CN114205148A - 一种大数据应用安全管控系统 - Google Patents
一种大数据应用安全管控系统 Download PDFInfo
- Publication number
- CN114205148A CN114205148A CN202111508470.5A CN202111508470A CN114205148A CN 114205148 A CN114205148 A CN 114205148A CN 202111508470 A CN202111508470 A CN 202111508470A CN 114205148 A CN114205148 A CN 114205148A
- Authority
- CN
- China
- Prior art keywords
- data
- information
- control system
- safety management
- application safety
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 238000007726 management method Methods 0.000 claims abstract description 27
- 238000013499 data model Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 13
- 238000007405 data analysis Methods 0.000 claims abstract description 8
- 238000013480 data collection Methods 0.000 claims abstract description 4
- 238000012216 screening Methods 0.000 claims description 14
- 238000004140 cleaning Methods 0.000 claims description 5
- 238000011161 development Methods 0.000 abstract description 6
- 238000012423 maintenance Methods 0.000 abstract description 3
- 238000007781 pre-processing Methods 0.000 abstract description 2
- 230000008901 benefit Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001427 coherent effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/20—Network architectures or network communication protocols for network security for managing network security; network security policies in general
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/04—Protocols for data compression, e.g. ROHC
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明属于大数据技术领域,且公开了一种大数据应用安全管控系统,该大数据应用安全管控系统设置有多个存储分析服务器子组件,每一个储存分析服务器子组件均设置有基础配置库,管控方法具体操作步骤如下:数据收集:S11:存储分析服务器子组件针对具体的服务器配置下载能够处理的最大限度的数据量;S12:对数据信息进行分析判定并计算权重值。本发明通过对数据进行预处理并判定计算权重值,能够对数据的重要程度进行判定,从而对数据的质量进行管控,并且通过对数据进行分级,能够有效的增加数据的重要程度,通过对数据建立数据模型,能够便于对数据进行分析,数据分析的方式便于维护和开发,且成本较低。
Description
技术领域
本发明属于大数据技术领域,具体为一种大数据应用安全管控系统。
背景技术
大数据又称巨量资料,是指所涉及到的资料量规模巨大到无法用现有的主流软软件工具在合理的时间内进行管理、处理,并且整理提取为可以帮助企业经营决策更为积极的讯息,大数据具有大量、高速、多样、低价值密度、真实性五大特点,大数据的应用时大数据创造价值的关键,随着大数据技术的飞速发展,大数据已经融入各行各业,大数据行业正在快速发展为新一代信息技术和服务行业,同时,在大数据飞速发展的时代,各行业数据规模也在飞速增长,如何确保网络数据的安全性、可用性和保密性成为了企业和政府机构健康发展所要考虑的核心问题。
现有的大数据应用安全管控方式较为简陋,仅仅是对数据进行预处理,对大数据的处理程度不高,当需要对大数据进行分析时,耗费的时间较长,且对信息的提取速度较慢,信息的关联程度不高,无法便捷的对大数据进行了解与提取,从而影响工作效率,由此可以看出其大数据的应用安全管控缺乏及时性和完整性,且数据的质量难以让人满意。
发明内容
本发明的目的在于提供一种大数据应用安全管控系统,具有管控好效果好和数据质量高的优点。
为了实现上述目的,本发明提供如下技术方案:一种大数据应用安全管控系统,该大数据应用安全管控系统设置有多个存储分析服务器子组件,每一个储存分析服务器子组件均设置有基础配置库,管控方法具体操作步骤如下:
数据收集:
S11:存储分析服务器子组件针对具体的服务器配置下载能够处理的最大限度的数据量;
S12:对数据信息进行分析判定并计算权重值;
数据分类:
S21:提供一种关系表达式;
S22:依据S21中的关系表达式针对不同的存储分析服务器子组件中的信息数据进行筛选,首先筛选出重复数据,接着筛选出相近或者类似的数据信息,并对数据信息进行甄别,判定其重要与合理性;
S23:对筛选出的信息数据进行分级与分类,按照判定的重要程度进行排布,并且在分级好后上传至云端服务器;
数据分析:
S31:对云端服务器中的信息数据进行汇总;
S32:对云端数据建立数据模型;
S33:对数据模型进行分析,秉承由权重值高到低的顺序进行分析;
建立数据库:
S41:对云端上传的数据建立索引表,方便搜索检查与引用;
S42:对数据进行分类压缩保存,减少空间的占用。
优选的,所述多个存储分析服务器子组件按照顺序进行编号排序,通过设置由多个存储分析服务器子组件,能够对大数据进行较多的下载处理,并且进行编号排序能够较为便捷的匹配数据,使分类后的上传到云端后数据能够保持连贯性。
优选的,所述S11中存储分析服务器子组件下载的最大限度的数据量需要是完整的句段,并且剩余的数据按照排序顺序的下一存储分析服务器子组件进行下载接收,存储分析服务器子组件下载的最大限度的数据量需要是完整的句段,这样能够使数据不会断层,保证了连贯性,通过按照顺序的下载方式,能够使数据保持一致性。
优选的,所述S12中对数据的分析判定通过上传信息时设置实名认证,对数据上传者的信息进行分析判定,并且通过信息身份与内容重要程度配合计算信息权重值,按照信息的权重值不同进而对数据进行安全管控,权重值的高低与管控的程度成正比,通过对信息内容进行分析判定,能够对信息进行分级,便于针对性的进行管控,并且设置实名认证一定程度上的避免了垃圾数据,对信息内容重要程度的判定以信息相关性为主,以关键字的匹配为辅,信息的相关性越高,信息内容的重要程度越高。
优选的,所述S22中对合理的数据进行保存,对判定相近或者类似的数据进行编组,对判定为重复的数据进行压缩打包,并按照一周一次的清理方式进行处理,通过对重复数据的筛选,能够较大程度上降低数据对服务器的压力,同时增加数据的有效性和价值,一周一次的清理能够保证服务器内存不会产生较大程度的负担,保证服务器的性能,对判定相近或者类似的数据进行编组处理,能够在对数据进行提取时,能够更为快捷的找到类比数据,便于对数据的分析。
优选的,所述S23中对信息数据的分级采用参考权重值的方法,而分类则采用数据的相似程度进行归纳,并且对每一则信息进行类别标注,方便后期检索,通过权重值对信息数据进行分级,能够保证数据的重要程度,并且能够通过这种形式对重点、重要的数据进行汇总,方便对数据的查询,降低寻找数据时耗费的时间,提高寻找效率。
优选的,所述S32中的数据模型的建立首先通过对数据进行总结、分析和推导等过程从而建立实体联系模型,接着把实体联系模型向关系模型进行转化,通过建立数据模型的形式,能够方便使用者对数据进行分析,能够更加灵活的分析和解释数据,使税局堆栈变得更加模块化,能够产生极大的好处。
优选的,所述S33中的数据分析基于JStorm与Spark Streaming构建实时计算平台,实时计算使用JStorm,离线计算使用Hive或Spark,通过这种形式,实现流式与离线计算引擎的统一,并且开发和维护成本降低,通过最小的成本获得更高的效益,并且许多公司部门都是基于Spark SQL与MLlib 开发离线任务与算法模型,大大降低了用户使用Spark的学习成本。
优选的,所述S42中客户端在通过索引对信息数据进行查取时,提取该数据信息所在的压缩资源包,展开压缩资源包后匹配信息数据并传输至客户端,通过这种形式,能够降低信息数据在云端服务器所占用的内存空间,并且通过设置的索引能够更为便捷的对信息进行查找,使用效果较好。
优选的,所述S31中的汇总方式为在不同的存储分析服务器子组件分别把分级后的数据上传到远端服务器时,通过云端服务器本身对相同分类的数据进行汇总,并且按照数据的时间进行排列,根据时间对数据进行排列,具有更高的实时性,数据的有效程度更高。
本发明的有益效果如下:
本发明通过对数据进行预处理并判定计算权重值,能够对数据的重要程度进行判定,从而对数据的质量进行管控,并且通过对数据进行分级,能够有效的增加数据的重要程度,通过对数据建立数据模型,能够便于对数据进行分析,数据分析的方式便于维护和开发,且成本较低,用户使用的学习成本也大大降低,通过数据库对数据信息进行压缩保存,能够极大程度的减服务器的储存压力,相对于现有技术来说管控效果好且获得的数据质量较高。
附图说明
图1为本发明流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术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,都属于本发明保护的范围。
如图1所示,本发明实施例中,一种大数据应用安全管控系统,该大数据应用安全管控系统设置有多个存储分析服务器子组件,每一个储存分析服务器子组件均设置有基础配置库,管控方法具体操作步骤如下:
数据收集:
S11:存储分析服务器子组件针对具体的服务器配置下载能够处理的最大限度的数据量;
S12:对数据信息进行分析判定并计算权重值;
数据分类:
S21:提供一种关系表达式;
S22:依据S21中的关系表达式针对不同的存储分析服务器子组件中的信息数据进行筛选,首先筛选出重复数据,接着筛选出相近或者类似的数据信息,并对数据信息进行甄别,判定其重要与合理性;
S23:对筛选出的信息数据进行分级与分类,按照判定的重要程度进行排布,并且在分级好后上传至云端服务器;
数据分析:
S31:对云端服务器中的信息数据进行汇总;
S32:对云端数据建立数据模型;
S33:对数据模型进行分析,秉承由权重值高到低的顺序进行分析;
建立数据库:
S41:对云端上传的数据建立索引表,方便搜索检查与引用;
S42:对数据进行分类压缩保存,减少空间的占用。
其中,多个存储分析服务器子组件按照顺序进行编号排序,通过设置由多个存储分析服务器子组件,能够对大数据进行较多的下载处理,并且进行编号排序能够较为便捷的匹配数据,使分类后的上传到云端后数据能够保持连贯性。
其中,S11中存储分析服务器子组件下载的最大限度的数据量需要是完整的句段,并且剩余的数据按照排序顺序的下一存储分析服务器子组件进行下载接收,存储分析服务器子组件下载的最大限度的数据量需要是完整的句段,这样能够使数据不会断层,保证了连贯性,通过按照顺序的下载方式,能够使数据保持一致性。
其中,S12中对数据的分析判定通过上传信息时设置实名认证,对数据上传者的信息进行分析判定,并且通过信息身份与内容重要程度配合计算信息权重值,按照信息的权重值不同进而对数据进行安全管控,权重值的高低与管控的程度成正比,通过对信息内容进行分析判定,能够对信息进行分级,便于针对性的进行管控,并且设置实名认证一定程度上的避免了垃圾数据,对信息内容重要程度的判定以信息相关性为主,以关键字的匹配为辅,信息的相关性越高,信息内容的重要程度越高。
其中,S22中对合理的数据进行保存,对判定相近或者类似的数据进行编组,对判定为重复的数据进行压缩打包,并按照一周一次的清理方式进行处理,通过对重复数据的筛选,能够较大程度上降低数据对服务器的压力,同时增加数据的有效性和价值,一周一次的清理能够保证服务器内存不会产生较大程度的负担,保证服务器的性能对判定相近或者类似的数据进行编组处理,能够在对数据进行提取时,能够更为快捷的找到类比数据,便于对数据的分析。
其中,S23中对信息数据的分级采用参考权重值的方法,而分类则采用数据的相似程度进行归纳,并且对每一则信息进行类别标注,方便后期检索,通过权重值对信息数据进行分级,能够保证数据的重要程度,并且能够通过这种形式对重点、重要的数据进行汇总,方便对数据的查询,降低寻找数据时耗费的时间,提高寻找效率。
其中,S32中的数据模型的建立首先通过对数据进行总结、分析和推导等过程从而建立实体联系模型,接着把实体联系模型向关系模型进行转化,通过建立数据模型的形式,能够方便使用者对数据进行分析,能够更加灵活的分析和解释数据,使税局堆栈变得更加模块化,能够产生极大的好处。
其中,S33中的数据分析基于JStorm与Spark Streaming构建实时计算平台,实时计算使用JStorm,离线计算使用Hive或Spark,通过这种形式,实现流式与离线计算引擎的统一,并且开发和维护成本降低,通过最小的成本获得更高的效益,并且许多公司部门都是基于Spark SQL与MLlib开发离线任务与算法模型,大大降低了用户使用Spark的学习成本。
其中,S42中客户端在通过索引对信息数据进行查取时,提取该数据信息所在的压缩资源包,展开压缩资源包后匹配信息数据并传输至客户端,通过这种形式,能够降低信息数据在云端服务器所占用的内存空间,并且通过设置的索引能够更为便捷的对信息进行查找,使用效果较好。
其中,S31中的汇总方式为在不同的存储分析服务器子组件分别把分级后的数据上传到远端服务器时,通过云端服务器本身对相同分类的数据进行汇总,并且按照数据的时间进行排列,根据时间对数据进行排列,具有更高的实时性,数据的有效程度更高。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种大数据应用安全管控系统,其特征在于:该大数据应用安全管控系统设置有多个存储分析服务器子组件,每一个储存分析服务器子组件均设置有基础配置库,管控方法具体操作步骤如下:
数据收集:
S11:存储分析服务器子组件针对具体的服务器配置下载能够处理的最大限度的数据量;
S12:对数据信息进行分析判定并计算权重值;
数据分类:
S21:提供一种关系表达式;
S22:依据S21中的关系表达式针对不同的存储分析服务器子组件中的信息数据进行筛选,首先筛选出重复数据,接着筛选出相近或者类似的数据信息,并对数据信息进行甄别,判定其重要与合理性;
S23:对筛选出的信息数据进行分级与分类,按照判定的重要程度进行排布,并且在分级好后上传至云端服务器;
数据分析:
S31:对云端服务器中的信息数据进行汇总;
S32:对云端数据建立数据模型;
S33:对数据模型进行分析,秉承由权重值高到低的顺序进行分析;
建立数据库:
S41:对云端上传的数据建立索引表,方便搜索检查与引用;
S42:对数据进行分类压缩保存,减少空间的占用。
2.根据权利要求1所述的一种大数据应用安全管控系统,其特征在于:所述多个存储分析服务器子组件按照顺序进行编号排序。
3.根据权利要求1所述的一种大数据应用安全管控系统,其特征在于:所述S11中存储分析服务器子组件下载的最大限度的数据量需要是完整的句段,并且剩余的数据按照排序顺序的下一存储分析服务器子组件进行下载接收。
4.根据权利要求1所述的一种大数据应用安全管控系统,其特征在于:所述S12中对数据的分析判定通过上传信息时设置实名认证,对数据上传者的信息进行分析判定,并且通过信息身份与内容重要程度配合计算信息权重值,按照信息的权重值不同进而对数据进行安全管控,权重值的高低与管控的程度成正比。
5.根据权利要求1所述的一种大数据应用安全管控系统,其特征在于:所述S22中对合理的数据进行保存,对判定相近或者类似的数据进行编组,对判定为重复的数据进行压缩打包,并按照一周一次的清理方式进行处理。
6.根据权利要求1所述的一种大数据应用安全管控系统,其特征在于:所述S23中对信息数据的分级采用参考权重值的方法,而分类则采用数据的相似程度进行归纳,并且对每一则信息进行类别标注,方便后期检索。
7.根据权利要求1所述的一种大数据应用安全管控系统,其特征在于:所述S32中的数据模型的建立首先通过对数据进行总结、分析和推导等过程从而建立实体联系模型,接着把实体联系模型向关系模型进行转化。
8.根据权利要求1所述的一种大数据应用安全管控系统,其特征在于:所述S33中的数据分析基于JStorm与Spark Streaming构建实时计算平台,实时计算使用JStorm,离线计算使用Hive或Spark。
9.根据权利要求1所述的一种大数据应用安全管控系统,其特征在于:所述S42中客户端在通过索引对信息数据进行查取时,提取该数据信息所在的压缩资源包,展开压缩资源包后匹配信息数据并传输至客户端。
10.根据权利要求1所述的一种大数据应用安全管控系统,其特征在于:所述S31中的汇总方式为在不同的存储分析服务器子组件分别把分级后的数据上传到远端服务器时,通过云端服务器本身对相同分类的数据进行汇总,并且按照数据的时间进行排列,根据时间对数据进行排列,具有更高的实时性,数据的有效程度更高。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111508470.5A CN114205148B (zh) | 2021-12-10 | 2021-12-10 | 一种大数据应用安全管控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111508470.5A CN114205148B (zh) | 2021-12-10 | 2021-12-10 | 一种大数据应用安全管控系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114205148A true CN114205148A (zh) | 2022-03-18 |
CN114205148B CN114205148B (zh) | 2024-05-28 |
Family
ID=80652286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111508470.5A Active CN114205148B (zh) | 2021-12-10 | 2021-12-10 | 一种大数据应用安全管控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114205148B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116155844A (zh) * | 2023-04-21 | 2023-05-23 | 天津帕克耐科技有限公司 | 一种idc资源管理方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030094966A (ko) * | 2002-06-11 | 2003-12-18 | 주식회사 코스모정보통신 | 통제학습 기반의 문서 자동분류시스템 및 그 방법 |
CN106682527A (zh) * | 2016-12-25 | 2017-05-17 | 北京明朝万达科技股份有限公司 | 一种基于数据分类分级的数据安全管控方法及系统 |
CN109756398A (zh) * | 2019-01-09 | 2019-05-14 | 湖北凌晖信息科技有限公司 | 一种网络信息数据采集方法及系统 |
CN112380224A (zh) * | 2021-01-15 | 2021-02-19 | 北京三维天地科技股份有限公司 | 一种面向海量异构多维数据采集的质量大数据系统 |
CN112581260A (zh) * | 2020-12-16 | 2021-03-30 | 中国建设银行股份有限公司 | 监测区域金融风险的方法、装置和系统 |
CN112711757A (zh) * | 2020-12-23 | 2021-04-27 | 光大兴陇信托有限责任公司 | 一种基于大数据平台的数据安全集中管控方法及系统 |
US11095706B1 (en) * | 2018-03-21 | 2021-08-17 | Pure Storage, Inc. | Secure cloud-based storage system management |
-
2021
- 2021-12-10 CN CN202111508470.5A patent/CN114205148B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030094966A (ko) * | 2002-06-11 | 2003-12-18 | 주식회사 코스모정보통신 | 통제학습 기반의 문서 자동분류시스템 및 그 방법 |
CN106682527A (zh) * | 2016-12-25 | 2017-05-17 | 北京明朝万达科技股份有限公司 | 一种基于数据分类分级的数据安全管控方法及系统 |
US11095706B1 (en) * | 2018-03-21 | 2021-08-17 | Pure Storage, Inc. | Secure cloud-based storage system management |
CN109756398A (zh) * | 2019-01-09 | 2019-05-14 | 湖北凌晖信息科技有限公司 | 一种网络信息数据采集方法及系统 |
CN112581260A (zh) * | 2020-12-16 | 2021-03-30 | 中国建设银行股份有限公司 | 监测区域金融风险的方法、装置和系统 |
CN112711757A (zh) * | 2020-12-23 | 2021-04-27 | 光大兴陇信托有限责任公司 | 一种基于大数据平台的数据安全集中管控方法及系统 |
CN112380224A (zh) * | 2021-01-15 | 2021-02-19 | 北京三维天地科技股份有限公司 | 一种面向海量异构多维数据采集的质量大数据系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116155844A (zh) * | 2023-04-21 | 2023-05-23 | 天津帕克耐科技有限公司 | 一种idc资源管理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114205148B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101477554A (zh) | 基于用户兴趣的个性化元搜索引擎及搜索结果处理方法 | |
CN112100149B (zh) | 日志自动化分析系统 | |
CN115794803B (zh) | 一种基于大数据ai技术的工程审计问题监测方法与系统 | |
CN111311190A (zh) | 一种便于数据收集的实验数据管理方法 | |
CN114817243A (zh) | 数据库联合索引的建立方法、装置、设备及存储介质 | |
CN114205148A (zh) | 一种大数据应用安全管控系统 | |
CN113094154A (zh) | 一种基于阿里云的大数据处理方法及系统 | |
CN117172319A (zh) | 基于大语言模型的自然资源行业知识库构建方法及系统 | |
CN109977977A (zh) | 一种识别潜在用户的方法及对应装置 | |
Lo et al. | An emperical study on application of big data analytics to automate service desk business process | |
CN115329169B (zh) | 一种基于深度神经模型的档案归档计算方法 | |
CN116049243A (zh) | 企业知识产权大数据情报分析系统、方法及存储介质 | |
CN115953041A (zh) | 一种营商政策系统的构建方案及系统 | |
CN115687788A (zh) | 一种智能化商机推荐方法和系统 | |
CN112800219B (zh) | 客服日志反馈回流数据库的方法及系统 | |
CN114064997A (zh) | 一种基于大数据的人工智能电力调度决策系统 | |
CN109190010B (zh) | 基于自定义的关键词采集方式进行互联网数据采集系统 | |
KR100809751B1 (ko) | 문서분석 시스템 및 그 방법 | |
CN113420622A (zh) | 基于机器深度学习的智能扫描识别归档系统 | |
CN112668836A (zh) | 一种面向风险图谱的关联风险证据高效挖掘与监控方法和装置 | |
Liu | Digital information storage method of power grid enterprises based on random forest | |
CN108647298A (zh) | 一种三七数据的处理系统 | |
KR20210045172A (ko) | 축산 질병 발생 분석을 위한 빅 데이터 관리 및 시스템 | |
Choenni et al. | Supporting technologies for knowledge management | |
CN108564422A (zh) | 一种基于枸杞数据分析的系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |