[发明专利]一种基于数据特征权重分析的时序数据水印比较方法

说明书

本发明涉及工业物联网数据安全领域，本发明公开了一种基于数据特征权重分析的时序数据水印比较方法，包括数据特征权重分析步骤和水印比较步骤，本发明先对时间序列数据的特征进行分析，计算不同部分数据对于重要特征的贡献程度的系数，得出时间序列上各数据点的相对权重，根据相对权重通过加权多数投票提取时间序列数据上同一水印比特位上的数字水印，形成经过特征加权后的待检测水印序列。最后根据原始水印序列与待检测水印序列相同的比特位个数，判断待检测水印序列是否符合判定条件。本发明采用数据特征分析，赋予高价值密度数据点更高的数字水印权重，通过加权投票分析，保证高价值密度区域的数据安全。

技术领域

本发明涉及工业物联网数据安全技术领域，尤其涉及一种基于数据特征权重分析的时序数据水印比较方法。

背景技术

工业物联网数据是工业大数据规模迅速扩张的主要来源。各类物联网传感器以极高的频率采集其所在设备的工作状态数据，通常为一系列包含数据产生时间戳(Timestamp)和采集数据(Data)形式为(Timestamp,Data)的元组序列，称为时间序列。工业时序数据具有应用领域广、数据规模大、经济价值高的特点，蕴含的巨大商业价值，因而其安全性受到不法分子采用黑客攻击等技术手段以及雇佣商业间谍等非技术手段的威胁。

数据所有者通常会采用前效方法对数据库中的数据加以保护，但是这些方法只能有效防止外部人员进行非法盗窃，对于内部人员盗窃等途径并不能有效遏制。数字水印是解决数据在传播过程中安全问题的一个主流分支，通常的数字水印采用分组多数投票方法来提升算法的鲁棒性，但时序数据通常有较多的噪声，高价值数据点相对集中，因而一个未经加权的投票算法可能会因为大范围的噪声干扰而导致水印判定失效。

主流数字水印算法采用分组嵌入，并通过多数投票的方法进行提取和判断，使得攻击者必须破坏50％以上的水印数据才能够使得水印无法检测。来自工业应用场景的时间序列数据通常为机器传感器数据，具有较大比例的相对稳定数值和少量高速变化的异常值/特殊工况数值，且具有持续环境噪声干扰。由于高价值数据点相对较为集中，而稳定值水印去除相对容易，因此采用普通多数投票方法可能造成因为低价值数据点被替换后，高价值数据点中的水印无法检测的问题。

发明内容

为了解决上述问题，本发明提出一种基于数据特征权重分析的时序数据水印比较方法，通过分析与比较时间序列数据的相对价值密度，赋予分组水印不同的权重，确保在高价值区间的水印重合更容易被监测，大幅度提升数字水印方法的可检测性和安全性。

本发明的一种基于数据特征权重分析的时序数据水印比较方法，包括：

数据特征权重分析步骤：对时间序列数据的特征进行分析，计算不同部分数据对于重要特征的贡献程度的系数，得出时间序列上各数据点的相对权重，根据相对权重通过加权多数投票提取时间序列数据上同一水印比特位上的数字水印，形成经过特征加权后的待检测水印序列；

水印比较步骤：根据原始水印序列与待检测水印序列相同的比特位个数，判断待检测水印序列是否符合判定条件。

进一步的，所述数据特征权重分析步骤包括以下子步骤：

S11.对于时间序列数据中一个给定数据点，选取其前后设定范围的数据点进行变化参数计算，若被选中的数据点恰好为该设定范围中的一个局部变化点，则认为该数据点具有时间序列数据在时间维度上的变化信息，具有相对较高数据价值密度；

S12.计算整个时间序列数据的变化参数，然后通过标准化得出各数据点的数据价值密度系数，提取时间序列数据上同一水印比特位上的数字水印，并根据各数据点的数据价值密度系数进行加权多数投票判断，选择同一水印比特位上加权票数最多的数字水印作为数字水印提取值；将各数字水印提取值进行排列后，获得经过特征加权后的待检测水印序列。

进一步的，步骤S11中，根据时间序列数据的核心特征的频率来确定设定范围。