CN112565254B - 数据传输方法、装置、设备与计算机可读存储介质 - Google Patents

数据传输方法、装置、设备与计算机可读存储介质 Download PDF

Info

Publication number
CN112565254B
CN112565254B CN202011406764.2A CN202011406764A CN112565254B CN 112565254 B CN112565254 B CN 112565254B CN 202011406764 A CN202011406764 A CN 202011406764A CN 112565254 B CN112565254 B CN 112565254B
Authority
CN
China
Prior art keywords
model
data
noise
target
determining
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
CN202011406764.2A
Other languages
English (en)
Other versions
CN112565254A (zh
Inventor
张天豫
范力欣
吴锦和
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.)
WeBank Co Ltd
Original Assignee
WeBank 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 WeBank Co Ltd filed Critical WeBank Co Ltd
Priority to CN202011406764.2A priority Critical patent/CN112565254B/zh
Publication of CN112565254A publication Critical patent/CN112565254A/zh
Application granted granted Critical
Publication of CN112565254B publication Critical patent/CN112565254B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR 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; CALCULATING OR 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
    • G06N3/088—Non-supervised learning, e.g. competitive learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/12—Applying verification of the received information
    • H04L63/123—Applying verification of the received information received data contents, e.g. message integrity
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
    • H04L69/04—Protocols for data compression, e.g. ROHC
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/3236—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using cryptographic hash functions
    • H04L9/3239—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using cryptographic hash functions involving non-keyed hash functions, e.g. modification detection codes [MDCs], MD5, SHA or RIPEMD

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Computer Hardware Design (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

本发明公开了一种数据传输方法，包括：获取目标数据，对所述目标数据进行编码，以得到所述目标数据对应的压缩编码；确定所述目标数据对应的目标模型，并将所述压缩编码输入所述目标模型中，以得到所述压缩编码对应的模型结果；基于所述模型结果，确定所述压缩编码对应的高重要性特征/参数，并对所述高重要性特征/参数进行加噪处理，以得到加噪编码；将所述加噪编码进行传输。本发明还公开了一种数据传输装置、设备和计算机可读存储介质。与现有技术采用整体加密传输相比，本发明只需针对数据中的重要部分进行加噪处理，在降低传输压力的同时，可以有效避免因数据被拦截而泄露的风险，实现数据的安全传输。

Description

数据传输方法、装置、设备与计算机可读存储介质
技术领域
本发明涉及金融科技(Fintech)技术领域，尤其涉及数据传输方法、装置、设备与计算机可读存储介质。
背景技术
近年来，随着金融科技(Fintech)，尤其是互联网金融的不断发展，数据传输技术被引入银行等金融机构的日常服务中。在银行等金融机构的日常服务过程中会产生大量的数据，这些数据中可能存在一些比较重要的关键信息，如图片数据中包含的身份证号码等，因此，在对这些数据进行传输时，往往需要对数据进行保护，以确保数据传输的安全性。因此，如何对传输数据进行保护是银行等金融机构需要做的一项重要工作。
在现有技术中，为确保传输数据的安全性，一般采用加密的方式，也即，将待传输的数据进行加密，再将加密后的数据进行传输，这样，只有拥有密码的一方可以获取数据并解密得到其中的信息。
然而，此种数据传输方式较为死板，针对的是数据整体，但是数据中并不是所有的信息元素都是重要的，比如图片数据中，既有比较重要的身份证号码，也有不重要的背景图像等信息元素，对于背景图像等信息元素没有必要进行保护，可见，现有数据传输方式还不够智能，不能实现针对性保护。
发明内容
本发明的主要目的在于提出一种数据传输方法、装置、设备与计算机可读存储介质，旨在实现数据的安全传输。
为实现上述目的，本发明提供一种数据传输方法，所述数据传输方法包括如下步骤：
获取目标数据，对所述目标数据进行编码，以得到所述目标数据对应的压缩编码；
确定所述目标数据对应的目标模型，并将所述压缩编码输入所述目标模型中，以得到所述压缩编码对应的模型结果；
基于所述模型结果，确定所述压缩编码对应的高重要性特征/参数，并对所述高重要性特征/参数进行加噪处理，以得到加噪编码；
将所述加噪编码进行传输。
可选地，所述获取目标数据，对所述目标数据进行编码，以得到所述目标数据对应的压缩编码的步骤包括：
获取目标数据，确定所述目标数据的元素，以及所述元素在所述目标数据中的出现频率；
基于所述出现频率，确定所述元素对应的压缩符号，并使用所述压缩符号对所述目标数据进行编码，以得到所述目标数据对应的压缩编码。
可选地，所述基于所述模型结果，确定所述压缩编码对应的高重要性特征/参数的步骤包括：
确定所述模型结果在所述目标模型的模型位置，并确定所述模型位置对应的模型分支；
基于所述模型分支，确定所述压缩编码对应的高重要性特征/参数。
可选地，所述基于所述模型分支，确定所述压缩编码对应的高重要性特征/参数的步骤包括：
按照预设回溯原则，确定所述模型结果在所述模型分支对应的模型节点；
基于所述模型节点，确定所述压缩编码对应的高重要性特征/参数。
可选地，所述对所述高重要性特征/参数进行加噪处理，以得到加噪编码的步骤包括：
确定所述目标数据的数据类型，并确定所述数据类型对应的目标噪声；
确定所述高重要性特征/参数对应的加噪位置，并基于所述目标噪声和所述加噪位置，对所述高重要性特征/参数进行加噪处理。
可选地，所述确定所述目标数据对应的目标模型的步骤包括：
获取所述目标数据的数据内容，并分析所述数据内容中的目标对象的个数；
基于所述个数，确定所述目标数据对应的分类类型，并确定所述分类类型对应的目标模型。
可选地所述将所述加噪编码进行传输的步骤之后，所述数据传输方法还包括：
若检测到所述加噪编码，则基于所述高重要性特征/参数，验证所述加噪编码是否完整；
若完整，则对所述加噪编码进行还原，以得到目标数据。
可选地，所述若检测到所述加噪编码，则基于所述高重要性特征/参数，验证所述加噪编码是否完整的步骤之前，所述数据传输方法还包括：
计算所述高重要性特征/参数对应的第一验证标识；
所述若检测到所述加噪编码，则基于所述高重要性特征/参数，验证所述加噪编码是否完整的步骤包括：
若检测到所述加噪编码，则计算所述高重要性特征/参数对应的第二验证标识，并获取所述第一验证标识；
基于所述第一验证标识和所述第二验证标识，验证所述加噪编码是否完整，其中，若所述第一验证标识等于所述第二验证标识，则确定所述加噪编码完整。
此外，为实现上述目的，本发明还提供一种数据传输装置，所述数据传输装置包括：
编码模块，用于获取目标数据，对所述目标数据进行编码，以得到所述目标数据对应的压缩编码；
模型模块，用于确定所述目标数据对应的目标模型，并将所述压缩编码输入所述目标模型中，以得到所述压缩编码对应的模型结果；
加噪模块，用于基于所述模型结果，确定所述压缩编码对应的高重要性特征/参数，并对所述高重要性特征/参数进行加噪处理，以得到加噪编码；
传输模块，用于将所述加噪编码进行传输。
可选地，所述编码模块还用于：
获取目标数据，确定所述目标数据的元素，以及所述元素在所述目标数据中的出现频率；
基于所述出现频率，确定所述元素对应的压缩符号，并使用所述压缩符号对所述目标数据进行编码，以得到所述目标数据对应的压缩编码。
可选地，所述加噪模块还用于：
确定所述模型结果在所述目标模型的模型位置，并确定所述模型位置对应的模型分支；
基于所述模型分支，确定所述压缩编码对应的高重要性特征/参数。
可选地，所述加噪模块还用于：
按照预设回溯原则，确定所述模型结果在所述模型分支对应的模型节点；
基于所述模型节点，确定所述压缩编码对应的高重要性特征/参数。
可选地，所述加噪模块还用于：
确定所述目标数据的数据类型，并确定所述数据类型对应的目标噪声；
确定所述高重要性特征/参数对应的加噪位置，并基于所述目标噪声和所述加噪位置，对所述高重要性特征/参数进行加噪处理。
可选地，所述模型模块还用于：
获取所述目标数据的数据内容，并分析所述数据内容中的目标对象的个数；
基于所述个数，确定所述目标数据对应的分类类型，并确定所述分类类型对应的目标模型。
可选地，所述数据传输装置包括解码模块，所述解码模块用于：
若检测到所述加噪编码，则基于所述高重要性特征/参数，验证所述加噪编码是否完整；
若完整，则对所述加噪编码进行还原，以得到目标数据。
可选地，所述数据传输装置包括验证模块，所述验证模块用于：
计算所述高重要性特征/参数对应的第一验证标识；
若检测到所述加噪编码，则计算所述高重要性特征/参数对应的第二验证标识，并获取所述第一验证标识；
基于所述第一验证标识和所述第二验证标识，验证所述加噪编码是否完整，其中，若所述第一验证标识等于所述第二验证标识，则确定所述加噪编码完整。
此外，为实现上述目的，本发明还提供一种数据传输设备，所述数据传输设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的数据传输程序，所述数据传输程序被所述处理器执行时实现如上所述的数据传输方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有数据传输程序，所述数据传输程序被处理器执行时实现如上所述的数据传输方法的步骤。
本发明提出的数据传输方法，获取目标数据，对所述目标数据进行编码，以得到所述目标数据对应的压缩编码；确定所述目标数据对应的目标模型，并将所述压缩编码输入所述目标模型中，以得到所述压缩编码对应的模型结果；基于所述模型结果，确定所述压缩编码对应的高重要性特征/参数，并对所述高重要性特征/参数进行加噪处理，以得到加噪编码；将所述加噪编码进行传输。与现有技术采用加密传输相比，本发明采用压缩的方式，将数据压缩成压缩编码进行传输，在这过程中，只需针对数据中的重要部分进行加噪处理，在降低传输压力的同时，可以有效避免因数据被拦截而泄露的风险，实现数据的安全传输。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图；
图2为本发明数据传输方法第一实施例的流程示意图；
图3为本发明数据传输方法第一实施例中目标模型的示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图。
本发明实施例设备可以是移动终端或服务器设备。
如图1所示，该设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的设备结构并不构成对设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及数据传输程序。
其中，操作***是管理和控制数据传输设备与软件资源的程序，支持网络通信模块、用户接口模块、数据传输程序以及其他程序或软件的运行；网络通信模块用于管理和控制网络接口1002；用户接口模块用于管理和控制用户接口1003。
在图1所示的数据传输设备中，所述数据传输设备通过处理器1001调用存储器1005中存储的数据传输程序，并执行下述数据传输方法各个实施例中的操作。
基于上述硬件结构，提出本发明数据传输方法实施例。
参照图2，图2为本发明数据传输方法第一实施例的流程示意图，所述方法包括：
步骤S10，获取目标数据，对所述目标数据进行编码，以得到所述目标数据对应的压缩编码；
步骤S20，确定所述目标数据对应的目标模型，并将所述压缩编码输入所述目标模型中，以得到所述压缩编码对应的模型结果；
步骤S30，基于所述模型结果，确定所述压缩编码对应的高重要性特征/参数，并对所述高重要性特征/参数进行加噪处理，以得到加噪编码；
步骤S40，将所述加噪编码进行传输。
本实施例数据传输方法运用于数据传输设备中，数据传输设备可以是终端、机器人或者PC设备，为描述方便，数据传输设备以传输设备简称。
在现有技术中，为减少传输压力，一般将待传输的数据压缩成较短的字节进行传输；而如果考虑传输的安全性，一般也只是对原数据进行整体加密，或者压缩完之后进行加密，并不能对数据中的重要信息进行针对性保护，如在传输一张身份证照片时，身份证号码是重要信息，在现有技术中并不能只针对身份证号码进行传输保护，而只能采用比较笨拙的对身份证照片进行加密，且在传输过程中，若身份证号码丢失，也无法提前感知。
在此背景下，本实施例采用压缩的方式，将待传输的数据进行压缩，以得到压缩编码，并对压缩编码中的高重要性特征/参数进行提取加噪，在方便传输的同时，实现数据的针对性保护，提高数据的传输安全。
在本实施例中，传输设备包括编码器(编码模块)、模型层(包括多个模型，如决策树模型和线性回归模型等)和解码器(解码模块)，其中，解码器用于将数据压缩成压缩编码，解码器用于将压缩编码进行数据还原，而模型层用于对压缩编码中的参数进行重要度分析，从而确定其中的重要参数，并对重要参数进行加噪处理。
需要说明的是，编码器和解码器组成一个无监督的神经网络模型，在具体实施之前，传输设备先通过机器学习，如深度神经网路学习，学习输入的数据的隐含特征，这过程即为编码(coding)，同时用学习到的特征重构出原始输入数据，此时即为解码(decoding)，也即，在训练过程中，将数据转换成中间变量，也即压缩编码，再将中间变量转换成原始输入的数据，以此训练得到编码器和解码器。此外，使用中间变量，也即压缩编码进行决策树模型或者线性回归模型等的训练，以此得到模型层。由于机器学习是比较成熟的技术，具体的训练过程在此不再详细说明。
以下将对各个步骤进行详细说明：
步骤S10，获取目标数据，对所述目标数据进行编码，以得到所述目标数据对应的压缩编码。
在本实施例中，传输设备获取目标数据，也即获取待传输的数据，则对目标数据进行编码，以压缩目标数据的大小，从而得到目标数据对应的压缩编码，其中，目标数据包括文字数据、图片数据和视频数据等，为方便理解，在下述描述中，目标数据以图片数据为例进行指代。
进一步地，在一实施例中，步骤S10包括：
步骤a1，获取目标数据，确定所述目标数据的元素，以及所述元素在所述目标数据中的出现频率；
在一实施例中，传输设备获取目标数据，首先先确定目标数据的元素，以及元素在目标数据中的出现频率，其中，元素指的是目标数据中的特征，如图片数据中，有99个灰点，5个白点，那么灰点和白点也即目标数据的元素，而数值99和5即为元素在目标数据中的出现频率。
步骤a2，基于所述出现频率，确定所述元素对应的压缩符号，并使用所述压缩符号对所述目标数据进行编码，以得到所述目标数据对应的压缩编码；
在一实施例中，传输设备根据目标数据中的元素所出现的频率，确定各元素对应的压缩符号，具体的，频率出现较高的元素采用第一符号表示，频率出现较低的元素采用第二符号表示，其中，第一符号为短符号，第二符号为长符号，这样，目标数据的总符号长度最短，也即目标数据压缩最小，最后，使用压缩符号对目标数据进行编码，从而得到目标数据对应的压缩编码，也即，使用较短字节的压缩编码表示目标数据，从而实现目标数据的压缩。其中，目标数据中元素出现的频率是较高还是较低，具体可由目标数据中各元素之间进行比较得出。
如目标数据中，有ABC三个元素，ABC三个元素出现的频率大小为A＞B＞C，则A＝1，B＝01，C＝001，也即以较短符号1表示出现频率较高的A，以次短符号01表示出现频率次高的B，以较长符号001表示出现频率较低的C等。
步骤S20，确定所述目标数据对应的目标模型，并将所述压缩编码输入所述目标模型中，以得到所述压缩编码对应的模型结果。
在本实施例中，在得到目标数据对应的压缩编码之后，传输设备进一步确定目标数据对应的目标模型，再将压缩编码输入目标模型中，从而得到压缩编码对应的模型结果，也即，传输设备通过目标模型来提取压缩编码中的重要参数，也即高重要性特征/参数。在具体实施之前，事先将大量的压缩编码作为目标模型的输入，将标注的模型结果作为目标模型的输出，训练得到目标模型，具体可训练决策树模型或者线性回归模型等，在此不做详细介绍。
进一步地，在一实施例中，确定所述目标数据对应的目标模型的步骤包括：
步骤b1，获取所述目标数据的数据内容，并分析所述数据内容中的目标对象的个数；
在一实施例中，传输设备先获取目标数据的数据内容，如目标数据为图片数据，则获取图片数据中的数据内容，如图片数据中的人事物等，再分析数据内容中的目标对象的个数，其中，目标对象具体指目标数据的识别目的，如判断当前图片数据是否是猫图像；判断当前图片数据是否是男人等，目标对象的个数即识别目的的个数。
步骤b2，基于所述个数，确定所述目标数据对应的分类类型，并确定所述分类类型对应的目标模型。
然后，根据目标对象的个数，确定目标数据对应的分类类型，其中，分类类型包括二分类问题和多分类问题，最后，根据目标数据对应的分类类型，确定对应的目标模型，如二分类问题，则确定对应的目标模型为决策树模型；如多分类问题，则确定对应的目标模型为线性回归模型等。具体可事先建立分类类型与目标模型的映射关系，从而在确定了目标数据对应的分类类型之后，即可根据映射关系确定出目标数据对应的目标模型。
最后即可将压缩编码输入目标模型中，从而得到模型结果，如目标数据为图片数据，图片数据中有动物，目标模型最终输出“猫”的结果。
步骤S30，基于所述模型结果，确定所述压缩编码对应的高重要性特征/参数，并对所述高重要性特征/参数进行加噪处理，以得到加噪编码。
在本实施例中，传输设备根据模型结果，确定压缩编码对应的高重要性特征/参数，也即确定哪些参数是对模型结果重要的，如模型结果为“猫”，那么就要从所有的压缩编码中寻找到对“猫”来说是重要的高重要性特征/参数，也即哪些参数是与“猫”息息相关的，再对高重要性特征/参数进行加噪处理，从而得到加噪编码，使得目标数据在传输过程中即使中途被截取，也会因为加噪的原因，导致其他设备无法还原成原本的“猫”。
进一步地，在一实施例中，基于所述模型结果，确定所述压缩编码对应的高重要性特征/参数的步骤包括：
步骤c1，确定所述模型结果在所述目标模型的模型位置，并确定所述模型位置对应的模型分支；
在一实施例中，传输设备在确定高重要性特征/参数的过程中，先确定模型结果在目标模型的模型位置，再通过模型结果所在的模型位置，确定对应的模型分支，需要说明的是，目标模型为树状模型，如图3所示，每一个圆形代表一个节点，每一节点代表一个参数，最下层节点即为模型结果，也即模型结果多种多样，如图片数据中既包括猫也包括树，则最终输出的模型结果则既有“猫”也是“树”，即对应两个模型结果等，而模型分支指的是按照模型结果往模型根节点追溯的路径，如图3所示，1→2→3即构成一个模型分支。
步骤c2，基于所述模型分支，确定所述压缩编码对应的高重要性特征/参数。
接着，传输设备根据模型结果所在的模型分支，确定压缩编码对应的高重要性特征/参数。
具体的，在一实施例中，步骤c2包括：
步骤c21，按照预设回溯原则，确定所述模型结果在所述模型分支对应的模型节点；
在一实施例中，传输设备按照预设回溯原则，确定模型结果在模型分支对应的模型节点，其中，回溯原则指的是按照模型结果在目标模型的判断路径进行反推回溯，如图3所示，假设模型结果为1，则回溯得到2和3是关键的模型节点。
步骤c22，基于所述模型节点，确定所述压缩编码对应的高重要性特征/参数。
然后，根据模型节点，确定压缩编码对应的高重要性特征/参数，如图3所示，2和3对应的特征即为高重要性特征/参数，如在判断“猫”时，“有尾巴”为高重要性特征/参数等。
在另一实施例中，为减少后续对高重要性特征/参数加噪的工作量，在确定高重要性特征/参数时，还可以只选取模型分支的起节点和终节点，将起节点和终节点对应的特征作为高重要性特征/参数，对于中间节点的特征则可忽略等。
进一步地，在一实施例中，对所述高重要性特征/参数进行加噪处理，以得到加噪编码的步骤包括：
步骤c3，确定所述目标数据的数据类型，并确定所述数据类型对应的目标噪声；
在一实施例中，传输设备先确定目标数据的数据类型，其中，数据类型包括文字数据、图片数据和视频数据等，再根据数据类型确定对应的目标噪声，以图片数据为例，图片数据对应的目标噪声可为椒盐噪声或者高斯噪声等。
步骤c4，确定所述高重要性特征/参数对应的加噪位置，并基于所述目标噪声和所述加噪位置，对所述高重要性特征/参数进行加噪处理。
接着，确定高重要性特征/参数对应的加噪位置，并根据目标噪声和加噪位置，对高重要性特征/参数进行加噪处理，具体的，以目标数据为图片数据，目标噪声为椒盐噪声为例，先指定信噪比SNR其取值范围在[0,1]之间，接着计算图片数据中总像素数目SP，得到要加噪的像素数目NP＝SP*(1-SNR)，再获取要加噪的每个像素位置P(i,j)，也即高重要性特征/参数的加噪位置，指定其像素值为255或者0，从而完成对高重要性特征/参数的加噪处理。经加噪处理后，得到加噪编码。
步骤S40，将所述加噪编码进行传输。
在本实施例中，在得到加噪编码之后，即可对加噪编码进行传输，使得传输设备可以以一个较短的编码进行数据传输，且由于高重要性特征/参数被加噪处理过，不用担心数据泄露的风险。
本实施例获取目标数据，对所述目标数据进行编码，以得到所述目标数据对应的压缩编码；确定所述目标数据对应的目标模型，并将所述压缩编码输入所述目标模型中，以得到所述压缩编码对应的模型结果；基于所述模型结果，确定所述压缩编码对应的高重要性特征/参数，并对所述高重要性特征/参数进行加噪处理，以得到加噪编码；将所述加噪编码进行传输。与现有技术采用加密传输相比，本发明采用压缩的方式，将数据压缩成压缩编码进行传输，在这过程中，只需针对数据中的重要部分进行加噪处理，在降低传输压力的同时，可以有效避免因数据被拦截而泄露的风险，实现数据的安全传输。
进一步地，基于本发明数据传输方法第一实施例，提出本发明数据传输方法第二实施例。
数据传输方法的第二实施例与数据传输方法的第一实施例的区别在于，步骤S40之后，数据传输方法还包括：
步骤S50，若检测到所述加噪编码，则基于所述高重要性特征/参数，验证所述加噪编码是否完整；
步骤S60，若完整，则对所述加噪编码进行还原，以得到目标数据。
本实施例的传输设备包括编码器、模型层和解码器，其中，在检测到加噪编码时，传输设备通过解码器进行数据还原，并且在解码过程中，通过高重要性特征/参数，可以验证目标数据中的重要信息是否丢失，从而可以很好的还原出目标数据。
以下将对各个步骤进行详细说明：
步骤S50，若检测到所述加噪编码，则基于所述高重要性特征/参数，验证所述加噪编码是否完整。
在本实施例中，传输设备若检测到加噪编码，则根据加噪编码对应的高重要性特征/参数，验证加噪编码是否完整，也即，验证目标数据中的重要信息是否丢失。
具体的，在一实施例中，步骤S50之前，数据传输方法还包括：
步骤d，计算所述高重要性特征/参数对应的第一验证标识；
也即，在确定了高重要性特征/参数之后，计算高重要性特征/参数对应的第一验证标识，如MD5值等，作为后续验证的依据，可以理解的，若高重要性特征/参数在传输过程中出现丢失或者损失现象，其MD5值将相应变化，因此，可将MD5值作为高重要性特征/参数对应的第一验证标识。
步骤S50包括：
步骤e1，若检测到所述加噪编码，则计算所述高重要性特征/参数对应的第二验证标识，并获取所述第一验证标识；
在一实施例中，传输设备若检测到加噪编码，则先计算加噪编码对应的高重要性特征/参数的第二验证标识，并获取传输之前计算的第一验证标识。
步骤e2，基于所述第一验证标识和所述第二验证标识，验证所述加噪编码是否完整，其中，若所述第一验证标识等于所述第二验证标识，则确定所述加噪编码完整。
然后，将第一验证标识与第二验证标识进行比较，判断第一验证标识与第二验证标识是否相等，若是，则确定加噪编码完整，在传输过程中未发生数据丢失或者损失现象，若否，则确定加噪编码不完整，在传输过程中发生数据丢失或者损失现象，从而发出提示信息，以提示相关人员对此作出相应的动作。
步骤S60，若完整，则对所述加噪编码进行还原，以得到目标数据。
在本实施例中，若确定加噪编码完整，传输设备则对加载编码进行数据还原，从而得到目标数据，具体的还原过程与编码过程相反，在此不做赘述。
本实施例通过编码，将待传输的目标数据进行压缩，并进一步确定压缩后的压缩编码对应的高重要性特征/参数，以提取隐藏在压缩编码中的重要参数，再对高重要性特征/参数进行加噪处理，针对性的对高重要性特征/参数进行保护，减少信息泄露风险，并且，能够在解码过程中对还原数据的优劣进行追踪，判断是否有重要特征丢失，实现了数据的安全传输。
本发明还提供一种数据传输装置。本发明数据传输装置包括：
编码模块，用于获取目标数据，对所述目标数据进行编码，以得到所述目标数据对应的压缩编码；
模型模块，用于确定所述目标数据对应的目标模型，并将所述压缩编码输入所述目标模型中，以得到所述压缩编码对应的模型结果；
加噪模块，用于基于所述模型结果，确定所述压缩编码对应的高重要性特征/参数，并对所述高重要性特征/参数进行加噪处理，以得到加噪编码；
传输模块，用于将所述加噪编码进行传输。
可选地，所述编码模块还用于：
获取目标数据，确定所述目标数据的元素，以及所述元素在所述目标数据中的出现频率；
基于所述出现频率，确定所述元素对应的压缩符号，并使用所述压缩符号对所述目标数据进行编码，以得到所述目标数据对应的压缩编码。
可选地，所述加噪模块还用于：
确定所述模型结果在所述目标模型的模型位置，并确定所述模型位置对应的模型分支；
基于所述模型分支，确定所述压缩编码对应的高重要性特征/参数。
可选地，所述加噪模块还用于：
按照预设回溯原则，确定所述模型结果在所述模型分支对应的模型节点；
基于所述模型节点，确定所述压缩编码对应的高重要性特征/参数。
可选地，所述加噪模块还用于：
确定所述目标数据的数据类型，并确定所述数据类型对应的目标噪声；
确定所述高重要性特征/参数对应的加噪位置，并基于所述目标噪声和所述加噪位置，对所述高重要性特征/参数进行加噪处理。
可选地，所述模型模块还用于：
获取所述目标数据的数据内容，并分析所述数据内容中的目标对象的个数；
基于所述个数，确定所述目标数据对应的分类类型，并确定所述分类类型对应的目标模型。
可选地，所述数据传输装置包括解码模块，所述解码模块用于：
若检测到所述加噪编码，则基于所述高重要性特征/参数，验证所述加噪编码是否完整；
若完整，则对所述加噪编码进行还原，以得到目标数据。
可选地，所述数据传输装置包括验证模块，所述验证模块用于：
计算所述高重要性特征/参数对应的第一验证标识；
若检测到所述加噪编码，则计算所述高重要性特征/参数对应的第二验证标识，并获取所述第一验证标识；
基于所述第一验证标识和所述第二验证标识，验证所述加噪编码是否完整，其中，若所述第一验证标识等于所述第二验证标识，则确定所述加噪编码完整。
本发明还提供一种计算机可读存储介质。
本发明计算机可读存储介质上存储有数据传输程序，所述数据传输程序被处理器执行时实现如上所述的数据传输方法的步骤。
其中，在所述处理器上运行的数据传输程序被执行时所实现的方法可参照本发明数据传输方法各个实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书与附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (9)

1.一种数据传输方法，其特征在于，所述数据传输方法包括如下步骤：
获取目标数据，对所述目标数据进行编码，以得到所述目标数据对应的压缩编码；
根据所述目标数据对应的分类类型，确定对应的目标模型，并将所述压缩编码输入所述目标模型中，以得到所述压缩编码对应的模型结果；
确定所述模型结果在所述目标模型的模型位置，并确定所述模型位置对应的模型分支；
按照预设回溯原则，确定所述模型结果在所述模型分支对应的模型节点；
基于所述模型节点，将所述模型分支的起节点和终节点对应的特征确定为所述压缩编码对应的高重要性特征/参数，并对所述高重要性特征/参数进行加噪处理，以得到加噪编码；
将所述加噪编码进行传输。
2.如权利要求1所述的数据传输方法，其特征在于，所述获取目标数据，对所述目标数据进行编码，以得到所述目标数据对应的压缩编码的步骤包括：
获取目标数据，确定所述目标数据的元素，以及所述元素在所述目标数据中的出现频率；
基于所述出现频率，确定所述元素对应的压缩符号，并使用所述压缩符号对所述目标数据进行编码，以得到所述目标数据对应的压缩编码。
3.如权利要求1所述的数据传输方法，其特征在于，所述对所述高重要性特征/参数进行加噪处理，以得到加噪编码的步骤包括：
确定所述目标数据的数据类型，并确定所述数据类型对应的目标噪声；
确定所述高重要性特征/参数对应的加噪位置，并基于所述目标噪声和所述加噪位置，对所述高重要性特征/参数进行加噪处理。
4.如权利要求1所述的数据传输方法，其特征在于，所述根据所述目标数据对应的分类类型，确定对应的目标模型的步骤包括：
获取所述目标数据的数据内容，并分析所述数据内容中的目标对象的个数；
基于所述个数，确定所述目标数据对应的分类类型，并确定所述分类类型对应的目标模型。
5.如权利要求1-4任一项所述的数据传输方法，其特征在于，所述将所述加噪编码进行传输的步骤之后，所述数据传输方法还包括：
若检测到所述加噪编码，则基于所述高重要性特征/参数，验证所述加噪编码是否完整；
若完整，则对所述加噪编码进行还原，以得到目标数据。
6.如权利要求5所述的数据传输方法，其特征在于，所述若检测到所述加噪编码，则基于所述高重要性特征/参数，验证所述加噪编码是否完整的步骤之前，所述数据传输方法还包括：
计算所述高重要性特征/参数对应的第一验证标识；
所述若检测到所述加噪编码，则基于所述高重要性特征/参数，验证所述加噪编码是否完整的步骤包括：
若检测到所述加噪编码，则计算所述高重要性特征/参数对应的第二验证标识，并获取所述第一验证标识；
基于所述第一验证标识和所述第二验证标识，验证所述加噪编码是否完整，其中，若所述第一验证标识等于所述第二验证标识，则确定所述加噪编码完整。
7.一种数据传输装置，其特征在于，所述数据传输装置包括：
编码模块，用于获取目标数据，对所述目标数据进行编码，以得到所述目标数据对应的压缩编码；
模型模块，用于根据所述目标数据对应的分类类型，确定对应的目标模型，并将所述压缩编码输入所述目标模型中，以得到所述压缩编码对应的模型结果；
加噪模块，用于基于所述模型结果，确定所述压缩编码对应的高重要性特征/参数，并对所述高重要性特征/参数进行加噪处理，以得到加噪编码，其中，所述加噪模块具体用于确定所述模型结果在所述目标模型的模型位置，并确定所述模型位置对应的模型分支；按照预设回溯原则，确定所述模型结果在所述模型分支对应的模型节点；基于所述模型节点，将所述模型分支的起节点和终节点对应的特征确定为所述压缩编码对应的高重要性特征/参数；
传输模块，用于将所述加噪编码进行传输。
8.一种数据传输设备，其特征在于，所述数据传输设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的数据传输程序，所述数据传输程序被所述处理器执行时实现如权利要求1至6中任一项所述的数据传输方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有数据传输程序，所述数据传输程序被处理器执行时实现如权利要求1至6中任一项所述的数据传输方法的步骤。
CN202011406764.2A 2020-12-04 2020-12-04 数据传输方法、装置、设备与计算机可读存储介质 Active CN112565254B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011406764.2A CN112565254B (zh) 2020-12-04 2020-12-04 数据传输方法、装置、设备与计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011406764.2A CN112565254B (zh) 2020-12-04 2020-12-04 数据传输方法、装置、设备与计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN112565254A CN112565254A (zh) 2021-03-26
CN112565254B true CN112565254B (zh) 2023-03-31

Family

ID=75048064

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011406764.2A Active CN112565254B (zh) 2020-12-04 2020-12-04 数据传输方法、装置、设备与计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN112565254B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004064041A1 (en) * 2003-01-09 2004-07-29 Dilithium Networks Pty Limited Method and apparatus for improved quality voice transcoding
CN109325584A (zh) * 2018-08-10 2019-02-12 深圳前海微众银行股份有限公司 基于神经网络的联邦建模方法、设备及可读存储介质
CN111860727A (zh) * 2020-07-30 2020-10-30 深圳前海微众银行股份有限公司 二维码生成方法、验证方法、设备及计算机可读存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020076049A1 (en) * 2000-12-19 2002-06-20 Boykin Patrick Oscar Method for distributing perceptually encrypted videos and decypting them
US20030079222A1 (en) * 2000-10-06 2003-04-24 Boykin Patrick Oscar System and method for distributing perceptually encrypted encoded files of music and movies
US7433815B2 (en) * 2003-09-10 2008-10-07 Dilithium Networks Pty Ltd. Method and apparatus for voice transcoding between variable rate coders
CN101409830B (zh) * 2007-10-10 2010-10-13 华为技术有限公司 Dct系数块相似性判断、图像加解密方法及装置
CN111160043B (zh) * 2019-12-31 2024-04-30 科大讯飞股份有限公司 特征编码方法、装置、电子设备及可读存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004064041A1 (en) * 2003-01-09 2004-07-29 Dilithium Networks Pty Limited Method and apparatus for improved quality voice transcoding
CN109325584A (zh) * 2018-08-10 2019-02-12 深圳前海微众银行股份有限公司 基于神经网络的联邦建模方法、设备及可读存储介质
CN111860727A (zh) * 2020-07-30 2020-10-30 深圳前海微众银行股份有限公司 二维码生成方法、验证方法、设备及计算机可读存储介质

Also Published As

Publication number Publication date
CN112565254A (zh) 2021-03-26

Similar Documents

Publication Publication Date Title
CN109558748B (zh) 数据处理方法、装置、电子设备及存储介质
CN111612079B (zh) 数据确权方法、设备及可读存储介质
US20080178286A1 (en) Rendered Image Collection of Potentially Malicious Web Pages
CN111931188A (zh) 登陆场景下漏洞测试方法及***
CN111628866B (zh) 神经网络校验方法、装置、设备及可读存储介质
CN112884075A (zh) 一种流量数据增强方法、流量数据分类方法及相关装置
CN109902475B (zh) 验证码图像生成方法、装置和电子设备
CN113628116B (zh) 图像处理网络的训练方法、装置、计算机设备和存储介质
CN112565254B (zh) 数据传输方法、装置、设备与计算机可读存储介质
CN112348627A (zh) 应用推送方法、装置、设备及计算机可读存储介质
CN115314268B (zh) 基于流量指纹和行为的恶意加密流量检测方法和***
JP7445753B2 (ja) 光学文字認識のためのコンピュータ実行方法
CN115203674A (zh) 一种应用程序自动登录方法、***、装置及存储介质
CN113569083A (zh) 基于数据溯源模型的智能音箱本地端数字取证***及方法
JP2021120840A (ja) 学習方法、装置及びプログラム
CN106156235A (zh) 一种基于Android平台的图片下载方法及***
CN117896546B (zh) 一种数据传输方法、***、电子设备及存储介质
CN105227518A (zh) 服务器、客户端、交互***及信息发送和接收方法
CN115250199B (zh) 数据流检测方法、装置、终端设备以及存储介质
CN116740540B (zh) 一种数据处理方法、装置、设备以及计算机可读存储介质
CN112235255B (zh) 一种语音数据处理方法、装置及服务端
CN117851835B (zh) 一种深度学习的物联网识别***及方法
CN111294326B (zh) 确认***数据安全的方法、装置、设备和介质
CN115862159A (zh) 活体检测方法、装置、设备与存储介质
Nene Deep learning approaches to universal and practical steganalysis

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
GR01 Patent grant
GR01 Patent grant