CN117742618B - 一种固态硬盘的数据存储管理方法和固态硬盘管理装置 - Google Patents
一种固态硬盘的数据存储管理方法和固态硬盘管理装置 Download PDFInfo
- Publication number
- CN117742618B CN117742618B CN202410185343.3A CN202410185343A CN117742618B CN 117742618 B CN117742618 B CN 117742618B CN 202410185343 A CN202410185343 A CN 202410185343A CN 117742618 B CN117742618 B CN 117742618B
- Authority
- CN
- China
- Prior art keywords
- data
- solid state
- state disk
- storage
- block
- 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
- 239000007787 solid Substances 0.000 title claims abstract description 194
- 238000007726 management method Methods 0.000 title claims abstract description 108
- 238000013500 data storage Methods 0.000 title claims abstract description 33
- 238000003860 storage Methods 0.000 claims abstract description 216
- 238000000034 method Methods 0.000 claims abstract description 52
- 230000035945 sensitivity Effects 0.000 claims abstract description 30
- 238000011156 evaluation Methods 0.000 claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 28
- 238000004458 analytical method Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 19
- 238000011157 data evaluation Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 6
- 230000036541 health Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000002028 premature Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005192 partition Methods 0.000 description 3
- 230000002035 prolonged effect Effects 0.000 description 3
- 238000007418 data mining Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000010410 layer Substances 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Signal Processing For Digital Recording And Reproducing (AREA)
- Storage Device Security (AREA)
Abstract
本发明公开了一种固态硬盘的数据存储管理方法和固态硬盘管理装置,涉及数据存储管理领域。该方法包括:获取存储于固态硬盘中的初始数据,并对初始数据进行敏感性评估,得到对应的安全级别;基于安全级别对初始数据进行划分,得到多个分组数据;将固态硬盘的存储单元划分为多个存储区块;将第一分组数据和第二分组数据,分别写入到第一存储区块和第二存储区块;获取写入次数;判断第一存储区块的写入次数是否达到上限;若是,则将第二存储区块中写入次数小于第一预设写入次数上限的部分,确定为再生第一存储区块;将新写入的第一分组数据存储至再生第一存储区块中。本发明实现了对固态硬盘存储重要数据的可靠性和安全性的优化。
Description
技术领域
本申请涉及数据存储管理领域,尤其涉及一种固态硬盘的数据存储管理方法和固态硬盘管理装置。
背景技术
随着计算机技术的发展,固态硬盘因其读写速度快、寿命长、抗震动性强等优点被广泛应用于各种存储设备中,成为重要的非易失性存储介质之一。但固态硬盘也存在使用寿命有限、数据安全保障能力较弱等问题。固态硬盘的使用寿命主要取决于其已写入次数,次数越多则其剩余寿命越短,坏道概率越高。
针对固态硬盘的使用寿命问题,相关技术主要采用了磨损均衡技术,即通过在固态硬盘中设置超额空间容量,并对写入操作进行均衡派发,使每个存储单元受到的写入次数相对均衡,以达到延长整体使用寿命的目的。
然而,相关技术在实现固态硬盘的使用寿命延长的同时,未能充分考虑数据文件的不同重要性。当固态硬盘数据写入次数较多导致出现坏道时,如果重要性较高的数据文件存储在坏道区域,将面临数据丢失的风险。
发明内容
本申请提供了一种固态硬盘的数据存储管理方法和固态硬盘管理装置,可以对固态硬盘中的数据进行安全级别评估,并根据安全级别将数据分配到不同的存储区域,每个存储区域具有不同的写入次数上限,通过监测写入次数动态调整数据分布,减少高安全级别的重要数据所在的存储区域因为写入次数过多而产生坏道,导致重要数据丢失的情况,实现了对固态硬盘存储重要数据的可靠性和安全性的优化。
第一方面,本申请提供了一种固态硬盘的数据存储管理方法,应用于固态硬盘管理装置,该方法包括:获取存储于固态硬盘中的初始数据,并对初始数据进行敏感性评估,得到对应的安全级别;基于安全级别对初始数据进行划分,得到多个分组数据,多个分组数据至少包括第一分组数据和第二分组数据,第一分组数据的安全级别高于第二分组数据的安全级别;将固态硬盘的存储单元划分为多个存储区块,多个存储区块至少包括第一存储区块和第二存储区块,第一存储区块的第一预设写入次数上限小于第二存储区块的第二预设写入次数上限;将第一分组数据和第二分组数据,分别写入到第一存储区块和第二存储区块;获取第一存储区块和第二存储区块的写入次数;判断第一存储区块的写入次数是否达到第一预设写入次数上限;若是,则将第二存储区块中写入次数小于第一预设写入次数上限的部分,确定为再生第一存储区块,再生第一存储区块的写入次数上限与第一预设写入次数上限相同;将新写入的第一分组数据存储至再生第一存储区块中。
在上述实施例中,通过获取固态硬盘中的初始数据,并对这些数据进行敏感性评估,可以确定对应的安全级别。基于安全级别,可以将初始数据划分为多个分组数据,这些分组数据可以根据安全级别的高低进行排序,如第一分组数据的安全级别高于第二分组数据的安全级别。在存储这些分组数据时,首先将固态硬盘的存储单元划分为多个存储区块,并确保存储安全级别较高的重要数据的存储区块,其写入次数上限较低,以减少高安全级别数据所在的存储区域因为写入次数过多而产生坏道,导致重要数据丢失的情况。同时,还可以监测每个存储区块的写入次数,并在第一存储区块达到预设的写入次数上限时,将第二存储区块中写入次数较低的部分再生为新增的第一存储区块,以保证高安全级别数据存储在固态硬盘中的稳定性和可靠性。这种动态管理策略不仅提高了数据的可靠性和安全性,还为维护和管理固态硬盘提供了更精细化的方法。
结合第一方面的一些实施例,在一些实施例中,获取存储于固态硬盘中的初始数据,并对初始数据进行敏感性评估,得到对应的安全级别,具体包括:获取存储于固态硬盘中的初始数据;提取初始数据的多个特征信息;特征信息包括数据格式、数据大小、数据创建时间、数据命名方式、数据创建者信息;基于预设信息库对多个特征信息进行匹配分析,确定初始数据的安全级别;若匹配分析失败,则将多个特征信息输入到预设的数据评估模型中,得到安全级别评分和对应的安全级别。
在上述实施例中,固态硬盘管理装置通过提取初始数据的多个特征信息,如格式、大小、创建时间等,然后根据预设的信息库进行匹配分析,如果匹配成功就可以确定安全级别。如果匹配失败,则将特征信息输入预设的评估模型,由模型产生安全级别的评分和对应的安全级别。这样可以自动化和精确化对数据进行安全敏感性评估。
结合第一方面的一些实施例,在一些实施例中,在基于安全级别对初始数据进行划分,得到多个分组数据的步骤之后,该方法还包括:若分组数据的安全级别高于第一预设阈值时,采用非对称加密算法中的RSA算法加密对应的分组数据,得到高加密分组数据;在分组数据的安全级别低于第二预设阈值时,不加密对应的分组数据,得到未加密分组数据;采用对称加密算法中的AES算法,加密多个分组数据中不属于高加密分组数据和未加密分组数据的分组数据,得到低加密的分组数据。
在上述实施例中,固态硬盘管理装置针对不同安全级别的数据设置了不同的加密方案。对于安全级别高于阈值的分组数据,采用RSA非对称加密算法进行强加密;对于安全级别低于阈值的数据不加密;其他数据采用AES对称加密算法进行低加密。这样可以根据数据安全性要求的不同,有针对性地应用不同加密技术,提高数据的安全性。
结合第一方面的一些实施例,在一些实施例中,在获取第一存储区块和第二存储区块的写入次数的步骤之后,方法还包括:将第一存储区块和第二存储区块中,写入次数相对较少的部分划分为新的第一存储区块,写入次数相对较多的部分划分为新的第二存储区块,新的第一存储区块的写入次数上限与第一预设写入次数上限相同,新的第二存储区块的写入次数上限与第二预设写入次数上限相同;将第一分组数据和第二分组数据,分别转移至新的第一存储区块和新的第二存储区块中。
在上述实施例中,将写入次数相对较少和较多的部分分别重新划分为新的第一存储区块和新的第二存储区块,并分别设置与第一预设写入次数上限和第二预设写入次数上限相同的写入次数限制,可以平衡存储区块的负载,避免某些区块过早磨损。同时,保持第一存储区块的写入次数相对较少,减少坏道产生的情况,使安全级别较高的第一分组数据在更可靠的存储环境中得到保护。也可以延长固态硬盘的整体使用寿命。这种优化策略有助于提高固态硬盘的可靠性和性能稳定性。
结合第一方面的一些实施例,在一些实施例中,判断第一存储区块的写入次数是否达到第一预设写入次数上限的步骤,包括:确定第一存储区块中各个子区块部分的子写入次数;将子写入次数达到第一预设写入次数上限的子区块部分,确定为停用子区块部分;根据停用子区块部分在第一存储区块中的占比,判断第一存储区块的写入次数是否达到第一预设写入次数上限。
在上述实施例中,通过确定第一存储区块中各个子区块部分的子写入次数,可以更精确地了解每个子区块的使用情况。然后,将子写入次数达到第一预设写入次数上限的子区块部分,确定为停用子区块部分。这一步骤有助于及时发现过度使用的子区块,避免其过早磨损。接下来,根据停用子区块部分在第一存储区块中的占比,判断第一存储区块的写入次数是否达到第一预设写入次数上限。这一判断有助了解整个存储区块的健康状况,并及时采取措施进行维护或优化存储策略,以确保数据的可靠性和稳定性。
结合第一方面的一些实施例,在一些实施例中,在将第一存储区块的第一分组数据转移到第二存储区块中,并调整第二存储区块的第二预设写入次数上限为第一预设写入次数上限的步骤之后,方法还包括:基于多个存储区块的已用容量、剩余容量、使用时间、坏道数量和写入次数,确定该固态硬盘的寿命预测值;在寿命预测值低于预设寿命阈值时,发出提示信息;提示信息用于提示用户进行数据备份。
在上述实施例中,综合多个存储区块的关键参数,包括已用容量、剩余容量、使用时间、坏道数量和写入次数,可以准确地预测固态硬盘的寿命。当寿命预测值低于预设的寿命阈值时,及时发出提示信息,提醒用户进行数据备份。这一做法不仅有效预防了因硬盘寿命到期而导致的数据丢失风险,还为用户提供了足够的时间来规划和管理他们的数据存储,从而确保了数据的完整性和安全性,避免数据丢失。
结合第一方面的一些实施例,在一些实施例中,基于多个存储区块的已用容量、剩余容量、使用时间、坏道数量和写入次数,确定该多个存储区块的寿命预测值,具体包括:根据多个存储区块的已用容量、剩余容量和使用时间确定第一寿命值;根据多个存储区块的坏道数量、写入次数和使用时间确定第二寿命值;基于第一寿命值和第二寿命值,确定固态硬盘的寿命预测值。
在上述实施例中,通过综合考虑多个存储区块的已用容量、剩余容量和使用时间,可以确定第一寿命值。同时,结合坏道数量、写入次数和使用时间,可以确定第二寿命值。这两个寿命值分别从不同的角度反映了固态硬盘的性能和健康状况。最后,基于第一寿命值和第二寿命值,可以综合得出更准确的固态硬盘寿命预测值。这一预测值能够为维护和管理固态硬盘提供更可靠的参考,有助于提前预警可能出现的问题,并采取相应的措施来延长固态硬盘的使用寿命。
第二方面,本申请实施例提供了一种固态硬盘管理装置,该固态硬盘管理装置包括:一个或多个处理器和存储器;该存储器与该一个或多个处理器耦合,该存储器用于存储计算机程序代码,该计算机程序代码包括计算机指令,该一个或多个处理器调用该计算机指令以使得该固态硬盘管理装置执行如第一方面以及第一方面中任一可能的实现方式描述的方法。
第三方面,本申请实施例提供一种包含指令的计算机程序产品,当上述计算机程序产品在固态硬盘管理装置上运行时,使得上述固态硬盘管理装置执行如第一方面以及第一方面中任一可能的实现方式描述的方法。
第四方面,本申请实施例提供一种计算机可读存储介质,包括指令,当上述指令在固态硬盘管理装置上运行时,使得上述固态硬盘管理装置执行如第一方面以及第一方面中任一可能的实现方式描述的方法。
可以理解地,上述第二方面提供的固态硬盘管理装置,第三方面提供的计算机程序产品和第四方面提供的计算机存储介质均用于执行本申请实施例所提供的方法。因此,其所能达到的有益效果可参考对应方法中的有益效果,此处不再赘述。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
1、通过获取固态硬盘中的初始数据,并对这些数据进行敏感性评估,可以确定对应的安全级别。基于安全级别,可以将初始数据划分为多个分组数据,这些分组数据可以根据安全级别的高低进行排序,如第一分组数据的安全级别高于第二分组数据的安全级别。在存储这些分组数据时,首先将固态硬盘的存储单元划分为多个存储区块,并确保存储安全级别较高的重要数据的存储区块,其写入次数上限较低,以减少高安全级别数据所在的存储区域因为写入次数过多而产生坏道,导致重要数据丢失的情况。同时,还可以监测每个存储区块的写入次数,并在第一存储区块达到预设的写入次数上限时,将第二存储区块中写入次数较低的部分再生为新增的第一存储区块,以保证高安全级别数据存储在固态硬盘中的稳定性和可靠性。这种动态管理策略不仅提高了数据的可靠性和安全性,还为维护和管理固态硬盘提供了更精细化的方法。
2、由于采用了根据数据安全级别的高低采用不同的加密方案,即对安全级别高于阈值的分组数据采用RSA非对称加密算法强加密,对安全级别低于阈值的分组数据不加密,其他分组数据采用AES对称加密算法低加密,所以实现了针对不同数据安全性要求采用差异化加密方式。这种方式有效解决了相关技术中无法根据数据安全性灵活采用加密技术的问题,进而实现了能够根据数据的敏感度和重要性选择最优的加密方案,提高数据传输和存储的安全性和保密性的效果。
3、通过提取初始数据的多个特征信息,如格式、大小、创建时间等,然后根据预设的信息库进行匹配分析,如果匹配成功就可以确定安全级别。如果匹配失败,则将特征信息输入预设的评估模型,由模型产生安全级别的评分和对应的安全级别。这样可以自动化和精确化对数据进行安全敏感性评估。
4、将写入次数相对较少和较多的部分分别重新划分为新的第一存储区块和新的第二存储区块,并分别设置与第一预设写入次数上限和第二预设写入次数上限相同的写入次数限制,可以平衡存储区块的负载,避免某些区块过早磨损。同时,保持第一存储区块的写入次数相对较少,减少坏道产生的情况,使安全级别较高的第一分组数据在更可靠的存储环境中得到保护。也可以延长固态硬盘的整体使用寿命。这种优化策略有助于提高固态硬盘的可靠性和性能稳定性。
附图说明
图1是本申请实施例中固态硬盘的数据存储管理方法的一个流程示意图;
图2是本申请实施例中固态硬盘的数据存储管理方法的另一个流程示意图;
图3是本申请实施例中固态硬盘管理装置的一种实体装置结构示意图。
具体实施方式
本申请以下实施例中所使用的术语只是为了描述特定实施例的目的,而并非旨在作为对本申请的限制。如在本申请的说明书中所使用的那样,单数表达形式“一个”、“一种”、“上述”、“该”和“这一”旨在也包括复数表达形式,除非其上下文中明确地有相反指示。还应当理解,本申请中使用的术语“和/或”是指包含一个或多个所列出项目的任何或所有可能组合。
以下,术语“第一”、“第二”仅用于描述目的,而不能理解为暗示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征,在本申请实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
为便于理解,下面介绍本申请实施例的应用场景。
小明是一名自由撰稿人,他在笔记本电脑上存储了大量自己十年来创作的文章和作品集,这些文章包含了他个人的思想和见解,是他宝贵的财富,其中一些未发表的高质量文章更是重要资产。小明同时也在电脑上记录了大量自己的日记和生活点滴,以及一些亲友的联系方式等隐私信息。对小明来说,如何在长期存储大量数据的同时保证不丢失重要信息,且个人隐私不被他人访问,是他迫切需要解决的问题。
在相关技术中,可以通过简单地对所有数据进行基本加密和轮流存储,来实现对固态硬盘的数据存储。
下面介绍使用相关技术中的固态硬盘的数据存储管理方法的场景。
以前小明把所有数据直接保存在一个笔记本电脑的硬盘里。由于无法区分数据的重要性,他的大量随笔和非重要信息与最重要的作品和隐私混杂存储。电脑使用久了后,由于无法监控磁盘的不同区域损耗情况,结果一些重要的作品就存储在磁盘已损坏的块上,造成无法挽回的永久数据丢失。同时一些不重要的网络日志占用了大量空间,加速了硬盘的老化。这给小明带来了巨大的损失。
而采用本申请实施例中的固态硬盘的数据存储管理方法,通过评估数据敏感性对数据进行差异加密及划分,并匹配存储到设置不同写入次数上限的存储区块中,实现对固态硬盘的数据有效管理。
下面介绍使用了本申请中固态硬盘的数据存储管理方法的场景。
小明使用了本方案中的固态硬盘管理装置时,通过获取固态硬盘中的初始数据,并对这些数据进行敏感性评估,可以确定对应的安全级别。基于安全级别,可以将初始数据划分为多个分组数据,这些分组数据可以根据安全级别的高低进行排序,如第一分组数据的安全级别高于第二分组数据的安全级别。在存储这些分组数据时,首先将固态硬盘的存储单元划分为多个存储区块,并确保存储安全级别较高的重要数据的存储区块,其写入次数上限较低,以减少高安全级别数据所在的存储区域因为写入次数过多而产生坏道,导致重要数据丢失的情况。同时,还可以监测每个存储区块的写入次数,并在第一存储区块达到预设的写入次数上限时,将第二存储区块中写入次数较低的部分再生为新增的第一存储区块,以保证高安全级别数据存储在固态硬盘中的稳定性和可靠性。这种动态管理策略不仅提高了数据的可靠性和安全性,还为维护和管理固态硬盘提供了更精细化的方法。
可见,采用本申请实施例中的固态硬盘的数据存储管理方法,在实现固态硬盘数据存储的同时,还可以有效解决相关技术无法根据数据重要性进行差异化处理和动态分级的问题,进而实现了能够基于数据安全性要求进行智能化数据存储管理的效果。
为便于理解,下面结合上述场景,对本实施提供的方法进行流程叙述。请参阅图1,为本申请实施例中固态硬盘的数据存储管理方法的一个流程示意图。
S101、获取存储于固态硬盘中的初始数据,并对初始数据进行敏感性评估,得到对应的安全级别。
具体地,固态硬盘管理装置会分析初始数据具体内容的特征信息,包括数据格式、数据大小、数据创建时间、数据命名方式、数据创建者信息、关键词字段等。这样可以理解初始数据的来源和内容,以便评估其可能的安全影响。
例如,固态硬盘管理装置可以通过这些特征信息来追踪初始数据的来源,包括初始数据产生的时间、地点和人员。了解这些数据来源有助于判断数据的真实性和可靠性,因为安全级别高的数据源的数据通常需要高级别的安全性。其中,特征信息可以通过初始数据的元数据来获取;当初始数据被写入固态硬盘时,一般会附加一些元数据,例如数据的创建时间、创建地点以及创建人员等,这些信息可以通过数据标记的方式附加在初始数据中,作为该初始数据的元数据,以便追其来源。
基于初始数据的内容,固态硬盘管理装置基于关键词字段扫描初始数据,提取敏感性的特征,例如涉及个人信息、商业秘密、医疗信息等敏感信息。这些敏感信息一般都包含有特定的关键词字段,例如个人信息的关键词字段可以包括身份证、手机号、家庭住址等等,商业秘密的关键词字段可以包括货源、成本、工艺配方、财务状况、客户名单等等,医疗信息的关键词字段可以包括药物名称、体检结果、病历内容、挂号记录、诊疗费用等等。
通过对初始数据的上述特性进行综合分析,固态硬盘管理装置可以将其划分为不同的安全级别,如高、低两个敏感度分别对应高、低三个安全级别,或者高、中、低三个敏感度分别对应高、中、低三个安全级别。这样做的目的是为了确保对数据的分类处理符合其实际的安全需求。例如,对于高敏感度数据,可以采用加密存储、访问控制等更为严格的管理措施,以确保其不被未经授权的第三方获取或滥用。通过这样的流程,固态硬盘管理装置能够实现对初始数据的安全级别划分,为后续的数据存储和管理提供指导。
S102、基于安全级别对初始数据进行划分,得到多个分组数据。
其中,该多个分组数据至少包括第一分组数据和第二分组数据,第一分组数据的安全级别高于第二分组数据的安全级别。
根据之前对初始数据的敏感性评估,固态硬盘管理装置会将数据划分为多个安全级别,如敏感性为高敏感度,则对应高安全级别,敏感性为低敏感度,则对应低安全级别。第一分组数据为高安全级别,第二分组数据为低安全级别。
对于高安全级别的数据,固态硬盘管理装置会采取较严格的管理措施,例如进行硬件级加密、访问控制等,以确保其安全性和完整性。
对于低安全级别的数据,固态硬盘管理装置会采取较为宽松的管理措施,例如常规的存储和备份等,以确保其可用性和完整性。
通过这样的划分方式,固态硬盘管理装置能够根据数据的安全级别对其进行精细化管理,从而提高数据存储的安全性和效率。同时,这种管理方式还可以有效减少对高敏感度数据的误操作或恶意攻击的风险,保障数据的完整性和机密性。
可以理解的是,初始数据的分组数量与安全级别的数量相对应,安全级别的数量为两个(例如高、低两个安全级别)时,分组数量为两个(包括第一分组数据和第二分组数据),安全级别的数量为三个时(例如高、中、低三个安全级别),分组数量为三个(包括第一分组数据、第二分组数据及第三分组数据),以此类推,此处不再一一列举。
为了方便说明本实施例的技术方案,下文中,分组数量以两个来具体说明。需要强调的是,不应理解为本实施例将分组数量限定为只有两个。
S103、将固态硬盘的存储单元划分为多个存储区块。
其中,该多个存储区块至少包括第一存储区块和第二存储区块,第一存储区块的第一预设写入次数上限小于第二存储区块的第二预设写入次数上限。
存储区块的划分数量与初始数据的分组数量相对应。
本实施例中,可以根据固态硬盘的闪存芯片类型和主控芯片的性能,来确定第一预设写入次数上限,第二预设写入次数上限。
例如,对于SLC(单层单元)类型的固态硬盘,其理论上的写入次数可以达到10万次以上,本实施例中,第一预设写入次数上限的取值范围可以为3万到6万次,第二预设写入次数上限的取值范围可以为5万到10万次。
对于MLC(多层单元)类型的固态硬盘,其理论上的写入次数可以达到3万次左右,本实施例中,第一预设写入次数上限的取值范围可以为5千到2万次,第二预设写入次数上限的取值范围可以为2万到3万次。
对于TLC(三层单元)类型的固态硬盘,其理论上的写入次数一般在1万次左右,本实施例中,第一预设写入次数上限的取值范围可以为3千到6千次,第二预设写入次数上限的取值范围可以为5千到1万次。
具体地,固态硬盘管理装置会按照预先设置好的分区规则,将固态硬盘中的存储单元划分成多个存储区块。比如,可以将固态硬盘分成第一存储区块和第二存储区块;一般情况下,第二存储区块的容量大于第一存储区块的容量,例如,第一存储区块的容量占固态硬盘总容量的20%,第二存储区块的容量分别占固态硬盘总容量的80%。各存储区块可分别写入对应安全级别的数据,例如,第一存储区块写入高安全级别的数据,第二存储区块写入低安全级别的数据。
并且可以设置每个区块对应的预设写入次数上限,其中,第一存储区块的预设写入次数上限低于第二存储区块的预设写入次数上限。例如,该固态硬盘的整体写入上限为1万次,那么第一存储区块的第一预设写入次数上限可以为5000次,第二存储区块的第二预设写入次数上限可以为8000次。
这样可以避免安全级别较高的第一存储区块的写入次数过多,导致固态硬盘在该区域损耗增加,影响安全级别较高的数据在固态硬盘上存储的可靠性和安全性。
S104、将第一分组数据和第二分组数据,分别写入到第一存储区块和第二存储区块。
固态硬盘管理装置会按照预设的储存规划,将不同安全级别的分组数据分配存储到对应的存储区块中。例如,固态硬盘管理装置可以将安全级别较高的第一分组数据匹配存储到预设写入次数上限较低的第一存储区块中,将安全级别较低的第二分组数据匹配存储到预设写入次数上限较高的第二存储区块中。如果某些存储区块空间不够,也可以再接入一个固态硬盘,以拓展存储容量。储存规划的目标是让安全级别高的数据可以匹配到写入次数上限较低的存储区块中,从而获得更高的安全性保障。
S105、获取第一存储区块和第二存储区块的写入次数。
固态硬盘管理装置可以实时监测每个存储区块的写入次数。固态硬盘管理装置按照预设的时间周期获取每个存储区块的当前写入次数数据。如每过1小时获取一次写入次数数据。获取到写入次数后,存入数据库中留作分析。
具体地,固态硬盘管理装置可以通过SMART(自我监测、分析和报告技术)技术,来监测固态硬盘的各种健康参数,包括写入次数。
也可以使用专门的固态硬盘管理软件,如CrystalDiskInfo等,此软件可以与固态硬盘通信,获取其内部数据,包括存储区块的写入次数。具体地,CrystalDiskInfo通过读取固态硬盘的底层数据,可以获取每个数据的物理地址信息,包括其在固态硬盘中的具体位置,根据该数据的物理地址信息,即可确定其在哪个存储区块。通过定期运行这类软件,就可以监测存储区块的写入次数,并采取相应的管理措施。
S106、判断第一存储区块的写入次数是否达到第一预设写入次数上限。
在一实施例中,本步骤可以具体地包括:
(1)确定第一存储区块中各个子区块部分的子写入次数。
例如,假设第一存储区块包括N个子区块部分,各子区块部分的子写入次数分别为M1、M2、…、MN。子区块部分包括第1个子区块部分到第N个子区块部分。
(2)将子写入次数达到第一预设写入次数上限的子区块部分,确定为停用子区块部分。
例如,若第i个子区块部分的子写入次数Mi达到第一预设写入次数上限M,则将第i个子区块部分确定为停用子区块部分。其中,i小于或等于N,且大于或等于1。
(3)根据停用子区块部分在第一存储区块中的占比,判断第一存储区块的写入次数是否达到第一预设写入次数上限。
例如,假设停用子区块部分的数量为n,则停用子区块部分在第一存储区块中的占比为n/N。当n/N大于设定的占比阈值P时,则可以判定第一存储区块的写入次数达到第一预设写入次数上限。当n/N小于或等于设定的占比阈值P时,则可以判定第一存储区块的写入次数未达到第一预设写入次数上限。
若第一存储区块的写入次数达到第一预设写入次数上限,则进入步骤S107;若第一存储区块的写入次数未否达到第一预设写入次数上限,则返回步骤S105,继续监测获取第一存储区块和第二存储区块的写入次数。
S107、将第二存储区块中写入次数小于第一预设写入次数上限的部分,确定为再生第一存储区块。
其中,再生第一存储区块的写入次数上限与第一预设写入次数上限相同。
固态硬盘管理装置会分析第二存储区块中哪些部分的写入次数小于第一预设写入次数上限。这部分的存储区因为它们的使用次数相对较少,性能和寿命可能仍能得到有效保证。将这些区块确定为再生第一存储区块,并设置其写入次数上限与第一预设写入次数上限相同。这样做的目的是为了确保再生第一存储区块能够提供与原始第一存储区块相当的性能和寿命,从而满足高安全级别数据存储的需求。通过这样的处理,固态硬盘的存储管理得到了进一步的优化,不仅提高了数据的安全性和可靠性,也延长了固态硬盘的使用寿命。
S108、将新写入的第一分组数据存储至所述再生第一存储区块中。
后续有新的第一分组数据需要写入存储到该固态硬盘时,可以直接、安全地存储到这个再生第一存储区块中,原有的第一存储区块中存储的数据可以不用变动。这一过程无需对数据进行迁移或重新分配,从而最大限度地减少了数据丢失或损坏的风险。
上面实施例中,介绍了固态硬盘的数据存储管理方法。在实际应用中,还需要结合固态硬盘的使用环境和存储数据类型,确定具体的加密算法选择和优化监测的时间周期等参数。
下面对本实施例的场景进行补充。
在持续使用本方案一段时间后,小明的电脑自动记录和学习了他的使用习惯和数据特征。这使得设备可以智能地为小明建议设置不同类别数据的安全级别,以及不断优化数据在各分区中的存储规划,来获得最大存储空间和最长使用寿命。同时系统通过分析历史磨损情况,来准确预测每个分区的剩余使用寿命,以便小明及时备份重要数据到新的存储设备,避免意外损坏数据丢失。这进一步提升了小明数据存储的安全性和使用效率。
在结合上述场景后,下面对本实施提供的方法进行进一步的更具体的流程叙述。请参阅图2,为本申请实施例中固态硬盘的数据存储管理方法的另一个流程示意图。
S201、获取存储于固态硬盘中的初始数据。
固态硬盘管理装置会首先从固态硬盘中读取所有存储的初始原始数据,这些原始数据可能包括多种类型的文件,如文档、图片、视频等。读取的方式可以是扫描整个硬盘内存,逐个文件读取。
S202、提取初始数据的多个特征信息。
固态硬盘管理装置获得原始数据后,根据特征信息来理解初始数据的内容。该特征信息包括数据格式、数据大小、数据创建时间、数据命名方式、数据创建者信息、关键词字段等特征信息。
数据格式决定了数据的呈现方式和可读性。例如,文本文件、图片文件、音频文件、视频文件等都有各自的格式。了解数据的格式有助于确定数据的用途和敏感性,例如,涉及个人隐私或机密信息的文件可能具有更高的敏感性,其通常采用特定的数据格式。
数据大小可以反映其内容的重要性和价值。例如,一个大型数据库文件可能包含大量关键业务数据,而一个较小的配置文件可能只包含一些系统设置信息。通过分析数据大小,可以初步判断数据的价值和敏感性。
数据创建时间可以提供关于数据的新鲜度和时效性的信息。例如,最近创建的文件可能包含最新的业务数据或个人信息,而多年前的文件可能已经过时或不再需要频繁访问。
数据命名方式可以提供关于数据类型和用途的线索。例如,以特定格式或模式命名的文件可能包含有关系统配置、日志记录或用户数据的信息。通过分析数据命名方式,可以进一步推断数据的敏感性和重要性。
数据创建者信息,可以了解数据的创建者(例如,系统用户ID、软件开发商等)可以提供关于数据来源和可靠性的信息。例如,来自特定系统管理员或软件开发商的数据可能具有更高的可靠性,而来自未知或不受信任的来源的数据可能具有更高的风险。
关键词字段在前文的步骤S101中已经阐述,此处就不再赘述。
由此,通过提取和分析这些特征信息,可以理解初始数据的内容,以对初始数据进行敏感性评估,并确定对应的安全级别。基于安全级别,可以对数据进行进一步的分类和管理,以确保数据的可靠性和安全性。
S203、基于预设信息库对多个特征信息进行匹配分析,确定初始数据的安全级别。
具体地,固态硬盘管理装置将提取出的特征信息与预设信息库进行匹配分析。其中,预设信息库会保存不同数据特征信息与安全级别之间的对应关系。
预设信息库是一个包含已知特征信息与安全级别标准对应的数据库,用于与提取出的特征信息进行比较和匹配。这个数据库可以预先定义和更新,以适应不断变化的威胁和数据安全要求。 具体来说,固态硬盘管理装置将提取出的特征信息与预设信息库进行匹配分析,过程如下:
数据格式匹配:将提取出的数据格式与预设信息库中的格式标准进行比对,以确定是否存在已知的敏感格式或恶意格式。
数据大小分析:将提取出的数据大小与预设信息库中的大小阈值进行比较,以判断数据是否超过正常范围或符合特定安全标准。
创建时间评估:将提取出的数据创建时间与预设信息库中的时间标准进行对比,以确定是否存在可疑的创建时间模式或时间戳异常。
命名方式审查:分析提取出的数据命名方式是否符合已知的正常模式或存在可疑命名特征。例如,特定命名约定可能与恶意软件或敏感文件有关。
创建者信息验证:将提取出的数据创建者信息与预设信息库中的可信来源进行比较,以确定数据的来源是否可信任或是否存在潜在的威胁。
关键词字段匹配:将筛选出的关键词字段与预设信息库中的关键词进行比对,以查找匹配的字符串。这种匹配可以是精确匹配或模糊匹配,具体取决于所使用的算法和匹配标准。根据关键词字段与预设信息库中关键词的匹配程度和敏感性,评估初始数据的安全级别。例如,如果多个敏感关键词与提取出的数据相匹配,则可以将其安全级别归类为高风险或中等风险。
通过这些匹配分析,可以得出初始数据的安全级别。安全级别可以根据匹配结果的严重程度进行分类,例如低风险、中风险和高风险。
另一方面补充来说,如果初始数据的来源可靠、内容涉及敏感信息、用途重要且使用频率较高,这些特征信息与预设信息库中的高安全级别特征相匹配,固态硬盘管理装置会将其安全级别确定为高。相反,如果初始数据的来源不明、内容不涉及敏感信息、用途不重要且使用频率较低,这些特征信息与预设信息库中的低安全级别特征相匹配,固态硬盘管理装置会将其安全级别确定为低。
基于预设信息库的匹配分析是自动完成的,这提高了数据安全级别确定的准确性和效率。同时,预设信息库也可以根据实际需求进行更新和调整,以适应不同应用场景和数据安全要求的变化。
S204、若匹配分析失败,则将多个特征信息输入到预设的数据评估模型中,得到安全级别评分和对应的安全级别。
如果匹配结果为空,说明信息库无法判断某初始数据的安全级别,即匹配分析失败。这时固态硬盘管理装置会调用基于人工智能算法预设数的据评估模型,直接分析初始数据的特征信息,给出一个安全级别预测分值,并转换为对应的安全级别结果,如对隐私信息进行打分,根据分值判定安全级别。
其中,数据评估模型的搭建和训练过程如下:
数据准备:首先准备一个数据集,该数据集包括多个特征信息和对应的安全级别评分。数据集是经过清洗和预处理的,以便于后续模型训练。其中,该数据集包含各种不同类型的数据,以便于模型能够学习到不同特征之间的关联和模式。同时,数据集中的数据有足够的数量,以保证模型的训练效果和泛化能力。数据集中的每个数据样本都应该有一个或多个标注信息,这些信息通常是人为给出的,用于指示样本的类别或标签。
选择合适的模型:根据数据的特点和任务需求,选择合适的开源模型进行训练。常用的模型包括决策树、支持向量机、神经网络等。
模型搭建:使用选定的模型构建数据评估模型。可以使用开源的深度学习框架,如TensorFlow、PyTorch等,或者使用其他编程语言,如Python、Java等。
设置超参数:超参数是模型训练过程中需要手动设置的参数,如学习率、批量大小、迭代次数等。超参数的设置对模型的训练效果有很大影响,需要根据实际情况进行调整。
模型训练:使用准备好的数据集对模型进行训练。训练过程中需要设置超参数,并根据训练集的误差和验证集的误差进行调整。
模型评估:使用测试数据集对训练好的模型进行评估。评估指标包括准确率、召回率、F1值等。根据评估结果对模型进行调整和优化。
迭代优化:根据模型的表现和反馈,不断调整和优化模型的参数和结构,以提高模型的准确性和泛化能力。
S205、基于安全级别对初始数据进行划分,得到多个分组数据。
参考步骤S102,固态硬盘管理装置会基于安全级别对初始数据进行划分。
之后,固态硬盘管理装置会确定多个分组数据的多个安全级别;在分组数据的安全级别高于第一预设阈值时,固态硬盘管理装置会采用非对称加密算法中的RSA算法加密对应的分组数据,得到高加密的分组数据;在分组数据的安全级别低于第二预设阈值时,固态硬盘管理装置会不加密对应的分组数据,得到未加密的分组数据;固态硬盘管理装置还会采用对称加密算法中的AES算法加密多个分组数据中的不属于高加密的分组数据和未加密的分组数据的分组数据,得到低加密的分组数据。
具体的,固态硬盘管理装置根据前期对各分组数据安全级别的评估结果,确定每一组分组数据的具体安全级别值。比如根据内容敏感度,将包含用户隐私数据的分组判定为安全级别90,含有公司内部报告的分组判定为安全级别60,不包含敏感信息的公开数据分组判定为安全级别30。
对于安全级别非常关键的数据,固态硬盘管理装置会使用非对称加密算法中的RSA加密算法进行加密。RSA算法通过生成公钥和私钥,使用其中一个Key进行数据加密,只有对应的其他Key才能解密,可以确保数据的机密性和完整性。对安全级别高于80的分组数据,固态硬盘管理装置会使用RSA算法进行高安全强加密,生成只有授权方能访问的加密分组数据。
而对于非敏感的数据,固态硬盘管理装置可以直接输出未加密的原始分组数据。比如安全级别低于20的公开数据就可以不需要加密。这样可以降低计算资源消耗。
对于介于两者之间的中等安全级别的数据,固态硬盘管理装置使用对称加密算法中的AES算法进行低强度加密。AES算法使用同一个Key进行加密和解密,速度较快,可以适用性加密大部分非核心数据。
这样,固态硬盘管理装置可以根据数据的安全敏感程度采取差异化的加密处理,保证对重要数据的安全性之余,也考虑了计算效率,实现了数据加密的优化。
S206、将固态硬盘的存储单元划分为多个存储区块。
参考步骤S103,固态硬盘管理装置会将固态硬盘的存储单元划分为多个存储区块。
S207、将第一分组数据和第二分组数据,分别写入到第一存储区块和第二存储区块。
参考步骤S104,此处不再赘述。
S208、获取第一存储区块和第二存储区块的写入次数。
参考步骤S105,固态硬盘管理装置会监测多个存储区块的写入次数。
S209、将第一存储区块和第二存储区块中,写入次数相对较少的部分划分为新的第一存储区块,写入次数相对较多的部分划分为新的第二存储区块。
其中,新的第一存储区块的写入次数上限与第一预设写入次数上限相同,新的第二存储区块的写入次数上限与第二预设写入次数上限相同。第一存储区块和第二存储区块都包括了多个区块组成部分,每个部分的写入次数也不尽相同,有的部分写入次数相对较多,比如写入次数大于平均写入次数,有的部分写入次数相对较少,比如写入次数小于平均写入次数。
具体地,可以将第一存储区块中写入次数相对较少的部分,和第二存储区块中写入次数相对较少且小于第一预设写入次数的部分,确定为新的第一存储区块。同理,可以将第一存储区块中写入次数相对较多的部分,和第二存储区块中写入次数相对较多的部分确定为新的第二存储区块。
这样可以确保存储资源的合理利用和优化配置。通过动态调整存储区块的划分,固态硬盘管理装置能够更好地应对数据存储需求的变化,并提高固态硬盘的整体性能、可靠性和使用效率,延长了固态硬盘的使用寿命。这种动态管理方式使得数据存储更加灵活和高效,从而更好地满足了用户的需求。本步骤可以平衡存储区块的负载,避免某些区块过早磨损。同时,保持第一存储区块的写入次数相对较少,减少坏道产生的情况,使安全级别较高的第一分组数据在更可靠的存储环境中得到保护。
S210、将第一分组数据和第二分组数据,分别转移至新的第一存储区块和新的第二存储区块中。
具体来说,固态硬盘管理装置会将第一分组数据和第二分组数据分别转移至新的第一存储区块和新的第二存储区块中。这一步骤确保了数据的逻辑连续性和物理存储的优化配置。通过将数据转移至新的存储区块,管理装置能够更好地平衡存储资源的使用,并提高固态硬盘的整体性能和可靠性。同时,这种动态调整的方式也使得数据存储更加灵活和高效,从而更好地满足了用户的需求。
S211、判断第一存储区块的写入次数是否达到第一预设写入次数上限。
若是,则进入步骤S212;若否,则返回步骤S208。
S212、将第二存储区块中写入次数小于第一预设写入次数上限的部分,确定为再生第一存储区块。其中,再生第一存储区块的写入次数上限与第一预设写入次数上限相同。
参考步骤S107,此处不再赘述。
S213、将新写入的第一分组数据存储至再生第一存储区块中。
参考步骤S108,此处不再赘述。
S214、基于多个存储区块的已用容量、剩余容量、使用时间、坏道数量和写入次数,确定固态硬盘的寿命预测值。
固态硬盘的寿命预测值可以用于评估固态硬盘的健康状态和剩余寿命,以便及时提示用户采取数据备份措施。
在一些实施例中,本步骤可以具体包括:
(1)根据多个存储区块的已用容量、剩余容量和使用时间确定第一寿命值。
具体的,固态硬盘管理装置收集各个存储区块的已用容量、剩余容量和使用时间,这些反映了固态硬盘的容量消耗情况。根据每个存储区块的已用容量和使用时间,可以计算出每个区块的平均使用速率。根据剩余容量和平均使用速率,可以来预估该固态硬盘剩余的第一寿命值。
其中,可以通过大量的历史数据来分析总结出已用容量、剩余容量及使用时间与第一寿命值的对应关系。具体地,首先收集大量的历史数据,这些历史数据应包含存储区块的已用容量、剩余容量、使用时间以及它们达到寿命极限时的相关数据。接下来,可以使用统计分析、机器学习算法或数据挖掘技术来探索已用容量、剩余容量、使用时间与第一寿命值之间的关系。再基于分析的结果以及这些历史数据,来构建和训练容量消耗预测模型,该容量消耗预测模型可以是一个数学公式、一个决策树、一个神经网络或其他任何能够准确描述输入变量(已用容量、剩余容量、使用时间)与输出变量(第一寿命值)之间关系的模型。
当固态硬盘管理装置收集到已用容量、剩余容量和使用时间这些数据时,可以通过上述训练后的容量消耗预测模型,来得到对应的第一寿命值。
在一些实施例中,也可以将分析得到的已用容量、剩余容量、使用时间与第一寿命值之间的对应关系,即不同已用容量、剩余容量和使用时间组合下的第一寿命值,记录在一个表格或数据库中。这个表格或数据库可以作为查询工具,快速给出任何特定组合下的第一寿命值。
(2)根据多个存储区块的坏道数量、写入次数和使用时间确定第二寿命值。
具体地,固态硬盘管理装置还收集各区块的坏道数量、写入次数和使用时间,这些反映了固态硬盘的物理损耗情况。坏道数量越多,写入次数越高,使用时间越短,意味着固态硬盘的物理损耗速率越快,寿命越短,进而可以预估该固态硬盘剩余的第二寿命值。
其中,可以通过大量的历史数据来分析总结出坏道数量、写入次数和使用时间与第二寿命值的对应关系。然后将这个对应关系记载到第二表格或第二数据库中。当固态硬盘管理装置收集到坏道数量、写入次数和使用时间这些数据时,可以通过第二表格或第二数据库直接查询到对应的第二寿命值。
可以通过大量的历史数据来分析总结出坏道数量、写入次数和使用时间与第二寿命值的对应关系。具体地,首先收集大量的历史数据,这些历史数据应包含存储区块的坏道数量、写入次数和使用时间以及它们达到寿命极限时的相关数据。接下来,可以使用统计分析、机器学习算法或数据挖掘技术来探索坏道数量、写入次数和使用时间与第二寿命值之间的关系。再基于分析的结果以及这些历史数据,来构建和训练寿命消耗预测模型,该寿命消耗预测模型可以是一个数学公式、一个决策树、一个神经网络或其他任何能够准确描述输入变量(坏道数量、写入次数、使用时间)与输出变量(第二寿命值)之间关系的模型。
当固态硬盘管理装置收集到坏道数量、写入次数和使用时间这些数据时,可以通过上述训练后的寿命消耗预测模型,来得到对应的第二寿命值。
在一些实施例中,也可以将分析得到的坏道数量、写入次数和使用时间与第二寿命值之间的对应关系,即不同坏道数量、写入次数和使用时间组合下的第二寿命值,记录在一个表格或数据库中。这个表格或数据库可以作为查询工具,快速给出任何特定组合下的第二寿命值。
(3)基于第一寿命值和第二寿命值,确定固态硬盘的寿命预测值。
最后可以将第一寿命值和第二寿命值,进行加权融合。例如设置第一寿命值P1的权重系数为Q1,第二寿命值P2的权重系数为Q2,其中,Q1+ Q2=1。最终得到的综合评估的寿命预测值P= Q1P1+ Q2P2。基于该寿命预测值可以评估该固态硬盘的剩余使用寿命。
这样,固态硬盘管理装置既考虑了固态硬盘的容量消耗因素,也考虑了物理损耗因素,这种预测结果更全面准确,可以更好地判断固态硬盘的实际健康状态和剩余寿命。
S215、在寿命预测值低于预设寿命阈值时,发出提示信息。
固态硬盘管理装置会将寿命预测值和预设的寿命阈值进行比较。当预测值低于阈值时,说明固态硬盘已经接近了使用寿命极限,这时固态硬盘管理装置会向用户终端发送存储健康状况不佳的提示信息,提示用户需要及时手动对重要数据进行备份,避免数据丢失。如果预测值正常,则不发送提示信息。
本申请实施例中,由于采用了固态硬盘的数据存储管理方法,并基于评估结果使用不同的加密技术进行有针对性的数据保护,以及根据数据重要性将加密后的数据动态分配到预设不同存储区间的存储管理机制,所以实现了固态硬盘内数据的差异化安全防护与分级控制。这种数据存储管理方法有效解决了相关技术中无法对固态硬盘内不同安全级别的数据进行差异化处理与动态分级存储的问题,达到了能根据数据敏感度与重要性进行优化分级管理的效果,既提高了数据存储的安全性,也延长了固态硬盘的使用寿命。
下面从硬件处理的角度对本发明申请实施例中的固态硬盘管理装置进行描述,请参阅图3,为本申请实施例中固态硬盘管理装置的一种实体装置结构示意图。
需要说明的是,图3示出的固态硬盘管理装置的结构仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示,固态硬盘管理装置包括中央处理单元(Central Processing Unit,CPU)401,其可以根据存储在只读存储器(Read-Only Memory,ROM)402中的程序或者从存储部分408加载到随机访问存储器(Random Access Memory,RAM)403中的程序而执行各种适当的动作和处理,例如执行上述实施例中所述的方法。在RAM 403中,还存储有系统操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(Input /Output,I/O)接口405也连接至总线404。
以下部件连接至I/O接口405:包括音频输入装置、按钮开关等的输入部分406;包括液晶显示器(Liquid Crystal Display,LCD)以及音频输出装置、指示灯等的输出部分407;包括硬盘等的存储部分408;以及包括诸如LAN(Local Area Network,局域网)卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器410上,以便于从其上读出的计算机程序根据需要被安装入存储部分408。
特别地,根据本发明的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中,该计算机程序可以通过通信部分409从网络上被下载和安装,和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时,执行本发明中限定的各种功能。
需要说明的是,计算机可读存储介质的具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。
具体的,本实施例的固态硬盘管理装置包括处理器和存储器,存储器与一个或多个处理器耦合,存储器用于存储计算机程序代码,计算机程序代码包括计算机指令,一个或多个处理器调用计算机指令以使得固态硬盘管理装置执行上述实施例所提供的方法。
作为另一方面,本发明还提供了一种计算机可读的存储介质,该存储介质可以是上述实施例中描述的固态硬盘管理装置中所包含的;也可以是单独存在,而未装配入该固态硬盘管理装置中。上述存储介质承载有一个或者多个计算机程序,当上述一个或者多个计算机程序被一个该固态硬盘管理装置的处理器执行时,使得该固态硬盘管理装置实现上述实施例中提供的固态硬盘的数据存储管理方法。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
上述实施例中所用,根据上下文,术语“当…时”可以被解释为意思是“如果…”或“在…后”或“响应于确定…”或“响应于检测到…”。类似地,根据上下文,短语“在确定…时”或“如果检测到(所陈述的条件或事件)”可以被解释为意思是“如果确定…”或“响应于确定…”或“在检测到(所陈述的条件或事件)时”或“响应于检测到(所陈述的条件或事件)”。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,该流程可以由计算机程序来指令相关的硬件完成,该程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法实施例的流程。而前述的存储介质包括:ROM或随机存储记忆体RAM、磁碟或者光盘等各种可存储程序代码的介质。
Claims (9)
1.一种固态硬盘的数据存储管理方法,应用于固态硬盘管理装置,其特征在于,所述方法包括:
获取存储于固态硬盘中的初始数据,并对所述初始数据进行敏感性评估,得到对应的安全级别;
基于所述安全级别对所述初始数据进行划分,得到多个分组数据,所述多个分组数据至少包括第一分组数据和第二分组数据,所述第一分组数据的安全级别高于所述第二分组数据的安全级别;
将所述固态硬盘的存储单元划分为多个存储区块,所述多个存储区块至少包括第一存储区块和第二存储区块,所述第一存储区块的第一预设写入次数上限小于所述第二存储区块的第二预设写入次数上限;
将所述第一分组数据和所述第二分组数据,分别写入到所述第一存储区块和所述第二存储区块;
获取所述第一存储区块和所述第二存储区块的写入次数;
确定所述第一存储区块中各个子区块部分的子写入次数,包括:所述第一存储区块包括N个子区块部分,各所述子区块部分的子写入次数分别为M1、M2、…、MN,所述子区块部分包括第1个子区块部分到第N个子区块部分;
将所述子写入次数达到所述第一预设写入次数上限的所述子区块部分,确定为停用子区块部分,包括:若第i个子区块部分的子写入次数Mi达到所述第一预设写入次数上限M,则将第i个子区块部分确定为停用子区块部分,其中,i小于或等于N,且大于或等于1;
根据所述停用子区块部分在所述第一存储区块中的占比,判断所述第一存储区块的写入次数是否达到所述第一预设写入次数上限,包括:所述停用子区块部分的数量为n,所述停用子区块部分在所述第一存储区块中的占比为n/N,当n/N大于设定的占比阈值P时,则判定所述第一存储区块的写入次数达到所述第一预设写入次数上限,当n/N小于或等于设定的占比阈值P时,则判定所述第一存储区块的写入次数未达到所述第一预设写入次数上限;
若所述第一存储区块的写入次数达到所述第一预设写入次数上限,则将所述第二存储区块中写入次数小于所述第一预设写入次数上限的部分,确定为再生第一存储区块,所述再生第一存储区块的写入次数上限与所述第一预设写入次数上限相同;
将新写入的第一分组数据存储至所述再生第一存储区块中。
2.根据权利要求1所述的方法,其特征在于,所述获取存储于固态硬盘中的初始数据,并对所述初始数据进行敏感性评估,得到对应的安全级别,具体包括:
获取存储于所述固态硬盘中的初始数据;
提取所述初始数据的多个特征信息;所述特征信息包括数据格式、数据大小、数据创建时间、数据命名方式、数据创建者信息;
基于预设信息库对所述多个特征信息进行匹配分析,确定所述初始数据的安全级别;
若匹配分析失败,则将所述多个特征信息输入到预设的数据评估模型中,得到安全级别评分和对应的安全级别。
3.根据权利要求1所述的方法,其特征在于,在所述基于所述安全级别对所述初始数据进行划分,得到多个分组数据的步骤之后,所述方法还包括:
若所述分组数据的安全级别高于第一预设阈值时,采用非对称加密算法中的RSA算法加密对应的所述分组数据,得到高加密分组数据;
在所述分组数据的安全级别低于第二预设阈值时,不加密对应的所述分组数据,得到未加密分组数据;
采用对称加密算法中的AES算法,加密所述多个分组数据中不属于所述高加密分组数据和所述未加密分组数据的分组数据,得到低加密的分组数据。
4.根据权利要求1所述的方法,其特征在于,在所述获取所述第一存储区块和所述第二存储区块的写入次数的步骤之后,所述方法还包括:
将所述第一存储区块和所述第二存储区块中,写入次数相对较少的部分划分为新的第一存储区块,写入次数相对较多的部分划分为新的第二存储区块,所述新的第一存储区块的写入次数上限与所述第一预设写入次数上限相同,所述新的第二存储区块的写入次数上限与所述第二预设写入次数上限相同;
将所述第一分组数据和所述第二分组数据,分别转移至所述新的第一存储区块和所述新的第二存储区块中。
5.根据权利要求1至4任一项所述的方法,其特征在于,在所述将新写入的第一分组数据存储至所述再生第一存储区块中的步骤之后,所述方法还包括:
基于所述多个存储区块的已用容量、剩余容量、使用时间、坏道数量和写入次数,确定所述固态硬盘的寿命预测值;
在所述寿命预测值低于预设寿命阈值时,发出提示信息;所述提示信息用于提示用户进行数据备份。
6.根据权利要求5所述的方法,其特征在于,所述基于所述多个存储区块的已用容量、剩余容量和坏道数量,确定所述固态硬盘的寿命预测值,具体包括:
根据所述多个存储区块的已用容量、剩余容量和使用时间确定第一寿命值;
根据所述多个存储区块的坏道数量、写入次数和使用时间确定第二寿命值;
基于所述第一寿命值和所述第二寿命值,确定所述固态硬盘的寿命预测值。
7.一种固态硬盘管理装置,其特征在于,包括:一个或多个处理器和存储器;
所述存储器与所述一个或多个处理器耦合,所述存储器用于存储计算机程序代码,所述计算机程序代码包括计算机指令,所述一个或多个处理器调用所述计算机指令以使得所述固态硬盘管理装置执行如权利要求1-6中任一项所述的方法。
8.一种计算机可读存储介质,存储有计算机指令,其特征在于,当所述计算机指令在固态硬盘管理装置上运行时,使得所述固态硬盘管理装置执行如权利要求1-6中任一项所述的方法。
9.一种计算机程序产品,其特征在于,当所述计算机程序产品在固态硬盘管理装置上运行时,使得所述固态硬盘管理装置执行如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410185343.3A CN117742618B (zh) | 2024-02-19 | 2024-02-19 | 一种固态硬盘的数据存储管理方法和固态硬盘管理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410185343.3A CN117742618B (zh) | 2024-02-19 | 2024-02-19 | 一种固态硬盘的数据存储管理方法和固态硬盘管理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117742618A CN117742618A (zh) | 2024-03-22 |
CN117742618B true CN117742618B (zh) | 2024-05-07 |
Family
ID=90253095
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410185343.3A Active CN117742618B (zh) | 2024-02-19 | 2024-02-19 | 一种固态硬盘的数据存储管理方法和固态硬盘管理装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117742618B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117971134B (zh) * | 2024-03-28 | 2024-05-31 | 深圳市铨兴科技有限公司 | 存算一体化固态硬盘的控制方法、系统和介质 |
CN118012353B (zh) * | 2024-04-09 | 2024-08-06 | 深圳市领德创科技有限公司 | 一种nvme加密移动固态硬盘 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110673789A (zh) * | 2019-09-05 | 2020-01-10 | 苏州浪潮智能科技有限公司 | 固态硬盘的元数据存储管理方法、装置、设备及存储介质 |
WO2020224500A1 (zh) * | 2019-05-09 | 2020-11-12 | 深圳大普微电子科技有限公司 | 一种固态硬盘的数据处理方法及装置 |
CN114817860A (zh) * | 2022-05-20 | 2022-07-29 | 深圳市金胜电子科技有限公司 | 一种数据统计方法、装置、固态硬盘及介质 |
CN115061635A (zh) * | 2022-06-30 | 2022-09-16 | 苏州忆联信息系统有限公司 | 固态硬盘闪存块读取次数压缩的方法、装置、计算机设备及存储介质 |
CN115129262A (zh) * | 2022-07-29 | 2022-09-30 | 苏州浪潮智能科技有限公司 | 一种固态硬盘垃圾回收方法、装置、设备及介质 |
CN116483265A (zh) * | 2023-03-28 | 2023-07-25 | 苏州浪潮智能科技有限公司 | 固态硬盘数据读写方法、装置及固态硬盘 |
CN116737064A (zh) * | 2023-03-29 | 2023-09-12 | 深圳市领德创科技有限公司 | 一种固态硬盘的数据管理方法和系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11416338B2 (en) * | 2020-04-24 | 2022-08-16 | Pure Storage, Inc. | Resiliency scheme to enhance storage performance |
US11733909B2 (en) * | 2021-06-21 | 2023-08-22 | Western Digital Technologies, Inc. | Secure-erase prediction for data storage devices |
-
2024
- 2024-02-19 CN CN202410185343.3A patent/CN117742618B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020224500A1 (zh) * | 2019-05-09 | 2020-11-12 | 深圳大普微电子科技有限公司 | 一种固态硬盘的数据处理方法及装置 |
CN110673789A (zh) * | 2019-09-05 | 2020-01-10 | 苏州浪潮智能科技有限公司 | 固态硬盘的元数据存储管理方法、装置、设备及存储介质 |
CN114817860A (zh) * | 2022-05-20 | 2022-07-29 | 深圳市金胜电子科技有限公司 | 一种数据统计方法、装置、固态硬盘及介质 |
CN115061635A (zh) * | 2022-06-30 | 2022-09-16 | 苏州忆联信息系统有限公司 | 固态硬盘闪存块读取次数压缩的方法、装置、计算机设备及存储介质 |
CN115129262A (zh) * | 2022-07-29 | 2022-09-30 | 苏州浪潮智能科技有限公司 | 一种固态硬盘垃圾回收方法、装置、设备及介质 |
CN116483265A (zh) * | 2023-03-28 | 2023-07-25 | 苏州浪潮智能科技有限公司 | 固态硬盘数据读写方法、装置及固态硬盘 |
CN116737064A (zh) * | 2023-03-29 | 2023-09-12 | 深圳市领德创科技有限公司 | 一种固态硬盘的数据管理方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117742618A (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kaur et al. | Artificial intelligence for cybersecurity: Literature review and future research directions | |
CN117742618B (zh) | 一种固态硬盘的数据存储管理方法和固态硬盘管理装置 | |
Duckworth et al. | Using explainable machine learning to characterise data drift and detect emergent health risks for emergency department admissions during COVID-19 | |
WO2017065070A1 (ja) | 不審行動検知システム、情報処理装置、方法およびプログラム | |
Fröwis et al. | Safeguarding the evidential value of forensic cryptocurrency investigations | |
US8584247B1 (en) | Systems and methods for evaluating compliance checks | |
US11245726B1 (en) | Systems and methods for customizing security alert reports | |
Lin et al. | Collaborative alert ranking for anomaly detection | |
CN117195297B (zh) | 基于erp的数据安全与隐私保护系统及方法 | |
Kumar et al. | Development of a cloud-assisted classification technique for the preservation of secure data storage in smart cities | |
CN109388949B (zh) | 一种数据安全集中管控方法和系统 | |
Chang et al. | A framework for estimating privacy risk scores of mobile apps | |
Pan et al. | Automated unearthing of dangerous issue reports | |
Rauf et al. | A taxonomic classification of insider threats: Existing techniques, future directions & recommendations | |
WO2022269387A1 (en) | Anomaly detection over high-dimensional space | |
Manikandakumar et al. | Security and Privacy Challenges in Big Data Environment | |
US11651313B1 (en) | Insider threat detection using access behavior analysis | |
Racherache et al. | CPID: Insider threat detection using profiling and cyber-persona identification | |
CN116702229B (zh) | 一种安全屋信息安全管控方法及系统 | |
CN117521091A (zh) | 基于数据分类分级的安全策略矩阵的访问控制方法及系统 | |
Mihailescu et al. | Unveiling Threats: Leveraging User Behavior Analysis for Enhanced Cybersecurity | |
Charmanas et al. | Topic and influence analysis on technological patents related to security vulnerabilities | |
De Marco et al. | Digital evidence management, presentation, and court preparation in the cloud: a forensic readiness approach | |
Holmes | Automated investigations: The role of the request filter in communications data analysis | |
Chih-Chang et al. | A Framework for Estimating Privacy Risk Scores of Mobile Apps |
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 |