CN114338814B - 基于区块链的数据共享处理方法及系统 - Google Patents
基于区块链的数据共享处理方法及系统 Download PDFInfo
- Publication number
- CN114338814B CN114338814B CN202210203215.8A CN202210203215A CN114338814B CN 114338814 B CN114338814 B CN 114338814B CN 202210203215 A CN202210203215 A CN 202210203215A CN 114338814 B CN114338814 B CN 114338814B
- Authority
- CN
- China
- Prior art keywords
- data resource
- sharing
- target data
- description
- shared
- 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
Images
Abstract
本申请提供了一种基于区块链的数据共享处理方法及系统,在应用该方法时,首先将获取到的待共享数据资源传入第一资源解析线程,得到第一关键共享内容,其次确定第一关键共享内容与设定共享策略中每个共享策略的参考数据资源的第二关键共享内容之间的匹配情况,并对进行匹配情况的分析,进而根据得到的量化匹配结果确定待共享数据资源所对应的共享策略,这样可以确保待共享数据资源所对应的共享策略与区块链节点之间的适配性,进而使得区块链节点能够通过共享策略将待共享数据资源进行准确可靠地共享。
Description
技术领域
本申请涉及区块链及数据共享技术领域,特别涉及基于区块链的数据共享处理方法及系统。
背景技术
区块链是一个分布式的共享账本和数据库,具有去中心化、不可篡改、全程留痕、可以追溯、集体维护、公开透明等特点。这些特点保证了区块链的“诚实”与“透明”,为区块链创造信任奠定基础。随着大数据时代的到来以及区块链的快速发展,数据已经成为重要的资源,发挥数据价值的关键在于数据流通和共享。但是,由于隐私泄漏等问题,区块链数据共享技术发展缓慢,因此,改善区块链数据共享技术发展缓慢是目前急需关注的问题。然而,发明人在实际研究过程中发现,相关的区块链数据共享技术容易受到干扰和影响,难以保障数据共享的准确性,同时还会增加数据共享处理的资源开销,这样难以确保准确可靠的数据共享。
发明内容
为改善相关技术中存在的技术问题,本申请提供了基于区块链的数据共享处理方法及系统。
本申请提供了一种基于区块链的数据共享处理方法,应用于与区块链节点通信连接的数据共享处理系统,所述方法包括:获取待共享数据资源;将所述待共享数据资源传入第一资源解析线程,得到所述待共享数据资源的第一关键共享内容;所述第一关键共享内容为与所述待共享数据资源所对应的共享策略存在联系的目标数据资源描述;确定所述第一关键共享内容与设定共享策略中每个共享策略的参考数据资源的第二关键共享内容之间的匹配情况,得到所述待共享数据资源与所述设定共享策略中每个共享策略对应的量化匹配结果;所述第二关键共享内容为与所述参考数据资源所对应的共享策略存在联系的目标数据资源描述;基于所述量化匹配结果,从所述设定共享策略中检测出所述待共享数据资源所对应的共享策略;其中,所述待共享数据资源所对应的共享策略用于指示所述区块链节点将所述待共享数据资源进行共享。如此,由于根据与待共享数据资源所对应的共享策略存在联系的目标数据资源描述,以及根据与参考数据资源所对应的共享策略存在联系的目标数据资源描述,进行匹配情况的分析,并根据量化匹配结果确定待共享数据资源所对应的共享策略,因此相较于使用待共享数据资源的全部目标数据资源描述进行共享策略确定而言,由于不用考虑待共享数据资源中与待共享数据资源所对应的共享策略不存在联系的冗余内容,也不用考虑参考数据资源中与参考数据资源所对应的共享策略不存在联系的冗余内容,因此在一定程度上降低了待共享数据资源和参考数据资源的冗余内容对待共享数据资源进行共享策略确定时的影响,从而提高了针对待共享数据资源的共享策略确定的准确性,还能够减少匹配情况分析的运算资源开销,提高对待共享数据资源进行检测分析和共享资源确定时的效率。如此,可以确保待共享数据资源所对应的共享策略与区块链节点之间的适配性,进而使得区块链节点能够通过共享策略将待共享数据资源进行准确可靠地共享。
在一种可独立实施的技术方案中,所述第一关键共享内容为至少一组,所述第二关键共享内容为至少一组;所述确定所述第一关键共享内容与设定共享策略中每个共享策略的参考数据资源的第二关键共享内容之间的匹配情况,得到所述待共享数据资源与所述设定共享策略中每个共享策略对应的量化匹配结果,包括:确定第一目标关键共享内容与每个共享策略的第二目标关键共享内容之间的匹配情况,得到第一量化匹配结果;所述第一目标关键共享内容为至少一组第一关键共享内容中的其中一组;所述第二目标关键共享内容为至少一组第二关键共享内容中的其中一组;将所述第一量化匹配结果,确定为所述待共享数据资源与所述设定共享策略中每个共享策略对应的所述量化匹配结果。如此一来,可以提高对待共享数据资源的共享策略的定位效率。
在一种可独立实施的技术方案中,所述第一关键共享内容为至少一组,所述第二关键共享内容为至少一组;所述确定所述第一关键共享内容与设定共享策略中每个共享策略的参考数据资源的第二关键共享内容之间的匹配情况,得到所述待共享数据资源与所述设定共享策略中每个共享策略对应的量化匹配结果,包括:确定每个第一关键共享内容与每个共享策略的全部第二关键共享内容之间的匹配情况,分别得到至少一个第二量化匹配结果;基于至少一组第二量化匹配结果中匹配指数最高的排序靠前的设定数目的第二量化匹配结果,得到所述每个第一关键共享内容与每个共享策略的全部第二关键共享内容的局部量化匹配结果;基于全部第一关键共享内容的所述局部量化匹配结果的全局处理结果,确定所述待共享数据资源与所述设定共享策略中每个共享策略对应的所述量化匹配结果。如此一来,能够清楚准确地确定出对应的量化匹配结果。
相应的,每个第一关键共享内容对应一个可能性;所述基于至少一组第二量化匹配结果中匹配指数最高的排序靠前的设定数目的第二量化匹配结果,得到所述每个第一关键共享内容与每个共享策略的全部第二关键共享内容的局部量化匹配结果,包括:确定至少一组第二量化匹配结果中匹配指数最高的排序靠前的设定数目的第二量化匹配结果的全局处理结果,得到匹配统计值;将所述匹配统计值与至少一组量化匹配结果所对应的第一关键共享内容的所述一个可能性之间的加权结果,作为所述每个第一关键共享内容与每个共享策略的全部第二关键共享内容的所述局部量化匹配结果。如此,能够提高确定局部量化匹配结果的效率。
在一种可独立实施的技术方案中,所述第一资源解析线程包括:第一描述挖掘子线程和第一差异区分子线程;所述每个共享策略的参考数据资源还具有第二非关键共享内容;在所述将所述待共享数据资源传入第一资源解析线程,得到所述待共享数据资源的第一关键共享内容之前,所述方法还包括:将所述每个共享策略的参考数据资源的所述第二关键共享内容确定为显著性范例,将所述每个共享策略的参考数据资源的所述第二非关键共享内容确定为非显著性范例;基于所述显著性范例和所述非显著性范例对所述第一差异区分子线程进行调试,得到调试后的第一差异区分子线程。如此,能够确保第一差异区分子线程的可信度及准确性。
所述将所述待共享数据资源传入第一资源解析线程,得到所述待共享数据资源的第一关键共享内容,包括:将所述待共享数据资源传入所述第一描述挖掘子线程,得到所述待共享数据资源的第一目标数据资源描述;将所述第一目标数据资源描述传入所述调试后的第一差异区分子线程,得到所述待共享数据资源的所述第一关键共享内容。
相应的,所述将所述第一目标数据资源描述传入所述调试后的第一差异区分子线程,得到所述待共享数据资源的所述第一关键共享内容,包括:
将所述第一目标数据资源描述传入所述调试后的第一差异区分子线程,得到所述第一目标数据资源描述中每个目标数据资源描述所对应的可能性;基于所述第一目标数据资源描述中每个目标数据资源描述所对应的可能性,从所述第一目标数据资源描述中筛分出可能性不低于设定可能性值的目标数据资源描述;将所述可能性不低于设定可能性值的目标数据资源描述,作为所述待共享数据资源的所述第一关键共享内容。
在一种可独立实施的技术方案中,在所述将所述每个共享策略的参考数据资源的所述第二关键共享内容确定为显著性范例,将所述每个共享策略的参考数据资源的所述第二非关键共享内容确定为非显著性范例之前,所述方法还包括:将所述设定共享策略中每个共享策略的参考数据资源传入第二资源解析线程,得到所述每个共享策略的参考数据资源的第二目标数据资源描述,以及所述每个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述的描述标签;基于所述每个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述的描述标签,确定所述第二目标数据资源描述中每个目标数据资源描述的评估扰动情况;基于所述第二目标数据资源描述中每个目标数据资源描述的评估扰动情况,从所述每个共享策略的参考数据资源的第二目标数据资源描述中,筛分出所述第二关键共享内容和所述第二非关键共享内容。如此, 能够保证筛分出的第二关键共享内容和第二非关键共享内容的完整性。
在一种可独立实施的技术方案中,所述第二资源解析线程,包括:第二描述挖掘子线程和第二差异区分子线程;所述将所述设定共享策略中每个共享策略的参考数据资源传入第二资源解析线程,得到所述每个共享策略的参考数据资源的第二目标数据资源描述,以及所述每个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述的描述标签,包括:将所述每个共享策略的参考数据资源传入所述第二描述挖掘子线程,得到所述每个共享策略的参考数据资源的所述第二目标数据资源描述;通过所述设定共享策略中各个共享策略的参考数据资源的所述第二目标数据资源描述,对所述第二差异区分子线程调试目标轮次,得到调试所得到的所述每个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述的描述标签。如此一来,确保了对第二差异区分子线程进行调试过程中的稳定性。
相应的,所述第二目标数据资源描述中每个目标数据资源描述对应一个设定的原始调试影响系数;所述通过所述设定共享策略中各个共享策略的参考数据资源的所述第二目标数据资源描述,对所述第二差异区分子线程调试目标轮次,得到调试所得到的所述每个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述的描述标签,包括:将所述设定共享策略中各个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述,以及所述每个目标数据资源描述所对应的设定的原始调试影响系数,传入所述第二差异区分子线程,对所述第二差异区分子线程调试目标轮次,得到调试所得到的所述每个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述所对应的完成优化的调试影响系数,以及与所述完成优化的调试影响系数对应的变化评价;将所述每个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述所对应的完成优化的调试影响系数,以及与所述完成优化的调试影响系数对应的变化评价,确定为所述调试所得到的所述每个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述的描述标签。如此一来,一方面可以保障第二差异区分子线程的划分准确性,另一方面在每轮调试结束后,可以准确得到第二目标数据资源描述中每个目标数据资源描述所对应的一个完成优化的调试影响系数和调试影响系数所对应的变化评价。
在一种可独立实施的技术方案中,所述目标轮次为T,T为正整数;所述第二目标数据资源描述中每个目标数据资源描述所对应的所述完成优化的调试影响系数,以及与所述完成优化的调试影响系数对应的所述变化评价,包括:T次调试中,所述第二目标数据资源描述中每个目标数据资源描述所对应的每轮调试所得到的完成优化的调试影响系数,以及与所述完成优化的调试影响系数对应的变化评价;所述基于所述每个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述的描述标签,确定所述第二目标数据资源描述中每个目标数据资源描述的评估扰动情况,包括:确定所述每个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述所对应的每轮调试所得到的所述完成优化的调试影响系数和与所述完成优化的调试影响系数对应的所述变化评价之间的加权结果,得到T个独立评估扰动情况;将所述T个独立评估扰动情况的全局处理结果,确定为所述第二目标数据资源描述中每个目标数据资源描述所对应的评估扰动情况。如此一来,可以提高判定该目标数据资源描述是否关键时相关参考信息的丰富性和可靠性,从而提高筛分第二关键共享内容时的可信度。
在一种可独立实施的技术方案中,所述描述标签包括:调试影响系数和变化评价;所述基于所述每个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述的描述标签,确定所述第二目标数据资源描述中每个目标数据资源描述的评估扰动情况,包括:基于所述每个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述所对应的所述调试影响系数和所述变化评价之间的加权结果,得到所述第二目标数据资源描述中每个目标数据资源描述所对应的评估扰动情况。如此一来,能够确保确定出的第二目标数据资源描述中每个目标数据资源描述的评估扰动情况的准确性。
在一种可独立实施的技术方案中,所述基于所述量化匹配结果,从所述设定共享策略中检测出所述待共享数据资源所对应的共享策略,包括:将所述量化匹配结果中最高的量化匹配结果所对应的共享策略,确定为所述待共享数据资源所对应的共享策略。
本申请还提供了一种数据共享处理系统,包括处理器和存储器;所述处理器和所述存储器通信连接,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述方法。
本申请的实施例提供的技术方案可以包括以下有益效果。
在应用上述技术方案时,由于根据与待共享数据资源所对应的共享策略存在联系的目标数据资源描述,以及根据与参考数据资源所对应的共享策略存在联系的目标数据资源描述,进行匹配情况的分析,并根据量化匹配结果确定待共享数据资源所对应的共享策略,因此相较于使用待共享数据资源的全部目标数据资源描述进行共享策略确定而言,由于不用考虑待共享数据资源中与待共享数据资源所对应的共享策略不存在联系的冗余内容,也不用考虑参考数据资源中与参考数据资源所对应的共享策略不存在联系的冗余内容,因此在一定程度上降低了待共享数据资源和参考数据资源的冗余内容对待共享数据资源进行共享策略确定时的影响,从而提高了针对待共享数据资源的共享策略确定的准确性,还能够减少匹配情况分析的运算资源开销,提高对待共享数据资源进行检测分析和共享资源确定时的效率。如此,可以确保待共享数据资源所对应的共享策略与区块链节点之间的适配性,进而使得区块链节点能够通过共享策略将待共享数据资源进行准确可靠地共享。
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,示出了符合本申请的实施例,并于说明书一起用于解释本申请的原理。
图1是本申请实施例提供的一种数据共享处理系统的硬件结构示意图。
图2是本申请实施例提供的一种基于区块链的数据共享处理方法的流程示意图。
图3是本申请实施例提供的一种基于区块链的数据共享处理装置的框图。
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。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本申请实施例所提供的方法实施例可以在数据共享处理系统、计算机设备或者类似的运算装置中执行。以运行在数据共享处理系统上为例,图1是本申请实施例的实施基于区块链的数据共享处理方法的数据共享处理系统的硬件结构框图。如图1所示,数据共享处理系统10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,可选地,上述数据共享处理系统10还可以包括用于通信功能的传输装置106。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述数据共享处理系统10的结构造成限定。例如,数据共享处理系统10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本申请实施例中的基于区块链的数据共享处理方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至数据共享处理系统10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括数据共享处理系统10的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(RadioFrequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
可以理解的是,为解决或者部分解决背景技术存在的技术问题,请参阅图2,图2是本申请实施例所提供的一种基于区块链的数据共享处理方法的流程示意图,该方法应用于与区块链节点通信连接的数据共享处理系统,进一步该方法具体可以通过如下步骤101-步骤104所记录的技术方案进行说明。
步骤101、获取待共享数据资源。
在本申请实施例中,数据共享处理系统可以通过接收其他线程,例如:资源收集线程上传的未绑定数据标签的数据资源而获取待共享数据资源。在本申请的另一些实施例中,数据共享处理系统也可以通过自身的资源收集线程进行数据资源的实时收集,而获取待共享数据资源,例如:待共享数据资源可以是区块链办公项目的数据资源等。本申请实施例对如何获取待共享数据资源的方法不作进一步限定。
步骤102、将待共享数据资源传入第一资源解析线程,得到待共享数据资源的第一关键共享内容;第一关键共享内容为与待共享数据资源所对应的共享策略存在联系的目标数据资源描述。
在本申请实施例中,数据共享处理系统可以将待共享数据资源传入到第一资源解析线程中,所述第一资源解析线程能够得到待共享数据资源的所有目标数据资源描述,以及能从待共享数据资源的所有目标数据资源描述中筛分出与待共享数据资源所对应的共享策略存在联系的目标数据资源描述,作为待共享数据资源的第一关键共享内容。例如:数据共享处理系统可以将一组区块链办公项目的数据资源传入到第一资源解析线程中,由第一资源解析线程生成该数据资源的全部目标数据资源描述中能够影响该数据资源的共享策略划分的目标数据资源描述。
在一些可示性实施例中,数据共享处理系统可以一次传入一组待共享数据资源;在本申请的另一些实施例中,为提高共享策略确定效率,数据共享处理系统也可以一次传入多组待共享数据资源,本申请实施例对此不作限定。在一些实施例中,第一资源解析线程可以是由事先调试成功的数据资源拆分单元和共享策略划分单元组成的解析线程。此外,关键共享内容还可以理解为显著性特征,目标数据资源描述可以理解为局部的数据资源特征。
步骤103、确定第一关键共享内容与设定共享策略中每个共享策略的参考数据资源的第二关键共享内容之间的匹配情况,得到待共享数据资源与设定共享策略中每个共享策略对应的量化匹配结果;第二关键共享内容为与参考数据资源所对应的共享策略存在联系的目标数据资源描述。
数据共享处理系统中可以事先保留设定共享策略中每个共享策略的参考数据资源(涵盖数据标识的数据资源)的第二关键共享内容,并且该设定共享策略中包括了待共享数据资源所对应的共享策略,每个共享策略的参考数据资源的第二关键共享内容为与该共享策略的参考数据资源所对应的共享策略存在联系的目标数据资源描述。数据共享处理系统可以确定得到待共享数据资源的第一关键共享内容与设定共享策略中每个共享策略的参考数据资源的每个第二关键共享内容之间的匹配情况,对应获取与设定共享策略中每个共享策略对应的量化匹配结果(比如可以是相似度或者相似度值)。
本申请的实施例中,数据共享处理系统可以确定第一关键共享内容与每个共享策略的参考数据资源的每个第二关键共享内容之间的向量距离,获取与设定共享策略中每个共享策略对应的向量距离值。例如:数据共享处理系统可以事先配置5个共享策略(例如:“区块链物流项目”、“区块链支付项目”、“区块链医疗项目”、“区块链办公项目”和“区块链安防项目”)中每个共享策略的参考数据资源的数据资源描述内容,并可以分别确定待共享数据资源(例如,区块链安防项目的数据资源)的第一关键共享内容与“区块链物流项目”、“区块链支付项目”、“区块链医疗项目”、“区块链办公项目”和“区块链安防项目”这5个共享策略的参考数据资源的第二关键共享内容之间的向量距离,从而得到与这5个共享策略逐一对应的5个向量距离值。
在一些可示性实施例中,参考数据资源可以是从历史数据库(Historicaldatabase)中挑选的数据资源,待共享数据资源可以是从样本数据库(Sample database)中挑选的数据资源。在本申请实施例中,设定共享策略可以为5个共享策略,且每个共享策略的参考数据资源中可以包括一组参考数据资源,也可以包括5组参考数据资源,本申请实施例对此不作限定。
步骤104、根据量化匹配结果,从设定共享策略中检测出待共享数据资源所对应的共享策略,其中,所述待共享数据资源所对应的共享策略用于指示所述区块链节点将所述待共享数据资源进行共享。
在实际实施时,数据共享处理系统在得到与设定共享策略中每个共享策略对应的量化匹配结果后,可以从中筛选匹配指数最高的量化匹配结果,并将匹配指数最高的量化匹配结果所对应的共享策略,作为检测出的待共享数据资源所对应的共享策略。例如:继续以上述的举例进行说明,经过计算与设定共享策略中每个共享策略对应的匹配情况,得到与“区块链物流项目”、“区块链支付项目”、“区块链医疗项目”、“区块链办公项目”和“区块链安防项目”这五类逐一对应的5个向量距离值,若与“区块链安防项目”对应的向量距离值的匹配指数最高,则可以将“区块链安防项目”作为检测出的待共享数据资源的共享策略。
在一些可示性实施例中,每个共享策略的参考数据资源还具有第二非关键共享内容;每个共享策略的参考数据资源的第二非关键共享内容可以是每个共享策略的每组参考数据资源中,与该每组参考数据资源所对应的共享策略关联情况相对较低的目标数据资源描述(即每个共享策略的每组参考数据资源中,除关键共享内容之外,其余的目标数据资源描述),例如冗余数据资源描述内容。
在一些可示性实施例中,步骤102中的第一资源解析线程包括:第一描述挖掘子线程和第一差异区分子线程。第一描述挖掘子线程可以是基于前馈神经网络(feedforwardneural networq,FNN)的描述挖掘单元。第一差异区分子线程可以是策略分类单元。第一差异区分子线程可以是根据设定共享策略中每个共享策略的参考数据资源的第二关键共享内容和第二非关键共享内容调试得到。
示例性的,在步骤102之前,可以执行步骤201和步骤202,且步骤102可以通过步骤1021和步骤1022实现。
步骤201、将每个共享策略的参考数据资源的第二关键共享内容确定为显著性范例(可以理解为正样本),将每个共享策略的参考数据资源的第二非关键共享内容确定为非显著性范例(可以理解为负样本)。
步骤202、根据显著性范例和非显著性范例对第一差异区分子线程进行调试,得到调试后的第一差异区分子线程。
可以理解,数据共享处理系统可以将第二关键共享内容和第二非关键共享内容分别作为显著性范例、非显著性范例,采用数据变化评价函数(比如梯度下降函数)对第一差异区分子线程调试目标轮次num1,从而得到调试成功的线程变量,并采用调试成功的线程变量对第一差异区分子线程进行调整,进而能够确保第一差异区分子线程的可信度及准确性。
在一些可示性实施例中,对第一差异区分子线程的调试轮数num1的取值可以是10。在本申请的另一些实施例中,对第一差异区分子线程的调试轮数num1也可以是其他值,本申请对此不作进一步限定。
步骤1021、将待共享数据资源传入第一描述挖掘子线程,得到待共享数据资源的第一目标数据资源描述。
步骤1022、将第一目标数据资源描述传入调试后的第一差异区分子线程,得到待共享数据资源的第一关键共享内容。
可以理解的是,数据共享处理系统在采用调试成功的线程变量对第一差异区分子线程进行默认设置后,可以将待共享数据资源的第一目标数据资源描述传入到完成默认设置的第一差异区分子线程中,以通过完成默认设置的第一差异区分子线程,对待共享数据资源的第一目标数据资源描述中的关键共享内容和非关键共享内容进行划分,并得到从第一差异区分子线程生成的第一目标数据资源描述中的关键共享内容,并将该关键共享内容作为第一关键共享内容。
进一步地,将一组待共享数据资源的若干个多维的目标数据资源描述传入策略分类单元中,通过策略分类单元对若干个多维的目标数据资源描述进行划分,从而根据划分结果,得到待共享数据资源的第一关键共享内容。
在一些可示性实施例中,将一个待共享数据资源的全部目标数据资源描述传入调试后的第一差异区分子线程之后,第一差异区分子线程可以为每个目标数据资源描述des_i生成一个可能性possibility(des_i),其中,i的取值为1~N中的任意值,N表示该待共享数据资源的目标数据资源描述的数目。数据共享处理系统根据该待共享数据资源的全部目标数据资源描述所各自对应的可能性(比如分数值或者概率值),从中挑选可能性不低于设定可能性值的目标数据资源描述,作为该待共享数据资源的第一关键共享内容。例如:该设定可能性值可以根据调试获取,或者也可以事先设定,本申请实施例对此不作进一步限定。
在实际应用中,相关线程中包括了第一描述挖掘子线程和第一差异区分子线程,可以利用全部共享策略的参考数据资源的第二关键共享内容(显著性内容) 和第二非关键共享内容(冗余内容),比如历史数据库中的目标数据资源描述,通过数据变化评价函数,对第一差异区分子线程调试目标轮次,得到第一差异区分子线程调试后的线程变量,并通过调试后的线程变量对第一差异区分子线程进行变量默认设置,完成默认设置后,将共享策略为“区块链物流项目”的待共享数据资源传入到前馈神经网络(feedforward neuralnetworq,FNN)中得到该待共享数据资源的全部目标数据资源描述,并将得到的该待共享数据资源的全部目标数据资源描述传入至第一差异区分子线程中,由第一差异区分子线程生成该待共享数据资源的关键共享内容。
本申请的一些实施例中,第一关键共享内容的数目为至少一组,第二关键共享内容的数目为至少一组。基于此,步骤103可以通过如下步骤301和步骤302进行说明。
步骤301、确定第一目标关键共享内容与每个共享策略的第二目标关键共享内容之间的匹配情况,得到第一量化匹配结果;第一目标关键共享内容为至少一组第一关键共享内容中的其中一组;第二目标关键共享内容为至少一组第二关键共享内容中的其中一组。
步骤302、将第一量化匹配结果,确定为待共享数据资源与设定共享策略中每个共享策略对应的所述量化匹配结果。
可以理解,第一目标关键共享内容可以是待共享数据资源的至少一组第一关键共享内容中,随机的一个第一关键共享内容,相应的,第二目标关键共享内容可以是每个共享策略的至少一组第二关键共享内容中,随机的一个第二关键共享内容。
可以理解的是,对于设定共享策略中每个共享策略的参考数据资源,数据共享处理系统可以确定第一目标关键共享内容,与该参考数据资源的第二目标关键共享内容之间的向量距离值,从而得到第一目标关键共享内容与第二目标关键共享内容之间的一个向量距离值,并将得到的该向量距离值,作为待共享数据资源与设定共享策略中每个共享策略所对应的量化匹配结果。例如:数据共享处理系统可以确定待共享数据资源的第一目标关键共享内容,与共享策略“区块链物流项目”的参考数据资源的第二目标关键共享内容之间的一个向量距离值,并将得到的该向量距离值,作为待共享数据资源与共享策略“区块链物流项目”所对应的量化匹配结果。采用此方法,由于待比较的可关键共享内容的数目较少,因此可以提高对待共享数据资源的共享策略的定位效率。
本申请的另一些实施例中,第一关键共享内容的数目为至少一个,第二关键共享内容的数目为至少一个。相应地,步骤103还可以通过步骤401-步骤403实现。
步骤401、确定每个第一关键共享内容与每个共享策略的全部第二关键共享内容之间的匹配情况,分别得到至少一个第二量化匹配结果。
步骤402、基于至少一个第二量化匹配结果中匹配指数最高的排序靠前的设定数目的第二量化匹配结果,得到每个第一关键共享内容与每个共享策略的全部第二关键共享内容的局部量化匹配结果。
步骤403、基于全部第一关键共享内容的局部量化匹配结果的全局处理结果,确定待共享数据资源与设定共享策略中每个共享策略对应的所述量化匹配结果。
为清楚起见,以下采用U1和U2分别表示第一关键共享内容与第二关键共享内容的数目,即一组待共享数据资源存在U1个第一关键共享内容,设定共享策略中的每个共享策略存在U2个第二关键共享内容,U1、U2均为大于1的正整数;基于此数目,以下对步骤401-步骤403进行说明;可以理解的是,此举例仅为示例性说明,并不用于对本申请的限制。
在步骤401中,确定U1个第一关键共享内容中每个第一关键共享内容,与每个共享策略的U2个第二关键共享内容之间的匹配情况,得到与U1个第一关键共享内容中每个第一关键共享内容对应的U2个第二量化匹配结果。
在步骤402中,基于U2个第二量化匹配结果中匹配指数最高的前U3个第二量化匹配结果,得到U1个第一关键共享内容中每个第一关键共享内容,与每个共享策略的U2个第二关键共享内容之间的局部量化匹配结果,U3为大于1且小于U2的整数。换言之,在得到与U1个第一关键共享内容中每个第一关键共享内容所对应的U2个向量距离值之后,数据共享处理系统可以从每个第一关键共享内容所对应的U2个向量距离值中,筛选向量距离值最高的前U3个向量距离值,并将前U3个向量距离值的全局处理结果,作为对应的一个第一关键共享内容的局部量化匹配结果。在实际实施过程中,U3的匹配指数可以根据U2的匹配指数而任意设定,本申请实施例对U3的匹配指数不作进一步限定。例如,对于U1个第一关键共享内容中的第一个第一关键共享内容,当确定出该第一关键共享内容与一个共享策略(例如,“区块链物流项目”)的参考数据资源的5个第二关键共享内容之间的5个向量距离值后,可以将这5个向量距离值中前3个匹配指数最高的向量距离值的全局处理结果,作为该第一关键共享内容与共享策略“区块链物流项目”的全部第二关键共享内容(上述的5个第二关键共享内容)之间的局部量化匹配结果。
在一些可示性实施例中,步骤402可以实施为:确定至少一个量化匹配结果中匹配指数最高的排序靠前的设定数目的量化匹配结果的全局处理结果,得到匹配统计值;将匹配统计值与至少一个量化匹配结果所对应的第一关键共享内容的一个可能性之间的加权结果,作为每个第一关键共享内容与每个共享策略的全部第二关键共享内容的局部量化匹配结果。
继续采用上述举例,则步骤402可以理解为,确定U2个第二量化匹配结果中匹配指数最高的前U3 个第二量化匹配结果的全局处理结果,得到匹配统计值;将匹配统计值与U2个第二量化匹配结果所对应的第一关键共享内容的一个可能性之间的加权结果,作为该第一关键共享内容与每个共享策略的全部第二关键共享内容的局部量化匹配结果。换言之,在得到与U1个第一关键共享内容中每个第一关键共享内容所对应的U2个第二量化匹配结果中,匹配指数最高的前U3个第二量化匹配结果后,数据共享处理系统可以根据相关算法确定U1个第一关键共享内容中每个第一关键共享内容与每个共享策略的全部第二关键共享内容的局部量化匹配结果。如此,能够提高确定局部量化匹配结果的效率。
在实际实施过程中,由于U1个第一关键共享内容中每个第一关键共享内容,与U2个第二关键共享内容中的每个第二关键共享内容之间进行比较的方法的效果不是最优的,所以,采用了相关优化算法来进行改善,相关描述如下:对于U1个第一关键共享内容中每个第一关键共享内容,从U2个第二关键共享内容中找到q个(q=U3)关联对象,计算U1个第一关键共享内容中每个第一关键共享内容与这q个关联对象中每个关联对象之间的第二匹配情况,得到q个第二量化匹配结果,并将这 q个第二量化匹配结果的全局处理结果作为与U1个第一关键共享内容中,每个第一关键共享内容对应的局部量化匹配结果。比如,若关键共享内容feature_1直接与关键共享内容feature_4之间进行比较,则得到的量化匹配结果仅为“0.245”,因为关键共享内容feature_1与关键共享内容feature_4的特征描述不同,所以,可以采用邻居优化算法从关键共享内容feature_2、关键共享内容feature_3和关键共享内容feature_4中找到q个关联对象(例如,q=2):关键共享内容feature_2和关键共享内容feature_3;将关键共享内容feature_1 与关键共享内容feature_2之间的匹配情况,以及,将关键共享内容feature_1与关键共享内容feature_3之间的匹配情况的全局处理结果,作为关键共享内容feature_1与关键共享内容feature_2、关键共享内容feature_3和关键共享内容feature_4的局部量化匹配结果。
在步骤403中,数据共享处理系统在获取U1个第一关键共享内容中,每个第一关键共享内容与每个共享策略的U2个第二关键共享内容的局部量化匹配结果之后,可以获取与U1个第一关键共享内容的数目相同的U1个局部量化匹配结果,从而可以将获取的U1个局部量化匹配结果的全局处理结果,作为U1个第一关键共享内容所对应的待共享数据资源,与该每个共享策略之间的量化匹配结果。例如,当一个待共享数据资源有2个第一关键共享内容,设定共享策略有5个共享策略,且5个共享策略中每一个共享策略有3个第二关键共享内容时,在获取2个第一关键共享内容中,每个第一关键共享内容与每一个共享策略的3个第二关键共享内容的局部量化匹配结果之后,便可以获取与2个第一关键共享内容的数目相同的2个局部量化匹配结果,从而可以将获取的2个局部量化匹配结果之间的全局处理结果,作为该待共享数据资源与该共享策略之间的量化匹配结果,从而,对于一组待共享数据资源,可以清楚准确地获取与这5个共享策略逐一对应的5个量化匹配结果,以用于后续根据获取的这个5个量化匹配结果,对该待共享数据资源进行共享策略的划分。
在一些可示性实施例中,第二关键共享内容和第二非关键共享内容可以通过相关方法得到;示例性的,在步骤201之前,还可以包括步骤501-步骤503所记录的技术方案。
步骤501、将设定共享策略中每个共享策略的参考数据资源传入第二资源解析线程,得到每个共享策略的参考数据资源的第二目标数据资源描述,以及每个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述的描述标签。
在实际实施时,数据共享处理系统可以将每个共享策略的参考数据资源传入到能够得到每个共享策略的参考数据资源的全部目标数据资源描述(第二目标数据资源描述),以及能得到每个共享策略的参考数据资源的全部目标数据资源描述的描述标签的第二资源解析线程,从而得到每个共享策略的参考数据资源的第二目标数据资源描述,及第二目标数据资源描述中每个目标数据资源描述对应的描述标签。
步骤502、基于每个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述的描述标签,确定第二目标数据资源描述中每个目标数据资源描述的评估扰动情况。
在实际实施时,数据共享处理系统可以在获取每个共享策略的参考数据资源的第二目标数据资源描述中,每个目标数据资源描述的描述标签后,根据每个目标数据资源描述的描述标签来确定每个目标数据资源描述的评估扰动情况。
在一些实施例中,描述标签包括:调试影响系数和变化评价;进一步地,步骤502可以通过步骤5021实现。
步骤5021、基于每个共享策略的参考数据资源的第二目标数据资源描述中,每个目标数据资源描述所对应的调试影响系数和变化评价之间的加权结果,得到第二目标数据资源描述中每个目标数据资源描述所对应的评估扰动情况。
在一些可示性实施例中,数据共享处理系统可以根据相关算法确定第二目标数据资源描述中,每个目标数据资源描述所对应的调试影响系数(训练因子)和变化评价(梯度值)之间的加权结果(乘积),得到第二目标数据资源描述中每个目标数据资源描述所对应的评估扰动情况。如此一来,能够确保确定出的第二目标数据资源描述中每个目标数据资源描述的评估扰动情况的准确性。
步骤503、基于第二目标数据资源描述中每个目标数据资源描述的评估扰动情况,从每个共享策略的参考数据资源的第二目标数据资源描述中,筛分出第二关键共享内容和第二非关键共享内容。
在一些实施例中,数据共享处理系统可以设定相关指标,在获取第二目标数据资源描述中每个目标数据资源描述的评估扰动情况后,可以基于第二目标数据资源描述中每个目标数据资源描述的评估扰动情况,从第二目标数据资源描述中,筛分出评估扰动情况满足设定指标的目标数据资源描述;将评估扰动情况满足设定指标的目标数据资源描述,确定为第二关键共享内容,将第二目标数据资源描述中其余的目标数据资源描述确定为第二非关键共享内容。这样能够保证筛分出第二关键共享内容和第二非关键共享内容的完整性。
在一些可示性实施例中,设定共享策略中每个共享策略的参考数据资源包括:至少一组参考数据资源;设定共享策略中每个共享策略的第二目标数据资源描述包括:至少一组参考数据资源中每组参考数据资源的目标数据资源描述;设定共享策略中每个共享策略的第二目标数据资源描述中,每个目标数据资源描述所对应的描述标签包括:每组参考数据资源中每个目标数据资源描述所对应的调试影响系数和变化评价。
在一些可示性实施例中,步骤503所描述的内容具体可以通过步骤21-步骤25实现。
步骤21、根据每组参考数据资源中每个目标数据资源描述所对应的描述标签,确定每组参考数据资源中每个目标数据资源描述的评估扰动情况,并根据评估扰动情况从每组参考数据资源的目标数据资源描述中,筛分出满足设定指标的目标数据资源描述。
可以理解,对于每一共享策略的参考数据资源,数据共享处理系统可以根据该共享策略的每组参考数据资源中每个目标数据资源描述所对应的调试影响系数和变化评价确定每一组参考数据资源的每个目标关注内容的评估扰动情况,根据评估扰动情况从每组参考数据资源的若干个多维的目标数据资源描述中,筛分出满足设定指标的目标数据资源描述。
步骤22、将从每组参考数据资源的目标数据资源描述中,筛分出的满足设定指标的目标数据资源描述,确定为每组参考数据资源的第三关键共享内容。
步骤23、将每组参考数据资源的目标数据资源描述中保留的目标数据资源描述,确定为每组参考数据资源的第三非关键共享内容。
对于每一共享策略的参考数据资源,数据共享处理系统在筛分出该共享策略中每组参考数据资源的若干个多维的目标数据资源描述中,满足设定指标的目标关注内容数据资源之后,可以将挑选的目标数据资源描述作为该组参考数据资源的第三关键共享内容,并将若干个 多维的目标数据资源描述中保留的目标数据资源描述,作为该组参考数据资源的第三非关键共享内容;例如,数据共享处理系统从一组参考数据资源resource_j的若干个多维的目标数据资源描述中,筛分出满足设定指标的目标数据资源描述之后,可以将挑选的目标数据资源描述作为该组参考数据资源resource_j的第三关键共享内容,将保留的目标数据资源描述作为该组参考数据资源resource_j的第三非关键共享内容。
步骤24、将至少一组参考数据资源中全部参考数据资源的第三关键共享内容,确定为所述第二关键共享内容。
步骤25、将至少一组参考数据资源中全部参考数据资源的第三非关键共享内容,确定为所述第二非关键共享内容。
可以理解,数据共享处理系统在获取每个共享策略的每组参考数据资源的第三关键共享内容之后,可以将属于同一共享策略的全部参考数据资源的第三关键共享内容,全部作为该共享策略的参考数据资源的第二关键共享内容,并将属于同一共享策略的全部参考数据资源的第三非关键共享内容全部作为该共享策略的参考数据资源的第二非关键共享内容。
根据上述可知,在一些可示性实施例中,在确定出第二目标数据资源描述中每个目标数据资源描述的评估扰动情况之后,数据共享处理系统可以以每一共享策略中的每组参考数据资源的全部目标数据资源描述为限定,对该共享策略中的每组参考数据资源的全部目标数据资源描述对应的评估扰动情况进行整理,从整理结果中筛分出评估扰动情况最高(即价值最高)的前v个目标数据资源描述。
可以理解的是,可以将筛分出的每一共享策略中的每组参考数据资源的评估扰动情况最高的前v个目标数据资源描述,作为对应的一组参考数据资源的关键共享内容,在查找出每一共享策略中全部参考数据资源中的第三关键共享内容之后,可以将每一共享策略中全部参考数据资源中的第三关键共享内容全部作为从第二目标数据资源描述中筛分出的对应共享策略的参考数据资源的第二关键共享内容,并将每一共享策略中全部参考数据资源中的保留目标数据资源描述,全部作为从第二目标数据资源描述中筛分出的对应共享策略的参考数据资源的第二非关键共享内容。
举例而言,在一个共享策略的参考数据资源有5组参考数据资源的情况下,对于该共享策略,可以找出5组参考数据资源中每组参考数据资源的第三关键共享内容,并将5组参考数据资源的全部第三关键共享内容作为该共享策略的参考数据资源的第二关键共享内容,将5组参考数据资源的全部保留的目标数据资源描述(第三非关键共享内容)作为该共享策略的参考数据资源的第二非关键共享内容。
在一些可示性实施例中,第二资源解析线程包括:第二描述挖掘子线程和第二差异区分子线程。在一些实施例中,第二描述挖掘子线程可以是事先调试成功的;例如,第二描述挖掘子线程可以是深度神经网络,而第二差异区分子线程则可以是多策略分类单元(比如多分类器)。
在一种可示性实施例中,步骤501所记录的技术方案具体可以通过步骤5011-步骤5012实现。
步骤5011、将每个共享策略的参考数据资源传入第二描述挖掘子线程,得到每个共享策略的参考数据资源的第二目标数据资源描述。
可以理解的是,数据共享处理系统可以将每个共享策略的参考数据资源传入第二描述挖掘子线程,通过第二描述挖掘子线程,得到每个共享策略的每组参考数据资源的若干个多维的目标数据资源描述,并将每个共享策略中全部参考数据资源的若干个多维的目标数据资源描述作为每个共享策略的参考数据资源的第二目标数据资源描述(即每个共享策略的第二目标数据资源描述)。
在一些可示性实施例中,数据共享处理系统可以一次传入一组参考数据资源;在本申请的另一些实施例中,为提高共享策略确定效率,数据共享处理系统也可以一次传入多组参考数据资源,本申请实施例对此不作限定。
步骤5012、采用设定共享策略中各个共享策略的参考数据资源的第二目标数据资源描述,对第二差异区分子线程调试目标轮次,得到调试所得到的每个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述的描述标签。
在实际实施时,数据共享处理系统可以采用设定共享策略中各个共享策略的参考数据资源的第二目标数据资源描述,对第二差异区分子线程分别进行调试,从而可以得到在调试第二差异区分子线程的过程中,以及调试结束后所获取的每个目标数据资源描述所对应的调试影响系数和变化评价。如此一来,确保了对第二差异区分子线程进行调试过程中的稳定性。
在一些可示性实施例中,第二目标数据资源描述中每个目标数据资源描述对应一个设定的原始调试影响系数。基于此,步骤5012所记录的技术方案具体可以通过如下步骤601和步骤602实现。
步骤601、将设定共享策略中各个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述,以及每个目标数据资源描述所对应的设定的原始调试影响系数,传入第二差异区分子线程,对第二差异区分子线程调试目标轮次,得到调试所得到的每个共享策略的参考数据资源的第二目标数据资源描述中,每个目标数据资源描述所对应的完成优化的调试影响系数,以及与完成优化的调试影响系数对应的变化评价。
步骤602、将每个共享策略的参考数据资源的第二目标数据资源描述中,每个目标数据资源描述所对应的完成优化的调试影响系数,以及与完成优化的调试影响系数对应的变化评价,确定为调试所得到的每个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述的描述标签。
在实际实施时,数据共享处理系统可以在得到设定共享策略中各个共享策略的参考数据资源的第二目标数据资源描述之后,为设定共享策略中各个共享策略的参考数据资源的第二目标数据资源描述中的每个目标数据资源描述设定一个原始调试影响系数C,其中,C大于等于0且小于等于1;并将设定共享策略中各个共享策略的参考数据资源的第二目标数据资源描述,及其对应的原始调试影响系数C传入第二差异区分子线程中,采用数据变化评价函数对第二差异区分子线程调试目标轮次(T次),这样一来,一方面可以使第二差异区分子线程的划分准确性更高,另一方面在每轮调试结束后,可以得到第二目标数据资源描述中每个目标数据资源描述所对应的一个完成优化的调试影响系数和调试影响系数所对应的变化评价从而在T次调试结束后,对于第二目标数据资源描述中的每个目标数据资源描述,获取T个调试影响系数和与T个调试影响系数逐一对应的T个变化评价。
在一些可示性实施例中,对于第二目标数据资源描述中的一个目标数据资源描述,数据共享处理系统可以将与该目标数据资源描述对应的T个调试影响系数和与T个调试影响系数逐一对应的T个变化评价作为调试所得到的该目标数据资源描述的描述标签。在另一些实施例中,对于该目标数据资源描述,数据共享处理系统可以将与该目标数据资源描述对应的T个调试影响系数和与T个调试影响系数逐一对应的T个变化评价中,全部作为调试所得到的该目标数据资源描述的描述标签。
在一些可示性实施例中,T的取值可以是10,从而可以使第二差异区分子线程的性能更加可靠;在本申请的另一些实施例中,T的取值也可以是其他匹配指数,只要可以使第二差异区分子线程有效即可,本申请实施例对此不作限定。
在一些可示性实施例中,步骤502所记录的技术方案具体还可以通过如下步骤31和步骤32实现。
步骤31、确定每个共享策略的参考数据资源的第二目标数据资源描述中,每个目标数据资源描述所对应的每轮调试所得到的完成优化的调试影响系数和与完成优化的调试影响系数对应的变化评价之间的加权结果,得到T个独立评估扰动情况。
步骤32、将T个独立评估扰动情况的全局处理结果,确定为第二目标数据资源描述中每个目标数据资源描述所对应的评估扰动情况。
在实际实施过程中,由于对一个目标数据资源描述而言,使用T次中某轮的调试影响系数和对应的变化评价计算获取该某轮对应的独立评估扰动情况,并将该某轮对应的独立评估扰动情况作为该目标数据资源描述最后的评估扰动情况的情况下,得到的评估扰动情况可能会存在突变,可能不能准确表示该目标数据资源描述的重要性,因此,对于一个目标数据资源描述而言,可以使用T个独立评估扰动情况来共同确定该目标数据资源描述的重要性,如此,可以提高判定该目标数据资源描述是否关键时相关参考的丰富性和可靠性,从而提高筛分第二关键共享内容时的可信度。
综上,由于根据与待共享数据资源所对应的共享策略存在联系的目标数据资源描述,以及根据与参考数据资源所对应的共享策略存在联系的目标数据资源描述,进行匹配情况的分析,并根据量化匹配结果确定待共享数据资源所对应的共享策略,因此相较于使用待共享数据资源的全部目标数据资源描述进行共享策略确定而言,由于不用考虑待共享数据资源中与待共享数据资源所对应的共享策略不存在联系的冗余内容,也不用考虑参考数据资源中与参考数据资源所对应的共享策略不存在联系的冗余内容,因此在一定程度上降低了待共享数据资源和参考数据资源的冗余内容对待共享数据资源进行共享策略确定时的影响,从而提高了针对待共享数据资源的共享策略确定的准确性,还能够减少匹配情况分析的运算资源开销,提高对待共享数据资源进行检测分析和共享资源确定时的效率。如此,可以确保待共享数据资源所对应的共享策略与区块链节点之间的适配性,进而使得区块链节点能够通过共享策略将待共享数据资源进行准确可靠地共享。
在上述基础上,请结合图3,本申请还提供了一种基于区块链的数据共享处理装置200框图,所述装置包括以下功能模块:
资源获取模块210,用于获取待共享数据资源;将所述待共享数据资源传入第一资源解析线程,得到所述待共享数据资源的第一关键共享内容;所述第一关键共享内容为与所述待共享数据资源所对应的共享策略存在联系的目标数据资源描述;
结果确定模块220,用于确定所述第一关键共享内容与设定共享策略中每个共享策略的参考数据资源的第二关键共享内容之间的匹配情况,得到所述待共享数据资源与所述设定共享策略中每个共享策略对应的量化匹配结果;所述第二关键共享内容为与所述参考数据资源所对应的共享策略存在联系的目标数据资源描述;
策略生成模块230,用于基于所述量化匹配结果,从所述设定共享策略中检测出所述待共享数据资源所对应的共享策略;其中,所述待共享数据资源所对应的共享策略用于指示所述区块链节点将所述待共享数据资源进行共享。
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,本申请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。本申请的范围仅由所附的权利要求来限制。
Claims (10)
1.一种基于区块链的数据共享处理方法,其特征在于,应用于与区块链节点通信连接的数据共享处理系统,所述方法包括:
获取待共享数据资源;将所述待共享数据资源传入第一资源解析线程,得到所述待共享数据资源的第一关键共享内容;所述第一关键共享内容为与所述待共享数据资源所对应的共享策略存在联系的目标数据资源描述;
确定所述第一关键共享内容与设定共享策略中每个共享策略的参考数据资源的第二关键共享内容之间的匹配情况,得到所述待共享数据资源与所述设定共享策略中每个共享策略对应的量化匹配结果;所述第二关键共享内容为与所述参考数据资源所对应的共享策略存在联系的目标数据资源描述;
基于所述量化匹配结果,从所述设定共享策略中检测出所述待共享数据资源所对应的共享策略;其中,所述待共享数据资源所对应的共享策略用于指示所述区块链节点将所述待共享数据资源进行共享。
2.根据权利要求1所述的基于区块链的数据共享处理方法,其特征在于,所述第一关键共享内容为至少一组,所述第二关键共享内容为至少一组;所述确定所述第一关键共享内容与设定共享策略中每个共享策略的参考数据资源的第二关键共享内容之间的匹配情况,得到所述待共享数据资源与所述设定共享策略中每个共享策略对应的量化匹配结果,包括:
确定第一目标关键共享内容与每个共享策略的第二目标关键共享内容之间的匹配情况,得到第一量化匹配结果;所述第一目标关键共享内容为至少一组第一关键共享内容中的其中一组;所述第二目标关键共享内容为至少一组第二关键共享内容中的其中一组;将所述第一量化匹配结果,确定为所述待共享数据资源与所述设定共享策略中每个共享策略对应的所述量化匹配结果。
3.根据权利要求1所述的基于区块链的数据共享处理方法,其特征在于,所述第一关键共享内容为至少一组,所述第二关键共享内容为至少一组;所述确定所述第一关键共享内容与设定共享策略中每个共享策略的参考数据资源的第二关键共享内容之间的匹配情况,得到所述待共享数据资源与所述设定共享策略中每个共享策略对应的量化匹配结果,包括:
确定每个第一关键共享内容与每个共享策略的全部第二关键共享内容之间的匹配情况,分别得到至少一个第二量化匹配结果;
基于至少一组第二量化匹配结果中匹配指数最高的排序靠前的设定数目的第二量化匹配结果,得到所述每个第一关键共享内容与每个共享策略的全部第二关键共享内容的局部量化匹配结果;
基于全部第一关键共享内容的所述局部量化匹配结果的全局处理结果,确定所述待共享数据资源与所述设定共享策略中每个共享策略对应的所述量化匹配结果;
相应的,每个第一关键共享内容对应一个可能性;所述基于至少一组第二量化匹配结果中匹配指数最高的排序靠前的设定数目的第二量化匹配结果,得到所述每个第一关键共享内容与每个共享策略的全部第二关键共享内容的局部量化匹配结果,包括:
确定至少一组第二量化匹配结果中匹配指数最高的排序靠前的设定数目的第二量化匹配结果的全局处理结果,得到匹配统计值;
将所述匹配统计值与至少一组量化匹配结果所对应的第一关键共享内容的所述一个可能性之间的加权结果,作为所述每个第一关键共享内容与每个共享策略的全部第二关键共享内容的所述局部量化匹配结果。
4.根据权利要求1所述的基于区块链的数据共享处理方法,其特征在于,所述第一资源解析线程包括:第一描述挖掘子线程和第一差异区分子线程;所述每个共享策略的参考数据资源还具有第二非关键共享内容;在所述将所述待共享数据资源传入第一资源解析线程,得到所述待共享数据资源的第一关键共享内容之前,所述方法还包括:
将所述每个共享策略的参考数据资源的所述第二关键共享内容确定为显著性范例,将所述每个共享策略的参考数据资源的所述第二非关键共享内容确定为非显著性范例;基于所述显著性范例和所述非显著性范例对所述第一差异区分子线程进行调试,得到调试后的第一差异区分子线程;
所述将所述待共享数据资源传入第一资源解析线程,得到所述待共享数据资源的第一关键共享内容,包括:
将所述待共享数据资源传入所述第一描述挖掘子线程,得到所述待共享数据资源的第一目标数据资源描述;将所述第一目标数据资源描述传入所述调试后的第一差异区分子线程,得到所述待共享数据资源的所述第一关键共享内容;
相应的,所述将所述第一目标数据资源描述传入所述调试后的第一差异区分子线程,得到所述待共享数据资源的所述第一关键共享内容,包括:
将所述第一目标数据资源描述传入所述调试后的第一差异区分子线程,得到所述第一目标数据资源描述中每个目标数据资源描述所对应的可能性;
基于所述第一目标数据资源描述中每个目标数据资源描述所对应的可能性,从所述第一目标数据资源描述中筛分出可能性不低于设定可能性值的目标数据资源描述;
将所述可能性不低于设定可能性值的目标数据资源描述,作为所述待共享数据资源的所述第一关键共享内容。
5.根据权利要求4所述的基于区块链的数据共享处理方法,其特征在于,在所述将所述每个共享策略的参考数据资源的所述第二关键共享内容确定为显著性范例,将所述每个共享策略的参考数据资源的所述第二非关键共享内容确定为非显著性范例之前,所述方法还包括:
将所述设定共享策略中每个共享策略的参考数据资源传入第二资源解析线程,得到所述每个共享策略的参考数据资源的第二目标数据资源描述,以及所述每个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述的描述标签;
基于所述每个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述的描述标签,确定所述第二目标数据资源描述中每个目标数据资源描述的评估扰动情况;
基于所述第二目标数据资源描述中每个目标数据资源描述的评估扰动情况,从所述每个共享策略的参考数据资源的第二目标数据资源描述中,筛分出所述第二关键共享内容和所述第二非关键共享内容。
6.根据权利要求5所述的基于区块链的数据共享处理方法,其特征在于,所述第二资源解析线程,包括:第二描述挖掘子线程和第二差异区分子线程;所述将所述设定共享策略中每个共享策略的参考数据资源传入第二资源解析线程,得到所述每个共享策略的参考数据资源的第二目标数据资源描述,以及所述每个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述的描述标签,包括:
将所述每个共享策略的参考数据资源传入所述第二描述挖掘子线程,得到所述每个共享策略的参考数据资源的所述第二目标数据资源描述;
通过所述设定共享策略中各个共享策略的参考数据资源的所述第二目标数据资源描述,对所述第二差异区分子线程调试目标轮次,得到调试所得到的所述每个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述的描述标签;
相应的,所述第二目标数据资源描述中每个目标数据资源描述对应一个设定的原始调试影响系数;所述通过所述设定共享策略中各个共享策略的参考数据资源的所述第二目标数据资源描述,对所述第二差异区分子线程调试目标轮次,得到调试所得到的所述每个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述的描述标签,包括:
将所述设定共享策略中各个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述,以及所述每个目标数据资源描述所对应的设定的原始调试影响系数,传入所述第二差异区分子线程,对所述第二差异区分子线程调试目标轮次,得到调试所得到的所述每个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述所对应的完成优化的调试影响系数,以及与所述完成优化的调试影响系数对应的变化评价;
将所述每个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述所对应的完成优化的调试影响系数,以及与所述完成优化的调试影响系数对应的变化评价,确定为所述调试所得到的所述每个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述的描述标签。
7.根据权利要求6所述的基于区块链的数据共享处理方法,其特征在于,所述目标轮次为T,T为正整数;所述第二目标数据资源描述中每个目标数据资源描述所对应的所述完成优化的调试影响系数,以及与所述完成优化的调试影响系数对应的所述变化评价,包括:T次调试中,所述第二目标数据资源描述中每个目标数据资源描述所对应的每轮调试所得到的完成优化的调试影响系数,以及与所述完成优化的调试影响系数对应的变化评价;
所述基于所述每个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述的描述标签,确定所述第二目标数据资源描述中每个目标数据资源描述的评估扰动情况,包括:
确定所述每个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述所对应的每轮调试所得到的所述完成优化的调试影响系数和与所述完成优化的调试影响系数对应的所述变化评价之间的加权结果,得到T个独立评估扰动情况;
将所述T个独立评估扰动情况的全局处理结果,确定为所述第二目标数据资源描述中每个目标数据资源描述所对应的评估扰动情况。
8.根据权利要求5所述的基于区块链的数据共享处理方法,其特征在于,所述描述标签包括:调试影响系数和变化评价;所述基于所述每个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述的描述标签,确定所述第二目标数据资源描述中每个目标数据资源描述的评估扰动情况,包括:
基于所述每个共享策略的参考数据资源的第二目标数据资源描述中每个目标数据资源描述所对应的所述调试影响系数和所述变化评价之间的加权结果,得到所述第二目标数据资源描述中每个目标数据资源描述所对应的评估扰动情况。
9.根据权利要求1所述的基于区块链的数据共享处理方法,其特征在于,所述基于所述量化匹配结果,从所述设定共享策略中检测出所述待共享数据资源所对应的共享策略,包括:将所述量化匹配结果中最高的量化匹配结果所对应的共享策略,确定为所述待共享数据资源所对应的共享策略。
10.一种数据共享处理系统,其特征在于,包括处理器和存储器;所述处理器和所述存储器通信连接,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述权利要求1-9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210203215.8A CN114338814B (zh) | 2022-03-03 | 2022-03-03 | 基于区块链的数据共享处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210203215.8A CN114338814B (zh) | 2022-03-03 | 2022-03-03 | 基于区块链的数据共享处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114338814A CN114338814A (zh) | 2022-04-12 |
CN114338814B true CN114338814B (zh) | 2022-06-28 |
Family
ID=81029968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210203215.8A Active CN114338814B (zh) | 2022-03-03 | 2022-03-03 | 基于区块链的数据共享处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114338814B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113132103A (zh) * | 2021-03-11 | 2021-07-16 | 西安电子科技大学 | 一种数据跨域安全共享系统及方法 |
CN113192586A (zh) * | 2021-04-22 | 2021-07-30 | 阚中强 | 基于区块链的智慧医疗档案共享方法及医疗大数据系统 |
CN113408897A (zh) * | 2021-06-19 | 2021-09-17 | 杨福心 | 应用于大数据业务的数据资源共享方法及大数据服务器 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334792B (zh) * | 2008-07-10 | 2011-01-12 | 中国科学院计算技术研究所 | 一种个性化服务推荐系统和方法 |
US10685399B2 (en) * | 2017-03-31 | 2020-06-16 | Factom, Inc. | Due diligence in electronic documents |
CN108848535B (zh) * | 2018-05-31 | 2022-11-15 | 国网浙江省电力有限公司电力科学研究院 | 一种面向共享模式的雾计算环境资源分配方法 |
CN112039855B (zh) * | 2020-08-14 | 2022-03-08 | 海南大学 | 一种基于联盟链的科技资源数据安全存储与共享方法 |
CN113485203B (zh) * | 2021-08-03 | 2022-05-31 | 上海德衡数据科技有限公司 | 一种智能控制网络资源共享的方法及系统 |
CN113743989B (zh) * | 2021-08-30 | 2023-10-13 | 国网青海省电力公司 | 一种基于区块链和分散交易理论的共享储能联合调频交易方法 |
CN113810910B (zh) * | 2021-09-18 | 2022-05-20 | 大连理工大学 | 基于深度强化学习的4g与5g网络间动态频谱共享方法 |
-
2022
- 2022-03-03 CN CN202210203215.8A patent/CN114338814B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113132103A (zh) * | 2021-03-11 | 2021-07-16 | 西安电子科技大学 | 一种数据跨域安全共享系统及方法 |
CN113192586A (zh) * | 2021-04-22 | 2021-07-30 | 阚中强 | 基于区块链的智慧医疗档案共享方法及医疗大数据系统 |
CN113408897A (zh) * | 2021-06-19 | 2021-09-17 | 杨福心 | 应用于大数据业务的数据资源共享方法及大数据服务器 |
Non-Patent Citations (2)
Title |
---|
"A Financial data security sharing solution based on blockchain technology and proxy re-encryption technology";Zhan Su等;《2020 IEEE 3rd international conference of safe production and information》;20201130;全文 * |
"基于区块链技术的档案数据共享策略研究";张爱华;《兰台内外》;20201101;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114338814A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20120158623A1 (en) | Visualizing machine learning accuracy | |
US9960952B2 (en) | Proactive fault detection and diagnostics for networked node transaction events | |
Li et al. | Evaluating data filter on cross-project defect prediction: Comparison and improvements | |
CN108985060A (zh) | 一种大规模安卓恶意软件自动化检测系统及方法 | |
KR102247181B1 (ko) | Xai에 기초하여 생성된 학습데이터를 이용한 이상행위탐지모델 생성방법 및 장치 | |
CN107111625A (zh) | 实现数据的高效分类和探索的方法和系统 | |
CN114139210B (zh) | 一种基于智慧业务的大数据安全威胁处理方法及系统 | |
CN110502677A (zh) | 一种设备识别方法、装置及设备、存储介质 | |
CN103631787A (zh) | 网页类型识别方法以及网页类型识别装置 | |
CN111581092A (zh) | 仿真测试数据的生成方法、计算机设备及存储介质 | |
CN110704846A (zh) | 一种人在回路的智能化安全漏洞发现方法 | |
Meilong et al. | An approach to semantic and structural features learning for software defect prediction | |
CN109784382A (zh) | 标注信息处理方法、装置以及服务器 | |
CN113409016A (zh) | 应用于大数据云办公的信息处理方法、服务器及介质 | |
CN113656797B (zh) | 行为特征提取方法以及行为特征提取装置 | |
CN112559525B (zh) | 数据检查系统、方法、装置和服务器 | |
CN114338814B (zh) | 基于区块链的数据共享处理方法及系统 | |
CN113434857A (zh) | 一种应用深度学习的用户行为安全解析方法及系统 | |
CN114300146B (zh) | 一种应用于智慧医疗的用户信息安全处理方法及系统 | |
CN110380902A (zh) | 拓扑关系生成方法、装置、电子设备及存储介质 | |
CN115906927A (zh) | 基于人工智能的数据访问分析方法、系统及云平台 | |
CN110177006B (zh) | 基于接口预测模型的节点测试方法及装置 | |
CN112926952A (zh) | 结合云计算的大数据办公业务处理方法及大数据服务器 | |
CN112559589A (zh) | 一种远程测绘数据处理方法及系统 | |
CN113282686A (zh) | 一种不平衡样本的关联规则确定方法及装置 |
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 |