拖拉機數字化設計數據庫云存儲服務數據安全研究

時 磊，余 森

(河南工業職業技術學院，河南 南陽 473000)

0 引言

近年來，隨著云平臺計算技術和規模的不斷發展，云服務技術被使用在很多數字化設計領域，并衍生了很多云存儲和數據共享服務[1-6]。云平臺具有海量圖像信息存儲和動態擴展能力，可以為設計人員設計數據信息的共享提供極大的便利，具備高效的計算能力，可以為設計人員提供大型的三維仿真數據，并實現數據共享[7-10]。但是，云服務技術在實現數據資源共享的同時也存在很多安全問題，如數據的泄露事件。云存儲技術數據資源提供者和管理者的分離也決定了數據的安全性存在較大的隱患，而采用加密和解密技術以及數據的退化和復原的方法，可以充分保障數據的安全性，對于基于云平臺的數字化設計人員知識產權的保護具有重要的意義[11-14]。

1 云存儲服務拖拉機數字化設計數據庫及隱私保護

隨著云平臺技術和拖拉機數字化設計技術的不斷發展，基于大數據共享的協同設計方法在許多機械產品設計領域已經初步開始使用[15-16]。云平臺集成了大量的分布式網絡和聯動式的數據庫，在拖拉機零部件設計的過程中，設計圖紙和三維仿真設計會產生海量的設計圖片，而圖片的泄密會使知識產權受到侵犯，因此在使用云平臺協同設計和資源共享時，必須保護數據的信息安全[17-19]。圖1為云計算平臺加密技術的基本框架。

圖1 云計算平臺加密技術框架Fig.1 The encryption framework of cloud computing platform

在使用云平臺進行拖拉機設計時，當形成產品數據時需要將其發送到拖拉機數字化數據庫中，發送時對數據進行了加密處理，然后用戶端可以對數據進行調用，但必須通過一定的解密手段才能打開。本次設計的云計算平臺加密技術主要是采用圖像退化和復原以及分離式存儲技術，其原理如圖2所示。

圖2 圖像退化復原和分離式存儲Fig.2 Image restoration and separate storage

為了使云平臺數據加密發揮到最佳效果，除了對圖像進行重要信息退化和復原之外，還采用了分離式的數據存儲傳輸形式，將信息數據分成兩部分，然后對局部再進行細分。在用戶端調用數據時，除了需要對數據采用密鑰進行復原外，還需要對數據進行合成，數據合成采用了特殊規則算法，想要得到完整的數據，必須知道算法規則，由此實現了數據的雙重加密，使加密更加安全可靠[20-24]。

2 圖像加密和復原算法模型

在拖拉機數字化設計和云存儲過程中會產生海量的原創設計圖片，圖片一旦泄露將會造成知識產權侵權，所以需要對圖像進行加密處理；而加密過程可以采用圖像退化的原理，即通過圖像退化將重要的信息進行隱藏，一般來說，退化圖像的模型為

g(x,y)=Hf(x,y)

(1)

其中，f(x,y)表示原圖像；H表示綜合退化因子；g(x,y)表示退化后的圖像。其中，原圖像還可以表示為

(2)

其中，α、β表示像素點；f(α,β)是像素點的特性函數；δ(x-α,y-β)表示沖擊響應，采用卷積符號的形式可以表示為

f(x,y)=f(x,y)·δ(x,y)

(3)

式(2)還可以寫為

f(x-α,y-β)=f(x,y)·δ(x-α,y-β)

(4)

如圖3所示：圖像f(x,y)通過退化函數h(x,y)和復原函數g(x,y)可以實現加密和復原，圖像f(x,y)的退化意味著將失去部分重要的信息，而通過人為操作的圖像退化可以用來實現圖像的加密。圖像加密后傳送到客戶端時，客戶使用圖形需要對圖像進行解密，解密算法可以基于逆濾波復原算法。圖像復原的基本原理是利用時頻轉換，將圖像從空間域轉換到頻域，頻域通常使用的是傅里葉頻域，而通過反向濾波可以實現圖像的復原，首先進行時頻轉換，即

(5)

上式兩邊進行傅里葉變換得

G(u,v)=F(u,v)H(u,v)

(6)

其中，G(u,v)和H(u,v)分別是g(x,y)和h(x,y)的傳遞函數。

則原始圖像為

(7)

以上是在沒有噪聲干擾情況下的圖像復原，如圖存在噪聲N(u,v)，則逆濾波算法的原理就會發生變化，則

G(u,v)=F(u,v)H(u,v)+N(u,v)

(8)

寫成逆濾波的方式，即

(9)

一般來說，對于拖拉機數字化設計云存儲數據圖像的加密都是采用人為干預的手段，其加密后的圖像屬于非盲圖像，可以將頻譜限制數值不大的有限范圍內，這樣可以保證頻譜沒有出零點。

圖3 圖像退化模型圖Fig.3 Image degradation model

3 云存儲服務數據保護及安全性測試

為了驗證圖像加密和復原技術在拖拉機數字化設計云存儲服務數據庫中使用的可行性，以實際的農用鏟土機為研究對象，通過海量數字化設計圖像數據的加密和復原，驗證數據的安全性[25-29]。

圖4表示一款新型的農用鏟土機。為了優化鏟土機鏟斗的力學性能，對其進行了實驗研究，發現鏟土機的鏟均在工作強度較大時容易發生軸的疲勞破壞，因此需要借助于數字化仿真技術對零部件進行優化。

對于三維實體模型的虛擬環境和模型創建，加上對仿真數據進行存儲，其計算量和工作量是十分龐大的，為了提供工作效率，引入了云平臺服務器，建立了如圖5所示的數字化三維仿真環境模型。

圖4 農用鏟土機實際模型Fig.4 The actual model of agricultural shovel

圖5 農用鏟土機數字化設計Fig.5 Digital design of agricultural shovel

圖6表示鏟斗的數字化設計優化過程。為了優化鏟斗的零部件需要對其作業過程中的應力和應變等進行分析，最終進行可靠性驗證。但是，這些設計圖都是初步原始設計，涉及到知識產權，一旦泄露會發生侵權行為，因此在云存儲和傳輸過程中需要對數據進行加密處理。

圖6 鏟斗數字化設計Fig.6 The bucket digital design

如圖7所示：采用第2節闡述的圖像退化效果，對圖像進行加密后，可以隱藏圖像的部分有用數據，即便是泄露也可以保護數據的安全性。但是，數據傳送后在用戶端需要采用一定的算法進行復原，復原后的圖像，如圖8所示。

圖7 圖像加密效果Fig.7 Image encryption effect

圖8 圖像復原效果Fig.8 Image restoration effect

在圖像復原時，通過密鑰的形式約定了加密和解密相關算法，從而保證數據的安全可靠傳輸，圖像復原后的效果和原始圖像非常接近，解密后的圖像沒有失真。

通過實際數據加密和安全性測試對不同算法的開支進行了測試，如圖9和圖10所示。測試結果表明：采用本次設計的算法其數據通信開銷穩定，這是由于隨著數據規模的增大，加密的深度并沒有產生劇烈的變化，而云平臺可以實現同步加密，所以通信開銷不大。

為了驗證數據加密后的安全性，對不同規模的數據進行了測試，結果表明：隨著云存儲數據的不斷增加，數據安全性依然保持較高，由此驗證了算法的穩定性和可靠性都較高。

圖9 通信代價數據圖Fig.9 The data graph of communication cost

圖10 信息安全性測試結果Fig.10 The test results of information security

4 結論

為了保護拖拉機數字化設計過程中設計圖紙和圖像等一些隱私數據，提出了一種基于圖像退化和復原的數據安全及隱私保護技術，并采用了數據分離技術對數據進行存儲和交互，進一步提高了數據的安全性。為了驗證該方法對數據保護的可行性和可靠性，對圖像進行了退化和復原測試。測試結果表明，采用圖像復原技術可以清晰地復原加密圖像的重要數據信息，圖像清晰度和原始圖像清晰度一致。對方案的通信代價和安全性進行了分析測試，結果表明：隨著數據規模的不斷擴大，通信代價和安全性并沒有出現劇烈的變化，其穩定性較好，是一種高效而可靠的設計方案。

參考文獻：

[1] 王起功,鄭富全,賈磊.先進制造模式下的MES應用與發展趨勢[J].自動化博覽，2010,37(36):40-50.

[2] 宋俊德.淺談物聯網的現狀與未來[J].移動通信,2010, 7(15):8-10.

[3] 林曉芳.淺談我國物聯網產業的發展[J].技術與市場, 2011,18(11):122-123.

[4] 許超杰,劉志,何振芬，等.字符二維碼的編碼模式選擇算法[J].計算機系統應用,2013,22(4):69.

[5] 劉飛.離散制造業MES需要實現與設備層的集成[J].中國制造業信息化,2007,18(24):14.

[6] 蔡坦,劉衛寧,劉波.一種新的基于直覺模糊集的制造云服務優選方法[J].中國機械工程,2014(3):352-356, 421.

[7] 倪志偉,王會穎,吳昊.基于MapReduce和多目標蟻群算法的制造云服務動態選擇算法[J].中國機械工程,2014,25(20):2751-2760.

[8] 朱李楠,趙燕偉,王萬良，等.基于RVCS的云制造資源封裝、發布和發現模型[J].計算機集成制造系統，2012,18(8):1829-1838.

[9] 王崴,張宇紅,徐曉東，等.面向中小企業的零部件資源云端化封裝技術研究[J].機械設計與制造,2012(8): 260-262.

[10] 孔令軍,徐文勝,查建中.基于服務模板的制造資源封裝方法[J].計算機應用,2012,32(12):3534-3539.

[11] 李向前,楊海成,敬石開，等.面向集團企業云制造的知識服務建模[J].計算機集成制造系統,2012(8): 1869-1880.

[12] 李從東,謝天,湯勇力，等.面向云制造服務的語義X列表知識表達與推理體系[J].計算機集成制造系統, 2012,18(7):1469-1484.

[13] 趙楠,牛占文,郭偉.云制造環境中面向設計知識資源序列化組合的量子和聲搜索算法[J].計算機集成制造系統,2012,18(7):1435-1443.

[14] 姚錫凡,金鴻,徐川.云制造資源的虛擬化與服務化[J].華南理工大學學報：自然科學版,2013,41(3):1-7.

[15] 李文川,王旭,景熠.離散制造企業RFID實施框架研究[J].計算機應用研究,2011,28(10):3746-3749.

[16] 祁峰,謝慶生.射頻識別技術與ERP系統的集成應用[J].貴州大學學報,2008,25(5):498-502.

[17] 康玲,陳桂松,王時龍,等.云制造環境下基于本體的加工資源發現[J].計算機集成制造系統，2013,19(9): 2325-2331.

[18] 劉強,王磊,陳新度,等.云制造服務平臺的資源使用及訪問控制[J].計算機集成制造系統，2013,19(6): 1414-1422.

[19] 姚錫凡,金鴻,徐川,等.云制造資源的虛擬化與服務化[J].華南理工大學學報:自然科學版，2013,41(3): 1-7.

[20] 崔曉康,馬軍,李立偉,等.基于動態集成框架的云制造服務過程追溯與匹配研究[J].制造業自動化，2014,36(8):9-11.

[21] 李成海,黃必清.基于屬性描述匹配的云制造服務資源搜索方法[J].計算機集成制造系統，2014,20(6): 1499-1507.

[22] 王學文,楊兆建,丁華，等.煤礦裝備云制造資源服務平臺研究與應用[J].煤炭學報,2013,38(10):1888-1893.

[23] 曾翠華,廖海平.基于焊件三維裝配體的機器人焊接離線編程[J].焊接設備與材料, 2007,36(5): 43-45.

[24] 邱長伍,長孫郁南.機器人圖形化編程與三維仿真環境[J].機器人,2005,27(5): 436-440.

[25] 任倩,王樹國,陳祥立.基于虛擬現實的機器人離線編程技術的研究[J].機器人,2003，25(2): 172-177.

[26] 戴文進,劉進.機器人離線編程系統[J].世界科技研究與發展,2003,25(2): 69-73.

[27] 李二超, 李戰明, 李煒.基于神經網絡的機器人關節轉矩力控制研究[J].電氣自動化, 2011, 33(1): 23-27.

[28] 陳曉兵,廖文和,戴寧.三角網格曲面等參數線刀軌生成算法[J].中國機械工程,2013(8):1047-1051.

[29] 樂英,韓慶瑤,賈軍.復雜曲面數控加工刀具軌跡的生成技術[J].機床與液壓,2008(6):25-27.