本發明涉及數據資產安全管理,更具體地說,它涉及工業互聯網數據資產安全管理平臺及方法。
背景技術:
1、在當今數字化轉型的浪潮中,工業互聯網通過集成高級制造技術、云計算、大數據、人工智能等先進技術,實現了生產設備、信息系統、產品及人的泛在連接與高效協同,極大地提升了生產效率和創新能力。
2、然而,在企業日常運行的過程中,從生產參數、運營狀態到客戶信息的廣泛范疇,這些數據資產不僅是企業決策優化、故障預測、能效管理的寶貴資源,也構成了企業核心競爭力的一部分,因此,隨著工業互聯網規模的迅速擴張,數據資產的安全管理成為一個亟待解決的關鍵問題。
技術實現思路
1、本發明提供工業互聯網數據資產安全管理平臺及方法,解決相關技術中對互聯網數據資產進行安全管理的技術問題。
2、本發明提供了工業互聯網數據資產安全管理平臺,包括:
3、初始信息構建單元,其用于構建常用文字庫和數字編碼庫,數字編碼庫中的編碼和常用文字庫中的字符數量均為t;
4、對應關系生成器,其用于確定常用文字庫和數字編碼庫中的字符和編碼的對應關系;
5、編碼壓縮模塊,其用于將傳輸文本根據對應關系生成器的信息進行加密,生成密文,然后將其進行壓縮;
6、解碼器,其用于根據發送密文的企業的曾使用過的字符和編碼的對應關系和計算其中安全性最高的對應關系進行解碼;
7、t為自定義參數。
8、進一步地,對應關系生成器包括對應關系排列單元和對應關系選擇單元;
9、對應關系排列單元用于將常用文字庫和數字編碼庫中的字符和編碼的所有對應關系進行排列,生成若干個關系對,并對每個關系對進行排序;對應關系選擇單元用于根據企業曾使用過的關系對來篩選出一個安全性最高的關系對。
10、進一步地,篩選安全性最高的關系對的具體步驟如下:
11、步驟s211,篩選企業曾使用過的關系對,并在對應關系排列單元中將這些關系對刪除;
12、步驟s212,預設關系對安全性閾值,采用逆序對數計算剩余相似對和企業曾使用過的關系對的差異度值,并根據差異度值計算其安全性評分;
13、步驟s213,將相似度低于關系對安全性閾值的關系對排除;
14、步驟s214,經步驟s213排除之后的相似對如果有連續序號的,選最長一段的中間位置的相似對作為安全性最高的關系對;如果沒有連續序號,則降低關系對安全性閾值,并進入步驟s213;
15、關系對安全性閾值為自定義參數。
16、進一步地,計算關系對的安全性評分s(pnew)的計算公式具體如下:
17、
18、式中,d(pold,pnew)表示企業曾使用過的關系對poid和未曾使用過的關系對pnew之間的差異度值;n表示最大的差異度值;n為自定義參數。
19、進一步地,d(pold,pnew)的計算公式具體如下:
20、d(pold,pnew)=|{(i,j)|pold(i)<pnew(j)∧pnew(i)>pold(j)}|;
21、式中,pold(i)和pold(j)分別表示企業曾使用過的關系對poid中的第i個和第j個字符對應的位置;pnew(i)和pnew(j)分別表示企業未曾用過的關系對pnew中的第i個和第j個字符對應的位置。
22、進一步地,編碼壓縮模塊包括加密執行器和密文壓縮單元;
23、加密執行器用于將傳輸文本按照對應關系選擇單元篩選出來的關系對轉換成密文;密文壓縮單元采用哈夫曼編碼對密文進行壓縮。
24、進一步地,確定常用文字庫和數字編碼庫中的字符和編碼的對應關系的步驟包括:
25、步驟s221,根據常用文字庫和數字編碼庫構建關系排列數據集,并進行排序,將企業曾使用過的關系排列記為第一關系排列數據,將其他關系排列記為第二關系排列數據;
26、步驟s222,將第一關系排列數據和第二關系排列數據輸入對應關系安全性分析模型,輸出每個第二關系排列數據的安全性評分;
27、步驟s223,預設對應關系安全閾值,將安全性評分低于對應關系安全閾值的第二關系排列數據刪除;
28、步驟s224,如果剩余的第二關系排列數據有連續序號,選取最長一段的中間序號的第二關系排列數據作為安全性最高的對應關系;如果沒有,則降低對應關系安全閾值,并進入步驟s223;
29、對應關系安全閾值為自定義參數。
30、進一步地,對應關系安全性分析模型基于深度學習網絡構建。
31、進一步地,用于訓練對應關系安全性分析模型的訓練樣本包括:
32、預設m個關系排列數據作為企業曾使用過的關系排列數據,隨機生成一個企業未使用過的關系排列數據,作為一個用于訓練對應關系安全性分析模型的樣本數據;
33、以上述樣本為基礎,采用枚舉法由高到低列舉和企業曾使用過的關系排列數據相似度最高的關系排列數據,匹配到樣本數據時,統計列舉的關系排列數據的量;
34、然后根據所有的企業未使用過的關系排列數據被匹配到時列舉的關系排列數據的量,由高到低標記每個企業未使用過的關系排列數據的安全性,企業未使用過的關系排列數據的安全性作為對應的樣本數據的樣本標簽。
35、本發明還提供了工業互聯網數據資產安全管理平臺的管理方法,包括如下步驟:
36、步驟s501,構建常用文字庫和數字編碼庫;
37、步驟s502,計算并篩選出安全性最高的字符和編碼的對應關系;
38、步驟s503,根據安全性最高的字符和編碼的對應關系對傳輸文本進行加密;
39、步驟s504,采用和步驟s502同樣的方法篩選安全性最高的字符和編碼的對應關系,并根據其對密文進行解密。
40、本發明的有益效果在于:在對企業的傳輸文本進行加密時,根據企業曾經使用過的字符和編碼的對應關系篩選安全性最高的字符和編碼的對應關系,由此可見,字符和編碼的對應關系并不唯一,可以避免因某次傳輸文本的密文被破解導致所有的密文都被破解的現象出現,顯著提高企業對傳輸文本進行加密的安全性,此外,選取安全性最高的字符和編碼的對應關系的計算方法較為復雜,進一步提高了本發明的安全性。
1.工業互聯網數據資產安全管理平臺,其特征在于,包括:
2.根據權利要求1所述的工業互聯網數據資產安全管理平臺,其特征在于,對應關系生成器(20)包括對應關系排列單元(201)和對應關系選擇單元(202);
3.根據權利要求2所述的工業互聯網數據資產安全管理平臺,其特征在于,篩選安全性最高的關系對的具體步驟如下:
4.根據權利要求3所述的工業互聯網數據資產安全管理平臺,其特征在于,計算關系對的安全性評分s(pnew)的計算公式具體如下:
5.根據權利要求4所述的工業互聯網數據資產安全管理平臺,其特征在于,d(pold,pnew)的計算公式具體如下:
6.根據權利要求1所述的工業互聯網數據資產安全管理平臺,其特征在于,編碼壓縮模塊(30)包括加密執行器和密文壓縮單元;
7.根據權利要求1所述的工業互聯網數據資產安全管理平臺,其特征在于,確定常用文字庫和數字編碼庫中的字符和編碼的對應關系的步驟包括:
8.根據權利要求7所述的工業互聯網數據資產安全管理平臺,其特征在于,對應關系安全性分析模型基于深度學習網絡構建。
9.根據權利要求7所述的工業互聯網數據資產安全管理平臺,其特征在于,用于訓練對應關系安全性分析模型的訓練樣本包括:
10.工業互聯網數據資產安全管理平臺的管理方法,其特征在于,包括如下步驟: