【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种基于云平台实现矿山数据的安全分析方法及系统。
技术介绍
1、在矿山开采中，所采集到的矿山数据是一项十分重要的数据，可以帮助矿山企业更加深入地了解矿山的地质状况、结构和组成，进而优化开采方案，提高生成效率。但是，矿山数据在传输或存储的过程中，可能会遭受网络攻击，存在泄漏的风险。
技术实现思路
1、本专利技术提供一种基于云平台实现矿山数据的安全分析方法及系统，其主要目的在于解决保证矿山数据安全的问题。
2、为实现上述目的，本专利技术提供的一种基于云平台实现矿山数据的安全分析方法，包括：
3、通过预设在矿山的采集装置获取矿山数据，通过加密算法根据预设的密钥对所述矿山数据进行加密，得到加密矿山数据，将所述加密矿山数据上传至云平台，详细地，所述通过加密算法根据预设的密钥对所述矿山数据进行加密，包括：
4、利用如下公式对所述矿山数据进行加密：
5、；
6、其中，表示加密函数，表示所述密钥，表示所述矿山数据中第组数据，表示取模运算；
7、通过所述云平台获取对所述加密矿山数据进行访问的数据，得到访问数据；
8、将所述访问数据划分为一系列连续的窗口，得到一系列的窗口数据，计算每个窗口数据的峰度，利用转折点识别算法识别每个窗口数据的数据转折点，基于所述峰度以及所述数据转折点生成访问数据时序特征；
9、利用预先训练好的访问数据监测模型对所述访问数据时序特征进行识别，得到识别
10、若所述识别结果为异常访问数据，则向管理员发送警报信息。
11、可选地，所述通过所述云平台获取对所述加密矿山数据进行访问的数据，得到访问数据，包括：
12、启动预先设置的抓包工具，为所述抓包工具配置对应的代理服务；
13、利用所述抓包工具获取所述云平台的后台访问数据；
14、根据所述加密矿山数据的关键词对所述后台访问数据进行筛选，得到访问数据。
15、可选地，利用抓包工具对数据通信过程中的所有ip报文进行捕获并进行逐层拆包分析，得到后台访问数据。
16、可选地，所述计算每个窗口内的数据的峰度，包括：
17、利用如下公式计算所述峰度：
18、；
19、其中， 为所述峰度， 为所述窗口数据的样本数量， 为所述窗口数据中，第 个数据， 为所述窗口数据的均值。
20、可选地，所述利用预先训练好的访问数据监测模型对所述访问数据时序特征进行识别，得到识别结果之前，所述方法还包括：
21、获取所述云平台的历史访问数据，对所述历史访问数据进行特征提取，得到历史访问数据时序特征，将所述历史访问数据时序特征作为训练数据集；
22、利用神经网络模型对所述训练数据集进行识别，得到预测标签；
23、计算所述预测标签与所述训练数据集的预置真实标签的损失值；
24、若所述损失值大于预设的损失值阈值，则修改所述神经网络模型的偏置项，再次执行利用神经网络模型对所述训练数据集进行识别，得到预测标签的步骤。
25、若所述损失值小于或等于预设的损失值阈值，则确认模型训练完成，得到访问数据监测模型。
26、可选地，所述计算所述预测标签与所述训练数据集的预置真实标签的损失值，包括：
27、利用如下公式计算所述损失值：
28、；
29、其中，为所述损失值，表示所述训练数据集的预置真实标签，表示预测标签。
30、可选地，所述利用预先训练好的访问数据监测模型对所述访问数据时序特征进行识别，得到识别结果，包括：
31、利用所述访问数据监测模型对所述访问数据时序特征进行数据转换处理，得到特征矩阵；
32、利用所述访问数据监测模型通过卷积层对所述特征矩阵进行卷积操作，得到卷积特征；
33、利用所述访问数据监测模型通过池化层对所述卷积特征进行最大池化操作，得到池化特征；
34、利用所述访问数据监测模型通过全连接层根据所述池化特征对访问数据进行识别，得到识别结果
35、可选地，所述利用所述访问数据监测模型通过卷积层对所述特征矩阵进行卷积操作，得到卷积特征，包括：
36、利用如下公式计算所述卷积特征：
37、；
38、其中，为所述卷积特征中的第个局部特征，表示所述特征矩阵的第行，为卷积核参数，为所述偏置项，为relu函数。
39、可选地，所述利用所述访问数据监测模型通过全连接层根据所述池化特征对访问数据进行识别，得到识别结果，包括：
40、利用如下公式计算识别结果：
41、；
42、其中，为所述识别结果，为全连接层的权重参数，为所述池化特征，为所述偏置项，为softmax函数。
43、为了解决上述问题，本专利技术还提供一种基于云平台实现矿山数据的安全分析系统，所述装置包括：
44、数据加密模块，通过加密算法根据预设的密钥对所述矿山数据进行加密，得到加密矿山数据，其中，所述通过加密算法根据预设的密钥对所述矿山数据进行加密，包括：
45、利用如下公式对所述矿山数据进行加密：
46、；
47、其中，表示加密函数，表示所述密钥，表示所述矿山数据中第组数据，表示取模运算；
48、数据监测模块，通过所述云平台获取对所述加密矿山数据进行访问的数据，得到访问数据；
49、安全分析模块，对所述访问数据进行时序特征提取，得到访问数据时序特征，利用预先训练好的访问数据监测模型对所述访问数据时序特征进行识别，得到识别结果；
50、警报模块，若所述识别结果为异常访问数据，则向管理员发送警报信息。
51、本专利技术实施例通过加密算法根据预设的密钥对矿山数据进行加密，并上传至云平台进行存储，通过云平台监测对加密的矿山数据进行访问的数据，并提取特征，得到访问数据时序特征，利用历史访问数据训练出访问数据监测模型，通过访问数据监测模型对访问数据时序特征进行识别，判断是否为异常访问数据，若为异常访问数据则向管理员发送警报。本专利技术可以提矿山数据的安全性。因此本专利技术提出的矿山数据安全分析方法、装置，可以提高矿山数据地安全性。
本文档来自技高网...【技术保护点】
1.基于云平台实现矿山数据的安全分析方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于云平台实现矿山数据的安全分析方法，其特征在于，所述通过所述云平台获取对所述加密矿山数据进行访问的数据，得到访问数据，包括：
3.如权利要求2所述的基于云平台实现矿山数据的安全分析方法，其特征在于，利用抓包工具对数据通信过程中的所有IP报文进行捕获并进行逐层拆包分析，得到后台访问数据。
4.如权利要求1所述的基于云平台实现矿山数据的安全分析方法，其特征在于，所述计算每个窗口内的数据的峰度，包括：
5.如权利要求4所述的基于云平台实现矿山数据的安全分析方法，其特征在于，所述利用预先训练好的访问数据监测模型对所述访问数据时序特征进行识别，得到识别结果之前，所述方法还包括：
6.如权利要求5所述的基于云平台实现矿山数据的安全分析方法，其特征在于，所述计算所述预测标签与所述训练数据集的预置真实标签的损失值，包括：
7.如权利要求6所述的基于云平台实现矿山数据的安全分析方法，其特征在于，所述利用预先训练好的访问数据监测模型对所
8.如权利要求7所述的基于云平台实现矿山数据的安全分析方法，其特征在于，所述利用所述访问数据监测模型通过卷积层对所述特征矩阵进行卷积操作，得到卷积特征，包括：
9.如权利要求7所述的基于云平台实现矿山数据的安全分析方法，所述利用所述访问数据监测模型通过全连接层根据所述池化特征对访问数据进行识别，得到识别结果，包括：
10.一种基于云平台实现矿山数据的安全分析系统，所述系统包括：
...【技术特征摘要】
1.基于云平台实现矿山数据的安全分析方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于云平台实现矿山数据的安全分析方法，其特征在于，所述通过所述云平台获取对所述加密矿山数据进行访问的数据，得到访问数据，包括：
3.如权利要求2所述的基于云平台实现矿山数据的安全分析方法，其特征在于，利用抓包工具对数据通信过程中的所有ip报文进行捕获并进行逐层拆包分析，得到后台访问数据。
4.如权利要求1所述的基于云平台实现矿山数据的安全分析方法，其特征在于，所述计算每个窗口内的数据的峰度，包括：
5.如权利要求4所述的基于云平台实现矿山数据的安全分析方法，其特征在于，所述利用预先训练好的访问数据监测模型对所述访问数据时序特征进行识别，得到识别结果之前，所述方法还包括：
...
【专利技术属性】
技术研发人员：王礼波，韦善阳，唐仲斌，龙位，杨爱莲，
申请(专利权)人：贵州大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。