[发明专利]数据加解密方法、装置及网络设备有效

专利信息
申请号: 201910087490.6 申请日: 2019-01-29
公开(公告)号: CN111488592B 公开(公告)日: 2023-08-25
发明(设计)人: 刘轩;冯广欣;孙承华 申请(专利权)人: 武汉海康存储技术有限公司
主分类号: G06F21/60 分类号: G06F21/60;G06F21/32;G06V40/16;G06V10/82;G06N3/0464
代理公司: 北京博思佳知识产权代理有限公司 11415 代理人: 林祥
地址: 430074 湖北省武汉市东湖开*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 数据 解密 方法 装置 网络设备
【说明书】:

发明提供了一种数据加解密方法、装置及网络设备。本发明实施例中,通过采集用户的指定数量的脸部图像,利用预设的卷积神经网络对脸部图像进行特征提取,得到脸部特征数据,根据脸部特征数据生成密钥,利用密钥对数据进行加密或解密,使用能够体现差异性的人的脸部图像的特征数据作为生成密钥的基础数据,并且特征数据是利用卷积神经网络提取的,精度高,因此加大了密钥的破解难度,从而提高了使用该密钥的数据的安全性。

技术领域

本申请涉及存储技术领域,尤其涉及一种数据加解密方法、装置及网络设备。

背景技术

在当今的大数据时代,经常需要对数据进行加密、解密。数据加密是利用密钥将数据明文转换为数据密文的过程,而数据解密则是用密钥将数据密文转换为数据明文的过程。

相关技术中,使用用户输入的简单的数字、字母或其他已知符号的组合作为密钥,对用户数据进行加密和解密。这种加解密方式由于密钥较为简单,容易被破解,因此导致数据安全性较低。

发明内容

为克服相关技术中存在的问题,本说明书提供了一种数据加解密方法、装置及网络设备。

根据本申请实施例的第一方面,提供一种数据加解密方法,所述方法包括:

采集用户的指定数量的脸部图像;

利用预设的卷积神经网络对所述脸部图像进行特征提取,得到脸部特征数据;

根据所述脸部特征数据生成密钥;

利用所述密钥对数据进行加密或解密。

根据本申请实施例的第二方面,提供一种数据加解密装置,所述装置包括:

图像采集模块,用于采集用户的指定数量的脸部图像;

特征提取模块,用于利用预设的卷积神经网络对所述脸部图像进行特征提取,得到脸部特征数据;

密钥生成模块,用于根据所述脸部特征数据生成密钥;

加解密模块,用于利用所述密钥对数据进行加密或解密。

根据本申请实施例的第三方面,提供一种网络设备,包括第二方面所述的数据加解密装置。

本发明实施例提供的技术方案可以包括以下有益效果:

本发明实施例中,通过采集用户的指定数量的脸部图像,利用预设的卷积神经网络对脸部图像进行特征提取,得到脸部特征数据,根据脸部特征数据生成密钥,利用密钥对指定数据进行加密或解密,使用能够体现差异性的人的脸部图像的特征数据作为生成密钥的基础数据,并且特征数据是利用卷积神经网络提取的,精度高,因此加大了密钥的破解难度,从而提高了使用该密钥的数据的安全性。并且,本发明实施例通过从脸部图像提取出特征,再根据特征生成密钥,增加了密钥获取过程的复杂度,因此进一步加大了密钥的破解难度,提高了密钥的安全性。

应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本说明书。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本说明书的实施例,并与说明书一起用于解释本说明书的原理。

图1为本发明实施例提供的数据加解密方法的一个应用场景示例图。

图2为本发明实施例提供的一种数据加解密方法的流程示例图。

图3为本发明实施例提供的一种数据加解密装置的功能方块图。

图4为本发明实施例提供的网络设备的一个硬件结构图。

具体实施方式

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉海康存储技术有限公司,未经武汉海康存储技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910087490.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top