[go: up one dir, main page]

CN114218603B - 基于国产cpu和os利用区块链保存数据的方法及系统 - Google Patents

基于国产cpu和os利用区块链保存数据的方法及系统 Download PDF

Info

Publication number
CN114218603B
CN114218603B CN202111521760.3A CN202111521760A CN114218603B CN 114218603 B CN114218603 B CN 114218603B CN 202111521760 A CN202111521760 A CN 202111521760A CN 114218603 B CN114218603 B CN 114218603B
Authority
CN
China
Prior art keywords
data
key
chain
node
video image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111521760.3A
Other languages
English (en)
Other versions
CN114218603A (zh
Inventor
李杨
李利民
张俊琪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Inspur Software Group Co Ltd
Original Assignee
Inspur Software Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Inspur Software Group Co Ltd filed Critical Inspur Software Group Co Ltd
Priority to CN202111521760.3A priority Critical patent/CN114218603B/zh
Publication of CN114218603A publication Critical patent/CN114218603A/zh
Application granted granted Critical
Publication of CN114218603B publication Critical patent/CN114218603B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Bioethics (AREA)
  • Computer Hardware Design (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Image Analysis (AREA)
  • Storage Device Security (AREA)

Abstract

本发明特别涉及一种基于国产CPU和OS利用区块链保存数据的方法及系统。该基于国产CPU和OS利用区块链保存数据的方法及系统，将分割后的视频图像导入神经网络进行训练，利用训练后的神经网络识别视频图像中的目标对象；利用复制视频图像提取方向梯度直方图的特征信息，以检测出目标物体；利用上链节点的公钥、私钥与各数据查看节点进行密钥协商，得到上链密钥，将加密上链数据传输到区块链进行存储；查看数据时，数据查看节点与上链节点协商产生最终上链密钥，对所请求查询的加密上链数据进行解密即可。该基于国产CPU和OS利用区块链保存数据的方法及系统，在提高识别率的前提下节约了计算资源，能够保护数据不被篡改，为用户敏感数据提供保护。

Description

基于国产CPU和OS利用区块链保存数据的方法及系统
技术领域
本发明涉及区块链技术领域，特别涉及一种基于国产CPU和OS利用区块链保存数据的方法及系统。
背景技术
随着智慧城市、智能交通、工业检测、智慧安监等多应用场景及领域的发展与延伸，基于信创环境的机器视频图像识别的需求逐步出现。现阶段智能机器视频图像识别类技术，为大量视频图像分析提供了实时人工智能处理能力，但在数据存储、数据交换等环节仍存在着潜在的数据安全风险。
区块链技术不可篡改的特性在数据的防伪溯源上能够发挥重要作用。区块链是由区块组成的一个链条，在计算机领域，链表是最为基本的数据结构之一。区块链就是对链表数据结构的扩展和应用。每一个区块中都维护着自己的数据结构，而每个区块又都指向它的下一个区块。区块链采用点对点网络，该网络中所有节点都是对等的，没有主次之分，这是区块链分布式和去中心化的基础。
区块链采用数字加密算法，将上链的所有数据进行加密处理，并且保证链上数据的不可篡改。区块链采用共识机制一致性协议，可在传播数据时保证各个节点之间数据的一致性。
视频图像处理技术在人工智能机器学习的基础上，在人员、物体或监控分析中得到广泛应用。由于通常摄像头采集前端设备的计算处理能力有限，根据现有做法往往只进行效果较为有限的相关视频图像增强算法。大量的数据计算还需要在服务端进行处理，服务端的原始数据和计算处理后的结果数据，也存在不同数据环境间的流转，必然会产生数据安全风险。原始采集数据的存储数据源服务器可能存在未及时更新漏洞，进行数据库系统加固，缺少访问控制和数据层安全防护等问题。数据的存储阶段可能有数据明文存储导致数据泄露，缺少统一访问控制及相关身份认证。数据的处理、交换阶段主要有缺少数据访问控制，数据脱敏机制等风险。
基于上述问题，本发明提出了一种基于国产CPU和OS利用区块链保存数据的方法及系统。
发明内容
本发明为了弥补现有技术的缺陷，提供了一种简单高效的基于国产CPU和OS利用区块链保存数据的方法及系统。
本发明是通过如下技术方案实现的：
一种基于国产CPU和OS利用区块链保存数据的方法，其特征在于，包括以下步骤：
第一步、利用视频摄像头采集多监控场所的视频图像，通过视频分割和视频复制获取原始视频数据和待处理数据；将分割后的视频图像按时间先后顺序导入神经网络进行训练，利用训练后的神经网络识别视频图像中的目标对象；利用复制视频图像提取方向梯度直方图的特征信息，用于表示目标图像的物体特征，以检测出目标物体；
第二步、通过业务需求判断将需要保护的视频图像数据作为待上链数据；颁发的CA 证书具备各个节点的公钥和私钥，利用上链节点的公钥、私钥与各数据查看节点进行密钥协商，得到上链密钥；
第三步，得到上链密钥后，对上链的数据进行加密，将加密上链数据传输到区块链进行存储，以保证加密上链数据的完整性；
第四步，查看数据时，数据查看节点获取上链节点发送的密钥，然后将数据查看节点自身存储的公钥发送到上链节点，由数据查看节点的公钥和上链节点的私钥进行协商得到上链密钥，与数据查看节点的私钥和上链节点的公钥协商产生的上链密钥结合，获得密钥协商的最终上链密钥；
数据查看节点得到有效上链密钥后，即可对所请求查询的加密上链数据进行解密，得到所需的解密后数据。
所述第一步中，对输入的视频图像进行预处理，然后计算像素点的梯度值，形成梯度直方图，然后对blocks(数据块)进行标准化处理normalize，最后收集到梯度直方图的特征信息HOG feature(高维向量)输入支持向量机SVM(Support Vector Machine)进行监督学习，实现对人物或物体的检测，得到人物和物体数据；
将识别分析得到的人和物体数据进行数据融合处理，合并共有分析数据，剔除交集以外的非目标分析物信息，并将交集中的目标人或物体导入第二层神经网络进行训练，通过训练结果识别并跟踪目标人或物体的行为数据，包括运动轨迹，形变情况和色彩数据。
所述第二步中，上链节点与各数据查看节点采用ECDH(Elliptic Curve Diffie–Hellman key Exchange)密钥协商算法进行密钥协商。
所述第三步中，上链数据的保存方式包括但不限于原始视频图像通过哈希加密后得到哈希值，然后将原数据和哈希值一起送入星际文件系统IPFS网络，网络返回存储地址，然后将存储地址送入区块链保存。
为了提高使用数据的各环节节点进行密钥的调用和文件查询效率，所述第三步中，在区块链数据库中存储一个文件和上链密钥的对应表，将加密上链的数据和使用的上链密钥进行对应。
本发明基于国产CPU和OS利用区块链保存数据的系统，包括视频图像采集模块，视频图像处理分析模块，数据上链模块，数据加密模块，区块链存储模块，数据查询模块和数据解密模块；
所述视频图像采集模块负责利用视频摄像头采集多监控场所的视频图像；
所述视频图像处理分析模块负责通过视频分割和视频复制获取原始视频数据和待处理数据；将分割后的视频图像按时间先后顺序导入神经网络进行训练，利用训练后的神经网络识别视频图像中的目标对象；利用复制视频图像提取方向梯度直方图的特征信息，用于表示目标图像的物体特征，以检测出目标物体；
所述数据上链模块负责通过业务需求判断将需要保护的视频图像数据作为待上链数据；颁发的CA证书具备各个节点的公钥和私钥，利用上链节点的公钥、私钥与各数据查看节点进行密钥协商，得到上链密钥；
所述数据加密模块负责对上链的数据进行加密；
所述区块链存储模块负责存储加密的上链数据；
所述数据查询模块负责获取上链节点发送的密钥，然后将数据查看节点自身存储的公钥发送到上链节点，由数据查看节点的公钥和上链节点的私钥进行协商得到上链密钥，与数据查看节点的私钥和上链节点的公钥协商产生的上链密钥结合，获得密钥协商的最终上链密钥；
所述数据解密模块负责对所请求查询的加密上链数据进行解密，得到所需的解密后数据。
所述视频图像处理分析模块负责对输入的视频图像进行预处理，然后计算像素点的梯度值，形成梯度直方图，然后对blocks(数据块)进行标准化处理normalize，最后收集到梯度直方图的特征信息HOG feature(高维向量)输入支持向量机SVM(Support VectorMachine)进行监督学习，实现对人物或物体的检测，得到人物和物体数据；
将识别分析得到的人和物体数据进行数据融合处理，合并共有分析数据，剔除交集以外的非目标分析物信息，并将交集中的目标人或物体导入第二层神经网络进行训练，通过训练结果识别并跟踪目标人或物体的行为数据，包括运动轨迹，形变情况和色彩数据。
所述数据上链模块采用ECDH(Elliptic Curve Diffie–Hellman key Exchange)密钥协商算法进行密钥协商。
所述数据加密模块将原始视频图像通过哈希加密后得到哈希值，然后将原数据和哈希值一起送入星际文件系统IPFS网络，网络返回存储地址，然后将存储地址送入区块链保存。
所述区块链存储模块中存储有一个文件和上链密钥的对应表，将加密上链的数据和使用的上链密钥进行对应。
本发明的有益效果是：该基于国产CPU和OS利用区块链保存数据的方法及系统，通过分解多步骤的数据分析分层进行神经网络的训练和识别，不仅节约了计算资源，还能获取更精确的多项特征数据，通过融合数据信息即可得到精准的视频图像分析结果数据，提高了识别率，同时通过区块链能够保护数据不被篡改，为用户敏感数据提供保护。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
附图1为本发明基于国产CPU和OS利用区块链保存数据的方法示意图。
具体实施方式
为了使本技术领域的人员更好的理解本发明中的技术方案，下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚，完整的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
该基于国产CPU和OS利用区块链保存数据的方法，包括以下步骤：
第一步、利用视频摄像头采集多监控场所的视频图像，通过视频分割和视频复制获取原始视频数据和待处理数据；将分割后的视频图像按时间先后顺序导入神经网络进行训练，利用训练后的神经网络识别视频图像中的目标对象，如人、特定物品或区域；利用复制视频图像提取方向梯度直方图的特征信息，用于表示目标图像的物体特征，以检测出目标物体；
第二步、通过业务需求判断将需要保护的视频图像数据作为待上链数据；给各个业务环节节点颁发CA证书，颁发的CA证书具备各个节点的公钥和私钥，利用上链节点的公钥、私钥与各数据查看节点进行密钥协商，得到上链密钥；
第三步，得到上链密钥后，对上链的数据进行加密，将加密上链数据传输到区块链进行存储，以保证加密上链数据的完整性；
第四步，查看数据时，数据查看节点获取上链节点发送的密钥，然后将数据查看节点自身存储的公钥发送到上链节点，由数据查看节点的公钥和上链节点的私钥进行协商得到上链密钥，与数据查看节点的私钥和上链节点的公钥协商产生的上链密钥结合，获得密钥协商的最终上链密钥；
数据查看节点得到有效上链密钥后，即可对所请求查询的加密上链数据进行解密，得到所需的解密后数据。
获取到的视频图像数据可以按照业务上进行分类，分为原始视频数据、过程分析数据和分析结论数据，其中有结构化数据也有非结构化数据，把其中涉及秘密的需要保护的数据作为待上链的数据。
所述第一步中，对输入的视频图像进行预处理，然后计算像素点的梯度值，形成梯度直方图，然后对blocks(数据块)进行标准化处理normalize，最后收集到梯度直方图的特征信息HOG feature(高维向量)输入支持向量机SVM(Support Vector Machine)进行监督学习，实现对人物或物体的检测，得到人物和物体数据；
将识别分析得到的人和物体数据进行数据融合处理，合并共有分析数据，剔除交集以外的非目标分析物信息，并将交集中的目标人或物体导入第二层神经网络进行训练，通过训练结果识别并跟踪目标人或物体的行为数据，包括运动轨迹，形变情况和色彩数据。
所述上链节点为已确定原始视频图像数据，确认分析结果数据的数据分析端上链环节节点；所述数据查看节点包括后续各个业务环节上的用户端，是对数据有查询索取需求的节点。上链密钥为上链节点和后端监控调取的数据查看节点共同协商得到的密钥，所以调取视频图像和分析数据的阶段也存在该上链密钥，可以支持在这个节点调取上链数据并进行解密，得到原始视频图像或明文分析结果数据。在业务处理方面便于监控端获取数据。
上链节点和各个数据查看节点都由颁发CA证书提供可信数字签名密钥。各节点的数字证书具备后，也就具备了各节点的私钥和公钥，可以在数据受到加密保护的情况下进行密钥协商。
所述第二步中，上链节点与各数据查看节点采用ECDH(Elliptic Curve Diffie–Hellman key Exchange)密钥协商算法进行密钥协商。
ECDH是用来在一个不安全的通道中建立起安全的共有加密资料，一般来说交换的都是私钥，这个密钥一般作为“对称加密”的密钥而被双方在后续数据传输中使用。
由于ECDH密钥交换协议不验证公钥发送者的身份，因此无法阻止中间人攻击。如果监听者截获了视频图像采集端(原始数据来源)的公钥，就可以替换为监听者自己的公钥，并将其发送给业务环节上的第三者。监听者还可以截获第三者的公钥，替换为自己的公钥，并将其发送给视频图像采集端。这样，监听者就可以轻松地将两者之间发送的任何信息数据进行解密。并且存在着可以更改数据，用他自己的密钥对数据重新加密，然后将数据发送给接收者的情况及此类数据被篡改的风险。
为了解决上述问题，上链节点与各数据查看节点在交换公钥之前使用数字签名对公钥进行签名。如使用公共证书颁发机构(CA)向双方提供可信数字签名密钥。各节点的数字证书具备后，也就具备了各节点的私钥和公钥。业务环节上数据查询用户端要与其余各方协商上链密码，使用其私钥和对方的公钥，采用ECDH密钥协商算法进行密钥协商，协商出来的信息为上链密钥。
所述第三步中，上链数据的保存方式包括但不限于原始视频图像通过哈希加密后得到哈希值，然后将原数据和哈希值一起送入星际文件系统IPFS网络，网络返回存储地址，然后将存储地址送入区块链保存。
上链的数据为加密后的数据，在区块链中其它阶段只能保证数据不被修改，而无法查看数据中心的内容和信息，可实现数据的完整和数据的保护。
视频图像分析过程数据和结果数据已经是结构化数据，在业务处理环节对这部分数据的索取次数更频繁，为便于数据使用端频繁的对数据查询，考虑国产环境下系统资源的限制，可进行有针对性处理。为了提高使用数据的各环节节点进行密钥的调用和文件查询效率，所述第三步中，在区块链数据库中存储一个文件和上链密钥的对应表，将加密上链的数据和使用的上链密钥进行对应。
该基于国产CPU和OS利用区块链保存数据的系统，包括视频图像采集模块，视频图像处理分析模块，数据上链模块，数据加密模块，区块链存储模块，数据查询模块和数据解密模块；
所述视频图像采集模块负责利用视频摄像头采集多监控场所的视频图像；
所述视频图像处理分析模块负责通过视频分割和视频复制获取原始视频数据和待处理数据；将分割后的视频图像按时间先后顺序导入神经网络进行训练，利用训练后的神经网络识别视频图像中的目标对象；利用复制视频图像提取方向梯度直方图的特征信息，用于表示目标图像的物体特征，以检测出目标物体；
所述数据上链模块负责通过业务需求判断将需要保护的视频图像数据作为待上链数据；颁发的CA证书具备各个节点的公钥和私钥，利用上链节点的公钥、私钥与各数据查看节点进行密钥协商，得到上链密钥；
所述数据加密模块负责对上链的数据进行加密；
所述区块链存储模块负责存储加密的上链数据；
所述数据查询模块负责获取上链节点发送的密钥，然后将数据查看节点自身存储的公钥发送到上链节点，由数据查看节点的公钥和上链节点的私钥进行协商得到上链密钥，与数据查看节点的私钥和上链节点的公钥协商产生的上链密钥结合，获得密钥协商的最终上链密钥；
所述数据解密模块负责对所请求查询的加密上链数据进行解密，得到所需的解密后数据。
所述视频图像处理分析模块负责对输入的视频图像进行预处理，然后计算像素点的梯度值，形成梯度直方图，然后对blocks(数据块)进行标准化处理normalize，最后收集到梯度直方图的特征信息HOG feature(高维向量)输入支持向量机SVM(Support VectorMachine)进行监督学习，实现对人物或物体的检测，得到人物和物体数据；
将识别分析得到的人和物体数据进行数据融合处理，合并共有分析数据，剔除交集以外的非目标分析物信息，并将交集中的目标人或物体导入第二层神经网络进行训练，通过训练结果识别并跟踪目标人或物体的行为数据，包括运动轨迹，形变情况和色彩数据。
所述数据上链模块采用ECDH(Elliptic Curve Diffie–Hellman key Exchange)密钥协商算法进行密钥协商。
所述数据加密模块将原始视频图像通过哈希加密后得到哈希值，然后将原数据和哈希值一起送入星际文件系统IPFS网络，网络返回存储地址，然后将存储地址送入区块链保存。
所述区块链存储模块中存储有一个文件和上链密钥的对应表，将加密上链的数据和使用的上链密钥进行对应。
以上所述的实施例，只是本发明具体实施方式的一种，本领域的技术人员在本发明技术方案范围内进行的通常变化和替换都应包含在本发明的保护范围内。

Claims (8)

1.一种基于国产CPU和OS利用区块链保存数据的方法，其特征在于：包括以下步骤：
第一步、利用视频摄像头采集多监控场所的视频图像，通过视频分割和视频复制获取原始视频数据和待处理数据；将分割后的视频图像按时间先后顺序导入神经网络进行训练，利用训练后的神经网络识别视频图像中的目标对象；利用复制视频图像提取方向梯度直方图的特征信息，用于表示目标图像的物体特征，以检测出目标物体；
对输入的视频图像进行预处理，然后计算像素点的梯度值，形成梯度直方图，然后对blocks进行标准化处理normalize，最后收集到梯度直方图的特征信息HOG feature输入支持向量机SVM进行监督学习，实现对人物或物体的检测，得到人物和物体数据；
将识别分析得到的人和物体数据进行数据融合处理，合并共有分析数据，剔除交集以外的非目标分析物信息，并将交集中的目标人或物体导入第二层神经网络进行训练，通过训练结果识别并跟踪目标人或物体的行为数据，包括运动轨迹，形变情况和色彩数据；
第二步、通过业务需求判断将需要保护的视频图像数据作为待上链数据；颁发的CA证书具备各个节点的公钥和私钥，利用上链节点的公钥、私钥与各数据查看节点进行密钥协商，得到上链密钥；
第三步，得到上链密钥后，对上链的数据进行加密，将加密上链数据传输到区块链进行存储，以保证加密上链数据的完整性；
第四步，查看数据时，数据查看节点获取上链节点发送的密钥，然后将数据查看节点自身存储的公钥发送到上链节点，由数据查看节点的公钥和上链节点的私钥进行协商得到上链密钥，与数据查看节点的私钥和上链节点的公钥协商产生的上链密钥结合，获得密钥协商的最终上链密钥；
数据查看节点得到有效上链密钥后，即可对所请求查询的加密上链数据进行解密，得到所需的解密后数据。
2.根据权利要求1所述的基于国产CPU和OS利用区块链保存数据的方法，其特征在于：所述第二步中，上链节点与各数据查看节点采用ECDH密钥协商算法进行密钥协商。
3.根据权利要求1所述的基于国产CPU和OS利用区块链保存数据的方法，其特征在于：所述第三步中，上链数据的保存方式包括原始视频图像通过哈希加密后得到哈希值，然后将原数据和哈希值一起送入星际文件系统IPFS网络，网络返回存储地址，然后将存储地址送入区块链保存。
4.根据权利要求1所述的基于国产CPU和OS利用区块链保存数据的方法，其特征在于：为了提高使用数据的各环节节点进行密钥的调用和文件查询效率，所述第三步中，在区块链数据库中存储一个文件和上链密钥的对应表，将加密上链的数据和使用的上链密钥进行对应。
5.一种基于国产CPU和OS利用区块链保存数据的系统，其特征在于：包括视频图像采集模块，视频图像处理分析模块，数据上链模块，数据加密模块，区块链存储模块，数据查询模块和数据解密模块；
所述视频图像采集模块负责利用视频摄像头采集多监控场所的视频图像；
所述视频图像处理分析模块负责通过视频分割和视频复制获取原始视频数据和待处理数据；将分割后的视频图像按时间先后顺序导入神经网络进行训练，利用训练后的神经网络识别视频图像中的目标对象；利用复制视频图像提取方向梯度直方图的特征信息，用于表示目标图像的物体特征，以检测出目标物体；
所述视频图像处理分析模块负责对输入的视频图像进行预处理，然后计算像素点的梯度值，形成梯度直方图，然后对blocks进行标准化处理normalize，最后收集到梯度直方图的特征信息HOG feature输入支持向量机SVM行监督学习，实现对人物或物体的检测，得到人物和物体数据；
将识别分析得到的人和物体数据进行数据融合处理，合并共有分析数据，剔除交集以外的非目标分析物信息，并将交集中的目标人或物体导入第二层神经网络进行训练，通过训练结果识别并跟踪目标人或物体的行为数据，包括运动轨迹，形变情况和色彩数据；
所述数据上链模块负责通过业务需求判断将需要保护的视频图像数据作为待上链数据；颁发的CA证书具备各个节点的公钥和私钥，利用上链节点的公钥、私钥与各数据查看节点进行密钥协商，得到上链密钥；
所述数据加密模块负责对上链的数据进行加密；
所述区块链存储模块负责存储加密的上链数据；
所述数据查询模块负责获取上链节点发送的密钥，然后将数据查看节点自身存储的公钥发送到上链节点，由数据查看节点的公钥和上链节点的私钥进行协商得到上链密钥，与数据查看节点的私钥和上链节点的公钥协商产生的上链密钥结合，获得密钥协商的最终上链密钥；
所述数据解密模块负责对所请求查询的加密上链数据进行解密，得到所需的解密后数据。
6.根据权利要求5所述的基于国产CPU和OS利用区块链保存数据的系统，其特征在于：所述数据上链模块采用ECDH密钥协商算法进行密钥协商。
7.根据权利要求5所述的基于国产CPU和OS利用区块链保存数据的系统，其特征在于：所述数据加密模块将原始视频图像通过哈希加密后得到哈希值，然后将原数据和哈希值一起送入星际文件系统IPFS网络，网络返回存储地址，然后将存储地址送入区块链保存。
8.根据权利要求5所述的基于国产CPU和OS利用区块链保存数据的系统，其特征在于：所述区块链存储模块中存储有一个文件和上链密钥的对应表，将加密上链的数据和使用的上链密钥进行对应。
CN202111521760.3A 2021-12-13 2021-12-13 基于国产cpu和os利用区块链保存数据的方法及系统 Active CN114218603B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111521760.3A CN114218603B (zh) 2021-12-13 2021-12-13 基于国产cpu和os利用区块链保存数据的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111521760.3A CN114218603B (zh) 2021-12-13 2021-12-13 基于国产cpu和os利用区块链保存数据的方法及系统

Publications (2)

Publication Number Publication Date
CN114218603A CN114218603A (zh) 2022-03-22
CN114218603B true CN114218603B (zh) 2025-03-25

Family

ID=80701605

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111521760.3A Active CN114218603B (zh) 2021-12-13 2021-12-13 基于国产cpu和os利用区块链保存数据的方法及系统

Country Status (1)

Country Link
CN (1) CN114218603B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114584325A (zh) * 2022-05-06 2022-06-03 四川野马科技有限公司 基于区块链和云存储的投标报价数据混合存储系统和方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107426170A (zh) * 2017-05-24 2017-12-01 阿里巴巴集团控股有限公司 一种基于区块链的数据处理方法及设备
CN110826082A (zh) * 2019-09-29 2020-02-21 核芯互联科技(青岛)有限公司 一种用于区块链的隐私保护方法及设备

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200019864A1 (en) * 2018-07-11 2020-01-16 Deepbrain Chain, Inc. Systems and methods for artificial-intelligence-based automated object identification and manipulation
US10873456B1 (en) * 2019-05-07 2020-12-22 LedgerDomain, LLC Neural network classifiers for block chain data structures
JP6650157B1 (ja) * 2019-05-08 2020-02-19 株式会社モールサービス 情報管理システム、情報管理方法及び情報管理プログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107426170A (zh) * 2017-05-24 2017-12-01 阿里巴巴集团控股有限公司 一种基于区块链的数据处理方法及设备
CN110826082A (zh) * 2019-09-29 2020-02-21 核芯互联科技(青岛)有限公司 一种用于区块链的隐私保护方法及设备

Also Published As

Publication number Publication date
CN114218603A (zh) 2022-03-22

Similar Documents

Publication Publication Date Title
Jain A pixel-based digital medical images protection using genetic algorithm
Pan et al. Research on digital image encryption algorithm based on double logistic chaotic map
Sharma et al. Blockchain-based cloud storage system with CP-ABE-based access control and revocation process
Gupta et al. Layer-based privacy and security architecture for cloud data sharing
Abd-El-Atty et al. A novel image cryptosystem using Gray code, quantum walks, and Henon map for cloud applications
Gupta et al. A confidentiality preserving data leaker detection model for secure sharing of cloud data using integrated techniques
Zhaoliang et al. Functional agricultural monitoring data storage based on sustainable block chain technology
Kumar et al. Detection of data leakage in cloud computing environment
Sultan et al. A novel image-based homomorphic approach for preserving the privacy of autonomous vehicles connected to the cloud
Wang et al. Blockchain-enabled lightweight fine-grained searchable knowledge sharing for intelligent IoT
CN117675200B (zh) Sgx辅助下的一种基于身份的可验证数据聚合分析系统
Zhang et al. Digital image copyright protection method based on blockchain and zero trust mechanism
CN116599706A (zh) 基于区块链的物联网数据共享细粒度访问控制方法
CN117749527A (zh) 基于大数据分析和云计算的安全防护方法及系统
Khallaf et al. Blockchain-based color medical image cryptosystem for industrial Internet of Healthcare Things (IoHT)
CN114218603B (zh) 基于国产cpu和os利用区块链保存数据的方法及系统
Li et al. Pmir: an efficient privacy-preserving medical images search in cloud-assisted scenario
CN115525922A (zh) 基于隐私计算的金融隐私数据安全决策方法、装置及设备
KVK et al. A novel deep learning technique with cryptographic transformation for enhancing data security in cloud environments
CN110659453B (zh) 一种基于先发明原则的区块链数字版权保护方法及系统
Mahapatra et al. A secure health management framework with anti-fraud healthcare insurance using blockchain
Li et al. A sustainable data encryption storage and processing framework via edge computing-driven IoT.
Latif et al. Machine Learning Empowered Security and Privacy Architecture for IoT Networks with the Integration of Blockchain.
Narkedimilli et al. FL-DABE-BC: A Privacy-Enhanced Decentralized Authentication and Secure Communication Framework for FL in IoT-Enabled Smart Cities
Prakash et al. A review on security challenges: Cryptography and blockchain for internet of things

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20230224

Address after: S02 Building, 1036 Langchao Road, High-tech Zone, Jinan, Shandong Province, 250000

Applicant after: INSPUR SOFTWARE GROUP Co.,Ltd.

Address before: 250100 No. 1036 Tidal Road, Jinan High-tech Zone, Shandong Province, S01 Building, Tidal Science Park

Applicant before: Inspur cloud Information Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant