CN112633736A - 基于区块链系统的风险监测方法、系统及装置 - Google Patents
基于区块链系统的风险监测方法、系统及装置 Download PDFInfo
- Publication number
- CN112633736A CN112633736A CN202011607950.2A CN202011607950A CN112633736A CN 112633736 A CN112633736 A CN 112633736A CN 202011607950 A CN202011607950 A CN 202011607950A CN 112633736 A CN112633736 A CN 112633736A
- Authority
- CN
- China
- Prior art keywords
- data
- risk
- model
- intelligent contract
- block chain
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012544 monitoring process Methods 0.000 title claims abstract description 21
- 238000011156 evaluation Methods 0.000 claims abstract description 92
- 238000007781 pre-processing Methods 0.000 claims abstract description 22
- 238000013210 evaluation model Methods 0.000 claims abstract description 10
- 238000012502 risk assessment Methods 0.000 claims abstract description 9
- 238000004519 manufacturing process Methods 0.000 claims description 42
- 238000012795 verification Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 239000002994 raw material Substances 0.000 claims description 12
- 238000012797 qualification Methods 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 4
- 230000001502 supplementing effect Effects 0.000 claims description 4
- 238000004804 winding Methods 0.000 claims description 3
- 230000008676 import Effects 0.000 claims description 2
- 238000001816 cooling Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 11
- 238000012806 monitoring device Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000012217 deletion Methods 0.000 description 3
- 230000037430 deletion Effects 0.000 description 3
- 238000007792 addition Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0282—Rating or review of business operators or products
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开一种基于区块链系统的风险监测方法，包括以下步骤：获取待上链产品的关联数据，将关联数据和渠道信息进行上链操作；获取并将每一类别内容的数据根据冷热程度进行排序并标记，对每类关联数据进行预处理，得到完整关联数据；调用区块链智能合约风险等级评估模型，根据每个链上产品的产品自身数据及外界评价数据对链上产品是否存在风险进行评估，得到风险评估结果等级并将风险评估结果等级进行上链操作；响应于风险评估结果等级更新的请求，得到更新的相关数据并上链；调用区块链智能合约风险等级更新模型，基于更新的相关数据对风险评估结果等级进行更新并进行上链操作。进而使得风险评估结果等级更新的及时。
Description
技术领域
本发明涉及区块链技术领域，尤其涉及一种基于区块链系统的风险监测方法、系统及装置。
背景技术
现有技术中，在产品的风险监测系统中，很多数据获取不及时会导致产品的风险等级更新不及时，因此会导致用户权益受损，如何才能更高效更准确的获取到相关数据，进而才能及时的对风险等级进行更新，进而使得消费者或者用户的体验更好。
发明内容
本发明针对现有技术中的缺点，提供了一种基于区块链系统的风险监测方法、系统及装置。
为了解决上述技术问题，本发明通过下述技术方案得以解决：
一种基于区块链系统的风险监测方法，应用于进出口贸易区块链风险监测系统中，包括以下步骤：
获取待上链产品的关联数据，将关联数据和渠道信息进行上链操作，其中，关联数据包括产品自身数据、生产环境运输信息及外界评价数据；
获取链上产品自身数据、生产环境运输信息及外界评价数据并基于产品自身数据、生产环境运输信息及外界评价数据的内容进行分类，将每一类别内容的数据根据冷热程度进行排序并标记，调用区块链智能合约关联数据预处理模型对基于分类及标记结果对每类关联数据进行预处理，得到完整关联数据；
调用区块链智能合约风险等级评估模型，根据每个链上产品的产品自身数据及外界评价数据对链上产品是否存在风险进行评估，得到风险评估结果等级并将风险评估结果等级进行上链操作；
响应于风险评估结果等级更新的请求，调用区块链智能合约数据更新模型对链上产品的相关数据进行核验及更新，得到更新的相关数据并上链；
调用区块链智能合约风险等级更新模型，基于更新的相关数据对风险评估结果等级进行更新并进行上链操作。
作为一种可实施方式，所述产品自身数据为：从产品采购原料为起点，原材料的检测报告信息、商家的资格证书、原材料采购及每一步加工的工厂资质信息、每一步的加工信息以及进口食品的进出海关的抽检信息及关口信息；
生产环境运输信息为：生产主体企业信息及其环境信息、关联主体企业信息及其环境信息、生产环节、贮存环节、运输环节和报关环节涉及到企业的相关信息；
所述外界评价数据为：各个销售网站的产品和/或原材料销售信息及评价信息。
作为一种可实施方式，所述区块链智能合约关联数据预处理模型包括区块链智能合约重复数据删除模型及区块链智能合约缺失数据填补模型，基于区块链智能合约重复数据删除模型执行对重复数据的删除，基于区块链智能合约缺失数据填补模型对缺失数据进行填补。
作为一种可实施方式，基于区块链智能合约重复数据删除模型执行对重复数据的删除，具体为：
调用预先部署的区块链智能合约重复数删除服务，查询并历遍产品自身数据、生产环境运输信息及外界评价数据每一类别的数据内容；
若每一类别中出现相同标记，则对数据进行相似度审核，若属于相同内容，则进行删除。
作为一种可实施方式，还包括区块链智能合约缺失数据填补模型实现步骤具体包括：
对产品自身数据库、生产环境运输信息数据库及外界评价数据库进行预处理，得到特征集，构建缺失数据填补模型，基于特征集对缺失数据填补模型进行训练及验证，得到训练好的缺失数据填补模型，得到缺失数据填补算法；
调用预先部署的区块链智能合约缺失数据填补服务执行缺失数据填补算法，对缺失数据进行填补。
作为一种可实施方式，所述冷热程度为与产品及企业信息关联的密切程度。
作为一种可实施方式，调用区块链智能合约数据更新模型对链上产品的相关数据进行核验及更新，具体为：
对更新后的数据进行预处理，得到更新后数据特征集；
构建数据更新核验模型，基于更新后数据特征集对数据更新核验模型进行训练集验证，得到数据更新核验算法；
执行数据更新核验算法，根据核验结果对数据进行删除或者补充。
一种基于区块链系统的风险检测系统，包括数据获取模块、数据处理模块、风险评估模块、核验更新模块及风险更新模块；
所述数据获取模块，用于获取待上链产品的关联数据，将关联数据和渠道信息进行上链操作，其中，关联数据包括产品自身数据、生产环境运输信息及外界评价数据；
所述数据处理模块，用于获取链上产品自身数据及外界评价数据并基于产品自身数据及外界评价数据的内容进行分类，将每一类别内容的数据根据冷热程度进行排序并标记，调用区块链智能合约关联数据预处理模型对基于分类及标记结果对每类关联数据进行预处理，得到完整关联数据；
所述风险评估模块，用于调用区块链智能合约风险等级评估模型，根据每个链上产品的产品自身数据及外界评价数据对链上产品是否存在风险进行评估，得到风险评估结果等级并将风险评估结果等级进行上链操作；
所述核验更新模块，用于响应于风险评估结果等级更新的请求，调用区块链智能合约数据更新模型对链上产品的相关数据进行核验及更新，得到更新的相关数据并上链；
所述风险更新模块，用于调用区块链智能合约风险等级更新模型，基于更新的相关数据对风险评估结果等级进行更新并进行上链操作。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如下的所述的方法步骤：
获取待上链产品的关联数据，将关联数据和渠道信息进行上链操作，其中，关联数据包括产品自身数据、生产环境运输信息及外界评价数据；
获取链上产品自身数据、生产环境运输信息及外界评价数据并基于产品自身数据、生产环境运输信息及外界评价数据的内容进行分类，将每一类别内容的数据根据冷热程度进行排序并标记，调用区块链智能合约关联数据预处理模型对基于分类及标记结果对每类关联数据进行预处理，得到完整关联数据；
调用区块链智能合约风险等级评估模型，根据每个链上产品的产品自身数据及外界评价数据对链上产品是否存在风险进行评估，得到风险评估结果等级并将风险评估结果等级进行上链操作；
响应于风险评估结果等级更新的请求，调用区块链智能合约数据更新模型对链上产品的相关数据进行核验及更新，得到更新的相关数据并上链；
调用区块链智能合约风险等级更新模型，基于更新的相关数据对风险评估结果等级进行更新并进行上链操作。
一种基于区块链系统的跨境商品溯源装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下所述的方法步骤：获取待上链产品的关联数据，将关联数据和渠道信息进行上链操作，其中，关联数据包括产品自身数据、生产环境运输信息及外界评价数据；
获取链上产品自身数据、生产环境运输信息及外界评价数据并基于产品自身数据、生产环境运输信息及外界评价数据的内容进行分类，将每一类别内容的数据根据冷热程度进行排序并标记，调用区块链智能合约关联数据预处理模型对基于分类及标记结果对每类关联数据进行预处理，得到完整关联数据；
调用区块链智能合约风险等级评估模型，根据每个链上产品的产品自身数据及外界评价数据对链上产品是否存在风险进行评估，得到风险评估结果等级并将风险评估结果等级进行上链操作；
响应于风险评估结果等级更新的请求，调用区块链智能合约数据更新模型对链上产品的相关数据进行核验及更新，得到更新的相关数据并上链；
调用区块链智能合约风险等级更新模型，基于更新的相关数据对风险评估结果等级进行更新并进行上链操作。
本发明由于采用了以上技术方案，具有显著的技术效果：
本发明在数据获取领域更加快速及精确，进而使得风险评估结果等级更新的及时。
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他的附图。
图1是本发明的整体流程示意图。
图2是本发明的整体结构示意图。
图3是本发明对重复数据删除的示意图。
图4是本发明对缺少数据进行填补的示意图。
具体实施方式
下面结合实施例对本发明做进一步的详细说明，以下实施例是对本发明的解释而本发明并不局限于以下实施例。
现有技术中，在产品的风险监测系统中，很多数据获取不及时会导致产品的风险等级更新不及时，因此会导致用户权益受损，如何才能更高效更准确的获取到相关数据，进而才能及时的对风险等级进行更新呢进而使得消费者或者用户的体验更好呢。本发明就是结合数据的更新对整个风险监测进行完善而提出的一种新的方法。
实施例1：
一种基于区块链系统的风险监测方法，如图1所示，应用于进出口贸易区块链风险监测系统中，包括以下步骤：
S100、获取待上链产品的关联数据，将关联数据和渠道信息进行上链操作，其中，关联数据包括产品自身数据、生产环境运输信息及外界评价数据；
S200、获取链上产品自身数据、生产环境运输信息及外界评价数据并基于产品自身数据、生产环境运输信息及外界评价数据的内容进行分类，将每一类别内容的数据根据冷热程度进行排序并标记，调用区块链智能合约关联数据预处理模型对基于分类及标记结果对每类关联数据进行预处理，得到完整关联数据；
S300、调用区块链智能合约风险等级评估模型，根据每个链上产品的产品自身数据及外界评价数据对链上产品是否存在风险进行评估，得到风险评估结果等级并将风险评估结果等级进行上链操作；
S400、响应于风险评估结果等级更新的请求，调用区块链智能合约数据更新模型对链上产品的相关数据进行核验及更新，得到更新的相关数据并上链；
S500、调用区块链智能合约风险等级更新模型，基于更新的相关数据对风险评估结果等级进行更新并进行上链操作。
通过本发明的方法，能够及时的对链上产品的关联数据进行删除或者填补，进而使得风险监测系统反馈的情况更加完整与快速，以使得风险等级更新的及时，方便用户使用和及时了解相关物品的风险等级。
在一个实施例中，所述产品自身数据为：从产品采购原料为起点，原材料的检测报告信息、商家的资格证书、原材料采购及每一步加工的工厂资质信息、每一步的加工信息以及进口食品的进出海关的抽检信息及关口信息；
生产环境运输信息为：生产主体企业信息及其环境信息、关联主体企业信息及其环境信息、生产环节、贮存环节、运输环节和报关环节涉及到企业的相关信息；
所述外界评价数据为：各个销售网站的产品和/或原材料销售信息及评价信息。
这些信息都是产品数据的关联信息，在实际过程中可能提供的不够全面或者提供的比较多余，因此，后续为了能够使得风险监测系统能够更加完善，需要对这些数据进行适当的处理。比如，很多数据或者词语是相同的，比如：“这个产品太好了”标记为“1”和“这个产品太棒了”也标记为“1”，那这两种不管从语义或者表达来讲，肯定是重复的。如果近义词或者重复度太高的词不删除，那么不仅或使得服务器增加负担，还会对后续的判读产生误解。
具体地，所述区块链智能合约关联数据预处理模型包括区块链智能合约重复数据删除模型及区块链智能合约缺失数据填补模型，基于区块链智能合约重复数据删除模型执行对重复数据的删除，基于区块链智能合约缺失数据填补模型对缺失数据进行填补。整个发明中，为了能更好的对重复数据进行删除和对缺失数据进行填补，在区块链网络中部署了区块链智能合约重复数据删除模型及区块链智能合约缺失数据填补模型，通过调用预先部署的区块链智能合约重复数据删除服务及区块链智能合约缺失数据填补服务，来执行重复数据删除操作和缺失数据填补操作。
在一个实施例中，如图3所示，基于区块链智能合约重复数据删除模型执行对重复数据的删除，具体为：
调用预先部署的区块链智能合约重复数删除服务，查询并历遍产品自身数据、生产环境运输信息及外界评价数据每一类别的数据内容；
若每一类别中出现相同标记，则对数据进行相似度审核，若属于相同内容，则进行删除。
在获取数据时会给所有获取到的数据打标记，在此，所述的数据并非传统意义中的数据，可能是一整句话，也可能是一个词语或者一个字，根据每一个类别的规则可做调整。
数据是根据每一类别的冷热度顺序做好标记的，在对重复数据进行删除时，只要根据标记进行查询即可，比如，如果标记相同，则可能数据内容是相同的，如果标记相同内容不同或者内容不相近，则有可能是标记时出差，那么后续可以重新进行标记，标记后再去和其他数据进行比对。如图3所示，比如这个产品太好了”标记为“1”和“这个产品太棒了”也标记为“1”，那这两种不管从语义或者表达来讲，肯定是重复的。那么，可以择其一删除一个即可，总之，整个过程其实就是对比筛选的过程，最终会保证标记相同的数据内容是相同或者相近的。
在一个实施例中，如图4所示，还包括区块链智能合约缺失数据填补模型实现步骤具体包括：
对产品自身数据库、生产环境运输信息数据库及外界评价数据库进行预处理，得到特征集，构建缺失数据填补模型，基于特征集对缺失数据填补模型进行训练及验证，得到训练好的缺失数据填补模型，得到缺失数据填补算法；
调用预先部署的区块链智能合约缺失数据填补服务执行缺失数据填补算法，对缺失数据进行填补。
引起数据缺失的原因有很多，比如，企业或者商家不愿意提供相应的数据、或者是在录入数据时由于某种原因数据丢失，那么针对不同的情况其实会有不同的填补算法。比如，如果是录入数据时系统将数据丢失，可以采用现有技术中的预测填充或者统一填充，也可以构建相应的数据填补模型，通过数据填补模型对缺失数据进行填补，在此不再赘述。若是商家不愿提提供相应的数据，可以基于事先搜集的相关数据比如营业执照副本、产品说明书或者产品配料表等进行神经网络模型训练，得到缺失数据填补模型，进而对缺失数据进行填补，如图4所示，图中有些内容是缺失的，可以根据训练好的缺失数据填补模型进行填补。
本发明所有实施例中，所述冷热程度为与产品及企业信息关联的密切程度。
在一个实施例中，调用区块链智能合约数据更新模型对链上产品的相关数据进行核验及更新，具体为：
对更新后的数据进行预处理，得到更新后数据特征集；
构建数据更新核验模型，基于更新后数据特征集对数据更新核验模型进行训练集验证，得到数据更新核验算法；
执行数据更新核验算法，根据核验结果对数据进行删除或者补充。
此过程是为了定期或者不定期更新风险等级而设定的，需要对链上产品的相关数据进行核验及更新，比如，相关数据是否进行了修改或者删除等，定期对数据进行核验及更新，进而使得风险监测系统的反馈更加准确。
实施例2：
一种基于区块链系统的风险检测系统，如图2所示，包括数据获取模块100、数据处理模块200、风险评估模块300、核验更新模块400及风险更新模块500；
所述数据获取模块100，用于获取待上链产品的关联数据，将关联数据和渠道信息进行上链操作，其中，关联数据包括产品自身数据、生产环境运输信息及外界评价数据；
所述数据处理模块200，用于获取链上产品自身数据及外界评价数据并基于产品自身数据及外界评价数据的内容进行分类，将每一类别内容的数据根据冷热程度进行排序并标记，调用区块链智能合约关联数据预处理模型对基于分类及标记结果对每类关联数据进行预处理，得到完整关联数据；
所述风险评估模块300，用于调用区块链智能合约风险等级评估模型，根据每个链上产品的产品自身数据及外界评价数据对链上产品是否存在风险进行评估，得到风险评估结果等级并将风险评估结果等级进行上链操作；
所述核验更新模块400，用于响应于风险评估结果等级更新的请求，调用区块链智能合约数据更新模型对链上产品的相关数据进行核验及更新，得到更新的相关数据并上链；
所述风险更新模块500，用于调用区块链智能合约风险等级更新模型，基于更新的相关数据对风险评估结果等级进行更新并进行上链操作。
实施例3：
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如下的所述的方法步骤：
获取待上链产品的关联数据，将关联数据和渠道信息进行上链操作，其中，关联数据包括产品自身数据、生产环境运输信息及外界评价数据；
获取链上产品自身数据、生产环境运输信息及外界评价数据并基于产品自身数据、生产环境运输信息及外界评价数据的内容进行分类，将每一类别内容的数据根据冷热程度进行排序并标记，调用区块链智能合约关联数据预处理模型对基于分类及标记结果对每类关联数据进行预处理，得到完整关联数据；
调用区块链智能合约风险等级评估模型，根据每个链上产品的产品自身数据及外界评价数据对链上产品是否存在风险进行评估，得到风险评估结果等级并将风险评估结果等级进行上链操作；
响应于风险评估结果等级更新的请求，调用区块链智能合约数据更新模型对链上产品的相关数据进行核验及更新，得到更新的相关数据并上链；
调用区块链智能合约风险等级更新模型，基于更新的相关数据对风险评估结果等级进行更新并进行上链操作。
在一个实施例中，处理器执行计算机程序时，实现还包括以下方法：所述产品自身数据为：从产品采购原料为起点，原材料的检测报告信息、商家的资格证书、原材料采购及每一步加工的工厂资质信息、每一步的加工信息以及进口食品的进出海关的抽检信息及关口信息；
生产环境运输信息为：生产主体企业信息及其环境信息、关联主体企业信息及其环境信息、生产环节、贮存环节、运输环节和报关环节涉及到企业的相关信息；
所述外界评价数据为：各个销售网站的产品和/或原材料销售信息及评价信息。
在一个实施例中，处理器执行计算机程序时，实现还包括以下方法：所述区块链智能合约关联数据预处理模型包括区块链智能合约重复数据删除模型及区块链智能合约缺失数据填补模型，基于区块链智能合约重复数据删除模型执行对重复数据的删除，基于区块链智能合约缺失数据填补模型对缺失数据进行填补。
在一个实施例中，处理器执行计算机程序时，实现还包括以下方法：基于区块链智能合约重复数据删除模型执行对重复数据的删除，具体为：
调用预先部署的区块链智能合约重复数删除服务，查询并历遍产品自身数据、生产环境运输信息及外界评价数据每一类别的数据内容；
若每一类别中出现相同标记，则对数据进行相似度审核，若属于相同内容，则进行删除。
在一个实施例中，处理器执行计算机程序时，实现还包括以下方法：还包括区块链智能合约缺失数据填补模型实现步骤具体包括：
对产品自身数据库、生产环境运输信息数据库及外界评价数据库进行预处理，得到特征集，构建缺失数据填补模型，基于特征集对缺失数据填补模型进行训练及验证，得到训练好的缺失数据填补模型，得到缺失数据填补算法；
调用预先部署的区块链智能合约缺失数据填补服务执行缺失数据填补算法，对缺失数据进行填补。
在一个实施例中，处理器执行计算机程序时，实现还包括以下方法：
所述冷热程度为与产品及企业信息关联的密切程度。
在一个实施例中，处理器执行计算机程序时，实现还包括以下方法：
调用区块链智能合约数据更新模型对链上产品的相关数据进行核验及更新，具体为：
对更新后的数据进行预处理，得到更新后数据特征集；
构建数据更新核验模型，基于更新后数据特征集对数据更新核验模型进行训练集验证，得到数据更新核验算法；
执行数据更新核验算法，根据核验结果对数据进行删除或者补充。
实施例4：
在一个实施例中，提供了一种基于区块链系统的风险监测装置，该基于区块链系统的风险监测装置可以是服务器也可以是移动终端。该基于区块链系统的风险监测装置包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该基于区块链系统的风险监测装置的处理器用于提供计算和控制能力。该基于区块链系统的风险监测装置的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该数据库存储基于区块链系统的风险监测装置的所有数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现基于区块链系统的风险监测的方法。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
需要说明的是：
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
此外，需要说明的是，本说明书中所描述的具体实施例，其零、部件的形状、所取名称等可以不同。凡依本发明专利构思所述的构造、特征及原理所做的等效或简单变化，均包括于本发明专利的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离本发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (10)
1.一种基于区块链系统的风险监测方法，应用于进出口贸易区块链风险监测系统中，其特征在于，包括以下步骤：
获取待上链产品的关联数据，将关联数据和渠道信息进行上链操作，其中，关联数据包括产品自身数据、生产环境运输信息及外界评价数据；
获取链上产品自身数据、生产环境运输信息及外界评价数据并基于产品自身数据、生产环境运输信息及外界评价数据的内容进行分类，将每一类别内容的数据根据冷热程度进行排序并标记，调用区块链智能合约关联数据预处理模型对基于分类及标记结果对每类关联数据进行预处理，得到完整关联数据；
调用区块链智能合约风险等级评估模型，根据每个链上产品的产品自身数据及外界评价数据对链上产品是否存在风险进行评估，得到风险评估结果等级并将风险评估结果等级进行上链操作；
响应于风险评估结果等级更新的请求，调用区块链智能合约数据更新模型对链上产品的相关数据进行核验及更新，得到更新的相关数据并上链；
调用区块链智能合约风险等级更新模型，基于更新的相关数据对风险评估结果等级进行更新并进行上链操作。
2.根据权利要求1所述的基于区块链系统的风险监测方法，其特征在于，所述产品自身数据为：从产品采购原料为起点，原材料的检测报告信息、商家的资格证书、原材料采购及每一步加工的工厂资质信息、每一步的加工信息以及进口食品的进出海关的抽检信息及关口信息；
生产环境运输信息为：生产主体企业信息及其环境信息、关联主体企业信息及其环境信息、生产环节、贮存环节、运输环节和报关环节涉及到企业的相关信息；
所述外界评价数据为：各个销售网站的产品和/或原材料销售信息及评价信息。
3.根据权利要求1所述的基于区块链系统的风险监测方法，其特征在于，所述区块链智能合约关联数据预处理模型包括区块链智能合约重复数据删除模型及区块链智能合约缺失数据填补模型，基于区块链智能合约重复数据删除模型执行对重复数据的删除，基于区块链智能合约缺失数据填补模型对缺失数据进行填补。
4.根据权利要求3所述的基于区块链系统的风险监测方法，其特征在于，基于区块链智能合约重复数据删除模型执行对重复数据的删除，具体为：
调用预先部署的区块链智能合约重复数删除服务，查询并历遍产品自身数据、生产环境运输信息及外界评价数据每一类别的数据内容；
若每一类别中出现相同标记，则对数据进行相似度审核，若属于相同内容，则进行删除。
5.根据权利要求3所述的基于区块链系统的风险监测方法，其特征在于，还包括区块链智能合约缺失数据填补模型实现步骤具体包括：
对产品自身数据库、生产环境运输信息数据库及外界评价数据库进行预处理，得到特征集，构建缺失数据填补模型，基于特征集对缺失数据填补模型进行训练及验证，得到训练好的缺失数据填补模型，得到缺失数据填补算法；
调用预先部署的区块链智能合约缺失数据填补服务执行缺失数据填补算法，对缺失数据进行填补。
6.根据权利要求1所述的基于区块链系统的风险监测方法，其特征在于，所述冷热程度为与产品及企业信息关联的密切程度。
7.根据权利要求1所述的基于区块链系统的风险监测方法，其特征在于，调用区块链智能合约数据更新模型对链上产品的相关数据进行核验及更新，具体为：
对更新后的数据进行预处理，得到更新后数据特征集；
构建数据更新核验模型，基于更新后数据特征集对数据更新核验模型进行训练集验证，得到数据更新核验算法；
执行数据更新核验算法，根据核验结果对数据进行删除或者补充。
8.一种基于区块链系统的风险检测系统，其特征在于，包括数据获取模块、数据处理模块、风险评估模块、核验更新模块及风险更新模块；
所述数据获取模块，用于获取待上链产品的关联数据，将关联数据和渠道信息进行上链操作，其中，关联数据包括产品自身数据、生产环境运输信息及外界评价数据；
所述数据处理模块，用于获取链上产品自身数据及外界评价数据并基于产品自身数据及外界评价数据的内容进行分类，将每一类别内容的数据根据冷热程度进行排序并标记，调用区块链智能合约关联数据预处理模型对基于分类及标记结果对每类关联数据进行预处理，得到完整关联数据；
所述风险评估模块，用于调用区块链智能合约风险等级评估模型，根据每个链上产品的产品自身数据及外界评价数据对链上产品是否存在风险进行评估，得到风险评估结果等级并将风险评估结果等级进行上链操作；
所述核验更新模块，用于响应于风险评估结果等级更新的请求，调用区块链智能合约数据更新模型对链上产品的相关数据进行核验及更新，得到更新的相关数据并上链；
所述风险更新模块，用于调用区块链智能合约风险等级更新模型，基于更新的相关数据对风险评估结果等级进行更新并进行上链操作。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任意一项所述的方法步骤。
10.一种基于区块链系统的跨境商品溯源装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任意一项所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011607950.2A CN112633736A (zh) | 2020-12-30 | 2020-12-30 | 基于区块链系统的风险监测方法、系统及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011607950.2A CN112633736A (zh) | 2020-12-30 | 2020-12-30 | 基于区块链系统的风险监测方法、系统及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112633736A true CN112633736A (zh) | 2021-04-09 |
Family
ID=75286574
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011607950.2A Pending CN112633736A (zh) | 2020-12-30 | 2020-12-30 | 基于区块链系统的风险监测方法、系统及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112633736A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114418582A (zh) * | 2021-12-23 | 2022-04-29 | 泰康保险集团股份有限公司 | 基于区块链的年金数据处理方法、装置、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103106585A (zh) * | 2011-11-11 | 2013-05-15 | 阿里巴巴集团控股有限公司 | 产品信息的实时去重方法和装置 |
| CN109194641A (zh) * | 2018-08-27 | 2019-01-11 | 广东工业大学 | 一种业务数据的传输方法、装置、设备及存储介质 |
| CN109522746A (zh) * | 2018-11-07 | 2019-03-26 | 平安医疗健康管理股份有限公司 | 一种数据处理方法、电子设备及计算机存储介质 |
| CN110069932A (zh) * | 2019-05-08 | 2019-07-30 | 济南浪潮高新科技投资发展有限公司 | 一种基于智能合约的数据湖融合数据安全分析方法 |
| CN110189015A (zh) * | 2019-05-24 | 2019-08-30 | 复旦大学 | 面向出入境商品的风险评估系统 |
-
2020
- 2020-12-30 CN CN202011607950.2A patent/CN112633736A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103106585A (zh) * | 2011-11-11 | 2013-05-15 | 阿里巴巴集团控股有限公司 | 产品信息的实时去重方法和装置 |
| CN109194641A (zh) * | 2018-08-27 | 2019-01-11 | 广东工业大学 | 一种业务数据的传输方法、装置、设备及存储介质 |
| CN109522746A (zh) * | 2018-11-07 | 2019-03-26 | 平安医疗健康管理股份有限公司 | 一种数据处理方法、电子设备及计算机存储介质 |
| CN110069932A (zh) * | 2019-05-08 | 2019-07-30 | 济南浪潮高新科技投资发展有限公司 | 一种基于智能合约的数据湖融合数据安全分析方法 |
| CN110189015A (zh) * | 2019-05-24 | 2019-08-30 | 复旦大学 | 面向出入境商品的风险评估系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114418582A (zh) * | 2021-12-23 | 2022-04-29 | 泰康保险集团股份有限公司 | 基于区块链的年金数据处理方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Roky et al. | Evaluation by users of an industrial information system (XPPS) based on the DeLone and McLean model for IS success | |
| US20150058278A1 (en) | Determining reliability of data reports | |
| CN110929036A (zh) | 电力营销稽查管理方法、装置、计算机设备和存储介质 | |
| CN111176990A (zh) | 基于数据决策的测试数据生成方法、装置、计算机设备 | |
| CN113868498A (zh) | 数据存储方法、电子装置、装置及可读存储介质 | |
| CN112418659A (zh) | 基于区块链系统的跨境商品溯源方法、系统及装置 | |
| CN112633736A (zh) | 基于区块链系统的风险监测方法、系统及装置 | |
| CN108595460A (zh) | 关键词自动抽取的多路评测方法及系统、计算机程序 | |
| Kini et al. | Periodic developer metrics in software defect prediction | |
| Mattioli et al. | Towards a holistic approach for AI trustworthiness assessment based upon aids for multi-criteria aggregation | |
| CN117575222A (zh) | 生产管理方法、系统、设备及存储介质 | |
| Aboshady et al. | A fuzzy risk management framework for the Egyptian real estate development projects | |
| CN112527573B (zh) | 一种接口测试方法、装置及存储介质 | |
| CN114820618A (zh) | 瑕疵检测模型的训练方法、装置、设备及存储介质 | |
| Valencia-Payan et al. | Smart Contract to Traceability of Food Social Selling. | |
| CN114070737A (zh) | 设备的配置数据的检查方法、装置、存储介质及电子设备 | |
| Ben Khalifa et al. | Spammers detection based on reviewers’ behaviors under belief function theory | |
| US20220129912A1 (en) | System and method for facilitating global trade and sustainable environmental and governance attribute attestations | |
| RU2795368C1 (ru) | Интерфейс информационного взаимодействия системы поддержки принятия решений с информационно-аналитическим фондом | |
| CN113190805B (zh) | 一种代码资产管理系统 | |
| CN113190805A (zh) | 一种代码资产管理系统 | |
| RU216851U1 (ru) | Устройство ввода данных в информационный фонд автоматизированной аналитической системы поддержки принятия решений | |
| CN112700044A (zh) | 预测方法和装置 | |
| CN116955283A (zh) | 业务信息查询方法、装置、设备、介质和产品 | |
| Kalinin et al. | Big Data Security Evaluation by Bidirectional Analysis of Access Control Policy |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210409 |