【技术实现步骤摘要】
本专利技术涉及数据处理的，尤其涉及一种远程访问的数据处理方法、装置、设备及存储介质。
技术介绍
1、在当前数字化时代，远程数据访问已成为信息
的重要组成部分。各种行业，特别是金融、医疗和企业管理等领域，越来越依赖于安全可靠的远程数据处理系统。其中，用户身份验证是确保数据安全性和完整性的关键环节。随着网络安全威胁的日益增多，传统的单一认证机制（如仅用密码验证）已难以满足当前的安全需求。
2、目前最接近的技术是多因素认证（mfa），它通过结合两个或多个独立的认证方式（例如密码、生物识别和手机短信验证码）来加强安全性。尽管多因素认证在安全性上有所提升，但现有的系统通常将各个认证因素独立处理，缺乏对这些因素的深入分析和综合处理。此外，多因素认证流程可能复杂且用户体验不佳，尤其是在需要处理多种身份验证信息时。
3、现有技术中往往忽略了对不同身份验证信息之间潜在关联的深入挖掘和应用，导致即便使用多因素认证，也可能无法有效抵御复杂的安全威胁，例如针对特定用户或系统的定制化攻击。现有技术在保护复杂和敏感数据方面存在明显的局限性，尤其是在面对越来越先进的网络攻击时。因此，亟需引入一种远程访问的数据处理方法，能够更有效地解决这些问题。
技术实现思路
1、本专利技术提供了一种远程访问的数据处理方法、装置、设备及存储介质，用于解决如何在远程访问数据时增强数据的安全性和完整性的技术问题。
2、本专利技术第一方面提供了一种远程访问的数据处理方法，所述远程访问的数据处理
3、当用户发起远程数据访问请求时，获取用户的多维身份认证信息；其中，所述多维身份认证信息至少包括指纹认证信息、面部识别认证信息、密码认证信息；
4、基于预设的复合信息分析算法，对多维身份认证信息进行深度分解，将多维身份认证信息转化为多个独立的认证子信息；
5、针对不同的用户身份类别，从数据库中检索出一系列特定的加密密钥；其中，所述加密密钥基于不同的认证子信息生成；
6、采用一系列特定的加密密钥对每个认证子信息进行独立加密，生成一系列加密后的身份数据块；
7、将各个所述加密后的身份数据块输入至训练后的数据融合模型中进行融合，得到加密身份数据组合；其中，所述数据融合模型经过提前训练得到；
8、对所述加密身份数据组合进行哈希运算，生成对应的哈希签名；
9、将生成的所述哈希签名与在数据库中预先存储的哈希签名进行哈希签名对比，检查所生成的哈希签名是否与数据库中预存的哈希签名匹配；
10、如若匹配成功，授权用户访问特定数据的权限，并将特定数据传输给用户设备；如匹配失败，则拒绝访问。
11、可选的，在本专利技术第一方面的第一种实现方式中，所述数据融合模型的训练过程，包括：
12、获取样本训练数据；
13、基于预设的特征提取协议对样本训练数据进行特征提取，得到对应的特征矩阵；其中，所述特征提取协议至少包括数据归一化、主成分分析、小波变换、自编码器网络中的一种；
14、将所述特征矩阵输入至初始的复合式神经网络模型进行训练；其中，所述复合式神经网络模型至少包括深度卷积层、第一阶段编码层、第二阶段编码层；
15、通过深度卷积层对所述特征矩阵进行转换，生成第一特征表示；
16、通过第一阶段编码层深度处理第一特征表示，得到初级编码特征矩阵；
17、通过第二阶段编码层对初级编码特征矩阵层进行深度学习，提取次级编码特征矩阵；
18、将初级编码特征矩阵和次级编码特征矩阵进行整合，构成完整的第二特征表示；其中，数据库中提前存储有多维度矩阵整合规则；
19、通过预设的生成算法为每个第二特征表示分配一次性噪声标签；
20、将所述噪声标签集成至第二特征表示，生成特征矩阵集；
21、将所述特征矩阵集输入至判别层，基于预设的误差反馈算法，迭代初始的复合式神经网络模型的模型参数，直至判别层的损失函数收敛，得到训练后的数据融合模型。
22、可选的，在本专利技术第一方面的第二种实现方式中，所述针对不同的用户身份类别，从数据库中检索出一系列特定的加密密钥，包括：
23、基于用户身份类别，在数据库中查询匹配的用户唯一标识码；其中，所述用户唯一标识码包含一系列由字符构成的认证标记；
24、运用预设的身份认证算法对提取到的唯一标识码进行解析，解析出所含的标识性字符；
25、检验所述标识性字符是否位于所述唯一标识码的预定关键位置；如果是，选取所述标识性字符进行组合，作为关键验证字符组合；
26、根据所述关键验证字符组合，在数据库中查找与之对应的一系列加密密钥；其中，所述数据库预设有关键验证字符组合与加密密钥的映射规则。
27、可选的，在本专利技术第一方面的第三种实现方式中，所述将初级编码特征矩阵和次级编码特征矩阵进行整合，构成完整的第二特征表示，包括：
28、采集样本训练数据中的初级数据集在特定环境参数下的第一编码特征矩阵，基于所述第一编码特征矩阵计算在特定环境参数下相应事件的初始推断结果；其中，所述相应事件的初始推断结果基于先验知识对事件可能的发生情况的预评估；
29、采集样本训练数据中的次级数据集的第二编码特征矩阵，基于所述第二编码特征矩阵分析次级数据集的事件动态，得到事件动态的预测概率值；
30、应用预设的第一概率计算模型，根据预设的先验概率和初始推断结果，为初级特征编码矩阵分派一个综合的概率指标；其中，所述综合的概率指标作为初级特征编码矩阵的统计性联合体现；
31、应用预设的第二概率计算模型，根据所述事件动态的预测概率值，为次级特征编码矩阵分派一个由所述事件动态的预测概率值衍生的概率指标；
32、利用预设的特征合并策略，将所述综合的概率指标和由所述事件动态的预测概率值衍生的概率指标进行结构性整合，生成一个增强的复合特征表示，作为完整的第二特征表示；其中，所述第二特征表示用于表示在一个统一的多维特征空间内初级特征编码矩阵和次级特征编码矩阵的信息融合；所述特征合并策略是基于数据特征的重要性和相关性，调整数据权重的分配，用于实现数据融合后特征表示的优化，并将合并后的复合特征表示用于深度学习。
33、可选的，在本专利技术第一方面的第四种实现方式中，所述预设的身份认证算法包括：生物识别认证算法、数字证书和加密密钥身份验证算法、双因素认证算法中的一种。
34、本专利技术第二方面提供了一种远程访问的数据处理装置，所述远程访问的数据处理装置包括：
35、获取模块，用于当用户发起远程数据访问请求时，获取用户的多维身份认证信息；其中，所述多维身份认证信息至少包括指纹认证信息、面部识别认证信息、密码认证信息；
36、分解模块，用于基于预设的复合信息分析算法，对多维身份认证信息进行深度分解，将多维身份认证信息转化为多个独立的认本文档来自技高网...
【技术保护点】
1.一种远程访问的数据处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的远程访问的数据处理方法，其特征在于，所述数据融合模型的训练过程，包括：
3.根据权利要求1所述的远程访问的数据处理方法，其特征在于，所述针对不同的用户身份类别，从数据库中检索出一系列特定的加密密钥，包括：
4.根据权利要求2所述的远程访问的数据处理方法，其特征在于，所述将初级编码特征矩阵和次级编码特征矩阵进行整合，构成完整的第二特征表示，包括：
5.根据权利要求3所述的远程访问的数据处理方法，其特征在于，所述预设的身份认证算法包括：生物识别认证算法、数字证书和加密密钥身份验证算法、双因素认证算法中的一种。
6.一种远程访问的数据处理装置，其特征在于，所述远程访问的数据处理装置包括：
7.一种远程访问的数据处理设备，其特征在于，所述远程访问的数据处理设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
8.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要
...【技术特征摘要】
1.一种远程访问的数据处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的远程访问的数据处理方法，其特征在于，所述数据融合模型的训练过程，包括：
3.根据权利要求1所述的远程访问的数据处理方法，其特征在于，所述针对不同的用户身份类别，从数据库中检索出一系列特定的加密密钥，包括：
4.根据权利要求2所述的远程访问的数据处理方法，其特征在于，所述将初级编码特征矩阵和次级编码特征矩阵进行整合，构成完整的第二特征表示，包括：
5.根据权利要求3所述的远程访问的数据处...
【专利技术属性】
技术研发人员：钟煌，
申请(专利权)人：深圳市研盛芯控电子技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。