CN117792603A - 一种物联数据安全共享方法及系统 - Google Patents

Abstract

本发明属于智慧城市技术领域，公开一种物联数据安全共享方法及系统，该方法包括：获取待共享的数据并扩展至多维空间；计算每个数据块的信息熵，进行动态网络层级压缩，混沌加密，验证混沌加密后的数据完整性；对环境数据进行变化趋势分析，根据实时环境数据生成动态加密密钥；并基于动态加密密钥对数据进行加密；根据加密数据、环境数据和网络状态动态调整分布式存储策略，并基于分布式存储策略对加密后的数据进行存储；根据数据共享需求建立通信协议，基于通信协议进行存储数据的安全共享。本发明实现了一种高效、安全、兼容、易扩展的智慧园区全域物联数据共享，优化了数据处理、加密和用户交互体验。

Description

一种物联数据安全共享方法及系统

技术领域

本发明涉及智慧城市技术领域，特别涉及一种物联数据安全共享方法及系统。

背景技术

随着信息技术和物联网技术的快速发展，智慧城市的构建成为了一个全球趋势。在这一背景下，智慧园区作为智慧城市的重要组成部分，需要更加高效和智能的数据处理和管理系统。智慧园区通常包含大量的传感器和物联网设备，这些设备不断收集着各类数据，如环境监测、能源使用、设施管理、交通流量等，用于优化园区运营和提高居民生活质量。

然而，在现有技术中，智慧园区面临着数据处理效率低下、数据安全性和隐私保护不足、系统兼容性和扩展性有限、用户交互体验不佳等问题。特别是在大数据环境下，这些问题尤为突出。因此，有必要开发一种全新的系统及方法，以解决上述问题，提高智慧园区的整体运营效率和用户体验。

我国专利申请号：CN202310623132.9，公开日：2023.10.13，公开了基于数字孪生的园区内企业生产信息管理共享方法和系统。所述园区内企业生产信息管理共享方法包括：通过采集园区内的企业生产信息，并利用所述企业生产信息建立建筑物数字孪生模型；实时采集园区内的各个企业的企业生产信息，并将所述企业生产信息发送至建筑物数字孪生模型，通过建筑物数字孪生模型实时监控企业的生产运行能源消耗状态和园区整体能耗状态；将所述企业的生产运行能源消耗状态和园区整体能耗状态发送至各个监控终端进行信息同步共享。所述系统包括与所述方法步骤对应的模块。

但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：现有技术在数据处理和传输方面效率不高，常常出现延迟问题，无法实现高效的实时数据处理；无法适应智慧园区多变的环境和设备状态，使得数据安全面临较大风险；未能充分考虑跨平台和设备间的兼容性，缺乏灵活的系统架构来应对快速变化的技术和业务需求；缺乏模块化和微服务架构，导致维护和升级成本昂贵。

发明内容

本发明实施例提供了一种物联数据安全共享方法及系统，以解决现有技术中的上述技术的问题。

为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键／重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

根据本发明实施例的第一方面，提供了一种物联数据安全共享方法。

在一个实施例中，所述物联数据安全共享方法，包括：

获取待共享的数据，并扩展至多维空间捕捉数据中的复杂结构和关联；

计算每个数据块的信息熵，基于映射数据和信息熵对数据进行动态网络层级压缩，并进行混沌加密，验证混沌加密后的数据完整性；

对环境数据进行变化趋势分析，根据实时环境数据生成动态加密密钥；并基于动态加密密钥对数据进行加密；

根据加密数据、环境数据和网络状态动态调整分布式存储策略，并基于分布式存储策略对加密后的数据进行存储；根据数据共享需求建立通信协议，基于通信协议进行存储数据的安全共享。

在一个实施例中，在数据维度扩展阶段，通过映射函数将获取的待共享数据扩展至多维空间，以捕捉数据中的复杂结构和关联，且所述映射函数的计算公式为：式中，/>表示映射结果，/>表示原始数据的第/>个维度，/>表示原始数据的维度数量，/>和/>分别代表映射的权重和偏置，/>表示缩放因子。

在一个实施例中，所述信息熵的计算公式为：式中，/>表示数据块的信息熵，/>表示数据中第/>个元素/>的概率分布，/>表示调节信息熵计算复杂度的指数，/>表示数据块中元素的数量。

在一个实施例中，在动态网络层级压缩阶段，根据数据的特性在不同层级应用不同的压缩策略对数据进行动态网络层级压缩，且所述动态网络层级压缩的计算公式为：式中，/>表示经过动态网络层级压缩后的数据，/>代表网络层级数，/>和/>表示第/>层的压缩参数，/>和/>分别表示第/>层的映射数据和信息熵。

在一个实施例中，所述混沌加密的计算公式为：式中，/>表示经过混沌加密的数据，/>、/>和/>分别代表混沌加密的幅度、频率和相位参数，/>表示经过动态网络层级压缩后的数据。

在一个实施例中，在数据完整性验证阶段，通过基于校验点的方法验证数据在处理和传输过程中的完整性，且所述数据完整性的验证公式为：式中，/>表示数据完整性验证的结果，/>代表校验点集合，/>和/>分别表示校验点/>和其他点/>的加密数据，/>表示校验系数。

在一个实施例中，在变化趋势分析阶段，对获取的环境参数进行变化趋势分析，为后续的加密密钥生成提供基础，实现对多维环境数据的实时采集和分析，且所述环境数据的计算公式为：式中，/>表示在时间/>的综合环境数据，表示第/>个环境监测指标在时间/>的实测值，/>表示第/>个环境监测指标的权重，/>表示对数函数偏移量，/>表示第/>个环境监测指标的非线性调整系数，/>和/>分别表示调整/>的影响强度和响应方式的参数。

在一个实施例中，所述动态加密密钥的计算公式为：式中，/>表示在时间/>生成的密钥，是基于一系列环境参数/>的变换函数/>和/>的结果，变换函数/>和/>通过系数/>和/>调整变换的复杂度和非线性特征，/>表示在时间/>的第/>个环境参数，/>表示变换函数，将/>转换成一个数值，/>表示变换函数，为密钥生成过程提供维度的复杂性，/>表示环境参数的总数，/>表示一系列操作的组合，这里指的是多个变换函数的结果相结合，以形成最终的加密密钥，/>表示按位异或操作；

在数据加密阶段，通过基于环境数据的复合加密方法，结合数据本身的特性及环境变化实现动态和适应性的数据加密，且所述数据加密的计算公式为：式中，/>表示加密后的数据，/>表示/>在时间生成的密钥，/>表示待加密的原始数据，/>表示在时间/>的综合环境数据，/>表示基于/>和/>的自定义加密函数。/>表示指数，用于增加加密算法复杂性，提高加密算法的安全性，/>表示系数，用于调整自定义加密函数的输出，增加额外的复杂性和安全性，/>表示指数，对自定义加密函数的结果进行幂运算，进一步增强了数据的安全性。

在一个实施例中，所述分布式存储策略的优化公式为：式中，/>表示优化后的存储策略，/>表示函数，/>表示加密后的数据，/>表示在时间/>的综合环境数据，/>表示网络状态，/>和/>表示调整存储策略对网络状态敏感度的系数，/>表示网络状态的数学范数。

根据本发明实施例的第二方面，提供了一种物联数据安全共享系统。

在一个实施例中，所述物联数据安全共享系统，包括：

数据获取映射模块，用于获取待共享的数据，并扩展至多维空间捕捉数据中的复杂结构和关联；

数据编码压缩模块，计算每个数据块的信息熵，基于映射数据和信息熵对数据进行动态网络层级压缩，并进行混沌加密，验证混沌加密后的数据完整性；

数据加密模块，对环境数据进行变化趋势分析，根据实时环境数据生成动态加密密钥；并基于动态加密密钥对数据进行加密；

数据存储共享模块，根据加密数据、环境数据和网络状态动态调整分布式存储策略，并基于分布式存储策略对加密后的数据进行存储；根据数据共享需求建立通信协议，基于通信协议进行存储数据的安全共享。

根据本发明实施例的第三方面，提供了一种计算机设备。

在一些实施例中，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。

根据本发明实施例的第四方面，提供了一种计算机可读存储介质。

在一个实施例中，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。

本发明实施例提供的技术方案可以包括以下有益效果：

1）通过结合边缘计算和高级数据压缩算法，本发明大幅提高了数据处理和传输的效率；边缘计算的应用减少了数据在网络中的传输距离和时间，而高级数据压缩算法确保数据在传输过程中占用较小的带宽，从而实现高效率和低延迟的数据共享。

2）通过复合环境感应动态数据加密和分布式存储协议，本发明在保护数据安全性和隐私方面做出了显著贡献；特别是动态加密密钥生成策略和复合加密方法，它们结合了环境数据和物联网设备状态，为数据提供了高度复杂和难以预测的加密保护。

3）通过开发基于RESTful API的通用接口标准和协议，本发明有效解决了智慧园区系统中跨平台和设备间的兼容性问题；这种无状态、客户端-服务器的通信协议为各种平台和设备提供了一个统一的数据交互方式；采用模块化的系统架构设计，特别是微服务架构，使得系统各个组件可以独立开发和维护，极大提高了系统的灵活性、可扩展性及维护效率；通过引入人工智能驱动的交互界面，本发明提供了更为直观和个性化的用户体验；利用自然语言处理技术和机器学习算法，系统能够理解和适应用户的行为和偏好，提供更加人性化的服务。

4）本发明能够有效解决现有技术在数据处理和传输方面效率不高，常常出现延迟问题，无法实现高效的实时数据处理；无法适应智慧园区多变的环境和设备状态，使得数据安全面临较大风险；未能充分考虑跨平台和设备间的兼容性，缺乏灵活的系统架构来应对快速变化的技术和业务需求；缺乏模块化和微服务架构，导致维护和升级成本昂贵。并且，上述系统或方法经过了一系列的效果调研，通过验证，最终实现了一种高效、安全、兼容、易扩展的智慧园区全域物联数据共享系统，优化了数据处理、加密和用户交互体验。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的一种物联数据安全共享方法的流程示意图；

图2是根据一示例性实施例示出的一种物联数据安全共享系统的结构框图；

图3是根据一示例性实施例示出的一种物联数据安全共享系统具体应用在智慧园区全域时的结构框图；

图4是根据一示例性实施例示出的一种物联数据安全共享方法具体应用在智慧园区全域时的流程示意图；

图5是根据一示例性实施例示出的计算机设备的结构示意图。

具体实施方式

以下描述和附图充分地示出本文的具体实施方案，以使本领域的技术人员能够实践它们。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本文的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同物。本文中，术语“第一”、“第二”等仅被用来将一个元素与另一个元素区分开来，而不要求或者暗示这些元素之间存在任何实际的关系或者顺序。实际上第一元素也能够被称为第二元素，反之亦然。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的结构、装置或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种结构、装置或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的结构、装置或者设备中还存在另外的相同要素。本文中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

本文中的术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本文和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。在本文的描述中，除非另有规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

本文中，除非另有说明，术语“多个”表示两个或两个以上。

本文中，字符“/”表示前后对象是一种“或”的关系。例如，A/B表示：A或B。

本文中，术语“和/或”是一种描述对象的关联关系，表示可以存在三种关系。例如，A和/或B，表示：A或B，或，A和B这三种关系。

应该理解的是，虽然流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

本申请的装置或系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

图1示出了本发明的一种物联数据安全共享方法的一个实施例。

在该可选实施例中，所述物联数据安全共享方法，包括：

S101，获取待共享的数据，并扩展至多维空间捕捉数据中的复杂结构和关联；

S103，计算每个数据块的信息熵，基于映射数据和信息熵对数据进行动态网络层级压缩，并进行混沌加密，验证混沌加密后的数据完整性；

S105，对环境数据进行变化趋势分析，根据实时环境数据生成动态加密密钥；并基于动态加密密钥对数据进行加密；

S107，根据加密数据、环境数据和网络状态动态调整分布式存储策略，并基于分布式存储策略对加密后的数据进行存储；根据数据共享需求建立通信协议，基于通信协议进行存储数据的安全共享。

图2示出了本发明的一种物联数据安全共享系统的一个实施例。

在该可选实施例中，所述物联数据安全共享系统，包括：

数据获取映射模块201，用于获取待共享的数据，并扩展至多维空间捕捉数据中的复杂结构和关联；

数据编码压缩模块203，计算每个数据块的信息熵，基于映射数据和信息熵对数据进行动态网络层级压缩，并进行混沌加密，验证混沌加密后的数据完整性；

数据加密模块205，对环境数据进行变化趋势分析，根据实时环境数据生成动态加密密钥；并基于动态加密密钥对数据进行加密；

数据存储共享模块207，根据加密数据、环境数据和网络状态动态调整分布式存储策略，并基于分布式存储策略对加密后的数据进行存储；根据数据共享需求建立通信协议，基于通信协议进行存储数据的安全共享。

在具体应用时，以智慧园区全域为例，本发明提供了一种智慧园区全域物联数据安全共享系统及方法，解决了现有技术在数据处理和传输方面效率不高，常常出现延迟问题，无法实现高效的实时数据处理；无法适应智慧园区多变的环境和设备状态，使得数据安全面临较大风险；未能充分考虑跨平台和设备间的兼容性，缺乏灵活的系统架构来应对快速变化的技术和业务需求；缺乏模块化和微服务架构，导致维护和升级成本昂贵。

为解决上述问题，本发明的总体思路如下：

通过结合边缘计算和高级数据压缩算法，本发明大幅提高了数据处理和传输的效率；边缘计算的应用减少了数据在网络中的传输距离和时间，而高级数据压缩算法确保数据在传输过程中占用较小的带宽，从而实现高效率和低延迟的数据共享；通过复合环境感应动态数据加密和分布式存储协议，本发明在保护数据安全性和隐私方面做出了显著贡献；特别是动态加密密钥生成策略和复合加密方法，它们结合了环境数据和物联网设备状态，为数据提供了高度复杂和难以预测的加密保护；通过开发基于RESTful API的通用接口标准和协议，本发明有效解决了智慧园区系统中跨平台和设备间的兼容性问题；这种无状态、客户端-服务器的通信协议为各种平台和设备提供了一个统一的数据交互方式；采用模块化的系统架构设计，特别是微服务架构，使得系统各个组件可以独立开发和维护，极大提高了系统的灵活性、可扩展性及维护效率；通过引入人工智能驱动的交互界面，本发明提供了更为直观和个性化的用户体验；利用自然语言处理技术和机器学习算法，系统能够理解和适应用户的行为和偏好，提供更加人性化的服务。

如图3所示，智慧园区全域物联数据安全共享系统包括：数据采集模块、复合映射模块、自适应编码模块、压缩模块、验证模块、趋势分析模块、密钥生成模块、数据加密模块、分布式存储模块；

所述数据采集模块，用于收集智慧园区内各种传感器和设备的数据，包括环境监控数据、能源使用数据、设施管理数据、交通和流量数据、居民服务数据等；数据采集模块通过数据传输的方式与复合映射模块、趋势分析模块相连；

所述复合映射模块，用于将原始数据通过映射函数扩展到多维空间，以捕捉数据中的复杂结构和关联；复合映射模块通过数据传输的方式与自适应编码模块相连；

所述自适应编码模块，用于计算每个数据块的信息熵，进行信息熵的计算和基于信息熵的数据编码；自适应编码模块通过数据传输的方式与压缩模块相连；

所述压缩模块，用于采用动态网络层级压缩算法，根据数据的特性在不同层级应用不同的压缩策略；压缩模块通过数据传输的方式与验证模块相连；

所述验证模块，用于通过基于校验点的方法验证数据在处理和传输过程中的完整性；验证模块通过数据传输的方式与趋势分析模块相连；

所述趋势分析模块，用于对收集的环境参数（如温度、湿度、光照等）进行变化趋势分析，为后续的加密密钥生成提供基础；趋势分析模块通过数据传输的方式与密钥生成模块相连；

所述密钥生成模块，用于根据实时环境数据生成高度复杂和难以预测的动态加密密钥；密钥生成模块通过数据传输的方式与数据加密模块相连；

所述数据加密模块，用于使用基于环境数据的复合加密方法，结合数据本身的特性和环境变化实现动态和适应性的数据加密；数据加密模块通过数据传输的方式与分布式存储模块相连；

所述分布式存储模块，用于使用分布式存储策略，根据加密数据、环境数据和网络状态动态调整，优化数据存取速度和可靠性。

如图4所示，智慧园区全域物联数据安全共享方法包括以下步骤：

步骤1，研发一种结合边缘计算和高级数据压缩算法的数据处理和传输方法，实现高效率和低延迟的数据共享；

智慧园区作为一个高度集成的智能环境，包含了多种传感器和设备，数据采集模块不断地收集各类数据，用于环境监控、设施管理、能源使用优化和居民服务等多个方面。收集的原始数据包括：环境监控数据、能源使用数据、设施管理数据、交通和流量数据、居民服务数据。

为了在数据共享时实现高效率和低延迟，研发了一种结合边缘计算和高级数据压缩算法的数据处理和传输方法。边缘计算通过在数据源近端进行数据处理，大幅减少了数据传输的延迟。同时，高级数据压缩算法确保在传输过程中数据保持较小的体积，从而加快了数据传输速度，解决了高效率和低延迟的问题。

数据处理和传输方法涉及多维数据映射、自适应信息熵编码、动态网络层级压缩、混沌数据加密和基于校验点的数据完整性验证，最终实现提高数据处理的效率，保证数据的安全性和完整性。

具体的，在数据维度扩展阶段，复合映射模块将原始数据通过映射函数扩展到多维空间。所述映射是一个结合了对数函数、指数函数和多项式函数的复合映射。映射函数的计算公式为：式中，/>表示映射结果，/>表示原始数据的第/>个维度，/>表示原始数据的维度数量，/>和/>分别代表映射的权重和偏置，/>表示缩放因子，用于调整映射的幅度，/>表示自然对数，上述映射的目的是将数据投影到一个更高维度的空间中，以便更有效地捕捉数据中的复杂结构和关联。

为了优化数据的表示并提高压缩效率，自适应编码模块引入了自适应信息熵编码，计算每个数据块的信息熵，公式为：式中，/>表示数据块的信息熵，/>表示数据中第/>个元素/>的概率分布，/>表示数据块中元素的数量，/>是一个指数，用于调节信息熵的计算复杂度。信息熵作为数据不确定性的度量，用于指导自适应的数据压缩策略。

压缩模块采用动态网络层级压缩算法在不同层级上根据数据的特性应用不同的压缩策略。利用了指数函数和二次项来增加压缩过程的非线性，具体公式为：式中，/>表示经过动态网络层级压缩后的数据，/>代表网络层级数，和/>表示第/>层的压缩参数，/>和/>分别表示第/>层的映射数据和信息熵。

混沌理论在数据加密领域中以其高度的不可预测性和敏感性而闻名，混沌数据加密阶段采用了下述混沌加密公式：式中，/>表示经过混沌加密的数据，/>表示经过动态网络层级压缩后的数据，/>、/>和/>分别代表混沌加密的幅度、频率和相位参数，混沌数据加密方法增强了数据安全性，使得即使是微小的数据变化也会导致加密后输出的显著不同。

为了确保数据在处理和传输过程中的完整性，验证模块设计了一个基于校验点的验证方法。验证公式为：式中，/>表示数据完整性验证的结果，/>代表校验点集合，/>和/>分别表示校验点/>和其他点/>的加密数据，/>表示校验系数。

通过上述数据处理和传输方法，在智慧园区全域物联数据共享场景中，它能够有效地处理和传输大量异构数据，同时确保数据的安全性和完整性。智慧园区可以在保护数据安全的同时，实现数据共享的高效率和低延迟，为智慧城市的建设提供强有力的技术支撑。

步骤2，构建复合环境感应动态数据加密和分布式存储协议，确保数据共享中的安全性和隐私保护；

为了确保数据共享中的安全性和隐私保护，开发一种适用于智慧园区全域物联数据共享系统的数据加密和存储协议，构建复合环境感应动态数据加密和分布式存储协议。该协议专门考虑了智慧园区中的多元化环境因素和物联网设备的动态数据特征，通过一系列数学运算和数据处理逻辑来保证数据的安全性和高效性。

在复合环境感应动态数据加密和分布式存储协议中，趋势分析模块对数据采集模块采集的温度、湿度、光照等环境参数进行变化趋势分析，为后续的加密密钥生成提供了基础，实现了对智慧园区多维环境数据的实时采集和分析。具体公式为：式中，/>表示在时间/>的综合环境数据，是一系列环境参数的加权和，每个参数/>是第/>个环境监测指标在时间/>的实测值，/>表示第/>个环境监测指标的权重，/>表示对数函数偏移量，/>表示第/>个环境监测指标的非线性调整系数，/>和/>用于调整环境参数/>的影响强度和响应方式，以适应智慧园区复杂多变的环境。

基于环境数据和物联网设备状态，密钥生成模块采用动态加密密钥生成策略，根据实时环境数据生成高度复杂和难以预测的加密密钥，从而增强数据安全性。具体公式为：

式中，/>表示在时间/>生成的密钥，是基于一系列环境参数/>的变换函数/>和/>的结果，变换函数/>和/>通过系数/>和/>调整变换的复杂度和非线性特征，/>表示在时间/>的第/>个环境参数，/>表示变换函数，将/>转换成一个数值，/>表示变换函数，为密钥生成过程提供维度的复杂性，/>表示环境参数的总数，/>表示一系列操作的组合，这里指的是多个变换函数的结果相结合，以形成最终的加密密钥，/>表示按位异或操作；

在数据加密阶段，数据加密模块采用了一种基于环境数据的复合加密方法，不仅考虑了数据本身的特性，还结合了环境变化，从而实现了高度动态和适应性的数据加密。加密公式为：式中，/>表示加密后的数据，/>表示在时间/>生成的密钥，/>表示待加密的原始数据，/>表示用于增加加密算法复杂性的指数，用于增加加密算法复杂性，提高加密算法的安全性，/>表示用于调整自定义加密函数输出的系数，用于调整自定义加密函数的输出，增加额外的复杂性和安全性，/>表示对自定义加密函数的结果进行幂运算的指数，对自定义加密函数的结果进行幂运算，进一步增强了数据的安全性，/>表示在时间/>的综合环境数据，/>表示基于/>和/>的自定义加密函数，增加了数据加密的复杂性和安全性。

在数据存储方面，分布式存储模块采用了一种分布式存储策略，以优化数据的存取速度和可靠性。这种策略根据加密数据、环境数据和网络状态动态调整，以应对智慧园区中数据量大、访问频繁的挑战。存储优化公式为：式中，/>表示优化后的存储策略，/>表示函数，/>表示加密后的数据，/>表示在时间/>的综合环境数据，/>表示网络状态，函数/>根据加密数据/>、环境数据/>和网络状态/>决定存储方法，/>和/>表示调整存储策略对网络状态敏感度的系数，/>表示网络状态的数学范数，用于评估网络的当前条件和稳定性。

复合环境感应动态数据加密和分布式存储协议为智慧园区提供了一种高度安全、适应性强、并且高效的数据加密和存储解决方案，这种方法特别适用于处理大量多样化的数据，满足智慧园区对数据安全性和访问效率的高标准要求。

步骤3，开发一个基于RESTful API的通用接口标准和协议，解决系统的跨平台和不同设备间兼容性的问题，采用模块化的系统架构设计，引入人工智能驱动的交互界面，实现了一个高效、安全、兼容、易扩展且具有智能交互界面的智慧园区全域物联数据共享系统。

为了解决智慧园区全域物联数据共享系统的跨平台和不同设备间兼容性的问题，开发了一个基于RESTful API的通用接口标准和协议。这种接口标准采用了一种无状态、客户端-服务器的通信协议，它允许使用标准的HTTP方法进行数据交互，如GET用于数据检索，POST用于创建新资源，PUT用于更新现有资源，DELETE用于删除资源。为数据格式选择了JSON，因其轻量级且易于各平台解析。此外，API设计中加入了版本控制机制，以适应未来技术升级和拓展需求，同时保持向后兼容性。

然而，引入这种通用接口带来了系统可扩展性和维护成本的挑战。为应对这一挑战，采用了模块化的系统架构设计，特别是微服务架构。在这种架构中，系统被划分为一系列小型、独立的服务，每个服务运行在自己的进程中，通过轻量级的通信机制（如HTTP RESTAPI或消息队列）进行互联。每个微服务独立部署，并拥有自己的数据库和资源，这样的设计减少了服务间的耦合，增加了系统的灵活性和可扩展性。微服务架构还简化了系统的更新和维护过程，因为可以独立更新或扩展单个服务而不影响整个系统的稳定性。

为提升用户界面的友好度和系统的交互性，引入了人工智能驱动的交互界面。这个界面利用了自然语言处理技术，如BERT（双向编码器表示转换技术），来解析用户的查询和指令。BERT的核心优势在于其能够理解语言的上下文，使交互更加自然和直观。同时，系统通过分析用户的行为和偏好，结合机器学习算法（如协同过滤）来提供个性化的内容和服务推荐。这种个性化的方法不仅提高了系统的易用性，还增强了用户的参与度和满意度。

通过这些技术步骤，实现了一个高效、安全、兼容、易扩展且具有智能交互界面的智慧园区全域物联数据共享系统。这个系统不仅在技术层面上实现了创新，还在实际应用中展现出巨大的潜力，为智慧园区的管理和运营提供了强大的数据支持。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储静态信息和动态信息数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述方法实施例中的步骤。

本领域技术人员可以理解，图5中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

此外，本发明还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述方法实施例中的步骤。

另外，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方法实施例中的步骤。

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，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-Only Memory，ROM）、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic Random Access Memory，DRAM）等。

本发明并不局限于上面已经描述并在附图中示出的结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (10)

1.一种物联数据安全共享方法，其特征在于，包括：

获取待共享的数据，并扩展至多维空间捕捉数据中的复杂结构和关联；

计算每个数据块的信息熵，基于映射数据和信息熵对数据进行动态网络层级压缩，并进行混沌加密，验证混沌加密后的数据完整性；

对环境数据进行变化趋势分析，根据实时环境数据生成动态加密密钥；并基于动态加密密钥对数据进行加密；

根据加密数据、环境数据和网络状态动态调整分布式存储策略，并基于分布式存储策略对加密后的数据进行存储；根据数据共享需求建立通信协议，基于通信协议进行存储数据的安全共享。

2.根据权利要求1所述的物联数据共享方法，其特征在于，在数据维度扩展阶段，通过映射函数将获取的待共享数据扩展至多维空间，以捕捉数据中的复杂结构和关联，且所述映射函数的计算公式为：式中，/>表示映射结果，/>表示原始数据的第/>个维度，/>表示原始数据的维度数量，/>和/>分别代表映射的权重和偏置，/>表示缩放因子。

3.根据权利要求1所述的物联数据共享方法，其特征在于，所述信息熵的计算公式为：式中，/>表示数据块的信息熵，/>表示数据中第/>个元素/>的概率分布，/>表示调节信息熵计算复杂度的指数，/>表示数据块中元素的数量。

4.根据权利要求1所述的物联数据共享方法，其特征在于，在动态网络层级压缩阶段，根据数据的特性在不同层级应用不同的压缩策略对数据进行动态网络层级压缩，且所述动态网络层级压缩的计算公式为：式中，/>表示经过动态网络层级压缩后的数据，/>代表网络层级数，/>和/>表示第/>层的压缩参数，/>和/>分别表示第/>层的映射数据和信息熵。

5.根据权利要求1所述的物联数据共享方法，其特征在于，所述混沌加密的计算公式为：式中，/>表示经过混沌加密的数据，/>、/>和/>分别代表混沌加密的幅度、频率和相位参数，/>表示经过动态网络层级压缩后的数据。

6.根据权利要求1所述的物联数据共享方法，其特征在于，在数据完整性验证阶段，通过基于校验点的方法验证数据在处理和传输过程中的完整性，且所述数据完整性的验证公式为：式中，/>表示数据完整性验证的结果，/>代表校验点集合，/>和/>分别表示校验点/>和其他点/>的加密数据，/>表示校验系数。

7.根据权利要求1所述的物联数据共享方法，其特征在于，在变化趋势分析阶段，对获取的环境参数进行变化趋势分析，为后续的加密密钥生成提供基础，实现对多维环境数据的实时采集和分析，且所述环境数据的计算公式为：式中，/>表示在时间/>的综合环境数据，/>表示第/>个环境监测指标在时间/>的实测值，/>表示第/>个环境监测指标的权重，/>表示对数函数偏移量，/>表示第/>个环境监测指标的非线性调整系数，/>和/>分别表示调整/>的影响强度和响应方式的参数。

8.根据权利要求1所述的物联数据共享方法，其特征在于，所述动态加密密钥的计算公式为：式中，/>表示在时间/>生成的密钥，是基于一系列环境参数/>的变换函数/>和/>的结果，变换函数/>和/>通过系数/>和/>调整变换的复杂度和非线性特征，/>表示在时间/>的第/>个环境参数，/>表示变换函数，将/>转换成一个数值，/>表示变换函数，为密钥生成过程提供维度的复杂性，/>表示环境参数的总数，/>表示多个变换函数的结果相结合，以形成最终的加密密钥，/>表示按位异或操作；

在数据加密阶段，通过基于环境数据的复合加密方法，结合数据本身的特性及环境变化实现动态和适应性的数据加密，且所述数据加密的计算公式为：式中，/>表示加密后的数据，/>表示在时间/>生成的密钥，/>表示待加密的原始数据，/>表示用于增加加密算法复杂性的指数，/>表示用于调整自定义加密函数输出的系数，/>表示对自定义加密函数的结果进行幂运算的指数，/>表示在时间/>的综合环境数据，/>表示基于/>和/>的自定义加密函数。

9.根据权利要求1所述的物联数据共享方法，其特征在于，所述分布式存储策略的优化公式为：式中，/>表示优化后的存储策略，/>表示函数，/>表示加密后的数据，/>表示在时间/>的综合环境数据，/>表示网络状态，/>和/>表示调整存储策略对网络状态敏感度的系数，/>表示网络状态的数学范数。

10.一种物联数据安全共享系统，其特征在于，包括：

数据获取映射模块，用于获取待共享的数据，并扩展至多维空间捕捉数据中的复杂结构和关联；

数据编码压缩模块，计算每个数据块的信息熵，基于映射数据和信息熵对数据进行动态网络层级压缩，并进行混沌加密，验证混沌加密后的数据完整性；

数据加密模块，对环境数据进行变化趋势分析，根据实时环境数据生成动态加密密钥；并基于动态加密密钥对数据进行加密；

数据存储共享模块，根据加密数据、环境数据和网络状态动态调整分布式存储策略，并基于分布式存储策略对加密后的数据进行存储；根据数据共享需求建立通信协议，基于通信协议进行存储数据的安全共享。