[发明专利]一种超融合全栈式云数据中心系统及方法

权利要求书

1.一种超融合全栈式云数据中心系统，所述系统包括：业务层、主干网络、服务层、融合层和基础层；其特征在于，所述主干网络，获得各层的不同尺度、不同深度、不同类型的信息，为各层提供数据传输；所述融合层，通过设置的多个资源数据池和多个依次堆栈的融合分支网络，完成数据融合；所述融合分支网络中包含若干个分割网络，所述分割网络用于为融合分支网络添加监督信息，利用二分类交叉熵损失函数，进行分割预测；所述服务层进行数据安全加密的方法执行以下步骤：设定长度为S位的密码作为加密对象，S为正整数；将设定的S位密码拆分为A位的短密码P和B位的强密钥Q，所述A和B为正整数；将拆分的强密钥Q嵌入二维序列中，获得序列强密钥H；对获得的序列强密钥H进行离散混沌映射，并设定控制参数，获得置乱序列G，并将置乱序列G按照从上到下，从左到右的顺序进行排列，获得置乱序列J；选择混沌神经网络，并设定初值及控制参数，对所述的混沌神经网络进行迭代求解，获得混沌序列K；利用混沌序列K对获得的置乱序列S进行扩散处理，实现置乱序列G的均衡化，得到加密序列C，并对加密序列C按照从上到下，从左到右的顺序进行排列，生成最终加密序列F；对短密码P采用AES加密方法进行加密后与生成的最终加密序列F合并，共同作为加密密码传输。

2.如权利要求1所述的系统，其特征在于，所述主干网络前向传播，由堆叠连续的卷积层和下采样层组成；所述多个依次堆栈的反向融合分支融合不同尺度、不同深度、不同类型的信息；分割网络将依次堆栈的多个反向融合分支都为融合分支网络添加监督信息，利用二分类交叉熵损失函数，进行分割的预测；所述主干网络中还包括一个：深度监督加权融合网络；所述深度监督加权融合网络加权融合多个依次堆栈的反向融合分支的多层级输出。

3.如权利要求2所述的系统，其特征在于，所述业务层，提供给用户进行业务接入；所述服务层，在云端实现数据安全加密、负载均衡、数据备份和云主机服务；所述基础层，为系统提供底层硬件支持。

4.如权利要求3所述的系统，其特征在于，所述对序列强密钥H进行离散混沌映射，并设定控制参数，获得置乱序列G的具体过程为：采用可变参数映射，所述可变参数映射过程，使用如下公式表示：；其中，所述和为控制参数，范围为：1.5~2.5；所述为置乱序列坐标，为序列强密钥，为混沌神经网络的输出值。

5.如权利要求4所述的系统，其特征在于，所述混沌神经网络采用如下公式表示：；其中，P1和P2分别为神经网络自动机的极化率，al和a2是与每个两个神经网络自动机内量子点间能量成正比的系数，和为神经网络自动机的相位；所述和为混沌系数，取值范围为0~1。

6.一种基于权利要求1至5之一所述系统的超融合全栈式云数据中心方法，其特征在于，所述方法执行以下步骤：主干网络，获得各层的不同尺度、不同深度、不同类型的信息，为各层提供数据传输；融合层，通过设置的多个资源数据池和多个依次堆栈的融合分支网络，完成数据融合；业务层，提供给用户进行业务接入；服务层，在云端实现数据安全加密、负载均衡、数据备份和云主机服务；基础层，为系统提供底层硬件支持；所述融合分支网络中包含若干个分割网络，所述分割网络用于为融合分支网络添加监督信息，利用二分类交叉熵损失函数，进行分割预测。

7.如权利要求6所述的方法，其特征在于，所述主干网络前向传播，由堆叠连续的卷积层和下采样层组成；所述多个依次堆栈的反向融合分支融合不同尺度、不同深度、不同类型的信息；分割网络将依次堆栈的多个反向融合分支都为融合分支网络添加监督信息，利用二分类交叉熵损失函数，进行分割的预测；所述主干网络中还包括一个：深度监督加权融合网络；所述深度监督加权融合网络加权融合多个依次堆栈的反向融合分支的多层级输出；所述深度监督并行融合网络的主干网络堆叠连续的卷积层和下采样层，获得输入的信息更深层次的特征表达，判别分类能力更强，然而多个下采样层的存在使得空间细节信息不断丢失，特征尺度不断减小；具体地，主干网络前向传播，通过连续的卷积层和下采样层，获得多尺度的特征，可表示为：；其中，X表示输入信息，为深度监督并行融合网络主干网络的权重，表示输入信息前向传播后不同下采样层后主干网络多尺度、多类型的特征。