一种基于物联网的数据处理方法以及系统与流程

1.本发明属于物联网数据处理技术领域，具体涉及一种基于物联网的数据处理方法以及系统。


背景技术：

2.物联网是指通过互联网将各种智能设备连接起来，实现信息交换和通信的网络。物联网具有广泛的应用场景，例如智能家居、智能交通、智能医疗等。物联网设备通常需要采集、传输、处理和分析大量的数据，以实现对设备的监控、控制和优化。
3.然而，现有的物联网数据处理技术存在以下问题：
4.1.数据安全性和可靠性不高。物联网设备采集和传输的数据可能包含敏感或私密的信息，例如用户行为、健康状况、位置等。如果数据在传输或存储过程中被窃取或篡改，可能会造成用户的隐私泄露或设备的故障。现有的物联网数据加密技术通常采用传统的对称或非对称加密算法，但这些算法可能会被量子计算机或其他高性能计算机破解，导致数据安全性降低。
5.2.数据传输效率和容量不高。物联网设备通常需要通过无线网络进行数据传输，例如wifi、蜂窝网络、蓝牙等。然而，这些无线网络的带宽和频谱资源有限，难以满足物联网设备日益增长的数据传输需求。此外，无线网络也容易受到干扰、阻塞、延迟等影响，导致数据传输效率降低。
6.3.数据分析能力和精度不高。物联网设备采集的数据通常是多源、多维、多样的，例如温度、湿度、光照、声音、图像等。这些数据需要进行有效的预处理、挖掘、可视化和决策，以提取有用的信息和知识，并为用户或设备提供合适的服务或指令。然而，现有的物联网数据分析技术通常采用传统的统计学或机器学习方法，但这些方法可能不能充分利用数据的特征和关系，也不能适应数据的动态变化和复杂性，导致数据分析能力和精度不高。
7.因此，如何提高物联网数据处理的安全性、效率和精度，是当前亟待解决的技术问题.


技术实现要素：

8.本发明的目的在于提供一种基于物联网的数据处理方法以及系统，利用量子加密和5g通信技术实现数据的安全传输和智能分析。
9.为实现上述目的，本发明提供如下技术方案：一种基于物联网的数据处理方法，包括以下步骤：
10.(1)在一个或多个物联网设备上采集数据，并将数据发送到支持量子密钥分发(qkd)的设备；
11.(2)在支持qkd的设备上使用量子加密设备生成量子密钥，并对数据进行量子加密；
12.(3)在支持qkd的设备上将量子加密后的数据通过5g通信模块发送到云端服务器；
13.(4)在云端服务器上使用相同的量子密钥对数据进行解密，并对数据进行预处理；
14.(5)在云端服务器上对预处理后的数据进行分析，并根据分析结果生成控制指令；
15.(6)在云端服务器上将控制指令通过5g通信模块发送到支持qkd的设备；
16.(7)在支持qkd的设备上使用相同的量子密钥对控制指令进行解密，并将控制指令发送到物联网设备；
17.(8)在物联网设备上执行控制指令。
18.优选的，所述物联网设备通过有线或无线局域网或蓝牙模块与支持qkd的设备进行通信所述5g通信模块采用非正交多址接入(noma)技术，所述预处理包括数据清洗、数据压缩和数据加密，所述分析包括数据挖掘、数据可视化和数据决策，所述数据挖掘采用深度学习(dl)技术，所述数据可视化采用虚拟现实(vr)技术，所述数据决策采用强化学习(rl)技术。
19.一种基于物联网的数据处理系统，包括：
20.a.一个或多个物联网设备，用于采集数据，并通过有线或无线局域网或蓝牙模块与支持量子密钥分发(qkd)的设备进行通信；
21.b.一个或多个支持qkd的设备，包括一个量子加密设备和一个采用非正交多址接入(noma)技术的5g通信模块，用于使用量子密钥对数据和控制指令进行量子加密和解密，并通过5g通信模块与云端服务器进行通信；
22.c.一个云端服务器，包括一个用于对数据进行清洗、压缩和加密的预处理模块、一个用于对预处理后的数据进行挖掘、可视化和决策的分析模块和一个用于生成控制指令的控制模块，其中所述分析模块采用深度学习(dl)技术、虚拟现实(vr)技术和强化学习(rl)技术，并通过5g通信模块与支持qkd的设备进行通信。
23.与现有技术相比，本发明的有益效果是：
24.1.通过使用量子加密设备生成量子密钥，并对数据和控制指令进行量子加密和解密，可以提高数据的安全性和可靠性
·
量子加密是一种利用量子力学原理实现信息加密和传输的技术，它具有无条件的安全性，即使是量子计算机或其他高性能计算机也无法破解。量子密钥分发(qkd)是一种利用量子信道和公共信道实现量子密钥的生成和共享的技术，它可以保证量子密钥的随机性和唯一性，并且可以检测和纠正量子信道上的任何窃听或干扰。
25.2.通过使用5g通信模块采用非正交多址接入(noma)技术，可以提高数据的传输效率和容量。5g通信是一种基于第五代移动通信技术的无线网络，它具有高速率、低延迟、高可靠性、高连接密度等特点，能够满足物联网设备日益增长的数据传输需求。非正交多址接入(noma)是一种基于功率域的多用户接入技术，它可以在同一时间、同一频率资源上同时服务多个用户，提高频谱利用率和系统容量，并且可以实现用户间的公平性和灵活性。
26.3.通过使用深度学习(dl)技术、虚拟现实(vr)技术和强化学习(rl)技术对数据进行挖掘、可视化和决策，可以提高数据的分析能力和精度。深度学习(dl)是一种基于多层神经网络的机器学习技术，它可以从大量的数据中自动学习抽象和复杂的特征和关系，并实现对数据的分类、识别、生成等任务。虚拟现实(vr)是一种利用计算机生成的三维图像和声音等模拟真实环境的技术，它可以为用户提供沉浸式的交互体验，并实现对数据的直观和生动的展示。强化学习(rl)是一种基于智能体与环境之间的交互来学习最优行为策略的机
器学习技术，它可以根据数据的反馈来不断优化决策过程，并实现对数据的自适应和智能化的处理。
附图说明
27.图1是本发明的一种基于物联网的数据处理方法的流程图；
28.图2是本发明的一种基于物联网的数据处理系统的结构示意图。
具体实施方式
29.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。
30.实施例1
31.如图1所示，本发明提供了一种基于物联网的数据处理系统，包括：
32.·
一个或多个物联网设备1，用于采集数据，并通过有线或无线局域网或蓝牙模块与支持量子密钥分发(qkd)的设备2进行通信；
33.·
一个或多个支持qkd的设备2，包括一个量子加密设备21和一个采用非正交多址接入(noma)技术的5g通信模块22，用于使用量子密钥对数据和控制指令进行量子加密和解密，并通过5g通信模块22与云端服务器3进行通信；
34.·
一个云端服务器3，包括一个用于对数据进行清洗、压缩和加密的预处理模块31、一个用于对预处理后的数据进行挖掘、可视化和决策的分析模块32和一个用于生成控制指令的控制模块33，其中所述分析模块32采用深度学习(dl)技术、虚拟现实(vr)技术和强化学习(rl)技术，并通过5g通信模块22与支持qkd的设备2进行通信。
35.具体地，物联网设备1可以是任何能够采集数据的智能设备，例如温湿度传感器、烟雾报警器、智能灯泡、智能门锁、智能摄像头等。物联网设备1可以通过有线或无线局域网或蓝牙模块与支持qkd的设备2进行通信，以实现数据的传输和接收。支持qkd的设备2可以是任何能够支持量子密钥分发(qkd)的设备，例如量子通信终端、量子路由器、量子交换机等。支持qkd的设备2包括一个量子加密设备21和一个采用非正交多址接入(noma)技术的5g通信模块22。量子加密设备21可以是任何能够生成量子密钥并对数据进行量子加密和解密的设备，例如量子随机数发生器、量子编码器、量子解码器等。5g通信模块22可以是任何能够支持5g通信技术的模块，例如5g基站、5g终端、5g天线等。云端服务器3可以是任何能够对数据进行预处理、分析和控制的服务器，例如云计算平台、云存储平台、云服务平台等。云端服务器3包括一个用于对数据进行清洗、压缩和加密的预处理模块31、一个用于对预处理后的数据进行挖掘、可视化和决策的分析模块32和一个用于生成控制指令的控制模块33。预处理模块31可以是任何能够对数据进行清洗、压缩和加密的模块，例如数据清洗算法、数据压缩算法、数据加密算法等。分析模块32可以是任何能够对数据进行挖掘、可视化和决策的模块，例如深度学习算法、虚拟现实技术、强化学习算法等。控制模块33可以是任何能够根据分析结果生成控制指令的模块，例如规则引擎、专家系统、优化算法等。
36.如图2所示，本发明提供了一种基于物联网的数据处理方法，包括以下步骤：
37.·
s1：在一个或多个物联网设备1上采集数据，并将数据发送到支持量子密钥分发(qkd)的设备2；
38.·
s2：在支持qkd的设备2上使用量子加密设备21生成量子密钥，并对数据进行量子加密；
39.·
s3：在支持qkd的设备2上将量子加密后的数据通过5g通信模块22发送到云端服务器3；
40.·
s4：在云端服务器3上使用相同的量子密钥对数据进行解密，并对数据进行预处理；
41.·
s5：在云端服务器3上对预处理后的数据进行分析，并根据分析结果生成控制指令；
42.·
s6：在云端服务器3上将控制指令通过5g通信模块22发送到支持qkd的设备2；
43.·
s7：在支持qkd的设备2上使用相同的量子密钥对控制指令进行解密，并将控制指令发送到物联网设备1；
44.·
s8：在物联网设备1上执行控制指令。
45.具体地，步骤s1中，物联网设备1可以根据预设的时间间隔或触发条件，采集数据，并通过有线或无线局域网或蓝牙模块与支持qkd的设备2进行通信，以实现数据的传输和接收。数据可以是任何与物联网设备1相关的信息，例如温度、湿度、光照、声音、图像等。步骤s2中，支持qkd的设备2可以使用量子加密设备21生成量子密钥，并对数据进行量子加密。量子加密设备21可以利用量子信道和公共信道实现量子密钥的生成和共享，例如采用bb84协议、e91协议、b92协议等。量子加密设备21还可以利用量子密钥对数据进行量子加密和解密，例如采用一次一密法、vernam密码法、aes密码法等。步骤s3中，支持qkd的设备2可以将量子加密后的数据通过5g通信模块22发送到云端服务器3，5g通信模块22可以利用5g通信技术实现高速率、低延迟、高可靠性、高连接密度的数据传输，例如采用ofdm调制、mimo天线、波束赋形技术等。5g通信模块22还可以利用非正交多址接入(noma)技术实现在同一时间、同一频率资源上同时服务多个用户，提高频谱利用率和系统容量，并且可以实现用户间的公平性和灵活性，例如采用功率域noma、编码域noma、空间域noma等。步骤s4中，云端服务器3可以使用相同的量子密钥对数据进行解密，并对数据进行预处理。预处理可以包括数据清洗、数据压缩和数据加密等操作，以提高数据的质量、效率和安全性。数据清洗可以是去除或修正数据中的错误、缺失或异常值等操作，例如采用平均值填充法、插值法、异常值检测法等。数据压缩可以是减少数据的存储空间或传输带宽等操作，例如采用哈夫曼编码、lzw编码、jpeg编码等。数据加密可以是增加数据的保密性或完整性等操作，例如采用rsa密码法、des密码法、md5密码法等。步骤s5中，云端服务器3可以对预处理后的数据进行分析，并根据分析结果生成控制指令。分析可以包括数据挖掘、数据可视化和数据决策等操作，以提取有用的信息和知识，并为用户或设备提供合适的服务或指令。数据挖掘可以是从大量的数据中自动学习抽象和复杂的特征和关系，并实现对数据的分类、识别、生成等任务，例如采用深度学习(dl)技术，如卷积神经网络(cnn)、循环神经网络(rnn)、生成对抗网络(gan)等。数据可视化可以是利用计算机生成的三维图像和声音等模拟真实环境的技术，它可以为用户提供沉浸式的交互体验，并实现对数据的直观和生动的展示，例如采用虚拟现实(vr)技术，如头戴式显示器(hmd)、手势识别器(gr)、全息投影仪(hp)等。数据决策可以是
基于智能体与环境之间的交互来学习最优行为策略的技术，它可以根据数据的反馈来不断优化决策过程，并实现对数据的自适应和智能化的处理，例如采用强化学习(rl)技术，如q学习、sarsa、dqn等。控制指令可以是根据分析结果生成的用于控制物联网设备1的指令，例如开关、调节、报警等。步骤s6中，云端服务器3可以将控制指令通过5g通信模块22发送到支持qkd的设备2。步骤s7中，支持qkd的设备2可以使用相同的量子密钥对控制指令进行解密，并将控制指令发送到物联网设备1。步骤s8中，物联网设备1可以根据接收到的控制指令执行相应的操作，例如开关、调节、报警等。
46.上述方案中支持qkd的设备可以采用型号为qkdqkd-px100。
47.尽管已经示出和描述了本发明的实施例(详见上述详尽的描述)，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

技术特征：
1.一种基于物联网的数据处理方法，其特征在于，包括以下步骤：(1).在一个或多个物联网设备上采集数据，并将数据发送到支持量子密钥分发(qkd)的设备；(2).在支持qkd的设备上使用量子加密设备生成量子密钥，并对数据进行量子加密；(3).在支持qkd的设备上将量子加密后的数据通过5g通信模块发送到云端服务器；(4).在云端服务器上使用相同的量子密钥对数据进行解密，并对数据进行预处理；(5).在云端服务器上对预处理后的数据进行分析，并根据分析结果生成控制指令；(6).在云端服务器上将控制指令通过5g通信模块发送到支持qkd的设备；(7).在支持qkd的设备上使用相同的量子密钥对控制指令进行解密，并将控制指令发送到物联网设备；(8).在物联网设备上执行控制指令。2.根据权利要求1所述的一种基于物联网的数据处理方法，其特征在于，所述物联网设备通过有线或无线局域网或蓝牙模块与支持qkd的设备进行通信。3.根据权利要求1或2所述的一种基于物联网的数据处理方法，其特征在于，所述5g通信模块采用非正交多址接入(noma)技术。4.根据权利要求1至3中任一项所述的一种基于物联网的数据处理方法，其特征在于，所述预处理包括数据清洗、数据压缩和数据加密。5.根据权利要求1至4中任一项所述的一种基于物联网的数据处理方法，其特征在于，所述分析包括数据挖掘、数据可视化和数据决策。6.根据权利要求5所述的一种基于物联网的数据处理方法，其特征在于，所述数据挖掘采用深度学习(dl)技术。7.根据权利要求5所述的一种基于物联网的数据处理方法，其特征在于，所述数据可视化采用虚拟现实(vr)技术。8.根据权利要求5所述的一种基于物联网的数据处理方法，其特征在于，所述数据决策采用强化学习(rl)技术。9.一种基于物联网的数据处理系统，其特征在于，包括：a.一个或多个物联网设备，用于采集数据，并通过有线或无线局域网或蓝牙模块与支持量子密钥分发(qkd)的设备进行通信；b.一个或多个支持qkd的设备，包括一个量子加密设备和一个采用非正交多址接入(noma)技术的5g通信模块，用于使用量子密钥对数据和控制指令进行量子加密和解密，并通过5g通信模块与云端服务器进行通信；c.一个云端服务器，包括一个用于对数据进行清洗、压缩和加密的预处理模块、一个用于对预处理后的数据进行挖掘、可视化和决策的分析模块和一个用于生成控制指令的控制模块，其中所述分析模块采用深度学习(dl)技术、虚拟现实(vr)技术和强化学习(rl)技术，并通过5g通信模块与支持qkd的设备进行通信。

技术总结
本发明公开了一种基于物联网的数据处理方法，包括以下步骤：在一个或多个物联网设备上采集数据，并将数据发送到支持量子密钥分发(QKD)的设备；在支持QKD的设备上使用量子加密设备生成量子密钥，并对数据进行量子加密；在支持QKD的设备上使用相同的量子密钥对控制指令进行解密，并将控制指令发送到物联网设备；在物联网设备上执行控制指令，通过使用量子加密设备生成量子密钥，并对数据和控制指令进行量子加密和解密，可以提高数据的安全性和可靠性，量子加密是一种利用量子力学原理实现信息加密和传输的技术，它具有无条件的安全性，即使是量子计算机或其他高性能计算机也无法破解。解。解。


技术研发人员：张洋 袁学松
受保护的技术使用者：南京云朗软件有限公司
技术研发日：2023.08.04
技术公布日：2023/10/15