CN110569909A - 基于区块链的故障预警方法、装置、设备及存储介质 - Google Patents
基于区块链的故障预警方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110569909A CN110569909A CN201910854380.8A CN201910854380A CN110569909A CN 110569909 A CN110569909 A CN 110569909A CN 201910854380 A CN201910854380 A CN 201910854380A CN 110569909 A CN110569909 A CN 110569909A
- Authority
- CN
- China
- Prior art keywords
- target
- fault
- data
- block chain
- analysis model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Pathology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种基于区块链的故障预警方法、装置、设备及存储介质,属于区块链技术领域。本申请通过获取被预测对象的预测请求,基于该预测请求中被预测对象的公钥和检测数据类别,从区块链中获取目标数据,由于存储在区块链中的数据不可篡改,可以有效的确保获取到的目标数据真实有效,将该目标数据和该被预测对象的当前症状输入目标故障分析模型,基于该目标故障分析模型的分析结果,得到故障预警信息。在这种故障预警方法中,无需被预测对象自行提供以往的数据记录,可以由区块链系统自动获取被预测对象的各类数据,不会出现数据遗漏的情况,从而避免因被预测对象数据不全而对故障预警结果造成影响。
Description
技术领域
本申请涉及区块链技术领域,特别涉及一种基于区块链的故障预警方法、装置、设备及存储介质。
背景技术
获取到准确的故障预警信息,有助于被预测对象及时消除故障,故障预警技术可以应用于多个领域,例如,在医疗健康领域,当被预测对象,也即是用户想了解自己的当前状况时,通常需要去医院就诊,由医生基于用户的当前症状以及用户提供的历史数据进行诊断,得出诊断结论,对用户进行故障预警,但是用户提供的历史数据往往并不全面,且许多故障的产生与用户的饮食习惯、工作强度等也有重要关系,在诊断过程中,这些数据难以得到,用户数据的缺失会对故障预警的准确率造成巨大影响。因此,如何全面获取被预测对象的数据,以提高故障预警的准确率,是目前的一个重要研究方向。
发明内容
本申请实施例提供了一种基于区块链的故障预警方法、装置、设备及存储介质,可以解决相关技术中故障预警结果准确率低的问题。该技术方案如下:
一方面,提供了一种基于区块链的故障预警方法,该方法包括:
接收被预测对象的预测请求,该预测请求中携带包括该被预测对象的公钥、该被预测对象的故障信息以及检测数据类别;
基于该被预测对象的公钥以及该检测数据类别,从该区块链系统中获取该被预测对象的目标数据,该目标数据包括该被预测对象的公钥,且属于该检测数据类别;
将该目标数据和该故障信息输入该区块链系统中的目标故障分析模型,由该目标故障分析模型对该目标数据和该故障信息进行分析,基于该目标故障分析模型的分析结果输出故障预警信息。
一方面,提供了一种基于区块链的故障预警装置,该装置包括:
接收模块,用于接收被预测对象的预测请求,该预测请求中携带包括该被预测对象的公钥、该被预测对象的故障信息以及检测数据类别;
目标数据获取模块,用于基于该被预测对象的公钥以及该检测数据类别,从该区块链系统中获取该被预测对象的目标数据,该目标数据包括该被预测对象的公钥,且属于该检测数据类别;
信息输出模块,用于将该目标数据和该故障信息输入该区块链系统中的目标故障分析模型,由该目标故障分析模型对该目标数据和该故障信息进行分析,基于该目标故障分析模型的分析结果输出故障预警信息。
在一种可能实现方式中,该装置还包括:
数据记录生成模块,用于基于该被预测对象的行为,生成数据记录,一条该数据记录对应于一种数据类别;
存储模块,用于基于共识机制,将该数据记录存储至该区块链系统的区块链上。
一方面,提供了一种计算机设备,该计算机设备包括一个或多个处理器和一个或多个存储器,该一个或多个存储器中存储有至少一条程序代码,该至少一条程序代码由该一个或多个处理器加载并执行以实现该基于区块链的故障预警方法所执行的操作。
一方面,提供了一种计算机可读存储介质,该计算机可读存储介质中存储有至少一条程序代码,该至少一条程序代码由处理器加载并执行以实现该基于区块链的故障预警方法所执行的操作。
本申请实施例提供的技术方案,通过获取用户的预测请求,基于该预测请求中被预测对象的公钥和检测数据类别,从区块链中获取目标数据,由于存储在区块链中的数据不可篡改,可以有效的确保获取到的目标数据真实有效,将该目标数据和该被预测对象的当前故障输入目标故障分析模型,基于该目标故障分析模型的分析结果,得到故障预警信息。在这种故障预警方法中,无需被预测对象自行提供以往的数据记录,可以由区块链系统自动获取被预测对象的各类数据,不会出现数据遗漏的情况,从而避免因数据不全而对故障预警结果造成影响。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种基于区块链的故障预警方法的实施环境示意图;
图2是本申请实施例提供的一种基于区块链的故障预警方法的流程图;
图3是本申请实施例提供的一种模型应用方式的示意图;
图4是本申请实施例提供的一种模型训练方法的流程图;
图5是本申请实施例提供的一种基于区块链的故障预警装置的结构示意图;
图6是本申请实施例提供的一种终端的结构示意图;
图7是本申请实施例提供的一种服务器的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
图1是本申请实施例提供的一种基于区块链的故障预警方法的实施环境示意图,参见图1,该实施环境可以包括多个计算机设备,该多个计算机设备可以为区块链系统中的多个节点设备,区块链系统中的任意一个节点设备均可以执行本申请实施例提供的故障预警方法中的一个或多个步骤。该多个计算机设备可以为属于同一个机构的多个节点设备,也可以属于不同的机构的多个节点设备。例如,该多个计算机设备可以均属于医疗机构,该医疗机构中的每个部门对应于其中的至少一个计算机设备,或者该多个计算机设备中的至少一个计算机设备为用户设备,至少一个计算机设备属于医疗机构,当然,还可以有至少一个计算机设备属于其他机构,例如,消费机构等。
上述多个计算机设备可以为服务器,也可以为终端,本申请实施例对此不做具体限定。
为了便于理解本申请实施例的技术过程,下面对本申请实施例所涉及的一些名词进行解释:
区块链(Blockchain):是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层。
区块链底层平台可以包括用户管理、基础服务、智能合约以及运营监控等处理模块。其中,用户管理模块负责所有区块链参与者的身份信息管理,包括维护公私钥生成(账户管理)、密钥管理以及用户真实身份和区块链地址对应关系维护(权限管理)等,并且在授权的情况下,监管和审计某些真实身份的交易情况,提供风险控制的规则配置(风控审计);基础服务模块部署在所有区块链节点设备上,用来验证业务请求的有效性,并对有效请求完成共识后记录到存储上,对于一个新的业务请求,基础服务先对接口适配解析和鉴权处理(接口适配),然后通过共识算法将业务信息加密(共识管理),在加密之后完整一致的传输至共享账本上(网络通信),并进行记录存储;智能合约模块负责合约的注册发行以及合约触发和合约执行,开发人员可以通过某种编程语言定义合约逻辑,发布到区块链上(合约注册),根据合约条款的逻辑,调用密钥或者其它的事件触发执行,完成合约逻辑,同时还提供对合约升级注销的功能;运营监控模块主要负责产品发布过程中的部署、配置的修改、合约设置、云适配以及产品运行中的实时状态的可视化输出,例如:告警、监控网络情况、监控节点设备健康状态等。
平台产品服务层提供典型应用的基本能力和实现框架,开发人员可以基于这些基本能力,叠加业务的特性,完成业务逻辑的区块链实现。应用服务层提供基于区块链方案的应用服务给业务参与方进行使用。
共识机制(Consensus mechanism):是区块链系统中实现不同节点之间建立信任、获取权益的数学算法。在区块链系统中,通过特殊节点的投票,可以在很短的时间内完成对交易的验证和确认,对一笔交易,如果利益不相干的若干个节点能够达成共识,就可以认为系统中的全部节点对此也能够达成共识。
智能合约(Smart contract):是一种旨在以信息化方式传播、验证或执行合同的计算机协议。区块链系统中的各个节点根据特定条件自动执行的合约程序,可以对链上存储的数据进行操作,是用户与区块链进行交互、利用区块链实现业务逻辑的重要途径。智能合约的目的是提供优于传统合约的安全方法,并减少与合约相关的其他交易成本,它允许在没有第三方的情况下进行可信交易,这些交易可追踪且不可逆转。
公钥(Public Key)与私钥(Private Key):是通过一种算法得到的一个密钥对(即一个公钥和一个私钥),公钥是密钥对中公开的部分,私钥则是非公开的部分。公钥通常用于加密数据、验证数字签名等。通过这种算法能够确保得到的密钥对是唯一的,使用这种密钥对的时候,如果用其中一个密钥加密一段数据,必须用另一个密钥解密,例如,用公钥加密数据就必须用私钥解密,如果用私钥加密也必须用公钥解密,否则解密将不会成功。
图2是本申请实施例提供的一种基于区块链的故障预警方法的流程图,该故障预警方法可以应用于该区块链系统中的任一节点设备,参见图2,该实施例具体可以包括以下步骤:
201、第一节点设备基于被预测对象的行为,生成数据记录,一条数据记录对应于一种数据类别。
其中,该被预测对象可以为任一用户,该数据记录可以是基于被预测对象的任一种行为所生成的数据记录,例如,该被预测对象的行为可以为就诊、购物、用餐等,该数据记录可以包括就诊记录、消费记录、饮食记录、体检报告、工作信息等。当然,该数据记录还可以包括该被预测对象的公钥,一个公钥可以用于唯一地标识一个被预测对象。
在本申请实施例中,该第一节点设备可以为该区块链系统中的任一节点设备,该第一节点设备可以属于任一机构,例如学校、医院、体检中心、餐饮机构等。例如,该第一节点设备可以为医院所对应的节点设备,当被预测对象在该医院就诊时,该医院所对应的第一节点设备可以获取该被预测对象的挂号信息,基于该挂号信息生成一条就诊记录,该被预测对象就诊完成时,该第一节点设备可以获取本次就诊的诊断信息,生成治疗记录以及用药记录。
202、该第一节点设备基于共识机制,将该数据记录存储至该区块链系统的区块链上。
在区块链技术中,数据可以采用电子记录的形式储存在区块中,在本申请实施例中,该第一节点设备可以将一段时间内采集到的数据记录打包,并生成目标区块,由该区块链系统对该目标区块进行共识,该目标区块通过共识后,该目标区块中的数据记录可以扩散至该区块链系统中的任一节点设备。需要说明的是,该同步至区块链系统中任一节点设备上的数据记录还可以是经过脱敏后的数据记录,也即是,该方法还可以包括:对采集到的数据记录进行脱敏处理,得到脱敏处理后的数据记录。通过从数据记录中删除实际金额、购买物品等信息,可以保证被预测对象的隐私安全。
在一种可能实现方式中,该第一节点设备生成该目标区块的过程可以为:将区块链中最后一个区块称为上一区块,第一节点设备可以从区块链中获取该上一区块的所有信息,从而可以基于该上一区块的所有信息,生成上一区块的区块头特征值,并对需要存入该目标区块中的被预测对象的公钥、数据记录等进行特征值计算,得到该目标区块的区块主体特征值,进而,该第一节点设备可以将上一区块的区块头特征值、目标区块的区块主体特征值存储至目标区块的区块头,并将被预测对象的公钥、数据记录等存储至目标区块的区块主体,从而生成目标区块。这样该上一区块和目标区块通过上一区块的区块头特征值相关,可以实现在区块链中区块串联起来的目的,使得后一个区块能够用于验证前一个区块是否正确。需要说明的是,上述对区块生成过程的说明仅是一种区块生成方式的示例性描述,本申请实施例对具体采用哪种区块生成方式不做限定。
该第一节点设备生成该目标区块后,该区块链系统可以对该目标区块进行共识,来确定该目标区块中的信息是否准确,也即是对该目标区块中的信息进行验证。在一种可能实现方式中,该第一节点设备生成该目标区块后,可以向其他节点设备广播该目标区块,其他节点设备可以对该目标区块进行验证,并各自在该区块链系统中广播验证结果,当该区块链系统中验证结果为通过的节点设备的数目大于目标比例时,该区块链系统可以确定该目标区块共识通过,将该目标区块添加至该区块链系统中的区块链上。其中,该目标比例可以由开发人员进行设置,本申请实施例对此不做限定。上述共识过程可以基于共识机制实现,例如,该共识机制可以为工作量证明机制、权益证明机制、股份授权证明机制等。需要说明的是,上述共识过程仅为一种示例性描述,本申请实施例对此不做限定。
由于存储在区块链上的数据不可删除,不可篡改,因此,通过区块链来记录用户的历史信息,可以有效防止用户数据丢失。
203、第二节点设备接收被预测对象的预测请求,该预测请求包括该被预测对象的公钥、该被预测对象的故障信息以及检测数据类别。
在本申请实施例中,该第二节点设备可以为具有数据分析功能的节点设备,该第二节点设备可以获取被预测对象的数据,对获取到的数据进行分析,并输出分析结果。
其中,该检测数据类别可以用于指示故障预测过程中需要分析的至少一类数据。
在一种可能实现方式中,被预测对象可以在任一节点设备上发起预测请求,该任一节点设备上可以显示有请求发起页面,该请求发起页面可以包括身份信息输入区域、故障信息输入区域、检测数据类别选择区域以及查询控件,当该任一节点设备检测到该被预测对象对该查询控件的触发操作后,可以获取该身份信息输入区域和该故障信息输入区域的输入信息,以及被预测对象所选择的检测数据类别,基于该输入信息和该检测数据类别,向该第二节点设备发送预测请求。其中,该身份信息输入区域所输入的信息可以为该被预测对象的公钥,或基于该身份信息输入区域所输入的信息可以计算出该被预测对象的公钥,当该任一节点设备发送预测请求时,可以将该身份信息输入区域所输入的信息转换为该被预测对象的公钥。
204、该第二节点设备基于该被预测对象的公钥以及该检测数据类别,从该区块链系统中获取该被预测对象的目标数据,该目标数据包括该被预测对象的公钥,且属于该检测数据类别。
在一种可能实现方式中,该第二节点设备可以基于该被预测对象的公钥,从该区块链系统中获取该被预测对象的全部数据,基于该检测数据类别,从该全部数据中获取该检测数据类别所指示的数据作为目标数据。
在本申请实施例中,上述获取目标数据的步骤可以基于智能合约执行,在一种可能实现方式中,可以将该预测请求作为智能合约的触发方式,当接收到任一节点设备发送的预测请求时,则可以自动触发该区块链上的该智能合约,使该第二节点设备执行上述获取该目标数据的步骤,当未接收到该预测请求时,则不触发该智能合约。
205、该第二节点设备从该区块链系统的区块链上获取目标故障分析模型。
在一种可能实现方式中,该第二节点设备可以从该区块链系统的区块链上获取至少一个故障分析模型,将存储时间距离当前时间最近的故障分析模型作为该目标故障分析模型。具体地,用于存储故障分析模型的区块中可以对应存储有用于指示该模型的模型标识,该第二节点设备可以基于该模型标识从该区块链的至少一个区块上获取至少一个故障分析模型,该至少一个故障分析模型均携带有该模型标识,该第二节点设备可以比较该至少一个区块的区块高度,将区块高度最大的区块所包含的故障分析模型作为该目标故障分析模型。其中,该区块高度可以用于指示一个区块在区块链上的位置以及存储时间,区块的区块高度越大该区块的存储时间越晚。
需要说明的是,上述对目标故障分析模型获取方法的说明仅是一种获取方法的示例性介绍,本申请实施例对具体采用哪种获取方法不做限定。
206、该第二节点设备将该目标数据和该故障信息输入该区块链系统中的目标故障分析模型,由该目标故障分析模型对该目标数据和该故障信息进行分析,基于该目标故障分析模型的分析结果输出故障预警信息。
在一种可能实现方式中,基于该目标故障分析模型得到故障预警信息具体可以包括以下步骤:
步骤一、该第二节点设备将该目标数据和该故障信息转换为特征序列。
为便于后续步骤中该目标故障分析模型对该目标数据进行分析,该第二节点设备需要将该目标数据转换为该目标故障分析模型可以识别的数字字符串,转换后的该数字字符串即为该被预测对象的特征序列,在本申请实施例中,可以将同一类别的数据记录转换为一个特征向量,或将同一类别的部分数据记录转换为一个特征向量,基于该多个特征向量构成特征序列,例如,可以将该用户的一个体检报告映射为一个多维特征向量,将该用户最近一个月的每日工作时长映射为一个多维特征向量等。在一种可能实现方式中,该第二节点设备可以采用LabelEncoder(标签编码)和数值映射的方法将各个非数字字符转换为数字,具体地,以将体检报告映射为特征向量为例,对上述字符转换过程进行说明,该体检报告可以包括三个体检项目,分别为呼吸68次/分、脉搏65次/分、心电图:心律失常,该第二节点设备可以通过标签编码的方法为心电图的每一种检查结果都分配一个数字编号,例如,心率正常对应数字1,心律失常对应数字2,对于检查结果包含数值的体检项目,该第二节点设备可以数值映射的方法将该项目的检查结果转换为数字,例如,可以将呼吸和脉搏分别映射为68和65,该体检报告可以映射为向量(68,68,2)。
需要说明的是,上述对非数字字符串转换为数字字符串的说明仅是一种转换方法的示例性介绍,本申请实施例对具体采用哪种转换方法不做限定。
步骤二、该第二节点设备将该被预测对象特征序列输入该目标故障分析模型,由该目标故障分析模型中的多个分类器对该目标数据进行加权运算,得到该用户特征序列的多个概率值,一个概率值用于表示该被预测对象特征序列与一个故障类别相匹配的概率。
在一种可能实现方式中,该目标故障分析模型可以为基于多个级联的分类器构建的模型,每个分类器可以对应于一组权重参数,各个分类器可以基于权重参数对该特征序列进行加权运算。具体地,该第二节点设备将该特征序列输入该目标故障分析模型后,可以由分类器将该用户特征序列映射为一个数值,一个分类器接收到与其级联的上一级分类器的运算结果后,再基于该运算结果进行加权运算,遍历该目标故障分析模型中的全部分类器后,可以输出多个概率值以及该概率值对应的故障类别。在本申请实施例中,该目标故障的分析模型可以为SVM(Support Vector Machine,支持向量机)模型、决策树等,本申请是实施例对此不做限定。
步骤三、当该多个概率值中存在至少一个概率值符合目标条件时,该第二节点设备基于该至少一个概率值输出该故障预警信息。
其中,该目标条件可以由开发人员进行设置,例如,可以将该目标条件设置为概率值大于0.6,当该目标故障分析模型输出的多个概率值中至少一个概率值大于0.6时,该第二节点设备可以基于该至少一个概率值以及该至少一个概率值所对应的故障类别输出故障预警信息。
在一种可能实现方式中,该第二节点设备还可以基于该故障预警信息所包括故障类别,输出检查建议。该第二节点设备基于该目标故障分析模型的分析结果输出检查建议,可以为用户提供有效的指引,使用户减少不必要的检查步骤。参见图3,图3是本申请实施例提供的一种模型应用方式的示意图,该模型可以基于输入的数据记录和检查结果等信息,输出被预测对象的检查建议和故障预警信息。该被预测对象可以根据该检查建议在任一医疗机构或其他机构进行检查,该任一医疗机构或其他机构所对应的节点设备可以将该检查结果存储至该区块链系统的区块链上,当该被预测对象再次向该第二节点设备发起预测请求时,该第二节点设备可以获取到该检查结果,将包含该检查结果的数据记录输入该目标故障分析模型,由该目标故障分析模型对该数据记录进行分析,得到故障预警信息。上述故障分析模型基于大量数据的建模,可以针对不同的被预测对象输出不同的故障预测结果。
在本申请实施例中,通过获取用户的预测请求,基于该预测请求中被预测对象的公钥和检测数据类别,从区块链中获取目标数据,由于存储在区块链中的数据不可篡改,可以有效的确保获取到的目标数据真实有效,将该目标数据和该被预测对象的当前故障输入目标故障分析模型,基于该目标故障分析模型的分析结果,得到故障预警信息。在这种故障预警方法中,无需被预测对象自行提供以往的数据记录,可以由区块链系统自动获取被预测对象的各类数据,不会出现数据遗漏的情况,从而避免因数据不全而对故障预警结果造成影响。
上述实施例主要介绍了区块链系统中的节点设备通过对用户数据进行分析,得到疾病预警信息的过程,而在对用户数据进行分析之前,需对该目标疾病分析模型进行训练,图4是本申请实施例提供的一种模型训练方法的流程图,参见图4,该方法具体可以包括以下步骤:
401、第三节点设备按照目标周期,从该区块链系统的区块链上获取至少一个故障分析模型以及各个故障分析模型的存储时间,将该存储时间距离当前时间最近的故障分析模型作为待训练模型。
在本申请实施例中,该第三节点设备可以为具有数据分析功能的节点设备,该第三节点设备可以获取被预测对象的数据记录,并基于获取到的数据记录对该待训练模型进行训练。
其中,该目标周期可以由开发人员进行设置,本申请实施例对此不做限定。
上述步骤401中获取待训练模型的方法与步骤205中获取目标故障分析模型的方法同理,在此不做赘述。
402、该第三节点设备按照目标周期,从该区块链系统中获取各个被预测对象的数据记录,基于该各个被预测对象的数据记录生成训练数据集。
其中,该训练数据集可以包括多个被预测对象的特征,一个被预测对象的特征可以对应于一个故障类别标签。
在一种可能实现方式中,该第三节点设备可以将一个数据记录的多条数据记录转换为一个特征序列,该一个特征序列可以包括多个特征向量,各个特征向量可以分别用于指示该被预测对象的工作信息、饮食记录、医疗信息等。上述将数据记录转换为特征序列的方法与步骤206中生成特征序列的方法同理,在此不做赘述。
403、该第三节点设备基于该训练数据集对该待训练模型进行训练,得到该目标故障分析模型,将该目标故障分析模型存储至该区块链系统的区块链上。
在一种可能实现方式中,该第三节点设备可以通过至少一个损失函数计算该待训练模型的输出结果与正确结果之间的误差值,将该误差值与误差阈值进行比较,当该误差值大于该误差阈值时,该第三节点设备将该误差值反向传播到该待训练模型,采用梯度下降法求解该待训练模型中的各个权重参数,当该误差值小于该误差阈值时,则认为该待训练模型的输出结果正确,该第三节点设备继续获取下一个训练数据,将该训练数据输入该待训练模型后,执行上述误差值计算的步骤。当该待训练模型的输出结果正确的个数达到目标数目时,则确定该待训练模型训练完毕,即获取到该目标故障分析模型,并将该目标故障分析模型存储至该区块链系统的区块链上。该将该目标故障分析模型存储至区块链上的方法与步骤202中将数据记录存储至区块链上的方法同理,在此不做赘述。
通过按照目标周期从区块链中获取被预测对象的数据记录,可以获取到大量新的数据记录,并应用这些数据记录对模型进行训练,可以不断提高模型的计算精度,提高结算结果的准确率。
图5是本申请实施例提供的一种基于区块链的故障预警装置的结构示意图,参见图5,该装置包括:
接收模块501,用于接收被预测对象的预测请求,该预测请求中携带包括该被预测对象的公钥、该被预测对象的故障信息以及检测数据类别;
目标数据获取模块502,用于基于该被预测对象的公钥以及该检测数据类别,从该区块链系统中获取该被预测对象的目标数据,该目标数据包括该被预测对象的公钥,且属于该检测数据类别;
信息输出模块503,用于将该目标数据和该故障信息输入该区块链系统中的目标故障分析模型,由该目标故障分析模型对该目标数据和该故障信息进行分析,基于该目标故障分析模型的分析结果输出故障预警信息。
在一种可能实现方式中,该目标数据获取模块502用于:
基于该被预测对象的公钥,从该区块链系统中获取该被预测对象的全部数据;
基于该检测数据类别,从该全部数据中获取该检测数据类别所指示的数据作为目标数据。
在一种可能实现方式中,该信息输出模块503用于:
将该目标数据和该故障信息转换为被预测对象的特征序列;
将该特征序列输入该目标故障分析模型,由该目标故障分析模型中的多个分类器对该特征序列进行加权运算,得到该特征序列的多个概率值,一个概率值用于表示该特征序列与一个故障类别相匹配的概率;
当该多个概率值中存在至少一个概率值符合目标条件时,基于该至少一个概率值输出该故障预警信息。
在一种可能实现方式中,该装置还包括:
输出模块,用于基于该故障预警信息所包括故障类别,输出检查建议。
在一种可能实现方式中,该装置还包括:
目标模型获取模块,用户从该区块链系统的区块链上获取至少一个故障分析模型,将存储时间距离当前时间最近的故障分析模型作为该目标故障分析模型。
在一种可能实现方式中,该装置还包括:
待训练模型获取模块,用于按照目标周期,从该区块链系统的区块链上获取至少一个故障分析模型,将存储时间距离当前时间最近的故障分析模型作为待训练模型;
全部数据获取模块,用于按照目标周期,从该区块链系统中获取各个被预测对象的数据记录;
数据集生成模块,用于基于该各个被预测对象的数据记录生成训练数据集;
训练模块,用于基于该训练数据集对该待训练模型进行训练,得到该目标故障分析模型,将该目标故障分析模型存储至该区块链系统的区块链上。
在一种可能实现方式中,该装置还包括:
数据记录生成模块,用于基于该被预测对象的行为,生成数据记录,一条该数据记录对应于一种数据类别;
存储模块,用于基于共识机制,将该数据记录存储至该区块链系统的区块链上。
本申请实施例提供的装置,通过获取用户的预测请求,基于该预测请求中被预测对象的公钥和检测数据类别,从区块链中获取目标数据,由于存储在区块链中的数据不可篡改,可以有效的确保获取到的目标数据真实有效,将该目标数据和该被预测对象的当前故障输入目标故障分析模型,基于该目标故障分析模型的分析结果,得到故障预警信息。应用这种故障预警装置,无需被预测对象自行提供以往的数据记录,可以由区块链系统自动获取被预测对象的各类数据,不会出现数据遗漏的情况,从而避免因数据不全而对故障预警结果造成影响。
上述所有可选技术方案,可以采用任意结合形成本申请的可选实施例,在此不再一一赘述。
需要说明的是:上述实施例提供的基于区块链的故障预警装置在故障预警时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的基于区块链的故障预警装置与基于区块链的故障预警方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
上述技术方案所提供的计算机设备可以实现为终端或服务器,例如,图6是本申请实施例提供的一种终端的结构示意图。该终端600可以是:智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端600还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常,终端600包括有:一个或多个处理器601和一个或多个存储器602。
处理器601可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器601可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器601也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器601可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器601还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器602可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器602还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器602中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器601所执行以实现本申请中方法实施例提供的基于区块链的故障预警方法。
在一些实施例中,终端600还可选包括有:外围设备接口603和至少一个外围设备。处理器601、存储器602和外围设备接口603之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口603相连。具体地,外围设备包括:射频电路604、显示屏605、摄像头组件606、音频电路607、定位组件608和电源609中的至少一种。
外围设备接口603可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器601和存储器602。在一些实施例中,处理器601、存储器602和外围设备接口603被集成在同一芯片或电路板上;在一些其他实施例中,处理器601、存储器602和外围设备接口603中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路604用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路604通过电磁信号与通信网络以及其他通信设备进行通信。射频电路604将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路604包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路604可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路604还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
显示屏605用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏605是触摸显示屏时,显示屏605还具有采集在显示屏605的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器601进行处理。此时,显示屏605还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏605可以为一个,设置终端600的前面板;在另一些实施例中,显示屏605可以为至少两个,分别设置在终端600的不同表面或呈折叠设计;在再一些实施例中,显示屏605可以是柔性显示屏,设置在终端600的弯曲表面上或折叠面上。甚至,显示屏605还可以设置成非矩形的不规则图形,也即异形屏。显示屏605可以采用LCD(LiquidCrystal Display,液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件606用于采集图像或视频。可选地,摄像头组件606包括前置摄像头和后置摄像头。通常,前置摄像头设置在终端的前面板,后置摄像头设置在终端的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件606还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路607可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器601进行处理,或者输入至射频电路604以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在终端600的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器601或射频电路604的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路607还可以包括耳机插孔。
定位组件608用于定位终端600的当前地理位置,以实现导航或LBS(LocationBased Service,基于位置的服务)。定位组件608可以是基于美国的GPS(GlobalPositioning System,全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源609用于为终端600中的各个组件进行供电。电源609可以是交流电、直流电、一次性电池或可充电电池。当电源609包括可充电电池时,该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中,终端600还包括有一个或多个传感器610。该一个或多个传感器610包括但不限于:加速度传感器611、陀螺仪传感器612、压力传感器613、指纹传感器614、光学传感器615以及接近传感器616。
加速度传感器611可以检测以终端600建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器611可以用于检测重力加速度在三个坐标轴上的分量。处理器601可以根据加速度传感器611采集的重力加速度信号,控制显示屏605以横向视图或纵向视图进行用户界面的显示。加速度传感器611还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器612可以检测终端600的机体方向及转动角度,陀螺仪传感器612可以与加速度传感器611协同采集用户对终端600的3D动作。处理器601根据陀螺仪传感器612采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器613可以设置在终端600的侧边框和/或显示屏605的下层。当压力传感器613设置在终端600的侧边框时,可以检测用户对终端600的握持信号,由处理器601根据压力传感器613采集的握持信号进行左右手识别或快捷操作。当压力传感器613设置在显示屏605的下层时,由处理器601根据用户对显示屏605的压力操作,实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器614用于采集用户的指纹,由处理器601根据指纹传感器614采集到的指纹识别用户的身份,或者,由指纹传感器614根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时,由处理器601授权该用户执行相关的敏感操作,该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器614可以被设置终端600的正面、背面或侧面。当终端600上设置有物理按键或厂商Logo时,指纹传感器614可以与物理按键或厂商Logo集成在一起。
光学传感器615用于采集环境光强度。在一个实施例中,处理器601可以根据光学传感器615采集的环境光强度,控制显示屏605的显示亮度。具体地,当环境光强度较高时,调高显示屏605的显示亮度;当环境光强度较低时,调低显示屏605的显示亮度。在另一个实施例中,处理器601还可以根据光学传感器615采集的环境光强度,动态调整摄像头组件606的拍摄参数。
接近传感器616,也称距离传感器,通常设置在终端600的前面板。接近传感器616用于采集用户与终端600的正面之间的距离。在一个实施例中,当接近传感器616检测到用户与终端600的正面之间的距离逐渐变小时,由处理器601控制显示屏605从亮屏状态切换为息屏状态;当接近传感器616检测到用户与终端600的正面之间的距离逐渐变大时,由处理器601控制显示屏605从息屏状态切换为亮屏状态。
本领域技术人员可以理解,图6中示出的结构并不构成对终端600的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
图7是本申请实施例提供的一种服务器的结构示意图,该服务器700可因配置或性能不同而产生比较大的差异,可以包括一个或多个处理器(central processing units,CPU)701和一个或多个的存储器702,其中,该一个或多个存储器702中存储有至少一条程序代码,该至少一条程序代码由该一个或多个处理器701加载并执行以实现上述各个方法实施例提供的方法。当然,该服务器700还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该服务器700还可以包括其他用于实现设备功能的部件,在此不做赘述。
在示例性实施例中,还提供了一种计算机可读存储介质,例如包括指令的存储器,上述指令可由处理器执行以完成上述实施例中的基于区块链的故障预警方法。例如,该计算机可读存储介质可以是只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、只读光盘(Compact Disc Read-Only Memory,CD-ROM)、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,该程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
上述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (15)
1.一种基于区块链的故障预警方法,其特征在于,应用于区块链系统中的任一节点设备上,所述方法包括:
接收被预测对象的预测请求,所述预测请求中携带包括所述被预测对象的公钥、所述被预测对象的故障信息以及检测数据类别;
基于所述被预测对象的公钥以及所述检测数据类别,从所述区块链系统中获取所述被预测对象的目标数据,所述目标数据包括所述被预测对象的公钥,且属于所述检测数据类别;
将所述目标数据和所述故障信息输入所述区块链系统中的目标故障分析模型,由所述目标故障分析模型对所述目标数据和所述故障信息进行分析,基于所述目标故障分析模型的分析结果输出故障预警信息。
2.根据权利要求1所述的方法,其特征在于,所述基于所述被预测对象的公钥以及所述检测数据类别,从所述区块链系统中获取所述被预测对象的目标数据,包括:
基于所述被预测对象的公钥,从所述区块链系统中获取所述被预测对象的全部数据;
基于所述检测数据类别,从所述全部数据中获取所述检测数据类别所指示的数据作为目标数据。
3.根据权利要求1所述的方法,其特征在于,所述将所述目标数据和所述故障信息输入所述区块链系统中的目标故障分析模型,由所述目标故障分析模型对所述目标数据和所述故障信息进行分析,基于所述目标故障分析模型的分析结果输出故障预警信息,包括:
将所述目标数据和所述故障信息转换为被预测对象的特征序列;
将所述特征序列输入所述目标故障分析模型,由所述目标故障分析模型中的多个分类器对所述特征序列进行加权运算,得到所述特征序列的多个概率值,一个概率值用于表示所述特征序列与一个故障类别相匹配的概率;
当所述多个概率值中存在至少一个概率值符合目标条件时,基于所述至少一个概率值输出所述故障预警信息。
4.根据权利要求3所述的方法,其特征在于,所述当所述多个概率值中存在至少一个概率值符合目标条件时,基于所述至少一个概率值输出所述故障预警信息之后,所述方法还包括:
基于所述故障预警信息所包括故障类别,输出检查建议。
5.根据权利要求1所述的方法,其特征在于,所述将所述目标数据和所述故障信息输入所述区块链系统中的目标故障分析模型之前,所述方法还包括:
从所述区块链系统的区块链上获取至少一个故障分析模型,将存储时间距离当前时间最近的故障分析模型作为所述目标故障分析模型。
6.根据权利要求1所述的方法,其特征在于,所述将所述目标数据和所述故障信息输入所述区块链系统中的目标故障分析模型之前,所述方法还包括:
按照目标周期,从所述区块链系统的区块链上获取至少一个故障分析模型,将存储时间距离当前时间最近的故障分析模型作为待训练模型;
按照目标周期,从所述区块链系统中获取各个被预测对象的数据记录;
基于所述各个被预测对象的数据记录生成训练数据集;
基于所述训练数据集对所述待训练模型进行训练,得到所述目标故障分析模型,将所述目标故障分析模型存储至所述区块链系统的区块链上。
7.根据权利要求1所述的方法,其特征在于,所述基于所述被预测对象的公钥以及所述检测数据类别,从所述区块链系统中获取所述被预测对象的目标数据之前,所述方法还包括:
基于所述被预测对象的行为,生成数据记录,一条所述数据记录对应于一种数据类别;
基于共识机制,将所述数据记录存储至所述区块链系统的区块链上。
8.一种基于区块链的故障预警装置,其特征在于,应用于区块链系统中的任一节点设备上,所述装置包括:
接收模块,用于接收被预测对象的预测请求,所述预测请求中携带包括所述被预测对象的公钥、所述被预测对象的故障信息以及检测数据类别;
目标数据获取模块,用于基于所述被预测对象的公钥以及所述检测数据类别,从所述区块链系统中获取所述被预测对象的目标数据,所述目标数据包括所述被预测对象的公钥,且属于所述检测数据类别;
信息输出模块,用于将所述目标数据和所述故障信息输入所述区块链系统中的目标故障分析模型,由所述目标故障分析模型对所述目标数据和所述故障信息进行分析,基于所述目标故障分析模型的分析结果输出故障预警信息。
9.根据权利要求8所述的装置,其特征在于,所述目标数据获取模块用于:
基于所述被预测对象的公钥,从所述区块链系统中获取所述被预测对象的全部数据;
基于所述检测数据类别,从所述全部数据中获取所述检测数据类别所指示的数据作为目标数据。
10.根据权利要求8所述的装置,其特征在于,所述信息输出模块用于:
将所述目标数据和所述故障信息转换为被预测对象的特征序列;
将所述特征序列输入所述目标故障分析模型,由所述目标故障分析模型中的多个分类器对所述特征序列进行加权运算,得到所述特征序列的多个概率值,一个概率值用于表示所述特征序列与一个故障类别相匹配的概率;
当所述多个概率值中存在至少一个概率值符合目标条件时,基于所述至少一个概率值输出所述故障预警信息。
11.根据权利要求10所述的装置,其特征在于,所述装置还包括:
检查建议输出模块,用于基于所述故障预警信息所包括故障类别,输出检查建议。
12.根据权利要求8所述的装置,其特征在于,所述装置还包括:
第一模型获取模块,用于从所述区块链系统的区块链上获取至少一个故障分析模型,将存储时间距离当前时间最近的故障分析模型作为所述目标故障分析模型。
13.根据权利要求8所述的装置,其特征在于,所述装置还包括:
第二模型获取模块,用于按照目标周期,从所述区块链系统的区块链上获取至少一个故障分析模型,将存储时间距离当前时间最近的故障分析模型作为待训练模型;
全部数据获取模块,用于按照目标周期,从所述区块链系统中获取各个被预测对象的数据记录;
数据集生成模块,用于基于所述各个被预测对象的数据记录生成训练数据集;
训练模块,用于基于所述训练数据集对所述待训练模型进行训练,得到所述目标故障分析模型,将所述目标故障分析模型存储至所述区块链系统的区块链上。
14.一种计算机设备,其特征在于,所述计算机设备包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条程序代码,所述指令由所述一个或多个处理器加载并执行以实现如权利要求1至权利要求7任一项所述的基于区块链的故障预警方法所执行的操作。
15.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有至少一条程序代码,所述指令由处理器加载并执行以实现如权利要求1至权利要求7任一项所述的基于区块链的故障预警方法所执行的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910854380.8A CN110569909B (zh) | 2019-09-10 | 2019-09-10 | 基于区块链的故障预警方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910854380.8A CN110569909B (zh) | 2019-09-10 | 2019-09-10 | 基于区块链的故障预警方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110569909A true CN110569909A (zh) | 2019-12-13 |
CN110569909B CN110569909B (zh) | 2023-07-18 |
Family
ID=68778951
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910854380.8A Active CN110569909B (zh) | 2019-09-10 | 2019-09-10 | 基于区块链的故障预警方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110569909B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111157682A (zh) * | 2020-01-06 | 2020-05-15 | 上海应用技术大学 | 空气质量监测及预测系统及方法 |
CN111355608A (zh) * | 2020-02-18 | 2020-06-30 | 杭州复杂美科技有限公司 | 一种区块链回滚异常识别方法和系统、设备及存储介质 |
CN111818056A (zh) * | 2020-07-09 | 2020-10-23 | 重庆邮电大学 | 一种基于区块链的工业互联网身份认证方法 |
CN112669057A (zh) * | 2020-12-17 | 2021-04-16 | 北京五八信息技术有限公司 | 一种数据预测方法、装置、电子设备及存储介质 |
CN113094200A (zh) * | 2021-06-07 | 2021-07-09 | 腾讯科技(深圳)有限公司 | 一种应用程序的故障预测方法和装置 |
CN113285978A (zh) * | 2020-08-08 | 2021-08-20 | 詹能勇 | 基于区块链和大数据的故障识别方法及云计算平台 |
CN113362077A (zh) * | 2021-05-25 | 2021-09-07 | 深圳市中晴云科技有限公司 | 一种基于区块链的产品溯源系统及其方法 |
CN113420195A (zh) * | 2021-05-28 | 2021-09-21 | 国网河北省电力有限公司营销服务中心 | 智能电表故障类型确定方法及系统 |
WO2021248917A1 (zh) * | 2020-06-08 | 2021-12-16 | 南京邮电大学 | 一种基于混合链的数据中心网络故障诊断和自动配置方法 |
CN113868216A (zh) * | 2021-12-03 | 2021-12-31 | 中国信息通信研究院 | 区块链监测方法及装置 |
CN114237087A (zh) * | 2021-11-09 | 2022-03-25 | 深圳市移动力量科技有限公司 | 监控系统预警方法、装置及计算机可读存储介质 |
CN116468214A (zh) * | 2023-03-07 | 2023-07-21 | 德联易控科技(北京)有限公司 | 一种基于故障事件处理过程的证据电子化方法及电子设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160292672A1 (en) * | 2015-03-31 | 2016-10-06 | Nasdaq, Inc. | Systems and methods of blockchain transaction recordation |
US20180189449A1 (en) * | 2017-01-04 | 2018-07-05 | International Business Machines Corporation | Tracking items used for providing medical services |
CN109036579A (zh) * | 2018-08-22 | 2018-12-18 | 泰康保险集团股份有限公司 | 基于区块链的信息预测方法、装置、介质及电子设备 |
CN109242280A (zh) * | 2018-08-22 | 2019-01-18 | 泰康保险集团股份有限公司 | 用户行为数据处理方法、装置、电子设备及可读介质 |
US20190065685A1 (en) * | 2017-08-29 | 2019-02-28 | International Business Machines Corporation | Dental health tracking via blockchain |
CN109523413A (zh) * | 2018-11-21 | 2019-03-26 | 腾讯科技(深圳)有限公司 | 保单处理方法、装置、计算机设备及存储介质 |
CN109558894A (zh) * | 2018-11-06 | 2019-04-02 | 联动优势科技有限公司 | 一种确定模型参数的方法及客户端设备 |
US20190172067A1 (en) * | 2017-12-04 | 2019-06-06 | Mastercard International Incorporated | Method and system for risk scoring anonymized transactions |
WO2019141298A2 (en) * | 2019-05-21 | 2019-07-25 | Alibaba Group Holding Limited | Methods and devices for storing and processing electronic medical record on blockchain |
-
2019
- 2019-09-10 CN CN201910854380.8A patent/CN110569909B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160292672A1 (en) * | 2015-03-31 | 2016-10-06 | Nasdaq, Inc. | Systems and methods of blockchain transaction recordation |
US20180189449A1 (en) * | 2017-01-04 | 2018-07-05 | International Business Machines Corporation | Tracking items used for providing medical services |
US20190065685A1 (en) * | 2017-08-29 | 2019-02-28 | International Business Machines Corporation | Dental health tracking via blockchain |
US20190172067A1 (en) * | 2017-12-04 | 2019-06-06 | Mastercard International Incorporated | Method and system for risk scoring anonymized transactions |
CN109036579A (zh) * | 2018-08-22 | 2018-12-18 | 泰康保险集团股份有限公司 | 基于区块链的信息预测方法、装置、介质及电子设备 |
CN109242280A (zh) * | 2018-08-22 | 2019-01-18 | 泰康保险集团股份有限公司 | 用户行为数据处理方法、装置、电子设备及可读介质 |
CN109558894A (zh) * | 2018-11-06 | 2019-04-02 | 联动优势科技有限公司 | 一种确定模型参数的方法及客户端设备 |
CN109523413A (zh) * | 2018-11-21 | 2019-03-26 | 腾讯科技(深圳)有限公司 | 保单处理方法、装置、计算机设备及存储介质 |
WO2019141298A2 (en) * | 2019-05-21 | 2019-07-25 | Alibaba Group Holding Limited | Methods and devices for storing and processing electronic medical record on blockchain |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111157682A (zh) * | 2020-01-06 | 2020-05-15 | 上海应用技术大学 | 空气质量监测及预测系统及方法 |
CN111355608A (zh) * | 2020-02-18 | 2020-06-30 | 杭州复杂美科技有限公司 | 一种区块链回滚异常识别方法和系统、设备及存储介质 |
WO2021248917A1 (zh) * | 2020-06-08 | 2021-12-16 | 南京邮电大学 | 一种基于混合链的数据中心网络故障诊断和自动配置方法 |
CN111818056A (zh) * | 2020-07-09 | 2020-10-23 | 重庆邮电大学 | 一种基于区块链的工业互联网身份认证方法 |
CN111818056B (zh) * | 2020-07-09 | 2022-07-01 | 重庆邮电大学 | 一种基于区块链的工业互联网身份认证方法 |
CN113285978A (zh) * | 2020-08-08 | 2021-08-20 | 詹能勇 | 基于区块链和大数据的故障识别方法及云计算平台 |
CN113285977A (zh) * | 2020-08-08 | 2021-08-20 | 詹能勇 | 基于区块链和大数据的网络维护方法及系统 |
CN113285978B (zh) * | 2020-08-08 | 2022-08-12 | 布洛克(北京)数据科技有限公司 | 基于区块链和大数据的故障识别方法及通用计算节点 |
CN113285977B (zh) * | 2020-08-08 | 2022-07-05 | 山东鼹鼠人才知果数据科技有限公司 | 基于区块链和大数据的网络维护方法及系统 |
CN112669057A (zh) * | 2020-12-17 | 2021-04-16 | 北京五八信息技术有限公司 | 一种数据预测方法、装置、电子设备及存储介质 |
CN112669057B (zh) * | 2020-12-17 | 2022-07-08 | 北京五八信息技术有限公司 | 一种数据预测方法、装置、电子设备及存储介质 |
CN113362077B (zh) * | 2021-05-25 | 2022-09-23 | 青岛飞熊领鲜数字科技有限公司 | 一种基于区块链的产品溯源系统及其方法 |
CN113362077A (zh) * | 2021-05-25 | 2021-09-07 | 深圳市中晴云科技有限公司 | 一种基于区块链的产品溯源系统及其方法 |
CN113420195A (zh) * | 2021-05-28 | 2021-09-21 | 国网河北省电力有限公司营销服务中心 | 智能电表故障类型确定方法及系统 |
CN113094200A (zh) * | 2021-06-07 | 2021-07-09 | 腾讯科技(深圳)有限公司 | 一种应用程序的故障预测方法和装置 |
CN113094200B (zh) * | 2021-06-07 | 2021-08-24 | 腾讯科技(深圳)有限公司 | 一种应用程序的故障预测方法和装置 |
CN114237087A (zh) * | 2021-11-09 | 2022-03-25 | 深圳市移动力量科技有限公司 | 监控系统预警方法、装置及计算机可读存储介质 |
CN113868216A (zh) * | 2021-12-03 | 2021-12-31 | 中国信息通信研究院 | 区块链监测方法及装置 |
CN116468214A (zh) * | 2023-03-07 | 2023-07-21 | 德联易控科技(北京)有限公司 | 一种基于故障事件处理过程的证据电子化方法及电子设备 |
CN116468214B (zh) * | 2023-03-07 | 2023-12-15 | 德联易控科技(北京)有限公司 | 一种基于故障事件处理过程的证据电子化方法及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110569909B (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110569909B (zh) | 基于区块链的故障预警方法、装置、设备及存储介质 | |
CN110602089B (zh) | 基于区块链的医疗数据存储方法、装置、设备及存储介质 | |
CN110689460B (zh) | 基于区块链的交通事故数据处理方法、装置、设备及介质 | |
CN110401715B (zh) | 资源收集任务管理方法、装置、存储介质及系统 | |
CN111339086B (zh) | 区块处理方法、基于区块链的数据查询方法及装置 | |
CN110555780B (zh) | 基于区块链的保险数据处理方法、装置、设备及存储介质 | |
CN110706371B (zh) | 基于区块链的行车安全管理方法、系统及存储介质 | |
CN110598879B (zh) | 基于区块链的垃圾回收方法、装置、设备及存储介质 | |
CN111340482B (zh) | 冲突检测方法、装置、节点设备及存储介质 | |
CN110597906B (zh) | 基于区块链的入学积分生成方法、装置、设备及存储介质 | |
CN110933113B (zh) | 基于区块链的互动行为检测方法、装置、设备及存储介质 | |
CN110659542B (zh) | 监控方法及装置 | |
CN111192005A (zh) | 政务业务处理方法、装置、计算机设备及可读存储介质 | |
CN110851510A (zh) | 基于区块链的交易系统的数据处理方法及装置 | |
CN111260347A (zh) | 基于区块链的资源处理方法、装置、设备及存储介质 | |
CN110599328B (zh) | 基于区块链的风险用户确定方法、装置、设备及存储介质 | |
CN113762971A (zh) | 数据加密方法、装置、计算机设备及存储介质 | |
CN111104980A (zh) | 确定分类结果的方法、装置、设备及存储介质 | |
CN111667371B (zh) | 基于区块链的资源聚合方法、系统、设备及存储介质 | |
CN111062248A (zh) | 图像检测的方法、装置、电子设备及介质 | |
CN110535820A (zh) | 针对恶意域名的分类方法、装置、电子设备及介质 | |
CN113034265A (zh) | 数据验证方法、装置、计算机设备及计算机可读存储介质 | |
CN110290191B (zh) | 资源转移结果处理方法、装置、服务器、终端及存储介质 | |
CN111212074A (zh) | 基于区块链的资格认定方法、装置、设备及存储介质 | |
CN110659975B (zh) | 基于区块链的资源转移方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |