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技术

本发明专利技术属于电网数据安全领域，主要用于解决数据传输中安全及效率问题，具体涉及一种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，包括如下步骤：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；针对实时数据、准实时数据和非实时数据标记并加密处理；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。本发明专利技术提出的方法根据数据标记、轻量级流加密的方法保证数据传输中防窃取防篡改并实现接收方快速识别匹配，从而保证配电网数据安全高效传输。

【技术实现步骤摘要】
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
本专利技术是一种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，主要用于解决数据传输中安全及效率问题，属于电网数据安全领域。
技术介绍
随着有源配电网的不断发展，采用传统的GPRS/CDMA、ZigBee、Wi-Fi和专用光纤等通信方式进行电网数据传输已经无法保证数据传输的安全。并且现有的基于无线传输的本质上都是通过加密来保证数据在传输过程中的安全性，由于在有源配电网环境下，大量采集的数据需要传输至控制器和主站系统进行处理，同时还需要将处理的数据返回给控制器进行调度和控制，所以数据交互频繁，交互量大，部分数据实时性要求较高，同时采集设备上计算能力、存储能力有限，无法较好地、快速地完成数据加解密。此外，由于其存储能力、计算能力和电源供电时间方面的局限性，使得原来在有线环境下的许多安全方案和安全技术无法直接应用于无线环境。因此，为了保证大数据在网络中传输的完整性和可信性，研究一种基于行为标记特征和轻量级加密的有源配网数据安全传输方法显得尤为重要。基于行为标记和轻量级加密的有源配电网大数据安全传输方法，主要是为了从高效性和安全性两个角度考虑来实现有源配电网数据的传输，保证数据在传输中的完整性，提高数据传输的效率。基于行为标记特征和轻量级加密的数据安全传输方法主要包含两个问题：为了保证面向有源配电网的分析处理的正确性，如何保证有源配网运行状态中大量数据传输防篡改防窃取；为了解决现有电网中各类传输机制加解密耗时、无法及时识别数据内容和大数据传输的效率低，如何保证有源配网大数据高效传输也是重要问题。
技术实现思路
本专利技术的目的在于提供一种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，用于解决有源配电网大数据传输低效且不安全问题，本专利技术提出的方法根据数据标记、轻量级流加密的方法保证数据传输中防窃取防篡改并实现接收方快速识别匹配，从而保证配电网数据安全高效传输。为实现上述目的，本专利技术的技术方案如下：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，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；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。进一步地，步骤一中，利用卷积神经网络和Softmax函数的具体分类步骤为：S11，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；S12，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y’=softmax(yx)，交叉熵损失函数为，其中y为期望输出概率，y’为实际输出概率，x对应各类数据的标记；S13，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网数据分为实时数据，准实时数据和非实时数据。进一步地，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α；S22，利用AES对称加密算法加密被标记的数据生成密文C，AES加密公式为：C=E（K,P），其中P为明文分组，K为加密密钥，E为加密函数，C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。进一步地，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ti和密钥k生成密钥流Ki；S33，加密方对密钥流Ki的哈希值和明文流Mi做异或运算加密得到密文流。通过卷积神经网络将有源配电网大数据分类成实时数据、准实时数据和非实时数据；针对实时数据，利用MD5算法获取数据指纹标记，AES对称算法加密被标记数据，并利用非对称RSA加密算法定时更新AES算法，防范数据传输过程中发生篡改及窃取行为；针对非实时数据和准实时数据，利用时间戳技术构建数据行为标记，采用轻量级流加密算法确保数据传输过程的安全；最后采用分布式Agent并行技术对数据执行多目标约束下的数据压缩传输。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例。其中：图1是本专利技术实施例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的流程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本专利技术保护的范围。当有源配电网大数据传输中存在数据交互频繁，交互量大，无法满足部分数据实时性要求，安全性得不到保障时，通过采用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，可以先将配电网大数据分成实时数据、非实时数据和事件触发数据三类；针对需要实时传输处理的数据，采用MD5算法将数据做标记，再利用非对称RSA算法定时更新AES加密生成的密文，保证数据实时性和安全性；针对非实时数据和事件触发的数据，利用时间戳标记数据，并采用轻量级流加密算法对内容进行加密辅助；最后基于分布式Agent并行技术对各个采样点数据执行多目标约束下的数据压缩传输以确保数据传输过程的安全高效传输。图1示出了本专利技术实施例一种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，包括如下步骤：步骤一，获取有源配电网大数据，分类成实时数据、准实时数据和非实时数据；首先，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；其次，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y’=softmax(yx)，交叉熵损失本文档来自技高网...

【技术保护点】
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：/n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；/n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；/n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；/n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。/n

【技术特征摘要】
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；
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，步骤一中，利用卷积神经网络和Softmax函数的具体分类步骤为：
S11，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；
S12，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...

【专利技术属性】
技术研发人员：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，
类型：发明
国别省市：江苏;32