CN112767084B - 一种基于云计算的数据安全校验方法、装置及服务器 - Google Patents
一种基于云计算的数据安全校验方法、装置及服务器 Download PDFInfo
- Publication number
- CN112767084B CN112767084B CN202110077338.7A CN202110077338A CN112767084B CN 112767084 B CN112767084 B CN 112767084B CN 202110077338 A CN202110077338 A CN 202110077338A CN 112767084 B CN112767084 B CN 112767084B
- Authority
- CN
- China
- Prior art keywords
- index
- node delay
- state
- order data
- node
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012795 verification Methods 0.000 title claims abstract description 21
- 230000003993 interaction Effects 0.000 claims abstract description 168
- 238000012937 correction Methods 0.000 claims abstract description 12
- 238000001514 detection method Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 5
- 239000012634 fragment Substances 0.000 description 27
- 230000003068 static effect Effects 0.000 description 21
- 238000004364 calculation method Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007639 printing 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
Landscapes
- Business, Economics & Management (AREA)
- Economics (AREA)
- Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于云计算的数据安全校验方法、装置及服务器。首先云服务器在获取待校验的目标物流交易订单数据后，确定目标物流交易订单数据的订单业务状态对应的业务交互指标，其次基于业务交互指标与预设节点延时指标列表的最新指标的关联关系，确定目标物流交易订单数据对应的节点延时指标列表，进而确定第二状态节点延时指标，然后对订单业务状态进行节点延时指标修正，直至目标物流交易订单数据的状态节点延时指标为第二状态节点延时指标时，完成对目标物流交易订单数据的校验。如此，对目标物流交易订单数据进行校验是通过对订单业务状态进行节点延时指标修正，以确保对目标物流交易订单数据进行校验的实时性和可信度。
Description
技术领域
本公开涉及云计算及数据校验技术领域，特别涉及一种基于云计算的数据安全校验方法、装置及服务器。
背景技术
随着云计算的不断发展，物流企业的数字信息化技术与智能化发展也不断的突破，进而也就促进了物流企业进入到大数据的时代，就目前而言，大数据是物流企业发展最重要的信息，然后随着数据信息的不断增多，每天物流企业会产生大量的物流数据，为了能够确保物流数据的安全，则需要对获取到的物流交易订单数据进行校验。而现有技术难以对物流交易订单数据进行有效校验。
发明内容
为改善相关技术中存在的技术问题，本公开提供了一种基于云计算的数据安全校验方法、装置及服务器。
本发明提供了一种基于云计算的数据安全校验方法，所述方法包括：
获取待校验的目标物流交易订单数据；
确定所述目标物流交易订单数据的订单业务状态对应的业务交互指标；其中，所述订单业务状态为各个状态节点的节点延时指标均小于所述目标物流交易订单数据的第一状态节点延时指标对应的业务状态，且所述业务交互指标为目标状态节点的交互量对应的节点延时指标，所述目标状态节点的交互量为所述订单业务状态中，各个节点延时指标对应的状态节点的交互量中最大的状态节点的交互量；
基于所述业务交互指标与预设节点延时指标列表的最新指标的关联关系，确定所述目标物流交易订单数据对应的节点延时指标列表；
基于所确定的节点延时指标列表，确定第二状态节点延时指标；对所述订单业务状态进行节点延时指标修正，直至所述目标物流交易订单数据的状态节点延时指标为所述第二状态节点延时指标时，完成对所述目标物流交易订单数据的校验；其中，所述第二状态节点延时指标为对所述目标物流交易订单数据校验后，所述目标物流交易订单数据的状态节点延时指标。
优选地，在所述基于所述业务交互指标与预设节点延时指标列表的最新指标的关联关系，确定所述目标物流交易订单数据对应的节点延时指标列表的步骤之前，所述方法还包括：判断所述业务交互指标是否符合预设的节点延时指标列表确定条件；所述基于所述业务交互指标与预设节点延时指标列表的最新指标的关联关系，确定所述目标物流交易订单数据对应的节点延时指标列表的步骤，包括：当判断出所述业务交互指标符合预设的节点延时指标列表确定条件时，基于所述业务交互指标与预设节点延时指标列表的最新指标的关联关系，确定所述目标物流交易订单数据对应的节点延时指标列表。
优选地，所述判断所述业务交互指标是否符合预设的节点延时指标列表确定条件的步骤，包括：确定至少一组物流交易订单数据的订单业务状态对应的第一节点延时指标；其中，所述至少一组物流交易订单数据为所述目标物流交易订单数据的前一组物流交易订单数据，或者，所述目标物流交易订单数据的前连续多组物流交易订单数据，任一组物流交易订单数据的订单业务状态对应的第一节点延时指标为第一状态节点的交互量对应的节点延时指标，所述第一状态节点的交互量为该组物流交易订单数据的订单业务状态中，各个节点延时指标对应的状态节点的交互量中最大的状态节点的交互量；判断所述业务交互指标与预设节点延时指标列表的最新指标的关联关系，得到第一判断结果；并判断各个第一节点延时指标与预设节点延时指标列表的最新指标的关联关系，得到第二判断结果；判断所述第一判断结果与所得到的各个第二判断结果是否均一致；若为是，则判定所述业务交互指标符合预设的节点延时指标列表确定条件；
其中，任一组物流交易订单数据的订单业务状态对应的第一节点延时指标的确定过程包括：针对一组物流交易订单数据的订单业务状态的多个节点延时指标中的每一节点延时指标，统计具有该节点延时指标的状态节点的第一交易量；按照所述目标物流交易订单数据的订单业务状态的各个节点延时指标的大小，对统计所得到的多个第一交易量进行编号；在编号之后，针对每一第一交易量，对包含该第一交易量在内的连续节点延时指标对应的多个第一交易量进行求和，并将求和结果确定为该第一交易量所对应节点延时指标的状态节点的交互量；将所确定的最大的状态节点的交互量所对应的节点延时指标，确定为该组物流交易订单数据的订单业务状态对应的第一节点延时指标；
其中，所述判断所述业务交互指标与预设节点延时指标列表的最新指标的关联关系，得到第一判断结果的步骤，包括：
在所述业务交互指标小于预设节点延时指标列表的首次更新的最新指标时，将业务交互指标小于首次更新的最新指标确定为第一判断结果；
在所述业务交互指标大于或等于预设节点延时指标列表的首次更新的最新指标，且小于或等于预设节点延时指标列表的最后更新的最新指标时，将业务交互指标大于或等于首次更新的最新指标，且小于或等于最后更新的最新指标确定为第一判断结果；
在所述业务交互指标大于预设节点延时指标列表的最后更新的最新指标时，将业务交互指标大于最后更新的最新指标确定为第一判断结果；
相应的，所述判断各个第一节点延时指标与预设节点延时指标列表的最新指标的关联关系，得到第二判断结果的步骤，包括：
对于各个第一节点延时指标中的每一节点延时指标，在该第一节点延时指标小于预设节点延时指标列表的首次更新的最新指标时，将第一节点延时指标小于首次更新的最新指标确定为第二判断结果；
在该第一节点延时指标大于或等于预设节点延时指标列表的首次更新的最新指标，且小于或等于预设节点延时指标列表的最后更新的最新指标时，将第一节点延时指标大于或等于首次更新的最新指标，且小于或等于最后更新的最新指标确定为第二判断结果；
在该第一节点延时指标大于预设节点延时指标列表的最后更新的最新指标时，将第一节点延时指标大于最后更新的最新指标确定为第二判断结果。
优选地，所述判断所述业务交互指标是否符合预设的节点延时指标列表确定条件的步骤，包括：判断业务交互指标对应的状态节点的交易量是否大于预设交易量；若为是，判定所述业务交互指标符合预设的节点延时指标列表确定条件。
优选地，所述获取待校验的目标物流交易订单数据的步骤，包括：
在对目标物流订单进行交易的过程中，当交易所得的连续至少两组物流交易订单数据符合订单数据获取条件时，将所述连续至少两组订单数据中的最后一组物流交易订单数据确定为待校验的目标物流交易订单数据；其中，所述订单数据获取条件为：相邻物流交易订单数据的状态节点延时指标与预设节点延时指标相匹配。
优选地，
所述基于所述业务交互指标与预设节点延时指标列表的最新指标的关联关系，确定所述目标物流交易订单数据对应的节点延时指标列表的步骤，包括：
在所述业务交互指标小于预设节点延时指标列表的首次更新的最新指标时，调高所述预设节点延时指标列表的首次更新的最新指标和/或最后更新的最新指标，并将修正后的节点延时指标列表作为所述目标物流交易订单数据对应的节点延时指标列表；
在所述业务交互指标大于预设节点延时指标列表的最后更新的最新指标时，调低所述预设节点延时指标列表的首次更新的最新指标和/或最后更新的最新指标，并将修正后的节点延时指标列表作为所述目标物流交易订单数据对应的节点延时指标列表；
在所述业务交互指标大于预设节点延时指标列表的首次更新的最新指标，且小于预设节点延时指标列表的最后更新的最新指标时，将所述预设节点延时指标列表作为所述目标物流交易订单数据对应的节点延时指标列表；
其中，所述确定所述目标物流交易订单数据的订单业务状态对应的业务交互指标的步骤，包括：
针对所述目标物流交易订单数据的订单业务状态的多个节点延时指标中的每一节点延时指标，统计具有该节点延时指标的状态节点的第二交易量；
按照所述目标物流交易订单数据的订单业务状态的各个节点延时指标的大小，对统计所得到的多个第二交易量进行编号；
在编号之后，针对每一第二交易量，对包含该第二交易量在内的连续多个第二交易量进行求和，并将求和结果确定为该第二交易量所对应节点延时指标的状态节点的交互量；
将所确定的最大的状态节点的交互量所对应的节点延时指标，确定为所述目标物流交易订单数据的订单业务状态的业务交互指标；
其中，所述基于所确定的节点延时指标列表，确定第二状态节点延时指标的步骤，包括：确定所述节点延时指标列表的首次更新的最新指标和最后更新的最新指标的状态指标；将确定的状态指标确定为第二状态节点延时指标。
优选地，所述方法还包括：
根据所述校验后的目标物流交易订单数据确定物流运输订单信息集合，基于所述物流运输订单信息集进行数据安全检测。
本发明还提供了一种基于云计算的数据安全校验装置，所述装置包括：
订单数据获取模块，用于获取待校验的目标物流交易订单数据；
交互指标确定模块，用于确定所述目标物流交易订单数据的订单业务状态对应的业务交互指标；其中，所述订单业务状态为各个状态节点的节点延时指标均小于所述目标物流交易订单数据的第一状态节点延时指标对应的业务状态，且所述业务交互指标为目标状态节点的交互量对应的节点延时指标，所述目标状态节点的交互量为所述订单业务状态中，各个节点延时指标对应的状态节点的交互量中最大的状态节点的交互量；
延时指标生成模块，用于基于所述业务交互指标与预设节点延时指标列表的最新指标的关联关系，确定所述目标物流交易订单数据对应的节点延时指标列表；
订单数据校验模块，用于基于所确定的节点延时指标列表，确定第二状态节点延时指标；对所述订单业务状态进行节点延时指标修正，直至所述目标物流交易订单数据的状态节点延时指标为所述第二状态节点延时指标时，完成对所述目标物流交易订单数据的校验；其中，所述第二状态节点延时指标为对所述目标物流交易订单数据校验后，所述目标物流交易订单数据的状态节点延时指标。
本发明还提供了一种云服务器，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中调取计算机程序，并通过运行所述计算机程序实现上述所述的方法。
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在运行时实现上述所述的方法。
本公开的实施例提供的技术方案可以包括以下有益效果。
本公开提供了一种基于云计算的数据安全校验方法、装置及服务器。首先云服务器在获取待校验的目标物流交易订单数据后，确定目标物流交易订单数据的订单业务状态对应的业务交互指标，其次基于业务交互指标与预设节点延时指标列表的最新指标的关联关系，确定目标物流交易订单数据对应的节点延时指标列表，进而根据节点延时指标列表，确定第二状态节点延时指标，然后对订单业务状态进行节点延时指标修正，直至目标物流交易订单数据的状态节点延时指标为第二状态节点延时指标时，完成对目标物流交易订单数据的校验。如此，对目标物流交易订单数据进行校验是通过对订单业务状态进行节点延时指标修正，以确保对目标物流交易订单数据进行校验的实时性和可信度。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并于说明书一起用于解释本发明的原理。
图1是本发明实施例提供的一种基于云计算的数据安全校验方法的流程图。
图2是本发明实施例提供的一种基于云计算的数据安全校验装置的框图。
图3是本发明实施例提供的一种云服务器的硬件结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
请结合参阅图1，本发明提供了一种基于云计算的数据安全校验方法的流程示意图，在实现上述方法时具体执行以下步骤11-步骤14所描述的内容。
步骤11，获取待校验的目标物流交易订单数据。
可以理解，在本实施例中，为了能够准确地确定出符合校验要求的目标物流交易订单数据，在执行步骤11所描述的获取待校验的目标物流交易订单数据，具体还可以包括：在对目标物流订单进行交易的过程中，当交易所得的连续至少两组物流交易订单数据符合订单数据获取条件时，将所述连续至少两组订单数据中的最后一组物流交易订单数据确定为待校验的目标物流交易订单数据；其中，所述订单数据获取条件为：相邻物流交易订单数据的状态节点延时指标与预设节点延时指标相匹配。如此，能够准确地确定出符合校验要求的目标物流交易订单数据。
步骤12，确定所述目标物流交易订单数据的订单业务状态对应的业务交互指标。
在本实施例中，所述订单业务状态为各个状态节点的节点延时指标均小于所述目标物流交易订单数据的第一状态节点延时指标对应的业务状态，且所述业务交互指标为目标状态节点的交互量对应的节点延时指标，所述目标状态节点的交互量为所述订单业务状态中，各个节点延时指标对应的状态节点的交互量中最大的状态节点的交互量。
进一步地，为了能够完整地确定出目标物流交易订单数据的订单业务状态对应的业务交互指标，避免在确定业务交互指标的过程中出现交互指标遗漏的情况，步骤12所描述的确定所述目标物流交易订单数据的订单业务状态对应的业务交互指标，具体还可以包括步骤121-步骤124所描述的内容。
步骤121，针对所述目标物流交易订单数据的订单业务状态的多个节点延时指标中的每一节点延时指标，统计具有该节点延时指标的状态节点的第二交易量。
步骤122，按照所述目标物流交易订单数据的订单业务状态的各个节点延时指标的大小，对统计所得到的多个第二交易量进行编号。
步骤123，在编号之后，针对每一第二交易量，对包含该第二交易量在内的连续多个第二交易量进行求和，并将求和结果确定为该第二交易量所对应节点延时指标的状态节点的交互量。
步骤124，将所确定的最大的状态节点的交互量所对应的节点延时指标，确定为所述目标物流交易订单数据的订单业务状态的业务交互指标。
通过执行上述步骤121-步骤124所描述的内容，能够完整地确定出目标物流交易订单数据的订单业务状态对应的业务交互指标，进而能够避免在确定业务交互指标的过程中出现交互指标遗漏的情况。
步骤13，基于所述业务交互指标与预设节点延时指标列表的最新指标的关联关系，确定所述目标物流交易订单数据对应的节点延时指标列表。
在一种可替换的实施例中，在执行步骤13所描述的基于所述业务交互指标与预设节点延时指标列表的最新指标的关联关系，确定所述目标物流交易订单数据对应的节点延时指标列表的步骤之前，所述方法还包括：判断所述业务交互指标是否符合预设的节点延时指标列表确定条件。
进一步地，判断所述业务交互指标是否符合预设的节点延时指标列表确定条件，具体可以包括以下两种实施例。
第一种实施例，确定至少一组物流交易订单数据的订单业务状态对应的第一节点延时指标；其中，所述至少一组物流交易订单数据为所述目标物流交易订单数据的前一组物流交易订单数据，或者，所述目标物流交易订单数据的前连续多组物流交易订单数据，任一组物流交易订单数据的订单业务状态对应的第一节点延时指标为第一状态节点的交互量对应的节点延时指标，所述第一状态节点的交互量为该组物流交易订单数据的订单业务状态中，各个节点延时指标对应的状态节点的交互量中最大的状态节点的交互量；判断所述业务交互指标与预设节点延时指标列表的最新指标的关联关系，得到第一判断结果；并判断各个第一节点延时指标与预设节点延时指标列表的最新指标的关联关系，得到第二判断结果；判断所述第一判断结果与所得到的各个第二判断结果是否均一致；若为是，则判定所述业务交互指标符合预设的节点延时指标列表确定条件。
可以理解，在执行第一种实施例中所描述的任一组物流交易订单数据的订单业务状态对应的第一节点延时指标的确定过程包括：针对一组物流交易订单数据的订单业务状态的多个节点延时指标中的每一节点延时指标，统计具有该节点延时指标的状态节点的第一交易量；按照所述目标物流交易订单数据的订单业务状态的各个节点延时指标的大小，对统计所得到的多个第一交易量进行编号；在编号之后，针对每一第一交易量，对包含该第一交易量在内的连续节点延时指标对应的多个第一交易量进行求和，并将求和结果确定为该第一交易量所对应节点延时指标的状态节点的交互量；将所确定的最大的状态节点的交互量所对应的节点延时指标，确定为该组物流交易订单数据的订单业务状态对应的第一节点延时指标。
可以理解，在执行第一种实施例中所描述的判断所述业务交互指标与预设节点延时指标列表的最新指标的关联关系，得到第一判断结果，具体可以包括以下内容：在所述业务交互指标小于预设节点延时指标列表的首次更新的最新指标时，将业务交互指标小于首次更新的最新指标确定为第一判断结果；在所述业务交互指标大于或等于预设节点延时指标列表的首次更新的最新指标，且小于或等于预设节点延时指标列表的最后更新的最新指标时，将业务交互指标大于或等于首次更新的最新指标，且小于或等于最后更新的最新指标确定为第一判断结果；在所述业务交互指标大于预设节点延时指标列表的最后更新的最新指标时，将业务交互指标大于最后更新的最新指标确定为第一判断结果。
相应的，所述判断各个第一节点延时指标与预设节点延时指标列表的最新指标的关联关系，得到第二判断结果的步骤，包括：对于各个第一节点延时指标中的每一节点延时指标，在该第一节点延时指标小于预设节点延时指标列表的首次更新的最新指标时，将第一节点延时指标小于首次更新的最新指标确定为第二判断结果；在该第一节点延时指标大于或等于预设节点延时指标列表的首次更新的最新指标，且小于或等于预设节点延时指标列表的最后更新的最新指标时，将第一节点延时指标大于或等于首次更新的最新指标，且小于或等于最后更新的最新指标确定为第二判断结果；在该第一节点延时指标大于预设节点延时指标列表的最后更新的最新指标时，将第一节点延时指标大于最后更新的最新指标确定为第二判断结果。
第二种实施例，判断业务交互指标对应的状态节点的交易量是否大于预设交易量；若为是，判定所述业务交互指标符合预设的节点延时指标列表确定条件。
进一步地，步骤13所描述的基于所述业务交互指标与预设节点延时指标列表的最新指标的关联关系，确定所述目标物流交易订单数据对应的节点延时指标列表的步骤，具体包括：当判断出所述业务交互指标符合预设的节点延时指标列表确定条件时，基于所述业务交互指标与预设节点延时指标列表的最新指标的关联关系，确定所述目标物流交易订单数据对应的节点延时指标列表。
可以理解，步骤13所描述的基于所述业务交互指标与预设节点延时指标列表的最新指标的关联关系，确定所述目标物流交易订单数据对应的节点延时指标列表的步骤，具体还可以包括以下内容：在所述业务交互指标小于预设节点延时指标列表的首次更新的最新指标时，调高所述预设节点延时指标列表的首次更新的最新指标和/或最后更新的最新指标，并将修正后的节点延时指标列表作为所述目标物流交易订单数据对应的节点延时指标列表；在所述业务交互指标大于预设节点延时指标列表的最后更新的最新指标时，调低所述预设节点延时指标列表的首次更新的最新指标和/或最后更新的最新指标，并将修正后的节点延时指标列表作为所述目标物流交易订单数据对应的节点延时指标列表；在所述业务交互指标大于预设节点延时指标列表的首次更新的最新指标，且小于预设节点延时指标列表的最后更新的最新指标时，将所述预设节点延时指标列表作为所述目标物流交易订单数据对应的节点延时指标列表。
步骤14，基于所确定的节点延时指标列表，确定第二状态节点延时指标；对所述订单业务状态进行节点延时指标修正，直至所述目标物流交易订单数据的状态节点延时指标为所述第二状态节点延时指标时，完成对所述目标物流交易订单数据的校验。
在本实施例中，所述第二状态节点延时指标为对所述目标物流交易订单数据校验后，所述目标物流交易订单数据的状态节点延时指标。
进一步地，步骤14所描述的基于所确定的节点延时指标列表，确定第二状态节点延时指标，具体可以包括：确定所述节点延时指标列表的首次更新的最新指标和最后更新的最新指标的状态指标；将确定的状态指标确定为第二状态节点延时指标。
综上，在执行上述步骤11-步骤14所描述的方法时可以达到如下有益技术效果：首先云服务器在获取待校验的目标物流交易订单数据后，确定目标物流交易订单数据的订单业务状态对应的业务交互指标，其次基于业务交互指标与预设节点延时指标列表的最新指标的关联关系，确定目标物流交易订单数据对应的节点延时指标列表，进而根据节点延时指标列表，确定第二状态节点延时指标，然后对订单业务状态进行节点延时指标修正，直至目标物流交易订单数据的状态节点延时指标为第二状态节点延时指标时，完成对目标物流交易订单数据的校验。如此，对目标物流交易订单数据进行校验是通过对订单业务状态进行节点延时指标修正，以确保对目标物流交易订单数据进行校验的实时性和可信度。
在上述描述内容的基础上，本发明还可以包括步骤15：根据所述校验后的目标物流交易订单数据确定物流运输订单信息集合，基于所述物流运输订单信息集进行数据安全检测。
进一步地，步骤15所描述的根据所述校验后的目标物流交易订单数据确定物流运输订单信息集合，基于所述物流运输订单信息集进行数据安全检测，具体还可以包括以下描述内容。
步骤151，根据接收到的物流运输订单信息集合确定对应的物流运输状态信息。
在本实施例中，所述物流运输状态信息包括物流供应链的货物品质描述信息以及所述物流供应链的物流运输订单信息。
在一种可替换的实施方式中，为了能够确保物流运输状态信息的时效性，步骤151所描述的根据接收到的物流运输订单信息集合确定对应的物流运输状态信息，具体可以包括步骤1511-步骤1515所描述的内容。
步骤1511，接收物流终端发送的物流运输订单信息集合。
在本实施例中，所述物流运输订单信息集合包括M个物流运输订单信息片段，所述M为大于或等于1的整数。
步骤1512，从所述物流运输订单信息集合中获取待检测的物流运输订单信息片段。
在本实施例中，所述待检测的物流运输订单信息片段属于所述物流运输订单信息集合中的任意一个物流运输订单信息片段，且所述待检测的物流运输订单信息片段包括物流供应链的物流运输订单信息。
步骤1513，从打印订单信息集合中获取配送路线信息的路网状态信息以及所述配送路线信息的配送状态特征。
在本实施例中，所述打印订单信息集合包括N个配送货物信息，每个配送货物信息中包括物流供应链的货物品质描述信息，所述配送路线信息的路网状态信息为配送货物信息的动态路网信息或者配送货物信息的静态路网信息，所述N为大于或等于1的整数。
步骤1514，根据所述配送路线信息的路网状态信息、所述配送路线信息的配送状态特征以及所述待检测的物流运输订单信息片段，获取待匹配配送货物信息。
进一步地，为了能够准确、及时地确定出待匹配配送货物信息，步骤1514所描述的根据所述配送路线信息的路网状态信息、所述配送路线信息的配送状态特征以及所述待检测的物流运输订单信息片段，获取待匹配配送货物信息，具体包括步骤15141-步骤15144所描述的内容。
步骤15141，若所述配送路线信息的配送状态特征为动态特征，且所述配送路线信息的路网状态信息对应的状态信息更新频率小于或等于第j个配送货物信息的动态路网信息对应的状态信息更新频率，则根据延迟时间计算方式、所述配送路线信息的路网状态信息以及所述第j个配送货物信息的静态路网信息，确定第一动态特征延迟时长；其中，所述j为大于或等于1，且小于或等于N+1的整数。
步骤15142，根据调节时间计算方式、所述配送路线信息的路网状态信息以及第j+1个配送货物信息的动态路网信息确定第一动态特征调节时长；
步骤15143，根据所述第一动态特征延迟时长以及所述第一动态特征调节时长确定目标动态特征时长变化信息。
步骤15144，若所述待检测的物流运输订单信息片段在所述目标动态特征时长变化信息内，则根据所述第j个配送货物信息以及第j+1个配送货物信息中至少一个配送货物信息，获取所述待匹配配送货物信息。
如此，通过对路网状态信息、配送状态特征以及待检测的物流运输订单信息片段的进行解析，能够准确、及时地确定出待匹配配送货物信息。
进一步地，所述方法还包括：若满足配送路线信息的状态更新条件，则对所述配送路线信息的路网状态信息进行更新；若所述配送路线信息更新后的状态与第N个配送货物信息的静态路网信息所对应的状态信息相匹配，则将所述配送路线信息的配送状态特征调整为静态特征。
可以理解，步骤15144所描述的根据所述第j个配送货物信息以及第j+1个配送货物信息中至少一个配送货物信息，获取所述待匹配配送货物信息，具体包括以下三种实施方式。
第一种实施方式：根据所述配送路线信息的路网状态信息以及第j个配送货物信息的静态路网信息确定第二动态特征延迟时长；其中，所述第二动态特征延迟时长大于所述第一动态特征延迟时长；根据所述第一动态特征延迟时长以及所述第二动态特征延迟时长确定第一动态特征时长变化信息；若所述待检测的物流运输订单信息片段在所述第一动态特征时长变化信息内，则根据所述待检测的物流运输订单信息片段的时长，对所述配送路线信息的路网状态信息至所述第j个配送货物信息的静态路网信息之间的局部关联信息进行信息校正，得到所述待匹配配送货物信息。其中，在该实施方式的基础上，所述若满足配送路线信息的状态更新条件，则对所述配送路线信息的路网状态信息进行更新，包括：若所述待检测的物流运输订单信息片段在所述第一动态特征时长变化信息内，则满足所述配送路线信息的状态更新条件；将所述配送路线信息的路网状态信息更新为所述第j个配送货物信息的静态路网信息所对应的状态信息。
第二种实施方式：根据所述配送路线信息的路网状态信息以及第j+1个配送货物信息的静态路网信息确定第二动态特征调节时长；其中，所述第二动态特征调节时长小于所述第一动态特征调节时长；根据所述第一动态特征调节时长以及所述第二动态特征调节时长确定第二动态特征时长变化信息；若所述待检测的物流运输订单信息片段在所述第二动态特征时长变化信息内，则根据所述待检测的物流运输订单信息片段的时长，对所述配送路线信息的路网状态信息至所述第j+1个配送货物信息的动态路网信息之间的局部关联信息进行信息校正，得到所述待匹配配送货物信息。在该实施方式的基础上，所述若满足配送路线信息的状态更新条件，则对所述配送路线信息的路网状态信息进行更新，包括：若所述待检测的物流运输订单信息片段在所述第二动态特征时长变化信息内，则满足所述配送路线信息的状态更新条件；将所述配送路线信息的路网状态信息更新为所述第j+1个配送货物信息的动态路网信息所对应的状态信息。
第三种实施方式：根据所述配送路线信息的路网状态信息以及第j个配送货物信息的静态路网信息确定第二动态特征延迟时长；其中，所述第二动态特征延迟时长大于所述第一动态特征延迟时长；根据所述配送路线信息的路网状态信息以及第j+1个配送货物信息的静态路网信息确定第二动态特征调节时长；其中，所述第二动态特征调节时长小于所述第一动态特征调节时长；根据所述第二动态特征延迟时长与所述第二动态特征调节时长确定第三动态特征时长变化信息；若所述待检测的物流运输订单信息片段在所述第三动态特征时长变化信息内，则根据所述配送路线信息的路网状态信息以及所述待检测的物流运输订单信息片段的时长，获取所述待匹配配送货物信息。在该实施方式的基础上，所述若满足配送路线信息的状态更新条件，则对所述配送路线信息的路网状态信息进行更新，包括：若所述待检测的物流运输订单信息片段在所述第三动态特征时长变化信息内，则满足所述配送路线信息的状态更新条件；将所述配送路线信息的路网状态信息更新为所述待匹配配送货物信息的静态路网信息所对应的状态信息。
可选地，所述根据所述第一动态特征延迟时长以及所述第一动态特征调节时长确定目标动态特征时长变化信息之后，所述方法还包括：若所述待检测的物流运输订单信息片段未在所述目标动态特征时长变化信息内，且所述待检测的物流运输订单信息片段的时长小于所述第一动态特征延迟时长，则根据所述待检测的物流运输订单信息片段的时长、所述配送路线信息的路网状态信息以及配送形式信息，获取所述待匹配配送货物信息；或者，若所述待检测的物流运输订单信息片段未在所述目标动态特征时长变化信息内，且所述待检测的物流运输订单信息片段的时长小于所述第一动态特征延迟时长，则根据所述待检测的物流运输订单信息片段的时长以及所述配送路线信息的路网状态信息，获取所述待匹配配送货物信息；
可选地，所述根据所述第一动态特征延迟时长以及所述第一动态特征调节时长确定目标动态特征时长变化信息之后，所述方法还包括：若所述待检测的物流运输订单信息片段未在所述目标动态特征时长变化信息内，且所述待检测的物流运输订单信息片段的时长大于所述第一动态特征调节时长，则从所述打印订单信息集合中获取第k个配送货物信息；其中，所述k为大于或等于1，且小于或等于N的整数；根据所述调节时间计算方式、所述配送路线信息的路网状态信息以及所述第k个配送货物信息的动态路网信息确定第三动态特征延迟时长；根据所述延迟时间计算方式、所述配送路线信息的路网状态信息以及第k+1个配送货物信息的静态路网信息确定第三动态特征调节时长；根据所述第三动态特征延迟时长以及所述第三动态特征调节时长确定第四动态特征时长变化信息；若所述待检测的物流运输订单信息片段在所述第四动态特征时长变化信息内，则根据所述配送路线信息的路网状态信息、所述调节时间计算方式以及所述第k个配送货物信息的动态路网信息，确定所述待匹配配送货物信息的时长；根据所述待匹配配送货物信息的时长，将所述待检测的物流运输订单信息片段划分为第一物流运输订单信息片段以及第二物流运输订单信息片段；其中，所述第一物流运输订单信息片段的时长与所述待匹配配送货物信息的时长一致，所述第二物流运输订单信息片段用于根据所述配送路线信息更新后的状态匹配对应的配送货物信息；
可选地，若满足配送路线信息的状态更新条件，则对所述配送路线信息的路网状态信息进行更新，包括：若所述待检测的物流运输订单信息片段在所述第四动态特征时长变化信息内，则满足所述配送路线信息的状态更新条件；将所述配送路线信息的路网状态信息更新为所述第k个配送货物信息的动态路网信息所对应的状态信息。
在一些可能的实施例中，配送路线信息的配送状态特征还可能为静态特征，基于此，根据所述配送路线信息的路网状态信息、所述配送路线信息的配送状态特征以及所述待检测的物流运输订单信息片段，获取待匹配配送货物信息，还可以通过以下实施方式a实现。
实施方式a：若所述配送路线信息的配送状态特征为静态特征，且所述配送路线信息的路网状态信息对应的状态信息更新频率大于或等于第p个配送货物信息的动态路网信息对应的状态信息更新频率，则根据延迟时间计算方式、所述配送路线信息的路网状态信息以及所述第p个配送货物信息的动态路网信息，确定第一静态特征延迟时长；其中，所述p为大于或等于1，且小于或等于N的整数；根据调节时间计算方式、所述配送路线信息的路网状态信息以及第p-1个配送货物信息的静态路网信息确定第一静态特征调节时长；根据所述第一静态特征延迟时长以及所述第一静态特征调节时长确定目标静态特征时长变化信息；若所述待检测的物流运输订单信息片段在所述目标静态特征时长变化信息内，则根据所述第p个配送货物信息以及第p-1个配送货物信息中至少一个配送货物信息获取所述待匹配配送货物信息。基于此，所述方法还包括：若满足配送路线信息的状态更新条件，则对所述配送路线信息的路网状态信息进行更新；若所述配送路线信息更新后的状态与第一个配送货物信息的动态路网信息所对应的状态信息不匹配，则将所述配送路线信息的配送状态特征调整为动态特征。
在本实施例中，实施方式a的进一步说明可以参照上述步骤15141-步骤15144所描述的内容，因此在此不作更多说明。
步骤1515，将所述待检测的物流运输订单信息片段与所述待匹配配送货物信息进行整合处理，得到物流运输状态信息，其中，所述物流运输状态信息包括所述物流供应链的货物品质描述信息以及所述物流供应链的物流运输订单信息。
这样一来，执行步骤1511-步骤1515所描述的内容，首先接受物流终端发送的物流运输订单信息集合，其次从物流运输订单信息集合获取待检测的物流运输订单信息片段，同时从打印订单信息集合中获取配送路线信息的路网状态信息以及配送状态特征，并根据配送路线信息的路网状态信息、配送状态特征以及待检测的物流运输订单信息片段，获取待匹配配送货物信息，然后将待检测的物流运输订单信息片段与待匹配配送货物信息进行整合处理，得到物流运输状态信息，进而根据物流运输状态信息，对智能物流服务器和物流终端之间的物流交互数据进行数据安全检测。通过上述方式，在整合物流运输信息的过程中，利用配送路线信息的路网状态信息、配送状态特征以及待检测的物流运输订单信息片段，快速地确定出待匹配配送货物信息，这样能够确保物流运输状态信息的时效性。
步骤152，基于所述物流运输状态信息，对所述智能物流服务器和所述物流终端之间的物流交互数据进行数据安全检测。
在本实施例中，物流交互数据是智能物流服务器和物流终端之间进行物流业务交互时对应的数据。
通过执行上述步骤151和步骤152所描述的内容，能够达到如下有益技术效果：为了确保确定出的物流运输状态信息与实际物流情况高度匹配以及确保物流运输状态信息具有较高的时效性和可信度，首先对接收到的物流运输订单信息集合进行分析，进而基于物流运输状态信息，对智能物流服务器和物流终端之间的物流交互数据进行数据安全检测。这样一来，在对智能物流服务器和物流终端之间的物流交互数据进行数据安全检测时，能够将物流运输状态信息考虑在内，从而确保数据安全检测与实际物流情况的高度匹配，从而提高数据安全检测的可信度。
在一些可能的实施例中，为了够确保智能物流服务器和物流终端之间的物流交互数据的安全性，避免因在交互过程出被第三方信息干扰而导致物流交互数据缺失的问题，步骤152所描述的基于所述物流运输状态信息，对所述智能物流服务器和所述物流终端之间的物流交互数据进行数据安全检测，具体包括：基于所述物流运输状态信息，获取所述智能物流服务器和所述物流终端之间的通信状态数据，并对所述通信状态数据进行数据分析，得到物流交互数据；根据预设的安全检测方式对所述物流交互数据进行数据安全检测，得到检测结果。在本实施例中，所述预设的安全检测方式具体包括：通过检测物流交互数据在设定时间步长之间的数据流量变化情况，得到对应的数据安全检测结果。如此一来，智能物流服务器和所述物流终端之间的通信状态数据进行分析，能够确保物流交互数据的准确性，进而对物流交互数据进行数据安全检测。这样能够确保智能物流服务器和物流终端之间的物流交互数据的安全性，避免因在交互过程出被第三方信息干扰而导致物流交互数据缺失的问题。
基于上述基础，请结合图2，本发明还提供了一种基于云计算的数据安全校验装置20的框图，该装置包括以下功能模块。
订单数据获取模块21，用于获取待校验的目标物流交易订单数据。
交互指标确定模块22，用于确定所述目标物流交易订单数据的订单业务状态对应的业务交互指标；其中，所述订单业务状态为各个状态节点的节点延时指标均小于所述目标物流交易订单数据的第一状态节点延时指标对应的业务状态，且所述业务交互指标为目标状态节点的交互量对应的节点延时指标，所述目标状态节点的交互量为所述订单业务状态中，各个节点延时指标对应的状态节点的交互量中最大的状态节点的交互量。
延时指标生成模块23，用于基于所述业务交互指标与预设节点延时指标列表的最新指标的关联关系，确定所述目标物流交易订单数据对应的节点延时指标列表。
订单数据校验模块24，用于基于所确定的节点延时指标列表，确定第二状态节点延时指标；对所述订单业务状态进行节点延时指标修正，直至所述目标物流交易订单数据的状态节点延时指标为所述第二状态节点延时指标时，完成对所述目标物流交易订单数据的校验；其中，所述第二状态节点延时指标为对所述目标物流交易订单数据校验后，所述目标物流交易订单数据的状态节点延时指标。
在上述基础上，请结合参阅图3，提供了一种云服务器110，包括处理器111以及与所述处理器111连接的存储器112和总线113；其中，所述处理器111和所述存储器112通过所述总线113完成相互间的通信；所述处理器111用于调用所述存储器112中的程序指令，以执行上述的方法。
进一步地，还提供了一种可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的方法。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围执行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种基于云计算的数据安全校验方法，其特征在于，所述方法包括：
获取待校验的目标物流交易订单数据；
确定所述目标物流交易订单数据的订单业务状态对应的业务交互指标；其中，所述订单业务状态为各个状态节点的节点延时指标均小于所述目标物流交易订单数据的第一状态节点延时指标对应的业务状态，且所述业务交互指标为目标状态节点的交互量对应的节点延时指标，所述目标状态节点的交互量为所述订单业务状态中，各个节点延时指标对应的状态节点的交互量中最大的状态节点的交互量；
基于所述业务交互指标与预设节点延时指标列表的最新指标的关联关系，确定所述目标物流交易订单数据对应的节点延时指标列表；
基于所确定的节点延时指标列表，确定第二状态节点延时指标；对所述订单业务状态进行节点延时指标修正，直至所述目标物流交易订单数据的状态节点延时指标为所述第二状态节点延时指标时，完成对所述目标物流交易订单数据的校验；其中，所述第二状态节点延时指标为对所述目标物流交易订单数据校验后，所述目标物流交易订单数据的状态节点延时指标。
2.根据权利要求1所述的方法，其特征在于，在所述基于所述业务交互指标与预设节点延时指标列表的最新指标的关联关系，确定所述目标物流交易订单数据对应的节点延时指标列表的步骤之前，所述方法还包括：判断所述业务交互指标是否符合预设的节点延时指标列表确定条件；所述基于所述业务交互指标与预设节点延时指标列表的最新指标的关联关系，确定所述目标物流交易订单数据对应的节点延时指标列表的步骤，包括：当判断出所述业务交互指标符合预设的节点延时指标列表确定条件时，基于所述业务交互指标与预设节点延时指标列表的最新指标的关联关系，确定所述目标物流交易订单数据对应的节点延时指标列表。
3.根据权利要求2所述的方法，其特征在于，所述判断所述业务交互指标是否符合预设的节点延时指标列表确定条件的步骤，包括：确定至少一组物流交易订单数据的订单业务状态对应的第一节点延时指标；其中，所述至少一组物流交易订单数据为所述目标物流交易订单数据的前一组物流交易订单数据，或者，所述目标物流交易订单数据的前连续多组物流交易订单数据，任一组物流交易订单数据的订单业务状态对应的第一节点延时指标为第一状态节点的交互量对应的节点延时指标，所述第一状态节点的交互量为该组物流交易订单数据的订单业务状态中，各个节点延时指标对应的状态节点的交互量中最大的状态节点的交互量；判断所述业务交互指标与预设节点延时指标列表的最新指标的关联关系，得到第一判断结果；并判断各个第一节点延时指标与预设节点延时指标列表的最新指标的关联关系，得到第二判断结果；判断所述第一判断结果与所得到的各个第二判断结果是否均一致；若为是，则判定所述业务交互指标符合预设的节点延时指标列表确定条件；
其中，任一组物流交易订单数据的订单业务状态对应的第一节点延时指标的确定过程包括：针对一组物流交易订单数据的订单业务状态的多个节点延时指标中的每一节点延时指标，统计具有该节点延时指标的状态节点的第一交易量；按照所述目标物流交易订单数据的订单业务状态的各个节点延时指标的大小，对统计所得到的多个第一交易量进行编号；在编号之后，针对每一第一交易量，对包含该第一交易量在内的连续节点延时指标对应的多个第一交易量进行求和，并将求和结果确定为该第一交易量所对应节点延时指标的状态节点的交互量；将所确定的最大的状态节点的交互量所对应的节点延时指标，确定为该组物流交易订单数据的订单业务状态对应的第一节点延时指标；
其中，所述判断所述业务交互指标与预设节点延时指标列表的最新指标的关联关系，得到第一判断结果的步骤，包括：
在所述业务交互指标小于预设节点延时指标列表的首次更新的最新指标时，将业务交互指标小于首次更新的最新指标确定为第一判断结果；
在所述业务交互指标大于或等于预设节点延时指标列表的首次更新的最新指标，且小于或等于预设节点延时指标列表的最后更新的最新指标时，将业务交互指标大于或等于首次更新的最新指标，且小于或等于最后更新的最新指标确定为第一判断结果；
在所述业务交互指标大于预设节点延时指标列表的最后更新的最新指标时，将业务交互指标大于最后更新的最新指标确定为第一判断结果；
相应的，所述判断各个第一节点延时指标与预设节点延时指标列表的最新指标的关联关系，得到第二判断结果的步骤，包括：
对于各个第一节点延时指标中的每一节点延时指标，在该第一节点延时指标小于预设节点延时指标列表的首次更新的最新指标时，将第一节点延时指标小于首次更新的最新指标确定为第二判断结果；
在该第一节点延时指标大于或等于预设节点延时指标列表的首次更新的最新指标，且小于或等于预设节点延时指标列表的最后更新的最新指标时，将第一节点延时指标大于或等于首次更新的最新指标，且小于或等于最后更新的最新指标确定为第二判断结果；
在该第一节点延时指标大于预设节点延时指标列表的最后更新的最新指标时，将第一节点延时指标大于最后更新的最新指标确定为第二判断结果。
4.根据权利要求2所述的方法，其特征在于，所述判断所述业务交互指标是否符合预设的节点延时指标列表确定条件的步骤，包括：判断业务交互指标对应的状态节点的交易量是否大于预设交易量；若为是，判定所述业务交互指标符合预设的节点延时指标列表确定条件。
5.根据权利要求1所述的方法，其特征在于，所述获取待校验的目标物流交易订单数据的步骤，包括：
在对目标物流订单进行交易的过程中，当交易所得的连续至少两组物流交易订单数据符合订单数据获取条件时，将所述连续至少两组订单数据中的最后一组物流交易订单数据确定为待校验的目标物流交易订单数据；其中，所述订单数据获取条件为：相邻物流交易订单数据的状态节点延时指标与预设节点延时指标相匹配。
6.根据权利要求1至5任一项所述的方法，其特征在于，
所述基于所述业务交互指标与预设节点延时指标列表的最新指标的关联关系，确定所述目标物流交易订单数据对应的节点延时指标列表的步骤，包括：
在所述业务交互指标小于预设节点延时指标列表的首次更新的最新指标时，调高所述预设节点延时指标列表的首次更新的最新指标和/或最后更新的最新指标，并将修正后的节点延时指标列表作为所述目标物流交易订单数据对应的节点延时指标列表；
在所述业务交互指标大于预设节点延时指标列表的最后更新的最新指标时，调低所述预设节点延时指标列表的首次更新的最新指标和/或最后更新的最新指标，并将修正后的节点延时指标列表作为所述目标物流交易订单数据对应的节点延时指标列表；
在所述业务交互指标大于预设节点延时指标列表的首次更新的最新指标，且小于预设节点延时指标列表的最后更新的最新指标时，将所述预设节点延时指标列表作为所述目标物流交易订单数据对应的节点延时指标列表；
其中，所述确定所述目标物流交易订单数据的订单业务状态对应的业务交互指标的步骤，包括：
针对所述目标物流交易订单数据的订单业务状态的多个节点延时指标中的每一节点延时指标，统计具有该节点延时指标的状态节点的第二交易量；
按照所述目标物流交易订单数据的订单业务状态的各个节点延时指标的大小，对统计所得到的多个第二交易量进行编号；
在编号之后，针对每一第二交易量，对包含该第二交易量在内的连续多个第二交易量进行求和，并将求和结果确定为该第二交易量所对应节点延时指标的状态节点的交互量；
将所确定的最大的状态节点的交互量所对应的节点延时指标，确定为所述目标物流交易订单数据的订单业务状态的业务交互指标；
其中，所述基于所确定的节点延时指标列表，确定第二状态节点延时指标的步骤，包括：确定所述节点延时指标列表的首次更新的最新指标和最后更新的最新指标的状态指标；将确定的状态指标确定为第二状态节点延时指标。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述校验后的目标物流交易订单数据确定物流运输订单信息集合，基于所述物流运输订单信息集进行数据安全检测。
8.一种基于云计算的数据安全校验装置，其特征在于，所述装置包括：
订单数据获取模块，用于获取待校验的目标物流交易订单数据；
交互指标确定模块，用于确定所述目标物流交易订单数据的订单业务状态对应的业务交互指标；其中，所述订单业务状态为各个状态节点的节点延时指标均小于所述目标物流交易订单数据的第一状态节点延时指标对应的业务状态，且所述业务交互指标为目标状态节点的交互量对应的节点延时指标，所述目标状态节点的交互量为所述订单业务状态中，各个节点延时指标对应的状态节点的交互量中最大的状态节点的交互量；
延时指标生成模块，用于基于所述业务交互指标与预设节点延时指标列表的最新指标的关联关系，确定所述目标物流交易订单数据对应的节点延时指标列表；
订单数据校验模块，用于基于所确定的节点延时指标列表，确定第二状态节点延时指标；对所述订单业务状态进行节点延时指标修正，直至所述目标物流交易订单数据的状态节点延时指标为所述第二状态节点延时指标时，完成对所述目标物流交易订单数据的校验；其中，所述第二状态节点延时指标为对所述目标物流交易订单数据校验后，所述目标物流交易订单数据的状态节点延时指标。
9.一种云服务器，其特征在于，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中调取计算机程序，并通过运行所述计算机程序实现权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序在运行时实现权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110077338.7A CN112767084B (zh) | 2021-01-20 | 2021-01-20 | 一种基于云计算的数据安全校验方法、装置及服务器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110077338.7A CN112767084B (zh) | 2021-01-20 | 2021-01-20 | 一种基于云计算的数据安全校验方法、装置及服务器 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112767084A CN112767084A (zh) | 2021-05-07 |
| CN112767084B true CN112767084B (zh) | 2022-08-26 |
Family
ID=75701914
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110077338.7A Active CN112767084B (zh) | 2021-01-20 | 2021-01-20 | 一种基于云计算的数据安全校验方法、装置及服务器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112767084B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117611045B (zh) * | 2024-01-22 | 2024-04-19 | 湖南创亚信息科技有限公司 | 一种基于云计算的货物流动监测方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106296062A (zh) * | 2015-06-04 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 一种物流订单数据处理方法及装置 |
| CN108520307A (zh) * | 2018-03-31 | 2018-09-11 | 深圳慧通商务有限公司 | 数据处理方法及相关装置 |
| JP2018169794A (ja) * | 2017-03-30 | 2018-11-01 | 株式会社日立製作所 | 取引情報照合システム |
| CN109933486A (zh) * | 2017-12-19 | 2019-06-25 | 车伯乐（北京）信息科技有限公司 | 一种物流数据的监控处理方法，装置及系统 |
| CN111225041A (zh) * | 2019-12-26 | 2020-06-02 | 的卢技术有限公司 | 一种实现延时消息队列的方法及系统 |
| CN112132576A (zh) * | 2020-09-07 | 2020-12-25 | 陈建芸 | 基于区块链通信的支付信息处理方法及区块链信息平台 |
-
2021
- 2021-01-20 CN CN202110077338.7A patent/CN112767084B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106296062A (zh) * | 2015-06-04 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 一种物流订单数据处理方法及装置 |
| JP2018169794A (ja) * | 2017-03-30 | 2018-11-01 | 株式会社日立製作所 | 取引情報照合システム |
| CN109933486A (zh) * | 2017-12-19 | 2019-06-25 | 车伯乐（北京）信息科技有限公司 | 一种物流数据的监控处理方法，装置及系统 |
| CN108520307A (zh) * | 2018-03-31 | 2018-09-11 | 深圳慧通商务有限公司 | 数据处理方法及相关装置 |
| CN111225041A (zh) * | 2019-12-26 | 2020-06-02 | 的卢技术有限公司 | 一种实现延时消息队列的方法及系统 |
| CN112132576A (zh) * | 2020-09-07 | 2020-12-25 | 陈建芸 | 基于区块链通信的支付信息处理方法及区块链信息平台 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112767084A (zh) | 2021-05-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109474578A (zh) | 报文消息校验方法、装置、计算机设备和存储介质 | |
| CN111638948B (zh) | 多通道高可用的大数据实时决策系统及决策方法 | |
| CN108416665B (zh) | 数据交互方法、装置、计算机设备和存储介质 | |
| CN107633257B (zh) | 数据质量评估方法及装置、计算机可读存储介质、终端 | |
| CN112767084B (zh) | 一种基于云计算的数据安全校验方法、装置及服务器 | |
| CN112738294B (zh) | 基于区块链的域名解析方法、装置、电子设备和存储介质 | |
| CN111784173A (zh) | Ab实验数据处理方法、装置、服务器及介质 | |
| CN117709528A (zh) | 碳排放量预测方法、装置、设备及存储介质 | |
| CN110232525B (zh) | 一种企业风险获取方法、装置、服务器及存储介质 | |
| WO2023077815A1 (zh) | 一种处理敏感数据的方法及装置 | |
| CN110909085A (zh) | 数据处理方法、装置、设备及存储介质 | |
| CN111260384A (zh) | 服务订单处理方法、装置、电子设备及存储介质 | |
| CN115907917A (zh) | 一种业务数据处理方法、装置及计算机可读介质 | |
| CN113157479A (zh) | 一种数据纠错方法、系统、装置、设备和存储介质 | |
| CN113094241A (zh) | 一种实时程序准确性的确定方法、装置、设备及存储介质 | |
| CN114820013A (zh) | 物流定价优化方法、装置、计算机设备以及存储介质 | |
| CN110009170B (zh) | 模型评分校正方法、装置及服务器 | |
| CN112765680A (zh) | 一种基于云存储的数据管理方法、装置及服务器 | |
| CN108804640B (zh) | 基于最大化iv的数据分组方法、装置、储存介质及设备 | |
| CN112541514A (zh) | 事件发布方法、服务器、终端及存储介质 | |
| CN112766851A (zh) | 一种智能物流的数据安全检测方法及装置 | |
| CN111431987B (zh) | 车联网信号的校验方法及装置、计算机存储介质 | |
| CN112866252A (zh) | 一种基于网络传输的数据安全检测方法及装置 | |
| CN113763023B (zh) | 用户识别的方法、装置、电子设备和存储介质 | |
| CN113206759B (zh) | 跨不同业务域的智能PaaS服务平台的管理方法及系统 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220808 Address after: 102303 DT0613, Floor 1-2, Building 2, Yuhuangmiao Sales Office, Datai Trading Company, Mentougou District, Beijing (cluster registration) Applicant after: Zhongqian Si Chuang (Beijing) Technology Co., Ltd. Address before: No.80, 4th Street, Binhai New Area, Tianjin 300450 Applicant before: Gao Xidong |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20221227 Address after: 350015 Standard Factory Building C, Community A, Science and Technology Industrial Park, Fuzhou Economic and Technological Development Zone, Fujian Province Patentee after: Fujian Shida Group Co.,Ltd. Address before: 102303 DT0613, Floor 1-2, Building 2, Yuhuangmiao Sales Office, Datai Trading Company, Mentougou District, Beijing (cluster registration) Patentee before: Zhongqian Si Chuang (Beijing) Technology Co.,Ltd. |