使用空间点云集合无序性的空间对象数据Hash校验方法

本发明涉及一种空间对象数据，特别是涉及一种使用空间点云集合无序性的空间对象数据hash校验方法。

背景技术：

1、空间对象数据是国民经济建设和科学研究的重要依据，其版权涉及数据生产单位的利益，高精度数据被篡改会危及国家安全。互联网的发展带来便利的同时，也产生了一些负面效应，其中之一包括空间数据的侵权和不安全的数据认证。常用的认证方法是数字水印和hash认证算法。目前的认证算法大多将空间对象数据视为矢量数据，可以很好地利用其空间语义，但这也意味着算法对数据坐标点的顺序比较敏感；但由于政府和各公司在管理和获取数据时使用的系统不同，会造成同一数据在不同的系统处理下出现不同的顺序，这将导致数据处理更加繁琐或认证结果无效。为了解决这个问题，我们结合像素点表示图像语义的原理，即当数据对象的坐标点达到一定密度时，可以用点来表达空间语义，而不是用矢量拓扑关系来表达，将验证矢量数据的思路转化为验证高密度的点。因此，本文将空间数据视为高密度的点集，提出了一种基于集合无序性的空间对象数据的hash认证算法，并通过实验验证了算法的有效性和所提出的hash函数的合理性。

技术实现思路

1、本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种使用空间点云集合无序性的空间对象数据hash校验方法。

2、为了实现本发明的上述目的，本发明提供了一种使用空间点云集合无序性的空间对象数据hash校验方法，包括以下步骤：

3、s1，获取待处理的空间对象数据；

4、s2，将待处理的空间对象数据进行元素串行化；

5、s3，将串行化元素分配到多台设备；

6、s4，多台设备对各自分配得到的串行化元素进行元素认证码计算；

7、s5，利用计算得到的元素认证码计算集合认证码。

8、在本发明的一种优选实施方式中，在步骤s2中元素串行化的计算方法为：

9、

10、其中，bi表示串行化字符串；

11、str()表示实数转化字符串函数；

12、ai1表示二维点云数据的横坐标；

13、为字符串拼接符；

14、ai2表示二维点云数据的纵坐标。

15、在本发明的一种优选实施方式中，在步骤s2中元素串行化的计算方法为：

16、

17、其中，bi表示串行化字符串；

18、str()表示实数转化字符串函数；

19、ai1表示三维点云数据的x轴坐标；

20、为字符串拼接符；

21、ai2表示三维点云数据的y轴坐标；

22、ai3表示三维点云数据的z轴坐标。

23、在本发明的一种优选实施方式中，在步骤s3中串行化元素分配方法为：

24、根据不同设备的运算能力对串行化元素进行划分。

25、在本发明的一种优选实施方式中，在步骤s4中元素认证码的计算方法为：

26、di＝md5(bi)，

27、其中，di表示元素认证码；

28、md5()表示md5散列函数；

29、bi表示分配得到的串行化字符串。

30、在本发明的一种优选实施方式中，在步骤s5中集合认证码的计算方法为：

31、

32、其中，mac(a)表示集合认证码；

33、md5()表示md5散列函数；

34、d1表示第1元素认证码；

35、表示异或运算；

36、d2表示第2元素认证码；

37、d3表示第3元素认证码；

38、dm表示第m元素认证码。

39、在本发明的一种优选实施方式中，利用步骤s4中的集合认证码与另外计算得到的集合认证码进行验证后，还包括量化指标，其量化指标包括平均变化的位数、平均变化的概率、两个指标的样本标准差之一或者任意组合；

40、平均变化的位数

41、

42、其中，表示平均变化的位数；

43、e表示每种篡改操作的执行次数；

44、bi表示每次篡改后初步得到的128bit的认证消息的变化位数；

45、平均变化的概率

46、

47、其中，表示平均变化的概率；

48、表示平均变化的位数；

49、l表示消息的长度；

50、两个指标的样本标准差

51、

52、其中，δb表示第一指标的样本标准差；

53、e表示每种篡改操作的执行次数；

54、bi表示每次篡改后初步得到的128bit的认证消息的变化位数；

55、表示平均变化的位数；

56、

57、其中，δp表示第二指标的样本标准差；

58、l表示消息的长度；

59、e表示每种篡改操作的执行次数；

60、pi表示每次篡改后初步得到的128bit的认证消息的变化率；

61、表示平均变化的概率。

62、本发明还公开了一种使用空间点云集合无序性的空间对象数据hash校验方法，包括以下步骤：

63、s1，获取待处理的空间对象数据；

64、s2，将待处理的空间对象数据分配到多台设备上；

65、s3，各设备对各自分配得到的待处理的空间对象数据进行元素串行化；

66、s4，各设备对串行化元素进行元素认证码计算；

67、s5，利用计算得到的元素认证码计算集合认证码。

68、在本发明的一种优选实施方式中，在步骤s2中分配方法为：

69、根据不同设备的运算能力对待处理的空间对象数据进行划分。

70、发送端通过上述步骤得到发送端集合认证码，接收端通过上述步骤得到接收端集合认证码，通过比较发送端集合认证码与接收端集合认证码是否一致，实现对空间数据的快速验证。

71、综上所述，由于采用了上述技术方案，本发明能够实现空间数据的快速验证，降低等待时间，保证数据的一致性。

72、本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

技术特征：

1.一种使用空间点云集合无序性的空间对象数据hash校验方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的使用空间点云集合无序性的空间对象数据hash校验方法，其特征在于，在步骤s2中元素串行化的计算方法为：

3.根据权利要求1所述的使用空间点云集合无序性的空间对象数据hash校验方法，其特征在于，在步骤s3中串行化元素分配方法为：

4.根据权利要求1所述的使用空间点云集合无序性的空间对象数据hash校验方法，其特征在于，在步骤s4中元素认证码的计算方法为：

5.根据权利要求1所述的使用空间点云集合无序性的空间对象数据hash校验方法，其特征在于，在步骤s5中集合认证码的计算方法为：

6.根据权利要求1所述的使用空间点云集合无序性的空间对象数据hash校验方法，其特征在于，利用步骤s4中的集合认证码与另外计算得到的集合认证码进行验证后，还包括量化指标，其量化指标包括平均变化的位数、平均变化的概率、两个指标的样本标准差之一或者任意组合；

技术总结
本发明提出了一种使用空间点云集合无序性的空间对象数据Hash校验方法，包括以下步骤：S1，获取待处理的空间对象数据；S2，将待处理的空间对象数据进行元素串行化；S3，将串行化元素分配到多台设备；S4，多台设备对各自分配得到的串行化元素进行元素认证码计算；S5，利用计算得到的元素认证码计算集合认证码。本发明能够实现空间数据的快速验证，降低等待时间，保证数据的一致性。

技术研发人员：李文豪,汪成亮,胡小兵,曾航,周宏文
受保护的技术使用者：重庆大学
技术研发日：
技术公布日：2024/1/16