CN115580865B - 一种基于人工智能的5g通信传输加密***及方法 - Google Patents

Abstract

本发明涉及数字信息的传输技术领域，具体涉及一种基于人工智能的5G通信传输加密***及方法，包括：获取待加密的时间序列数据，利用数字信息传输技术，确定待加密的二维数据矩阵，进而确定二值图像；根据各第一类型结构元的最优尺寸，在二值图像上构建滑窗，确定待加密的二维数据矩阵对应的结构元内第一类型点的数量，得到各第二类型结构元；确定二值图像中每个滑窗对应的离散程度，得到各第三类型结构元；确定各第三类型结构元与待加密的二维数据矩阵的匹配度，得到目标类型结构元；根据目标类型结构元，对待加密的二维数据矩阵进行数据运算，从而得到待加密的时间序列数据的加密密文。本发明有效提高了加密数据的安全性。

Description

一种基于人工智能的5G通信传输加密***及方法

技术领域

本发明涉及数字信息的传输技术领域，具体涉及一种基于人工智能的5G通信传输加密***及方法。

背景技术

无线通信将无线电信号作为信息的载体，摆脱了有线通信对通信终端位置的束缚，以其灵活性以及便携性迅速深入人心，在近十年里获得了飞速的发展。然而，随着无线通信技术的发展以及应用越来越普遍，通信过程中的安全问题也逐渐暴露出来。无线通信在给人们带来便利的同时，电磁波的广播特性造成的无线信道的开放性，这种物理层上的开放性使得无线通信的安全性面临更为严峻的挑战，为提高无线通信数据的安全性，需要对无线电信号数据进行加密处理。

现有技术提出了一种5G通信***中基于下行反馈辅助的上行安全传输方法，其公开号为CN105007578B，该方法用于解决现有的物理层面安全传输技术无法直接适用于5G上行通信***的问题，也就是在一定程度上解决上下行安全容量不平衡的问题，以保障5G上行链路单输入多输出***的传输安全性，但是该方法存在下行估计误差累积到上行的情况，该情况容易降低加密数据的安全性，从而导致加密数据的安全性较差。

发明内容

为了解决上述现有方法的加密数据安全性较差的问题，本发明的目的在于提供一种基于人工智能的5G通信传输加密***及方法。

本发明提供了一种基于人工智能的5G通信传输加密方法，包括以下步骤：

获取待加密的时间序列数据，并根据该待加密的时间序列数据，确定待加密的二维数据矩阵，进而确定待加密的二维数据矩阵对应的二值图像，所述二值图像中的第一类型点用于表示二维数据矩阵中的数值1，所述二值图像中的第二类型点用于表示二维数据矩阵中的数值0；

获取待加密的二维数据矩阵对应的最优尺寸的各第一类型结构元，并根据各第一类型结构元的最优尺寸，在待加密的二维数据矩阵对应的二值图像上构建滑窗，根据二值图像中每个滑窗内第一类型点的数量，确定待加密的二维数据矩阵对应的结构元内第一类型点的数量；

根据待加密的二维数据矩阵对应的结构元内第一类型点的数量，对各第一类型结构元进行筛选，从而得到各第二类型结构元；

根据二值图像中每个滑窗内各个第一类型点的位置，确定二值图像中每个滑窗对应的离散程度，根据二值图像中每个滑窗对应的离散程度，对各第二类型结构元进行筛选，从而得到各第三类型结构元；

根据二值图像内所有第一类型点的数量和各第三类型结构元的第一类型点在二值图像内的数量，确定各第三类型结构元与待加密的二维数据矩阵的匹配度，根据各第三类型结构元与待加密的二维数据矩阵的匹配度，对各第三类型结构元进行筛选，从而得到待加密的二维数据矩阵对应的目标类型结构元；

根据待加密的二维数据矩阵对应的目标类型结构元，对待加密的二维数据矩阵进行数据运算，从而得到待加密的时间序列数据的加密密文。

进一步的，确定待加密的二维数据矩阵对应的结构元内第一类型点的数量的步骤包括：

根据二值图像中每个滑窗内第一类型点的数量，确定待加密的二维数据矩阵对应的统计直方图；

根据待加密的二维数据矩阵对应的统计直方图中各个第一类型点数量级的滑窗出现的次数，确定待加密的二维数据矩阵对应的统计直方图的偏度；

根据待加密的二维数据矩阵对应的统计直方图的偏度，确定待加密的二维数据矩阵对应的结构元内第一类型点的数量。

进一步的，确定待加密的二维数据矩阵对应的统计直方图的偏度的计算公式为：

其中，

为待加密的二维数据矩阵对应的统计直方图的偏度，N为待加密的二维数据矩阵对应的统计直方图中最大的第一类型点数量级，

为待加密的二维数据矩阵对应的统计直方图中第a个第一类型点数量级的滑窗出现的概率。

进一步的，确定待加密的二维数据矩阵对应的结构元内第一类型点的数量的计算公式为：

其中，

为待加密的二维数据矩阵对应的结构元内第一类型点的数量，

为待加密的二维数据矩阵对应的统计直方图的偏度，

为预设最大偏度，

为预设最小偏度，

表示对*进行向下取整。

进一步的，确定二值图像中每个滑窗对应的离散程度的步骤包括：

根据二值图像中每个滑窗内各个第一类型点的位置，确定二值图像中每个滑窗对应的跳变次数；

根据二值图像中每个滑窗对应的跳变次数，确定二值图像中每个滑窗对应的离散程度。

进一步的，确定二值图像中每个滑窗对应的离散程度的计算公式为：

其中，

为二值图像中第i个滑窗对应的离散程度，

为二值图像中第i个滑窗对应的跳变次数。

进一步的，对各第二类型结构元进行筛选的步骤包括：

根据二值图像中每个滑窗对应的离散程度，确定二值图像中各个滑窗对应的离散程度均值，并将二值图像中各个滑窗对应的离散程度均值作为各第二类型结构元对应的离散程度阈值；

获取各第二类型结构元对应的离散程度，计算各第二类型结构元对应的离散程度与各第二类型结构元对应的离散程度阈值的差异值，确定各第二类型结构元对应的离散程度差异值；

根据各第二类型结构元对应的离散程度差异值，对各第二类型结构元进行筛选，将离散程度差异值最小的多个第二类型结构元作为各第三类型结构元。

进一步的，确定各第三类型结构元与待加密的二维数据矩阵的匹配度的步骤包括：

计算各第三类型结构元的第一类型点在二值图像内的数量与二值图像内所有第一类型点的数量的比值，将该比值作为对应第三类型结构元与待加密的二维数据矩阵的匹配度。

本发明还提供了一种基于人工智能的5G通信传输加密***，包括处理器和存储器，所述处理器用于处理存储在所述存储器中的指令，以实现上述的一种基于人工智能的5G通信传输加密方法。

本发明具有如下有益效果：

本发明根据待加密的时间序列数据，利用数字信息传输技术，对待加密的时间序列数据进行规范化和数据重构处理，得到待加密的二维数据矩阵。获取待加密的二维数据矩阵对应的最优尺寸的各第一类型结构元，确定待加密的二维数据矩阵对应的结构元内第一类型点的数量，对各第一类型结构元进行筛选，从而得到各第二类型结构元。确定二值图像中每个滑窗对应的离散程度，对各第二类型结构元进行筛选，从而得到各第三类型结构元。确定各第三类型结构元与待加密的二维数据矩阵的匹配度，对各第三类型结构元进行筛选，从而得到待加密的二维数据矩阵对应的目标类型结构元。根据待加密的二维数据矩阵对应的目标类型结构元，对待加密的二维数据矩阵进行数据运算，从而得到待加密的时间序列数据的加密密文。

本发明通过数字信息传输技术，根据待加密的时间序列数据的数据特征，对待加密的二维数据矩阵对应的最优尺度的各第一类型结构元不断地进行筛选，从而得到目标类型结构元，利用目标类型结构元对待加密的时间序列数据进行数据运算，有效提高了加密数据的安全性。同时，本发明避免了遍历操作确定结构元时产生大量数据量的情况，加快了数据加密处理速度。

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和优点，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的介绍，显而易见地，下面描述中的附图仅仅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它附图。

图1为本发明实施例中的一种基于人工智能的5G通信传输加密方法的流程图；

图2为本发明实施例中的待加密的二维数据矩阵示意图；

图3为本发明实施例中的待加密的二维数据矩阵对应的二值图像示意图；

图4为本发明实施例中的单个第一类型点结构元示意图；

图5为本发明实施例中的待加密的二维数据矩阵对应的统计直方图；

图6为本发明实施例中的预设展开规则的示意图；

图7为本发明实施例中的二值图像中的X型结构元示意图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一个实施例。此外，一个或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

本实施例提供了一种基于人工智能的5G通信传输加密方法，如图1所示，该方法包括以下步骤：

（1）获取待加密的时间序列数据，并根据该待加密的时间序列数据，确定待加密的二维数据矩阵，进而确定待加密的二维数据矩阵对应的二值图像，所述二值图像中的第一类型点用于表示二维数据矩阵中的数值1，所述二值图像中的第二类型点用于表示二维数据矩阵中的数值0。

首先，需要说明的是，数据信息在计算机中是以二进制的形式进行存储的，数据选择只有两种，分别为0或者1。若待加密的时间序列数据中的某个数据仅与该数据左右相邻的数据相关，那么该数据在整个待加密的时间序列数据中的关联性不强，对加密后的该数据极易被破解。

在本实施例中，为了增强待加密的时间序列数据中各个数据之间的关联性以及加密密文的安全性，将一维的待加密的时间序列数据进行整理、组合以及拼接，使待加密的时间序列数据转化成二维数据矩阵。先获取待加密的时间序列数据，对一维的待加密的时间序列数据进行二进制编码处理，得到待加密的二进制编码数据，这里的二进制编码数据中包括数值1和数值0。将一定数量的二进制编码数据进行分割操作，分割成L个长度为l的二维数据串，将分割后的L个二维数据串按照分割顺序进行排列，得到尺寸为

的二维数据矩阵，如图2所示，图2为待加密的二维数据矩阵示意图。

将尺寸为

的待加密的二维数据矩阵转化为二值图像，也就是将二维数据矩阵中元素为1的数据用第一类型点来表示，二维数据矩阵中元素为0的数据用第二类型点来表示。待加密的二维数据矩阵对应的二值图像中的第一类型点为黑点、第二类型点为白点，如图3所示，图3为待加密的二维数据矩阵对应的二值图像示意图。待加密的时间序列数据进行二进制编码处理的过程和二维数据矩阵转化为二值图像的过程均为现有技术，不在本发明保护范围内，此处不再进行详细阐述。

至此，本实施例得到了待加密的时间序列数据、待加密的二维数据矩阵以及待加密的二维数据矩阵对应的二值图像。

（2）获取待加密的二维数据矩阵对应的最优尺寸的各第一类型结构元，并根据各第一类型结构元的最优尺寸，在待加密的二维数据矩阵对应的二值图像上构建滑窗，根据二值图像中每个滑窗内第一类型点的数量，确定待加密的二维数据矩阵对应的结构元内第一类型点的数量。

需要说明的是，采用形态学的结构元对待加密的二维矩阵进行腐蚀操作时，会除去孤立的第一类型点，当再通过膨胀操作还原时会损失掉孤立的第一类型点。因此，选取的结构元尺寸不同、类型不同，待加密的二维矩阵的损失率也不相同。通常情况下，利用遍历待加密的二维矩阵来确定目标结构元，具体为：每种类型尺寸的结构元均进行遍历计算，从而得到每种类型尺寸的结构元在处理待加密的二维矩阵时对应的损失率，通过比较所有类型尺寸的结构元在处理待加密的二维矩阵时对应的损失率，得到最小损失率对应的结构元，可以将该结构元作为目标结构元，遍历操作需要占用大量的计算量，同时当生成的二维矩阵数据量较多时，遍历操作的计算速度会很慢，但若随机选取目标结构元，其对应的损失率不能得到保障。因此，为了保证结构元在处理待加密的二维矩阵时对应的损失率尽可能小的情况下加快计算速度，本实施例根据待加密的二维数据矩阵中各个数据之间的关联性，从最优尺寸的各第一类型结构元中筛选出目标结构元。首先，确定待加密的二维数据矩阵对应的结构元内第一类型点的数量，其步骤包括：

（2-1）获取待加密的二维数据矩阵对应的最优尺寸的各第一类型结构元，并根据各第一类型结构元的最优尺寸，在待加密的二维数据矩阵对应的二值图像上构建滑窗。

首先，需要说明的是，结构元的尺寸越大，结构元在处理待加密的二维矩阵时对应的损失率会越大，结构元的类型会越多，利用结构元对待加密的二维数据矩阵进行加密处理的计算速度会越慢，为了降低待加密的二维数据矩阵对应的损失率和提高加密解密计算速度，本实施例需要确定待加密的二维数据矩阵对应的结构元的最优尺寸。

当结构元的尺寸为

时，也就是结构元为单个第一类型点的结构元时，如图4所示，图4为单个第一类型点结构元示意图，在本实施例中第一类型点可以称为黑点，第二类型点可以称为白点。单黑点结构元在处理待加密的二维数据矩阵时对应的损失率最小，但经过单黑点结构元处理后的加密密文所保留的信息量最大，在对加密密文进行解码时的计算量也较大，所以本实施例期望通过损失少量的待加密的二维数据矩阵的数据信息，来提高加密解密的计算速度。在考虑到上述单黑点结构元相关数据的基础上，本实施例将选取尺寸为

的结构元作为最优尺寸的结构元，获取尺寸为

的各个类型的结构元，将该各个类型的结构元作为最优尺寸的各第一类型结构元，例如R型结构元、十字型结构元以及X型结构元等，各第一类型结构元的尺寸是相同的。

当各第一类型结构元的最优尺寸为

时，在待加密的二维数据矩阵上构建尺寸为

的滑窗，并使该滑窗在待加密的二维数据矩阵上滑动，从而得到二值图像中的各个滑窗。

（2-2）根据二值图像中每个滑窗内第一类型点的数量，确定待加密的二维数据矩阵对应的结构元内第一类型点的数量，其步骤包括：

（2-2-1）根据二值图像中每个滑窗内第一类型点的数量，确定待加密的二维数据矩阵对应的统计直方图。

在本实施例中，通过统计二值图像中每个滑窗内第一类型点的数量，确定各个不同数量的滑窗在二值图像中出现次数，构建待加密的二维数据矩阵对应的统计直方图，如图5所示，图5为待加密的二维数据矩阵对应的统计直方图，在图5中，统计直方图的横轴为各个第一类型点数量级，记为A，在本实施例中各个第一类型点数量级的取值范围内[1,9]，统计直方图的纵轴为各个第一类型点数量级的滑窗出现的次数，记为B。构建统计直方图的过程为现有技术，不在本发明保护范围，此处不再进行详细阐述。

（2-2-2）根据待加密的二维数据矩阵对应的统计直方图中各个第一类型点数量级的滑窗出现的次数，确定待加密的二维数据矩阵对应的统计直方图的偏度。

在本实施例中，为了便于后续确定待加密的二维数据矩阵对应的结构元内第一类型点的数量，需要先确定待加密的二维数据矩阵对应的统计直方图的偏度，根据待加密的二维数据矩阵对应的统计直方图中各个第一类型点数量级的滑窗出现的次数以及所有第一类型点数量级的滑窗出现的总次数，得到待加密的二维数据矩阵对应的统计直方图中各个第一类型点数量级的滑窗出现的概率，进而确定待加密的二维数据矩阵对应的统计直方图的偏度，其计算公式为：

其中，

为待加密的二维数据矩阵对应的统计直方图的偏度，N为待加密的二维数据矩阵对应的统计直方图中最大的第一类型点数量级，

为待加密的二维数据矩阵对应的统计直方图中第a个第一类型点数量级的滑窗出现的概率。

需要说明的是，若多个第一类型点数量级的滑窗出现的次数均较多，且该多个第一类型点数量级的数量级别均较高，待加密的二维数据矩阵对应的结构元内存在第一类型点的数量就会越多。确定待加密的二维数据矩阵对应的统计直方图的偏度的过程为现有技术，不在本发明保护范围内，此处不再进行详细阐述。

对于待加密的二维数据矩阵对应的统计直方图而言，当统计直方图的偏度越小时，说明统计直方图左偏，统计直方图左偏表征二值图像中每个滑窗内第一类型点的数量较少，此时后续确定的待加密的二维数据矩阵对应的结构元内第一类型点的数量也应该较少；当统计直方图的偏度越大时，说明统计直方图右偏，统计直方图右偏表征二值图像中每个滑窗内第一类型点的数量较多，此时后续确定的待加密的二维数据矩阵对应的结构元内第一类型点的数量也应该较多，以保证较小的损失率。

（2-2-3）根据待加密的二维数据矩阵对应的统计直方图的偏度，确定待加密的二维数据矩阵对应的结构元内第一类型点的数量。

在本实施例中，获取极端情况下统计直方图的预设最大偏度和预设最小偏度，通过待加密的二维数据矩阵对应的统计直方图的偏度、预设最大偏度和预设最小偏度，计算待加密的二维数据矩阵对应的结构元内第一类型点的数量，其计算公式为：

其中，

为待加密的二维数据矩阵对应的结构元内第一类型点的数量，

为待加密的二维数据矩阵对应的统计直方图的偏度，

为预设最大偏度，

为预设最小偏度，

表示对*进行向下取整。

需要说明的是，结构元内第一类型点的数量越多，在进行腐蚀操作时满足完美腐蚀的要求越苛刻，不能完美腐蚀时加密所带来的损失越大，但加密密文所包含的数据量少，解密时解密速度快；结构元内第一类型点的数量越少，在进行腐蚀操作时满足恰好完美腐蚀的要求越不苛刻，不能完美腐蚀时加密所带来的损失越小，但加密密文所包含的数据量大，解密时解密速度慢。

（3）根据待加密的二维数据矩阵对应的结构元内第一类型点的数量，对各第一类型结构元进行筛选，从而得到各第二类型结构元。

在本实施例中，选取各第一类型结构元中第一类型点的数量为步骤（2-2-3）得到的待加密的二维数据矩阵对应的结构元内第一类型点的数量M的结构元，将该各个结构元作为各第二类型结构元，这里的各第二类型结构元内的第一类型点的数量是相同的。

（4）根据二值图像中每个滑窗内各个第一类型点的位置，确定二值图像中每个滑窗对应的离散程度，根据二值图像中每个滑窗对应的离散程度，对各第二类型结构元进行筛选，从而得到各第三类型结构元。

需要说明的是，根据结构元内第一类型点的数量获取的各第二类型结构元只是通过全局分析来确定结构元的类型，只能获取第一类型点的数量为M的各个结构元，此时结构元类型数量减少了，但仍然存在较多类型的结构元，为了进一步提高选取目标结构元的准确性，需要对各第二类型结构元进行局部分析。其步骤包括：

（4-1）根据二值图像中每个滑窗内各个第一类型点的位置，确定二值图像中每个滑窗对应的离散程度，其步骤包括：

（4-1-1）根据二值图像中每个滑窗内各个第一类型点的位置，确定二值图像中每个滑窗对应的跳变次数。

在本实施例中，通过二值图像中每个滑窗内各个第一类型点的位置，将每个滑窗中的各个元素按照预设的展开规则展开，从而得到每个滑窗对应的展开序列。预设展开规则为：以滑窗中心点为起始点，向左顺时针展开，绕滑窗中心点一圈，从而得到每个滑窗对应的展开序列，如图6所示，图6为预设展开规则的示意图。

由于二值图像中每个滑窗的尺寸为

，所以每个滑窗对应的展开序列的位数为9。统计每个滑窗对应的9位展开序列的跳变次数，这里的跳变是指从第一类型点到第二类型点的过程或者从第二类型点到第一类型点的过程，如000000000包含0次跳变，000001111包含1次第二类型点0到第一类型点1的跳变，100000111包含1次第一类型点1到第二类型点0的跳变和1次第二类型点0到第一类型点1的跳变，跳变次数记为2。本实施例将跳变次数记为，图6中9位展开序列的跳变次数为8次。

（4-1-2）根据二值图像中每个滑窗对应的跳变次数，确定二值图像中每个滑窗对应的离散程度。

在本实施例中，以确定二值图像中第i个滑窗对应的离散程度为例，根据二值图像中第i个滑窗对应的跳变次数，计算二值图像中第i个滑窗对应的离散程度，其计算公式为：

其中，

为二值图像中第i个滑窗对应的离散程度，

为二值图像中第i个滑窗对应的跳变次数。

参考二值图像中第i个滑窗对应的离散程度的确定过程，得到二值图像中每个滑窗对应的离散程度。需要说明的是，若某个滑窗对应的跳变次数越多，说明该滑窗内的各个第一类型点的连通性较差，那么该滑窗内的第一类型点分布地越离散。

（4-2）根据二值图像中每个滑窗对应的离散程度，对各第二类型结构元进行筛选，从而得到各第三类型结构元，其步骤包括：

（4-2-1）根据二值图像中每个滑窗对应的离散程度，确定二值图像中各个滑窗对应的离散程度均值，并将二值图像中各个滑窗对应的离散程度均值作为各第二类型结构元对应的离散程度阈值。

根据步骤（4-1-2）得到的二值图像中每个滑窗对应的离散程度，计算二值图像中所有滑窗对应的离散程度均值，将二值图像中所有滑窗对应的离散程度均值作为各第二类型结构元对应的离散程度阈值，其计算公式为：

其中，

为二值图像中所有滑窗对应的离散程度均值，

为二值图像中第i个滑窗对应的离散程度，I为二值图像中滑窗的数量。

需要说明的是，对待加密的二维数据矩阵进行加密处理时，全局需要采用同一个类型的结构元进行处理，为了减少损失，本实施例采用离散程度均值作为各第二类型结构元对应的离散程度阈值。

（4-2-2）获取各第二类型结构元对应的离散程度，计算各第二类型结构元对应的离散程度与各第二类型结构元对应的离散程度阈值的差异值，确定各第二类型结构元对应的离散程度差异值。

在本实施例中，将各第二类型结构元拆分成展开序列，根据各第二类型结构元对应的展开序列，参考步骤（4-1-2）的二值图像中第i个滑窗对应的离散程度的确定步骤，计算各第二类型结构元对应的离散程度，从而得到各第二类型结构元对应的离散程度。将各第二类型结构元对应的离散程度均与离散程度阈值做差，从而得到各第二类型结构元对应的离散程度差异值。

（4-2-3）根据各第二类型结构元对应的离散程度差异值，对各第二类型结构元进行筛选，将离散程度差异值最小的多个第二类型结构元作为各第三类型结构元。

将各第二类型结构元对应的离散程度差异值按照从小到大的顺序进行排序，从排序序列中选取离散程度差异值最小的多个第二类型结构元，将离散程度差异值最小的多个第二类型结构元作为各第三类型结构元，这里的各第三类型结构元对应的离散程度是相同的。需要说明的是，离散程度是基于跳变次数计算得到的，不同类型的结构元存在离散程度相等的情况，所以最小离散程度差异值的第二类型结构元会存在多个。

（5）根据二值图像内所有第一类型点的数量和各第三类型结构元的第一类型点在二值图像内的数量，确定各第三类型结构元与待加密的二维数据矩阵的匹配度，根据各第三类型结构元与待加密的二维数据矩阵的匹配度，对各第三类型结构元进行筛选，从而得到待加密的二维数据矩阵对应的目标类型结构元。

（5-1）根据二值图像内所有第一类型点的数量和各第三类型结构元的第一类型点在二值图像内的数量，确定各第三类型结构元与待加密的二维数据矩阵的匹配度。

根据二值图像内所有第一类型点的数量和各第三类型结构元的第一类型点在二值图像内的数量，计算各第三类型结构元的第一类型点在二值图像内的数量与二值图像内所有第一类型点的数量的比值，将该比值作为对应第三类型结构元与待加密的二维数据矩阵的匹配度。

需要说明的是，对于各第三类型结构元的第一类型点在二值图像内的数量而言，两个或多个同一类型的结构元的第一类型点在二值图像上可能会重复，此时将按照实际情况统计第一类型点数量，也就是不重复统计第一类型点的数量。例如，在二值图像上有两个第一类型点数量为5的X型结构元，该两个X型结构元存在一个重复的第一类型点，此时该两个X型结构元的第一类型点在二值图像内的数量为9，如图7所示，图7为二值图像中的X型结构元示意图。

在本实施例中，以确定第i个第三类型结构元与待加密的二维数据矩阵的匹配度为例，通过二值图像内所有第一类型点的数量和第i个第三类型结构元的第一类型点在二值图像内的数量，计算第i个第三类型结构元与待加密的二维数据矩阵的匹配度，其计算公式为：

其中，

为第i个第三类型结构元与待加密的二维数据矩阵的匹配度，

为第i个第三类型结构元的第一类型点在二值图像内的数量，m为二值图像内所有第一类型点的数量。

参考第i个第三类型结构元与待加密的二维数据矩阵的匹配度的确定步骤，得到各第三类型结构元与待加密的二维数据矩阵的匹配度。需要说明的是，某个第三类型结构元的第一类型点在二值图像内的数量越多，说明该第三类型结构元与待加密的二维数据矩阵的匹配度越大，该第三类型结构元为目标类型结构元的可能性越大。

（5-2）根据各第三类型结构元与待加密的二维数据矩阵的匹配度，对各第三类型结构元进行筛选，从而得到待加密的二维数据矩阵对应的目标类型结构元。

在本实施例中，从各第三类型结构元与待加密的二维数据矩阵的匹配度中选取最大匹配度对应的第三类型结构元，将该最大匹配度对应的第三类型结构元作为待加密的二维数据矩阵对应的目标类型结构元，从而得到待加密的二维数据矩阵对应的目标类型结构元。

（6）根据待加密的二维数据矩阵对应的目标类型结构元，对待加密的二维数据矩阵进行数据运算，从而得到待加密的时间序列数据的加密密文。

需要说明的是，对待加密的时间序列数据进行重要程度排序，在对待加密的时间序列数据进行二维矩阵转换时，提前标记各个二维数据串的重要程度，按照重要程度将各个二维数据串分为必要二维数据串和非必要二维数据串，后续进行加密处理时必要二维数据串需要进行无损加密处理，而非必要数据可以进行有损加密处理。

在本实施例中，将步骤（5-2）得到的待加密的二维数据矩阵对应的目标类型结构元作为待加密的二维数据矩阵的加密密钥，利用该加密密钥对待加密的二维数据矩阵进行加密数据运算，得到待加密的二维数据矩阵的加密密文。对于待加密的二维数据矩阵中的必要二维数据串，先进行腐蚀操作再进行膨胀操作，将原始必要二维数据串与腐蚀膨胀操作后的二维数据串做差，得到损失的多个第一类型点，将该多个第一类型点数据添加分隔符置于加密密文之后。此时，本实施例完成对待加密的时间序列数据进行加密处理。

在得到待加密的二维数据矩阵的加密密文后，需要使用相应的操作进行解密恢复，使加密后的数据恢复原样，得到原始数据携带的相应信息，解密步骤包括：

1）拆分数据，根据数据组合时对应的分隔符来分割加密后的数据，把整体的加密密文数据分割成基础数据、第一类型点数据以及滑动核数据，这里的滑动核数据是指结构元数据。

2）还原基础数据，基础数据是通过腐蚀运算之后得到的有损二值图像数据，此时获取滑动核数据，用滑动核数据在基础数据的核心节点二值图像上进行膨胀运算，得到膨胀运算后的二值图像数据。

3）必要数据还原，将第一类型点数据与膨胀运算后的二值图像数据进行叠加，得到还原后的二维数据矩阵，此时得到的二维数据矩阵是有损的，损失了部分非必要数据。

4）将二维数据矩阵转换成一维时间序列数据，从而实现对待加密的二维数据矩阵的加密密文进行解密操作。

本实施例还提供了一种基于人工智能的5G通信传输加密***，包括处理器和存储器，所述处理器用于处理存储在所述存储器中的指令，以实现上述一种基于人工智能的5G通信传输加密方法。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (9)

1.一种基于人工智能的5G通信传输加密方法，其特征在于，包括以下步骤：

获取待加密的时间序列数据，并根据该待加密的时间序列数据，确定待加密的二维数据矩阵，进而确定待加密的二维数据矩阵对应的二值图像，所述二值图像中的第一类型点用于表示二维数据矩阵中的数值1，所述二值图像中的第二类型点用于表示二维数据矩阵中的数值0；

获取待加密的二维数据矩阵对应的最优尺寸的各第一类型结构元，所述最优尺寸为

，所述第一类型结构元为尺寸为

的各个类型的结构元，并根据各第一类型结构元的最优尺寸，在待加密的二维数据矩阵对应的二值图像上构建滑窗，根据二值图像中每个滑窗内第一类型点的数量，确定待加密的二维数据矩阵对应的第一类型结构元内第一类型点的数量；

根据待加密的二维数据矩阵对应的第一类型结构元内第一类型点的数量，对各第一类型结构元进行筛选，从而得到各第二类型结构元；

根据二值图像中每个滑窗内各个第一类型点的位置，确定二值图像中每个滑窗对应的离散程度，根据二值图像中每个滑窗对应的离散程度，对各第二类型结构元进行筛选，从而得到各第三类型结构元；

根据二值图像内所有第一类型点的数量和各第三类型结构元的第一类型点在二值图像内的数量，确定各第三类型结构元与待加密的二维数据矩阵的匹配度，根据各第三类型结构元与待加密的二维数据矩阵的匹配度，对各第三类型结构元进行筛选，将最大匹配度对应的第三类型结构元作为待加密的二维数据矩阵对应的目标类型结构元，从而得到待加密的二维数据矩阵对应的目标类型结构元；

根据待加密的二维数据矩阵对应的目标类型结构元，对待加密的二维数据矩阵进行数据运算，从而得到待加密的时间序列数据的加密密文。

2.根据权利要求1所述的一种基于人工智能的5G通信传输加密方法，其特征在于，确定待加密的二维数据矩阵对应的第一类型结构元内第一类型点的数量的步骤包括：

根据二值图像中每个滑窗内第一类型点的数量，确定待加密的二维数据矩阵对应的统计直方图；

根据待加密的二维数据矩阵对应的统计直方图中各个第一类型点数量级的滑窗出现的次数，确定待加密的二维数据矩阵对应的统计直方图的偏度；

根据待加密的二维数据矩阵对应的统计直方图的偏度，确定待加密的二维数据矩阵对应的第一类型结构元内第一类型点的数量。

3.根据权利要求2所述的一种基于人工智能的5G通信传输加密方法，其特征在于，确定待加密的二维数据矩阵对应的统计直方图的偏度的计算公式为：

其中，

为待加密的二维数据矩阵对应的统计直方图的偏度，N为待加密的二维数据矩阵对应的统计直方图中最大的第一类型点数量级，

为待加密的二维数据矩阵对应的统计直方图中第a个第一类型点数量级的滑窗出现的概率。

4.根据权利要求3所述的一种基于人工智能的5G通信传输加密方法，其特征在于，确定待加密的二维数据矩阵对应的第一类型结构元内第一类型点的数量的计算公式为：

其中，

为待加密的二维数据矩阵对应的第一类型结构元内第一类型点的数量，

为待加密的二维数据矩阵对应的统计直方图的偏度，

为预设最大偏度，

为预设最小偏度，

表示对*进行向下取整。

5.根据权利要求1所述的一种基于人工智能的5G通信传输加密方法，其特征在于，确定二值图像中每个滑窗对应的离散程度的步骤包括：

根据二值图像中每个滑窗内各个第一类型点的位置，确定二值图像中每个滑窗对应的跳变次数；

根据二值图像中每个滑窗对应的跳变次数，确定二值图像中每个滑窗对应的离散程度。

6.根据权利要求5所述的一种基于人工智能的5G通信传输加密方法，其特征在于，确定二值图像中每个滑窗对应的离散程度的计算公式为：

其中，

为二值图像中第i个滑窗对应的离散程度，

为二值图像中第i个滑窗对应的跳变次数。

7.根据权利要求1所述的一种基于人工智能的5G通信传输加密方法，其特征在于，对各第二类型结构元进行筛选的步骤包括：

根据二值图像中每个滑窗对应的离散程度，确定二值图像中各个滑窗对应的离散程度均值，并将二值图像中各个滑窗对应的离散程度均值作为各第二类型结构元对应的离散程度阈值；

获取各第二类型结构元对应的离散程度，计算各第二类型结构元对应的离散程度与各第二类型结构元对应的离散程度阈值的差异值，确定各第二类型结构元对应的离散程度差异值；

根据各第二类型结构元对应的离散程度差异值，对各第二类型结构元进行筛选，将离散程度差异值最小的多个第二类型结构元作为各第三类型结构元。

8.根据权利要求1所述的一种基于人工智能的5G通信传输加密方法，其特征在于，确定各第三类型结构元与待加密的二维数据矩阵的匹配度的步骤包括：

计算各第三类型结构元的第一类型点在二值图像内的数量与二值图像内所有第一类型点的数量的比值，将该比值作为对应第三类型结构元与待加密的二维数据矩阵的匹配度。

9.一种基于人工智能的5G通信传输加密***，其特征在于，包括处理器和存储器，所述处理器用于处理存储在所述存储器中的指令，以实现如权利要求1-8中任一项所述的一种基于人工智能的5G通信传输加密方法。

Images