一种基于数学排列组合和运算的信息数据验证方法及系统

摘要

本申请公开一种基于数学排列组合和运算的信息数据验证方法及系统。所述方法包括构建输入信息识别系统；构建信息互信语言系统；构建互信语言辞典和信息的图像像素点辞典与这两个辞典各自的自学习辞典的互信语言关联系统；构建信息互信语言多层数据库系统和信息互信比对规则和比对内涵；在实施信息互信比对时，各比对方分别对各自信息构建比对库，根据信息互信比对规则和比对内涵进行数据比对。采用本申请技术方案实现信息互信和信息表达的系统性实现方式，在保障信息保护的情况下进行互信验证和逻辑迭代，通过信息从识别到表达的全流程设计，实现信息流通与信息安全的协同工作。

说明书

技术领域

本申请涉及数据验证技术领域，尤其涉及一种基于数学排列组合和运算的信息数据验证方法及系统。

背景技术

随着战略科技的能力提升，人工智能领域得到了广泛的应用与尝试。人工智能过程中的信息安全也提上了议程，因此信息流通与信息安全成为社会认知博弈的主要因素。面对信息的复杂性、多样性、逻辑多元化等重要特征，以目前技术能力和实现方法需要长时间的探索才能满足处理这些问题的需求。鉴于此，本专利通过信息从识别到表达的全流程设计，探索信息流通与信息安全的协同。

发明内容

本申请提供了一种基于数学排列组合和运算的信息数据验证方法，包括：

构建输入信息识别系统，对接任意输入法系统、图像识别系统和语音识别系统，将任意输入法系统、图像识别系统和语音识别系统输入的信息集成至输入信息识别系统的信息库辞典中；

构建信息互信语言系统，将输入信息识别系统的信息库辞典中的信息转化为互信语言辞典和信息的图像像素点辞典，并生成互信语言代号；互信语言辞典包括信息库辞典中任意信息或任意信息组成部分转换得到的互信语言字符串代号，互信语言代号为自定义数值或根据信息的图像像素点数量设定，并包括基础库、增强库、核心库和表达库设定代号；

构建互信语言辞典和信息的图像像素点辞典与这两个辞典各自的自学习辞典的互信语言关联系统；

构建信息互信语言多层数据库系统和信息互信比对规则和比对内涵；

在实施信息互信比对时，各比对方分别对各自信息构建比对库，根据信息互信比对规则和比对内涵进行数据比对。

如上所述的基于数学排列组合和运算的信息数据验证方法，其中，对接任意输入法系统、图像识别系统和语音识别系统，包括：对接任意输入法系统中的文字、文字组成、字母、字母组合、数字、数字组合、世界文字、世界文字组成、符号、特殊符号、艺术字、艺术字组成、独创字、独创字组成、空格等具有含义的命令；对接图像识别系统对图像中文字的像素点数量、位置识别和熵识别结果；对接语音识别系统识别的语音信息内容，将上述信息存储至输入信息识别系统的信息库中；其中，图像识别系统和语音识别系统识别出的信息也对应到任意输入法系统中的文字、文字组成、字母、字母组合、数字、数字组合、世界文字、世界文字组成、符号、特殊符号、艺术字、艺术字组成、独创字、独创字组成、空格等具有含义的命令。

如上所述的基于数学排列组合和运算的信息数据验证方法，其中，所述方法还包括按照识别的文字、文字组成、字母、数字、世界文字、世界文字组成、符号、特殊符号、艺术字、艺术字组成、独创字、独创字组成、空格等具有含义的命令，通过像素点组成个数或自定义代号值，基于比对效果要求处理并修正生成自己的个性信息的图像像素点辞典和个性互信语言辞典。

如上所述的基于数学排列组合和运算的信息数据验证方法，其中，互信语言辞典包括：①任意输入信息库辞典，②任意信息或任意信息组成部分转化对应的以数字字符串、字母字符串、符号字符串、笔画字符串、偏旁字符串、文字字符串、各种文字字符串和文字组成字符串、空格标签或混合字符串的方式生成的互信语言字符串库，③直接输入信息的互信语言输入法，④互信语言输入法与任意输入法的适配关联系统。

如上所述的基于数学排列组合和运算的信息数据验证方法，其中，互信语言字符串的生成规则是互信语言辞典的代号或信息的图像像素点辞典代号以对应的数字字符串、字母字符串、符号字符串、笔画字符串、偏旁字符串、文字字符串、各种文字字符串和文字组成字符串、空格标签或混合字符串等进行代号的单个字符横向顺序排列和组合字符横向顺序排列或横向随机排列。

如上所述的基于数学排列组合和运算的信息数据验证方法，其中，生成的互信字符串具体为将具有含义的信息、信息组成和命令像素化像素点数量代号或定义代号，并记录各自像素点数量或定义数值作为代号，按照各种具有含义的命令的各自特点代号以可拆分单元分层制定库，同时记录可拆分单元代号单字符的横向顺序排列或随机排列。

如上所述的基于数学排列组合和运算的信息数据验证方法，其中，对文字、世界文字、字母组合、数字组合、符号、特殊符号、艺术字、独创字、空格等具有含义的命令的任意数字代号库或像素点数字代号，作为基础库；对文字拆分组成、字母组合拆分、数字组合拆分、世界文字组成、符号、特殊符号、艺术字组成、独创字组成、空格等具有含义的命令的数字代号或像素点代号库，作为加强库；对文字组成、字母、数字、世界文字组成、符号、特殊符号、艺术字组成、独创字组成、空格等具有含义的命令的最小单元组成的数字代号或像素点代号库，作为核心库；对以上三种数字代号表达实际词组、短句、段落的数字代号或像素点代号组合，作为表达校验库。

如上所述的基于数学排列组合和运算的信息数据验证方法，其中，在对库进行存储时采用对代号字符串横向拆分代号字符串单元方式进行存储，并分别构建与辞典或个性辞典对接的顺序存储库和应用库，应用库采用随机排列横向拆分代号字符串单元方式进行存储和应用调用。

如上所述的基于数学排列组合和运算的信息数据验证方法，其中，辞典由有序的基础库代号、增强库代号、核心库代号、校验库代号组成；通过自学习的个性信息的图像像素点辞典和个性互信语言辞典是通过根据比对效果要求的修正的像素点数作为辞典或修正定义值作为辞典，包含有序基础库代号、增强库代号、核心库代号、校验库代号。

如上所述的基于数学排列组合和运算的信息数据验证方法，其中，构建互信语言关联系统是指客户导入的信息生成互信语言后的数据库存储关联系统，进行代号字符串传输和比对后的反馈确认关联系统，获取数据标签与代号字符串的关系数据库，对接数据标签交易的结算系统；为了便于存储、搜索和传输，也可以根据基础库字符间加、减、乘关系结合顺序关系设置组合字符串的多种增强库，并制定增强库便于搜索和比对的特征。

如上所述的基于数学排列组合和运算的信息数据验证方法，其中，构建信息互信语言多层数据库系统，具体包括构建统称数据十十辞典的互信语言数据库矩阵系统、构建数据十十字符串比对的互信语言数据库矩阵系统。

如上所述的基于数学排列组合和运算的信息数据验证方法，其中，构建信息互信比对规则和比对内涵，具体为：各个比对方分别构建比对数据库核心库矩阵架构、比对数据库增强库数据库、比对数据库基础库矩阵架构和比对内涵数据库；实施信息互信比对，通过矩阵方式进行双方或多方的数据库比对；矩阵比对采用比对各方字符串中含同一字符的个数、字符输入的顺序或部分顺序，按照多层库各自的比对规则进行比对。

如上所述的基于数学排列组合和运算的信息数据验证方法，其中，所述方法还包括构建验证后的内涵和互信语言的关联自学习系统，具体包括如下子步骤：

构建互信语言自学习测试系统，通过测试信息的比对准确度、模糊度、需求要求、表达一致度要求，对辞典代号进行优化和升级，并生成个性互信语言辞典，保障不同需求场景的适用性；

构建像素点数自学习测试系统，实现信息图像像素点辞典像素点数的优化升级并改造原辞典像素点代号生成个性信息图像像素点辞典；

构建创新语言辞典，即结合原代号辞典、像素点代号辞典，形成个性化的可成长的信息辞典的同时，构建创新文字的信息辞典并生成互信语言辞典及图像像素点辞典。

如上所述的基于数学排列组合和运算的信息数据验证方法，其中，还包括构建人工智能信息比对后输出的信息表达语言系统，具体包括如下子步骤：

根据创新语言辞典、个性互信语言辞典或个性图像像素点辞典构建人工智能表达系统；

根据创新语言辞典、个性互信语言辞典或个性图像像素点辞典与原辞典的熵增构建人工智能意识表达系统；

根据创新语言辞典、个性互信语言辞典或个性图像像素点辞典和意识表达系统构建语言表达系统，并设置比对回答的应答机制；

借助语言关联的信息发音，实现语音发音表达；

根据语言关联的信息图像数据库，将语义以图像的方式进行表达和展示；

按照语言关联的行为动作的参数设置，进行人工智能的动作表达；

根据语义校验表达过程中的自学习，实现对语义的理解和认识，并表达相应的含义的语言。

如上所述的基于数学排列组合和运算的信息数据验证方法，其中，还包括构建区块链数据传输系统，具体包括：

以核心库、增强库、基础库、语义验证库构建区块链数据；

在同一个库中，同一代号代表的不同数据，因此鉴于其代号随机且不可逆的特点，将库的组成字符和同一个字符的个数或其它库代号传输到分布式终端设备或者分布式数据库进行存储，便于终端设备或者服务器在各比对方离线状态下的数据彼此验证；同时对库的代号，即数据的组成字符和同一个字符的个数矩阵，采用其它加密方式进行辅助加密传输、存储和比对；同时，以创新语言辞典、个性互信语言辞典或个性图像像素点辞典作为自区块链构建库，并采用同样的矩阵方式，结合其它加密方式作为辅助构建区块链比对数据库。

如上所述的基于数学排列组合和运算的信息数据验证方法，其中，所述方法应用于量子信息、量子成像、计算机协议、网络协议、数据库存储、终端设备及软件领域。

本申请还提供一种基于排列组合的数学验证系统，所述系统执行上述任一项所述的基于数学排列组合和运算的信息数据验证方法。

本申请实现的有益效果如下：采用本申请技术方案实现信息互信和信息表达的系统性实现方式，在保障信息保护的情况下进行互信验证和逻辑迭代，通过信息从识别到表达的全流程设计，实现信息流通与信息安全的协同工作。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1是本申请实施例一提供的一种基于数学排列组合和运算的信息数据验证方法流程图；

图2是本申请构建的辞典示例；

图3为构建信息互信语言多层数据库系统示意图；

图4为甲乙两个平台进行信息比对示意图。

具体实施方式

下面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。

实施例一

本申请实施例一提供一种基于数学排列组合和运算的信息数据验证方法，如图1所示，包括：

步骤110、构建输入信息识别系统，对接任意输入法系统、图像识别系统和语音识别系统，将任意输入法系统、图像识别系统和语音识别系统输入的信息集成至输入信息识别系统的信息库辞典中；

本申请构建的输入信息识别系统可以直接接收任意输入法系统、图像识别系统和语音识别系统输入的信息，也可以将输入信息识别系统分别设置在任意输入法系统、图像识别系统和语音识别系统中，实现对各种系统信息的识别；

具体地，对接任意输入法系统、图像识别系统和语音识别系统，包括：对接任意输入法系统中的文字、文字组成、字母、字母组合、数字、数字组合、世界文字、世界文字组成、符号、特殊符号、艺术字、艺术字组成、独创字、独创字组成、空格等具有含义的命令；对接图像识别系统对图像中文字的像素点数量、位置识别和熵识别结果；对接语音识别系统识别的语音信息内容，将上述信息存储至输入信息识别系统的信息库中；其中，图像识别系统和语音识别系统识别出的信息也对应到任意输入法系统中的文字、文字组成、字母、字母组合、数字、数字组合、世界文字、世界文字组成、符号、特殊符号、艺术字、艺术字组成、独创字、独创字组成、空格等具有含义的命令；

其中，图像像素点具体为图像、动图、视频及其他图像形式的像素点，图像形式包括但不限于图像流、动图流和视频流，图像像素点具有颜色值、位置值、alpha值等组成因子，实现了不同加密方式的组合，其中，图像颜色可以由任意一种图像生产算法中对颜色的定义来表示，例如RGB颜色模式、HSB颜色模式、CMYK模式、YCP模式等，在此不作限定。

另外，也可以按照识别的文字、文字组成、字母、数字、世界文字、世界文字组成、符号、特殊符号、艺术字、艺术字组成、独创字、独创字组成、空格等具有含义的命令，通过像素点组成个数或自定义代号值，基于比对效果要求处理并修正自己的个性信息的图像像素点辞典和个性互信语言辞典。

步骤120、构建信息互信语言系统，将输入信息识别系统的信息库辞典中的信息转化为互信语言辞典和信息的图像像素点辞典，并生成互信语言代号；互信语言辞典包括信息库中任意信息或任意信息组成部分转换得到的互信语言字符串，互信语言代号为自定义数值或根据像素点数量设定，并包括基础库、增强库、核心库和表达库设定代号；

具体地，将输入信息识别系统的信息库中的文字、文字组成、字母、字母组合、数字、数字组合、世界文字、世界文字组成、符号、特殊符号、艺术字、艺术字组成、独创字、独创字组成、空格等具有含义的命令生成互信语言辞典和互信语言代号；

互信语言辞典包括：①任意输入信息库辞典，②任意信息或任意信息组成部分转化对应的以数字字符串、字母字符串、符号字符串、笔画字符串、偏旁字符串、文字字符串、各种文字字符串和文字组成字符串、空格标签或混合字符串的方式生成的互信语言字符串库，③直接输入信息的互信语言输入法，④互信语言输入法与任意输入法的适配关联系统；

其中，互信语言字符串的生成规则是互信语言辞典的代号或信息的图像像素点辞典代号以对应的数字字符串、字母字符串、符号字符串、笔画字符串、偏旁字符串、文字字符串、各种文字字符串和文字组成字符串、空格标签或混合字符串等进行代号的单个字符横向排列或组合字符横向顺序排列或横向随机排列；

以下以数字字符串生成互信语言字符串的方式为例，其他任意字符串的生成逻辑与数字字符串生成方式类似；具体地，将具有含义的信息、信息组成和命令像素化像素点数量代号或定义代号，并记录各自像素点数量或定义数值作为代号，按照各种具有含义的命令的各自特点代号以可拆分单元分层制定库，同时记录可拆分单元代号单字符的横向顺序排列或随机排列；

其中，按照可拆分单元的像素点数量可用于构建个性互信语言，按照定义数值记录的库具体为：定义任意输入文字、文字组成、字母、字母组合、数字、数字组合、世界文字、世界文字组成、符号、特殊符号、艺术字、艺术字组成、独创字、独创字组成、空格等具有含义的命令的数字代号，并按照各自输入的组成顺序录入代号顺序，也可以随机顺序录入，但考虑实现的便捷性，优选采用顺序录入方式；

具体地，对文字、世界文字、字母组合、数字组合、符号、特殊符号、艺术字、独创字、空格等具有含义的命令的任意数字代号库或像素点数字代号，作为基础库；对文字拆分组成(汉语偏旁部首)、字母组合拆分、数字组合拆分、世界文字组成、符号、特殊符号、艺术字组成、独创字组成、空格等具有含义的命令的数字代号库，作为加强库；对文字组成、字母、数字、世界文字组成、符号、特殊符号、艺术字组成、独创字组成、空格等具有含义的命令的最小单元组成的数字代号或像素点代号库，作为核心库；对以上三种数字代号表达实际词组、短句、段落的数字代号或像素点代号组合，作为表达校验库。

在对库进行存储时采用对代号字符串横向拆分代号字符串单元方式进行存储，并分别构建与辞典或个性辞典对接的顺序存储库和应用库，应用库采用随机排列横向拆分代号字符串单元方式进行存储和应用调用；例如所有代号均使用横向拆随机排列的方式进行使用，如：“1881001”在使用过程中随机变化为“0”、“1”、“8”、“1”、“8”、“0”、“1”，在需要按照顺序进行排列时，可另行添加标签标注；具体地，应用库构建方法具体包括：

①基础库的构建方法具体为：以任意数字代号作为辞典的单个信息的代号表达，解决快速搜索问题，也就是锁定信息代号关联信息，因此可以根据实际需要，在使用同一个代号时对应多个单个信息(每单个信息根据这一代号中的元素进行无序排列)，例如选择6位或7位代号，如：1881001，代表一个信息标识“你”的代号；

进一步地，基础库还包括自学习功能，即自学习基础库，其构建方法是通过图像识别处理软件，识别出来的任意单个信息和空格图像像素点组成个数为代号表达，此方案解决快速搜索问题，也就是锁定信息代号关联信息，根据实际需要在使用同一个代号时对应多个单个信息，解决基础库自学习问题，通过使用过程中的相似度要求，自动优化和调整辞典代号规则，并生成新的辞典单个信息的像素点组成。

②加强库的构建方法具体为：以任意数字代号作为辞典的单个信息的拆分代号表达，如：9871230711，代表一个信息标识“你”的“宝盖头”、“单立人”、“点”、“竖钩”、“撇”代号分别为“98”、“71”、“23”、“07”、“11”；在这种方案中，主要解决快速搜索后的部分确认，因此可以根据实际需要，在使用同一个代号时对应多个拆分代号或者唯一对应拆分代号，通过两者进行有效地调解来满足使用代号的长度需要，也可以选择性混入最小拆分单位，如：“点”、“竖钩”、“撇”，达到代号平衡的目的。

进一步地，加强库还包括自学习功能，即自学习加强库，通过图像识别处理软件，识别出来的任意单个信息拆分组合和空格图像像素点组成个数为代号表达，如：9871230711，代表一个信息标识“你”的“宝盖头”、“单立人”、“点”、“竖钩”、“撇”代号“98”、“71”、“23”、“07”、“11”；此方案主要解决快速搜索后的部分确认，因此可以根据实际需要，在使用同一个代号时对应多个拆分代号或者唯一对应拆分代号，通过两者进行有效地调解来满足使用代号的长度需要，同时此方案用于解决自学习问题，通过使用过程中的相似度要求，自动优化和调整辞典代号的拆分组合规则，并生成新的单个信息拆分组合的像素点个数分配方式，提升加强库的效率和解决实际问题；另外也可以选择性混入最小拆分单位，如：“点”、“竖钩”、“撇”。达到代号平衡的目的。

③核心库的构建方法具体为：以人信息最小组成单位组建任意代号表达，如：“你”的拆分表达为“撇”、“竖”、“撇”、“横折”、“竖钩”、“撇”、“捺”，代号为“21”、“11”、“21”、“17”、“20”、“21”、“71”；在这个方案中，通过最小组成单位的代号的最小表达：“2”、“1”、“1”、“1”、“2”、“1”、“1”、“7”、“2”、“0”、“2”、“1”、“7”、“1”，进行随机排列无序表达；

进一步地，核心库还包括自学习功能，即自学习核心库，通过图像识别处理软件，识别出来的信息最小组成单位像素点个数组建代号表达，如：“你”的拆分表达为“撇”、“竖”、“撇”、“横折”、“竖钩”、“撇”、“捺”，代号为“21”、“11”、“21”、“17”、“20”、“21”、“71”；此方案主要解决模糊比对，因此可以根据实际需要，在使用同一个代号时对应多个最小代号或者唯一对应最小代号，通过两者进行有效地调解来满足使用整体代号的长度需要，同时此方案用于解决自学习问题，通过使用过程中的相似度要求，自动优化和调整辞典代号的最小代号规则，并生成新的最小代号像素点个数分配方式，提升核心库的效率和控制模糊度；另外也可以选择性加入“0-9”常数，达到代号模糊度与需求匹配的目的。

④表达校验库的构建方法具体为：以基础库方式构建表达校验库，将具有内涵的词组、短句、段落进行以单个信息构建组合库，在输入比对和输出结果时，通过表达校验库进行校验和修订，并根据修订结果，通过自学习的方式，根据需要的相似度比例优化辞典的代号规则和自学习辞典的中单信息的像素点个数规则。

返回参见图1，步骤130、构建互信语言辞典和信息的图像像素点辞典与这两个辞典各自的自学习辞典的互信语言关联系统；

图2为本申请构建的辞典示例。辞典和自学习辞典，具体包括：

①辞典的构建和子库的构建，辞典由有序的基础库代号、增强库代号、核心库代号、校验库代号组成，通过自学习的个性信息的图像像素点辞典和个性互信语言辞典是通过根据比对效果要求的修正的像素点数作为辞典或修正定义值作为辞典，包含有序基础库代号、增强库代号、核心库代号、校验库代号；在应用过程中也可采用无序的基础库代号、增强库代号、核心库代号、校验库代号：

基础库和核心库任意代号规则：具有相同代号元素的，如与你“7”、“8”、“9”、“1”、“0”、“0”、“0”相同但无序的归为同一个子库。

增强库任意代号规则：与基础库原理相同，但在使用过程中可以增加第几个笔画作为增强库的另一种表达，比如，“你”字的第七笔是“捺”作为增强判断依据，并根据实际需要，控制增强库的个数。

②自学习辞典是通过像素点数作为辞典的，辞典包含有序基础库代号、增强库代号、核心库代号、校验库代号，使用过程中采用无序基础库代号、增强库代号、核心库代号、校验库代号。

像素点数代号规则：在使用过程中，作为自学习辞典，通过有序辞典和无序辞典的交叉验证，修订和升级每个单位信息的组成元素的像素点组成，并根据实际需要，按照学习效果生成新的单位信息即创造新语言。

本步骤中，构建互信语言关联系统是指客户导入的信息生成互信语言后的数据库存储关联系统，进行代号字符串传输、搜索和比对后的反馈确认关联系统，获取数据标签与代号字符串的关系数据库，对接数据标签交易的结算系统；为了便于存储、搜索和传输，也可以根据基础库字符间加、减、乘关系结合顺序关系设置组合字符串的多种增强库，并制定增强库便于搜索和比对的特征。

步骤140、构建信息互信语言多层数据库系统；

图3为构建信息互信语言多层数据库系统示意图。构建信息互信语言多层数据库系统，具体包括如下子步骤：

步骤141、构建数据十十辞典的互信语言数据库矩阵系统；

如下表1所示，辞典核心库的构建采用有序矩阵，即按照笔画或代号顺序录入和存储：

表1

如下表2所示，辞典增强库的构建采用有序矩阵，即按照偏旁部首或者自定义组合的数值或代号值位置录入和存储：

表2

如下表3所示，辞典基础库的构建采用无序矩阵，即按像素点总和或者像素点组合总和或者代号进行无序构建：

表3如下表4所示，辞典语义验证库的构建采用有序矩阵，即按照单信息代号进行有序录入：

表4

步骤142、构建数据十十字符串比对的互信语言数据库矩阵系统；

如下表5所示，比对核心库的构建采用无序矩阵：即将辞典核心库单位数值进行随机录入和存储：

表5

如下表6所示，比对增强库的构建采用无序矩阵，即不按照组合代号或代号的所在位置录入和存储：

表6

如下表7所示，比对基础库的构建采用无序矩阵，即按像素点总和或者像素点组合总和或者代号进行无序构建：

表7

如下表8所示，比对语义验证库的构建采用有序矩阵，即按照单信息代号进行有序录入：

表8

返回参见图1，步骤150、构建信息互信比对规则和比对内涵；

本申请实施例中，构建信息互信比对规则和比对内涵，具体为：各个比对方分别构建比对数据库核心库矩阵架构、比对数据库增强库数据库、比对数据库基础库矩阵架构和比对内涵数据库；实施信息互信比对，通过矩阵方式进行双方或多方的数据库比对；矩阵比对采用比对各方字符串中含同一字符的个数、字符输入的顺序或部分顺序，按照多层库各自的比对规则进行比对。

图4为甲乙两个平台进行信息比对示意图。具体地，构建的比对数据库核心库矩阵架构以单信息为例，构建单位数值0-9和具有个数的矩阵库；构建的比对数据库增强库数据库是以组合代号的标识，作为无序数据内容；构建的比对数据库基础库，以无序代号标识进行同类素归库处理，具有相同单个数值因素组成的信息归为基础库的同一个子库；构建的比对内涵数据库，以具有内涵意义的信息代号，按照单个信息有序无序均可的方式，对单个信息进行校验，同时为自学习需要使用的信息输出系统和表达语言系统提供输出和表达纠错。

另外，根据实际需要，可以选择性比对双方平台具有顺序排位的代号，达到可控比对的效果。

步骤160、在实施信息互信比对时，各比对方分别对各自信息构建比对库，根据信息互信比对规则和比对内涵进行数据比对。

本申请实施例中，所述方法还包括构建验证后的内涵和互信语言的关联自学习系统，具体包括如下子步骤：

Step11、构建互信语言自学习测试系统，通过测试信息的比对准确度、模糊度、需求要求、表达一致度要求，对辞典代号进行优化和升级，，并生成个性互信语言辞典保障不同需求场景的适用性；

Step12、构建像素点数自学习测试系统，实现信息图像像素点辞典像素点数的优化升级并改造原辞典像素点代号生成个性信息图像像素点辞典；

另外，也可以在核心库和增强库创造新的像素点语言，即根据自学习结果改变库中文字、文字组成、字母、数字、世界文字、世界文字组成、符号、特殊符号、艺术字、艺术字组成、独创字、独创字组成、空格等具有含义的命令的像素点数值和代号数值。

Step13、构建创新语言辞典，即结合原辞典、创新像素点语言辞典，形成个性化的可成长的语言辞典，并构建创新文字的信息辞典并生成互信语言辞典及图像像素点辞典。

另外，本申请实施例还包括构建人工智能信息比对后输出的信息表达语言系统，具体包括如下子步骤：

Step21、根据创新语言辞典、个性互信语言辞典或个性图像像素点辞典构建人工智能表达系统；

人工智能表达系统包括但不限于文字语言表达、语音发音表达、图像表达、行为表达和语义表达。

Step22、根据创新语言辞典、个性互信语言辞典或个性图像像素点辞典与原辞典的熵增构建人工智能意识表达系统；

Step23、根据创新语言辞典、个性互信语言辞典或个性图像像素点辞典和意识表达系统构建语言表达系统，并设置比对回答的应答机制；

Step24、根据语言关联的图像数据库，将语义以图像的方式进行表达和展示；

Step25、按照语言关联的行为动作的参数设置，进行人工智能的动作表达；

Step26、根据语义校验表达过程中的自学习，实现对语义的理解和认识，并表达相应的含义的语言。

本申请还包括构建区块链数据传输系统，具体包括：

以核心库、增强库、基础库、语义验证库构建区块链数据；在同一个库中，同一代号代表的不同数据，因此鉴于其代号随机且不可逆的特点，将库的组成字符和同一个字符的个数或其它库代号传输到分布式终端设备或者分布式数据库进行存储，便于终端设备或者服务器在各比对方在离线状态下的数据彼此验证；

本申请实施例中可以对库的代号，即数据的组成字符和同一个字符的个数矩阵，采用其它加密方式进行辅助加密传输、存储和比对；同时，以创新语言辞典、个性互信语言辞典或个性图像像素点辞典作为自区块链构建库，并采用同样的矩阵方式，结合其它加密方式作为辅助构建区块链比对数据库；并可以在未授权设备中进行区块数据存储；以库代号为区块数据的方式，可以做到统一管理、分布存储、分布验证、未授权存储验证和离线使用，还可以进行自学习，使同一数据根据不同情况要求，进行可控的区块链数据校验和互信；通过库实现的即时数据交易，既能够保障隐私性，又可以达到验证性的目的。

另外，通过对身份、时间、位置、设备身份、应用身份、生日等数据的类型作为区块规则，实现信息价值互信的共识，也可以以个性语言辞典作为自区块链构建库，采用Step12-16方式进行自区块链的构建和实现信息价值互信的共识。

本申请技术方案可以应用于量子信息、量子成像、计算机协议、网络协议、数据库存储、终端设备及软件等领域应用的使用；量子信息和量子成像过程中的数据处理方式、传输方式、存储方式和协议方式及相应的软件包括成像软件、硬件设备包括成像硬件，均可通过上述方法进行数据处理；计算机操作系统、输入法、网络协议、数据处理、数据传输、数据存储和数据协议及相关软件包括成像软件、硬件包括成像硬件，也均可通过上述方法进行数据处理。

本申请还提供一种基于数学排列组合和运算的信息数据验证及系统，所述系统执行上述基于数学排列组合和运算的信息数据验证方法。

以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。