1.一种基于边缘计算的传感云数据安全低成本存储方法，其特征在于，包括：底层传感器将收集的数据发送至边缘服务器；

所述边缘服务器对接收的传感数据进行预处理，利用差分算法把传感数据分为元数据与残差两部分；其中残差为原始传感数据与元数据的偏差；

所述边缘服务器对元数据与残差进行加密，并将残差发送至云端服务器进行存储，并将元数据部分存储在边缘服务器，另一部分发送至本地服务器存储；

所述差分算法包括低误差差分算法，具体为获取使偏差达到最小的数据作为元数据，如下：

其中，x为使偏差Re达到最小的数据，x1，x2，…，xn表示传感数据数据对象中的某个属性值，n表示属性个数；

所述差分算法包括基于聚类的差分算法，具体包括：令X＝{X1,X2,…,Xi,…,Xn}作为一个样本集，其中包括n个对象数据，每个样本具有p个属性，即Xi＝{Xi1，Xi2,…,Xip}；首先对样本集进行抽样，并根据BWP指标选择在[kmin,kmax]范围内的最佳聚类数kopt，其中，kmin＝2，将该样本集划分为kopt个簇，即 每个簇中包含b个样本，将簇中心设置为 空间中两个点的欧氏距离可以被定义如下：空间中任意两点之间的平均距离定义为样本之间的距离除以次数之和，这两个样本是从样本集中任意选取的，表示如下：其中， 为排列组合的表示方法，即在n个点中任取两个点的取法个数；

定义样本Xi的密度Dens(Xi)为：以Xi为中心，以α×avgDist为半径画圆中包含的数据对象，即当满足条件d(Xi，Xj)≤α×avgDist时，count()函数累计递增1，α表示半径调整系数，默认为1，如下：

样本集X的平均密度被定义为：

高密度点集定义为数据对象的集合，这些数据对象的密度是样本集X平均密度的倍数，表示如下：

D＝{Xh}

其中，Xh((Xh)∈X)是满足Dens(Xh)≥β×avgDens的数据对象，表示高密度点，β为密度调整系数，默认为1；样本集X的簇中心为X的平均值，定义如下：由此将获得的每个簇中心作为元数据，并由相应的元数据计算出残差。