密钥,进而实现不同权限等级的有效区分,使得每一权限等级分别进行数据的访问和修改,提升整体数据结构化存储的条理性,增强数据结构化存储的管理效率。
本发明通过获取煤矿经营全流程数据和基准密钥,结合更新频率、访问频率、权限等级以及煤矿数据库的原始数据从采集到失效的持续时间,从而计算得到煤矿数据库的数据存储优化系数,数据存储优化系数即表征对应煤矿数据库的原始数据修改、更新和访问的情况,则本发明可以在后续针对数据存储优化系数对所有煤矿数据库进行结构性调整,也即进行数据库排序,得到存储数据序列,存储数据序列能够基于煤矿数据库的被访问情况进行结构性排序,从而保证频繁处理的数据能够被更为迅速的调用访问,进而提升所有煤矿经营全流程数据整体的访问效率;结合邻接表、基准密钥、不同权限等级下煤矿数据库的数量和每个煤矿数据库中的原始数据,确定每一权限等级的等级密钥,可以理解的是,通过设置不同权限等级的等级密钥,从而保证每一权限等级均具有自适应的等级密钥,提升数据加密的安全性。本发明结合存储数据序列和自适应的等级密钥,对煤矿经营全流程数据的存储进行结构化存储,从而在保证数据安全性的同时,提升数据访问效率,更加迅速的定位解密需要的煤矿经营全流程数据,增强数据结构化存储的可靠性与安全性。
本发明还提供一种煤矿经营全流程智能管控系统,系统包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现前述任意一项一种煤矿经营全流程智能管控方法的步骤。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (5)
1.一种煤矿经营全流程智能管控方法,其特征在于,所述方法包括:
获取煤矿经营全流程数据和基准密钥,其中,所述煤矿经营全流程数据包括至少两个煤矿数据库,每个煤矿数据库均具有对应的权限等级;
根据每个煤矿数据库中原始数据的更新频率、访问频率和煤矿数据库的权限等级,确定所述煤矿数据库的访问结构系数,根据所述煤矿数据库的访问结构系数和所述煤矿数据库的原始数据从采集到失效的持续时间,确定所述煤矿数据库的数据存储优化系数;
根据所述数据存储优化系数对所有煤矿数据库进行数据库排序,得到存储数据序列;获取所述存储数据序列的邻接表,根据所述邻接表中数值的分布和基准密钥,获得最低权限等级所对应的等级密钥;根据最低权限等级所对应的等级密钥、不同权限等级下煤矿数据库的数量和每个煤矿数据库中的原始数据,确定除最低权限等级之外每一权限等级的等级密钥;
根据所有权限等级所对应的等级密钥对对应的权限等级的煤矿数据库内的原始数据进行加密,得到加密数据,根据不同账户的权限等级分配对应的等级密钥,根据所述等级密钥对所述加密数据进行访问;
所述根据每个煤矿数据库中原始数据的更新频率、访问频率和煤矿数据库的权限等级,确定所述煤矿数据库的访问结构系数,包括:
将所述煤矿数据库在当前时刻之前的预设单位时间段内的更新次数作为更新频率,将所述煤矿数据库在当前时刻之前的预设单位时间段内的访问次数作为访问频率;
计算所述煤矿数据库中原始数据的更新频率和访问频率的乘积作为数据库热度系数;
将所述数据库热度系数与所述煤矿数据库的权限等级的比值作为所述煤矿数据库的访问结构系数;
所述根据所述煤矿数据库的访问结构系数和所述煤矿数据库的原始数据从采集到失效的持续时间,确定所述煤矿数据库的数据存储优化系数,包括:
计算所述访问结构系数与所述持续时间的比值的归一化值作为数据存储优化系数;
所述基准密钥为128位密钥,所述根据所述邻接表中数值的分布和基准密钥,获得最低权限等级所对应的等级密钥,包括:
将所述基准密钥中的每一位的数值作为密钥位值;将任一密钥位值作为待测位值,基于米勒-拉宾素性检测算法获取不大于待测位值的最大素数;将所述最大素数分解为s=n×u+v的形式,其中,s表示最大素数,n表示所述邻接表中的最大行数,u表示最大的整除数,v表示整除后得到的余数,u和v均为非负整数;
将(u,v)作为待测位值对应的邻接坐标点;
确定邻接表中邻接坐标点对应位置的数值作为所述基准密钥中待测位值经变换后的变换位值;
得到所述基准密钥中每一密钥位值对应的变换位值,按照密钥位值的顺序对变换位值进行组合,得到最低权限等级所对应的等级密钥;
所述根据最低权限等级所对应的等级密钥、不同权限等级下煤矿数据库的数量和每个煤矿数据库中的原始数据,确定除最低权限等级之外每一权限等级的等级密钥,包括:
将除最低权限等级之外的权限等级作为影响等级;
基于数据摘要算法对每个煤矿数据库中原始数据进行数据摘要提取,得到每个煤矿数据库分别对应的提取值,将所述提取值作为十六进制值,对所述提取值进行十进制转换,得到摘要值;
根据所述摘要值和对应权限等级下煤矿数据库的数量进行求余,得到每一煤矿数据库的余数;计算对应权限等级下所有煤矿数据库的余数的和值,并所述和值的最后一位非0数作为对应影响等级的等级系数;
根据影响等级的等级系数和最低权限等级所对应的等级密钥中每一位的变换位值,得到影响等级的等级密钥;
所述根据影响等级的等级系数和最低权限等级所对应的等级密钥中每一位的变换位值,得到影响等级的等级密钥,包括:
将任一影响等级的等级系数与最低权限等级所对应的等级密钥中每一位的变换位值进行相乘,并取最后一位作为对应影响等级的等级位值,组合同一影响等级下每一位的等级位值,得到对应影响等级的等级密钥。
2.如权利要求1所述的一种煤矿经营全流程智能管控方法,其特征在于,所述根据所述数据存储优化系数对所有煤矿数据库进行数据库排序,得到存储数据序列,包括:
按照所述数据存储优化系数由小到大的顺序对所有所述煤矿数据库进行排序,得到存储数据序列。
3.如权利要求1所述的一种煤矿经营全流程智能管控方法,其特征在于,所述根据所有权限等级所对应的等级密钥对对应的权限等级的煤矿数据库内的原始数据进行加密,得到加密数据,包括:
基于AES加密算法,根据所述煤矿数据库所对应的权限等级和权限等级所对应的等级密钥对煤矿数据库内的原始数据进行加密,得到加密数据。
4.如权利要求3所述的一种煤矿经营全流程智能管控方法,其特征在于,所述根据所述等级密钥对所述加密数据进行访问,包括:
确定对应权限等级所能够访问的煤矿数据库,作为访问数据库;
提取访问数据库中的加密数据,并基于等级密钥进行AES解密处理,得到煤矿数据库的原始数据。
5.一种煤矿经营全流程智能管控系统,所述系统包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1~4任意一项所述一种煤矿经营全流程智能管控方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410109242.8A CN117633849B (zh) | 2024-01-26 | 2024-01-26 | 一种煤矿经营全流程智能管控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410109242.8A CN117633849B (zh) | 2024-01-26 | 2024-01-26 | 一种煤矿经营全流程智能管控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117633849A CN117633849A (zh) | 2024-03-01 |
CN117633849B true CN117633849B (zh) | 2024-04-12 |
Family
ID=90036023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410109242.8A Active CN117633849B (zh) | 2024-01-26 | 2024-01-26 | 一种煤矿经营全流程智能管控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117633849B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030087874A (ko) * | 2002-05-10 | 2003-11-15 | 주식회사 마이엔진 | 컴퓨팅 장치의 등급별 데이터 보안 방법 |
CN108520183A (zh) * | 2018-04-13 | 2018-09-11 | 杭州橙鹰数据技术有限公司 | 一种数据存储方法及装置 |
CN109711175A (zh) * | 2018-12-11 | 2019-05-03 | 武汉达梦数据库有限公司 | 一种数据库加密方法和装置 |
CN114510734A (zh) * | 2022-02-22 | 2022-05-17 | 光大科技有限公司 | 数据访问控制方法、装置及计算机可读存储介质 |
CN116595573A (zh) * | 2023-04-14 | 2023-08-15 | 敦源信息科技(广州)有限公司 | 交管信息系统的数据安全加固方法及装置 |
CN116628727A (zh) * | 2023-07-24 | 2023-08-22 | 华能信息技术有限公司 | 一种资源迁移管理方法及系统 |
CN117040731A (zh) * | 2023-08-04 | 2023-11-10 | 中国安全生产科学研究院 | 基于区块链的非矿山安全监测预警的信息加密方法 |
-
2024
- 2024-01-26 CN CN202410109242.8A patent/CN117633849B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030087874A (ko) * | 2002-05-10 | 2003-11-15 | 주식회사 마이엔진 | 컴퓨팅 장치의 등급별 데이터 보안 방법 |
CN108520183A (zh) * | 2018-04-13 | 2018-09-11 | 杭州橙鹰数据技术有限公司 | 一种数据存储方法及装置 |
CN109711175A (zh) * | 2018-12-11 | 2019-05-03 | 武汉达梦数据库有限公司 | 一种数据库加密方法和装置 |
CN114510734A (zh) * | 2022-02-22 | 2022-05-17 | 光大科技有限公司 | 数据访问控制方法、装置及计算机可读存储介质 |
CN116595573A (zh) * | 2023-04-14 | 2023-08-15 | 敦源信息科技(广州)有限公司 | 交管信息系统的数据安全加固方法及装置 |
CN116628727A (zh) * | 2023-07-24 | 2023-08-22 | 华能信息技术有限公司 | 一种资源迁移管理方法及系统 |
CN117040731A (zh) * | 2023-08-04 | 2023-11-10 | 中国安全生产科学研究院 | 基于区块链的非矿山安全监测预警的信息加密方法 |
Non-Patent Citations (2)
Title |
---|
Two-Step-Ranking Secure Multi-Keyword Search over Encrypted Cloud Data;Jun Xu et al.;《2012 International Conference on Cloud Computing and Service Computing》;20130117;124-130 * |
煤矿巷道掘进作业智能监测与安全预警技术研究;于伟 等;《内蒙古煤炭经济》;20200229;128 * |
Also Published As
Publication number | Publication date |
---|---|
CN117633849A (zh) | 2024-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109474423B (zh) | 数据加解密方法、服务器及存储介质 | |
US11709948B1 (en) | Systems and methods for generation of secure indexes for cryptographically-secure queries | |
CN104657673B (zh) | 计算机实现的方法、计算机系统及计算机可读存储介质 | |
Mouratidis et al. | Partially materialized digest scheme: an efficient verification method for outsourced databases | |
CN105989129B (zh) | 实时数据统计方法和装置 | |
CN101859323B (zh) | 密文全文检索系统 | |
Hu et al. | Verifying spatial queries using voronoi neighbors | |
Vimercati et al. | Shuffle index: Efficient and private access to outsourced data | |
Lee et al. | Poster: A proof-of-stake (PoS) blockchain protocol using fair and dynamic sharding management | |
Li et al. | Scaling the blockchain-based access control framework for iot via sharding | |
Wang et al. | ABACUS: Address-partitioned bloom filter on address checking for uniqueness in IoT blockchain | |
Kuzu et al. | Efficient privacy-aware search over encrypted databases | |
CN107124265A (zh) | 一种基于Hash散列表的身份认证方法 | |
CN117633849B (zh) | 一种煤矿经营全流程智能管控方法及系统 | |
CN106250453A (zh) | 基于云存储的数值型数据的密文检索方法及装置 | |
De Capitani di Vimercati et al. | Supporting concurrency and multiple indexes in private access to outsourced data | |
CN108875390A (zh) | 一种社区共享经济数据处理方法 | |
Moataz et al. | Recursive trees for practical ORAM | |
CN110321218A (zh) | 一种基于点对点网络系统求解混合整数程序的方法 | |
Zhang et al. | S-oram: A segmentation-based oblivious ram | |
CN114896620A (zh) | 一种基于量子加密数据库索引方法、设备及存储介质 | |
Wu et al. | Slicer: Verifiable, secure and fair search over encrypted numerical data using blockchain | |
CN117688591B (zh) | 一种用于ofd版式文档的加密方法及系统 | |
CN117278325B (zh) | 一种计算机网络大数据安全防护方法及系统 | |
CN117932577B (zh) | 一种互联网数据的处理方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |