[发明专利]一种基于人工智能的加密数据重构方法与系统

说明书

本发明提供了一种基于人工智能的加密数据重构方法与系统。方法包括：利用解密模型对加密数据进行解密得到解密数据；对解密数据进行分段得到若干数据片段；根据加密模型和解密模型的收敛值、数据片段的关联度确定数据片段的搜索范围；在核心数据片段的搜索范围内确定核心数据片段可选值；根据核心数据片段与非核心数据片段之间的数据结构信息对核心数据片段可选值进行处理，得到非核心数据片段的重构值；获取不同可选值对应的越界程度逼近程度；根据越界程度、逼近程度确定最优核心片段可选值，根据最优核心片段可选值以及数据结构信息得到加密数据的重构数据。本发明提高了加密数据的重构精度。

技术领域

本发明涉及数据加密、人工智能技术领域，具体涉及一种基于人工智能的数据加密存储、解密重构方法与系统。

背景技术

常用的加密算法为对称加密或者非对称加密，往往是根据相应的计算公式来计算得到秘钥的，容易被破解。深度学习神经网络中网络层数、各层神经元数量、训练数据、loss函数只要有一处不同都会影响最终训练完成的DNN网络内部的权值参数，随机性较大，难以被遍历破解，很适合用于数据加密。DNN与加密结合，最大的问题是网络难以实现无损重构，即数据经过网络的方式加密和解密后，恢复的数据与原始数据是存在误差的。

发明内容

本发明提供了一种基于人工智能的加密数据重构方法与系统。

一种基于人工智能的加密数据重构方法，所述方法包括：

利用解密模型对加密数据进行解密得到解密数据；对解密数据进行分段得到若干数据片段；根据加密模型和解密模型的收敛值、数据片段的关联度确定数据片段的搜索范围；

在核心数据片段的搜索范围内确定核心数据片段可选值；根据核心数据片段与非核心数据片段之间的数据结构信息对核心数据片段可选值进行处理，得到非核心数据片段的重构值；

根据非核心数据片段的重构值是否超出其搜索范围、以及非核心数据片段的关联度得到越界程度；根据非核心数据片段本值与重构值之间的差值、非核心数据片段的搜索范围得到逼近程度；

根据越界程度、逼近程度确定最优核心片段可选值，根据最优核心片段可选值以及数据结构信息得到加密数据的重构数据；

其中，所述根据加密模型和解密模型的收敛值、数据片段的关联度确定数据片段的搜索范围包括：

根据数据片段的关联度确定搜索半径的缩放系数，缩放系数乘以所述收敛值得到数据片段的搜索半径；以数据片段本值为中心，根据搜索半径确定数据片段的搜索范围；

所述在核心数据片段的搜索范围内确定核心数据片段可选值包括：

所述核心数据片段为关联度最高的数据片段，设定精度jd，在核心数据片段对应的搜索范围[min(Y_c),max(Y_c)]，按照精度要求对范围内的所有可能取值编码化，在搜索范围内，核心数据片段共有mc种可选值；

所述根据非核心片段的重构值是否超出其搜索范围、以及非核心数据片段的关联度得到越界程度包括：

设置指示参数，若非核心数据片段的重构值超出其搜索范围，则指示参数取第一数值，否则指示参数取第二数值；

以非核心数据片段的关联度为权重计算所有非核心数据片段指示参数的加权和，根据加权和得到越界程度；

所述根据非核心数据片段本值与重构值之间的差值、非核心数据片段的搜索范围得到逼近程度包括：

逼近程度的计算过程为：