预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共17页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116010520A(43)申请公布日2023.04.25(21)申请号202211729503.3G06F21/45(2013.01)(22)申请日2022.12.30(71)申请人航天广通科技(深圳)有限公司地址518000广东省深圳市福田区皇岗路皇岗花园大厦裙楼第3层第3号(72)发明人李梦莹(74)专利代理机构深圳市育科知识产权代理有限公司44509专利代理师汪剑云(51)Int.Cl.G06F16/27(2019.01)G06F16/28(2019.01)G06F16/25(2019.01)G06F21/62(2013.01)G06F21/60(2013.01)权利要求书3页说明书11页附图2页(54)发明名称基于区块链的保密数据存储方法、装置、设备及存储介质(57)摘要本发明涉及数据存储技术,揭露了基于区块链的保密数据存储方法,包括:获取区块链中待存储的保密数据,对保密数据中每个数据进行属性解析,得到数据属性,对保密数据进行数据分类,得到分类数据,并确定分类数据的数据类别;识别数据类别中每个类别对应的数据格式,配置分类数据对应的加密算法,并利用加密算法对分类数据进行加密处理,得到加密数据;识别加密数据的数据架构,并提取加密数据中每个数据对应的加密公钥,在区块链中创建存储区域,结合数据结构和加密公钥,在存储区域中设置存储认证;根据存储认证和存储区域,对保密数据进行分类存储,得到存储数据。本发明在于提高区块链的保密数据的存储效率。CN116010520ACN116010520A权利要求书1/3页1.基于区块链的保密数据存储方法,其特征在于,所述方法包括:获取区块链中待存储的保密数据,对所述保密数据中每个数据进行属性解析,得到数据属性,根据所述数据属性,对所述保密数据进行数据分类,得到分类数据,并确定所述分类数据的数据类别;识别所述数据类别中每个类别对应的数据格式,根据所述数据格式,配置所述分类数据对应的加密算法,并利用所述加密算法对所述分类数据进行加密处理,得到加密数据;识别所述加密数据的数据架构,并提取所述加密数据中每个数据对应的加密公钥,基于所述数据类别,在所述区块链中创建存储区域,结合所述数据结构和所述加密公钥,在所述存储区域中设置存储认证;根据所述存储认证和所述存储区域,对所述保密数据进行分类存储,得到存储数据。2.如权利要求1所述的基于区块链的保密数据存储方法,其特征在于,所述根据所述数据属性,对所述保密数据进行数据分类,得到分类数据,包括:对所述数据属性进行归一化处理,得到归一化属性,通过下述公式构建所述归一化属性对应的二维矩阵;其中,K表示归一化属性的二维矩阵,g表示归一化属性的起始值,T表示归一化属性对应的向量维度,U表示归一化属性中的变量信息,R表示归一化属性的矩阵谱半径;计算所述二维矩阵中每个矩阵的矩阵平均值,通过预设的像素映射表查询所述矩阵平均值对应的像素值;根据所述像素值,创建所述二维矩阵对应的二维图像,计算所述二维图像中每个图像的相似度;根据所述相似度,对所述保密数据进行分类,得到分类数据。3.如权利要求2所述的基于区块链的保密数据存储方法,其特征在于,所述计算所述二维图像中每个图像的相似度,包括:对所述二维图像中每个图像进行灰度化处理,得到多个灰度图像;识别所述多个灰度图像中每个像素的灰度值,统计所述灰度值出现的频率;根据所述频率,构建所述二维图像中每个图像的直方图;计算所述直方图之间的巴氏距离值,根据所述巴氏距离值得到所述每个图像的相似度。4.如权利要求1所述的基于区块链的保密数据存储方法,其特征在于,所述利用所述加密算法对所述分类数据进行加密处理,得到加密数据,包括:提取所述分类数据中的结构类数据,对所述结构类数据进行文本提取,得到数据文本;对所述数据文本进行语义分析,得到文本语义;根据所述文本语义,对所述数据文本进行关键字提取,得到文本关键字;利用所述加密算法创建所述文本关键字的秘钥,得到加密秘钥;将所述加密秘钥与所述文本关键字进行替换,生成加密数据。2CN116010520A权利要求书2/3页5.如权利要求4所述的基于区块链的保密数据存储方法,其特征在于,所述根据所述文本语义,对所述数据文本进行关键字提取,得到文本关键字,包括:对所述数据文本进行分词处理,得到文本分词;对所述文本语义和所述文本分词进行向量转化,得到语义向量和分词向量;通过下述公式计算所述语义向量和所述分词向量的相似度:其中,S(m,n)表示语义向量和分词向量的相似度,i表示语义向量和分词向量的起始向量,mk表示第k个分词向量的向量特征值,nk表示第k个语义向量的向量特征值;在所述相似度大于预设阈值时,将所述分词向量对应的文本分词作为所述数据文本的文本关键