一种备份存储方法和装置的制造方法
【技术领域】
[0001] 本发明涉及计算机技术领域，具体涉及一种备份存储方法和装置。
【背景技术】
[0002] 随着云计算时代的到来，越来越多的数据被存储于云服务器中；同时，为保证数据 的可靠性，还会根据同一数据生成多个备份，并将多个备份分别存储到不同的云端位置。
[0003] 然而，多备份云存储会存在以下两个问题：首先，由于每份数据都要对应多个备份 数据，需要大量占用存储服务器的存储空间，导致存储服务器容量不足；其次，备份数据的 增多，还会导致数据泄露风险的增大。
【发明内容】
[0004] 本发明提供了一种备份存储方法和装置，以解决现有的多备份云存储中存在的容 量大以及安全风险大的缺陷。
[0005] 本发明提供了一种备份存储方法，包括以下步骤：
[0006] 使用多个不同的随机采样矩阵，分别对源数据进行压缩，得到多个备份数据；
[0007] 将所述多个备份数据分别存储到不同的存储服务器中。
[0008] 可选地，所述的方法，还包括：
[0009] 将所述随机采样矩阵设置为保护数据。
[0010] 可选地，将所述多个备份数据分别存储到不同的存储服务器中之后，还包括：
[0011] 从存储服务器中获取备份数据，获取与所述备份数据对应的随机采样矩阵，并根 据所述备份数据以及与所述备份数据对应的随机采样矩阵，重建所述源数据。
[0012] 可选地，所述从存储服务器中获取备份数据，具体为：
[0013] 从一个存储服务器中获取一个备份数据；
[0014] 根据所述备份数据以及与所述备份数据对应的随机采样矩阵，重建所述源数据， 具体为：
[0015] 采用以下公式重建所述源数据：
[0016] X = arg min I I X I I !S. t. I I Φ Nx_bN I 1ε
[0017] 其中，X为所述源数据，I |x| I1S所述源数据的LI范数，bNS获取到的备份数据， φ N为与获取到的备份数据对应的随机采样矩阵。
[0018] 可选地，所述从存储服务器中获取备份数据，具体为：
[0019] 从多个存储服务器中获取多个备份数据；
[0020] 根据所述备份数据以及与所述备份数据对应的随机采样矩阵，重建所述源数据， 具体为：
[0021] 使用与各个备份数据对应的随机采样矩阵，在各自的稀疏域中对各个备份数据进 行独立编码，并利用信号内和信号间的结构相关性，重建所述源数据。
[0022] 本发明还提供了一种备份存储装置，包括：
[0023] 压缩模块，用于使用多个不同的随机采样矩阵，分别对源数据进行压缩，得到多个 备份数据；
[0024] 存储模块，用于将所述多个备份数据分别存储到不同的存储服务器中。
[0025] 可选地，所述的装置，还包括：
[0026] 设置模块，用于将所述随机采样矩阵设置为保护数据。
[0027] 可选地，所述的装置，还包括：
[0028] 第一获取模块，用于从存储服务器中获取备份数据；
[0029] 第二获取模块，用于获取与所述备份数据对应的随机采样矩阵；
[0030] 重建模块，用于根据所述备份数据以及与所述备份数据对应的随机采样矩阵，重 建所述源数据。
[0031] 可选地，所述第一获取模块，具体用于从一个存储服务器中获取一个备份数据；
[0032] 所述重建模块，具体用于采用以下公式重建所述源数据：
[0033] X = arg min I I X I I !S. t. I I Φ Nx_bN I 1ε
[0034] 其中，X为所述源数据，I |x| I1S所述源数据的LI范数，bNS获取到的备份数据， φ N为与获取到的备份数据对应的随机采样矩阵。
[0035] 可选地，所述第一获取模块，具体用于从多个存储服务器中获取多个备份数据；
[0036] 所述重建模块，具体用于使用与各个备份数据对应的随机采样矩阵，在各自的稀 疏域中对各个备份数据进行独立编码，并利用信号内和信号间的结构相关性，重建所述源 数据。
[0037] 本发明将基于压缩感知理论的信号采集方法移植到对源数据的压缩存储中，以远 低于奈奎斯特-香农采样定理要求的样本量完成数据的多备份存储，能够极大地节省存储 空间，降低多备份数据的存储空间要求，且能够提高数据安全性，有效地防止未授权用户获 得完整的源数据。
【附图说明】
[0038] 图1为本发明实施例中的一种备份存储方法流程图；
[0039] 图2为本发明实施例中的数据压缩及多备份存储过程示意图；
[0040] 图3为本发明实施例中的根据一个备份数据重建源数据的过程示意图；
[0041] 图4为本发明实施例中的根据多个备份数据重建源数据的过程示意图；
[0042] 图5为本发明实施例中的一种备份存储装置的结构示意图。
【具体实施方式】
[0043] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例，都属于本发明保护的范围。
[0044] 需要说明的是，如果不冲突，本发明实施例以及实施例中的各个特征可以相互结 合，均在本发明的保护范围之内。另外，虽然在流程图中示出了逻辑顺序，但是在某些情况 下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0045] 本发明实施例提供了一种备份存储方法，如图1所示，包括以下步骤：
[0046] 步骤101，使用多个不同的随机采样矩阵，分别对源数据进行压缩，得到多个备份 数据。
[0047] 其中，随机采样矩阵为高斯随机矩阵、局部傅立叶矩阵、局部哈达玛测量矩阵、一 致球矩阵、托普利兹矩阵、循环矩阵、结构化随机矩阵或自适应性的测量矩阵中的一种或多 种，使用不同的随机采样矩阵压缩得到的备份数据也不相同。
[0048] 如图2所示，用户通过其个人设备（智能手机、平板电脑或个人计算机等）将源数 据上传至云端，设源数据为X，三个不同的随机采样矩阵为(J) 1,巾2和Φ 3，则可以将源数据 压缩为三个不同的备份数据k bjP b 3:
[0049] bi= χΧ Φ !
[0050] b2= χΧ Φ 2
[0051] b3= χΧ Φ 3
[0052] 步骤102,将多个备份数据分别存储到不同的存储服务器中。
[0053] 如图2所示，可以将三个不同的备份数据h 132和b 3分发至不同的存储服务器中， 从而完成数据的多备份不一致存储。其中，不同的存储服务器可以位于相同的数据中心上， 也可以位于不同的数据中心上。
[0054] 步骤103,将随机采样矩阵设置为保护数据。
[0055] 步骤104,从存储服务器中获取备份数据，获取与备份数据对应的随机采样矩阵， 并根据所述备份数据以及与所述备份数据对应的随机采样矩阵，重建源数据。
[0056] 具体地，如图3所示，可以从一个存储服务器中获取一个备份数据；相应地，若源 数据X是稀疏的，可以采用以下公式重建源数据：
[0057] X = arg min I I X I I !S. t. I I Φ Nx_bN I 1ε
[0058] 其中，χ为源数据，bN为获取到的备份数据，Φ Ν为与获取到的备份数据对应的随机 采样矩阵，I I X I I i为源数据的Ll范数，定义如下：
[0060] 其中，X1是源数据的第i个元素，重建源数据所使用的重建算法可以是松弛方法， 例如，基于线性规划的基追踪算法、内点法、LASS0、最小角回归、梯度追踪、迭代软/硬阈值 和凸集投影方法等；也可以是贪婪方法，例如，匹配追踪、正交匹配追踪、近似正交匹配追踪 的梯度追踪、正则正交匹配追踪、树形匹配追踪、分段匹配追踪、压缩采样匹配追踪、稀疏性 自适应匹配追踪和子空间追踪等；还可以是非凸方法，例如，FO⑶SS算法和迭代加权最小