一种无人驾驶系统开发数据安全管理方法技术方案

本发明专利技术公开了一种无人驾驶系统开发数据安全管理方法，涉及图像加密领域，该方法包括：获取无人驾驶系统开发的图像数据；利用图像数据的灰度信息熵以及像素点与邻域像素点的灰度值获取魔方模型转换的第一参数和第二参数；利用第一参数和第二参数得到像素点的初始坐标；获取魔方模型中每层的最大容纳量；根据最大容纳量将像素点分为多个区间，利用像素点的初始坐标与层数得到像素点的实际坐标；利用魔方模型中实际坐标得到目标魔方模型；将图像数据中的像素点转换到目标魔方模型中；利用魔方加密算法对目标魔方模型进行加密，本发明专利技术能够提高图像数据加密的安全性，并且能够减少密钥长度，便于管理。便于管理。便于管理。

【技术实现步骤摘要】
一种无人驾驶系统开发数据安全管理方法


[0001]本专利技术涉及图像加密
，具体涉及一种无人驾驶系统开发数据安全管理方法。

技术介绍

[0002]随着科技的发展，无人驾驶系统所应用的场景越来越广泛。而无人驾驶系统在进行开发的过程中往往会产生大量的开发数据，这些数据往往牵扯到开发单位的隐私信息以及自主知识产权，所以需要对其进行安全管理，尤其是其中的图像数据，因为其表现形式更为直观，所以更需要进行安全管理。
[0003]而对无人驾驶系统中开发数据中的图像数据进行加密时往往使用的技术为常规的图像加密算法，例如广泛适用于图像加密的魔方加密算法，但是由于无人驾驶系统中的图像数据较多且较为复杂，由于构建的魔方模型的过程过于单一化，只能在六面分布，从而使得构建的魔方过大，导致加密所需要的密钥过多难以管理，并且在加密时没有完全打破像素点之间的相关性，加密效果不好，容易被破解，因此，本专利技术提出一种无人驾驶系统开发数据安全管理方法。

技术实现思路

[0004]本专利技术提供一种无人驾驶系统开发数据安全管理方法，以解决现有的问题。
[0005]本专利技术的一种无人驾驶系统开发数据安全管理方法，采用如下技术方案：
[0006]获取无人驾驶系统开发过程中的图像数据；
[0007]利用图像数据的灰度信息熵以及每个像素点与邻域像素点的灰度差异获取对像素点进行魔方模型转换的第一参数；
[0008]获取图像数据中每个灰度值包含的所有像素点与邻域像素点的灰度相似性均值，对每个灰度值得到的灰度相似性均值的平方的均值进行反比例归一化得到魔方模型转换的第二参数；
[0009]利用第一参数和第二参数对图像数据中每个像素点的坐标进行转换得到每个像素点在魔方模型的初始坐标；
[0010]利用图像数据中像素点的数量获取魔方模型中每层的最大容纳量；
[0011]根据最大容纳量将图像数据中的像素点分为多个区间，每个区间中的像素点为魔方模型中对应层的像素点，利用每个像素点的初始坐标与所在层数的比值得到每个像素点的实际坐标；
[0012]利用魔方模型中所有层包含的像素点的最大实际坐标重构目标魔方模型；
[0013]利用每个像素点的实际坐标和所在目标魔方模型中的层数将图像数据中的所有像素点转换到目标魔方模型中，且将目标魔方模型中的空白处的灰度值设置为0；
[0014]利用魔方加密算法对像素点所在的目标魔方模型进行加密得到加密魔方，利用加密魔方对图像数据进行加密管理。
[0015]进一步，获取对像素点进行魔方模型转换的第一参数的步骤包括：
[0016]获取图像数据中每个像素点与邻域像素点灰度差异的均值；
[0017]对每个像素点得到的灰度差异均值再求均值得到整个图像数据的灰度差异；
[0018]利用指数函数对图像数据的灰度信息熵和灰度差异的乘积进行反比例归一化；
[0019]将归一化后的值乘以整数取整作为对像素点进行魔方模型转换的第一参数。
[0020]进一步，获取每个灰度值包含的所有像素点与邻域像素点的灰度相似性均值的步骤包括：
[0021]获取每个像素点在多个邻域方向上邻域像素点的灰度值；
[0022]利用邻域像素点与对应的像素点的灰度值比值与1的差值的绝对值得到像素点与邻域像素点的灰度相似性；
[0023]获取每个灰度值对应的所有像素点与邻域像素点的灰度相似性均值。
[0024]进一步，获取魔方模型转换的第二参数的公式为：
[0025]其中，表示对像素点进行魔方模型转换的第二参数；表示灰度值为G的所有像素点与邻域像素点的灰度相似性；表示图像数据中的灰度值；为自然常数。
[0026]进一步，获取魔方模型中每层的最大容纳量的步骤包括：
[0027]对图像数据中的像素点数量开立方，再对开立方的结果求平方得到魔方模型中每层的最大容纳量。
[0028]进一步，获得每个像素点在魔方模型中的初始坐标的步骤包括：
[0029]利用下式获取每个像素点在魔方模型中的初始坐标：
[0030][0031]其中，表示图像数据中的第个像素点经过魔方模型转换后在魔方模型中的初始坐标；表示图像数据中的第个像素点在二维图像数据中的坐标；表示对像素点进行魔方模型转换的第一参数，表示对像素点进行魔方模型转换的第二参数。
[0032]进一步，根据最大容纳量将图像数据中的像素点分为多个区间，每个区间中的像素点为魔方模型中对应层的像素点的步骤包括：
[0033]利用图像数据中像素点数量与最大容纳量的比值得到区间总数量；
[0034]将图像数据中的像素点按从左到右从上到下的顺序分配到每个区间中；
[0035]每个区间中的像素点对应魔方模型中每层的像素点；
[0036]第一个区间对应魔方模型中的第一层，即第一个区间中的像素点在魔方模型转换时转换到魔方模型中的第一层，类比该方法每个区间对应魔方模型中的相应的一层。
[0037]本专利技术的有益效果是：本专利技术的一种无人驾驶系统开发数据安全管理方法，本专利技术在利用无人驾驶系统开发数据中的图像数据的整体灰度值随机性以及灰度相似性进行魔方模型转换的参数的计算，利用魔方模型转换的参数将图像数据中像素点的二维坐标转为魔方模型三维空间中的坐标，图像数据中的整体灰度值越随机，相似性越小，说明图像本身就比较混乱抗攻击型就越大，得到的转换参数的值越小，即转换到三维空间中的坐标数值越小，得到的目标魔方模型的尺寸越小，最后得到的密钥长度，越方便存储；反之图像比
较均匀时，得到的目标魔方模型尺寸较大，加密效果越好；并且以空间立体的形式对图像数据进行立体分布，不再是传统加密魔方的六面分布，使得魔方模型尺寸大大减小，缩短了常规的魔方加密的密钥长度更便于管理；将像素点转换到三维空间中时已经打乱了像素点的原始分布，即打破了像素点之间的关联性，使得加密后的模型更难破解；并且在建立魔方模型的时候利用魔方模型转换参数进行线性魔方模型转换，使得在建立魔方模型的过程中就已经进行了一次加密，再进行常规的二次加密使得加密效果更好。
附图说明
[0038]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术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，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0039]图1为本专利技术的一种无人驾驶系统开发数据安全管理方法的实施例总体步骤的流程图。
具体实施方式
[0040]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，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。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前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0041]本专利技术的一种无人驾驶系统开发数据安全管理方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人驾驶系统开发数据安全管理方法，其特征在于：获取无人驾驶系统开发过程中的图像数据；利用图像数据的灰度信息熵以及每个像素点与邻域像素点的灰度差异获取对像素点进行魔方模型转换的第一参数；获取图像数据中每个灰度值包含的所有像素点与邻域像素点的灰度相似性均值，对每个灰度值得到的灰度相似性均值的平方的均值进行反比例归一化得到魔方模型转换的第二参数；利用第一参数和第二参数对图像数据中每个像素点的坐标进行转换得到每个像素点在魔方模型的初始坐标；利用图像数据中像素点的数量获取魔方模型中每层的最大容纳量；根据最大容纳量将图像数据中的像素点分为多个区间，每个区间中的像素点为魔方模型中对应层的像素点，利用每个像素点的初始坐标与所在层数的比值得到每个像素点的实际坐标；利用魔方模型中所有层包含的像素点的最大实际坐标重构目标魔方模型；利用每个像素点的实际坐标和所在目标魔方模型中的层数将图像数据中的所有像素点转换到目标魔方模型中，且将目标魔方模型中的空白处的灰度值设置为0；利用魔方加密算法对像素点所在的目标魔方模型进行加密得到加密魔方，利用加密魔方对图像数据进行加密管理。2.根据权利要求1所述的一种无人驾驶系统开发数据安全管理方法，其特征在于，获取对像素点进行魔方模型转换的第一参数的步骤包括：获取图像数据中每个像素点与邻域像素点灰度差异的均值；对每个像素点得到的灰度差异均值再求均值得到整个图像数据的灰度差异；利用指数函数对图像数据的灰度信息熵和灰度差异的乘积进行反比例归一化；将归一化后的值乘以整数取整作为对像素点进行魔方模型转换的第一参数。3.根据权利要求1所述的一种无人驾驶系统开发数据安全管理方法，其特征在于，获取每个灰度值包含的所有像素点与邻域像素点的灰度相似性均值的步骤包括：获取每个像素点在多个邻域方...

【专利技术属性】
技术研发人员：杨扬，胡心怡，
申请(专利权)人：上海伯镭智能科技有限公司，
类型：发明
国别省市：