[发明专利]一种基于数据加密的网络会议系统及方法

权利要求书

1.一种基于数据加密的网络会议系统，其特征在于，所述系统包括：会议装置，用于提供给用户进行网络会议；监控装置，用于监控会议装置中的数据信息；安全控制装置，用于对网络会议中的各个会议装置之间的数据，以及会议装置内部各个装置之间传输的数据进行安全控制；所述会议装置包括：用户端、数据传输装置和数据备份装置；所述各个会议装置之间通过数据传输装置互联；所述用户端包括：视频录入装置和语音录入装置；所述视频录入装置和语音录入装置分别信号连接于数据传输装置；所述数据传输装置还与数据备份装置信号连接。

2.如权利要求1所述的系统，其特征在于，所述安全控制装置包括：用于提取会议装置中各个装置之间传输的数据和各个数据传输装置传输的数据的数据提取装置和用于对提取到的数据进行加密和解密的数据控制装置；所述数据控制装置对传输数据进行加密的方法执行以下步骤：步骤1：首先将提取的传输数据转换为图像数据；步骤2：使用微积分成像将待加密的图像数据转换为单位图像阵列；步骤3：生成密钥；步骤4：进行加密，根据生成的密钥，将单位图像阵列进行混沌随机调制，然后进行模变换；步骤5：进行解密，将加密后的图像首先进行逆变换，然后进行混沌随机复共轭调制，最后使用微积分成像技术重构出图像数据，根据重构的图像数据计算出最初的传输的数据。

3.如权利要求2所述的系统，其特征在于，所述监控装置包括：深度学习单元，所述深度学习单元是基于计算机神经网络训练出鉴别不良信息的深度学习模型；信息获取单元，用于将训练出的深度学习模型转换到神经网络处理引擎对应的格式，获取用户在各个装置上的输入的类容；识别单元，用于基于转换格式后的深度学习模型对用户输入的内容进行识别，输出识别结果正常或存在不良信息；监控输出单元，用于将监控识别结果发送到用户端，提醒用户出现不良信息。

4.如权利要求3所述的系统，其特征在于，所述深度学习单元进行训练的方法为：针对输入的样本集进行训练；所述样本集是基于10万不良信息数据的样本集训练，得出的模型在随机的1万不良信息数据样本集中测试通过。

5.如权利要求4所述的系统，其特征在于，将训练出的深度学习模型转换到神经网络处理引擎对应的格式，神经网络处理引擎的使用流程包括：通过SNPESDK加载DLC模型；准备内容，进行内容的转换；将内容的数据通过SNPESDK接口，输入推理引擎；解析推理的结果。

6.一种基于权利要求1至5之一所述系统的基于数据加密的网络会议方法，其特征在于，方法执行以下步骤：

步骤1：用户使用会议装置进行网络会议；

步骤2：监控装置监控会议装置中的数据信息；

步骤3：安全控制装置对网络会议中的各个会议装置之间的数据，以及会议装置内部各个装置之间传输的数据进行安全控制。

7.如权利要求6所述的方法，其特征在于，所述安全控制装置包括：用于提取会议装置中各个装置之间传输的数据和各个数据传输装置传输的数据的数据提取装置和用于对提取到的数据进行加密和解密的数据控制装置；所述数据控制装置对传输数据进行加密的方法执行以下步骤：步骤1：首先将提取的传输数据转换为图像数据；步骤2：使用微积分成像将待加密的图像数据转换为单位图像阵列；步骤3：生成密钥；步骤4：进行加密，根据生成的密钥，将单位图像阵列进行混沌随机调制，然后进行模变换；步骤5：进行解密，将加密后的图像首先进行逆变换，然后进行混沌随机复共轭调制，最后使用微积分成像技术重构出图像数据，根据重构的图像数据计算出最初的传输的数据。

8.如权利要求7所述的方法，其特征在于，所述加密的方式为对称加密方式。