一种基于人工智能的加密数据重构方法与系统技术方案

本发明专利技术提供了一种基于人工智能的加密数据重构方法与系统。方法包括：利用解密模型对加密数据进行解密得到解密数据；对解密数据进行分段得到若干数据片段；根据加密模型和解密模型的收敛值、数据片段的关联度确定数据片段的搜索范围；在核心数据片段的搜索范围内确定核心数据片段可选值；根据核心数据片段与非核心数据片段之间的数据结构信息对核心数据片段可选值进行处理，得到非核心数据片段的重构值；获取不同可选值对应的越界程度逼近程度；根据越界程度、逼近程度确定最优核心片段可选值，根据最优核心片段可选值以及数据结构信息得到加密数据的重构数据。本发明专利技术提高了加密数据的重构精度。据的重构精度。据的重构精度。

【技术实现步骤摘要】
一种基于人工智能的加密数据重构方法与系统


[0001]本专利技术涉及数据加密、人工智能
，具体涉及一种基于人工智能的数据加密存储、解密重构方法与系统。

技术介绍

[0002]常用的加密算法为对称加密或者非对称加密，往往是根据相应的计算公式来计算得到秘钥的，容易被破解。深度学习神经网络中网络层数、各层神经元数量、训练数据、loss函数只要有一处不同都会影响最终训练完成的DNN网络内部的权值参数，随机性较大，难以被遍历破解，很适合用于数据加密。DNN与加密结合，最大的问题是网络难以实现无损重构，即数据经过网络的方式加密和解密后，恢复的数据与原始数据是存在误差的。

技术实现思路

[0003]本专利技术提供了一种基于人工智能的加密数据重构方法与系统。
[0004]一种基于人工智能的加密数据重构方法，所述方法包括：
[0005]利用解密模型对加密数据进行解密得到解密数据；对解密数据进行分段得到若干数据片段；根据加密模型和解密模型的收敛值、数据片段的关联度确定数据片段的搜索范围；
[0006]在核心数据片段的搜索范围内确定核心数据片段可选值；根据核心数据片段与非核心数据片段之间的数据结构信息对核心数据片段可选值进行处理，得到非核心数据片段的重构值；
[0007]根据非核心数据片段的重构值是否超出其搜索范围、以及非核心数据片段的关联度得到越界程度；根据非核心数据片段本值与重构值之间的差值、非核心数据片段的搜索范围得到逼近程度；
[0008]根据越界程度、逼近程度确定最优核心片段可选值，根据最优核心片段可选值以及数据结构信息得到加密数据的重构数据。
[0009]进一步地，所述加密模型和解密模型构成自编码网络。
[0010]进一步地，所述根据加密模型和解密模型的收敛值、数据片段的关联度确定数据片段的搜索范围包括：
[0011]根据数据片段的关联度确定搜索半径的缩放系数，缩放系数乘以所述收敛值得到数据片段的搜索半径；以数据片段本值为中心，根据搜索半径确定数据片段的搜索范围。
[0012]进一步地，所述根据非核心数据片段的重构值是否超出其搜索范围、以及非核心数据片段的关联度得到越界程度包括：
[0013]设置指示参数，若非核心数据片段的重构值超出其搜索范围，则指示参数取第一数值，否则指示参数取第二数值；
[0014]以非核心数据片段的关联度为权重计算所有非核心数据片段指示参数的加权和，根据加权和得到越界程度。
[0015]进一步地，所述方法包括：
[0016]将待加密数据划分为多个数据片段，提取数据片段之间的关系作为数据结构信息，根据提取的所有数据结构信息能够获得任意两数据片段之间的关系，各数据片段在数据结构信息中的出现频次存在差异；
[0017]对待加密数据进行加密，存储加密数据与数据结构信息。
[0018]一种基于人工智能的加密数据重构系统，系统包括：
[0019]范围确定模块，用于利用解密模型对加密数据进行解密得到解密数据；对解密数据进行分段得到若干数据片段；根据加密模型和解密模型的收敛值、数据片段的关联度确定数据片段的搜索范围；
[0020]分段重构模块，用于在核心数据片段的搜索范围内确定核心数据片段可选值；根据核心数据片段与非核心数据片段之间的数据结构信息对核心数据片段可选值进行处理，得到非核心数据片段的重构值；
[0021]重构评价模块，用于根据非核心数据片段的重构值是否超出其搜索范围、以及非核心数据片段的关联度得到越界程度；根据非核心数据片段本值与重构值之间的差值、非核心数据片段的搜索范围得到逼近程度；
[0022]数据重构模块，用于根据越界程度、逼近程度确定最优核心片段可选值，根据最优核心片段可选值以及数据结构信息得到加密数据的重构数据。
[0023]本专利技术的有益效果在于：通过关联度提高了加密
‑
解密模型的解密精度，通过数据结构信息、收敛值以及优化探索，实现了加密数据的无损重构。
附图说明
[0024]图1为本专利技术流程图。
具体实施方式
[0025]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图以及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0026]实施例1：
[0027]本实施例提供一种基于人工智能的加密数据重构方法，包括：
[0028]步骤1，利用解密模型对加密数据进行解密得到解密数据；对解密数据进行分段得到若干数据片段；根据加密模型和解密模型的收敛值、数据片段的关联度确定数据片段的搜索范围。
[0029]本实施例中加密模型和解密模型构成自编码网络。在利用加密模型对待加密数据X进行加密之前，将待加密数据划分为多个数据片段，提取数据片段之间的关系作为数据结构信息，根据提取的所有数据结构信息能够获得任意两数据片段之间的关系，各数据片段在数据结构信息中的出现频次存在差异；对待加密数据进行加密，存储加密数据与数据结构信息。数据片段在数据结构信息中的出现频次表征数据片段的关联度。若数据片段涉及多条数据结构信息，那么该数据片段的关联度较高。优选地，以数据结构信息中数据片段出现频次比例作为关联度。加密模型神经元个数与数据片段个数相同。
[0030]自编码网络可以用于数据加密，但是无损重构是较难的。本实施例通过数据结构信息、网络的相关信息能够实现加密数据的低损重构甚至是无损重构。加密模型和解密模型构成的自编码网络的损失通过待加密数据与解密数据差异的加权来衡量。本实施例中，损失函数：N为数据片段个数，X
i
为待加密数据第i个数据片段的数值，Y
j
为对应的由解密模型解密得到的数据片段值(本值)，D
i
为当前数据片段i对应的关联度。自编码训练完成后，其损失函数e1的收敛值则可以表示当前网络进行数据恢复的误差程度。
[0031]根据数据片段的关联度确定搜索半径的缩放系数，缩放系数乘以所述收敛值得到数据片段的搜索半径；以数据片段本值为中心，根据搜索半径确定数据片段的搜索范围。具体地，利用自编码网络的损失函数收敛值lm，以网络恢复的解密数据Y得到各数据片段对应的搜索半径：其中，lm为加密
‑
解密模型的收敛值，D
i
为当前数据片段i对应的关联度，为缩放系数，N为数据片段个数，v为区域扩增系数，优选地，v设置为10。以解密数据各数据片段为中心点，以求得的搜索半径值为半径，得到数据片段Y
i
对应的搜索范围：[Y
i
‑
R
i
，Y
i
+R
i
]。
[0032]步骤2，在核心数据片段的搜索范围内确定核心数据片段可选值；根据核心数据片段与非核心数据片段之间的数据结构信息对核心数据片段可选值进行处理，得到非核心数据片段的重构值。
[0033]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的加密数据重构方法，其特征在于，所述方法包括：利用解密模型对加密数据进行解密得到解密数据；对解密数据进行分段得到若干数据片段；根据加密模型和解密模型的收敛值、数据片段的关联度确定数据片段的搜索范围；在核心数据片段的搜索范围内确定核心数据片段可选值；根据核心数据片段与非核心数据片段之间的数据结构信息对核心数据片段可选值进行处理，得到非核心数据片段的重构值；根据非核心数据片段的重构值是否超出其搜索范围、以及非核心数据片段的关联度得到越界程度；根据非核心数据片段本值与重构值之间的差值、非核心数据片段的搜索范围得到逼近程度；根据越界程度、逼近程度确定最优核心片段可选值，根据最优核心片段可选值以及数据结构信息得到加密数据的重构数据。2.如权利要求1所述的方法，其特征在于，所述加密模型和解密模型构成自编码网络。3.如权利要求1所述的方法，其特征在于，所述根据加密模型和解密模型的收敛值、数据片段的关联度确定数据片段的搜索范围包括：根据数据片段的关联度确定搜索半径的缩放系数，缩放系数乘以所述收敛值得到数据片段的搜索半径；以数据片段本值为中心，根据搜索半径确定数据片段的搜索范围。4.如权利要求1所述的方法，其特征在于，所述根据非核心片段的重构值是否超出其搜索范围、以及非核心数据片段的关联度得到越界程度包括：设置指示参数，若非核心数据片段的重构值超出其搜索范围，则指示参数取第一数值，否则指示参数取第二数值；以非核心数据片段的关联度为权重计算所有非核心数据片段指示参数的加权和，根据加权和得到越界程度。5.如权利要求1所述的方法，其特征在于，所述方法包括：将待加密数据划分为多个数据片段，提取数据片段之间的关系作为数据结构信息，根据提取的所有数据结构信息能够获得任意两数据片段之间的关系，各数据片段在数据结构信息中的出现频次存在差异；对待加密数据进行加密，存储加密数据与数据结构信息。6.一种基于人工智能的加密数据重构系统，其特征在于，所述系统...

【专利技术属性】
技术研发人员：桑永宣，王博，刘永文，张志锋，李保环，
申请(专利权)人：郑州轻工业大学，
类型：发明
国别省市：