CN112765220A - 一种基于云计算的业务数据监测方法及系统 - Google Patents

Abstract

本发明公开了一种基于云计算的业务数据监测方法及系统，通过获得第一业务数据；根据第一业务数据获得第一业务规则；根据第一业务规则获得第一业务元素；根据第一业务元素、第一业务数据获得第一数据元素信息；根据第一数据元素信息获得第一数据源；将第一数据源、第一数据元素信息输入监测模型获得第一数据关系；根据第一业务数据、第一数据源，获得第二数据关系；判断第一、第二数据关系是否满足第一预设条件，满足时将第一业务数据、第一业务规则输入监测模型中获得第一匹配度；当第一匹配度满足第二预定条件时，获得第一确定指令。解决业务数据监测通过本地的业务数据处理系统来进行操作，监测过程比较单一，无法对进行深入监测的技术问题。

Description

一种基于云计算的业务数据监测方法及系统

技术领域

本发明涉及计算机技术领域，尤其涉及一种基于云计算的业务数据监测方法及系统。

背景技术

项目公司的业务处理，金融、保险公司的业务操作，都会产生大量的业务数据，业务数据对应了不同的业务操作，对于业务数据执行的正确如否，直接影响到公司、企业的运营和发展，因而业务数据的监测管理水平对公司的发展十分重要。

但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

现有技术中业务处理过程为通过本地的业务数据处理系统来进行操作，监测过程比较单一，无法对业务数据进行深入监测的技术问题。

发明内容

本申请实施例通过提供一种基于云计算的业务数据监测方法及系统，解决了现有技术中业务处理过程为通过本地的业务数据处理系统来进行操作，监测过程比较单一，无法对业务数据进行深入监测的技术问题。达到了利用云处理平台对业务数据进行数据源追溯和业务结果的准确监测，利用云平台的云计算大幅提升计算效率，将业务数据通过深度划分，通过业务数据的来源分析来确保数据的准确性，避免业务流程中业务数据准确而数据来源处理过程中出现偏差或者纂改造成的业务数据处理结果不准确的情况，而影响企业发业务发展，实现从深度上对业务数据进行有效监测的技术效果。

鉴于上述问题，提出了本申请实施例提供一种基于云计算的业务数据监测方法及系统。

第一方面，本申请实施例提供了一种基于云计算的业务数据监测方法，应用于云处理平台，所述方法包括：通过云处理平台获得第一业务数据；根据所述第一业务数据，获得第一业务规则；根据所述第一业务规则，获得第一业务元素；根据所述第一业务元素、所述第一业务数据，获得第一数据元素信息；根据所述第一数据元素信息，通过云处理平台获得第一数据源；将所述第一数据源、所述第一数据元素信息输入第一数据监测模型中，获得第一数据关系；根据所述第一业务数据、所述第一数据源，获得第二数据关系；判断所述第一数据关系、所述第二数据关系是否满足第一预设条件，当满足时，将所述第一业务数据、所述第一业务规则输入第二数据监测模型中，获得第一匹配度；当所述第一匹配度满足第二预定条件时，获得第一确定指令，所述第一确定指令用于确认所述第一业务数据，并将所述第一业务数据存储于云处理平台。

另一方面，本申请还提供了一种基于云计算的业务数据监测系统，所述系统包括：

第一获得单元，所述第一获得单元用于通过云处理平台获得第一业务数据；

第二获得单元，所述第二获得单元用于根据所述第一业务数据，获得第一业务规则；

第三获得单元，所述第三获得单元用于根据所述第一业务规则，获得第一业务元素；

第四获得单元，所述第四获得单元用于根据所述第一业务元素、所述第一业务数据，获得第一数据元素信息；

第五获得单元，所述第五获得单元用于根据所述第一数据元素信息，通过云处理平台获得第一数据源；

第六获得单元，所述第六获得单元用于将所述第一数据源、所述第一数据元素信息输入第一数据监测模型中，获得第一数据关系；

第七获得单元，所述第七获得单元用于根据所述第一业务数据、所述第一数据源，获得第二数据关系；

第一执行单元，所述第一执行单元用于判断所述第一数据关系、所述第二数据关系是否满足第一预设条件，当满足时，将所述第一业务数据、所述第一业务规则输入第二数据监测模型中，获得第一匹配度；

第二执行单元，所述第二执行单元用于当所述第一匹配度满足第二预定条件时，获得第一确定指令，所述第一确定指令用于确认所述第一业务数据，并将所述第一业务数据存储于云处理平台。

第三方面，本发明提供了一种基于云计算的业务数据监测系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面所述方法的步骤。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请实施例提供了一种基于云计算的业务数据监测方法及系统，通过云处理平台获得第一业务数据；根据所述第一业务数据，获得第一业务规则；根据所述第一业务规则，获得第一业务元素；根据所述第一业务元素、所述第一业务数据，获得第一数据元素信息；根据所述第一数据元素信息，通过云处理平台获得第一数据源；将所述第一数据源、所述第一数据元素信息输入第一数据监测模型中，获得第一数据关系；根据所述第一业务数据、所述第一数据源，获得第二数据关系；判断所述第一数据关系、所述第二数据关系是否满足第一预设条件，当满足时，将所述第一业务数据、所述第一业务规则输入第二数据监测模型中，获得第一匹配度；当所述第一匹配度满足第二预定条件时，获得第一确定指令，所述第一确定指令用于确认所述第一业务数据，并将所述第一业务数据存储于云处理平台。达到了利用云处理平台对业务数据进行数据源追溯和业务结果的准确监测，利用云平台的云计算大幅提升计算效率，将业务数据通过深度划分，通过业务数据的来源分析来确保数据的准确性，避免业务流程中业务数据准确而数据来源处理过程中出现偏差或者纂改造成的业务数据处理结果不准确的情况，而影响企业发业务发展，实现从深度上对业务数据进行有效监测的技术效果，从而解决了现有技术中业务处理过程为通过本地的业务数据处理系统来进行操作，监测过程比较单一，无法对业务数据进行深入监测的技术问题。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例一种基于云计算的业务数据监测方法的流程示意图；

图2为本申请实施例一种基于云计算的业务数据监测系统的结构示意图；

图3为本申请实施例示例性电子设备的结构示意图。

附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单元14，第五获得单元15，第六获得单元16，第七获得单元17，第一执行单元18，第二执行单元19，总线300，接收器301，处理器302，发送器303，存储器304，总线接口306。

具体实施方式

本申请实施例通过提供一种基于云计算的业务数据监测方法及系统，解决了现有技术中业务处理过程为通过本地的业务数据处理系统来进行操作，监测过程比较单一，无法对业务数据进行深入监测的技术问题。达到了利用云处理平台对业务数据进行数据源追溯和业务结果的准确监测，利用云平台的云计算大幅提升计算效率，将业务数据通过深度划分，通过业务数据的来源分析来确保数据的准确性，避免业务流程中业务数据准确而数据来源处理过程中出现偏差或者纂改造成的业务数据处理结果不准确的情况，而影响企业发业务发展，实现从深度上对业务数据进行有效监测的技术效果。下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。

申请概述

项目公司的业务处理，金融、保险公司的业务操作，都会产生大量的业务数据，业务数据对应了不同的业务操作，对于业务数据执行的正确如否，直接影响到公司、企业的运营和发展，因而业务数据的监测管理水平对公司的发展十分重要。但现有技术中业务处理过程为通过本地的业务数据处理系统来进行操作，监测过程比较单一，无法对业务数据进行深入监测的技术问题。

针对上述技术问题，本申请提供的技术方案总体思路如下：

通过云处理平台获得第一业务数据；根据所述第一业务数据，获得第一业务规则；根据所述第一业务规则，获得第一业务元素；根据所述第一业务元素、所述第一业务数据，获得第一数据元素信息；根据所述第一数据元素信息，通过云处理平台获得第一数据源；将所述第一数据源、所述第一数据元素信息输入第一数据监测模型中，获得第一数据关系；根据所述第一业务数据、所述第一数据源，获得第二数据关系；判断所述第一数据关系、所述第二数据关系是否满足第一预设条件，当满足时，将所述第一业务数据、所述第一业务规则输入第二数据监测模型中，获得第一匹配度；当所述第一匹配度满足第二预定条件时，获得第一确定指令，所述第一确定指令用于确认所述第一业务数据，并将所述第一业务数据存储于云处理平台。达到了利用云处理平台对业务数据进行数据源追溯和业务结果的准确监测，利用云平台的云计算大幅提升计算效率，将业务数据通过深度划分，通过业务数据的来源分析来确保数据的准确性，避免业务流程中业务数据准确而数据来源处理过程中出现偏差或者纂改造成的业务数据处理结果不准确的情况，而影响企业发业务发展，实现从深度上对业务数据进行有效监测的技术效果。

在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。

实施例一

如图1所示，本申请实施例提供了一种基于云计算的业务数据监测方法，应用于云处理平台，所述方法包括：

步骤S100：通过云处理平台获得第一业务数据；

具体而言，云处理平台与云连接，获得云端中的数据，“云”实质上就是一个网络，狭义上讲，云计算就是一种提供资源的网络，使用者可以随时获取“云”上的资源，按需求量使用，并且可以看成是无限扩展的，只要按使用量付费就可以；从广义上说，云计算是与信息技术、软件、互联网相关的一种服务，这种计算资源共享池叫做“云”，云计算把许多计算资源集合起来，通过软件实现自动化管理。企业将业务数据同步上传于云处理平台中，云处理平台对业务数据进分析处理。

步骤S200：根据所述第一业务数据，获得第一业务规则；

具体而言，根据业务数据对应的业务内容，会存在该业务对应的规则，业务规则即对于业务数据内容、格式、计算公式、数据范围等具体的要求，这与业务内容紧密相关，由业务内容的类别、性质、用途等相关，只有符合业务规则的业务数据才能进行业务处理，否则无法进行业务操作。本申请实施例利用云处理平台的云计算功能实现的对业务数据的运行、管理、监测。云计算（cloud computing）是分布式计算的一种，指的是通过网络“云”将巨大的数据计算处理程序分解成无数个小程序，然后，通过多部服务器组成的系统进行处理和分析这些小程序得到结果并返回给用户。云计算早期，简单地说，就是简单的分布式计算，解决任务分发，并进行计算结果的合并。因而，云计算又称为网格计算。通过这项技术，可以在很短的时间内（几秒钟）完成对数以万计的数据的处理，从而达到强大的网络服务。利用云计算的处理处理优势对业务数据中各个数据内容进行深度的分析研究，从而实现对业务数据的监测目的。

步骤S300：根据所述第一业务规则，获得第一业务元素；

具体而言，根据第一业务规则中的业务数据要求，获得业务数据中必须满足的第一业务元素，也可以理解为影响业务数据操作结果的数据元素，若缺少该业务元素，则该业务数据不完整，无法进行业务操作。举例而言，第一业务为项目审核数据，第一业务规则中包含了需要进行近一年内该项目中某一实验数据的均值估算，第一业务元素则为近一年的某一实验数据。

步骤S400：根据所述第一业务元素、所述第一业务数据，获得第一数据元素信息；

具体而言，第一业务可能为一类业务，则对于具体的业务数据针对具体的数据会有些差异，根据第一业务元素的要求，在第一业务数据中进行具体地匹配，得到在第一业务数据中符合第一业务元素要求的数据，该数据在第一业务数据中的存在形式、数据内容等构成了第一数据元素信息。

步骤S500：根据所述第一数据元素信息，通过云处理平台获得第一数据源；

具体而言，根据第一数据元素信息中的数据内容、形式、数据值等信息，通过云处理平台进行数据源分析，即查找到该数据的来源信息，如消费市场的数据分析，通过云平台从云端获得对应的消费数据，追溯到数据的来源，通过云端数据库中获取的具体消费记录可以确定该消费数据是否正确。如实验数据，通过云端数据库获得实验过程中产生的数据，通过来源来判断业务数据的准确性，从而实现对业务数据的监测，避免业务人员参杂不实数据进行业务操作。

步骤S600：将所述第一数据源、所述第一数据元素信息输入第一数据监测模型中，获得第一数据关系；

进一步而言，步骤S600：将所述第一数据源、所述第一数据元素信息输入第一数据监测模型中，获得第一数据关系，本申请实施例还包括：

步骤S610：将所述第一数据源作为第一输入信息；

步骤S620：将所述第一数据元素信息作为第二输入信息；

步骤S630：将所述第一输入信息、所述第二输入信息输入第一数据监测模型，所述第一数据监测模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述第一输入信息、所述第二输入信息和标识数据运算关系的标识信息；

步骤S640：获得所述第一数据监测模型的第一输出结果，所述第一输出结果包括第一数据关系，所述第一数据关系用于表示第一数据源和所述第一数据元素信息之间数据运算、推导关系。

具体而言，根据第一数据源和第一数据元素信息之间的运算关系来对业务数据的正确性进行监测，一方面反应数据来源的可靠性，一方面来验证第一业务数据中相关元素信息的准确性。为了提高业务数据与数据源之间关系分析处理的准确性，本申请实施例加入了神经网络模型，所述第一数据监测模型即为机器学习中的神经网络模型，神经网络(Neural Networks，NN)是由大量的、简单的处理单元（称为神经元）广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络（Artificial Neural Networks），是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。通过大量训练数据的训练，将所述第一输入信息、所述第二输入信息输入神经网络模型，则输出第一数据关系。

更进一步而言，所述训练的过程实质为监督学习的过程，每一组监督数据均包括所述第一输入信息、所述第二输入信息和标识数据运算关系的标识信息，将所述第一输入信息、所述第二输入信息输入到神经网络模型中，根据用来标识数据运算关系的标识信息，所述神经网络模型进行不断的自我修正、调整，直至获得的输出结果与所述标识信息一致，则结束本组数据监督学习，进行下一组数据监督学习；当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时，则监督学习过程结束。通过对所述神经网络模型的监督学习，进而使得所述神经网络模型处理所述输入信息更加准确，进而获得更加准确的数据关系信息，实现对业务数据准确性的监测，确保业务数据中的数据信息与云处理平台中的数据源处理数据相匹配，从而确保业务数据的准确性的技术效果。

步骤S700：根据所述第一业务数据、所述第一数据源，获得第二数据关系；

具体而言，根据第一数据源和第一业务数据中与第一数据源对应的业务数据之间的数据关系，获得第二数据关系，第二数据关系用于表示第一数据源在第一业务数据中的相关业务处理结果之间的关系。

步骤S800：判断所述第一数据关系、所述第二数据关系是否满足第一预设条件，当满足时，将所述第一业务数据、所述第一业务规则输入第二数据监测模型中，获得第一匹配度；

具体而言，当第一数据关系、第二数据关系之间关联性达到了预设的第一预定条件时，则确定第一业务数据中的第一数据元素信息数据可靠，第一预定条件通常设定的数值较大，以确保第一数据关系与第二数据关系之间的密切性，当确定了第一业务数据中的第一数据元素信息的可靠性后，对业务数据与第一业务规则之间进行匹配度计算，利用第一业务规则中的数据处理要求对第一业务数据中的处理结果进行验证，第一匹配度越高则表明第一业务数据处理结果越准确，为了提高数据分析结果的准确性，本申请实施例加入了神经网络模型，第二数据监测模型即为机器学习中的神经网络模型，第二数据监测模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述第一业务数据、所述第一业务规则和标识业务数据与运算规则匹配度的标识信息，神经网络(NeuralNetworks，NN)是由大量的、简单的处理单元（称为神经元）广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络（Artificial NeuralNetworks），是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。通过大量训练数据的训练，将所述第一业务数据、所述第一业务规则输入神经网络模型，则输出第一匹配度。

更进一步而言，所述训练的过程实质为监督学习的过程，每一组监督数据均包括所述第一业务数据、所述第一业务规则和标识业务数据与运算规则匹配度的标识信息，将所述述第一业务数据、所述第一业务规则输入到神经网络模型中，根据用来标识业务数据与运算规则匹配度的标识信息，所述神经网络模型进行不断的自我修正、调整，直至获得的输出结果与所述标识信息一致，则结束本组数据监督学习，进行下一组数据监督学习；当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时，则监督学习过程结束。通过对所述神经网络模型的监督学习，进而使得所述神经网络模型处理所述输入信息更加准确，进而获得更加准确的匹配度数据，达到提高业务数据的分析处理能力，确保业务处理结果的准确性，实现对业务数据的有效监测的技术效果。

步骤S900：当所述第一匹配度满足第二预定条件时，获得第一确定指令，所述第一确定指令用于确认所述第一业务数据，并将所述第一业务数据存储于云处理平台。

具体而言，对获得的第一匹配度进行核算，第二预定条件根据业务处理的要求进行具体设定，对于业务处理精细度较高的业务类型，第二预定条件可以为100%，如金融企业的业务处理，每个数据都必须精准，不能出现差错。对于业务处理要求不高的业务类型，第二预定条件可以设定为95%，不管怎样的业务类型，第二预定条件通常需要设定值较高，越高则表明匹配度越高，说明业务处理结果越准确，将确定的业务数据发送至云处理平台进行后续业务处理，同时存储于云端便于进行后期的数据分析，达到了利用云处理平台对业务数据进行数据源追溯和业务结果的准确监测，利用云平台的云计算大幅提升计算效率，将业务数据通过深度划分，通过业务数据的来源分析来确保数据的准确性，避免业务流程中业务数据准确而数据来源处理过程中出现偏差或者纂改造成的业务数据处理结果不准确的情况，而影响企业发业务发展，实现从深度上对业务数据进行有效监测的技术效果，解决了现有技术中业务处理过程为通过本地的业务数据处理系统来进行操作，监测过程比较单一，无法对业务数据进行深入监测的技术问题。

进一步而言，本申请实施例还包括：

步骤1010：判断所述第一业务规则中是否包含第一规定；

步骤1020：当所述第一业务规则包含所述第一规定时，根据所述第一业务数据，获得第一用户；

步骤1030：根据所述第一规定，获得第一相关规定数据；

进一步而言，步骤1030：根据所述第一规定，获得第一相关规定数据，本申请实施例包括：步骤1210：根据所述第一规定，获得第一规定元素；步骤1220：根据所述第一规定元素，获得第一参数，所述第一参数为一个或多个；步骤1230：根据所述第一参数，获得第一参数源；步骤1240：根据所述第一参数源，获得所述第一相关规定数据。

步骤1040：根据所述第一用户、所述第一相关规定数据，获得第二业务数据；

步骤1050：根据所述第一业务数据、所述第二业务数据，获得第一用户业务数据和；

进一步而言，步骤1050：根据所述第一业务数据、所述第二业务数据，获得第一用户业务数据和，本申请实施例还包括：步骤1310：根据所述第一业务数据、所述第一参数源，获得第一数据，所述第一数据为所述第一业务数据中包含所述第一相关规定数据的总和；步骤1320：根据所述第二业务数据、所述第一参数源，获得第二数据，所述第二数据为所述第二业务数据中包含所述第一相关规定数据的总和；步骤1330：根据所述第一数据、所述第二数据，获得所述第一用户业务数据和。

步骤1060：根据所述第一规定，获得业务数据规则信息；

步骤1070：判断所述第一用户业务数据和是否满足所述业务数据规则信息；

步骤1080：当满足时，获得第二确定指令。

具体而言，对于业务规则包含了限制个人申请和办理业务次数或者数量的要求时，第一规定即存在对单个用户办理该业务的总数、次数要求。为了避免个人为了规避这规定通过多种渠道进行业务申请，如金融公司，该用户在a公司进行业务处理，在b公司进行业务处理，或者区域内的某品牌营销人员，在a代理部进行业务申请同时在b代理部也进行业务申请，若紧依赖本地的公司业务管理系统进行处理，无法对其他的业务处理结果进行监测，则出现业务处理漏洞，不利于业务数据的管理和监测，通过云处理平台的云计算，可以实现从云端获取相关公司、部门的业务处理数据，对数据进行总体监控，实现了广度上的业务数据监测目的。通过第一用户信息通过云处理平台获得该用户的所有业务处理数据，从中可以通过第一用户信息和第一规定中的第一相关规定数据，查找到与第一相关规定数据相关的其他业务内容，为了避免第一相关规定数据在其他业务数据的出现形式与第一业务数据中的形式不同，本申请实施例通过云处理平台的云计算功能对第一相关规定数据的具体参数和参数来源进行了深度挖掘，即把第一相关规定数据拆分为多个参数，与该参数有关的数据都进行查找和分析，对于相关性不满足要求的参数可以进行删除，对于相关性满足要求的参数对应的数据则进行统计，计算获得第一用户的所有第一用户业务数据即第一用户业务数据和，判断第一用户业务数据和是否满足第一规定中业务数据规则信息要求，业务数据规则信息中包括了该业务的处理上限，范围要求，举例而言，某品牌产品，规定一个用户的采购量不能超过10万台，则业务数据规则信息中的上限要求为10万，当计算获得的第一用户业务数据和超过了10万，则不能进行执行，该业务数据存在问题，需求进行处理，若没有超过10万则可以继续执行，按照业务处理的要求进行具体的执行。对于满足业务数据规则信息要求的业务数据进行确认，可以进行业务处理或者继续走下面的业务流程，并同步上传至云平台进行存储，便于后续数据分析处理应用。达到了通过云计算实现从行业业务数据的广度方面进行业务数据监测，避免监测不到位出现业务差错，造成企业经济损失影响企业的收益和发展，具有提高业务数据监测力度的技术效果。

进一步而言，步骤1070：判断所述第一用户业务数据和是否满足所述业务数据规则信息之后，本申请实施例还包括：

步骤1110：当所述第一用户业务数据和不满足所述业务数据规则信息时，获得第一提醒信息；

步骤1120：根据所述第一提醒信息，获得第一拦截指令。

具体而言，当第一用户业务数据和超过了业务数据规则信息中的要求时，则发送提醒信息，该业务数据超出规定，需要进行干预，根据第一提醒信息，系统生成拦截指令对该业务进行拦截，拒绝进行业务操作，实现了利用云处理平台利用云端实现了业务数据的广度监测，不仅对该企业的业务数据进行处理分析，还对同类型的其他企业的业务数据进行横向分析，扩大了业务数据监测的广度，避免出现业务违规的情况，也避免对公司造成损失，实现了对业务数据的有效监测的技术效果。

进一步而言，步骤S600：将根据所述第一数据源、所述第一数据元素信息输入第一数据监测模型之后，本申请实施例还包括：

步骤S1410：获得多组训练数据中的第一训练数据生成第一验证码，其中，所述第一验证码是与所述第一训练数据一一对应的；

步骤S1420：获得多组训练数据中的第二训练数据和第一验证码生成第二验证码；以此类推，根据第N训练数据和第N-1验证码生成第N验证码，其中，N为大于1的自然数；

步骤S1430：将所有数据和验证码分别复制保存在M台设备上，其中，M为大于1的自然数。

具体而言，为了保证所述训练数据库数据的安全性，使之不被泄露和篡改，对所述数据进行基于区块链逻辑的加密处理，从而对模型的准确性保驾护航，也为进行严密的业务数据监测夯实了基础。进一步可理解为，根据所述第一训练数据生成第一验证码，其中，所述第一验证码是与所述第一数据一一对应的。区块链技术是一项具有普适性的底层技术架构，它通过共识机制在分布式节点上生成和同步数据、借助可编程脚本实现合约条款的自动执行和数据操作。区块链被定义为一种按时间顺序来组织数据区块，不同区块之间按序形成链条状连接的数据结构，借助这种数据结构来构建数字账本。将所有用户的信息和验证码分别复制保存在一个区块链上的M台设备上，其中，每个设备对应于一个节点。所有区块组合起来形成了区块链，这样的区块链就构成了一个便于验证（只要验证最后一个区块的Hash值就相当于验证了整个版本），不可更改（任何一个交易信息的更改，会让所有之后的区块的Hash值发生变化，这样在验证时就无法通过）的总账本。

进一步而言，本申请实施例还包括：

步骤S1510：将所述第N训练数据和第N验证码作为第N区块；

步骤S1520：获得所述第N区块记录时间，所述第N区块记录时间表示第N区块需要记录的时间；

步骤S1530：根据所述第N区块记录时间，获得所述M台设备中运力最快的第一设备；

步骤S1540：将第N区块的记录权发送给所述第一设备。

具体而言，根据所述第N训练数据和第N验证码生成第N区块，详细来说，根据第一训练数据和第一验证码生成第一区块，根据第二训练数据和第二验证码生成第二区块，获得所述每个区块的预定记录时间，将不能在预定记录时间记录所述区块的设备排除，获得M台设备中运力最快的第一设备，将所述区块的记录权发送给所述第一设备。

实施例二

基于与前述实施例中一种基于云计算的业务数据监测方法同样发明构思，本发明还提供了一种基于云计算的业务数据监测系统，如图2所示，所述系统包括：

第一获得单元11，所述第一获得单元11用于通过云处理平台获得第一业务数据；

第二获得单元12，所述第二获得单元12用于根据所述第一业务数据，获得第一业务规则；

第三获得单元13，所述第三获得单元13用于根据所述第一业务规则，获得第一业务元素；

第四获得单元14，所述第四获得单元14用于根据所述第一业务元素、所述第一业务数据，获得第一数据元素信息；

第五获得单元15，所述第五获得单元15用于根据所述第一数据元素信息，通过云处理平台获得第一数据源；

第六获得单元16，所述第六获得单元16用于将所述第一数据源、所述第一数据元素信息输入第一数据监测模型中，获得第一数据关系；

第七获得单元17，所述第七获得单元17用于根据所述第一业务数据、所述第一数据源，获得第二数据关系；

第一执行单元18，所述第一执行单元18用于判断所述第一数据关系、所述第二数据关系是否满足第一预设条件，当满足时，将所述第一业务数据、所述第一业务规则输入第二数据监测模型中，获得第一匹配度；

第二执行单元19，所述第二执行单元19用于当所述第一匹配度满足第二预定条件时，获得第一确定指令，所述第一确定指令用于确认所述第一业务数据，并将所述第一业务数据存储于云处理平台。

进一步的，所述系统还包括：

第三执行单元，所述第三执行单元用于将所述第一数据源作为第一输入信息；

第四执行单元，所述第四执行单元用于将所述第一数据元素信息作为第二输入信息；

第一输入单元，所述第一输入单元用于将所述第一输入信息、所述第二输入信息输入第一数据监测模型，所述第一数据监测模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述第一输入信息、所述第二输入信息和标识数据运算关系的标识信息；

第八获得单元，所述第八获得单元用于获得所述第一数据监测模型的第一输出结果，所述第一输出结果包括第一数据关系，所述第一数据关系用于表示第一数据源和所述第一数据元素信息之间数据运算、推导关系。

进一步的，所述系统还包括：

第一判断单元，所述第一判断单元用于判断所述第一业务规则中是否包含第一规定；

第九获得单元，所述第九获得单元用于当所述第一业务规则包含所述第一规定时，根据所述第一业务数据，获得第一用户；

第十获得单元，所述第十获得单元用于根据所述第一规定，获得第一相关规定数据；

第十一获得单元，所述第十一获得单元用于根据所述第一用户、所述第一相关规定数据，获得第二业务数据；

第十二获得单元，所述第十二获得单元用于根据所述第一业务数据、所述第二业务数据，获得第一用户业务数据和；

第十三获得单元，所述第十三获得单元用于根据所述第一规定，获得业务数据规则信息；

第二判断单元，所述第二判断单元用于判断所述第一用户业务数据和是否满足所述业务数据规则信息；

第十四获得单元，所述第十四获得单元用于当满足时，获得第二确定指令。

进一步的，所述系统还包括：

第十五获得单元，所述第十五获得单元用于当所述第一用户业务数据和不满足所述业务数据规则信息时，获得第一提醒信息；

第十六获得单元，所述第十六获得单元用于根据所述第一提醒信息，获得第一拦截指令。

进一步的，所述系统还包括：

第十七获得单元，所述第十七获得单元用于根据所述第一规定，获得第一规定元素；

第十八获得单元，所述第十八获得单元用于根据所述第一规定元素，获得第一参数，所述第一参数为一个或多个；

第十九获得单元，所述第十九获得单元用于根据所述第一参数，获得第一参数源；

第二十获得单元，所述第二十获得单元用于根据所述第一参数源，获得所述第一相关规定数据。

进一步的，所述系统还包括：

第二十一获得单元，所述第二十一获得单元用于根据所述第一业务数据、所述第一参数源，获得第一数据，所述第一数据为所述第一业务数据中包含所述第一相关规定数据的总和；

第二十二获得单元，所述第二十二获得单元用于根据所述第二业务数据、所述第一参数源，获得第二数据，所述第二数据为所述第二业务数据中包含所述第一相关规定数据的总和；

第二十三获得单元，所述第二十三获得单元用于根据所述第一数据、所述第二数据，获得所述第一用户业务数据和。

进一步的，所述系统还包括：

第二十四获得单元，所述第二十四获得单元用于获得多组训练数据中的第一训练数据生成第一验证码，其中，所述第一验证码是与所述第一训练数据一一对应的；

第二十五获得单元，所述第二十五获得单元用于获得多组训练数据中的第二训练数据和第一验证码生成第二验证码；以此类推，根据第N训练数据和第N-1验证码生成第N验证码，其中，N为大于1的自然数；

第一复制单元，所述第一复制单元用于将所有数据和验证码分别复制保存在M台设备上，其中，M为大于1的自然数。

进一步的，所述系统还包括：

第五执行单元，所述第五执行单元用于将所述第N训练数据和第N验证码作为第N区块；

第二十六获得单元，所述第二十六获得单元用于获得所述第N区块记录时间，所述第N区块记录时间表示第N区块需要记录的时间；

第二十七获得单元，所述第二十七获得单元用于根据所述第N区块记录时间，获得所述M台设备中运力最快的第一设备；

第一发送单元，所述第一发送单元用于将第N区块的记录权发送给所述第一设备。

前述图1实施例一中的一种基于云计算的业务数据监测方法的各种变化方式和具体实例同样适用于本实施例的一种基于云计算的业务数据监测系统，通过前述对一种基于云计算的业务数据监测方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于云计算的业务数据监测系统的实施方法，所以为了说明书的简洁，在此不再详述。

示例性电子设备

下面参考图3来描述本申请实施例的电子设备。

图3图示了根据本申请实施例的电子设备的结构示意图。

基于与前述实施例中一种基于云计算的业务数据监测方法的发明构思，本发明还提供一种基于云计算的业务数据监测系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种基于云计算的业务数据监测方法的任一方法的步骤。

其中，在图3中，总线架构（用总线300来代表），总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他系统通信的单元。

处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请实施例提供了一种基于云计算的业务数据监测方法及系统，通过云处理平台获得第一业务数据；根据所述第一业务数据，获得第一业务规则；根据所述第一业务规则，获得第一业务元素；根据所述第一业务元素、所述第一业务数据，获得第一数据元素信息；根据所述第一数据元素信息，通过云处理平台获得第一数据源；将所述第一数据源、所述第一数据元素信息输入第一数据监测模型中，获得第一数据关系；根据所述第一业务数据、所述第一数据源，获得第二数据关系；判断所述第一数据关系、所述第二数据关系是否满足第一预设条件，当满足时，将所述第一业务数据、所述第一业务规则输入第二数据监测模型中，获得第一匹配度；当所述第一匹配度满足第二预定条件时，获得第一确定指令，所述第一确定指令用于确认所述第一业务数据，并将所述第一业务数据存储于云处理平台。达到了利用云处理平台对业务数据进行数据源追溯和业务结果的准确监测，利用云平台的云计算大幅提升计算效率，将业务数据通过深度划分，通过业务数据的来源分析来确保数据的准确性，避免业务流程中业务数据准确而数据来源处理过程中出现偏差或者纂改造成的业务数据处理结果不准确的情况，而影响企业发业务发展，实现从深度上对业务数据进行有效监测的技术效果，从而解决了现有技术中业务处理过程为通过本地的业务数据处理系统来进行操作，监测过程比较单一，无法对业务数据进行深入监测的技术问题。

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、系统、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实施例的方法、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系统。

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系统的制造品，该指令系统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设备上，使得在计算机或其他可编程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。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于云计算的业务数据监测方法，应用于云处理平台，其中，所述方法包括：

通过云处理平台获得第一业务数据；

根据所述第一业务数据，获得第一业务规则；

根据所述第一业务规则，获得第一业务元素；

根据所述第一业务元素、所述第一业务数据，获得第一数据元素信息；

根据所述第一数据元素信息，通过云处理平台获得第一数据源；

将所述第一数据源、所述第一数据元素信息输入第一数据监测模型中，获得第一数据关系；

根据所述第一业务数据、所述第一数据源，获得第二数据关系；

判断所述第一数据关系、所述第二数据关系是否满足第一预设条件，当满足时，将所述第一业务数据、所述第一业务规则输入第二数据监测模型中，获得第一匹配度；

当所述第一匹配度满足第二预定条件时，获得第一确定指令，所述第一确定指令用于确认所述第一业务数据，并将所述第一业务数据存储于云处理平台。

2.如权利要求1所述的方法，其中，所述将所述第一数据源、所述第一数据元素信息输入第一数据监测模型中，获得第一数据关系，包括：

将所述第一数据源作为第一输入信息；

将所述第一数据元素信息作为第二输入信息；

将所述第一输入信息、所述第二输入信息输入第一数据监测模型，所述第一数据监测模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述第一输入信息、所述第二输入信息和标识数据运算关系的标识信息；

获得所述第一数据监测模型的第一输出结果，所述第一输出结果包括第一数据关系，所述第一数据关系用于表示第一数据源和所述第一数据元素信息之间数据运算、推导关系。

3.如权利要求1所述的方法，其中，所述方法包括：

判断所述第一业务规则中是否包含第一规定；

当所述第一业务规则包含所述第一规定时，根据所述第一业务数据，获得第一用户；

根据所述第一规定，获得第一相关规定数据；

根据所述第一用户、所述第一相关规定数据，获得第二业务数据；

根据所述第一业务数据、所述第二业务数据，获得第一用户业务数据和；

根据所述第一规定，获得业务数据规则信息；

判断所述第一用户业务数据和是否满足所述业务数据规则信息；

当满足时，获得第二确定指令。

4.如权利要求3所述的方法，其中，所述判断所述第一用户业务数据和是否满足所述业务数据规则信息之后，包括：

当所述第一用户业务数据和不满足所述业务数据规则信息时，获得第一提醒信息；

根据所述第一提醒信息，获得第一拦截指令。

5.如权利要求3所述的方法，其中，所述根据所述第一规定，获得第一相关规定数据，包括：

根据所述第一规定，获得第一规定元素；

根据所述第一规定元素，获得第一参数，所述第一参数为一个或多个；

根据所述第一参数，获得第一参数源；

根据所述第一参数源，获得所述第一相关规定数据。

6.如权利要求5所述的方法，其中，所述根据所述第一业务数据、所述第二业务数据，获得第一用户业务数据和，包括：

根据所述第一业务数据、所述第一参数源，获得第一数据，所述第一数据为所述第一业务数据中包含所述第一相关规定数据的总和；

根据所述第二业务数据、所述第一参数源，获得第二数据，所述第二数据为所述第二业务数据中包含所述第一相关规定数据的总和；

根据所述第一数据、所述第二数据，获得所述第一用户业务数据和。

7.如权利要求2所述的方法，其中，所述将根据所述第一数据源、所述第一数据元素信息输入第一数据监测模型之后，包括：

获得多组训练数据中的第一训练数据生成第一验证码，其中，所述第一验证码是与所述第一训练数据一一对应的；

获得多组训练数据中的第二训练数据和第一验证码生成第二验证码；以此类推，根据第N训练数据和第N-1验证码生成第N验证码，其中，N为大于1的自然数；

将所有数据和验证码分别复制保存在M台设备上，其中，M为大于1的自然数。

8.如权利要求7所述的方法，其中，所述方法还包括：

将所述第N训练数据和第N验证码作为第N区块；

获得所述第N区块记录时间，所述第N区块记录时间表示第N区块需要记录的时间；

根据所述第N区块记录时间，获得所述M台设备中运力最快的第一设备；

将第N区块的记录权发送给所述第一设备。

9.一种基于云计算的业务数据监测系统，其中，所述系统包括：

第一获得单元，所述第一获得单元用于通过云处理平台获得第一业务数据；

第二获得单元，所述第二获得单元用于根据所述第一业务数据，获得第一业务规则；

第三获得单元，所述第三获得单元用于根据所述第一业务规则，获得第一业务元素；

第四获得单元，所述第四获得单元用于根据所述第一业务元素、所述第一业务数据，获得第一数据元素信息；

第五获得单元，所述第五获得单元用于根据所述第一数据元素信息，通过云处理平台获得第一数据源；

第六获得单元，所述第六获得单元用于将所述第一数据源、所述第一数据元素信息输入第一数据监测模型中，获得第一数据关系；

第七获得单元，所述第七获得单元用于根据所述第一业务数据、所述第一数据源，获得第二数据关系；

第一执行单元，所述第一执行单元用于判断所述第一数据关系、所述第二数据关系是否满足第一预设条件，当满足时，将所述第一业务数据、所述第一业务规则输入第二数据监测模型中，获得第一匹配度；

第二执行单元，所述第二执行单元用于当所述第一匹配度满足第二预定条件时，获得第一确定指令，所述第一确定指令用于确认所述第一业务数据，并将所述第一业务数据存储于云处理平台。

10.一种基于云计算的业务数据监测系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现权利要求1-8任一项所述方法的步骤。

Images