一种基于边缘计算的移动智能终端隐私保护系统及方法

    公开(公告)号:CN108093401A

    公开(公告)日:2018-05-29

    申请号:CN201711328477.2

    申请日:2017-12-13

    摘要: 本发明公开了一种基于边缘计算的移动智能终端隐私保护系统及方法,所述系统包括云服务器、边缘服务器和多个移动智能终端,边缘服务器分别与云服务器及每一个移动智能终端连接;边缘服务器包括通信数据管理模块和本地数据管理模块,通信数据管理模块用于在移动智能终端之间进行数据传输时,对传输的数据进行加密;本地数据管理模块,用于在云服务器调用移动智能终端的本地存储数据时,询问对应移动智能终端的调用许可,或是在移动智能终端从云服务器加载数据时,对加载的数据进行安全检测。本发明利用边缘服务器对移动智能终端的通信类数据和本地存储类数据进行管理,有效降低隐私数据泄露的风险,同时保障了用户对隐私数据的所有权与管理权。

    一种基于边缘计算的移动智能终端隐私保护系统及方法

    公开(公告)号:CN108093401B

    公开(公告)日:2020-06-09

    申请号:CN201711328477.2

    申请日:2017-12-13

    摘要: 本发明公开了一种基于边缘计算的移动智能终端隐私保护系统及方法,所述系统包括云服务器、边缘服务器和多个移动智能终端,边缘服务器分别与云服务器及每一个移动智能终端连接;边缘服务器包括通信数据管理模块和本地数据管理模块,通信数据管理模块用于在移动智能终端之间进行数据传输时,对传输的数据进行加密;本地数据管理模块,用于在云服务器调用移动智能终端的本地存储数据时,询问对应移动智能终端的调用许可,或是在移动智能终端从云服务器加载数据时,对加载的数据进行安全检测。本发明利用边缘服务器对移动智能终端的通信类数据和本地存储类数据进行管理,有效降低隐私数据泄露的风险,同时保障了用户对隐私数据的所有权与管理权。

    一种基于边缘服务器的移动智能终端数据传输系统

    公开(公告)号:CN207603683U

    公开(公告)日:2018-07-10

    申请号:CN201721733886.6

    申请日:2017-12-13

    IPC分类号: H04L29/06

    摘要: 本实用新型公开了一种基于边缘服务器的移动智能终端数据传输系统,包括边缘服务器、移动数据发送终端和移动数据接收终端;所述移动数据发送终端包括数据编辑模块、第一微处理器和终端发送模块;所述边缘服务器包括边缘接收模块、中央处理器、加密模块、加密密钥存储器和边缘发送模块;所述移动数据接收终端包括终端接收模块、第二微处理器、解密密钥存储器、解密模块和显示模块。本实用新型提供了一种基于边缘服务器的移动智能终端数据传输系统,一方面提高了数据传输的速度,降低了云端服务器的运算量,另一方面有利于对移动数据发送终端和移动数据接收终端之间的隐私数据保护。

    一种基于卷积神经网络的智能终端安全等级分类方法

    公开(公告)号:CN108846476A

    公开(公告)日:2018-11-20

    申请号:CN201810775027.6

    申请日:2018-07-13

    IPC分类号: G06N3/04

    摘要: 本发明公开了一种基于卷积神经网络的智能终端安全等级分类方法,包括以下步骤:S1.边缘计算平台设定智能终端的k个安全测试项;S2.对接入的智能终端测试k次,得到测试结果集;S3.计算测试结果集中各个向量对应的安全等级,并利用安全等级对向量进行标记;S4.将带有标记的测试结果集送入卷积神经网络中进行特征提取和分类训练测试,得到检测率达标的成熟神经网络;S5.利用成熟神经网络,对待分类的智能终端测试数据集进行安全等级分类。本发明根据智能终端各单项的安全测试结果,在边缘计算平台卷积神经网络对终端测试结果进行特征提取,训练使得识别率合格以后,实现对智能终端安全等级的客观准确划分,有利于实现不同安全级别需求的安全使用。

    基于Adaboost的移动智能终端安全等级分类方法

    公开(公告)号:CN109344848A

    公开(公告)日:2019-02-15

    申请号:CN201810768085.6

    申请日:2018-07-13

    IPC分类号: G06K9/62

    摘要: 本发明公开了一种基于Adaboost的移动智能终端安全等级分类方法,包括以下步骤:S1.在边缘计算平台对N+P台接入的移动智能终端进行测试;S2.对每个测试结果进行预处理,得到测试结果向量与所属安全等级;S3.整合预处理结果,得到数据集T,并将数据集T划分为训练集和测试集;S4.根据安全等级的级数K,采用K-1层Adaboost算法模型,对训练集进行训练,生成强分类器并通过测试集验证准确率;S5.对新接入的移动智能终端进行测试,将测试结果通过强分类器,得到移动智能终端的安全等级。本发明根据移动智能终端各单项安全性能的测试结果,在边缘计算平台采用Adaboost算法实现对移动智能终端安全等级的准确划分,有利于实现不同安全级别需求的安全使用。

    一种基于BP神经网络的智能终端安全等级分类方法

    公开(公告)号:CN109033288A

    公开(公告)日:2018-12-18

    申请号:CN201810769088.1

    申请日:2018-07-13

    IPC分类号: G06F17/30 G06N3/08 H04M1/24

    CPC分类号: G06N3/08 H04M1/24

    摘要: 本发明公开了一种基于BP神经网络的智能终端安全等级分类方法,包括以下步骤:S1.对任一智能终端的N个测试单项进行测试,得到该智能终端的测试结果向量;S2.对测试结果向量进行预处理,得到测试总分;给定门限值,将智能终端划分为S个安全等级,根据测试总分确定终端所属的安全等级;S4.对于不同的智能终端,重复步骤S1~S3进行处理;S5生成样本集;S6.构建S‑1层BP神经网络,利用生成的样本集对BP神经网络进行训练;S7.当新的智能终端接入时,利用成熟的BP神经网络对其测试结果进行处理,得到安全等级。本发明根据智能终端各单项安全性能的测试得到测试结果,并采用BP神经网络算法进行智能终端的安全等级划分,有利于实现在不同安全级别需求下的安全使用。