基于动态克隆选择算法的工业云数据安全自动化生产线

摘要

本发明涉及基于动态克隆选择算法的工业云数据安全自动化生产线，特别是涉及一种基于动态克隆选择算法的工业云数据安全存储与高效计算框架的工业自动化生产线，本发明将工业现场采集到的大量生产数据打包作为输入传入云数据中心。存储区应用改进的基于动态克隆选择算法进行数据的安全防护，计算区根据用户请求提取相应的存储数据时，只需发送请求到控制节点，提取相应数据自体集进入存储区进行匹配。对于外界访问，如果得到的数据自体集与存储区服务器中“记忆”自体集完全匹配，则通过认证允许读写数据；如果此轮匹配失败则立即进行“记忆”检测器匹配，若能匹配则允许数据访问；否则，启用常规检测器检测。

主权项

基于动态克隆选择算法的工业云数据安全自动化生产线，工业自动化生产线由若干工业机器人组成，其特征是：所述工业自动化生产线还包括工业现场数据采集模块、云数据中心和终端用户；所述工业现场数据采集模块通过安装在每个工业机器人的传感器实时采集工业现场数据，通过路由协议汇总到簇头节点并进行数据的异常值剔除以及数据压缩后汇聚到sink节点，再打包传输到所述云数据中心，在云数据中心中形成待存储数据包；所述云数据中心包括云端数据存储区、云端数据计算区、云端控制节点和云端监测节点；所述云端数据存储区是由基于Apache的Hadoop分布式系统架构搭建的存储服务器集群，该集群至少包含现场数据形成的自体集以及由自体集产生的检测器集、“记忆”自体集和“记忆”检测器；所述自体集由待存储数据包经过特征提取、标准化和正规化得到数据的低维表示，所述自体集采用实值形态空间的表示方法，包含数据热度值；所述数据热度值是指存储数据被访问次数，根据外界访问量自加；根据数据热度值排序，取前m个自体集作为“记忆”自体集，存储在所述云端数据存储区并传输到所述云端控制节点；所述检测器集由多个检测器构成；检测器同样采用特征提取、标准化和正规化得到数据的低维表示，并且采用实值形态空间的表示方法，自适应学习实时变化的网络环境，提取环境中出现的有效特征构成动态疫苗库，对不适合的检测器采用状态变异，实现检测器的动态更新；选择通过自体耐受并且在生命周期内检测率高的检测器作为“记忆”检测器；所述云端控制节点作为Hadoop平台的唯一NameNote节点，完成将待存储数据包分块存储到各个存储服务器中，各个存储服务器作为DataNote节点，存储区“记忆”自体集传入控制节点；所述监测节点为监测云端服务器的运行状况；所述终端用户，是指用户所操作的智能终端，用户通过终端提出访问请求，计算区将用户所需要的计算后的数据回显给用户；计算区访问存储区数据需要先将访问请求发送到所述云端控制节点，提取存放在所述云端控制节点的“记忆”自体集，然后与所述云端数据存储区的“记忆”自体集进行匹配，如果能够完全匹配成功则允许数据访问；如果不能完全匹配成功，那么将云端控制节点的“记忆”自体集与所述云端数据存储区的“记忆”检测器进行匹配，若能匹配则允许访问，否则启动安全防御机制，即将该访问当作外来入侵，将其数据特征收入疫苗库，为之后的检测器生成提供资源。