面向健康智能家居的数据压缩与加密技术研究.pdfVIP

摘 要 目前对智能家居中的人体健康状况、家电健康状况及家庭节能管理的关注较少， 基于具有上述特性的健康智能家居系统提供的网络数据共享分析，有助于人体健康预 警、节能管理和延长家电使用寿命。对家电和人体进行实时健康检测会产生的大量数 据，并且这些数据特别是健康数据都具有一定的隐私性。智能家居物联网数据通过因 特网直接传输会导致数据泄露，会对个人财产和生命安全产生威胁。 为了解决上述问题，本文充分分析了智能家居中的数据来源，重点研究面向健康 智能家居的数据压缩和加密技术。针对家电完整工作模式下的电力数据压缩、基于生 理参数秘钥的数据传输安全性进行了深入的研究，主要内容如下： （1）家电完整工作模式下的电力数据压缩方法。充分研究了不同类型家电的电流 数据的暂态和稳态信号特点，提出了一种基于相似度分段及重采样的自适应波形数据 压缩方法。通过自相关系数自动分段得到稳态和暂态数据，对稳态数据重采样后用快 速傅里叶变换 （Fast Fourier Transformation ，FFT ）和ZLIB 级联压缩，对暂态数据采 用ZLIB 无损压缩，并提出了综合压缩系统的评价指标。以微波炉、空调、洗衣机进 行测试，实验结果表明：在保证失真度的情况下，优选综合压缩系数较小的采样率； 5 种采样率下的 3 种重采样方法中重采样到单周波 128 点综合效果较好，压缩比高 于21. 73 ，均方根误差百分比在1. 04%之内。 （2 ）加密密钥序列生成方法。研究了脉搏信号的时域和频域特征，提出一种基于 生理参数的特征提取与密钥序列生成方法。通过对原始脉搏信号的波形数据进行小波 去噪，去除脉搏信号采集过程中的噪声与基线漂移，再利用微分法和区间极值法提取 脉搏信号的时域特征，根据时域特征点划分脉搏波形的周波，对每周波计算 FFT 提 取脉搏信号的频域特征，接着将时域特征与频域特征顺序拼接得到密钥序列，最后通 过NIST SP800-22 统计测试工具检验密钥序列的随机性。实验对比了两种脉搏信号生 成密钥序列的方法，实验结果证明：本文的密钥序列具有良好的随机性。 （3 ）数据安全传输加密方法。详细介绍了常用的对称加密高级加密标准 （Advanced Encryption Standard ，AES ）、非对称加密椭圆曲线加密算法（Elliptic Curve Cryptography ，ECC ）以及哈希算法 （SHA3 ），利用三种加密算法各自的特性，结合 上述数据压缩和生理参数生成密钥序列的研究成果，给出了面向健康智能家居的数据 安全传输的加密方法。通过生理参数生成AES 和ECC 的密钥序列，结合数据压缩方 法，本章设计了三种数据加密方法，实验结果表明：本文提出的数据加密方法具有很 好的安全性和适应性。 I 本文的研究工作为健康智能家居系统的数据高效和安全传输打下一定的理论基 础，文中的算法进一步优化可直接移植到嵌入式系统中应用。 图[43] 表[12] 参[75] 关键词：健康智能家居；自适应数据压缩；重采样；生理参数密钥；数据加密 分类号：TP391 II Abstract At present, less attention has been paid to human health status, home appliance health status and home energy-saving management in smart homes. Based on the network data sharing analysis provided by healthcare and smart home systems with the above characteristics, it can help human health warning, energy-saving management and extend home appliances Service life. A large amount of data will be generated by real-t