CN112365224A - 一种适用于项目管理系统的人工智能自动审批方法 - Google Patents

一种适用于项目管理系统的人工智能自动审批方法 Download PDF

Info

Publication number
CN112365224A
CN112365224A CN202011159007.XA CN202011159007A CN112365224A CN 112365224 A CN112365224 A CN 112365224A CN 202011159007 A CN202011159007 A CN 202011159007A CN 112365224 A CN112365224 A CN 112365224A
Authority
CN
China
Prior art keywords
approval
management system
artificial intelligence
msg
project management
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.)
Pending
Application number
CN202011159007.XA
Other languages
English (en)
Inventor
孙越
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Jixincui Information Technology Co ltd
Original Assignee
Nanjing Jixincui Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Jixincui Information Technology Co ltd filed Critical Nanjing Jixincui Information Technology Co ltd
Priority to CN202011159007.XA priority Critical patent/CN112365224A/zh
Publication of CN112365224A publication Critical patent/CN112365224A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种适用于项目管理系统的人工智能自动审批方法，包括，对项目管理系统审批流程进行逻辑配置；利用审批流引擎对全部的审批流程进行逻辑判断，制定特有的审批流程并绑定审批的触发和结束；在审批的触发时，利用AES加密策略生成EncodingAESKey进行消息体加密计算，且比较dev msg signature和msg signature是否相等；若相等，则验证通过，得到审批内容数据，且自动流转到基于神经网络算法多层级神经网络训练的人工智能审批算法中进行数据分析学习；根据分析学习结果判定是否通过，若通过或拒绝后，则会直接回调审批流结束流程。本发明保证了审批流程的复杂逻辑配置，并通过人工智能进行自动审批，减少用户的繁琐工作，有效保证了审批的效率和工作流转的顺利推动。

Description

一种适用于项目管理系统的人工智能自动审批方法
技术领域
本发明涉及项目管理自动审批流程的技术领域，尤其涉及一种适用于项目管理系统的人工智能自动审批方法。
背景技术
项目管理系统采用审批流引擎提供审批的全流程配置，在审批的过程中，最关键的部分不是系统的界面，也不是和数据库之间的信息交换，而是如何根据业务逻辑开发出符合实际需要的程序逻辑并确保其稳定性、易维护性(模块化和结构化)和弹性(容易根据实际业务逻辑的变化作出程序上的变动，例如决策权的改变、组织结构的变动和由于业务方向的变化产生的全新业务逻辑等等)。
传统项目管理系统审批流程，只能做到普通流程的配置流转，无法处理复杂的业务逻辑，无法做到智能审批和减少繁琐的审批流程。因此发明一种应用于项目管理系统审批流程的人工智能自动审批算法用以解决上述问题，是项目管理系统审批过程不可缺少的部分。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题，提出了本发明。
因此，本发明提供了一种适用于项目管理系统的人工智能自动审批方法，能够在保证复杂逻辑审批流程的配置基础上进行数据的加密，通过人工智能自动审批算法进行自动解密，根据审批的内容进行自动判断是否可以通过或拒绝审批。
为解决上述技术问题，本发明提供如下技术方案：包括，对项目管理系统审批流程进行逻辑配置；利用审批流引擎对全部的所述审批流程进行逻辑判断，制定特有的所述审批流程并绑定审批的触发和结束；在所述审批的触发时，利用AES加密策略生成EncodingAESKey进行消息体加密计算，且比较dev msg si gnature和msg signature是否相等；若相等，则验证通过，得到审批内容数据，且自动流转到基于神经网络算法多层级神经网络训练的人工智能审批算法中进行数据分析学习；根据分析学习结果判定是否通过，若通过或拒绝后，则会直接回调审批流结束流程。
作为本发明所述的适用于项目管理系统的人工智能自动审批方法的一种优选方案，其中：进行所述数据分析学习包括，当用户多次进行审核的时候，根据正确的审批规则进行所述数据分析学习；利用所述神经网络算法获取到所述审批内容后进行所述审批的判断依据分析，获取经验数据进行问题规避；根据所述用户的操作习惯读取数据并判断所述审批是否可以通过，同时读取交付件内容，获取所述交付件是否可以作为审批通过的依据；判断所述审批是否可以自动执行通过。
作为本发明所述的适用于项目管理系统的人工智能自动审批方法的一种优选方案，其中：所述人工智能审批算法包括，对给定的样本模式随机选定一组自由权以作为输出层和隐含层之间固定权值；利用传递函数计算所述隐含层的实际输出；将所述输出层与所述隐含层间的所述权值作为待求量，以目标输出作为等式的右边建立方程组并求解。
作为本发明所述的适用于项目管理系统的人工智能自动审批方法的一种优选方案，其中：具体包括，随机给定所述隐含层和输入层间神经元的初始权值；利用给定的样本输入计算出所述隐含层的实际输出；计算所述输出层与所述隐含层间的所述权值；以所述输出层的第r个神经元作为对象，利用给定的输出目标值作为等式的多项式值建立方程并以线性方程组进行表示。
作为本发明所述的适用于项目管理系统的人工智能自动审批方法的一种优选方案，其中：还包括，求解所述输出层m个所述神经元的权值，将求解的所述输出层权矩阵加上随机固定的所述隐含层与所述输入层的所述权值作为所述神经网络最后训练的权矩阵；迭代循环神经网络训练，直至达到准确的自动审批阈值。
作为本发明所述的适用于项目管理系统的人工智能自动审批方法的一种优选方案，其中：进行所述消息体加密计算包括，在所述审批的触发时，消息内容增加所述AES加密策略；以XML格式POST到服务器上，通过 msg_signature消息签名防止攻击者进行伪造数据攻击，生成所述 EncodingAESKey进行消息体加密的计算。
作为本发明所述的适用于项目管理系统的人工智能自动审批方法的一种优选方案，其中：还包括，长度固定为43个字符，从a-z,A-Z,0-9共62个字符中选取，是所述AESKey的Base64编码；解码后即为32字节长的所述AESKey；生成的所述AESKey是所述AES加密策略的密钥，长度为32字节。
作为本发明所述的适用于项目管理系统的人工智能自动审批方法的一种优选方案，其中：还包括，所述AES加密策略采用CBC模式，所述数据采用 PKCS#7填充至32字节的倍数；IV初始向量大小为16字节，取所述AESKey 前16字节，通过int VerifyURL进行解密生成msg解密后的明文；结合 dev_msg_signature＝sha1。
作为本发明所述的适用于项目管理系统的人工智能自动审批方法的一种优选方案，其中：包括，将所述数据参数值按照字母字典排序，依照从小到大拼接成一个字符串，比较dev_msg_signature和msg_signature是否相等，若相等则表示验证通过。
本发明的有益效果：本发明充分保证了审批流程的复杂逻辑配置，又可以通过人工智能进行自动审批，减少用户的繁琐工作，有效保证了审批的效率和工作流转的顺利推动。
附图说明
为了更清楚地说明本发明实施例的技术方案，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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明第一个实施例所述的适用于项目管理系统的人工智能自动审批方法的流程示意图；
图2为本发明第一个实施例所述的适用于项目管理系统的人工智能自动审批方法的流程引擎结构示意图；
图3为本发明第一个实施例所述的适用于项目管理系统的人工智能自动审批方法的审批流程配置示意图；
图4为本发明第一个实施例所述的适用于项目管理系统的人工智能自动审批方法的审批内容加密解密算法示意图；
图5为本发明第一个实施例所述的适用于项目管理系统的人工智能自动审批方法的人工智能审批算法示意图；
图6为本发明第二个实施例所述的适用于项目管理系统的人工智能自动审批方法的实验对比结果曲线示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1～图5，为本发明的第一个实施例，提供了一种适用于项目管理系统的人工智能自动审批方法，包括：
S1：对项目管理系统审批流程进行逻辑配置。参照图3，其中需要说明的是：
起草人起草逻辑审批文件并送审至领导处；
待领导一一审批后会送回至起草人，告知已审批；
在领导审批通过后自动进行归档验证，若通过或拒绝，都会结束审批流程。
S2：利用审批流引擎对全部的审批流程进行逻辑判断，制定特有的审批流程并绑定审批的触发和结束。
S3：在审批的触发时，利用AES加密策略(对称密码)生成EncodingAESKey (编码密钥)进行消息体加密计算，且比较dev msg si gnature(无用消息签名) 和msg signature(消息签名)是否相等。其中还需要说明的是，进行消息体加密计算包括：
在审批的触发时，消息内容增加AES加密策略；
以XML格式POST到服务器上，通过msg_signature消息签名防止攻击者进行伪造数据攻击，生成EncodingAESKey进行消息体加密的计算；
长度固定为43个字符，从a-z,A-Z,0-9共62个字符中选取，是AESKey 的Base64编码；
解码后即为32字节长的AESKey；
生成的AESKey是AES加密策略的密钥，长度为32字节；
AES加密策略采用CBC模式，数据采用PKCS#7填充至32字节的倍数；
IV初始向量大小为16字节，取AESKey前16字节，通过int VerifyURL(常量字符串const string&sMsgSignature,const string&sTimeStamp,const string &sNonce,conststring&sEchoStr,字符串string&sReplyEchoStr)进行解密生成 msg解密后的明文；
结合dev_msg_signature＝sha11(sort(token、timestamp、nonce、msg_encrypt))(排序(令牌、时间戳、随机数))；
将数据参数值按照字母字典排序，依照从小到大拼接成一个字符串，比较dev_msg_signature和msg_signature是否相等，若相等则表示验证通过。
S4：若相等，则验证通过，得到审批内容数据，且自动流转到基于神经网络算法多层级神经网络训练的人工智能审批算法中进行数据分析学习。本步骤还需要说明的是，进行数据分析学习包括：
当用户多次进行审核的时候，根据正确的审批规则进行数据分析学习；
利用神经网络算法获取到审批内容后进行审批的判断依据分析，获取经验数据进行问题规避；
根据用户的操作习惯读取数据并判断审批是否可以通过，同时读取交付件内容，获取交付件是否可以作为审批通过的依据；
判断审批是否可以自动执行通过。
进一步的，人工智能审批算法包括：
对给定的样本模式随机选定一组自由权以作为输出层和隐含层之间固定权值；
利用传递函数计算隐含层的实际输出；
将输出层与隐含层间的权值作为待求量，以目标输出作为等式的右边建立方程组并求解。
具体包括：
随机给定隐含层和输入层间神经元的初始权值；
利用给定的样本输入计算出隐含层的实际输出；
计算输出层与隐含层间的权值；
以输出层的第r个神经元作为对象，利用给定的输出目标值作为等式的多项式值建立方程并以线性方程组进行表示；
求解输出层m个神经元的权值，将求解的输出层权矩阵加上随机固定的隐含层与输入层的权值作为神经网络最后训练的权矩阵；
迭代循环神经网络训练，直至达到准确的自动审批阈值。
S5：根据分析学习结果判定是否通过，若通过或拒绝后，则会直接回调审批流结束流程。
参照图4，审批在回调给接收消息url时会带上消息签名，以参数 msg_signature标识，在验证此参数的正确性后再解密。验证步骤如下：
(1)计算签名
dev_msg_signature＝sha1(sort(token、timestampnoncemsg_encrypt))，sort的含义是将参数值按照字母字典排序；
从小到大拼接成一个字符串sha1处理结果要编码为可见字符，编码的方式是把每字节散列值打印为％02x(即16进制，C printf语法)格式，
全部小写；
比较dev_msg_signature和msg_signature是否相等，相等则表示验证通过；
在被动响应消息时，同样需要用如上方法生成签名并传给服务器。
(2)明文msg的加密过程
拼接明文字符串rand_msg＝random(16B)+msg_len(4B)+msg+receiveid 明文字符串由16个字节的随机字符串、4个字节的msg长度、明文msg和 receiveid拼接组成；
其中msg_len为msg的字节数，网络字节序；
sReceiveId在不同场景下有不同含义，对明文字符串加密并Base64编码 msg_encrypt＝Base64_Encode(AES_Encrypt(rand_msg))；
将明文字符串AESKey加密后，再进行Base64编码，即获得密文msg_encrypt。
(3)密文解密得到msg的过程
对密文BASE64解码aes_msg＝Base64_Decode(msg_encrypt)；
使用AESKey做AES-256-CBC解密rand_msg＝AES_Decrypt(aes_msg)；
去掉rand_msg头部的16个随机字节和4个字节的msg_len，截取msg_len 长度的部分即为msg，剩下的为尾部的receiveid；
将获取到明文msg进行数据展示。
参照图2和图5，对给定的样本模式对，随机选定一组自由权，作为输出层和隐含层之间固定权值，通过传递函数计算隐层的实际输出，再将输出层与隐层间的权值作为待求量，直接将目标输出作为等式的右边建立方程组来求解；其中，x(p)输入层的输入矢量；y(p)输入层输入为x(p)时输出层的实际输出矢量；t(p)目标输出矢量；n，m，r分别为输入层、隐层和输出层神经元个数；W为隐层与输入层间的权矩阵；V为输出层与隐层间的权矩阵。具体步骤如下：
(1)随机给定隐层和输入层间神经元的初始权值wij；
(2)由给定的样本输入xi(p)计算出隐层的实际输出aj(p)，将网络中的阈值写入连接权中，令隐层阈值θj＝wnj，x(n)＝－1，则aj(p)＝f(wijxi (p))(j＝1，2…m－1)；
(3)计算输出层与隐层间的权值vjr，以输出层的第r个神经元为对象，由给定的输出目标值tr(p)作为等式的多项式值建立方程，用线性方程组表示为：
a0(1)v1r+a1(1)v2r+…+am(1)vmr＝tr(1)a0(2)v1r+a1(2)v2r+…+am (2)vmr＝tr(2)……a0(p)v1r+a1(p)v2r+…+am(p)vmr＝tr(p)简写为：Av＝T；
为了使该方程组有唯一解[1]，方程矩阵A为非奇异矩阵，其秩等于其增广矩阵的秩，即：r(A)＝r(A┊B)，且方程的个数等于未知数的个数，故取 m＝p，此时方程组的唯一解为：Vr＝[v0r，v2r，…vmr](r＝0，1，2…m－1)；
(4)重复第三步求出输出层m个神经元的权值，以求的输出层的权矩阵加上随机固定的隐层与输入层的权值就等于神经网络最后训练的权矩阵。
通过反复的神经网络训练，达到准确的自动审批功能。
优选的，本发明充分保证了审批流程的复杂逻辑配置，又可以通过人工智能进行自动审批，减少用户的繁琐工作，有效保证了审批的效率和工作流转的顺利推动。
实施例2
参照图6，为本发明的第二个实施例，提供了一种适用于项目管理系统的人工智能自动审批方法的试验对比证明，包括：
为了更好地对本发明方法中采用的技术效果加以验证说明，本实施例选择以传统的项目审批管理方法与采用本发明方法进行对比测试，以科学论证的手段对比试验结果，验证本发明方法所具有的真实效果。
传统的项目审批管理方法无法通过人工智能进行自动审批，且不配置复杂逻辑，审批效率较低，为验证本发明方法相对于传统方法具有较高的审批效率，本实施例中将采用传统的项目审批管理方法和本发明方法分别对仿真项目管理系统的审批流程进行实时测量对比。
测试条件：(1)对于区别性性能分析，使用不同审批数据集共1000个，其中700个数据来源于华盛顿大学Ground Truth数据库，300个数据取自于VOC2007数据库，并且1000个数据中的任意两个数据互为不同数据对，则不同数据对总数目为
Figure RE-GDA0002892848000000091
(2)绘制相似数据对与不同数据对之间的距离分布，由于重叠距离短，重叠数目少，因此选择合适的阈值对不同数据和相似数据进行有效区分，最后通过计算不同阈值下的碰撞率PC与检错率PE的方式进行最优阈值的选择；
(3)对于安全性分析，在进行算法的安全性能分析时，选取标准图像Lena 作为测试样本，首先获取样本在正确秘钥情况下测试样本的AES序列，然后获取测试样本在随机发生器随机产生的1000个错误秘钥控制下的AES序列，分别计算上述1000个AES序列与正确秘钥控制生成的序列之间的归一化汉明距离。
参照图6，实线为本发明方法输出的曲线，虚线为传统方法输出的曲线，根据图6的示意，前期中，实线相较于虚线的走势呈上升趋势，后期虽然两条曲线都有所下降，但是实线一直保持在虚线的上方，并与虚线之间保持一段距离，基于此，验证了本发明方法所具有的真实效果。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (9)

1.一种适用于项目管理系统的人工智能自动审批方法，其特征在于：包括，
对项目管理系统审批流程进行逻辑配置；
利用审批流引擎对全部的所述审批流程进行逻辑判断，制定特有的所述审批流程并绑定审批的触发和结束；
在所述审批的触发时，利用AES加密策略生成EncodingAESKey进行消息体加密计算，且比较dev msg si gnature和msg signature是否相等；
若相等，则验证通过，得到审批内容数据，且自动流转到基于神经网络算法多层级神经网络训练的人工智能审批算法中进行数据分析学习；
根据分析学习结果判定是否通过，若通过或拒绝后，则会直接回调审批流结束流程。
2.根据权利要求1所述的适用于项目管理系统的人工智能自动审批方法，其特征在于：进行所述数据分析学习包括，
当用户多次进行审核的时候，根据正确的审批规则进行所述数据分析学习；
利用所述神经网络算法获取到所述审批内容后进行所述审批的判断依据分析，获取经验数据进行问题规避；
根据所述用户的操作习惯读取数据并判断所述审批是否可以通过，同时读取交付件内容，获取所述交付件是否可以作为审批通过的依据；
判断所述审批是否可以自动执行通过。
3.根据权利要求1或2所述的适用于项目管理系统的人工智能自动审批方法，其特征在于：所述人工智能审批算法包括，
对给定的样本模式随机选定一组自由权以作为输出层和隐含层之间固定权值；
利用传递函数计算所述隐含层的实际输出；
将所述输出层与所述隐含层间的所述权值作为待求量，以目标输出作为等式的右边建立方程组并求解。
4.根据权利要求3所述的适用于项目管理系统的人工智能自动审批方法，其特征在于：具体包括，
随机给定所述隐含层和输入层间神经元的初始权值；
利用给定的样本输入计算出所述隐含层的实际输出；
计算所述输出层与所述隐含层间的所述权值；
以所述输出层的第r个神经元作为对象，利用给定的输出目标值作为等式的多项式值建立方程并以线性方程组进行表示。
5.根据权利要求4所述的适用于项目管理系统的人工智能自动审批方法，其特征在于：还包括，
求解所述输出层m个所述神经元的权值，将求解的所述输出层权矩阵加上随机固定的所述隐含层与所述输入层的所述权值作为所述神经网络最后训练的权矩阵；
迭代循环神经网络训练，直至达到准确的自动审批阈值。
6.根据权利要求1或5所述的适用于项目管理系统的人工智能自动审批方法，其特征在于：进行所述消息体加密计算包括，
在所述审批的触发时，消息内容增加所述AES加密策略；
以XML格式POST到服务器上，通过msg_signature消息签名防止攻击者进行伪造数据攻击，生成所述EncodingAESKey进行消息体加密的计算。
7.根据权利要求6所述的适用于项目管理系统的人工智能自动审批方法，其特征在于：还包括，
长度固定为43个字符，从a-z,A-Z,0-9共62个字符中选取，是所述AESKey的Base64编码；
解码后即为32字节长的所述AESKey；
生成的所述AESKey是所述AES加密策略的密钥，长度为32字节。
8.根据权利要求7所述的适用于项目管理系统的人工智能自动审批方法，其特征在于：还包括，
所述AES加密策略采用CBC模式，所述数据采用PKCS#7填充至32字节的倍数；
IV初始向量大小为16字节，取所述AESKey前16字节，通过int VerifyURL进行解密生成msg解密后的明文；
结合dev_msg_signature＝sha1。
9.根据权利要求8所述的适用于项目管理系统的人工智能自动审批方法，其特征在于：包括，
将所述数据参数值按照字母字典排序，依照从小到大拼接成一个字符串，比较dev_msg_signature和msg_signature是否相等，若相等则表示验证通过。
CN202011159007.XA 2020-10-26 2020-10-26 一种适用于项目管理系统的人工智能自动审批方法 Pending CN112365224A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011159007.XA CN112365224A (zh) 2020-10-26 2020-10-26 一种适用于项目管理系统的人工智能自动审批方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011159007.XA CN112365224A (zh) 2020-10-26 2020-10-26 一种适用于项目管理系统的人工智能自动审批方法

Publications (1)

Publication Number Publication Date
CN112365224A true CN112365224A (zh) 2021-02-12

Family

ID=74510516

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011159007.XA Pending CN112365224A (zh) 2020-10-26 2020-10-26 一种适用于项目管理系统的人工智能自动审批方法

Country Status (1)

Country Link
CN (1) CN112365224A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104144413A (zh) * 2013-05-10 2014-11-12 中国电信股份有限公司 基于移动终端的审批方法和系统
CN107967601A (zh) * 2017-12-21 2018-04-27 小花互联网金融服务（深圳）有限公司 一种基于配置和自我决策的自动化审批流程系统
CN110458687A (zh) * 2019-07-05 2019-11-15 平安银行股份有限公司 决策自动审批方法、装置及计算机可读存储介质
CN110705968A (zh) * 2019-10-12 2020-01-17 南京我爱我家信息科技有限公司 一种基于人工智能的审批流解决方法、装置及计算机设备
US10673617B1 (en) * 2018-04-24 2020-06-02 George Antoniou Methods, system and point-to-point encryption device microchip for AES-sea 512-bit key using identity access management utilizing blockchain ecosystem to improve cybersecurity

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104144413A (zh) * 2013-05-10 2014-11-12 中国电信股份有限公司 基于移动终端的审批方法和系统
CN107967601A (zh) * 2017-12-21 2018-04-27 小花互联网金融服务（深圳）有限公司 一种基于配置和自我决策的自动化审批流程系统
US10673617B1 (en) * 2018-04-24 2020-06-02 George Antoniou Methods, system and point-to-point encryption device microchip for AES-sea 512-bit key using identity access management utilizing blockchain ecosystem to improve cybersecurity
CN110458687A (zh) * 2019-07-05 2019-11-15 平安银行股份有限公司 决策自动审批方法、装置及计算机可读存储介质
CN110705968A (zh) * 2019-10-12 2020-01-17 南京我爱我家信息科技有限公司 一种基于人工智能的审批流解决方法、装置及计算机设备

Similar Documents

Publication Publication Date Title
CN109831422A (zh) 一种基于端到端序列网络的加密流量分类方法
Wang et al. Quantum blockchain based on asymmetric quantum encryption and a stake vote consensus algorithm
CN111553443B (zh) 裁判文书处理模型的训练方法、训练装置和电子设备
CN113239336A (zh) 基于决策树的隐私保护生物特征认证方法
CN110505067A (zh) 区块链的处理方法、装置、设备及可读存储介质
US20210279341A1 (en) Cryptographic security system, method, and program product using data partitioning
US11475141B1 (en) Apparatus and methods for verifying lost user data
Xiong et al. Towards neural network-based communication system: attack and defense
CN115314889A (zh) 电力调控终端多级安全认证方法、系统、存储器及设备
Lee et al. An evolutionary keystroke authentication based on ellipsoidal hypothesis space
CN114514550A (zh) 将请求分区成区块链的交易
Selimović et al. Authentication based on the image encryption using delaunay triangulation and catalan objects
WO2023177725A1 (en) Apparatus and methods for verifying lost user data
CN114065169B (zh) 一种隐私保护生物认证方法和装置、电子设备
CN112365224A (zh) 一种适用于项目管理系统的人工智能自动审批方法
CN115514496A (zh) 一种基于卷积神经网络的rsa数字签名伪造方法
Shawkat et al. Optimization-based pseudo random key generation for fast encryption scheme
CN114221753A (zh) 密钥数据处理方法和电子设备
Khankari et al. One time password generation for multifactor authentication using graphical password
Sathiaraj et al. Secure Transfer of Image-Acquired Text Using a Combination of Cryptography and Steganography
Wang et al. Template Protection based on Chaotic Map and DNA Encoding for Multimodal Biometrics at Feature Level Fusion.
US20230171092A1 (en) System and Method for Secure Detection of Similarity and Dissimilarity of Events
US11671258B1 (en) Apparatus and method for contingent assignment actions
CN116975935B (zh) 数据比较方法、存储介质及电子设备
US11856095B2 (en) Apparatus and methods for validating user data by using cryptography

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