一种工业数字化信息采集装置用数据安全管理方法

技术领域

本发明涉及数据处理技术领域，具体涉及一种工业数字化信息采集装置用数据安全管理方法。

背景技术

工业数字化信息采集装置是指用于采集工业生产过程中的各种工业数据，如温度、压力等，以便后续进行监测、控制和分析的设备；而为了确保工业数据的安全性，需要对工业数据进行加密，从而实现数据的安全管理；但由于工业环境的影响，导致获取的工业数据本身存在较大的噪声，对工业数据的密钥生成以及传输过程产生较大干扰，所以需要对工业数据进行降噪处理。

传统方法通常利用SG（Savitzky-Golay）滤波对工业数据进行去噪，但由于工业生产过程中会因生产情况不同，对应的生产环境会产生对应的变化，致使不同长度的时间段内工业数据所含的噪声量不同，但传统的SG滤波仅是通过固定窗口对固定长度的时间段内的工业数据进行降噪，降低了最终降噪结果的可信度，降低了工业数据降噪的效率，降低了数据安全管理的效率。

发明内容

本发明提供一种工业数字化信息采集装置用数据安全管理方法，以解决现有的问题：传统的SG滤波无法根据生产环境不同而产生的不同噪声量来调整固定窗口对不同长度的时间段内的工业数据进行降噪。

本发明的一种工业数字化信息采集装置用数据安全管理方法采用如下技术方案：

包括以下步骤：

采集若干维度的工业信息数据序列，所述工业信息数据序列包含多个工业数据；

将工业信息数据序列划分为若干局部工业数据点段，所述局部工业数据点段包含多个工业数据点；根据局部工业数据点段中工业数据点的变化稳定情况对工业数据点进行聚类得到若干筛定聚类簇，所述筛定聚类簇包含多个参考工业数据点；根据筛定聚类簇中参考工业数据点的数值波动情况，得到若干参考工业数据点的局部筛定波动因子；根据不同参考工业数据点之间的趋势变化差异以及局部筛定波动因子，得到每个工业数据点的波动约束因子；

根据局部工业数据点段在同一筛定聚类簇中不同工业数据点之间的距离差异得到若干邻域趋势距离；根据不同邻域趋势距离之间的差异得到每个参考工业数据点的波动异常系数，所述波动异常系数用于描述工业数据与噪声数据之间的差异；根据不同工业数据点之间在同一参考工业数据点上波动异常系数的差异以及不同工业数据点的波动约束因子，得到每个工业数据点的噪声因子，所述噪声因子用于描述工业数据受噪声干扰的概率；

根据噪声因子的大小将工业信息数据序列重新划分为若干滤波数据点段；根据滤波数据点段对工业数据进行安全管理。

优选的，所述将工业信息数据序列划分为若干局部工业数据点段，包括的具体方法为：

以采样时刻为横坐标，工业数据为纵坐标，根据横坐标以及纵坐标构建二维坐标系，对于任意一个工业信息数据序列，将工业信息数据序列输入二维坐标系，获取若干数据点，将每个数据点记为工业数据点；

预设一个工业数据点数量

优选的，所述根据局部工业数据点段中工业数据点的变化稳定情况对工业数据点进行聚类得到若干筛定聚类簇，包括的具体方法为：

将任意一个工业数据点的局部工业数据点段中所有工业数据点的标准差的记为目标工业数据点的邻域工业波动值；获取所有工业数据点的邻域工业波动值；

预设一个类簇数量区间

优选的，所述根据筛定聚类簇中参考工业数据点的数值波动情况，得到若干参考工业数据点的局部筛定波动因子，包括的具体方法为：

将任意一个工业数据点记为第二目标工业数据点，将第二目标工业数据点的任意一个筛定聚类簇中任意一个工业数据点记为第二目标工业数据点的参考工业数据点，将参考工业数据点的局部工业数据点段中任意一个工业数据点记为参考工业数据点的第一参考工业数据点，若第一参考工业数据点在所述筛定聚类簇中出现，将第一参考工业数据点记为参考数据点的局部筛定工业数据点；获取参考工业数据点的所有局部筛定工业数据点，将参考工业数据点的所有局部筛定工业数据点的标准差记为参考工业数据点的局部筛定波动因子。

优选的，所述根据不同参考工业数据点之间的趋势变化差异以及局部筛定波动因子，得到每个工业数据点的波动约束因子，包括的具体方法为：

将任意一个工业数据点记为第三目标工业数据点；

对于第三目标工业数据点在任意一个筛定聚类簇中任意一个参考工业数据点，获取参考工业数据点的所有局部筛定工业数据点的所有极值点，将所有极值点的数量记为参考工业数据点的局部筛定极值量；获取第三目标工业数据点在筛定聚类簇中所有参考工业数据点的局部筛定极值量；

式中，

优选的，所述根据局部工业数据点段在同一筛定聚类簇中不同工业数据点之间的距离差异得到若干邻域趋势距离，包括的具体方法为：

对于第三目标工业数据点的任意一个筛定聚类簇中任意一个参考工业数据点，将参考工业数据点的所有局部筛定工业数据点的所有极值点构成的序列记为参考工业数据点的参考工业极值点序列；

对于参考工业极值点序列中任意三个相邻的极值点，在三个极值点中，将第二个极值点与第一个极值点之间的欧式距离记为第一距离，将第二个极值点与第三个极值点之间的欧式距离记为第二距离，将第一距离与第二距离的均值记为第二个极值点的邻域趋势距离。

优选的，所述根据不同邻域趋势距离之间的差异得到每个参考工业数据点的波动异常系数，包括的具体方法为：

式中，

优选的，所述根据不同工业数据点之间在同一参考工业数据点上波动异常系数的差异以及不同工业数据点的波动约束因子，得到每个工业数据点的噪声因子，包括的具体方法为：

式中，

获取第

获取所有工业数据点的初始噪声因子，对所有的初始噪声孤立因子进行线性归一化，将归一化后的每个初始噪声孤立因子记为噪声因子。

优选的，所述根据噪声因子的大小将工业信息数据序列重新划分为若干滤波数据点段，包括的具体方法为：

预设一个噪声因子阈值

优选的，所述根据滤波数据点段对工业数据进行安全管理，包括的具体方法为：

将每个滤波数据点段分别作为一个窗口，根据窗口对窗口内的工业数据进行SG滤波得到滤波后的工业数据，将滤波后的工业数据进行RSA非对称加密得到加密后的工业数据，将加密后的工业数据存储在工业数据库中。

本发明的技术方案的有益效果是：根据工业信息数据序列中工业数据点的变化稳定情况得到参考工业数据点的局部筛定波动因子，根据不同参考工业数据点之间的趋势变化差异以及局部筛定波动因子得到工业数据点的波动约束因子，根据局部工业数据点段在同一筛定聚类簇中不同工业数据点之间的距离差异得到参考工业数据点的波动异常系数，根据不同工业数据点之间在同一参考工业数据点上波动异常系数的差异以及不同工业数据点的波动约束因子得到工业数据点的噪声因子，根据噪声因子对工业数据进行安全管理；本发明的波动约束因子反映了工业数据点的筛定聚类簇中工业数据点的数据波动剧烈程度，波动异常系数反映了参数工业数据点的局部筛定工业数据点受噪声干扰导致的波动变化混乱程度，噪声因子反映了工业数据受噪声干扰的概率；使SG滤波的窗口大小的确定更加智能，提高了工业数据降噪结果的可信度，提高了数据安全管理的效率。

附图说明

为了更清楚地说明本发明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发明的一些实施例，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。

图1为本发明一种工业数字化信息采集装置用数据安全管理方法的步骤流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种工业数字化信息采集装置用数据安全管理方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种工业数字化信息采集装置用数据安全管理方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种工业数字化信息采集装置用数据安全管理方法的步骤流程图，该方法包括以下步骤：

步骤S001：采集若干维度的工业信息数据序列。

需要说明的是，传统方法通常利用SG（Savitzky-Golay）滤波对工业数据进行去噪，但由于工业生产过程中会因生产情况不同，对应的生产环境会产生对应的变化，致使不同长度的时间段内工业数据所含的噪声量不同，但传统的SG滤波仅是通过固定窗口对固定长度的时间段内的工业数据进行降噪，降低了最终降噪结果的可信度，降低了工业数据降噪的效率，数据安全管理的效率。为此，本实施例提出了一种工业数字化信息采集装置用数据安全管理方法。

具体的，为了实现本实施例提出的一种工业数字化信息采集装置用数据安全管理方法，首先需要采集工业信息数据序列，具体过程为：使用工业数字化信息采集装置中的温度传感器、压强传感器、电流传感器每隔2秒为一个采样时刻，采集一次温度数据、压强数据、电流数据这三个工业维度数据种类，并将每次采集的温度数据、压强数据、电流数据均记为工业数据，共采集200秒；以任意一个工业维度数据种类为例，将该工业维度数据种类的所有工业数据按照采样时刻从小到大的顺序进行排列，将排列后的序列记为工业信息数据序列；获取所有工业信息数据序列。另外需要说明的是，本实施例以采样时刻为1秒，工业维度数据种类分别为温度数据、压强数据、电流数据，采集总时间为200秒为例进行叙述，本实施例不进行具体限定，其中采样时刻、工业维度数据种类以及数量、采集总时间可根据具体实施情况而定。

至此，通过上述方法得到所有工业信息数据序列。

步骤S002：将工业信息数据序列划分为若干局部工业数据点段；根据局部工业数据点段中工业数据点的变化稳定情况对工业数据点进行聚类得到若干筛定聚类簇；根据筛定聚类簇中参考工业数据点的数值波动情况，得到若干参考工业数据点的局部筛定波动因子；根据不同参考工业数据点之间的趋势变化差异以及局部筛定波动因子，得到每个工业数据点的波动约束因子。

需要说明的是，在实际情况中，由于工业环境会随着工业进程不断发生变化，导致对应的环境干扰因素不断发生改变，使采集的工业数据含有一定程度的噪声，并且这些噪声在工业数据中呈随机分布，使不同时间段内采集的工业数据产生不同程度的波动；但由于工业数据本身会随着工业进程本身也会产生一定波动，从而无法直接从单个工业数据的波动情况确定实际受噪声影响的工业数据。

进一步需要说明的是，受噪声干扰的工业数据通常表现在单个工业数据波动，而常规受工业进程变化的工业数据通常会呈一定时间范围内发生波动变化，且时间范围内的波动变化关联性较强；因此，本实施例根据一定时间范围内工业数据的变化情况得到工业数据点的波动约束因子，以便后续分析处理。

具体的，以采样时刻为横坐标，工业数据为纵坐标，根据横坐标以及纵坐标构建二维坐标系，将任意一个工业信息数据序列为例，将该工业信息数据序列输入二维坐标系，获取若干数据点，将每个数据点记为工业数据点；预设一个工业数据点数量

进一步的，将该目标工业数据点的局部工业数据点段中所有工业数据点的标准差的记为该目标工业数据点的邻域工业波动值；获取所有工业数据点的邻域工业波动值；预设一个类簇数量区间

进一步的，将该第一目标工业数据点的任意一个筛定聚类簇中任意一个工业数据点记为该第一目标工业数据点的参考工业数据点，将该参考工业数据点的局部工业数据点段中任意一个工业数据点记为该参考工业数据点的第一参考工业数据点，若该第一参考工业数据点在该筛定聚类簇中出现，那么将该第一参考工业数据点记为该参考数据点的局部筛定工业数据点；获取该参考工业数据点的所有局部筛定工业数据点，将该参考工业数据点的所有局部筛定工业数据点的标准差记为该参考工业数据点的局部筛定波动因子；获取该第一目标工业数据点在该筛定聚类簇中所有参考工业数据点的局部筛定波动因子。其中每个工业数据点对应多个筛定聚类簇，每个工业数据点在每个筛定聚类簇中包含多个参考工业数据点，每个参考工业数据点对应一个局部筛定波动因子。需要说明的是，每个工业数据点所有的参考工业数据点默认按照采样时刻从小到大的顺序进行排列。

进一步的，以该第一目标工业数据点在该筛定聚类簇中任意一个参考工业数据点为例，获取该参考工业数据点的所有局部筛定工业数据点的所有极值点，将所有极值点的数量记为该参考工业数据点的局部筛定极值量；获取该第一目标工业数据点在该筛定聚类簇中所有参考工业数据点的局部筛定极值量。其中每个参考工业数据点对应一个局部筛定极值量。

进一步的，根据该第一目标工业数据点的所有筛定聚类簇中每个参考工业数据点的局部筛定波动因子以及局部筛定极值量得到该第一目标工业数据点的波动约束系数。其中该第一目标工业数据点的波动约束系数的计算方法为：

式中，

至此，通过上述方法得到所有工业数据点的波动约束因子。

步骤S003：根据局部工业数据点段在同一筛定聚类簇中不同工业数据点之间的距离差异得到若干邻域趋势距离；根据不同邻域趋势距离之间的差异得到每个参考工业数据点的波动异常系数；根据不同工业数据点之间在同一参考工业数据点上波动异常系数的差异以及不同工业数据点的波动约束因子，得到每个工业数据点的噪声因子。

需要说明的是，工业数据点的波动约束因子是基于整个工业信息数据序列获取的，可以表征整体序列的情况；但对于局部的工业数据而言，还会存在较大误差；为此，本实施例通过分析不同工业数据点之间的在相近时间范围内工业数据的变化波动情况，得到工业数据点的波动异常系数，从而结合波动约束因子与波动异常系数综合分析获取工业数据点的噪声因子，以便后续去噪加密处理。

具体的，将该工业信息数据序列上任意一个工业数据点记为第二目标工业数据点，以该第二目标工业数据点的任意一个筛定聚类簇中任意一个参考工业数据点为例；将该参考工业数据点的所有局部筛定工业数据点的所有极值点构成的序列记为该参考工业数据点的参考工业极值点序列，以该参考工业极值点序列中任意三个相邻的极值点为例，在这三个极值点中，将第二个极值点与第一个极值点之间的欧式距离记为第一距离，将第二个极值点与第三个极值点之间的欧式距离记为第二距离，将第一距离与第二距离的均值记为第二个极值点的邻域趋势距离，获取该参考工业数据极值点序列中所有极值点的邻域趋势距离。其中欧式距离的获取是公知技术，本实施例不再赘述。另外需要说明的是，对于该参考工业极值点序列中第一个极值点而言，将第二个极值点与第一个极值点之间的欧式距离记为第一个极值点的邻域趋势距离；对于该参考工业极值点序列中最后一个极值点而言，将最后第二个极值点与最后第一个极值点之间的欧式距离记为最后一个极值点的邻域趋势距离。

进一步的，根据该参考工业数据点的参考工业数据极值点序列中所有极值点的邻域趋势距离得到该参考工业数据点的波动异常系数。其中该参考工业数据点的波动异常系数的计算方法为：

式中，

进一步的，根据该工业信息数据序列上第

式中，

进一步的，获取第

至此，通过上述方法得到所有噪声点的噪声因子。

步骤S004：根据噪声因子的大小将工业信息数据序列重新划分为若干滤波数据点段；根据滤波数据点段对工业数据进行安全管理。

具体的，预设一个噪声因子阈值

进一步的，将每个滤波数据点段分别作为一个窗口，根据窗口对窗口内的工业数据进行滤波得到滤波后的工业数据，将滤波后的工业数据进行RSA非对称加密得到加密后的工业数据，将加密后的工业数据存储在工业数据库中。其中RSA非对称加密算法是公知技术，根据窗口对数据进行滤波的过程是SG滤波的公知内容，本实施例不再赘述。需要说明的是，将加密后的工业数据存储在工业数据库中，即完成了工业数字化数据的安全管理。

至此，本实施例完成。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。