一种高安全性校车信息处理系统的制作方法

本发明涉及教育管理领域，具体涉及一种高安全性校车信息处理系统。

背景技术：

近年来，校车安全问题越发凸显，校车发生重特大事故频频出现。因此，如何彻底消除校车的安全隐患，尽快社会对校车安全的需求成为一个迫切需要解决的问题。解决校车安全问题不得不采取行之有效的措施，对校车进行监控。校车监控工作不仅是对校车进行简单的车辆定位，更主要是要对校车运行以及校车内学生的安全进行实时监控。确保学生上车、下车以及校车在行驶途中的安全，同时必须要让家长能够及时准确地掌握和监控校车运行信息。但现有的校车监控手段还非常缺乏，这给校车监控部门的工作带来了极大的不便。

技术实现要素：

针对上述问题，本发明提供一种高安全性校车信息处理系统。

本发明的目的采用以下技术方案来实现：

一种高安全性校车信息处理系统，包括云服务器、信息处理中心、信息采集单元、flash存储卡、通信模块、管理平台、数据储存和恢复单元、监控平台、学生卡、司机卡、教师卡、声控报警装置，所述信息处理中心、信息采集单元、flash存储卡、通信模块和声控报警装置设置在校车内，信息采集单元连接信息处理中心，信息处理中心分别连接声控报警装置、flash存储卡和通信模块，flash存储卡用于缓储信息采集单元采集的信息，通信模块连接云服务器，将信息采集单元采集的信息传输至云服务器，管理平台、监控平台连接云服务器，通过平台访问云服务器查看学生及校车情况；所述数据储存和恢复单元设置在通信模块和云服务器之间，为校车信息数据的储存和恢复取出提供多级加密和解密服务；所述云服务器包括计算云服务器和储存云服务器，所述计算云服务器为数据处理提供计算支撑，所述储存云服务器用于储存相关数据。

有益效果：本发明设计了一种合理的校车信息处理系统，能够及时准确地掌握和监控校车运行信息，通过云服务器的设置来减少本地服务器的计算量和储存量。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是一种高安全性校车信息处理系统的结构框图；

图2是数据储存和恢复单元的结构框图。

附图标记：信息处理中心-1；flsh储存卡-2；通信模块-3；云服务器-4；管理平台-5；监控平台-6；声控报警装置-7；信息采集单元-8；数据储存和恢复单元-9；数据预处理模块-21；数据存储模块-22；数据恢复模块-23；数据评估模块-24；数据分割子模块-221；数据加密子模块-222；云存储子模块223分级匹配子模块-231；匹配容错子模块-232。

具体实施方式

结合以下实施例对本发明作进一步描述。

应用场景1：

如图1所示的一种高安全性校车信息处理系统，包括云服务器4、信息处理中心1、信息采集单元8、flash存储卡3、通信模块2、管理平台5、数据储存和恢复单元9、监控平台6、学生卡、司机卡、教师卡、声控报警装置7，所述信息处理中心1、信息采集单元8、flash存储卡3、通信模块2和声控报警装置7设置在校车内，信息采集单元8连接信息处理中心1，信息处理中心1分别连接声控报警装置7、flash存储卡3和通信模块2，flash存储卡3用于缓储信息采集单元8采集的信息，通信模块2连接云服务器4，将信息采集单元8采集的信息传输至云服务器4，管理平台5、监控平台6连接云服务器4，通过平台访问云服务器4查看学生及校车情况；所述数据储存和恢复单元9设置在通信模块2和云服务器4之间，为校车信息数据的储存和恢复取出提供多级加密和解密服务；所述云服务器包括计算云服务器和储存云服务器，所述计算云服务器为数据处理提供计算支撑，所述储存云服务器用于储存相关数据。

本发明设计了一种合理的校车信息处理系统，能够及时准确地掌握和监控校车运行信息，通过云服务器的设置来减少本地服务器的计算量和储存量。

优选地，所述信息采集单元8包括用于检测是否饮酒的防酒驾装置、用于定位校车和校车测速的车载GPS、录取校车内学生情况的摄像机和用于扫描学生卡、司机卡和教师卡内信息的扫描装置。

优选地，所述学生卡、司机卡和教师卡设置有存储芯片和唯一标识芯片，扫描装置可扫描存储芯片内的信息，学生卡的存储芯片中存储着学生信息和家长信息，司机卡的存储芯片内存储着司机信息，教师卡的存储芯片内存储着教师信息。

优选地，如图2所示，所述数据储存和恢复单元包括数据预处理模块21、数据存储模块22、数据恢复模块23和数据评估模块24：

(1)数据预处理模块21，用于对所述信息处理中心来的大规模数据进行分类，其具体执行以下操作：通过K-means聚类对数据进行分类，以聚类中心为名称为每一分类建立目录，重复以上分类过程，将数据进行细分，形成分类下的子分类，并形成数据的多级目录。

(2)数据存储模块22，包括数据分割子模块221、数据加密子模块222和云存储子模块223：

a、数据分割子模块221，用于对存储的数据进行分割，其具体执行以下操作：

当需要存储数据r时，首先把数据r分割成长度均为h的n部分r₁，r₂，…，r_n，然后在有限域Z_P中将每个r_i分别分割成n个子块r_i,1，r_i,2…r_i,n，其中p＞2^h，则对于第j个子块r_i,j＝r_i·(r_i,1·r_i,2…·r_i,j-1)^-1modp，其中mod代表求余运算符；

将{r_i,1·r_i,2…·r_i,n-1}设成是初始的分块集，映射到集合{p₁,p₂…p_n}构建线性相关关系，用下式表示线性方程组：

a_i1r_1,1+a_i2r_1,2+…+a_inr_1,n＝c_i,1

a_i1r_2,1+a_i2r_2,2+…+a_inr_2,n＝c_i,2

……

a_i1r_n,1+a_i2r_n,2+…+a_inr_n,n＝c_i,n

其中a_ij是从有限域Z_P中任意选取的，以此类推得出c_2,1,c_2,2,…,c_2,n,…,c_n,1,c_n,2,…,c_n,n，用矩阵的形式表现出其相关关系，令则上述线性方程组表示为A×R＝C；

对矩阵R按下式进行二次混合得到新的矩阵C‘：A×R×A＝C‘。

b、数据加密子模块222，用于对存储的数据进行加密以提高数据的安全性，其具体执行以下操作：

调用密匙生成函数，根据每个a_ij的值以及用户输入的安全参数λ值，输出解密密匙对{K_E，K_D}，并将加密密匙K_E与计算云服务器H_i共享，将解密密匙K_D存储在信息处理中心。

通过计算云服务器向伪随机序列生成器输入a_ij，生成与a_ij一一对应的标识Tag_ij，同时调用同态加密函数，输入加密密匙及每个a_ij所对应的数据值V_ij，生成密文Z_ij，容易知Tag_ij和c_ij均为n×n矩阵，分别记为Tag和Z矩阵；用Tag矩阵按下式对C‘进行一次混合加密得到C“：Tag×C‘＝C“；然后用Z矩阵按下式对C“进行二次混合加密得到C“’：C“×Z＝C“’；任意随机产生B个虚拟向量，其中B≥2n，随机地将该虚拟向量安排入C“’中，得到一个N₁×N₂的矩阵Q，其中N₁和N₂均大于n，所述虚拟向量用于掩饰真实的n值，进一步加强了数据的安全性。在此实施例中，min(N₁,N₂)≥n+1，得到的矩阵Q的行数或者列数至少比n值大1，称为提高了1个安全等级。

c、云存储子模块223，用于将加密后的数据上传到储存云服务器进行存储，将得到的A、C、C‘、C“、C“’、Q、Tag、Z、由C“’得到矩阵Q时的具体随机路径以及所述虚拟向量上传到储存云服务器。

(3)数据恢复模块23，用于根据用户的请求将储存数据的恢复和取出，其包括分级匹配子模块231和匹配容错子模块232，这里所指的用户包括合法用户和非法用户：

a、分级匹配子模块231，其具体执行以下操作：

用户通过人机交换端口发出请求需要恢复数据r,从储存云服务器中调出矩阵Q、生成矩阵Q时的随机路径和虚拟向量，按照该随机路径逆向剔除虚拟向量后得到矩阵C“’₁；

将C“’₁与从储存云服务器中调出的C“’比较，如果不匹配则报错，如果匹配则进入下一步；

将C“’₁按照预先编写好的逆向函数以及从储存云服务器中调出的矩阵Z和矩阵Tag分别得出C“₁和C‘₁，并分别与C“和C‘比较，任一步骤不匹配均报错，匹配成功后进入下一步；

调出矩阵A，一方面根据矩阵A的可逆性按照R＝A^-1C‘A^-1得到储存数据r，另一方面将A用预先编好的解密函数解密，得到解密密匙K_D‘，K_D‘与存储在信息处理中心的解密密匙K_D进行比较，如果K_D‘与存储在信息处理中心的解密密匙K_D相匹配，则云服务器向用户发送得到的储存数据r，这样就恢复了数据r；

b、匹配容错子模块232：

如果K_D‘与K_D无法匹配则报错并且将得到的数据r在设定的时间t内作保存，如果在时间t内用户重新匹配上密匙，则直接将数据r发送给用户，否则丢失该数据r。

(4)数据评估模块24，对数据预处理模块21中的数据分类过程、数据存储模块22中的数据分割和加密过程、数据恢复模块23中的分级匹配过程进行监督和评价，为后续的改进提供数据支持。

在此实施例中，(1)设置数据预处理模块21对大规模数据进行分类，能够有效提高计算效率，减少时间成本；

(2)先对数据平均分割，再对每个子块进行分割，由于C中任意元素的值不仅与R中第j列有关,也与R中其它的列有关,关联性强，而且将伪随机函数和同态加密机制有机地结合在矩阵加密中，窃取者想要获得数据r的完整信息，不光要对密匙和随机函数进行破解，而且必须获得矩阵中每一个元素的值，才能恢复处全部信息；

(3)将随机产生的虚拟向量随机地安排到矩阵C“’中，能有效掩饰真实的n值，这进一步提高了破译的难度，这对于均分分割的方案来说是尤为重要的，min(N₁,N₂)≥n+1，得到的矩阵Q的行数或者列数至少比n值大1，提高了1个安全等级；

(4)恢复数据过程中每一个步均与储存的数据进行比较，降低了容错率；一次数据恢复失败后，并不立即丢失恢复出来的数据，而是采取暂存的方式，降低了系统的计算强度。

应用场景2：

如图1所示的一种高安全性校车信息处理系统，包括云服务器4、信息处理中心1、信息采集单元8、flash存储卡3、通信模块2、管理平台5、数据储存和恢复单元9、监控平台6、学生卡、司机卡、教师卡、声控报警装置7，所述信息处理中心1、信息采集单元8、flash存储卡3、通信模块2和声控报警装置7设置在校车内，信息采集单元8连接信息处理中心1，信息处理中心1分别连接声控报警装置7、flash存储卡3和通信模块2，flash存储卡3用于缓储信息采集单元8采集的信息，通信模块2连接云服务器4，将信息采集单元8采集的信息传输至云服务器4，管理平台5、监控平台6连接云服务器4，通过平台访问云服务器4查看学生及校车情况；所述数据储存和恢复单元9设置在通信模块2和云服务器4之间，为校车信息数据的储存和恢复取出提供多级加密和解密服务。所述云服务器包括计算云服务器和储存云服务器，所述计算云服务器为数据处理提供计算支撑，所述储存云服务器用于储存相关数据。

本发明设计了一种合理的校车信息处理系统，能够及时准确地掌握和监控校车运行信息，通过云服务器的设置来减少本地服务器的计算量和储存量。

优选地，所述信息采集单元8包括用于检测是否饮酒的防酒驾装置、用于定位校车和校车测速的车载GPS、录取校车内学生情况的摄像机和用于扫描学生卡、司机卡和教师卡内信息的扫描装置。

优选地，所述学生卡、司机卡和教师卡设置有存储芯片和唯一标识芯片，扫描装置可扫描存储芯片内的信息，学生卡的存储芯片中存储着学生信息和家长信息，司机卡的存储芯片内存储着司机信息，教师卡的存储芯片内存储着教师信息。

优选地，如图2所示，所述数据储存和恢复单元包括数据预处理模块21、数据存储模块22、数据恢复模块23和数据评估模块24：

(1)数据预处理模块21，用于对所述信息处理中心来的大规模数据进行分类，其具体执行以下操作：通过K-means聚类对数据进行分类，以聚类中心为名称为每一分类建立目录，重复以上分类过程，将数据进行细分，形成分类下的子分类，并形成数据的多级目录。

(2)数据存储模块22，包括数据分割子模块221、数据加密子模块222和云存储子模块223：

a、数据分割子模块221，用于对存储的数据进行分割，其具体执行以下操作：

当需要存储数据r时，首先把数据r分割成长度均为h的n部分r₁，r₂，…，r_n，然后在有限域Z_P中将每个r_i分别分割成n个子块r_i,1，r_i,2…r_i,n，其中p＞2^h，则对于第j个子块r_i,j＝r_i·(r_i,1.r_i,2…·r_i,j-1)^-1modp，其中mod代表求余运算符；

将{r_i,1·r_i,2…·r_i,n-1}设成是初始的分块集，映射到集合{p₁,p₂…p_n}构建线性相关关系，用下式表示线性方程组：

a_i1r_1,1+a_i2r_1,2+…+a_inr_1,n＝c_i,1

a_i1r_2,1+a_i2r_2,2+…+a_inr_2,n＝c_i,2

……

a_i1r_n,1+a_i2r_n,2+…+a_inr_n,n＝c_i,n

其中a_ij是从有限域Z_P中任意选取的，以此类推得出c_2,1,c_2,2,…,c_2,n,…,c_n,1,c_n,2,…,c_n,n，用矩阵的形式表现出其相关关系，令则上述线性方程组表示为A×R＝C；

对矩阵R按下式进行二次混合得到新的矩阵C‘：A×R×A＝C‘。

b、数据加密子模块222，用于对存储的数据进行加密以提高数据的安全性，其具体执行以下操作：

调用密匙生成函数，根据每个a_ij的值以及用户输入的安全参数λ值，输出解密密匙对{K_E，K_D}，并将加密密匙K_E与计算云服务器H_i共享，将解密密匙K_D存储在信息处理中心。

通过计算云服务器向伪随机序列生成器输入a_ij，生成与a_ij一一对应的标识Tag_ij，同时调用同态加密函数，输入加密密匙及每个a_ij所对应的数据值V_ij，生成密文Z_ij，容易知Tag_ij和c_ij均为n×n矩阵，分别记为Tag和Z矩阵；用Tag矩阵按下式对C‘进行一次混合加密得到C“：Tag×C‘＝C“；然后用Z矩阵按下式对C“进行二次混合加密得到C“’：C“×Z＝C“’；任意随机产生B个虚拟向量，其中B≥2n，随机地将该虚拟向量安排入C“’中，得到一个N₁×N₂的矩阵Q，其中N₁和N₂均大于n，所述虚拟向量用于掩饰真实的n值，进一步加强了数据的安全性。在此实施例中，min(N₁,N₂)≥n+2，得到的矩阵Q的行数或者列数至少比n值大2，称为提高了2个安全等级。

c、云存储子模块223，用于将加密后的数据上传到储存云服务器进行存储，将得到的A、C、C‘、C“、C“’、Q、Tag、Z、由C“’得到矩阵Q时的具体随机路径以及所述虚拟向量上传到储存云服务器。

(3)数据恢复模块23，用于根据用户的请求将储存数据的恢复和取出，其包括分级匹配子模块231和匹配容错子模块232，这里所指的用户包括合法用户和非法用户：

a、分级匹配子模块231，其具体执行以下操作：

用户通过人机交换端口发出请求需要恢复数据r,从储存云服务器中调出矩阵Q、生成矩阵Q时的随机路径和虚拟向量，按照该随机路径逆向剔除虚拟向量后得到矩阵C“’₁；

将C“’₁与从储存云服务器中调出的C“’比较，如果不匹配则报错，如果匹配则进入下一步；

将C“’₁按照预先编写好的逆向函数以及从储存云服务器中调出的矩阵Z和矩阵Tag分别得出C“₁和C‘₁，并分别与C“和C‘比较，任一步骤不匹配均报错，匹配成功后进入下一步；

调出矩阵A，一方面根据矩阵A的可逆性按照R＝A^-1C‘A^-1得到储存数据r，另一方面将A用预先编好的解密函数解密，得到解密密匙K_D‘，K_D‘与存储在信息处理中心的解密密匙K_D进行比较，如果K_D‘与存储在信息处理中心的解密密匙K_D相匹配，则云服务器向用户发送得到的储存数据r，这样就恢复了数据r；

b、匹配容错子模块232：

如果K_D‘与K_D无法匹配则报错并且将得到的数据r在设定的时间t内作保存，如果在时间t内用户重新匹配上密匙，则直接将数据r发送给用户，否则丢失该数据r。

(4)数据评估模块24，对数据预处理模块21中的数据分类过程、数据存储模块22中的数据分割和加密过程、数据恢复模块23中的分级匹配过程进行监督和评价，为后续的改进提供数据支持。

在此实施例中，(1)设置数据预处理模块21对大规模数据进行分类，能够有效提高计算效率，减少时间成本；

(2)先对数据平均分割，再对每个子块进行分割，由于C中任意元素的值不仅与R中第j列有关,也与R中其它的列有关,关联性强，而且将伪随机函数和同态加密机制有机地结合在矩阵加密中，窃取者想要获得数据r的完整信息，不光要对密匙和随机函数进行破解，而且必须获得矩阵中每一个元素的值，才能恢复处全部信息；

(3)将随机产生的虚拟向量随机地安排到矩阵C“’中，能有效掩饰真实的n值，这进一步提高了破译的难度，这对于均分分割的方案来说是尤为重要的，min(N₁,N₂)≥n+2，得到的矩阵Q的行数或者列数至少比n值大2，提高了2个安全等级；

(4)恢复数据过程中每一个步均与储存的数据进行比较，降低了容错率；一次数据恢复失败后，并不立即丢失恢复出来的数据，而是采取暂存的方式，降低了系统的计算强度。

应用场景3：

如图1所示的一种高安全性校车信息处理系统，包括云服务器4、信息处理中心1、信息采集单元8、flash存储卡3、通信模块2、管理平台5、数据储存和恢复单元9、监控平台6、学生卡、司机卡、教师卡、声控报警装置7，所述信息处理中心1、信息采集单元8、flash存储卡3、通信模块2和声控报警装置7设置在校车内，信息采集单元8连接信息处理中心1，信息处理中心1分别连接声控报警装置7、flash存储卡3和通信模块2，flash存储卡3用于缓储信息采集单元8采集的信息，通信模块2连接云服务器4，将信息采集单元8采集的信息传输至云服务器4，管理平台5、监控平台6连接云服务器4，通过平台访问云服务器4查看学生及校车情况；所述数据储存和恢复单元9设置在通信模块2和云服务器4之间，为校车信息数据的储存和恢复取出提供多级加密和解密服务。所述云服务器包括计算云服务器和储存云服务器，所述计算云服务器为数据处理提供计算支撑，所述储存云服务器用于储存相关数据。

优选地，所述信息采集单元8包括用于检测是否饮酒的防酒驾装置、用于定位校车和校车测速的车载GPS、录取校车内学生情况的摄像机和用于扫描学生卡、司机卡和教师卡内信息的扫描装置。

优选地，所述学生卡、司机卡和教师卡设置有存储芯片和唯一标识芯片，扫描装置可扫描存储芯片内的信息，学生卡的存储芯片中存储着学生信息和家长信息，司机卡的存储芯片内存储着司机信息，教师卡的存储芯片内存储着教师信息。

优选地，如图2所示，所述数据储存和恢复单元包括数据预处理模块21、数据存储模块22、数据恢复模块23和数据评估模块24：

(1)数据预处理模块21，用于对所述信息处理中心来的大规模数据进行分类，其具体执行以下操作：通过K-means聚类对数据进行分类，以聚类中心为名称为每一分类建立目录，重复以上分类过程，将数据进行细分，形成分类下的子分类，并形成数据的多级目录。

(2)数据存储模块22，包括数据分割子模块221、数据加密子模块222和云存储子模块223：

a、数据分割子模块221，用于对存储的数据进行分割，其具体执行以下操作：

当需要存储数据r时，首先把数据r分割成长度均为h的n部分r₁，r₂，…，r_n，然后在有限域Z_P中将每个r_i分别分割成n个子块r_i,1，r_i,2…r_i,n，其中p＞2^h，则对于第j个子块r_i,j＝r_i·(r_i,1·r_i,2…·r_i,j-1)^-1modp，其中mod代表求余运算符；

将{r_i,1·r_i,2…·r_i,n-1}设成是初始的分块集，映射到集合{p₁,p₂…p_n}构建线性相关关系，用下式表示线性方程组：

a_i1r_1,1+a_i2r_1,2+…+a_inr_1,n＝c_i,1

a_i1r_2,1+a_i2r_2,2+…+a_inr_2,n＝c_i,2

……

a_i1r_n,1+a_i2r_n,2+…+a_inr_n,n＝c_i,n

其中a_ij是从有限域Z_P中任意选取的，以此类推得出c_2,1,c_2,2,…,c_2,n,…,c_n,1,c_n,2,…,c_n,n，用矩阵的形式表现出其相关关系，令则上述线性方程组表示为A×R＝C；

对矩阵R按下式进行二次混合得到新的矩阵C‘：A×R×A＝C‘。

b、数据加密子模块222，用于对存储的数据进行加密以提高数据的安全性，其具体执行以下操作：

调用密匙生成函数，根据每个a_ij的值以及用户输入的安全参数λ值，输出解密密匙对{K_E，K_D}，并将加密密匙K_E与计算云服务器H_i共享，将解密密匙K_D存储在信息处理中心。

通过计算云服务器向伪随机序列生成器输入a_ij，生成与a_ij一一对应的标识Tag_ij，同时调用同态加密函数，输入加密密匙及每个a_ij所对应的数据值V_ij，生成密文Z_ij，容易知Tag_ij和c_ij均为n×n矩阵，分别记为Tag和Z矩阵；用Tag矩阵按下式对C‘进行一次混合加密得到C“：Tag×C‘＝C“；然后用Z矩阵按下式对C“进行二次混合加密得到C“’：C“×Z＝C“’；任意随机产生B个虚拟向量，其中B≥2n，随机地将该虚拟向量安排入C“’中，得到一个N₁×N₂的矩阵Q，其中N₁和N₂均大于n，所述虚拟向量用于掩饰真实的n值，进一步加强了数据的安全性。在此实施例中，min(N₁,N₂)≥n+3，得到的矩阵Q的行数或者列数至少比n值大3，称为提高了3个安全等级。

c、云存储子模块223，用于将加密后的数据上传到储存云服务器进行存储，将得到的A、C、C‘、C“、C“’、Q、Tag、Z、由C“’得到矩阵Q时的具体随机路径以及所述虚拟向量上传到储存云服务器。

(3)数据恢复模块23，用于根据用户的请求将储存数据的恢复和取出，其包括分级匹配子模块231和匹配容错子模块232，这里所指的用户包括合法用户和非法用户：

a、分级匹配子模块231，其具体执行以下操作：

用户通过人机交换端口发出请求需要恢复数据r,从储存云服务器中调出矩阵Q、生成矩阵Q时的随机路径和虚拟向量，按照该随机路径逆向剔除虚拟向量后得到矩阵C“’₁；

将C“’₁与从储存云服务器中调出的C“’比较，如果不匹配则报错，如果匹配则进入下一步；

将C“’₁按照预先编写好的逆向函数以及从储存云服务器中调出的矩阵Z和矩阵Tag分别得出C“₁和C‘₁，并分别与C“和C‘比较，任一步骤不匹配均报错，匹配成功后进入下一步；

调出矩阵A，一方面根据矩阵A的可逆性按照R＝A^-1C‘A^-1得到储存数据r，另一方面将A用预先编好的解密函数解密，得到解密密匙K_D‘，K_D‘与存储在信息处理中心的解密密匙K_D进行比较，如果K_D‘与存储在信息处理中心的解密密匙K_D相匹配，则云服务器向用户发送得到的储存数据r，这样就恢复了数据r；

b、匹配容错子模块232：

如果K_D‘与K_D无法匹配则报错并且将得到的数据r在设定的时间t内作保存，如果在时间t内用户重新匹配上密匙，则直接将数据r发送给用户，否则丢失该数据r。

(4)数据评估模块24，对数据预处理模块21中的数据分类过程、数据存储模块22中的数据分割和加密过程、数据恢复模块23中的分级匹配过程进行监督和评价，为后续的改进提供数据支持。

在此实施例中，(1)设置数据预处理模块21对大规模数据进行分类，能够有效提高计算效率，减少时间成本；

(2)先对数据平均分割，再对每个子块进行分割，由于C中任意元素的值不仅与R中第j列有关,也与R中其它的列有关,关联性强，而且将伪随机函数和同态加密机制有机地结合在矩阵加密中，窃取者想要获得数据r的完整信息，不光要对密匙和随机函数进行破解，而且必须获得矩阵中每一个元素的值，才能恢复处全部信息；

(3)将随机产生的虚拟向量随机地安排到矩阵C“’中，能有效掩饰真实的n值，这进一步提高了破译的难度，这对于均分分割的方案来说是尤为重要的，min(N₁,N₂)≥n+3，得到的矩阵Q的行数或者列数至少比n值大3，提高了3个安全等级；

(4)恢复数据过程中每一个步均与储存的数据进行比较，降低了容错率；一次数据恢复失败后，并不立即丢失恢复出来的数据，而是采取暂存的方式，降低了系统的计算强度。

应用场景4:

如图1所示的一种高安全性校车信息处理系统，包括云服务器4、信息处理中心1、信息采集单元8、flash存储卡3、通信模块2、管理平台5、数据储存和恢复单元9、监控平台6、学生卡、司机卡、教师卡、声控报警装置7，所述信息处理中心1、信息采集单元8、flash存储卡3、通信模块2和声控报警装置7设置在校车内，信息采集单元8连接信息处理中心1，信息处理中心1分别连接声控报警装置7、flash存储卡3和通信模块2，flash存储卡3用于缓储信息采集单元8采集的信息，通信模块2连接云服务器4，将信息采集单元8采集的信息传输至云服务器4，管理平台5、监控平台6连接云服务器4，通过平台访问云服务器4查看学生及校车情况；所述数据储存和恢复单元9设置在通信模块2和云服务器4之间，为校车信息数据的储存和恢复取出提供多级加密和解密服务。所述云服务器包括计算云服务器和储存云服务器，所述计算云服务器为数据处理提供计算支撑，所述储存云服务器用于储存相关数据。

本发明设计了一种合理的校车信息处理系统，能够及时准确地掌握和监控校车运行信息，通过云服务器的设置来减少本地服务器的计算量和储存量。

优选地，所述信息采集单元8包括用于检测是否饮酒的防酒驾装置、用于定位校车和校车测速的车载GPS、录取校车内学生情况的摄像机和用于扫描学生卡、司机卡和教师卡内信息的扫描装置。

优选地，所述学生卡、司机卡和教师卡设置有存储芯片和唯一标识芯片，扫描装置可扫描存储芯片内的信息，学生卡的存储芯片中存储着学生信息和家长信息，司机卡的存储芯片内存储着司机信息，教师卡的存储芯片内存储着教师信息。

优选地，如图2所示，所述数据储存和恢复单元包括数据预处理模块21、数据存储模块22、数据恢复模块23和数据评估模块24：

(1)数据预处理模块21，用于对所述信息处理中心来的大规模数据进行分类，其具体执行以下操作：通过K-means聚类对数据进行分类，以聚类中心为名称为每一分类建立目录，重复以上分类过程，将数据进行细分，形成分类下的子分类，并形成数据的多级目录。

(2)数据存储模块22，包括数据分割子模块221、数据加密子模块222和云存储子模块223：

a、数据分割子模块221，用于对存储的数据进行分割，其具体执行以下操作：

当需要存储数据r时，首先把数据r分割成长度均为h的n部分r₁，r₂，…，r_n，然后在有限域Z_P中将每个r_i分别分割成n个子块r_i,1，r_i,2…r_i,n，其中p＞2^h，则对于第j个子块r_i,j＝r_i·(r_i,1·r_i,2…·r_i,j-1)^-1modp，其中mod代表求余运算符；

将{r_i,1·r_i,2…·r_i,n-1}设成是初始的分块集，映射到集合{p₁,p₂…p_n}构建线性相关关系，用下式表示线性方程组：

a_i1r_1,1+a_i2r_1,2+…+a_inr_1,n＝c_i,1

a_i1r_2,1+a_i2r_2,2+…+a_inr_2,n＝c_i,2

……

a_i1r_n,1+a_i2r_n,2+…+a_inr_n,n＝c_i,n

其中a_ij是从有限域Z_P中任意选取的，以此类推得出c_2,1,c_2,2,…,c_2,n,…,c_n,1,c_n,2,…,c_n,n，用矩阵的形式表现出其相关关系，令则上述线性方程组表示为A×R＝C；

对矩阵R按下式进行二次混合得到新的矩阵C‘：A×R×A＝C‘。

b、数据加密子模块222，用于对存储的数据进行加密以提高数据的安全性，其具体执行以下操作：

调用密匙生成函数，根据每个a_ij的值以及用户输入的安全参数λ值，输出解密密匙对{K_E，K_D}，并将加密密匙K_E与计算云服务器H_i共享，将解密密匙K_D存储在信息处理中心。

通过计算云服务器向伪随机序列生成器输入a_ij，生成与a_ij一一对应的标识Tag_ij，同时调用同态加密函数，输入加密密匙及每个a_ij所对应的数据值V_ij，生成密文Z_ij，容易知Tag_ij和c_ij均为n×n矩阵，分别记为Tag和Z矩阵；用Tag矩阵按下式对C‘进行一次混合加密得到C“：Tag×C‘＝C“；然后用Z矩阵按下式对C“进行二次混合加密得到C“’：C“×Z＝C“’；任意随机产生B个虚拟向量，其中B≥2n，随机地将该虚拟向量安排入C“’中，得到一个N₁×N₂的矩阵Q，其中N₁和N₂均大于n，所述虚拟向量用于掩饰真实的n值，进一步加强了数据的安全性。在此实施例中，min(N₁,N₂)≥n+4，得到的矩阵Q的行数或者列数至少比n值大4，称为提高了4个安全等级。

c、云存储子模块223，用于将加密后的数据上传到储存云服务器进行存储，将得到的A、C、C‘、C“、C“’、Q、Tag、Z、由C“’得到矩阵Q时的具体随机路径以及所述虚拟向量上传到储存云服务器。

(3)数据恢复模块23，用于根据用户的请求将储存数据的恢复和取出，其包括分级匹配子模块231和匹配容错子模块232，这里所指的用户包括合法用户和非法用户：

a、分级匹配子模块231，其具体执行以下操作：

用户通过人机交换端口发出请求需要恢复数据r,从储存云服务器中调出矩阵Q、生成矩阵Q时的随机路径和虚拟向量，按照该随机路径逆向剔除虚拟向量后得到矩阵C“’₁；

将C“’₁与从储存云服务器中调出的C“’比较，如果不匹配则报错，如果匹配则进入下一步；

将C“’₁按照预先编写好的逆向函数以及从储存云服务器中调出的矩阵Z和矩阵Tag分别得出C“₁和C‘₁，并分别与C“和C‘比较，任一步骤不匹配均报错，匹配成功后进入下一步；

调出矩阵A，一方面根据矩阵A的可逆性按照R＝A^-1C‘A^-1得到储存数据r，另一方面将A用预先编好的解密函数解密，得到解密密匙K_D‘，K_D‘与存储在信息处理中心的解密密匙K_D进行比较，如果K_D‘与存储在信息处理中心的解密密匙K_D相匹配，则云服务器向用户发送得到的储存数据r，这样就恢复了数据r；

b、匹配容错子模块232：

如果K_D‘与K_D无法匹配则报错并且将得到的数据r在设定的时间t内作保存，如果在时间t内用户重新匹配上密匙，则直接将数据r发送给用户，否则丢失该数据r。

(4)数据评估模块24，对数据预处理模块21中的数据分类过程、数据存储模块22中的数据分割和加密过程、数据恢复模块23中的分级匹配过程进行监督和评价，为后续的改进提供数据支持。

在此实施例中，(1)设置数据预处理模块21对大规模数据进行分类，能够有效提高计算效率，减少时间成本；

(2)先对数据平均分割，再对每个子块进行分割，由于C中任意元素的值不仅与R中第j列有关,也与R中其它的列有关,关联性强，而且将伪随机函数和同态加密机制有机地结合在矩阵加密中，窃取者想要获得数据r的完整信息，不光要对密匙和随机函数进行破解，而且必须获得矩阵中每一个元素的值，才能恢复处全部信息；

(3)将随机产生的虚拟向量随机地安排到矩阵C“’中，能有效掩饰真实的n值，这进一步提高了破译的难度，这对于均分分割的方案来说是尤为重要的，min(N₁,N₂)≥n+4，得到的矩阵Q的行数或者列数至少比n值大4，提高了4个安全等级；

(4)恢复数据过程中每一个步均与储存的数据进行比较，降低了容错率；一次数据恢复失败后，并不立即丢失恢复出来的数据，而是采取暂存的方式，降低了系统的计算强度。

应用场景5：

如图1所示的一种高安全性校车信息处理系统，包括云服务器4、信息处理中心1、信息采集单元8、flash存储卡3、通信模块2、管理平台5、数据储存和恢复单元9、监控平台6、学生卡、司机卡、教师卡、声控报警装置7，所述信息处理中心1、信息采集单元8、flash存储卡3、通信模块2和声控报警装置7设置在校车内，信息采集单元8连接信息处理中心1，信息处理中心1分别连接声控报警装置7、flash存储卡3和通信模块2，flash存储卡3用于缓储信息采集单元8采集的信息，通信模块2连接云服务器4，将信息采集单元8采集的信息传输至云服务器4，管理平台5、监控平台6连接云服务器4，通过平台访问云服务器4查看学生及校车情况；所述数据储存和恢复单元9设置在通信模块2和云服务器4之间，为校车信息数据的储存和恢复取出提供多级加密和解密服务。所述云服务器包括计算云服务器和储存云服务器，所述计算云服务器为数据处理提供计算支撑，所述储存云服务器用于储存相关数据。

本发明设计了一种合理的校车信息处理系统，能够及时准确地掌握和监控校车运行信息，通过云服务器的设置来减少本地服务器的计算量和储存量。

优选地，所述信息采集单元8包括用于检测是否饮酒的防酒驾装置、用于定位校车和校车测速的车载GPS、录取校车内学生情况的摄像机和用于扫描学生卡、司机卡和教师卡内信息的扫描装置。

优选地，所述学生卡、司机卡和教师卡设置有存储芯片和唯一标识芯片，扫描装置可扫描存储芯片内的信息，学生卡的存储芯片中存储着学生信息和家长信息，司机卡的存储芯片内存储着司机信息，教师卡的存储芯片内存储着教师信息。

优选地，如图2所示，所述数据储存和恢复单元包括数据预处理模块21、数据存储模块22、数据恢复模块23和数据评估模块24：

(1)数据预处理模块21，用于对所述信息处理中心来的大规模数据进行分类，其具体执行以下操作：通过K-means聚类对数据进行分类，以聚类中心为名称为每一分类建立目录，重复以上分类过程，将数据进行细分，形成分类下的子分类，并形成数据的多级目录。

(2)数据存储模块22，包括数据分割子模块221、数据加密子模块222和云存储子模块223：

a、数据分割子模块221，用于对存储的数据进行分割，其具体执行以下操作：

当需要存储数据r时，首先把数据r分割成长度均为h的n部分r₁，r₂，…，r_n，然后在有限域Z_P中将每个r_i分别分割成n个子块r_i,1，r_i,2…r_i,n，其中p＞2^h，则对于第j个子块r_i,j＝r_i·(r_i,1·r_i,2…·r_i,j-1)^-1modp，其中mod代表求余运算符；

将{r_i,1·r_i,2…·r_i,n-1}设成是初始的分块集，映射到集合{p₁,p₂…p_n}构建线性相关关系，用下式表示线性方程组：

a_i1r_1,1+a_i2r_1,2+…+a_inr_1,n＝c_i,1

a_i1r_2,1+a_i2r_2,2+…+a_inr_2,n＝c_i,2

……

a_i1r_n,1+a_i2r_n,2+…+a_inr_n,n＝c_i,n

其中a_ij是从有限域Z_P中任意选取的，以此类推得出c_2,1,c_2,2,…,c_2,n,…,c_n,1,c_n,2,…,c_n,n，用矩阵的形式表现出其相关关系，令则上述线性方程组表示为A×R＝C；

对矩阵R按下式进行二次混合得到新的矩阵C‘：A×R×A＝C‘。

b、数据加密子模块222，用于对存储的数据进行加密以提高数据的安全性，其具体执行以下操作：

调用密匙生成函数，根据每个a_ij的值以及用户输入的安全参数λ值，输出解密密匙对{K_E，K_D}，并将加密密匙K_E与计算云服务器H_i共享，将解密密匙K_D存储在信息处理中心。

通过计算云服务器向伪随机序列生成器输入a_ij，生成与a_ij一一对应的标识Tag_ij，同时调用同态加密函数，输入加密密匙及每个a_ij所对应的数据值V_ij，生成密文Z_ij，容易知Tag_ij和c_ij均为n×n矩阵，分别记为Tag和Z矩阵；用Tag矩阵按下式对C‘进行一次混合加密得到C“：Tag×C‘＝C“；然后用Z矩阵按下式对C“进行二次混合加密得到C“’：C“×Z＝C“’；任意随机产生B个虚拟向量，其中B≥2n，随机地将该虚拟向量安排入C“’中，得到一个N₁×N₂的矩阵Q，其中N₁和N₂均大于n，所述虚拟向量用于掩饰真实的n值，进一步加强了数据的安全性。在此实施例中，min(N₁,N₂)≥n+5，得到的矩阵Q的行数或者列数至少比n值大5，称为提高了5个安全等级。

c、云存储子模块223，用于将加密后的数据上传到储存云服务器进行存储，将得到的A、C、C‘、C“、C“’、Q、Tag、Z、由C“’得到矩阵Q时的具体随机路径以及所述虚拟向量上传到储存云服务器。

(3)数据恢复模块23，用于根据用户的请求将储存数据的恢复和取出，其包括分级匹配子模块231和匹配容错子模块232，这里所指的用户包括合法用户和非法用户：

a、分级匹配子模块231，其具体执行以下操作：

用户通过人机交换端口发出请求需要恢复数据r,从储存云服务器中调出矩阵Q、生成矩阵Q时的随机路径和虚拟向量，按照该随机路径逆向剔除虚拟向量后得到矩阵C“’₁；

将C“’₁与从储存云服务器中调出的C“’比较，如果不匹配则报错，如果匹配则进入下一步；

将C“’₁按照预先编写好的逆向函数以及从储存云服务器中调出的矩阵Z和矩阵Tag分别得出C“₁和C‘₁，并分别与C“和C‘比较，任一步骤不匹配均报错，匹配成功后进入下一步；

调出矩阵A，一方面根据矩阵A的可逆性按照R＝A^-1C‘A^-1得到储存数据r，另一方面将A用预先编好的解密函数解密，得到解密密匙K_D‘，K_D‘与存储在信息处理中心的解密密匙K_D进行比较，如果K_D‘与存储在信息处理中心的解密密匙K_D相匹配，则云服务器向用户发送得到的储存数据r，这样就恢复了数据r；

b、匹配容错子模块232：

如果K_D‘与K_D无法匹配则报错并且将得到的数据r在设定的时间t内作保存，如果在时间t内用户重新匹配上密匙，则直接将数据r发送给用户，否则丢失该数据r。

(4)数据评估模块24，对数据预处理模块21中的数据分类过程、数据存储模块22中的数据分割和加密过程、数据恢复模块23中的分级匹配过程进行监督和评价，为后续的改进提供数据支持。

在此实施例中，(1)设置数据预处理模块21对大规模数据进行分类，能够有效提高计算效率，减少时间成本；

(2)先对数据平均分割，再对每个子块进行分割，由于C中任意元素的值不仅与R中第j列有关,也与R中其它的列有关,关联性强，而且将伪随机函数和同态加密机制有机地结合在矩阵加密中，窃取者想要获得数据r的完整信息，不光要对密匙和随机函数进行破解，而且必须获得矩阵中每一个元素的值，才能恢复处全部信息；

(3)将随机产生的虚拟向量随机地安排到矩阵C“’中，能有效掩饰真实的n值，这进一步提高了破译的难度，这对于均分分割的方案来说是尤为重要的，min(N₁,N₂)≥n+5，得到的矩阵Q的行数或者列数至少比n值大5，提高了5个安全等级；

(4)恢复数据过程中每一个步均与储存的数据进行比较，降低了容错率；一次数据恢复失败后，并不立即丢失恢复出来的数据，而是采取暂存的方式，降低了系统的计算强度。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。