云平台算力指标 分布式加密方法、装置及流程

nebularpool1个月前

云平台算力指标 分布式加密方法、装置及流程

本发明属于加密技术领域,具体涉及一种分布式加密方法及装置。

背景技术:

随着技术特别是区块链技术的飞速发展云平台算力指标,目前使用的传统加密已经逐渐无法适应日益升级和变异的网络攻击,导致加密过程延迟高、计算功耗高、加密效率高。底层问题日益突出。

技术实施要素:

本发明至少部分解决了现有加密方法存在的高延迟、高算力消耗和低加密效率的问题,提供了一种低延迟、低算力消耗和高加密效率的分布式加密方法。

本发明的一个方面提供了一种分布式加密方法,该方法包括:

获取边缘设备的多个分布式加密请求,每个分布式加密请求包括评价指标;

对多个分布式加密请求中的评估指标进行深入分析和深入分析评估,生成分布式加密方案;

将分布式加密方案发送给边缘设备,由边缘设备根据分布式加密方案进行加密。

可选地,对多个分布式加密请求中的评估指标进行深入分析和深入分析评估,生成分布式加密方案,包括:

新的迭代周期开始,迭代次数清零,设置最大迭代次数,根据多个分布式加密请求中的评价指标设置初始迭代的迭代参数;

用多层卷积神经元、量子密钥分布、深度无监督学习策略分析迭代参数,生成分布式加密方案和下一次迭代的迭代参数;

判断迭代次数是否达到阈值,如果达到则结束循环,将本次迭代得到的分布式加密方案作为分布式加密方案发送给边缘设备;

如果不是,则根据评价函数评价本次迭代得到的分布式加密方案。如果本次迭代得到的分布式加密方案不满足评价函数,则迭代次数增加1,返回多层卷积神经网络。元、量子密钥分布、深度无监督学习策略分析迭代参数,生成分布式加密方案和迭代参数步骤,用于下一次迭代;

在本次迭代得到的分布式加密方案满足评价函数的情况下,结束循环,将本次迭代得到的分布式加密方案作为分布式加密方案输出给边缘设备。

进一步可选地,在第k次迭代时,迭代参数包括加密效率、延迟率、计算功耗,其中i=1,2,...m,j=1,2,...n,t=1,2 ,... , p, m 是 i 的所有值的最大值,n 是 j 的所有值的最大值,p 是 t 的所有值的最大值。

进一步可选地,第k次迭代的评价函数为: 其中,p表示概率。

进一步可选地,利用多层卷积神经元、量子密钥分布、深度无监督学习策略分析迭代参数,生成分布式加密方案,包括生成具有优化函数的分布式加密方案;

第 k 次迭代的优化函数为:

skey=h{[qmodw]},q∈[1,2,…,∞],w≤ω,

rkey=h{[ρmodw]},ρ∈[1,2,…,∞],w≤ω,

其中,h为hash函数,即生成随机数的函数,text为要加密的数据,表示异或运算。

进一步可选地,利用多层卷积神经元、量子密钥分布、深度无监督学习策略对迭代参数进行分析,生成下一次迭代的迭代参数,包括用监督函数生成下一次迭代的迭代参数;

第 k 次迭代的监督函数为:

在,

agmax 是最大加密效率,egmin 是最小延迟率,cgmin 是最小算力消耗,mod 是余数运算。

本发明的另一方面提供了一种分布式加密装置,该装置包括:

获取模块,用于获取边缘设备的多个分布式加密请求,每个分布式加密请求包括评价指标;

分析模块,用于对多个分布式加密请求中的评价指标进行深度分析和深入分析评估,生成分布式加密方案;

发送模块,用于将分布式加密方案发送给边缘设备,以使边缘设备根据分布式加密方案进行加密。

可选地,分析模块包括:

初始单元用于在新的迭代周期开始时将迭代次数重置为零,设置最大迭代次数,并根据多个分布式加密请求中的评价指标设置初始迭代的迭代参数;

分析单元用多层卷积神经元、量子密钥分布、深度无监督学习策略分析迭代参数,生成分布式加密方案和下一次迭代的迭代参数;

第一判断单元,用于判断迭代次数是否达到阈值,如果达到,则结束循环,并将本次迭代得到的分布式加密方案作为分布式加密方案发送给边缘设备。

第二判断单元,用于当第一判断单元判断迭代次数未达到阈值云平台算力指标,本次迭代得到的分布式加密方案不满足时,根据评价函数对本次迭代得到的分布式加密方案进行评价评价函数 的情况下,迭代次数加1;

如果本次迭代得到的分布式加密方案满足评价函数,则结束循环,将本次迭代得到的分布式加密方案作为分布式加密方案发送给边缘设备。

进一步可选地,在第k次迭代时,迭代参数包括加密效率、延迟率、计算功耗,其中i=1,2,...m,j=1,2,...n,t=1,2 ,... , p, m 是 i 的所有值的最大值,n 是 j 的所有值的最大值,p 是 t 的所有值的最大值。

进一步可选地,第k次迭代的评价函数为: 其中,p表示概率。

根据本发明实施例的分布式加密方法和装置,通过分析分布式加密请求得到最优的分布式加密方案,边缘设备根据得到的分布式加密方案进行分布式加密,从而实现低延迟,分布式加密,计算功耗低,加密效率高。

图纸说明

附图说明图1是本发明实施例的分布式加密方法的流程示意图;

图2为本发明实施例提供的分布式加密方法的部分流程示意图;

图3是本发明实施例的分布式加密设备的组成示意框图;

如图。图4是根据本发明实施例的分布式加密设备的分析模块的组成的示意框图。

详细方法

为使本领域技术人员更好地理解本发明的技术方案,下面结合附图和具体实施例对本发明作进一步详细说明。

应当理解,此处所描述的具体实施例和附图仅用以解释本发明,并不用于限制本发明。

应当理解,本发明的各个实施例和实施例的各个特征可以相互组合而不冲突。

可以理解的是,为了描述的方便,本发明的附图中仅示出了与本发明相关的部分,与本发明无关的部分未在附图中示出。

可以理解的是,本发明实施例中涉及的各个单元和模块可以只对应一个实体结构云平台算力指标,也可以由多个实体结构组成,也可以将多个单元和模块集成为一个实体结构。

应当理解,本发明的流程图和框图中标注的功能和步骤在没有冲突的情况下可以不按照附图中标注的顺序出现。

可以理解云平台算力指标,本发明的流程图和框图示出了根据本发明各个实施例的系统、装置、设备和方法的可能的实现架构、功能和操作。其中,流程图或框图中的每个块可以代表一个单元、模块、程序段或代码,其中包含用于实现指定功能的可执行指令。此外,框图和流程图图示中的每个块或块的组合可以由执行指定功能的基于硬件的系统来实现,或者由硬件和计算机指令的组合来实现。

可以理解的是,本发明实施例所涉及的单元和模块可以采用软件方式实现,也可以采用硬件方式实现,例如,这些单元和模块可以位于处理器中。

本实施例的分布式加密方法用于区块链。

区块链是分布式共享账本和数据库,具有去中心化、不可篡改、可追溯、可追溯、集体维护、公开透明等特点。这些特性保证了区块链的“诚实”和“透明”,为建立对区块链的信任奠定了基础。区块链丰富的应用场景,基本都是基于区块链能够解决信息不对称问题,实现多个主体之间的协同信任和协同行动。区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新应用模式。()是比特币的一个重要概念。它本质上是一个去中心化的数据库。同时,作为比特币的底层技术,它是一系列与密码学方法相关的数据块。一个区块包含一批比特币网络交易信息,用于验证其信息的有效性并生成下一个区块,因此基于区块链的分布式加密方法意义重大。

本实施例的分布式加密方法主要用于终端的分布式加密场景。具体来说,该场景主要由三部分组成:边缘接入层,包括边缘设备(如分布式蜂窝加密边缘设备),可以是一个终端(如手机、电脑等)实现分布式加密,分布式加密请求的生成和传输,分布式加密方案的接收。接入层,包括网关,实现运营商网络的接入和数据的传输(具体为分布式加密请求和分布式加密方案)。核心层,包括核心服务器,

其中,边缘设备可以根据预期的分布式加密指标,加密效率(单位时间成功加密的数据量/单位时间要加密的总数据量)、延迟率(每单位时间的未加密数据量) unit time/unit) 时间内要加密的数据总量)、算力消耗(单位时间消耗的算力)等,生成评价指标,进而生成分布式加密请求。

abs云算力真的吗_云平台算力指标_云算力挖矿平台

在边缘设备的分布式加密场景中,分布式加密方法的处理流程可以是:边缘设备生成分布式加密请求,通过网关发送给核心服务器,核心服务器分析分布式加密请求并生成分布式加密方案。分布式加密方案通过网关发送到边缘设备。

在上述应用场景中,核心服务器对分布式加密请求进行分析,得到最优的分布式加密方案,边缘设备根据得到的分布式加密方案进行分布式加密,实现低延迟和低算力消耗。, 分布式加密,加密效率高。

下面对本实施例的核心服务器实现的分布式加密(即分析多个分布式加密请求生成分布式加密方案)的功能进行详细说明。

如图。图1为本实施例提供的核心服务器实现的分布式加密方法的流程图。如图所示。1、该方法包括:

s101、从边缘设备获取多个分布式加密请求,每个分布式加密请求都包含评价指标。

具体来说云平台算力指标,通过网关实时接收来自边缘设备的信息,可以获得多个分布式加密请求。

s102、对多个分布式加密请求中的评价指标进行深度分析和深入分析评估,生成分布式加密方案。

s103、将分布式加密方案发送给边缘设备,由边缘设备根据分布式加密方案进行加密。

图2为本实施例提供的深度分析和深度分析评估的方法流程图,本发明的深度分析和深度分析评估思路是判断分析分布式加密请求,以生成满足分布式加密请求分布式加密方案的评价指标。本实施例的深度分析结合了多层卷积神经元、量子密钥分布、深度无监督学习策略等方法,实现了低延迟、低算力、高加密效率的分布式加密。

如图2所示,深入分析和深入分析评估包括以下步骤:

s102 1、 开始新的迭代周期,清除迭代次数,设置最大迭代次数,根据多个分布式加密请求中的评价指标设置初始迭代的迭代参数。

最大迭代次数可以根据需要设置,具体可以设置为50,最大迭代次数设置过小会导致不准确,设置过大会浪费算力.

当评价指标为加密效率、延迟率、算力消耗时,初始参数为评价指标中的加密效率、评价指标中的延迟率、评价指标中的算力消耗。

其中i=1,2,...m,j=1,2,...n,t=1,2,...,p,m为i的所有值中的最大值, n是j的所有值中的最大值,p是t的所有值中的最大值,m*n*p是获得的分布式加密请求数。

s1022、 用多层卷积神经元、量子密钥分布和深度无监督学习策略分析迭代参数,并为下一次迭代生成分布式加密方案和迭代参数。

在每次迭代过程中,多层卷积神经元、量子密钥分布、深度无监督学习策略的策略思想是:在多维空间中,基于多层卷积神经元、量子密钥分配和深度无监督学习等策略向最优任务优先级方案确定的方向迁移。迭代参数,即通过多层卷积神经元、量子密钥分布、深度无监督学习分析输入后,输出对应的迭代参数,用于下一次迭代。

具体来说,利用多层卷积神经元、量子密钥分布、深度无监督学习策略对迭代参数进行分析,生成分布式加密方案,包括生成具有优化函数的分布式加密方案;

第 k 次迭代的优化函数为:

skey=h{[qmodw]},q∈[1,2,…,∞],w≤ω,

rkey=h{[ρmodw]},ρ∈[1,2,…,∞],w≤ω,

其中,h为hash函数,即生成随机数的函数,text为要加密的数据,表示异或运算。

sum(将rkey分成与q位数相同的几个条件)条件的分段验证为

skey是发送方的随机密钥(长度q,用于加密数据),对应于除以不大于哈希表长度的数字w得到的余数。

rkey是接收者的随机密钥(长度ρ,用于加密数据),对应于除以不大于哈希表长度的数字w得到的余数。

用多层卷积神经元、量子密钥分布、深度无监督学习策略分析迭代参数云平台算力指标,生成下一次迭代的迭代参数,包括用监督函数生成下一次迭代的迭代参数;

第 k 次迭代的监督函数为:

在,

agmax 是最大加密效率,egmin 是最小延迟率,cgmin 是最小算力消耗,mod 是余数运算。

s1023、判断迭代次数是否达到阈值,如果达到则结束循环,并将本次迭代得到的分布式加密方案作为分布式加密方案发送给边缘设备。

s1024、 如果不是,根据评价函数评价本次迭代得到的分布式加密方案。如果本次迭代得到的分布式加密方案不满足评价函数,则迭代次数加1,返回步骤s1022。

其中,第 k 次迭代时的评价函数为:

其中 p 是概率。

s1025、 在本次迭代得到的分布式加密方案满足评价函数的情况下,循环结束,将本次迭代得到的分布式加密方案作为分布式加密方案发送给边缘设备。

基于上述评价函数和优化函数,当评价函数不满足时,采用多层卷积神经元、量子密钥分布、深度无监督学习策略对迭代参数进行分析,使得迭代参数和生成的分布式加密方案向最优方向迁移云平台算力指标,实现低延迟、低算力、高加密效率的分布式加密。

应当注意,虽然本发明的方法的操作在图中以特定顺序描述,但这并不要求或暗示必须以特定顺序执行操作,或者必须执行所有图示的操作达到理想的效果。附加地或替代地,可以省略某些步骤,可以将多个步骤组合为一个步骤来执行,和/或可以将一个步骤分解为多个步骤来执行。

基于相同的发明构思,在介绍了本发明示例性实施例的方法之后,接下来参考图1介绍本发明示例性实施例的分布式加密装置。3. 该装置的实现可以参照上述方法的实现,不再赘述。下面使用的术语“模块”和“单元”可以是实现预定功能的软件和/或硬件。尽管以下实施例中描述的模块优选地以软件来实现,但是以硬件或者软件和硬件的组合来实现也是可能的并且被考虑到。

如图。图3为本发明实施例提供的一种分布式加密装置的组成结构示意图。如图所示。如图3所示,该装置包括:采集模块、分析模块和传输模块。

获取模块用于获取边缘设备的多个分布式加密请求,每个分布式加密请求包括评价指标;分析模块用于对多个分布式加密请求中的评价指标进行深入分析和评价。深入分析评估,生成分布式加密方案;发送模块,用于将分布式加密方案发送给边缘设备,以使边缘设备根据分布式加密方案进行加密。

可选地,图。图4为本发明实施例提供的分析模块的组成示意图。如图所示。如图4所示,分析模块包括:初始单元、分析单元、第一判断单元和第二判断单元。

初始单元用于在新的迭代周期开始时将迭代次数重置为零,设置最大迭代次数,并根据多个分布式加密请求中的评价指标设置初始迭代的迭代参数;

分析单元用多层卷积神经元、量子密钥分布、深度无监督学习策略分析迭代参数,生成分布式加密方案和下一次迭代的迭代参数;

第一判断单元,用于判断迭代次数是否达到阈值,如果达到,则结束循环,并将本次迭代得到的分布式加密方案作为分布式加密方案发送给边缘设备。

第二判断单元,用于当第一判断单元判断迭代次数未达到阈值,本次迭代得到的分布式加密方案不满足时,根据评价函数对本次迭代得到的分布式加密方案进行评价评价函数 的情况下,迭代次数加1;如果本次迭代得到的分布式加密方案满足评价函数,则结束循环,将本次迭代得到的分布式加密方案作为分布式加密方案发送给边缘设备程序输出。

进一步可选地,在第k次迭代时,迭代参数包括加密效率、延迟率和计算功耗。

其中,i=1,2,...m,

j=1,2,...n,

t=1,2,...,p,

m是i的所有值的最大值,n是j的所有值的最大值,p是t的所有值的最大值。

进一步可选,第 k 次迭代的评估函数为:

,其中 p 是概率。

进一步可选地,利用多层卷积神经元、量子密钥分布、深度无监督学习策略分析迭代参数,生成分布式加密方案,包括生成具有优化函数的分布式加密方案;

第 k 次迭代的优化函数为:

skey=h{[qmodw]},q∈[1,2,…,∞],w≤ω,

rkey=h{[ρmodw]},ρ∈[1,2,…,∞],w≤ω,

其中,h为hash函数,即生成随机数的函数,text为要加密的数据,表示异或运算。

进一步可选地,利用多层卷积神经元、量子密钥分布、深度无监督学习策略对迭代参数进行分析,生成下一次迭代的迭代参数,包括用监督函数生成下一次迭代的迭代参数;

abs云算力真的吗_云平台算力指标_云算力挖矿平台

第 k 次迭代的监督函数为:

在,

agmax 是最大加密效率,egmin 是最小延迟率,cgmin 是最小算力消耗,mod 是余数运算。

此外,虽然在上面的详细描述中提到了分布式加密设备的几个模块,但是这种划分并不是强制性的。实际上,根据本发明的实施例,上述两个或更多个单元的特征和功能可以体现在一个单元中。同样,上述一个单元的特征和功能也可以进一步细分为多个单元来体现。

可以理解的是,以上实施例仅是为了说明本发明的原理而采用的示例性实施例,但本发明不限于此。对于本领域的技术人员来说,在不脱离本发明的精神和实质的情况下,可以进行各种修改和改进,这些修改和改进也视为本发明的保护范围。

技术特点:

1.一种分布式加密方法,其特征在于,该方法包括:

获取边缘设备的多个分布式加密请求,每个分布式加密请求包括评价指标;

对多个分布式加密请求中的评估指标进行深入分析和深入分析评估,生成分布式加密方案;

将分布式加密方案发送给边缘设备,由边缘设备根据分布式加密方案进行加密。

2.根据权利要求1所述的方法,其特征在于,对所述多个分布式加密请求中的评估指标进行深度分析和深度分析评估,生成分布式加密方案,包括:

新的迭代周期开始,迭代次数清零,设置最大迭代次数,根据多个分布式加密请求中的评价指标设置初始迭代的迭代参数;

用多层卷积神经元、量子密钥分布、深度无监督学习策略分析迭代参数,生成分布式加密方案和下一次迭代的迭代参数;

判断迭代次数是否达到阈值,如果达到则结束循环,将本次迭代得到的分布式加密方案作为分布式加密方案发送给边缘设备;

如果不是,则根据评价函数评价本次迭代得到的分布式加密方案。如果本次迭代得到的分布式加密方案不满足评价函数,则迭代次数增加1,返回多层卷积神经网络。元、量子密钥分布、深度无监督学习策略分析迭代参数,生成分布式加密方案和迭代参数步骤,用于下一次迭代;

在本次迭代得到的分布式加密方案满足评价函数的情况下,结束循环,将本次迭代得到的分布式加密方案作为分布式加密方案输出给边缘设备。

3.根据权利要求2所述的方法,其中,

在第 k 次迭代时,迭代参数包括加密效率、延迟率、算力消耗,其中,

i=1,2,...m,

j=1,2,...n,

t=1,2,...,p,

m是i的所有值的最大值,n是j的所有值的最大值,p是t的所有值的最大值。

4.根据权利要求3所述的方法,其中,

第 k 次迭代的评估函数为:

其中 p 是概率。

5.根据权利要求4所述的方法,其特征在于,利用多层卷积神经元、量子密钥分布、深度无监督学习策略对迭代参数进行分析,生成分布式加密方案,包括优化函数生成分布式加密方案;

第 k 次迭代的优化函数为:

skey=h{[qmodw]},q∈[1,2,…,∞],w≤ω,

云平台算力指标_abs云算力真的吗_云算力挖矿平台

rkey=h{[ρmodw]},ρ∈[1,2,…,∞],w≤ω,

其中,h为hash函数,即生成随机数的函数,text为要加密的数据,表示异或运算。

6.根据权利要求4所述的方法,其特征在于,通过使用多层卷积神经元、量子密钥分布、深度无监督学习策略对迭代参数进行分析,生成下一次迭代的迭代参数,包括: 监督函数生成下一次迭代的迭代参数;

第 k 次迭代的监督函数为:

在,

agmax 是最大加密效率,egmin 是最小延迟率,cgmin 是最小算力消耗,mod 是余数运算。

7.一种分布式加密装置,其特征在于,该装置包括:

获取模块,用于获取边缘设备的多个分布式加密请求,每个分布式加密请求包括评价指标;

分析模块,用于对多个分布式加密请求中的评价指标进行深度分析和深入分析评估,生成分布式加密方案;

发送模块,用于将分布式加密方案发送给边缘设备,以使边缘设备根据分布式加密方案进行加密。

8.根据权利要求7所述的方法,其特征在于,所述分析模块包括:

初始单元用于在新的迭代周期开始时将迭代次数重置为零,设置最大迭代次数,并根据多个分布式加密请求中的评价指标设置初始迭代的迭代参数;

分析单元用多层卷积神经元、量子密钥分布、深度无监督学习策略分析迭代参数,生成分布式加密方案和下一次迭代的迭代参数;

第一判断单元,用于判断迭代次数是否达到阈值,如果达到,则结束循环,并将本次迭代得到的分布式加密方案作为分布式加密方案发送给边缘设备。

第二判断单元,用于当第一判断单元判断迭代次数未达到阈值,本次迭代得到的分布式加密方案不满足时,根据评价函数对本次迭代得到的分布式加密方案进行评价评价函数 的情况下,迭代次数加1;

如果本次迭代得到的分布式加密方案满足评价函数,则结束循环,将本次迭代得到的分布式加密方案作为分布式加密方案发送给边缘设备。

9.根据权利要求8所述的装置,其特征在于,

在第 k 次迭代时,迭代参数包括加密效率、延迟率、算力消耗,其中,

i=1,2,...m,

j=1,2,...n,

t=1,2,...,p,

m是i的所有值的最大值,n是j的所有值的最大值,p是t的所有值的最大值。

1.根据权利要求9所述的装置,其特征在于,

第 k 次迭代的评估函数为:

其中 p 是概率。

技术总结

本发明提供了一种分布式加密方法及装置,属于加密技术领域,能够至少部分解决现有加密方法存在的时延高、算力消耗大、加密效率低的问题。根据本发明实施例的分布式加密方法包括:获取边缘设备的多个分布式加密请求,每个分布式加密请求包括评价指标;对多个分布式加密请求中的评价指标进行深入分析,并进行深入分析评价,生成分布式加密方案。

技术研发人员:王志明;徐磊;叶涛

受保护技术用户:中国联合网络通信集团有限公司

技术研发日:2020.11.23

技术公告日期:2021.03.12

相关文章

算力云 深耕算力新基建天翼云邀您共赴齐鲁数字盛典

算力云 深耕算力新基建天翼云邀您共赴齐鲁数字盛典

算力云 深耕算力新基建天翼云邀您共赴齐鲁数字盛典 【天机网IT新闻频道】随着数字经济的不断发展,我国进入了以算力为核心生产力的新阶段。算力作为一种新的生产要素,为数字政府建设注入新动能,激活数据要素潜力,推动各行各业数字化转型算力云,带动经济社会高质量发展。 与此同时,以计算能力为核心生产力的云服务商也面临着新的挑战。用户对低带宽、高连接、大算力、潮汐算力的需求,云服务商不断加强算力基础设施建设,...