数据加解密方法和装置及采用该装置的网络路由器制造方法及图纸

本申请提供数据加解密方法和装置及采用该装置的网络路由器，应用于数据加解密系统的接收端，所述数据加解密系统还包括发送端，所述接收端包括第一图像获取模块，所述方法包括：接收所述发送端发送的加密数据；基于所述第一图像获取模块获取用户的身份信息；利用神经网络模型确认所述身份信息是否为指定信息；若是，基于所述指定信息生成私钥；基于所述私钥对所述加密数据进行解密，获取原始数据。本申请利用神经网络模型确认用户的身份信息为指定信息时，才基于指定信息生成私钥，避免了在交换私钥时被其他成员截获，本申请只有满足指定信息的对应的身份信息的用户才能够对加密的数据进行解密，增加了数据的安全性。增加了数据的安全性。增加了数据的安全性。

【技术实现步骤摘要】
数据加解密方法和装置及采用该装置的网络路由器


[0001]本申请涉及数据
，尤其涉及数据加解密方法和装置及采用该装置的网络路由器。

技术介绍

[0002]目前，随着社会的发展和科技的进步，越来越多的数据需要进行传输。对于未加密的明文数据，容易被截获甚至篡改，因此需要对明文数据进行加密传输，接收端接收到数据后再对加密的数据进行解密，从而增加数据的机密性（Confidentiality）、完整性（Integrity）以及可用性（Availability）。然而，现有的加解密方法安全性不足。

技术实现思路

[0003]本申请实施例提供数据加解密方法和装置及采用该装置的网络路由器，利用神经网络模型确认用户的身份信息为指定信息时，才基于指定信息生成私钥，避免了在交换私钥时被其他成员截获，本申请只有满足指定信息的对应的身份信息的用户才能够对加密的数据进行解密，增加了数据的安全性。
[0004]为达到上述目的，本申请采用如下技术方案：第一方面，提供一种数据加解密方法，应用于数据加解密系统的接收端，所述数据加解密系统还包括发送端，所述接收端包括第一图像获取模块，所述方法包括：接收所述发送端发送的加密数据；基于所述第一图像获取模块获取用户的身份信息；利用神经网络模型确认所述身份信息是否为指定信息；若是，基于所述指定信息生成私钥；基于所述私钥对所述加密数据进行解密，获取原始数据；所述指定信息为图片信息，所述图片信息包括二维向量合集，所述基于所述指定信息生成私钥，包括：利用向量重构模型将所述二维向量合集进行降维处理，得到一维向量合集；利用预处理模型获取所述一维向量合集对应的摘要信息，所述一维向量与所述一维向量对应的摘要信息唯一对应；基于所述摘要信息生成所述私钥。
[0005]根据第一方面所述的方法可知，本申请利用神经网络模型确认用户的身份信息为指定信息时，才基于指定信息生成私钥，避免了在交换私钥时被其他成员截获，本申请只有满足指定信息的对应的身份信息的用户才能够对加密的数据进行解密，增加了数据的安全性。还可以通过获取指定信息，即图片信息，对应的一维向量合集的摘要信息，生成私钥。通过预处理模块获取到的摘要信息可以和输入该预处理模块的一维向量进行唯一对应，因此可以保证每一次通过指定信息获取到的私钥都是相同的，即可以保证能将通过该指定信息获取到的公钥加密的信息进行解密。提高了数据的机密性。
[0006]结合第一方面，在一种可能的设计方案中，所述二维向量合集包括M个1*N的向量，所述利用向量重构模型将所述二维向量合集进行降维处理，得到一维向量合集，包括：基于i确认所述M个1*N的向量中的第i个1*N的向量作为目标1*N的向量，其中所述i取1至M的任意整数；基于j确认所述目标1*N的向量中第j个向量作为目标向量，其中所述j取1至N的任
意整数；基于所述目标向量将所述二维向量合集进行降维处理，得到一维向量合集。
[0007]根据可能的设计方案可知，本实施例可以通过指定不同的i以及j，从而通过相同的指定信息获取到的一维向量合集也是不同的，进而通过不同的一维向量合集可以获取到不同的摘要信息，从而获取到不同的私钥。即对相同的指定信息，可以基于不同的i以及j，获取到不同的私钥。即使在指定信息发生泄漏时，若不知道与该私钥匹配的i以及j，也无法通过指定信息获取到正确的私钥，提高了数据的机密性。
[0008]结合第一方面，在一种可能的设计方案中，所述基于所述目标向量将所述二维向量合集进行降维处理，得到一维向量合集，包括：从所述M个1*N的向量中确认所述目标向量所在的第i个1*N的向量作为待处理1*N的向量；将所述待处理1*N的向量中第j个向量作为所述一维向量合集的起始向量；将所述待处理1*N的向量中第j个向量之后的每一个向量依次放入所述一维向量合集中，将所述待处理1*N的向量中从第一个向量开始至所述待处理1*N的向量中第j个向量前一个向量依次放入所述一维向量合集；将所述待处理1*N的向量从所述M个1*N的向量中去除，得到第一待降维向量；从所述第一待降维向量中重新确认所述待处理1*N的向量，并执行将所述待处理1*N的向量中第j个向量作为所述一维向量合集的起始向量，将所述待处理1*N的向量中第j个向量之后的每一个向量依次放入所述一维向量合集中，将所述待处理1*N的向量中从第一个向量开始至所述待处理1*N的向量中第j个向量前一个向量依次放入所述一维向量合集，将所述待处理1*N的向量从所述M个1*N的向量中去除，得到第二待降维向量，重复上述步骤，直至所述第二待降维向量不包括所述待处理1*N的向量。
[0009]结合第一方面，在一种可能的设计方案中，所述从所述第一待降维向量中重新确认所述待处理1*N的向量，包括：从所述第一待降维向量中确定第一个所述1*N的向量为所述待处理1*N的向量。
[0010]根据可能的设计方案可知，本实施例基于i和j对二维向量合集进行降维处理，获取到一维向量合集。通过不规律的遍历每一个二维向量合集中向量的方式，得到一维向量合集，在指定信息以及i和j同时发生泄露的情况下，还能保证无法简单通过指定信息以及i和j获取到一位向量合集，提高了数据的机密性。
[0011]结合第一方面，在一种可能的设计方案中，所述利用神经网络模型确认所述身份信息是否为指定信息之前，还包括：基于初始模型获取样本图像中的初始人脸；获取样本人脸，所述样本人脸为所述样本图像对应的标准人脸；获取所述初始人脸与所述标准人脸的特征差异；基于所述特征差异训练所述初始模型，以降低所述样本人脸与所述标准人脸的特征差异；若训练后的所述初始模型满足指定条件，将训练后的所述初始模型作为所述神经网络模型。
[0012]根据可能的设计方案可知，本实施例通过使用样本图像对初始模型进行训练，获取到满足指定条件的神经网络模型。由于通过第一图像获取模块每次获取到的同一用户的用户信息也会出现不同，因此可以通过该神经网络模型确定用户信息与存储的指定信息是否相同，当相同时，使用指定信息来获取私钥。增加了该系统的鲁棒性。
[0013]第二方面，提供一种数据加解密方法，应用于数据加解密系统的发送端，所述数据加解密系统还包括接收端，所述发送端包括第二图像获取模块，所述方法包括：基于所述第二图像获取模块获取用户的指定信息；基于所述指定信息生成公钥；基于所述公钥对原始
数据进行加密，获取加密数据；向接收端发送所述加密数据。
[0014]根据第二方面所述的方法可知，将第二图像获取模块获取到的用户信息作为指定信息，再基于该指定信息生成公钥，通过公钥对原始数据进行加密后将加密数据发送给接收端。即发送加密的信息的用户通过自己的用户信息对原始数据进行加密，提高了数据的机密性。
[0015]结合第二方面，在一种可能的设计方案中，所述指定信息为图片信息，所述图片信息包括二维向量合集，所述基于所述指定信息生成公钥，包括：利用向量重构模型将所述二维向量合集进行降维处理，得到一维向量合集；利用预处理模型获取所述一维向量合集对应的摘要信息，所述一维向量与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.数据加解密方法，其特征在于，应用于数据加解密系统的接收端，所述数据加解密系统还包括发送端，所述接收端包括第一图像获取模块，所述方法包括：接收所述发送端发送的加密数据；基于所述第一图像获取模块获取用户的身份信息；利用神经网络模型确认所述身份信息是否为指定信息；若是，基于所述指定信息生成私钥；基于所述私钥对所述加密数据进行解密，获取原始数据；所述指定信息为图片信息，所述图片信息包括二维向量合集，所述基于所述指定信息生成私钥，包括：利用向量重构模型将所述二维向量合集进行降维处理，得到一维向量合集；利用预处理模型获取所述一维向量合集对应的摘要信息，所述一维向量与所述一维向量对应的摘要信息唯一对应；基于所述摘要信息生成所述私钥。2.根据权利要求1所述的数据加解密方法，其特征在于，所述二维向量合集包括M个1*N的向量，所述利用向量重构模型将所述二维向量合集进行降维处理，得到一维向量合集，包括：基于i确认所述M个1*N的向量中的第i个1*N的向量作为目标1*N的向量，其中所述i取1至M的任意整数；基于j确认所述目标1*N的向量中第j个向量作为目标向量，其中所述j取1至N的任意整数；基于所述目标向量将所述二维向量合集进行降维处理，得到一维向量合集。3.根据权利要求2所述的数据加解密方法，其特征在于，所述基于所述目标向量将所述二维向量合集进行降维处理，得到一维向量合集，包括：从所述M个1*N的向量中确认所述目标向量所在的第i个1*N的向量作为待处理1*N的向量；将所述待处理1*N的向量中第j个向量作为所述一维向量合集的起始向量；将所述待处理1*N的向量中第j个向量之后的每一个向量依次放入所述一维向量合集中，将所述待处理1*N的向量中从第一个向量开始至所述待处理1*N的向量中第j个向量前一个向量依次放入所述一维向量合集；将所述待处理1*N的向量从所述M个1*N的向量中去除，得到第一待降维向量；从所述第一待降维向量中重新确认所述待处理1*N的向量，并执行将所述待处理1*N的向量中第j个向量作为所述一维向量合集的起始向量，将所述待处理1*N的向量中第j个向量之后的每一个向量依次放入所述一维向量合集中，将所述待处理1*N的向量中从第一个向量开始至所述待处理1*N的向量中第j个向量前一个向量依次放入所述一维向量合集，将所述待处理1*N的向量从所述M个1*N的向量中去除，得到第二待降维向量，重复上述步骤，直至所述第二待降维向量不包括所述待处理1*N的向量。4.根据权利要求3所述的数据加解密方法，其特征在于，所述从所述第一待降维向量中重新确认所述待处理1*N的向量，包括：从所述第一待降维向量中确定第一个所述1*N的向量为所述待处理1*N的向量。
5.根据权利要求1所述的数据加解密方法，其特征在于，所述利用神经网络模型确认所述身份信息是否为指...

【专利技术属性】
技术研发人员：罗浩，冯燕坡，罗颖川，
申请(专利权)人：成都网讯优速信息技术有限公司，
类型：发明
国别省市：