CN116383860B - 基于云计算的文档数据加密方法 - Google Patents

Abstract

本发明涉及数据保护技术领域，具体涉及基于云计算的文档数据加密方法，包括：对文档数据进行划分获得若干个数据样本，根据每个数据样本相对于文档数据的数据量获得偏移距离，基于迭代增加的偏移距离，对每个数据样本中的字符分别进行恺撒加密，根据加密后字符的分布特征获得偏移次数，根据偏移距离和偏移次数获得文档数据的密文，实现对文档数据的加密。本发明通过根据文档数据中标点符号对文档数据的分割特征，将不同数据量的数据样本利用不同大小的偏移量进行恺撒加密，增强了恺撒加密的加密效果，使加密后的文档数据不易通过频率分析法而被破解，提高了对文档数据的破解难度，使得恺撒加密算法对数据保护的能力得到提高。

Description

基于云计算的文档数据加密方法

技术领域

本发明涉及数据保护技术领域，具体涉及基于云计算的文档数据加密方法。

背景技术

目前云计算被广泛使用，其可在云端对数据完成储存和运算的操作，因为文档中对海量数据进行存储和运算，所以数据的安全性和处理速度对于云计算来说尤为重要。

传统的偏移密码，加密和解密速度快，但是密码强度较弱，容易被破解。偏移密码的加密方式非常简单，只需要把明文中的每个字符按照一定规律移动一定的位置就可以得到密文，因此容易被破解。容易受到频率分析攻击，如果明文中某些字母出现的频率非常高，那么密文中对应的字母也会出现的频率非常高，这样就容易被攻击者利用频率分析的方法破解密码。

本发明根据样本数据长度对于总体数据长度的占比，结合Unicode中文编码部分进行归一化，自适应选择偏移长度，占比越高，偏移距离越长，打乱移动规律。再通过分析字符对于总数据的频率增加偏移次数，迭代选择整体数据字符频率最均衡时的偏移次数，避免受到频率攻击。

发明内容

本发明提供基于云计算的文档数据加密方法，以解决现有的问题。

本发明的基于云计算的文档数据加密方法采用如下技术方案：

本发明提供了基于云计算的文档数据加密方法，该方法包括以下步骤：

获取文档数据，将文档数据转化为Unicode编码格式，获得所有字符的Unicode编码值；

获取文档数据中字符的数量，记为文档数据的数据量；根据文档数据中的标点符号，将文档数据的内容进行划分，获得若干个数据样本，获取任意数据样本的字符数量，记为数据样本的数据量；获取Unicode编码中Unicode中文编码的范围大小；利用文档数据的数据量和数据样本的数据量，对Unicode中文编码的范围大小进行调节，获得数据样本对应的偏移距离；

将文档数据中字符出现次数的标准差记为文档数据的字符分布特征；将数据样本的偏移距离作为对应数据样本进行加密时偏移量的基础值，获取基础值迭代增加时对文档数据中的数据样本进行偏移时的字符分布特征，根据字符分布特征的大小获得偏移次数；根据偏移距离获得数据样本中对应字符的第一编码值；利用偏移次数对第一编码值进行调节，获得数据样本中对应字符的第二编码值；

将第二编码值对应的字符记为密文字符，将由所有密文字符组成的文本，记为文档数据的密文，实现对文档数据的加密。

进一步的，所述数据样本的获取方法如下：

将文档数据中任意两个标点符号之间所包括的一段文本数据作为一组，则将文档数据划分为若干个组，将每一个分组记为数据样本。

进一步的，所述偏移距离的获取方法如下：

将数据样本的数据量与文档数据的数据量之间的比值记为第一比值，利用第一比值对Unicode中文编码范围大小进行乘积调节，将乘积调节结果记为偏移距离。

进一步的，所述偏移次数的获取方法如下：

将数据样本的偏移距离作为对应数据样本进行恺撒加密时偏移量的基础值，利用预设步长逐次增加基础值的大小，同时获取每次偏移后文档数据的字符分布特征，获取所有字符分布特征最小时对应的迭代偏移次数，记为偏移次数。

进一步的，所述第二编码值的获取方法如下：

首先，将数据样本对应的偏移距离对Unicode中文编码范围大小求模所得的余数，记为求模余数，将求模余数与数据样本中的字符的Unicode编码值相加，获得字符的第一编码值；

然后，将求模余数与减1后的偏移次数进行乘积后的数值，与字符的第一编码值相加，获得字符的第二编码值。

本发明的技术方案的有益效果是：通过根据文档数据中标点符号对文档数据的分割特征，将不同数据量的数据样本利用不同大小的偏移量进行恺撒加密，增强了恺撒加密的加密效果，使加密后的文档数据不易通过频率分析法而被破解，提高了对文档数据的破解难度，使得恺撒加密算法对数据保护的能力得到提高。

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他的附图。

图1为本发明基于云计算的文档数据加密方法的步骤流程图。

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基于云计算的文档数据加密方法，其具体实施方式、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”指的不一定是同一实施例。此外，一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。

下面结合附图具体的说明本发明所提供的基于云计算的文档数据加密方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的基于云计算的文档数据加密方法的步骤流程图，该方法包括以下步骤：

步骤S001，获取文档数据，并将文档数据中的内容转化为Unicode编码格式。

利用云端服务器，获取用户传输的文档数据。

需要说明的是，传统的恺撒加密是一种简单的加密技术，将明文中的每个字母按照一个固定的偏移量，进行向左或向右移动操作，来生成密文，由于恺撒加密在加密字母、数字或字符量较少的数据更有效，英文字母只有26个，但中文字符有很多，本实施例为了便于结合中文字符，对恺撒加密算法进行改进和应用，将文档数据中的中文字符转化为Unicode编码格式，获得所有字符的Unicode编码值，其中中文字符和英文字符编码是连续不断的，满足于恺撒加密的使用条件，例如基本中文字符数量为20902，在Unicode编码中的取值范围是4E00-9FA5。

需要说明的是，Unicode编码是一种字符编码标准，用于将字符集中的每一个字符分配一个唯一的代码，以便在计算机***中进行存储、处理和交换，包括世界上几乎所有语言所需的字母、数字、标点符号和符号，被广泛应用于各种操作***、编程语言和技术标准中。

步骤S002，根据文档数据中的标点符号得到数据样本，根据数据样本对于文档数据的数据量占比结合Unicode中文编码范围确定数据样本的偏移距离。

恺撒加密是一种简单的加密算法，按照字母表中字母的顺序，结合恺撒密码的偏移量参数将明文中的每个字母进行偏移，获得成密文，例如，预设恺撒加密的偏移量参数为2，则将明文“HELLO”进行恺撒加密，得到密文“JGNNQ”，由于恺撒加密只将明文中的每个字符按照一定规律进一偏移就可以得到密文，因此很容易受到频率分析攻击被破解，如果明文中某些字母出现的频率非常高，那么密文中对应的字母也会出现的频率非常高，而在文档数据中，根据文档数据中内容的标点对数据进行分组，再通过分组中的数据长度和文档数据的总量进行对比，实现恺撒加密的偏移量参数的自适应调整，可以提高恺撒加密的加密效果，降低被频率分析攻击的风险，具体包括的步骤有：

步骤（1），根据文档数据中所含内容的标点符号，将文档数据进行划分，获得若干个数据样本。

对文档数据进行分组后，可以根据每个分组结果调节恺撒加密的偏移量参数，使得分组内每个字符的偏移量是相等的，避免加密后分组内的字符无法区分，导致加密后无法解密。

将文档数据中任意两个标点符号之间所包括的一段文本数据作为一组，则将文档数据划分为若干个组，将每一个分组记为数据样本，数据样本中包含的数据量记为S1；

需要说明的是，标点符号所在Unicode编码的范围不Unicode中文编码的范围之内，所以以标点符号作为文档数据的分割点，可以避免加密过程中的字符识别错误，在后续加密过程中可以使标点符号的编码在其编码区间之内偏移，与中文字符编码作为区分，方便后续对数据进行解密。

对于所有数据样本的处理方法都是一样的，因此本实施例选取任意一个数据样本进行后续的处理。

步骤（2），根据数据样本相对于文档数据所包含的数据量，结合Unicode中文编码范围确定数据样本进行恺撒加密的偏移量，得到加密后的数据样本。

恺撒加密的偏移量不能超过对应的Unicode编码范围，且分别给定每个数据样本不同的偏移量，可以避免攻击者根据全局偏移规律对数据进行破解攻击，因此可以根据数据样本的数据量在整个文档数据的数据量的占比结合Unicode中文编码的范围大小分别调整偏移距离。

偏移数不能超过字符集大小，因为偏移加密的规则是将明文中的每个字符按照一定的偏移数进行偏移。如果偏移数超过了字符集大小，那么加密的结果将会出现重复的字符，导致解密失败。因此，偏移数应该小于字符集大小。

对于本方法的字符集选用Unicode编码中的中文编码字符集，一共有20902个字符数据，其取值范围为4E00-9FA5，且取值是连续的，可以作为偏移密码的字符集。

例如：“基于云平台的网络信息加密传输方法”经过Unicode编码转码后得到：“基于云平台的网络信息加密传输方法”

将文档数据中包含的字符数量记为文档数据的数据量，则将数据样本中包含的字符数量记为数据样本的数据量，根据数据样本和文档数据的数据量获得数据样本对应的偏移距离：

其中，L表示数据样本对应的偏移距离，S1表示数据样本的数据量，S表示文档数据的数据量，表示数据样本对应的Unicode中文编码范围大小，对于中文的文档数据，Unicode中文编码的范围大小为20902。

由于文档数据根据标点符号进行分组获得的若干个数据样本中，每个数据样本的数据量是不相同的，且数据样本之间对应的数据量大小变化的规律性较弱，因此数据样本的数据量在文档数据的数据量上的占比也具有随机性；另外，20902为Unicode中文编码的最大范围，也是利用恺撒加密时，对应的最大偏移量，根据具有随机性的占比所分得的偏移量既具有文档数据中文本自身的特征，便于解密，且各个数据样本对应的恺撒加密的偏移量具有随机性，可以避免攻击者通过暴力破解的手段进行解密。

至此，获得文档数据中所有数据样本对应的偏移距离。

步骤S003，分析文档数据中字符的Unicode编码值进行迭代偏移后的频率，获得文档数据的字符分布特征，进一步字符分布特征最小时对应的偏移次数。

由于恺撒加密并没有改变文档数据中字符本身的频率，因此攻击者可以通过分析密文中出现的字符频率来猜测恺撒加密的偏移量，故可以通过多次偏移，使得字符的频率不具有代表性，从而使攻击者无法通过字符频率猜测偏移量；

步骤（1），获取文档数据中数据的分布情况得到分布参数

首先，偏移后的文档数据存在一定的字符频率规律，偏移后数据中字符的出现次数分布越不均匀，具有代表性的可能性越大，因此根据文档数据中字符出现的频次获取文档数据对应的标准差，将文档数据对应的标准差记为文档数据的字符分布特征。

获取文档数据中字符的种类数量，记为Q；将每种字符的数量，记为x，则文档数据的字符分布特征获取方法为：

其中，P表示文档数据的字符分布特征，Q表示文档数据中字符的种类数量，表示第i种字符出现的次数，/>表示所有种类的字符出现次数的平均值。

文档数据的字符分布特征反映了文档数据中字符出现次数的离散程度，字符分布特征越小，文档数据中字符出现的次数越居中，每种字符出现次数都相近，频率特征较弱，根据字符频率分析文档数据进行解密的难度就越大；而字符分布特征越大，文档数据中字符出现的次数越离散，存在部分字符的频率较高，使得文档数据的频率特征较强，根据字符频率分析文档数据进行解密的难度越小，越容易被破解。

至此，获得文档数据的字符分布特征P。

步骤（2），迭代偏移判断每次偏移后的数据分布情况，获取字符分布特征最小时对应的迭代次数。

由于文档数据根据标点进行分组后，获得的数据样本的数据量具有随机性，因此每个数据样本对应的恺撒加密的偏移量也存在差异，所以对于文档数据来说，数据样本中的字符每进行一次偏移，每个数据样本的字符变化也具有差异性。

由于常规的恺撒加密是对整个文档数据中的字符，利用相同偏移量进行偏移处理的，使得单个数据样本中的字符的偏移量是相同的，加密后的字符与明文中的字符在频率具有相关性，因此常规的恺撒加密容易受到攻击者的频率攻击；但是当每个数据样本的偏移量不同时，文档数据中的字符每偏移一次，每个数据样本中的字符对应的偏移量都是不同的，加密后字符的频率与明文中字符之间在频率上的相关性减小，本实施例通过多次迭代偏移，将数据样本的偏移距离作为对应数据样本进行恺撒加密时偏移量的基础值，以预设步长为1，逐次增加基础值的大小，同时获取每次偏移后文档数据的字符分布特征，获取字符分布特征P最小时对应的迭代偏移次数，记为偏移次数M；

当字符分布特征最小时，说明文档数据的频率特征越不明显，每个字符出现次数接近，不容易被攻击者通过分析频率的方法破解密文。

至此，获得字符分布特征P最小时对应的数据样本的偏移次数M。

步骤（3），根据偏移距离和偏移次数获得加密参数。

首先，将文本数据根据标点符号划分后，各数据样本中的任意字符的Unicode编码值，记为，遍历Unicode中文编码的字符范围4E00-9FA5，即为1-20902；

将各数据样本中的任意字符的Unicode编码值记为k；根据偏移距离对各数据样本中的任意字符的Unicode编码值进行处理，将获得每个字符的偏移后的Unicode编码值，记为第一编码值，则任意数据样本中任意字符的第一编码值的获取方法为：

其中，c表示数据样本中字符的第一编码值，k表示数据样本中的字符的Unicode编码值，L表示字符所属数据样本对应的偏移距离，mod表示取模符号。

每个数据样本中字符的Unicode编码值加上对应的偏移距离获得密文，利用偏移距离对Unicode中文编码范围取模，可以使加密后的字符仍在Unicode中文编码的字符范围内，避免出现无法识别的字符。

利用第一编码值的获取方法，获得文档数据中所有数据样本的所有字符的第一编码值，则根据偏移次数M对字符的第一编码值进行调节，获得第二编码值，具体获取方法为：

其中，C表示数据样本中任意字符的第二编码值，c表示数据样本中字符的第一编码值，M表示偏移次数，L表示字符所属数据样本对应的偏移距离。

由于偏移次数对于文档数据来说的，每个数据样本的偏移距离不同，因此文档数据迭代偏移M次后，各数据样本之间字符的偏移量也不同。M为偏移次数，由于在获取上一步得到每个分组经过一次偏移后的密文c时已经偏移了一次，所以在密文c计算偏移次数时需要将偏移次数M减去一次。

至此，获得第二编码值。

步骤S004，利用恺撒加密实现对文档数据的加密保护。

将文档数据中所有字符的第二编码值组成的文本作为加密后的密文，将密文中的字符记为密文字符，实现对文档数据的加密。

根据步骤S002和步骤S003，对文档数据进行加密，以文本数据“你好，很高兴认识你”为例：

首先，将数据转化为Unicode编码：

其次，根据标点符号将文本数据分为两组，获得对应的两个数据样本，即数据样本1：

以及数据样本2：

最后，根据数据样本的数据量结合Unicode编码获取偏移距离，数据样本1字符数量为2，其数据量即为2，文本数据“你好，很高兴认识你”的字符数量为8，即其数据量为8，则数据样本1的偏移距离为：L1=2/820902；另外，数据样本2的字符数量为6，则数据样本2的偏移距离为：L2=6/8/>20902；同时获取计算数据的分布情况，以偏移距离为基础数值，逐次增加数值大小，利用恺撒加密对各个数据样本中的字符的Unicode编码进行偏移，获取偏移距离每一次数值迭代增加后，获取字符分布特征最小时对应的偏移次数，根据第二编码值的获取方法对所有字符进行偏移，实现对文本数据的恺撒加密处理。

需要说明的是，对加密后的文档数据进行解密的过程为：将加密过程中的偏移次数作为密钥，将数据样本的数据量，与文档数据的数据量的比值，与结合Unicode中文编码的范围大小获得偏移距离，用每个数据样本的偏移距离乘以密钥，即偏移次数可以得到每一个数据样本的偏移量，即为恺撒加密算法的偏移量参数，每段数据样本中字符的Unicode编码值减去其对应的偏移量，获得解密后的字符，实现对加密后的文档数据进行解密，文档数据中任意数据样本的具体解密方法为：

其中，k表示明文中字符的Unicode编码值；表示密文字符的Unicode编码值；S1表示数据样本的数据量，S表示文档数据的数据量，M表示偏移次数，即密钥。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.基于云计算的文档数据加密方法，其特征在于，该方法包括以下步骤：

获取文档数据，将文档数据转化为Unicode编码格式，获得所有字符的Unicode编码值；

获取文档数据中字符的数量，记为文档数据的数据量；根据文档数据中的标点符号，将文档数据的内容进行划分，获得若干个数据样本，获取任意数据样本的字符数量，记为数据样本的数据量；获取Unicode编码中Unicode中文编码的范围大小；利用文档数据的数据量和数据样本的数据量，对Unicode中文编码的范围大小进行调节，获得数据样本对应的偏移距离；

将文档数据中字符出现次数的标准差记为文档数据的字符分布特征；将数据样本的偏移距离作为对应数据样本进行加密时偏移量的基础值，获取基础值迭代增加时对文档数据中的数据样本进行偏移时的字符分布特征，根据字符分布特征的大小获得偏移次数；根据偏移距离获得数据样本中对应字符的第一编码值；利用偏移次数对第一编码值进行调节，获得数据样本中对应字符的第二编码值；

将第二编码值对应的字符记为密文字符，将由所有密文字符组成的文本，记为文档数据的密文，实现对文档数据的加密。

2.根据权利要求1所述基于云计算的文档数据加密方法，其特征在于，所述数据样本的获取方法如下：

将文档数据中任意两个标点符号之间所包括的一段文本数据作为一组，则将文档数据划分为若干个组，将每一个分组记为数据样本。

3.根据权利要求1所述基于云计算的文档数据加密方法，其特征在于，所述偏移距离的获取方法如下：

将数据样本的数据量与文档数据的数据量之间的比值记为第一比值，利用第一比值对Unicode中文编码范围大小进行乘积调节，将乘积调节结果记为偏移距离。

4.根据权利要求1所述基于云计算的文档数据加密方法，其特征在于，所述偏移次数的获取方法如下：

将数据样本的偏移距离作为对应数据样本进行恺撒加密时偏移量的基础值，利用预设步长逐次增加基础值的大小，同时获取每次偏移后文档数据的字符分布特征，获取所有字符分布特征最小时对应的迭代偏移次数，记为偏移次数。

5.根据权利要求1所述基于云计算的文档数据加密方法，其特征在于，所述第二编码值的获取方法如下：

首先，将数据样本对应的偏移距离对Unicode中文编码范围大小求模所得的余数，记为求模余数，将求模余数与数据样本中的字符的Unicode编码值相加，获得字符的第一编码值；

然后，将求模余数与减1后的偏移次数进行乘积后的数值，与字符的第一编码值相加，获得字符的第二编码值。