(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211165265.8 (22)申请日 2022.09.23 (71)申请人 蔡玉娟 地址 138000 吉林省松 原市宁江区铂金路 632号 (72)发明人 蔡玉娟　张新兰　 (51)Int.Cl. G06F 21/60(2013.01) G06K 9/62(2022.01) (54)发明名称 一种加密数据分级解密方法及AI系统 (57)摘要 本申请提供的一种加密数据分级解密方法 及AI系统， 可以将待分析加密数据加载至完成配 置的第一数据衍生模型中， 获得待分析加密数据 的数据解密向量。 从特征提取单元的输入中获得 到待分析加密数据若干种加密数据特征， 经过无 量纲简化方式的无量纲简化处理和衍生触发条 件的衍生触发处理， 特征提取单元将获得的衍生 触发处理向量视为涵盖待分析加密数据若干种 特征的融合后的特征提取处理向量， 使得特征提 取单元获得的待分析的若干种加密数据特征能 够尽可能的加载至后一个单元， 进而使得该第一 数据衍生模型能够综合到各种干扰待分析加密 数据的要素来确定待分析加密数据的数据解密 向量， 实现了对加密数据的进行精确且可靠的解 密。 权利要求书3页 说明书12页 附图1页 CN 115455451 A 2022.12.09 CN 115455451 A 1.一种加密数据分级解密方法， 其特 征在于， 该 方法至少包括： 获得待分析加密数据； 将所述待分析加密数据加载至完成配置的第 一数据衍生模型中， 所述第 一数据衍生模 型包括： 特征提取单元， 其中， 所述特征提取单元包括若干个不同尺寸的特征提取窗口、 无 量纲简化方式和衍生触发条件， 所述若干个不同尺寸的特征提取窗口对所述特征提取单元 的输入进行特征提取处理， 得到特征提取窗口处理向量， 所述无量纲简化方式将所述特征 提取窗口处理向量视为输入进行无量纲简化处理， 得到无量纲简化方式处理向量， 所述衍 生触发条件将所述无量纲简化方式处理向量视为输入进行衍生触发处理， 得到衍生触发处 理向量， 所述特 征提取单元将所述 衍生触发处 理向量视为特 征提取处 理向量； 所述第一数据衍 生模型输出 所述待分析加密数据的数据解密向量。 2.根据权利要求1所述的方法， 其特征在于， 所述第一数据衍生模型还包括： 无量纲简 化单元； 所述无量纲简化单元对加载至所述第一数据衍生模型中的所述待分析加密数据进 行无量纲简化处理， 得到无量纲简化处理向量， 其中， 所述无量纲简化处理为去极化无量纲 简化处理。 3.根据权利要求1所述的方法， 其特征在于， 所述第一数据衍生模型还包括： 第一挖掘 单元、 总挖掘单元， 所述第一挖掘单元包括： 最佳局部挖掘单元和去极化局部挖掘单元； 所 述最佳局部挖掘单元和所述去极化局部挖掘单元将所述特征提取处理向量视为输入逐一 进行挖掘处理， 得到最佳挖掘向量和去极化挖掘向量； 所述第一挖掘单元将所述最佳挖掘 向量和所述去极化挖掘向量视为第一挖掘向量； 所述总 挖掘单元将所述第一挖掘向量视为 输入进行总挖掘处 理， 得到总挖掘向量。 4.根据权利要求1所述的方法， 其特征在于， 所述第 一数据衍生模型还包括： 整合单元； 所述整合单元将所述总 挖掘向量视为输入进 行融合处理， 得到融合处理结果， 其中， 所述整 合单元包括： 局部衍生触发条件单元； 所述局部衍生触发条件单元对所述融合处理结果进 行关联得到关联向量； 将所述关联向量视为所述待分析加密数据的数据解密向量。 5.根据权利要求1所述的方法， 其特征在于， 所述第 一数据衍生模型是通过以下配置方 式所得： 将一种配置加密数据加载至原始数据衍生模型数据衍生模型获得所述配置加密数据 中各加密数据的原始数据衍生模型数据解密向量， 所述配置加密数据是一种依照准确度由 准确到简单的顺序排列的加密数据； 从所述配置加密数据中任意筛选一个第一加密数据并确定所述第一加密数据对应的 第一原始数据衍 生模型数据解密向量； 判断所述第一原始数据衍生模型数据解密向量与第二原始数据衍生模型数据解密向 量和第三原始数据衍生模型数据解密向量的匹配情况， 所述第二原始数据衍生模型数据解 密向量为在所述配置加密数据中分布在所述第一加密数据之前的配置加密数据中原始数 据衍生模型数据解密向量最佳的变量， 所述第三原始数据衍生模型数据解密向量为在所述 配置加密数据中分布在所述第一加密数据之后的加密数据中原始数据衍生模型数据解密 向量最小的变量； 通过所述匹配情况确定所述原 始数据衍 生模型数据衍生模型的损失向量； 通过所述损失向量调试 所述原始数据衍 生模型数据衍生模型得到第一数据衍 生模型。权　利　要　求　书 1/3 页 2 CN 115455451 A 26.根据权利要求5所述的方法， 其特征在于， 所述通过所述匹配情况确定所述原始数据 衍生模型数据衍生模型的损失向量， 包括： 确定第一比较向量和第 二比较向量； 将所述第 一比较向量和所述第 二比较向量的和视 为所述原 始数据衍 生模型数据衍生模型的损失向量； 其中， 确定第一比较向量包括： 如果所述第一原始数据衍生模型数据解密 向量超过所 述第二原 始数据衍 生模型数据解密向量， 确定第一比较向量 为0； 如果所述第一原始数据衍生模型数据解密向量低于所述第二原始数据衍生模型数据 解密向量， 确定第一比较向量为第一原始数据衍生模型数据解密向量减所述第二原始数据 衍生模型数据解密向量所 得比较向量； 其中， 确定第二比较向量包括： 如果所述第一原始数据衍生模型数据解密 向量低于所 述第三原始数据衍生模型数据解密向量， 确定第二比较向量为0； 如果所述第一原始数据衍 生模型数据解密向量超过所述第三原始数据衍生模型数据解密向量， 确定第二比较向量为 第一原始数据衍生模型数据解密向量减第三原始数据衍生模型数据解密向量所述所得比 较向量。 7.根据权利要求5所述的方法， 其特征在于， 所述通过所述损失向量调试所述原始数据 衍生模型数据衍生模型得到第一数据衍 生模型， 包括： 通过所述损失向量搭建关于模型调试系数的量化评估模型， 所述模型调试系数为通过 所述原始数据衍生模型数据衍生模型的输出对所述原始数据衍生模型数据衍生模型的系 数进行调试的调试向量； 确定使所述 量化评估模型的输出低于指定目标值的所述第一模型调试系数； 通过所述第一模型调试系数调试所述原始数据衍生模型数据衍生模型得到第一数据 衍生模型。 8.根据权利要求7所述的方法， 其特征在于， 所述确定使所述量化评估模型的输出低于 指定目标值的所述第一模型调试系数， 包括： 将所述原始数据衍生模型数据衍生模型的原始数据衍生模型模型系数向原始数据衍 生模型关联模型的解析维度调试， 直到调试后所得模型系数使所述量化评估模型的输出低 于指定目标值， 将调试后所得模 型系数视为第一模 型调试系数， 其中， 调试的区间与损失向 量存在联系， 所述原始数据衍生模型关联模型为所述原始数据衍生模型数据衍生模型所实 现的关联模型。 9.根据权利要求8所述的方法， 其特征在于， 所述将所述原始数据衍生模型数据衍生模 型的原始数据衍生模型系 数向所述原始数据衍生模型关联模型的解析维度调试， 包括： 依 照下式对所述原始数据衍生模型系数进行调试：  其中， m为第一模型调试系数， n为不少于 一个待分析加密数据， β 1为超系数， fn为n对应的损失向量， f （n， m） 为第一原始数据衍生模 型数据解密向量。 10.根据权利要求7所述的方法， 其特征在于， 所述通过所述第一模型调试系数调试所 述原始数据衍生模型数据衍生模型得到第一数据衍生模型， 包括： 通过所述第一模型调试 系数对所述原始数据衍生模型数据衍生模型中的所述特征提取窗口的数目和尺寸、 所述特 征提取单元的数目和所述第一挖掘单 元的数目进行调试， 得到第一数据衍 生模型。 11.一种加密数据分级解密AI系统， 其特征在于， 包括互相之间通信的处理器和存储权　利　要　求　书 2/3 页 3 CN 115455451 A 3