基于条件随机场算法的无菌检测数据分级加密方法技术

本发明专利技术公开了一种基于条件随机场算法的无菌检测数据分级加密方法，首先对无菌检测过程产生的重要的结果数据进行标注，训练条件随机场模型，识别出重要的结果数据；其次对条件随机场模型识别出的重要的结果数据进行分级加密，将加密后的数据传输到接收方；最后接收方利用可逆的解密过程对数据进行无损还原。本发明专利技术用条件随机场方法将无菌检测过程中产生的重要结果数据识别出来，并将其与过程数据区分开进行分级加密。同时，借助数字签名技术有效防止消息被篡改，保证了数据不会泄露。本发明专利技术在保证重要的数据信息安全性的前提下，能大幅减少加密时间，提升系统效率。

【技术实现步骤摘要】
基于条件随机场算法的无菌检测数据分级加密方法
本专利技术属于微生物无菌检测领域，尤其涉及一种基于条件随机场算法的无菌检测数据分级加密方法。
技术介绍
在工业生产中，微生物无菌检测对于保证产品的安全有着重要的意义。近年来，随着信息化和自动化产业的发展，国内在无菌检测领域的研究也逐渐趋于自动化。然而微生物无菌检测智能化水平较低，信息技术利用不足，数据完整性、安全性、可追溯性较差。为了保证无菌检测过程中产生的数据的安全性，需要对其中的重要数据进行加密处理，防止数据信息的泄露或被人为篡改。然而，在整个无菌检测的体系中并非所有数据都是有意义的，大量的过程数据如果与重要的结果数据一起被加密将花费大量时间，降低系统效率。现有的数据加密方法将所有过程数据和结果数据混杂在一起统一进行加密，但是在实际应用中，真正发挥作用的往往只有结果数据。大量的过程数据会增加加密、解密的时间，从而影响系统的效率，随着无菌检测平台的数据量增加，因冗余加密而耗费的时间也越来越多，系统的效率将严重受到影响。
技术实现思路
本专利技术的目的在于针对现有技术的不足，提供一种基于条件随机场算法的无菌检测数据分级加密方法，借助条件随机场(CRF)的方法将在自动化无菌检测过程中产生的重要结果数据识别出来，并对结果数据与过程数据运用对称加密技术、非对称加密技术、数字摘要技术进行分级加密，从本质上解决了因加密数据过多而耗费大量时间的弊端，与现有方法相比具有安全、高效的特点。对最重要的数据进行复杂的加密，对其他数据进行相对简单的加密也将使得系统更为灵活，从最大程度上减少成本、节省时间。本专利技术的目的是通过以下技术方案来实现的：一种基于条件随机场算法的无菌检测数据分级加密方法，包括以下步骤：(1)对无菌检测过程产生的重要的结果数据进行标注，训练条件随机场模型，识别出重要的结果数据；(2)对条件随机场模型识别出的重要的结果数据进行级别高的RSA加密，对普通的过程数据进行级别低的DES加密，将加密后的数据传输到接收方；(3)接收方利用可逆的解密过程对数据进行无损还原。进一步地，所述的步骤1具体包括以下子步骤：(1.1)选取适量的无菌检测过程产生的数据，等分为两组分别作为训练语料库和测试语料库；(1.2)将两组语料库进行分词处理；(1.3)对经过分词处理的语料库进行BIO标注，标注出重要的结果数据作为命名实体，得到标注的数据集；(1.4)特征提取，选取单字符、单词、词性标注和正确拼字作为特征集，用训练语料库训练得到条件随机场模型；(1.5)用测试语料库对步骤1.4得到的模型进行测试和校正，得到能够准确识别重要的结果数据的条件随机场模型；(1.6)对于无菌检测过程产生的数据，通过步骤1.5得到的模型识别出重要的结果数据。进一步地，所述的步骤2具体包括以下子步骤：(2.1)将识别后的数据分为两类：重要的结果数据和普通的过程数据；(2.2)将结果数据进行Hash运算得到数字摘要MD，将过程数据进行Hash运算得到数字摘要MD’；(2.3)在(22047,22048]集合选择n，满足n＝p×q，其中p、q均为素数；(2.4)选择e使其与互素且小于(2.5)通过公式选择一个小于2048bits的大整数；(2.6)用{e,n}作为公钥，用RSA算法对数字摘要MD、MD’进行加密，得到数字签名DS、DS’；(2.7)用RSA的公钥把结果数据、数字签名DS进行加密，得到加密信息E，用DES算法对过程数据、数字签名DS’进行加密，得到加密信息E’；(2.8)将加密后的结果数据和过程数据分别打包成数字信封，发送给接收方。进一步地，所述的步骤3具体包括以下子步骤：(3.1)接收数字信封；(3.2)以{d,n}作为私钥用RSA对E进行解密，得到结果数据和数字签名DS，用DES算法对E’进行解密，得到过程数据和数字签名DS’；(3.3)将结果数据用与之前相同的Hash运算得到数字摘要md，将过程数据用与之前相同的Hash运算得到数字摘要md’；(3.4)以{d,n}作为私钥用RSA对DS进行解密，得到MD，以{d,n}作为私钥用RSA对DS’进行解密，得到MD’；(3.5)将两个数字摘要MD和md进行比较，MD’和md’进行比较，验证原数据是否被修改。如果二者相同，说明数据没有被篡改，是保密传输的，签名是真实的；否则拒绝该签名。本专利技术的有益效果是：本专利技术用条件随机场的方法将无菌检测过程中产生的重要结果数据识别出来，并将其与过程数据区分开进行分级加密。对结果数据采用相对复杂的RSA加密提高数据安全性；对过程数据采用相对简单的DES加密提高效率；同时，借助数字签名技术有效防止消息被篡改，保证了数据不会泄露。本专利技术在保证重要的数据信息安全性的前提下，能大幅减少加密时间，提升系统效率。附图说明图1为构建条件随机场模型识别出重要的结果数据流程图；图2为加密过程流程图；图3为解密过程流程图。具体实施方式下面结合附图和具体实施例对本专利技术作进一步详细说明。本专利技术提供的一种基于条件随机场算法的无菌检测数据分级加密方法，包括以下步骤：(1)构建条件随机场模型识别出重要的结果数据，如图1所示，具体包括以下子步骤：(1.1)选取适量的无菌检测过程产生的数据，等分为两组分别作为训练语料库和测试语料库；(1.2)将两组语料库进行分词处理；分词指的是将一个汉字序列切分成一个一个单独的词，它是将连续的字序列按照一定的规范重新组合成词序列的过程。我们知道，在英文的行文中，单词之间是以空格作为自然分界符的，而中文只是字、句和段能通过明显的分界符来简单划界，唯独词没有一个形式上的分界符，因此中文分词在中文信息的处理中是十分基础和关键的；(1.3)对经过分词处理的语料库进行BIO标注，标注出重要的结果数据作为命名实体，得到标注的数据集；在这里，“B”代表一个实体的开始，“I”代表实体的内容，“O”代表实体外部。一个以BIO标注的注释实体的例子如下表所示：(1.4)特征提取，选取单字符、单词、词性标注和正确拼字作为特征集，用训练语料库训练得到条件随机场模型；其中单字符意味着单个的汉字、标点符号、外文字母和数字。中文的叙事文本的主要特性是它是由一系列连续的汉字组成的，在字与字之间没有空格来隔开，因此，我们还选择单词作为另一个特征。选择词性标注作为机器学习的特征对于中文实体的边界的识别有很好的作用。而正确拼写的特征是用来识别由英文组成的实体。(1.5)用测试语料库对步骤1.4)得到的模型进行测试和校正，得到能够准确识别重要的结果数据的条件随机场模型；(1.6)对于无菌检测过程产生的数据，通过步骤1.5)得到的模型识别出重要的结果数据。(2)对无菌检测过程产生的数据进行加密，如图2所示，具体包括以下子步骤：(2.1)将识别后的数据分为两类：重要的结果数据和普通的过程数据；(2.2)将结果数据进行Hash运算得到数字摘要MD，将过程数据进行Hash运算得到数字摘要MD’；(2.3)在(22047,22048]集合选择n，满足n＝p×q，其中p、q均为素数；(2.4)选择e使其与互素且小于考虑到既要满足相对安全、又要运算速度快，可以选择65537作为e的值；(2.5)通过公式选择一个小于2048bits的大整数；(2.6)用{e,n}作为公钥本文档来自技高网...

【技术保护点】
一种基于条件随机场算法的无菌检测数据分级加密方法，其特征在于，包括以下步骤：(1)对无菌检测过程产生的重要的结果数据进行标注，训练条件随机场模型，识别出重要的结果数据；(2)对条件随机场模型识别出的重要的结果数据进行级别高的RSA加密，对普通的过程数据进行级别低的DES加密，将加密后的数据传输到接收方；(3)接收方利用可逆的解密过程对数据进行无损还原。

【技术特征摘要】
1.一种基于条件随机场算法的无菌检测数据分级加密方法，其特征在于，包括以下步骤：(1)对无菌检测过程产生的重要的结果数据进行标注，训练条件随机场模型，识别出重要的结果数据；(2)对条件随机场模型识别出的重要的结果数据进行级别高的RSA加密，对普通的过程数据进行级别低的DES加密，将加密后的数据传输到接收方；(3)接收方利用可逆的解密过程对数据进行无损还原。2.根据权利要求1所述的一种基于条件随机场算法的无菌检测数据分级加密方法，其特征在于，所述的步骤1具体包括以下子步骤：(1.1)选取适量的无菌检测过程产生的数据，等分为两组分别作为训练语料库和测试语料库；(1.2)将两组语料库进行分词处理；(1.3)对经过分词处理的语料库进行BIO标注，标注出重要的结果数据作为命名实体，得到标注的数据集；(1.4)特征提取，选取单字符、单词、词性标注和正确拼字作为特征集，用训练语料库训练得到条件随机场模型；(1.5)用测试语料库对步骤1.4得到的模型进行测试和校正，得到能够准确识别重要的结果数据的条件随机场模型；(1.6)对于无菌检测过程产生的数据，通过步骤1.5得到的模型识别出重要的结果数据。3.根据权利要求1所述的一种基于条件随机场算法的无菌检测数据分级加密方法，其特征在于，所述的步骤2具体包括以下子步骤：(2.1)将识别后的数据分为两类：重要的结果数据和普通的过程数据；(2.2)将结果数据进行Hash运算得到数字摘要M...

【专利技术属性】
技术研发人员：周天舒，李泽南，王丰，田雨，李劲松，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33