科创中国

各类物联网传感器以极高的频率采集其所在设备的工作状态数据，通常为一系列包含数据产生时间戳和采集数据形式为的元组序列，称为时间序列。工业时序数据具有应用领域广、数据规模大、经济价值高的特点，蕴含的巨大商业价值，因而其安全性受到不法分子采用黑客攻击等技术手段以及雇佣商业间谍等非技术手段的威胁。数据所有者通常会采用前效方法对数据库中的数据加以保护，包括但不限于：数据加密、用户权限划分等等。但是，这些方法只能有效防止外部人员进行非法盗窃，对于内部人员盗窃等途径并不能有效遏制。数字水印是解决数据在传播过程中安全问题的一个主流分支，常见时序数字水印算法基于时间戳进行水印嵌入计算，容易受到更改时间戳或频率变换的攻击，一旦时间戳序列大幅度改变，水印提取算法将受到很大影响，很可能导致水印提取完全失效。此外，数字水印通常采用分组多数投票方法来提升算法的鲁棒性，但时序数据通常有较多的噪声，高价值数据点相对集中，因而一个未经加权的投票算法可能会因为大范围的噪声干扰而导致水印判定失效。本项目针对常见的水印失效场景进行了分析，提出了能够有效提示水印鲁棒性的技术，更好的确保数据安全的管理能力。

本项目提出一种具有时间戳对齐功能的时序数据水印方法，该方法可以识别时序数据的核心特征，通过自动监测时间序列数据的关键点，自动对齐时间戳，保证时序数据中插入的水印信息，不会因为频率变换、插入、删除等攻击而失效，也使得对时间戳本身的修改无效，有效防止了时序插入和时序删除攻击对水印提取的影响。本项目提出的另一种基于数据特征权重分析的时序数据水印比较方法，采用数据特征分析，通过分析与比较时间序列数据的相对价值密度，赋予高价值密度数据点更高的数字水印权重，通过加权投票分析，保证高价值密度区域的数据安全，确保在高价值区间的水印重合更容易被监测，大幅度提升数字水印方法的可检测性和安全性。两者都是面向工业时序数据水印这一关注较少的领域，现有视频、音频数据水印方法可一定程度上运用至时序水印领域，但由于缺乏针对工业时序数据的定制优化，效果并不理想。本技术具有一定的先进性，目前属于理论研究和内部测试阶段，理论和方法基本成熟，尚未针对工程应用进行完善。

数字水印技术已经在各个领域中得到了广泛的应用，并且在未来几年内，数字水印仍然有着非常良好的发展前景。 1、随着数字媒体内容的不断增加，数字水印的应用也将会越来越广泛。数字水印技术可以被用于保护各种形式的数字媒体内容，包括图片、音频、视频、文件等等，这些媒体内容都可以通过数字水印技术进行有效的保护。 2、随着人工智能和机器学习的发展，数字水印技术也将会得到更好的应用和提升。数字水印技术可以被应用于深度学习的模型训练，以便提升模型的鲁棒性和适应性。数字水印技术还可以被应用于语音和视频识别等领域，为机器提供更加准确的信息。 3、数字水印技术还可以被用于商业和社交网络中，帮助防止信息的盗版和恶意篡改。这不仅可以保护知识产权，也可以提高信息的真实性和可信度。 总之，数字水印技术在未来的发展前景非常广阔，我们可以期待它将被广泛应用于各个领域，为我们带来更加安全、高效和可靠的数字世界。

清华四川能源互联网研究院能源大数据研究所旨在推动实施能源领域的国家大数据战略，开展面向能源生产、传输、利用等环节的大数据服务应用，挖掘能源大数据的业务价值，构建能源大数据综合生态体系。促进能源制造业的提质增效和创新发展，加快大数据技术与能源智能制造业深度融合。面向能源业和装备制造业在数据领域的重大需求，从事产学研技术成果转化落地，发挥工业大数据平台价值，助力制造企业降本增效、转型升级。团队自成立以来，共申请国内发明专利11项（已授权7项），登记软件著作权18件，获日内瓦国际发明展金奖1次。团队由中国工程院孙家广院士任指导委员会主任，清华大学软件学院王建民教授任首席科学家。孙家广，中国工程院院士，清华大学教授，长期从事计算机图形学、计算机辅助设计、软件系统建模、分析与验证及软件工程与系统的教学、研究、开发。先后在中国国内外核心学术期刊和重要国际学术会议发表论文200余篇，其中EI收录75篇，SCI收录35篇，作为第一作者著书4本。获得国家、部委科技进步奖15项，其中作为第一完成人获国家科技进步二等奖1项、三等奖2项，部委科技进步一等奖1项、二等奖5项。

数字水印的主要应用领域包括版权保护、音频和视频的数据管理、媒体广告等等。数字水印可以防止恶意用户将数字媒体进行未经授权的复制、修改和盗版。此外，在广告领域中，数字水印可以帮助广告商防范欺诈和仿冒，对于确保广告效果的真实性很重要。 现有数字水印技术通常针对关系型、文档型、视频、图像、音频的数据，时序数据管理领域的水印工作仍处于起步和探索阶段。本技术直接面向工业时序数据管理这一快速发展的领域，提出了一种具有时间戳对齐功能的时序数据水印方法及一种基于数据特征权重分析的时序数据水印比较方法，应用前景广阔，实现产业化应用后的预期效益十分显著。

转化方式：技术转让、技术许可、作价入股、合作开发、技术服务等

合作需求：在全国范围内工业互联网/工业大数据相关领域寻求应用场景，希望能与能源/装备制造行业的大中型企业开展这方面的合作研究和落地实施；并针对上述企业开展包括二次开发在内的各类实际应用，助力企业降本增效、转型升级。