[发明专利]基于行为标记和轻量级加密的有源配电网大数据传输方法有效
| 申请号: | 202011001108.4 | 申请日: | 2020-09-22 |
| 公开(公告)号: | CN111934437B | 公开(公告)日: | 2021-07-20 |
| 发明(设计)人: | 黄廷磊;邓松;张姿;刘久云;夏威 | 申请(专利权)人: | 中科全维科技(苏州)有限公司 |
| 主分类号: | H02J13/00 | 分类号: | H02J13/00;H04L9/06;H04L9/08;H04L9/30;G06N3/04;G06F16/906 |
| 代理公司: | 南京禾易知识产权代理有限公司 32320 | 代理人: | 张松云 |
| 地址: | 215000 江苏省苏州市*** | 国省代码: | 江苏;32 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 行为 标记 轻量级 加密 有源 配电 网大 数据传输 方法 | ||
1.基于行为标记和轻量级加密的有源配电网大数据传输方法,其特征在于,包括如下步骤:
步骤一,获取有源配电网大数据,利用卷积神经网络提取数据集特征和Softmax函数输出所属类别的概率将有源配电网大数据分为实时数据、准实时数据和非实时数据;
利用卷积神经网络和Softmax函数的具体分类步骤为:
根据事先准备的数据,按照数据实时性优先等级分类,分为实时数据、准实时数据以及非实时数据,并分别对每类数据标记处理,制作训练样本集;
将训练样本集送入设计好的卷积神经网络进行训练构建卷积神经网络模型,利用Softmax函数回归输出各类标记的输出概率,并采用交叉熵损失函数判断实际输出与期望输出的误差,Softmax函数回归处理输出,交叉熵损失函数为,其中为期望输出概率,为实际输出概率,对应各类数据的标记;
对获取的有源配电网大数据利用卷积神经网络提取数据集特征并根据输出结果的概率自动将有源配电网数据分为实时数据,准实时数据和非实时数据;
步骤二,针对实时数据,利用MD5加密算法对数据包进行映射,且在被映射的数据包打上行为标记,采用AES对称加密算法对被标记的数据包进行加密生成密文,并结合RSA算法定时更新密钥;
针对准实时数据和非实时数据,利用HASH编码将时间戳转为字符对数据进行标记,采用轻量级流加密设备ID和设备密钥流KEY,数据加密方对密钥流KEY的哈希值和明文流做异或运算加密得到密文流;
步骤三,基于分布式Agent并行技术对各采样点数据执行多目标约束下的数据压缩,最后安全传输。
2.根据权利要求1所述的有源配电网大数据传输方法,其特征在于,实时数据具体的加密步骤为:
S21,通过MD5加密算法获取每个数据包所映射的数字标记;
S22,利用AES对称加密算法加密被标记的数据生成密文,AES加密公式为:,其中为明文分组,为加密密钥,为加密函数,为加密密文;
S23,结合RSA非对称加密算法定时更新密钥以提高数据传输安全等级。
3.根据权利要求1所述的有源配电网大数据传输方法,其特征在于,准实时数据和非实时数据具体的加密步骤为:
S31,利用HASH编码将时间戳转为字符,对数据构建行为标记;
S32,伪随机数生成器生成密钥k,再利用RC4加密算法基于状态标记和密钥k生成密钥流;
S33,加密方对密钥流的哈希值和明文流做异或运算加密得到密文流。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中科全维科技(苏州)有限公司,未经中科全维科技(苏州)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011001108.4/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种防伪检测方法及装置
- 下一篇:打底电梯门套和电梯门套的安装工艺





