[发明专利]工业数据加密方法、边缘服务器及计算机可读存储介质

权利要求书

1.一种工业数据加密分析方法，其特征在于，包括：

边缘服务器获取工业节点发送的工业数据的加密分析请求；

所述边缘服务器对所述加密分析请求进行分析，得到加密分析方案；以及，

所述边缘服务器将所述加密分析方案返回给所述工业节点，以使所述工业节点根据所述加密分析方案对其工业数据进行加密；

所述边缘服务器对所述加密分析请求进行分析，得到加密分析方案，包括：

所述边缘服务器基于所述加密分析请求，利用混合随机加密算法生成初始加密方案；

所述边缘服务器确定所述初始加密方案的优化参数；以及，

所述边缘服务器针对所述优化参数对所述初始加密方案进行分析，得到加密分析方案；

所述边缘服务器针对所述优化参数对所述初始加密方案进行分析，得到加密分析方案，包括：

所述边缘服务器设置迭代初始参数和最大迭代次数；

所述边缘服务器针对所述优化参数对所述初始加密方案进行深度分析，得到匹配度最优的中间加密方案；

所述边缘服务器判断所述匹配度最优的中间加密方案是否满足预设的评估条件；

若满足预设的评估条件，则所述边缘服务器选择所述匹配度最优的中间加密方案作为加密分析方案；

若不满足预设的评估条件，则所述边缘服务器判断当前迭代次数是否不大于所述最大迭代次数；

若不大于所述最大迭代次数，则所述边缘服务器对所述优化参数进行深度无监督学习，得到迭代次数加1后的优化参数，返回执行所述边缘服务器针对所述优化参数对所述初始加密方案进行深度分析的步骤；

若大于所述最大迭代次数，则所述边缘服务器选择所述匹配度最优的中间加密方案作为加密分析方案；

所述优化参数包括加密成本、响应延迟率以及拥塞率，所述优化参数以三维向量的形式存储为：其中，表示第k次迭代时的优化参数，k为迭代次数；i、j和t为维度，且i∈[1,m],j∈[1,n],t∈[1,q]；为第k次迭代时的加密成本；为第k次迭代时的响应延迟率；为第k次迭代时的拥塞率；

所述边缘服务器针对所述优化参数对所述初始加密方案进行深度分析，根据以下公式得到：

式中，Min Z^K表示第k次迭代时的中间加密方案，C^Gmin、E^Gmin、W^Gmin分别为历史最小加密成本、历史最小响应延迟率以及历史最小拥塞率。

2.根据权利要求1所述的方法，其特征在于，所述工业节点为工业设备或者工业互联网平台。

3.根据权利要求1所述的方法，其特征在于，所述加密分析请求中携带所述工业节点的标识及所述加密分析请求的时间戳；所述混合随机加密算法根据以下等式得到：

S_a＝a1(b)

S_a’＝a2(S_a)＝b

S_A＝b⊕(ID+S_A’+T)

式中，S_a表示加密后的随机位对称密钥，b表示随机位对称密钥，a1(b)表示一次性随机数对b加密；S_a’表示解密后的随机位对称密钥，a2(S_a)表示一次性随机数对S_a解密；S_A表示虚拟工业数据密文，ID表示工业节点的标识，S_A’表示虚拟工业数据明文，T表示时间戳。

4.根据权利要求1所述的方法，其特征在于，所述边缘服务器对所述优化参数进行深度无监督学习，得到迭代次数加1后的优化参数，根据以下公式得到：

式中，表示迭代次数为第k+1次时的优化参数，包含三方面的信息向量，表示迭代次数为第k+1次时的加密成本，表示迭代次数为第k+1次时的响应延迟率，表示迭代次数为第k+1次时拥塞率，表示迭代次数为第k+1次时的深度无监督学习加强因子；

其中，深度无监督学习加强因子根据以下公式得到：

式中，C^Gmin表示历史最小加密成本，E^Gmin表示历史最小响应延迟率，W^Gmin表示历史最小拥塞率。