CN112580084A - 一种基于低碳经济的新能源数据异常检测方法 - Google Patents
一种基于低碳经济的新能源数据异常检测方法 Download PDFInfo
- Publication number
- CN112580084A CN112580084A CN202110133592.4A CN202110133592A CN112580084A CN 112580084 A CN112580084 A CN 112580084A CN 202110133592 A CN202110133592 A CN 202110133592A CN 112580084 A CN112580084 A CN 112580084A
- Authority
- CN
- China
- Prior art keywords
- data
- new energy
- anomaly detection
- energy source
- data anomaly
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
Abstract
本发明涉及一种基于低碳经济的新能源数据异常检测方法,获取待异常检测的新能源初始数据,对新能源初始数据进行分类,得到至少两个新能源数据集,获取与各新能源数据集相对应的目标数据异常检测项目集,目标数据异常检测项目集包括至少一个目标数据异常检测项目,根据数据异常检测策略,对各新能源数据集进行数据异常检测,得到各新能源数据集的数据异常检测结果集,并存储至云端服务器。本发明提供的一种基于低碳经济的新能源数据异常检测方法是一种自动处理方法,不但能够大幅度提升数据异常检测效率,而且避免了人为因素的干扰,提升新能源数据的异常检测准确性。
Description
技术领域
本发明涉及一种基于低碳经济的新能源数据异常检测方法。
背景技术
低碳经济,也称减少高碳能源消耗的经济发展模式,是指在可持续发展理念指导下,通过技术创新、制度创新、产业转型、新能源开发等多种手段,尽可能地减少煤炭、石油等高碳能源消耗,减少温室气体排放,达到经济社会发展与生态环境保护双赢的一种经济发展形态。为了有效发展低碳经济,就需要发展新能源。新能源又称非常规能源,是指传统能源之外的各种能源形式,指刚开始开发利用或正在积极研究、有待推广的能源,如太阳能、地热能、风能、海洋能、生物质能和核聚变能等。因此,新能源数据是否正常决定着新能源发展是否正常顺利,但是,目前的新能源数据的异常检测方法几乎还是采取人工检测的方式,效率和准确性较低。
发明内容
本发明提供一种基于低碳经济的新能源数据异常检测方法,用于解决现有的新能源数据的异常检测方法的效率和准确性较低的技术问题。
一种基于低碳经济的新能源数据异常检测方法,包括:
获取待异常检测的新能源初始数据;
对所述新能源初始数据进行分类,得到至少两个新能源数据集,各新能源数据集中的新能源数据为相同元数据的新能源数据;
根据预设的数据异常检测数据库,获取与各新能源数据集相对应的目标数据异常检测项目集,目标数据异常检测项目集包括至少一个目标数据异常检测项目;其中,所述数据异常检测数据库包括至少两个元数据,以及与各元数据相对应的数据异常检测项目集,各数据异常检测项目集包括至少一个数据异常检测项目;
对于任意一个新能源数据集,获取该新能源数据集对应的目标数据异常检测项目集中的各目标数据异常检测项目对应的数据异常检测策略;执行各数据异常检测策略,对该新能源数据集中的每一个新能源数据进行数据异常检测,得到与各目标数据异常检测项目相对应的数据异常检测结果,其中,对于任意一个数据异常检测策略,当新能源数据符合该数据异常检测策略时,得到的数据异常检测结果为正常新能源数据,当新能源数据不符合该数据异常检测策略时,得到的数据异常检测结果为异常新能源数据;进而得到该新能源数据集的数据异常检测结果集,所述数据异常检测结果集包括该新能源数据集的各新能源数据的每一个目标数据异常检测项目对应的数据异常检测结果;
将各新能源数据集的数据异常检测结果集存储至云端服务器。
优选地,所述对于任意一个新能源数据集,获取该新能源数据集对应的目标数据异常检测项目集中的各目标数据异常检测项目对应的数据异常检测策略具体为:
对于任意一个新能源数据集,将该新能源数据集对应的目标数据异常检测项目集中的各目标数据异常检测项目输入至预设的数据异常检测策略数据库中,得到该新能源数据集对应的目标数据异常检测项目集中的各目标数据异常检测项目对应的数据异常检测策略。
优选地,获取各新能源数据集对应的目标数据异常检测项目集中的各目标数据异常检测项目对应的数据异常检测策略之前,所述新能源数据异常检测方法还包括:
根据预设的优先级确定机制获取各新能源数据集的异常检测优先级;
根据各新能源数据集的异常检测优先级,依次获取各新能源数据集对应的数据异常检测策略。
优选地,所述根据预设的优先级确定机制获取各新能源数据集的异常检测优先级具体为:
获取各新能源数据集中的新能源数据的数量,并获取对应的第一分值;
根据预设的元数据重要性划分规则,获取各新能源数据集对应的元数据的重要性,并获取对应的第二分值;
根据所述第一分值和第二分值,以及预设的第一权重和第二权重,获取各新能源数据集的总分值;其中,所述第一权重与新能源数据的数量相对应,所述第二权重与元数据重要性相对应;
根据各新能源数据集的总分值获取各新能源数据集的异常检测优先级。
优选地,所述将各新能源数据集的数据异常检测结果集存储至云端服务器具体为:
根据各新能源数据集的数据异常检测结果集,生成与各新能源数据集相对应的数据存储指令;
将各新能源数据集对应的数据存储指令发送至所述云端服务器,以指示所述云端服务器按照对应的加解密算法生成与各新能源数据集相对应的加密密钥以及解密密钥,且不同的新能源数据集对应的加解密算法不同,关联各新能源数据集、各加密密钥和各解密密钥,并返回各新能源数据集对应的加密密钥;
根据各加密密钥,对对应的数据异常检测结果集进行加密,得到加密数据异常检测结果集,并将各加密数据异常检测结果集发送至所述云端服务器,以指示所述云端服务器存储各加密数据异常检测结果集以及对应的各解密密钥。
将待异常检测的新能源初始数据进行分类,得到至少两个新能源数据集,而且,各新能源数据集中的新能源数据为相同元数据的新能源数据,即将待异常检测的新能源初始数据依照元数据的不同进行分类,通过这种分类方式能够化零为整,将具有一定相同特性的新能源数据划分在一起,便于后续的数据处理;接着获取与各新能源数据集相对应的目标数据异常检测项目集,目标数据异常检测项目集包括至少一个目标数据异常检测项目,因此,相同的元数据配置相同的数据异常检测项目集,即相同的数据异常检测项目,那么,对于相同的元数据所对应的多个新能源数据而言,无需在处理一个新能源数据均单独配置数据异常检测项目,而是直接为新能源数据集配置数据异常检测项目集,无需对每一个新能源数据均进行根据元数据确定目标数据异常检测项目集的步骤,大幅度降低数据异常检测的工作量,进而大幅度提升新能源数据的异常检测的效率和可靠性。而且,根据各新能源数据集合相对应的目标数据异常检测项目集所包含的各目标数据异常检测项目,获取对应的数据异常检测策略,进而执行各数据异常检测策略,对新能源数据集中的每一个新能源数据进行数据异常检测,得到与各目标数据异常检测项目相对应的数据异常检测结果,实现了可靠、全面准确地数据异常检测,提升数据异常检测的准确性和可靠性。因此,本发明提供的一种基于低碳经济的新能源数据异常检测方法是一种自动处理方法,不但能够大幅度提升数据异常检测效率,而且避免了人为因素的干扰,提升新能源数据的异常检测准确性。
附图说明
图1是本发明提供的一种基于低碳经济的新能源数据异常检测方法的流程图。
具体实施方式
本实施例提供一种基于低碳经济的新能源数据异常检测方法,该新能源数据异常检测方法的硬件执行主体可以是服务器设备、电脑设备、智能移动终端等等,硬件执行主体可以应用在新能源监管部门中。由于该新能源数据异常检测方法中包括与云端服务器进行数据交互的步骤,因此,该新能源数据异常检测方法的硬件执行主体与云端服务器通信连接,可以有线通信连接,也可以无线通信连接。
如图1所示,该新能源数据异常检测方法包括如下步骤:
步骤1:获取待异常检测的新能源初始数据:
获取待异常检测的新能源初始数据。待异常检测的新能源初始数据为还没有进行数据异常检测的新能源数据,通常包括多种新能源数据,具体包含的新能源数据的数量,以及各新能源数据的具体实现方式由实际应用场景决定。
步骤2:对所述新能源初始数据进行分类,得到至少两个新能源数据集,各新能源数据集中的新能源数据为相同元数据的新能源数据:
对新能源初始数据进行分类,得到至少两个新能源数据集,各新能源数据集中的新能源数据为相同元数据的新能源数据。也即,对新能源初始数据按照元数据进行分类,元数据(Metadata)又称中介数据、中继数据,为描述数据的数据(data about data),主要是描述数据属性(property)的信息。获取到的每种新能源数据均具有对应的元数据,各新能源数据的元数据是已知的。而且,存在多种不同的新能源数据具有相同的元数据的情况。那么,根据元数据,将新能源初始数据中的各种新能源数据进行分类,将相同元数据对应的多个新能源数据划分至一个新能源数据集合中,最终得到至少两个新能源数据集合,各新能源数据集合中的各新能源数据为相同元数据的新能源数据,应当理解,得到的新能源数据集合的个数由实际应用场景决定。本实施例中,为了关联各新能源数据集合与各元数据的对应关系,可以将各新能源数据集合以对应的元数据进行命名。
步骤3:根据预设的数据异常检测数据库,获取与各新能源数据集相对应的目标数据异常检测项目集,目标数据异常检测项目集包括至少一个目标数据异常检测项目;其中,所述数据异常检测数据库包括至少两个元数据,以及与各元数据相对应的数据异常检测项目集,各数据异常检测项目集包括至少一个数据异常检测项目:
预设的数据异常检测数据库包括至少两个元数据(元数据的个数由实际需要进行设置,本实施例中,可以囊括新能源领域所有的已有元数据),以及与各元数据相对应的数据异常检测项目集,各数据异常检测项目集包括至少一个数据异常检测项目。应当理解,数据异常检测项目集所包含的数据异常检测项目的个数,以及各数据异常检测项目的具体内容均由具体的数据异常检测项目集决定。由于各新能源数据集合均对应有元数据,那么,将各新能源数据集对应的元数据输入至数据异常检测数据库中,获取与各新能源数据集合相对应的目标数据异常检测项目集,目标数据异常检测项目集包括至少一个目标数据异常检测项目。
通过上述数据处理过程,使得:具有相同元数据的多个不同的新能源数据而言,具有相同的数据异常检测项目集,即具有相同的数据异常检测项目,也就是具有相同的数据处理过程。
本实施例中,在步骤4之前,即获取各新能源数据集对应的目标数据异常检测项目集中的各目标数据异常检测项目对应的数据异常检测策略之前,该新能源数据异常检测方法还包括获取各新能源数据集的异常检测优先级的步骤,然后根据得到的各新能源数据集的异常检测优先级,依次对各新能源数据集进行异常检测,异常检测优先级越高的新能源数据集,越先进行异常检测。以下给出一种具体实现过程:
根据预设的优先级确定机制获取各新能源数据集的异常检测优先级。具体地:
获取各新能源数据集中的新能源数据的数量,并获取对应的第一分值,其中,新能源数据的数量越多,对应的第一分值越高,应当理解,新能源数据的数量与的第一分值之间的具体数值关系由实际需要进行设定。
根据预设的元数据重要性划分规则,获取各新能源数据集对应的元数据的重要性,并获取对应的第二分值。其中,元数据重要性划分规则包括新能源领域所有的已有元数据,以及各个元数据的重要性,应当理解,各个元数据的重要性的划分由实际需要进行设定。而且,重要性越高的元数据,对应的第二分值越高,而各元数据的重要性与第二分值之间的具体数值关系由实际需要进行设定。
第一权重与新能源数据的数量相对应,第二权重与元数据重要性相对应。第一权重和第二权重之和为1,而且,第一权重和第二权重的大小关系由实际需要进行确定,比如:若认定元数据的重要性比新能源数据的数量更加重要,则第一权重小于第二权重。因此,根据第一分值和第二分值,以及预设的第一权重和第二权重,获取各新能源数据集的总分值。总分值=第一权重*第一分值+第二权重*第二分值。
根据各新能源数据集的总分值获取各新能源数据集的异常检测优先级。其中,总分值越高,异常检测优先级越高。
根据各新能源数据集的异常检测优先级,依次获取各新能源数据集对应的数据异常检测策略,即根据得到的各新能源数据集的异常检测优先级,进行下述步骤4。
步骤4:对于任意一个新能源数据集,获取该新能源数据集对应的目标数据异常检测项目集中的各目标数据异常检测项目对应的数据异常检测策略;执行各数据异常检测策略,对该新能源数据集中的每一个新能源数据进行数据异常检测,得到与各目标数据异常检测项目相对应的数据异常检测结果,其中,对于任意一个数据异常检测策略,当新能源数据符合该数据异常检测策略时,得到的数据异常检测结果为正常新能源数据,当新能源数据不符合该数据异常检测策略时,得到的数据异常检测结果为异常新能源数据;进而得到该新能源数据集的数据异常检测结果集,所述数据异常检测结果集包括该新能源数据集的各新能源数据的每一个目标数据异常检测项目对应的数据异常检测结果:
由于各新能源数据集的数据异常检测过程相同,以下以任意一个新能源数据集为例进行说明。
获取该新能源数据集对应的目标数据异常检测项目集中的各目标数据异常检测项目对应的数据异常检测策略。作为一个具体实施方式,预设有数据异常检测策略数据库,该数据异常检测策略数据库包括已知的所有数据异常检测项目,以及与各数据异常检测项目相对应的数据异常检测策略。那么,将该新能源数据集对应的目标数据异常检测项目集中的各目标数据异常检测项目输入至预设的数据异常检测策略数据库中,得到该新能源数据集对应的目标数据异常检测项目集中的各目标数据异常检测项目对应的数据异常检测策略。
然后,执行各数据异常检测策略,对该新能源数据集中的每一个新能源数据均进行如下处理:执行各数据异常检测策略,对该新能源数据进行数据异常检测,得到该新能源数据的与各目标数据异常检测项目相对应的数据异常检测结果。通过上述过程,能够得到该新能源数据集中的每一个新能源数据的数据异常检测结果。因此,得到该新能源数据集的数据异常检测结果集,该数据异常检测结果集包括该新能源数据集的各新能源数据的每一个目标数据异常检测项目对应的数据异常检测结果。
作为一个具体实施方式,对于任意一个数据异常检测策略,当新能源数据符合该数据异常检测策略时,得到的数据异常检测结果为正常新能源数据;当新能源数据不符合该数据异常检测策略时,得到的数据异常检测结果为异常新能源数据。比如:若数据异常检测策略为一个正常数值范围,那么,若新能源数据符合该数据异常检测策略,即处于该正常数值范围,则得到的数据异常检测结果为正常新能源数据,若新能源数据不符合该数据异常检测策略,即没有处于该正常数值范围,则得到的数据异常检测结果为异常新能源数据。
因此,通过上述过程,可以得到所有的新能源数据集对应的数据异常检测结果集。本实施例中,各数据异常检测结果集也可以以对应的元数据进行命名。
步骤5:将各新能源数据集的数据异常检测结果集存储至云端服务器:
得到各新能源数据集的数据异常检测结果集之后,将各新能源数据集的数据异常检测结果集存储至云端服务器。为了提升云存储的可靠性,以下给出一种具体的云存储过程:
根据各新能源数据集的数据异常检测结果集,生成与各新能源数据集相对应的数据存储指令。应当理解,各数据存储指令可以包括存储命令字符串,以及用于表示对应的新能源数据集的身份字符串。其中,身份字符串可以以元数据进行表征。
将各新能源数据集对应的数据存储指令发送至云端服务器。云端服务器接收到各数据存储指令之后,进行后续数据处理。云端服务器中预设有多个不同的数据加解密算法,预设的加解密算法的数量大于或者等于新能源数据集的个数,以便于根据各数据存储指令分配加解密算法,进一步地,为了保证能够对所有的新能源数据集进行加解密,云端服务器中囊括足够多的数据加解密算法。而且,各数据加解密算法可以与各元数据一一对应,比如云端服务器中设置有各数据加解密算法与对应的元数据的对应关系。对于任意一个数据存储指令而言,云端服务器接收到该数据存储指令之后,根据该数据存储指令以及预设的对应关系获取到对应的加解密算法,然后根据加解密算法生成与该数据存储指令相对应的加密密钥以及解密密钥,即与该数据存储指令对应的新能源数据集相对应的加密密钥以及解密密钥。
通过上述过程,可以得到每一个新能源数据集相对应的加密密钥以及解密密钥,而且,由于不同的新能源数据集对应的加解密算法不同,那么,每一个新能源数据集相对应的加密密钥以及解密密钥不同。关联各新能源数据集、各加密密钥和各解密密钥,即构建各新能源数据集、各加密密钥和各解密密钥的对应关系,方便后期数据加密和解密。
云端服务器返回各新能源数据集对应的加密密钥。应当理解,各新能源数据集对应的解密密钥存储在云端服务器中。
硬件执行主体接收到各加密密钥之后,根据各加密密钥,对对应的数据异常检测结果集进行加密,得到加密数据异常检测结果集。由于不同的数据异常检测结果集对应的加密密钥不同,那么,对各数据异常检测结果集的加密过程不同,相应地,各加密数据异常检测结果集也有所差异。然后,将各加密数据异常检测结果集发送至云端服务器,云端服务器接收到各加密数据异常检测结果集之后,根据对应关系,存储各加密数据异常检测结果集以及对应的各解密密钥,比如将各加密数据异常检测结果集与对应的解密密钥进行数据整合成数据包。各数据包可以存储在一个存储位置,也可以存储在不同的存储位置。
由于各数据异常检测结果集的加密过程不同,因此即便某一个加密数据异常检测结果集被非法破解,也无法获取到所有的数据异常检测结果集,提升数据云存储的安全性。而且,通过云端服务器生成加密和解密所需的加密密钥以及解密密钥,能够避免加密密钥以及解密密钥由本地生成而出现被篡改和被非法获取的情况,提升数据加解密的安全性。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。
Claims (5)
1.一种基于低碳经济的新能源数据异常检测方法,其特征在于,包括:
获取待异常检测的新能源初始数据;
对所述新能源初始数据进行分类,得到至少两个新能源数据集,各新能源数据集中的新能源数据为相同元数据的新能源数据;
根据预设的数据异常检测数据库,获取与各新能源数据集相对应的目标数据异常检测项目集,目标数据异常检测项目集包括至少一个目标数据异常检测项目;其中,所述数据异常检测数据库包括至少两个元数据,以及与各元数据相对应的数据异常检测项目集,各数据异常检测项目集包括至少一个数据异常检测项目;
对于任意一个新能源数据集,获取该新能源数据集对应的目标数据异常检测项目集中的各目标数据异常检测项目对应的数据异常检测策略;执行各数据异常检测策略,对该新能源数据集中的每一个新能源数据进行数据异常检测,得到与各目标数据异常检测项目相对应的数据异常检测结果,其中,对于任意一个数据异常检测策略,当新能源数据符合该数据异常检测策略时,得到的数据异常检测结果为正常新能源数据,当新能源数据不符合该数据异常检测策略时,得到的数据异常检测结果为异常新能源数据;进而得到该新能源数据集的数据异常检测结果集,所述数据异常检测结果集包括该新能源数据集的各新能源数据的每一个目标数据异常检测项目对应的数据异常检测结果;
将各新能源数据集的数据异常检测结果集存储至云端服务器。
2.根据权利要求1所述的基于低碳经济的新能源数据异常检测方法,其特征在于,
所述对于任意一个新能源数据集,获取该新能源数据集对应的目标数据异常检测项目集中的各目标数据异常检测项目对应的数据异常检测策略具体为:
对于任意一个新能源数据集,将该新能源数据集对应的目标数据异常检测项目集中的各目标数据异常检测项目输入至预设的数据异常检测策略数据库中,得到该新能源数据集对应的目标数据异常检测项目集中的各目标数据异常检测项目对应的数据异常检测策略。
3.根据权利要求1所述的基于低碳经济的新能源数据异常检测方法,其特征在于,
获取各新能源数据集对应的目标数据异常检测项目集中的各目标数据异常检测项目对应的数据异常检测策略之前,所述新能源数据异常检测方法还包括:
根据预设的优先级确定机制获取各新能源数据集的异常检测优先级;
根据各新能源数据集的异常检测优先级,依次获取各新能源数据集对应的数据异常检测策略。
4.根据权利要求3所述的基于低碳经济的新能源数据异常检测方法,其特征在于,
所述根据预设的优先级确定机制获取各新能源数据集的异常检测优先级具体为:
获取各新能源数据集中的新能源数据的数量,并获取对应的第一分值;
根据预设的元数据重要性划分规则,获取各新能源数据集对应的元数据的重要性,并获取对应的第二分值;
根据所述第一分值和第二分值,以及预设的第一权重和第二权重,获取各新能源数据集的总分值;其中,所述第一权重与新能源数据的数量相对应,所述第二权重与元数据重要性相对应;
根据各新能源数据集的总分值获取各新能源数据集的异常检测优先级。
5.根据权利要求1所述的基于低碳经济的新能源数据异常检测方法,其特征在于,
所述将各新能源数据集的数据异常检测结果集存储至云端服务器具体为:
根据各新能源数据集的数据异常检测结果集,生成与各新能源数据集相对应的数据存储指令;
将各新能源数据集对应的数据存储指令发送至所述云端服务器,以指示所述云端服务器按照对应的加解密算法生成与各新能源数据集相对应的加密密钥以及解密密钥,且不同的新能源数据集对应的加解密算法不同,关联各新能源数据集、各加密密钥和各解密密钥,并返回各新能源数据集对应的加密密钥;
根据各加密密钥,对对应的数据异常检测结果集进行加密,得到加密数据异常检测结果集,并将各加密数据异常检测结果集发送至所述云端服务器,以指示所述云端服务器存储各加密数据异常检测结果集以及对应的各解密密钥。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110133592.4A CN112580084A (zh) | 2021-02-01 | 2021-02-01 | 一种基于低碳经济的新能源数据异常检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110133592.4A CN112580084A (zh) | 2021-02-01 | 2021-02-01 | 一种基于低碳经济的新能源数据异常检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112580084A true CN112580084A (zh) | 2021-03-30 |
Family
ID=75145287
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110133592.4A Pending CN112580084A (zh) | 2021-02-01 | 2021-02-01 | 一种基于低碳经济的新能源数据异常检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112580084A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115118751A (zh) * | 2022-07-15 | 2022-09-27 | 广东浪潮智慧计算技术有限公司 | 一种基于区块链的监管系统、方法、设备和介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106685693A (zh) * | 2016-11-18 | 2017-05-17 | 汉柏科技有限公司 | 一种网络异常检测方法、系统及网络设备 |
CN107070811A (zh) * | 2017-02-27 | 2017-08-18 | 宇龙计算机通信科技(深圳)有限公司 | 一种数据发送方法、终端及数据处理系统 |
CN110267215A (zh) * | 2019-05-21 | 2019-09-20 | 深圳壹账通智能科技有限公司 | 一种数据检测方法、设备及存储介质 |
CN110930221A (zh) * | 2019-11-18 | 2020-03-27 | 珠海格力电器股份有限公司 | 异常订单处理方法、存储介质及计算机设备 |
CN111949718A (zh) * | 2020-08-20 | 2020-11-17 | 郑州奥腾网络科技有限公司 | 一种基于云计算的数据异常分析方法 |
-
2021
- 2021-02-01 CN CN202110133592.4A patent/CN112580084A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106685693A (zh) * | 2016-11-18 | 2017-05-17 | 汉柏科技有限公司 | 一种网络异常检测方法、系统及网络设备 |
CN107070811A (zh) * | 2017-02-27 | 2017-08-18 | 宇龙计算机通信科技(深圳)有限公司 | 一种数据发送方法、终端及数据处理系统 |
CN110267215A (zh) * | 2019-05-21 | 2019-09-20 | 深圳壹账通智能科技有限公司 | 一种数据检测方法、设备及存储介质 |
CN110930221A (zh) * | 2019-11-18 | 2020-03-27 | 珠海格力电器股份有限公司 | 异常订单处理方法、存储介质及计算机设备 |
CN111949718A (zh) * | 2020-08-20 | 2020-11-17 | 郑州奥腾网络科技有限公司 | 一种基于云计算的数据异常分析方法 |
Non-Patent Citations (1)
Title |
---|
冒东奎: "《计算机软件技术基础》", 31 January 2003 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115118751A (zh) * | 2022-07-15 | 2022-09-27 | 广东浪潮智慧计算技术有限公司 | 一种基于区块链的监管系统、方法、设备和介质 |
CN115118751B (zh) * | 2022-07-15 | 2024-04-19 | 广东浪潮智慧计算技术有限公司 | 一种基于区块链的监管系统、方法、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11546348B2 (en) | Data service system | |
US20090138698A1 (en) | Method of searching encrypted data using inner product operation and terminal and server therefor | |
CN110324331B (zh) | 基于区块链的电力系统安全稳定控制终端身份认证方法 | |
CN104750784B (zh) | 一种基于Merkle树结构的空间查询完整性验证方法 | |
CN111970236B (zh) | 跨网数据传输方法和装置 | |
CN109903034B (zh) | 规则匹配方法、装置、计算机可读存储介质和计算机设备 | |
EP3792849A1 (en) | Apparatus and method for generating evaluation data of facilities and projects | |
Deng et al. | Distributed mining for content filtering function based on simulated annealing and gene expression programming in active distribution network | |
CN112580084A (zh) | 一种基于低碳经济的新能源数据异常检测方法 | |
Akın et al. | Ethereum blockchain network-based electrical vehicle charging platform with multi-criteria decision support system | |
CN114218318B (zh) | 一种用于电力大数据的数据处理系统及方法 | |
CN112988331B (zh) | 一种云平台虚拟机之间的安全数据交换方法 | |
CN116847335A (zh) | 一种基于北斗三代的通信报文加密压缩系统 | |
Omotunde et al. | A hybrid threat model for software security requirement specification | |
CN111859445B (zh) | 一种基于k-db数据库的数据安全实现方法及系统 | |
Abdi et al. | The Role of Deep Learning in Advancing Proactive Cybersecurity Measures for Smart Grid Networks: A Survey | |
Rathee et al. | SecureBlock: An ML-Blockchain Consumer-Centric Sustainable Solution for Industry 5.0 | |
CN114401107A (zh) | 一种能源互联网数据安全处理系统及方法 | |
KR20210053844A (ko) | 인공지능형 개인 정보 보안 시스템의 서버 | |
Zou et al. | Research on privacy protection of large-scale network data aggregation process | |
CN106127080B (zh) | 一种大数据资源的保护方法 | |
Jeon et al. | Two-Step Feature Selection Technique for Secure and Lightweight Internet of Things | |
CN115829186B (zh) | 基于人工智能的erp管理方法及数据处理ai系统 | |
Moradi et al. | Enhancing security on social networks with IoT-based blockchain hierarchical structures with Markov chain | |
Han et al. | A robust optimization approach to evaluate the impact of smart grid technologies on generation plans |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210330 |
|
RJ01 | Rejection of invention patent application after publication |