【技術實現步驟摘要】
本專利技術具體涉及一種數據銷毀時間的預測方法，特別涉及一種基于神經網絡的數據銷毀時間的預測方法，為數據的快速和優化銷毀提供支撐。
技術介紹
0、技術背景
1、在當今國際形勢下，裝甲車輛的數據安全和銷毀變得尤為重要，主要是為了保護軍事機密、防止敵對勢力獲取關鍵情報并確保作戰安全。裝甲車輛在現代軍事行動中扮演著關鍵角色，因此保護其中的數據和信息對于戰術和戰略的成功至關重要。數據銷毀在裝甲車輛上的應用，有利于保護軍事機密和戰術信息、防止敵對情報獲取、維護戰斗團隊的安全以及防止技術泄露。因此，數據銷毀在裝甲車輛上的應用是確保國際戰爭中軍事信息安全和士兵安全的關鍵步驟。在現代戰爭中，信息和技術的重要性不斷增加，因此采取必要的措施來保護這些資產對于維護軍事優勢和戰爭勝利至關重要。
2、在裝甲車輛研究領域，現有的數據銷毀的時間預測方法有：(1)統計方法：使用歷史數據和統計分析來預測數據銷毀的時間，例如以平均值、中值、標準差等統計指標。但是統計方法可能僅基于歷史數據，無法適應未來可能的變化或突發事件。對于復雜的數據銷毀過程，統計方法可能無法準確地捕捉各種影響因素。(2)模型驅動方法：基于已有的物理模型、數學模型或仿真模擬來預測數據銷毀的時間。但該方法對于沒有準確模型的情況，難以應用以及物理模型或數學模型可能無法準確地捕捉所有復雜的現實情況。模型需要進行復雜的調優和驗證，以確保其在不同情境下的泛化能力。(3)機器學習方法：通過訓練模型來學習數據銷毀時間與各種變量之間的關系，從而預測未來的銷毀時間。但該方法調優難度較大，且單
3、bp神經網絡，全稱為“backpropagation?neural?network”(反向傳播神經網絡)，是一種常用的神經網絡模型。bp神經網絡通常包括輸入層、若干隱藏層和輸出層，每層由多個神經元組成，每個神經元與前一層的所有神經元相連，每條連接都有一個權重。bp神經網絡的訓練過程是通過反向傳播算法來調整權重，使得網絡的輸出盡可能地接近期望的輸出。bp神經網絡具備優秀的處理非線性關系的能力、較強的適應性和靈活性、能夠處理時間序列數據以及預測準確性強等優勢。
技術實現思路
1、有鑒于此，本專利技術提出了一種基于bp神經網絡的數據銷毀時間預測方法，能有效地克服上述方法的局限性，解決當前數據銷毀方法存在的適應性差和準確性差的問題。本專利技術以裝甲車輛為研究對象，在深入研究裝甲車輛數據銷毀過程的基礎上，挖掘出影響裝甲車輛數據銷毀時間的關鍵因素，并首次將bp神經網絡應用于裝甲車輛領域，使bp神經網絡具備的優勢與裝甲車輛領域的特殊性相結合，豐富了當前數據銷毀時間預測方法，填補了bp神經網絡在裝甲車輛數據銷毀領域的空白。
2、具體技術方案如下：
3、一種基于bp神經網絡的數據銷毀時間預測方法，
4、步驟1、提取影響裝甲車數據銷毀時間的特征；
5、步驟2、利用bp神經網絡構建裝甲車數據銷毀時間預測模型；
6、步驟3、利用裝甲車數據銷毀時間預測模型進行銷毀時間預測。
7、步驟1進一步包括：以裝甲車整車上各個數據存儲節點為目標，抽取每個節點的類型、每個節點對應的數據存儲介質、每個數據存儲介質存儲的數據量、以及每個數據存儲介質選用的數據銷毀模式。
8、進一步的，整車數據存儲節點是指存儲相關設備信息的單位，節點的類型包括安全管控盒、數據記錄儀、武器綜合控制箱、變速箱電控盒、發動機電控盒、顯控裝置、綜保盒、發電機電控盒、顯控儀表、安控電控盒。
9、進一步的，數據存儲介質為整車數據存儲的媒介，包括ssd固態硬盤和flash存儲器。
10、進一步的，數據銷毀模式是指銷毀數據采用的手段，包括三種數據銷毀模式，分別為磁盤格式化、文件數據銷毀和假數據寫入后刪除。
11、步驟2進一步包括：首先，從整車歷史數據中提取影響裝甲車數據銷毀時間的特征數據，并傳遞給bp神經網絡，通過各層的神經元計算得到預測數據銷毀時間；然后將預測數據銷毀時間與實測數據銷毀時間進行比較，計算預測值與真實值之間的誤差，使用損失函數來度量誤差的大??；根據損失函數的梯度，從輸出層開始，通過鏈式法則逐層計算每個權重對損失的貢獻，并更新權重以減小損失；使用優梯度下降法根據計算出的梯度信息來更新每個連接上的權重，使損失函數減??；最后重復進行上述步驟，直到損失函數收斂到預設目標，得到bp神經網絡數據銷毀時間預測模型。
12、有益效果
13、1)由于裝甲車的特殊性，整車數據存儲節點多、類型復雜，本專利技術在深入研究數據刪除過程后，發現了影響數據刪除速度的關鍵因素，故本模型具有準確性高的優勢，可以精準預測銷毀數據的處理時間。
14、2)本專利技術采用bp網絡，通過數據驅動的方式，捕捉數據刪除時間與其關鍵影響因素之間的非線性關系和復雜的交互影響，得到裝甲車數據銷毀時間預測模型，該模型泛化能力強，能夠適應不同的數據銷毀模式和變化，有效處理不同環境和技術發展的復雜關系，能夠實現在不同數據銷毀條件下的精確求解與預測，從而最大程度地減少數據泄露風險。
15、3)在裝甲車輛數據銷毀領域，基于bp神經網絡的裝甲車數據銷毀時間預測模型可以加強對裝甲車輛數據的安全管理，確保在合適的時機銷毀數據，從而防止敵對勢力的不當利用。
16、4)基于bp神經網絡的裝甲車數據銷毀時間預測模型在裝甲車輛數據銷毀領域達到了精準預測、實時性、自適應性和處理復雜關系等效果，同時在國際形勢下有助于提升裝甲車輛數據的安全性和保密性。隨著技術的不斷演進，它還具備進一步創新和應用的潛力。
17、5)本專利技術涉及的網絡結構簡單，易于實現。
本文檔來自技高網...【技術保護點】
1.一種基于BP神經網絡的數據銷毀時間預測方法，其特征在于：提取影響裝甲車數據銷毀時間的特征；利用BP神經網絡構建裝甲車數據銷毀時間預測模型；利用裝甲車數據銷毀時間預測模型進行銷毀時間預測。
2.根據權利要求1所述的一種基于BP神經網絡的數據銷毀時間預測方法，其特征在于：提取影響裝甲車數據銷毀時間的特征的過程為：以裝甲車整車上各個數據存儲節點為目標，抽取每個節點的類型、每個節點對應的數據存儲介質、每個數據存儲介質存儲的數據量、以及每個數據存儲介質選用的數據銷毀模式。
3.根據權利要求2所述的一種基于BP神經網絡的數據銷毀時間預測方法，其特征在于：整車數據存儲節點是指存儲相關設備信息的單位，節點的類型包括安全管控盒、數據記錄儀、武器綜合控制箱、變速箱電控盒、發動機電控盒、顯控裝置、綜保盒、發電機電控盒、顯控儀表、安控電控盒。
4.根據權利要求2或3所述的一種基于BP神經網絡的數據銷毀時間預測方法，其特征在于：數據存儲介質為整車數據存儲的媒介，包括SSD固態硬盤和Flash存儲器。
5.根據權利要求2或3或4所述的一種基于BP神經網絡的
6.根據權利要求1或2或3或4或5所述的一種基于BP神經網絡的數據銷毀時間預測方法，其特征在于：利用BP神經網絡構建裝甲車數據銷毀時間預測模型的具體過程如下，首先，從整車歷史數據中提取影響裝甲車數據銷毀時間的特征數據，并傳遞給BP神經網絡，通過各層的神經元計算得到預測數據銷毀時間；然后將預測數據銷毀時間與實測數據銷毀時間進行比較，計算預測值與真實值之間的誤差，使用損失函數來度量誤差的大??；根據損失函數的梯度，從輸出層開始，通過鏈式法則逐層計算每個權重對損失的貢獻，并更新權重以減小損失；使用優梯度下降法根據計算出的梯度信息來更新每個連接上的權重，使損失函數減??；最后重復進行上述步驟，直到損失函數收斂到預設目標，得到BP神經網絡數據銷毀時間預測模型。
...【技術特征摘要】
1.一種基于bp神經網絡的數據銷毀時間預測方法，其特征在于：提取影響裝甲車數據銷毀時間的特征；利用bp神經網絡構建裝甲車數據銷毀時間預測模型；利用裝甲車數據銷毀時間預測模型進行銷毀時間預測。
2.根據權利要求1所述的一種基于bp神經網絡的數據銷毀時間預測方法，其特征在于：提取影響裝甲車數據銷毀時間的特征的過程為：以裝甲車整車上各個數據存儲節點為目標，抽取每個節點的類型、每個節點對應的數據存儲介質、每個數據存儲介質存儲的數據量、以及每個數據存儲介質選用的數據銷毀模式。
3.根據權利要求2所述的一種基于bp神經網絡的數據銷毀時間預測方法，其特征在于：整車數據存儲節點是指存儲相關設備信息的單位，節點的類型包括安全管控盒、數據記錄儀、武器綜合控制箱、變速箱電控盒、發動機電控盒、顯控裝置、綜保盒、發電機電控盒、顯控儀表、安控電控盒。
4.根據權利要求2或3所述的一種基于bp神經網絡的數據銷毀時間預測方法，其特征在于：數據存儲介質為整車數據存儲的媒介，包括ssd固態...
【專利技術屬性】
技術研發人員：周娜，李耀偉，常福，胡建軍，高明，李欣顏，伊欣研，
申請(專利權)人：中國北方車輛研究所，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。