CN114490697B - 一种基于区块链的数据协同处理方法及设备 - Google Patents
一种基于区块链的数据协同处理方法及设备 Download PDFInfo
- Publication number
- CN114490697B CN114490697B CN202210308737.4A CN202210308737A CN114490697B CN 114490697 B CN114490697 B CN 114490697B CN 202210308737 A CN202210308737 A CN 202210308737A CN 114490697 B CN114490697 B CN 114490697B
- Authority
- CN
- China
- Prior art keywords
- service
- node
- service node
- data
- designated
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 134
- 238000000034 method Methods 0.000 claims abstract description 90
- 230000008569 process Effects 0.000 claims description 59
- 238000003062 neural network model Methods 0.000 claims description 15
- 238000010606 normalization Methods 0.000 claims description 11
- 230000008094 contradictory effect Effects 0.000 claims description 7
- 230000003111 delayed effect Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F16/23—Updating
- G06F16/2379—Updates performed during online database operations; commit processing
-
- 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
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- 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
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Telephonic Communication Services (AREA)
Abstract
本申请公开了一种基于区块链的数据协同处理方法及设备,属于数据处理技术领域,用于解决数据协同处理效率低的问题。方法包括:将第一业务节点在执行指定业务中生成的业务数据进行上链;将业务数据发送给引导节点,以使引导节点确定位于第一业务节点下游的第二业务节点;通过引导节点,根据第二业务节点在预设时间段内与指定业务的矛盾等级,确定第二业务节点在指定业务中对应的延迟引导等级;并根据延迟引导等级,确定第二业务节点在指定业务中对应的引导信息;根据延迟引导等级,在预设时间段内延迟相应的时长后,向第二业务节点曝光业务数据,并根据引导信息,引导第二业务节点根据业务数据,继续处理指定业务。提高了数据协同处理效率。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种基于区块链的数据协同处理方法及设备。
背景技术
随着网络技术的发展,网络状况已经能够很好地胜任多个数据处理系统之间的互联互通,由此,多系统之间的协同处理显得极其重要。
目前,在多系统的数据协同处理中,通过设定数据处理过程之间的依赖,来确定每个数据处理过程的执行时机,比如,当上游节点处理完业务中的某个过程后,系统立即将该业务发往其他系统的下游节点继续执行业务。
但是,对于下游节点来说,一旦自身需要处理的业务流程积压太多,则难以分清各业务之间的轻重缓急,很容易导致数据处理的效率太低。
发明内容
本申请实施例提供一种基于区块链的数据协同处理方法及设备,用于解决数据协同处理效率低的问题。
本申请实施例采用下述技术方案:
一方面,本申请实施例提供了一种基于区块链的数据协同处理方法,应用于区块链平台,所述区块链平台中包括有多个业务节点和引导节点,所述多个业务节点在链下处于不同的数据处理系统中,该方法包括:接收第一业务节点的数据上链请求,以将所述第一业务节点在执行指定业务中生成的业务数据进行上链;将所述业务数据发送给所述引导节点,以使所述引导节点根据所述指定业务的流程,确定位于所述第一业务节点下游的第二业务节点;获取所述第二业务节点的历史业务处理数据,并根据所述历史业务处理数据,确定所述第二业务节点在固定的时长内,对不同类型的历史业务的历史处理序列;通过预先训练的神经网络模型,将所述历史处理序列作为输入,输出得到所述第二业务节点在所述固定的时长内,针对不同类型的业务的业务序列处理偏好;确定所述指定业务在第二业务节点对应的指定业务类型;根据所述业务序列处理偏好与所述指定业务类型,确定所述第二业务节点在预设时间段内与所述指定业务的矛盾等级;其中,所述矛盾等级用于表示所述第二业务节点在预设时间段内继续处理所述指定业务所对应的冲突程度;通过所述引导节点,根据所述第二业务节点在预设时间段内与所述指定业务的矛盾等级,确定所述第二业务节点在所述指定业务中对应的延迟引导等级;其中,所述延迟引导等级是指所述区块链平台在预设时间段内,向所述第二业务节点推送所述指定业务的下一阶段工作的延迟程度;并根据所述延迟引导等级,确定所述第二业务节点在所述指定业务中对应的引导信息;根据所述延迟引导等级,在所述预设时间段内延迟相应的时长后,基于所述区块链平台向所述第二业务节点曝光所述业务数据,并根据所述引导信息,引导所述第二业务节点根据所述业务数据,继续处理所述指定业务。
一个示例中,所述通过预先训练的神经网络模型,将所述历史处理序列作为输入,输出得到所述第二业务节点在所述固定的时长内,针对不同类型的业务的业务序列处理偏好之前,所述方法还包括:获取所述第二业务节点的样本业务处理数据,并根据所述样本业务处理数据,确定所述第二业务节点在固定的时长内,对不同类型的样本业务的样本处理序列;以所述不同类型的样本业务的样本处理序列作为输入样本,以所述第二业务节点在所述固定的时长内,针对不同类型的业务的业务序列处理偏好作为样本标签,对所述神经网络模型进行监督训练。
一个示例中,所述根据所述第二业务节点在预设时间段内与所述指定业务的矛盾等级,确定所述第二业务节点在所述指定业务中对应的延迟引导等级,具体包括:根据所述第二业务节点在预设时间段内与所述指定业务的矛盾等级,所在的评分区间,以及所述矛盾等级对应的标准归一化区间,确定所述第二业务节点在所述预设时间段内与所述指定业务的延迟引导分;其中,在所述不同类型的业务的矛盾等级相同时,所述不同类型的业务的矛盾等级,所在的评分区间不同;通过所述延迟引导分,确定所述第二业务节点在所述指定业务中对应的的延迟引导等级。
一个示例中,所述根据所述第二业务节点在预设时间段内与所述指定业务的矛盾等级,所在的评分区间,以及所述矛盾等级对应的标准归一化区间,确定所述第二业务节点在所述预设时间段内与所述指定业务的延迟引导分,具体包括:其中,为所述延迟引导分,为所述标准归一化区间的下限,为所述标准归一化区间的上限,为所述第二业务节点在预设时间段内与所述指定业务的矛盾分,为所述矛盾等级所在的评分区间的下限,为所述矛盾等级所在的评分区间的上限。
一个示例中,所述接收第一业务节点的数据上链请求之前,所述方法还包
括:所述第一业务节点,将所述第一业务节点在执行指定业务中生成的业务数据加入时间前缀和自定义后缀,并存入字符串;将所述字符串转换成字节数组并进行可变长度字符编码,对编码后的字节数组进行哈希加密,将加密后的字节数组存入预设字节数组中;将所述预设字节数组进行翻转,并定义循环,截取所述预设字节数组中的一段,转换为字符串。
一个示例中,所述引导节点根据所述指定业务的流程,确定位于所述第一业务节点下游的第二业务节点,具体包括:将多个业务中的各业务节点作为节点,将所述各业务节点之间的流转条件关系作为边,构建所述各业务节点对应的流程图谱;其中,每个业务中包括多个业务节点;在所述流程图谱中,根据所述指定业务的流程,确定位于所述第一业务节点下游的多个第三业务节点;分别确定待流转至各第三业务节点的业务节点数量;在所述多个第三业务节点中,根据所述待流转至各第三业务节点的业务节点数量,确定继续处理所述指定业务的第二业务节点。
一个示例中,所述根据所述指定业务的流程,确定位于所述第一业务节点下游的多个第三业务节点,具体包括:确定与所述第一业务节点具有流转条件关系的多个第四业务节点;分别将所述第一业务节点与各第四业务节点之间的流转条件关系,与继续处理所述指定业务对应的指定业务类型进行匹配,以在所述多个第四业务节点中,确定位于所述第一业务节点下游的多个第三业务节点。
一个示例中,所述根据所述延迟引导等级,确定所述第二业务节点在所述指定业务中对应的引导信息之后,所述方法还包括:根据所述延迟引导等级,确定向所述第二业务节点曝光所述业务数据的延迟时长;从所述第二业务节点在所述预设时间段内的业务处理量中,确定至少一个目标业务类型;确定执行所述至少一个目标业务类型所需的处理时长,以及所述至少一个目标业务类型的工作特性;其中,所述工作特性用于表示所述第二业务节点在执行所述目标业务类型时,是否适合被打断;若所述延迟时长小于所述处理时长,则根据所述至少一个目标业务类型的工作特性,确定向所述第二业务节点推送所述引导信息的方式。
另一方面,本申请实施例提供了一种基于区块链的数据协同处理设备,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:接收第一业务节点的数据上链请求,以将所述第一业务节点在执行指定业务中生成的业务数据上链;将所述业务数据发送给所述引导节点,以使所述引导节点根据所述指定业务的流程,确定位于所述第一业务节点下游的第二业务节点;获取所述第二业务节点的历史业务处理数据,并根据所述历史业务处理数据,确定所述第二业务节点在固定的时长内,对不同类型的历史业务的历史处理序列;通过预先训练的神经网络模型,将所述历史处理序列作为输入,输出得到所述第二业务节点在所述固定的时长内,针对不同类型的业务的业务序列处理偏好;确定所述指定业务在第二业务节点对应的指定业务类型;根据所述业务序列处理偏好与所述指定业务类型,确定所述第二业务节点在预设时间段内与所述指定业务的矛盾等级;其中,所述矛盾等级用于表示所述第二业务节点在预设时间段内继续处理所述指定业务所对应的冲突程度;通过所述引导节点,根据所述第二业务节点在预设时间段内与所述指定业务的矛盾等级,确定所述第二业务节点在所述指定业务中对应的延迟引导等级;其中,所述延迟引导等级是指所述区块链平台在预设时间段内,向所述第二业务节点推送所述指定业务的下一阶段工作的延迟程度;并根据所述延迟引导等级,确定所述第二业务节点在所述指定业务中对应的引导信息;根据所述延迟引导等级,在所述预设时间段内延迟相应的时长后,基于所述区块链平台向所述第二业务节点曝光所述业务数据,并根据所述引导信息,引导所述第二业务节点根据所述业务数据,继续处理所述指定业务。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:
能够通过构建区块链平台,并在区块链平台中加入引导节点,在有效保证业务数据在流转过程中安全性的前提下,通过首先确定位于第一业务节点下游的第二业务节点,然后,通过预先训练的神经网络模型结合第二业务节点的处理偏好,确定第二业务节点在预设时间段内与所述指定业务的矛盾等级,满足第二业务节点的个性化需求,能够考虑到第二业务节点在预设时间段内需要处理的业务,从而基于第二业务节点的在预设时间段内需要处理的业务,继续确定对应的延迟引导等级,能够在合适的时间,向第二业务节点推送下一阶段的工作,以及继续确定对应的引导信息,能够的在合适的时间,以合适的方式向第二业务节点推送下一阶段的工作,从而能够满足用户的个性化需求,更有助于分清各业务之间的轻重缓急,提高数据协同处理效率。
附图说明
为了更清楚地说明本申请的技术方案,下面将结合附图来对本申请的部分实施例进行详细说明,附图中:
图1为本申请实施例提供的一种基于区块链的数据协同处理方法的流程示意图;
图2为本申请实施例提供的一种流程图谱的示意图;
图3为本申请实施例提供的一种基于区块链的数据协同处理设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合具体实施例及相应的附图对本申请的技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
下面参照附图来对本申请的一些实施例进行详细说明。
图1为本申请实施例提供的一种基于区块链的数据协同处理方法的流程示意图。该方法可以应用于不同的业务领域,比如,互联网金融业务领域、电商业务领域、即时通讯业务领域、游戏业务领域、公务业务领域等。该流程中的某些输入参数或者中间结果允许人工干预调节,以帮助提高准确性。
本申请实施例涉及的分析方法的实现为区块链平台,其中,采用联盟链构建区块链平台,以区块链平台作为业务数据流转平台,能够有效保证数据协同处理过程中业务数据流转的安全性,从而能够实现在数据协同处理中的业务数据进行流转时,加入引导节点,也就是说,该区块链平台不仅包括有多个业务节点,还包括引导节点。需要说明的是,业务节点与引导节点可以为用户,也可以为计算设备。
其中,引导节点用于结合继续处理指定业务下一阶段工作的业务节点在当前时间之后预设时间段内的工作内容,从而实现在合适的时间,将指定业务的下一阶段工作以合适的方式推送给合适的业务节点,而多个业务节点在链下处于不同的数据处理系统中。
其中,为防止用户通过统一资源定位器地址进入数据处理系统某个功能页面,在数据协同处理系统开发时,对每个功能页面均设计验证机制,以对功能页面进行读取时,数据协同处理系统自动判断用户角色以及权限,如果权限不足,则跳转到系统登录界面。同时,将Session的有效时间设置为预设时长,对于空闲状态超过预设时长的用户,数据协同处理系统自动将其踢出系统,防止他人进行非法操作。
需要说明的是,区块链平台不仅能够保证业务数据在不同的节点之间流转时的安全性,而且具有一定的处理功能。
图1中的流程可以包括以下步骤:
S102:接收第一业务节点的数据上链请求,以将所述第一业务节点在执行指定业务中生成的业务数据进行上链。
在本申请的一些实施中,为了提高业务数据在不同的节点之间流转时的安全性,在数据协同处理的业务流程中,各业务节点在业务中生成的业务数据进行上链,即,第一业务节点在执行指定业务中生成的业务数据进行上链。
进一步地,为了进一步提高业务数据在引导节点与业务节点之间流转时的安全性,第一业务节点将对在执行指定业务中生成的业务数据进行加密处理。
具体地,第一业务节点向区块链平台发送数据上链请求之前,第一业务节点将对在执行指定业务中生成的业务数据采用两种加密方式,一种加密方式,采用非对称加密,比如,第一业务节点用公钥对业务数据进行加密,引导节点通过私钥对加密的业务数据进行解密,从而得到业务数据。
另一种加密方式,采用哈希加密,第一业务节点对业务数据进行哈希加密,生成第一加密数据,以使引导节点对解密得到的业务数据进行哈希加密,生成第二加密数据,并对第一加密数据与第二加密数据进行比较,若两者一致,则说明业务数据在数据传输过程中,未被篡改。
具体地,第一业务节点在生成第一加密数据时,第一业务节点对在执行指定业务中生成的业务数据加入时间前缀和自定义后缀,并存入字符串。然后,将字符串转换成字节数组并进行可变长度字符编码,对编码后的字节数组进行哈希加密,将加密后的字节数组存入预设字节数组中。然后,将预设字节数组进行翻转,并定义循环,截取预设字节数组中的一段,转换为字符串,以及将字符串转换为十六进制格式,从而得到第一加密数据。需要说明的是,引导节点在生成第二加密数据时,生成过程与上述第一业务节点生成第一加密数据的过程相同,在此不再描述。
本申请实施例通过对哈希加密规则进行改动,攻击者即使得到密文也无法得知该密文截取的是哪一段,更无法推出加密规则,从而提高了破解难度,使攻击者无法判断加密规则,从而能够更加有效地验证业务数据的安全,也更加能够保证业务数据在引导节点与业务节点之间流转时的安全性。
S104:将所述业务数据发送给所述引导节点,以使所述引导节点根据所述指定业务的流程,确定位于所述第一业务节点下游的第二业务节点。
在本申请的一些实施例中,在指定业务的流程中,由于每个阶段的工作可能赋予多个用户权限,也就是说,指定业务的下一阶段工作可能推送给第一业务节点下游的多个业务节点,但是,由于每个业务节点在预设时间段内需要处理的业务流程是不同的,当然,最好的方式是希望将指定业务下一阶段的工作推送至可以马上处理的业务节点,也就是说,最好的方式是将指定业务下一阶段的工作推送至可以马上处理的用户。
因此,为了提高数据协同处理的效率,引导节点可以基于指定业务的流程,结合指定业务下一阶段工作的各业务节点,在预设时间段内的工作内容,确定继续处理指定业务的业务节点。相当于,本申请实施例中的区块链平台不会将指定业务的下一阶段工作,推送给所有具有权限的业务节点,而是从所有具有权限的业务节点中进行初步筛选。
需要说明的是,将继续处理指定业务的业务节点,作为第二业务节点,即,区块链平台将指定业务的下一阶段工作推送给相应业务节点,该相应业务节点为第二业务节点。其中,继续处理指定业务的第二业务节点的数量也可能不止一个,比如,具有权限的业务节点数量为3个,而引导节点确定出继续处理指定业务的第二业务节点的数量为2个。
S106:获取所述第二业务节点的历史业务处理数据,并根据所述历史业务处理数据,确定所述第二业务节点在固定的时长内,对不同类型的历史业务的历史处理序列。
在本申请的一些实施例中,由于用户在工作时间中,一般需要处理职责内的多种业务类型,因此,即使筛选出预设时间段内业务量少的第二业务节点,仍需要再次考虑第二业务节点在预设时间段内的需要处理的工作内容。
而在固定的时长内,第二业务节点可能具有处理多种业务类型的顺序,比如,在一天的工作中,第二业务节点需要处理3种业务类型,分别为a业务类型,b业务类型,c业务类型,但是,第二业务节点先处理b业务类型,再处理c业务类型,最后处理a业务类型。
因此,可以结合第二业务节点的处理偏好,确定第二业务节点在预设时间段内与所述指定业务的矛盾等级,满足第二业务节点的个性化需求。
具体地,引导节点首先获取第二业务节点的历史业务处理数据,并根据历史业务处理数据,确定第二业务节点在固定的时长内,对不同类型的历史业务的历史处理序列。比如,固定的时长为24小时。
需要说明的是,历史处理序列中包括第二业务节点处理的历史业务,以及处理所述历史业务时,所对应的时间。
S108:通过预先训练的神经网络模型,将所述历史处理序列作为输入,输出得到所述第二业务节点在所述固定的时长内,针对不同类型的业务的业务序列处理偏好。
需要说明的是,业务序列处理偏好表示了第二业务节点在固定的时长内的不同时间段,所偏好处理的业务类型。
其中,在训练神经网络模型时,引导节点获取第二业务节点的样本业务处理数据,并根据样本业务处理数据,确定第二业务节点在固定的时长内,对不同类型的样本业务的样本处理序列。
然后,以不同类型的样本业务的样本处理序列作为输入样本,以第二业务节点在固定的时长内,针对不同类型的业务的业务序列处理偏好作为样本标签,对神经网络模型进行监督训练。
S110:确定所述指定业务在第二业务节点对应的指定业务类型。
S112:根据所述业务序列处理偏好与所述指定业务类型,确定所述第二业务节点在预设时间段内与所述指定业务的矛盾等级。
在本申请的一些实施例中,矛盾等级用于表示第二业务节点在预设时间段内继续处理指定业务所对应的冲突程度。其中,可以认为冲突程度越强烈,矛盾等级就越高。
例如,第二业务节点在预设时间段内,通常需要处理A业务类型与B业务类型,而第二业务节点在指定业务对应的指定业务类型为C业务类型,那么可以认为第二业务节点在预设时间段内与指定业务的矛盾等级为高等级。
当然,第二业务节点在预设时间段内,如果通常需要处理C业务类型、A业务类型,第二业务节点在指定业务对应的指定业务类型为C业务类型时,那么第二业务节点在预设时间段内与指定业务的矛盾等级为低等级。
基于此,在确定第二业务节点在预设时间段内继续处理指定业务的矛盾等级之后,由于仍需要第二业务节点处理指定业务,因此,可以结合矛盾等级,确定何时将第一业务节点的业务数据,向第二业务节点进行曝光,以使第二业务节点能够继续处理下一阶段的工作。
比如,在业务序列处理偏好中,第二业务节点在当前时间之后的预设时间段内,并未处理指定业务类型,则认为矛盾等级为高等级。
S114:通过所述引导节点,根据所述第二业务节点在预设时间段内与所述指定业务的矛盾等级,确定所述第二业务节点在所述指定业务中对应的延迟引导等级。
其中,虽然矛盾等级低,说明可以尽快将指定业务的下一阶段工作推送至第二业务节点,反之,矛盾等级高,说明可能需要晚些将指定业务的下一阶段工作推送至第二业务节点。但是,如果特别晚将指定业务推送至第二业务节点,将会降低数据协同处理效率,尤其对于在指定业务的下一阶段工作需要紧急处理的情况。
因此,仍要考虑何时将指定业务的下一阶段工作推送至第二业务节点。基于此,根据第二业务节点在预设时间段内与指定业务的矛盾等级,继续确定第二业务节点在指定业务中对应的延迟引导等级。比如,矛盾等级越高,延迟引导等级越高。
其中,延迟引导等级是指区块链平台在预设时间段内,向第二业务节点推送指定业务的下一阶段工作的延迟程度,即,向第二业务节点曝光业务数据的延迟程度。
例如,通过延迟引导等级,可以用来确定区块链平台在预设时间段内向第二业务节点曝光业务数据的延迟引导时长。即,不同的延迟引导等级,对应不同的延迟引导时长。比如,延迟引导等级越高,延迟引导时长越高。
当然,在确定延迟引导等级时,由于不同类型的业务所对应的紧急程度是不同的,因此,在结合第二业务节点在预设时间段内与指定业务的矛盾等级时,还可以结合在预设时间段内,针对第二业务节点而言,指定业务的下一阶段工作的紧急程度,最终确定延迟引导等级。
S116:根据所述延迟引导等级,确定所述第二业务节点在所述指定业务中对应的引导信息。
在本申请的一些实施例中,由于有些业务类型需要相应业务节点尽快处理,即,紧急度高,因此,为了让第二业务节点能够合理处理不同紧急程度的业务类型,尤其及时处理紧急度高的业务类型,从而提高数据处理的效率,通过结合延迟引导等级,确定引导信息。可以理解的是,紧急度高的业务类型,对应的延迟引导时长也应该是相对较短的。
基于此,在不同延迟引导等级具有不同延迟引导时长时,相应地,不同的延迟引导等级可以认为具有不同的紧急程度,此时,引导信息可以不仅用于引导第二业务节点处理指定业务的下一阶段工作,也用于向第二业务节点告知下一阶段工作的紧急程度。
比如,第二业务节点在指定业务中对应的延迟引导等级越低,也就是说,第二业务节点在预设时间段内继续处理指定业务的紧急度越高,那么,引导信息为“针对《考勤管理规定》的意见,请您尽快处理”。
需要说明的是,引导信息可以是以不同的形式,引导第二业务节点根据业务数据,继续处理指定业务。比如,发短信的形式、打电话的形式、以及在第二业务节点所属数据处理系统中,弹出对应的提示框。
其中,引导节点在确定延迟引导等级以及引导信息之后,将延迟引导等级以及引导信息进行上传至区块链平台。
S118:根据所述延迟引导等级,在所述预设时间段内延迟相应的时长后,基于所述区块链平台向所述第二业务节点曝光所述业务数据,并根据所述引导信息,引导所述第二业务节点根据所述业务数据,继续处理所述指定业务。
在本申请的一些实施例中,为了保证数据协同处理的效率,区块链平台在向第二业务节点延迟曝光业务数据时,需要在预设时间段内,向第二业务节点曝光业务数据。也就是说,区块链平台并不会无限制地向第二业务节点延迟曝光业务数据。
例如,预设时间段为1小时,业务数据为《考勤管理规定》,延迟引导等级为低等级,说明第二业务节点继续处理指定业务的紧急度高。同时,查找到该延迟引导等级对应的延迟时长为10分钟。那么区块链平台将在当前时间之后,延迟10分钟,将《考勤管理规定》发送至第二业务节点,设置引导信息为“针对《考勤管理规定》的意见,请您尽快处理”。
需要说明的是,虽然本申请实施例是参照图1来对步骤S102至步骤S118依次进行介绍说明的,但这并不代表步骤S102至步骤S118必须按照严格的先后顺序执行。本申请实施例之所以按照图1中所示的顺序对步骤S102至步骤S118依次进行介绍说明,是为了方便本领域技术人员理解本申请实施例的技术方案。换句话说,在本申请实施例中,步骤S102至步骤S118之间的先后顺序可以根据实际需要进行适当调整。
通过图1的方法,能够通过构建区块链平台,并在区块链平台中加入引导节点,在有效保证业务数据在流转过程中安全性的前提下,通过首先确定位于第一业务节点下游的第二业务节点,通过预先训练的神经网络模型结合第二业务节点的处理偏好,确定第二业务节点在预设时间段内与所述指定业务的矛盾等级,满足第二业务节点的个性化需求,能够考虑到第二业务节点在预设时间段内需要处理的业务,从而基于第二业务节点的在预设时间段内需要处理的业务,继续确定对应的延迟引导等级,能够在合适的时间,向第二业务节点推送下一阶段的工作,以及继续确定对应的引导信息,能够的在合适的时间,以合适的方式向第二业务节点推送下一阶段的工作,从而能够满足用户的个性化需求,更有助于分清各业务之间的轻重缓急,提高数据协同处理效率。
基于图1的方法,本说明书还提供了该方法的一些具体实施方案和扩展方案,下面继续进行说明。
在本申请的一些实施例中,由于区块链平台向相关业务节点推送指定业务的下一阶段工作时,存在指定业务的下一业务节点具有多个具有权限的业务节点。同时,由于同一业务节点可以被不同业务所复用,因此,在当前时间,每个业务节点的需要处理的业务量是不同的,如果直接向全部具有权限的业务节点推送指定业务的下一阶段工作,则对于处理的业务流程积压最多的业务节点来说,带来更大的压力。
基于此,引导节点将多个业务中的各业务节点作为节点,将各业务节点之间的流转条件关系作为边,构建各业务节点对应的流程图谱。其中,每个业务中包括多个业务节点。
直观地,图2为本申请实施例提供的一种流程图谱的示意图,在图2的流程图谱中,示出了A~H共8个业务节点,以及7条边。
以A为例,A与B之间具有一条边,该边表示的是A与B之间的付款关系,其中,该付款不是指A与B直接进行交易,而是指A让B对指定业务进行付款,或者B让A对指定业务进行付款。
需要说明的是,由于指定业务的流程可能在预设周期内便要执行一次,因此,根据实际需要,也可以采用更复杂的策略决定是否在业务节点间构建边,比如,预设一个付款次数阈值等于2次,A与B之间虽然曾经存在过付款关系,但若付款次数未超过2次,可以认为付款次数过少,关系特征不够明显,则可以不在A与B之间构建表示付款关系的边,而若付款次数超过2次,才在A与B之间构建表示付款关系的边。
A与D、G之间分别具有一条表示审批关系的边;该审批关系用于表示A、D或G之间在进行业务流程的流转过程中,需要进行相关事项审批,比如,A发送文件,D与G分别进行审批。
A与C之间具有一条表示检索关系的边,该检索关系比如表示A撰写一份文件,需要C进行检索。A与F之间具有一条表示撰写关系的边,该撰写关系比如表示A发送一份文件的撰写要求,需要F进行撰写。
再以C为例,C除了与A之间具有一条边以外,还与E之间具有一条表示审批关系的边;该审批关系比如表示C提交一份文件,需要E进行审批。C与H之间具有一条检索关系的边,该检索关系比如表示H撰写一份文件,需要C进行检索。
需要说明的是,在实际实施本说明书的方案时,采用的流程图谱中包含的业务节点和边远多于图2中所示。
基于此,引导节点根据指定业务的流程,确定位于第一业务节点下游的第二业务节点时,首先,在流程图谱中,根据指定业务的流程,确定位于第一业务节点下游的多个第三业务节点。然后,分别确定待流转至各第三业务节点的业务节点数量。最后,在多个第三业务节点中,根据待流转至各第三业务节点的业务节点数量,确定继续处理指定业务的第二业务节点。
例如,将业务节点数量最少的第三业务节点,作为将要处理指定业务的第二业务节点。
进一步地,在确定位于第一业务节点下游的多个第三业务节点时,首先,确定与第一业务节点具有流转条件关系的多个第四业务节点,然后分别将第一业务节点与各第四业务节点之间的流转条件关系,与继续处理指定业务对应的指定业务类型进行匹配,以在多个第四业务节点中,确定位于第一业务节点下游的多个第三业务节点。
更进一步地,在分别确定待流转至各第三业务节点的业务节点数量时,首先确定与第三业务节点具有流转条件关系的多个第五业务节点,然后,获取第五业务节点最新的业务数据,基于最新的业务数据,根据第五业务节点与第三业务节点之间的流转条件关系,确定第五业务节点最新的业务数据是否将要流转至第三业务节点,以确定待流转至各第三业务节点的业务节点数量。
在本申请的一些实施例中,由于不同类型的业务具有不同业务特性,一些业务类型自身要求的紧急度高,一些业务类型自身要求的紧急度低。
进一步地,当指定业务类型的紧急度高时,需要减少延迟时长,但是,由于在预设时间段内,第二业务节点处理多种业务类型时,针对第二业务节点来说,多种业务类型之间的紧急程度是有区分的,因此,需要考虑第二业务节点在预设时间段内继续处理指定业务的紧急度,来减少延迟时长。
比如,第二业务节点在指定业务对应的指定业务类型为C业务类型,第二业务节点在预设时间段内,通常处理A业务类型与C业务类型,即,矛盾等级低,那么说明可以尽快将指定业务推送至第二业务节点。
但是,是否A业务类型比较紧急呢,如果紧急的话,C业务类型如果也比较紧急,那么第二业务节点是否还可以尽快处理C业务类型呢。
因此,需要确定指定业务类型对于第二业务节点而言,在预设时间段内的紧急度。
具体地,按照不同类型的业务的紧急程度,在同一矛盾等级中,确定不同类型的业务的评分区间。比如,该评分区间越高,说明该业务类型的紧急度越高。其中,在设置不同类型业务的评分区间时,可以根据专家经验进行设置。
然后,根据第二业务节点在预设时间段内与指定业务的矛盾等级,所在的评分区间,以及矛盾等级对应的标准归一化区间,确定第二业务节点在预设时间段内与指定业务的延迟引导分。其中,在不同类型的业务的矛盾等级相同时,不同类型的业务的矛盾等级,所在的评分区间不同。也就是说,可以通过标准归一化区间,以同一标准,确定多种业务类型之间的相对紧急程度。
最后,通过延迟引导分,确定第二业务节点在指定业务中对应的延迟引导等级。比如,通过预设映射组件,将延迟引导分映射到相应的延迟引导等级。
其中,通过预设表达式,确定第二业务节点在预设时间段内的延迟引导分,表达式如下:
需要说明的是,第二业务节点在预设时间段内与指定业务的矛盾分,通过根据业务序列处理偏好与指定业务类型,确定第二业务节点在预设时间段内与指定业务的矛盾分得到,然后通过矛盾分,确定第二业务节点在预设时间段内与指定业务的矛盾等级。
也就是说,即使以不同的标准,分别确定多种业务类型在某一矛盾等级的评分区间,但是,最终都将以第二业务节点在预设时间段内与指定业务的矛盾分,归一到相同标准的延迟引导分,从而可以得到指定业务类型对于第二业务节点而言,在预设时间段内的紧急度。比如,延迟引导分越低,表示指定业务类型,对于第二业务节点而言,在预设时间段内的紧急度越高。
基于此,不仅考虑第二业务节点在预设时间段的工作内容,也会考虑针对第二业务节点,第二业务节点在预设时间段内处理指定业务类型的优先级,从而更加满足数据协同处理的需求。
更进一步地,区块链平台还需要确定以合适的方式,向第二业务节点推送引导信息。
具体地,首先根据延迟引导等级,确定向第二业务节点曝光业务数据的延迟时长。延迟时长越短,说明第二业务节点继续处理指定业务的优先级越高。
然后,从第二业务节点在预设时间段内的业务量中,确定至少一个目标业务类型。
然后,确定执行至少一个目标业务类型所需的处理时长,以及至少一个目标业务类型的工作特性。其中,工作特性用于表示第二业务节点在执行目标业务类型时,是否适合被打断。
若延迟时长小于处理时长,则根据至少一个目标业务类型的工作特性,确定第二业务节点推送引导信息的方式。比如,第二业务节点正在参加会议,该工作特性为不适合被打断,但是,指定业务类型相比于其他业务类型,紧急度高,为了及时通知第二业务节点,又不打断第二业务节点,则将引导信息以短信的方式,发送至第二业务节点,从而实现了更加满足第二业务节点的个性化需求。
基于同样的思路,本申请的一些实施例还提供了上述方法对应的设备和非易失性计算机存储介质。
图3为本申请实施例提供的一种基于区块链的数据协同处理设备的结构示意图,应用于区块链平台,所述区块链平台中包括有多个业务节点和引导节点,所述多个业务节点在链下处于不同的数据处理系统中,所述设备包括:
至少一个处理器;
以及,与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
接收第一业务节点的数据上链请求,以将所述第一业务节点在执行指定业务中生成的业务数据上链;
将所述业务数据发送给所述引导节点,以使所述引导节点根据所述指定业务的流程,确定位于所述第一业务节点下游的第二业务节点;
获取所述第二业务节点的历史业务处理数据,并根据所述历史业务处理数据,确定所述第二业务节点在固定的时长内,对不同类型的历史业务的历史处理序列;
通过预先训练的神经网络模型,将所述历史处理序列作为输入,输出得到所述第二业务节点在所述固定的时长内,针对不同类型的业务的业务序列处理偏好;
确定所述指定业务在第二业务节点对应的指定业务类型;
根据所述业务序列处理偏好与所述指定业务类型,确定所述第二业务节点在预设时间段内与所述指定业务的矛盾等级;
通过所述引导节点,根据所述第二业务节点在预设时间段内与所述指定业务的矛盾等级,确定所述第二业务节点在所述指定业务中对应的延迟引导等级;
并根据所述延迟引导等级,确定所述第二业务节点在所述指定业务中对应的引导信息;
根据所述延迟引导等级,在所述预设时间段内延迟相应的时长后,基于所述区块链平台向所述第二业务节点曝光所述业务数据,并根据所述引导信息,引导所述第二业务节点根据所述业务数据,继续处理所述指定业务。
本申请的一些实施例提供的一种基于区块链的数据协同处理非易失性计算机存储介质,存储有计算机可执行指令,应用于区块链平台,所述区块链平台中包括有多个业务节点和引导节点,所述多个业务节点在链下处于不同的数据处理系统中,所述计算机可执行指令设置为:
接收第一业务节点的数据上链请求,以将所述第一业务节点在执行指定业务中生成的业务数据上链;
将所述业务数据发送给所述引导节点,以使所述引导节点根据所述指定业务的流程,确定位于所述第一业务节点下游的第二业务节点;
获取所述第二业务节点的历史业务处理数据,并根据所述历史业务处理数据,确定所述第二业务节点在固定的时长内,对不同类型的历史业务的历史处理序列;
通过预先训练的神经网络模型,将所述历史处理序列作为输入,输出得到所述第二业务节点在所述固定的时长内,针对不同类型的业务的业务序列处理偏好;
确定所述指定业务在第二业务节点对应的指定业务类型;
根据所述业务序列处理偏好与所述指定业务类型,确定所述第二业务节点在预设时间段内与所述指定业务的矛盾等级;
通过所述引导节点,根据所述第二业务节点在预设时间段内与所述指定业务的矛盾等级,确定所述第二业务节点在所述指定业务中对应的延迟引导等级;
并根据所述延迟引导等级,确定所述第二业务节点在所述指定业务中对应的引导信息;
根据所述延迟引导等级,在所述预设时间段内延迟相应的时长后,基于所述区块链平台向所述第二业务节点曝光所述业务数据,并根据所述引导信息,引导所述第二业务节点根据所述业务数据,继续处理所述指定业务。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备和介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请实施例提供的设备和介质与方法是一一对应的,因此,设备和介质也具有与其对应的方法类似的有益技术效果,由于上面已经对方法的有益技术效果进行了详细说明,因此,这里不再赘述设备和介质的有益技术效果。
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。
在一个典型的配置中,计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器 (RAM) 和/或非易失性内存等形式,如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体 (transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请技术原理之内所作的任何修改、等同替换、改进等,均应落入本申请的保护范围之内。
Claims (9)
1.一种基于区块链的数据协同处理方法,其特征在于,应用于区块链平台,所述区块链平台中包括有多个业务节点和引导节点,所述多个业务节点在链下处于不同的数据处理系统中,所述方法包括:
接收第一业务节点的数据上链请求,以将所述第一业务节点在执行指定业务中生成的业务数据进行上链;
将所述业务数据发送给所述引导节点,以使所述引导节点根据所述指定业务的流程,确定位于所述第一业务节点下游的第二业务节点;
获取所述第二业务节点的历史业务处理数据,并根据所述历史业务处理数据,确定所述第二业务节点在固定的时长内,对不同类型的历史业务的历史处理序列;
通过预先训练的神经网络模型,将所述历史处理序列作为输入,输出得到所述第二业务节点在所述固定的时长内,针对不同类型的业务的业务序列处理偏好;
确定所述指定业务在第二业务节点对应的指定业务类型;
根据所述业务序列处理偏好与所述指定业务类型,确定所述第二业务节点在预设时间段内与所述指定业务的矛盾等级;其中,所述矛盾等级用于表示所述第二业务节点在预设时间段内继续处理所述指定业务所对应的冲突程度;
通过所述引导节点,根据所述第二业务节点在预设时间段内与所述指定业务的矛盾等级,确定所述第二业务节点在所述指定业务中对应的延迟引导等级;其中,所述延迟引导等级是指所述区块链平台在预设时间段内,向所述第二业务节点推送所述指定业务的下一阶段工作的延迟程度;
并根据所述延迟引导等级,确定所述第二业务节点在所述指定业务中对应的引导信息;
根据所述延迟引导等级,在所述预设时间段内延迟相应的时长后,基于所述区块链平台向所述第二业务节点曝光所述业务数据,并根据所述引导信息,引导所述第二业务节点根据所述业务数据,继续处理所述指定业务。
2.根据权利要求1所述的方法,其特征在于,所述通过预先训练的神经网络模型,将所述历史处理序列作为输入,输出得到所述第二业务节点在所述固定的时长内,针对不同类型的业务的业务序列处理偏好之前,所述方法还包括:
获取所述第二业务节点的样本业务处理数据,并根据所述样本业务处理数据,确定所述第二业务节点在固定的时长内,对不同类型的样本业务的样本处理序列;
以所述不同类型的样本业务的样本处理序列作为输入样本,以所述第二业务节点在所述固定的时长内,针对不同类型的业务的业务序列处理偏好作为样本标签,对所述神经网络模型进行监督训练。
3.根据权利要求1所述的方法,其特征在于,所述根据所述第二业务节点在预设时间段内与所述指定业务的矛盾等级,确定所述第二业务节点在所述指定业务中对应的延迟引导等级,具体包括:
根据所述第二业务节点在预设时间段内与所述指定业务的矛盾等级,所在的评分区间,以及所述矛盾等级对应的标准归一化区间,确定所述第二业务节点在所述预设时间段内与所述指定业务的延迟引导分;
其中,在所述不同类型的业务的矛盾等级相同时,所述不同类型的业务的矛盾等级,所在的评分区间不同;
通过所述延迟引导分,确定所述第二业务节点在所述指定业务中对应的延迟引导等级。
5.根据权利要求1所述的方法,其特征在于,所述接收第一业务节点的数据上链请求之前,所述方法还包括:
所述第一业务节点,将所述第一业务节点在执行指定业务中生成的业务数据加入时间前缀和自定义后缀,并存入字符串;
将所述字符串转换成字节数组并进行可变长度字符编码,对编码后的字节数组进行哈希加密,将加密后的字节数组存入预设字节数组中;
将所述预设字节数组进行翻转,并定义循环,截取所述预设字节数组中的一段,转换为字符串。
6.根据权利要求1所述的方法,其特征在于,所述引导节点根据所述指定业务的流程,确定位于所述第一业务节点下游的第二业务节点,具体包括:
将多个业务中的各业务节点作为节点,将所述各业务节点之间的流转条件关系作为边,构建所述各业务节点对应的流程图谱;其中,每个业务中包括多个业务节点;
在所述流程图谱中,根据所述指定业务的流程,确定位于所述第一业务节点下游的多个第三业务节点;
分别确定待流转至各第三业务节点的业务节点数量;
在所述多个第三业务节点中,根据所述待流转至各第三业务节点的业务节点数量,确定继续处理所述指定业务的第二业务节点。
7.根据权利要求6所述的方法,其特征在于,所述根据所述指定业务的流程,确定位于所述第一业务节点下游的多个第三业务节点,具体包括:
确定与所述第一业务节点具有流转条件关系的多个第四业务节点;
分别将所述第一业务节点与各第四业务节点之间的流转条件关系,与继续处理所述指定业务对应的指定业务类型进行匹配,以在所述多个第四业务节点中,确定位于所述第一业务节点下游的多个第三业务节点。
8.根据权利要求1所述的方法,其特征在于,所述根据所述延迟引导等级,确定所述第二业务节点在所述指定业务中对应的引导信息之后,所述方法还包括:
根据所述延迟引导等级,确定向所述第二业务节点曝光所述业务数据的延迟时长;
从所述第二业务节点在所述预设时间段内的业务处理量中,确定至少一个目标业务类型;
确定执行所述至少一个目标业务类型所需的处理时长,以及所述至少一个目标业务类型的工作特性;其中,所述工作特性用于表示所述第二业务节点在执行所述目标业务类型时,是否适合被打断;
若所述延迟时长小于所述处理时长,则根据所述至少一个目标业务类型的工作特性,确定向所述第二业务节点推送所述引导信息的方式。
9.一种基于区块链的数据协同处理设备,其特征在于,应用于区块链平台,所述区块链平台中包括有多个业务节点和引导节点,所述多个业务节点在链下处于不同的数据处理系统中,所述设备包括:
至少一个处理器;
以及,与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
接收第一业务节点的数据上链请求,以将所述第一业务节点在执行指定业务中生成的业务数据上链;
将所述业务数据发送给所述引导节点,以使所述引导节点根据所述指定业务的流程,确定位于所述第一业务节点下游的第二业务节点;
获取所述第二业务节点的历史业务处理数据,并根据所述历史业务处理数据,确定所述第二业务节点在固定的时长内,对不同类型的历史业务的历史处理序列;
通过预先训练的神经网络模型,将所述历史处理序列作为输入,输出得到所述第二业务节点在所述固定的时长内,针对不同类型的业务的业务序列处理偏好;
确定所述指定业务在第二业务节点对应的指定业务类型;
根据所述业务序列处理偏好与所述指定业务类型,确定所述第二业务节点在预设时间段内与所述指定业务的矛盾等级;其中,所述矛盾等级用于表示所述第二业务节点在预设时间段内继续处理所述指定业务所对应的冲突程度;
通过所述引导节点,根据所述第二业务节点在预设时间段内与所述指定业务的矛盾等级,确定所述第二业务节点在所述指定业务中对应的延迟引导等级;其中,所述延迟引导等级是指所述区块链平台在预设时间段内,向所述第二业务节点推送所述指定业务的下一阶段工作的延迟程度;
并根据所述延迟引导等级,确定所述第二业务节点在所述指定业务中对应的引导信息;
根据所述延迟引导等级,在所述预设时间段内延迟相应的时长后,基于所述区块链平台向所述第二业务节点曝光所述业务数据,并根据所述引导信息,引导所述第二业务节点根据所述业务数据,继续处理所述指定业务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210308737.4A CN114490697B (zh) | 2022-03-28 | 2022-03-28 | 一种基于区块链的数据协同处理方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210308737.4A CN114490697B (zh) | 2022-03-28 | 2022-03-28 | 一种基于区块链的数据协同处理方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114490697A CN114490697A (zh) | 2022-05-13 |
CN114490697B true CN114490697B (zh) | 2022-09-06 |
Family
ID=81488561
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210308737.4A Active CN114490697B (zh) | 2022-03-28 | 2022-03-28 | 一种基于区块链的数据协同处理方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114490697B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107391526A (zh) * | 2017-03-28 | 2017-11-24 | 阿里巴巴集团控股有限公司 | 一种基于区块链的数据处理方法及设备 |
CN112286689A (zh) * | 2020-11-05 | 2021-01-29 | 宁波环杭州湾大数据信息技术有限公司 | 一种适用于区块链工作量证明的协作式分流与储存方法 |
CN213693769U (zh) * | 2020-09-28 | 2021-07-13 | 山东国赢大数据产业有限公司 | 一种基于容器技术的分布式产权交易系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9477772B2 (en) * | 2004-01-28 | 2016-10-25 | Pointofdata Corporation | Storing and retrieving objects on a computer network in a distributed database |
CN109598147B (zh) * | 2018-09-30 | 2020-01-21 | 阿里巴巴集团控股有限公司 | 基于区块链的数据处理方法及装置、电子设备 |
CN111435463B (zh) * | 2019-01-11 | 2024-07-05 | 华为技术有限公司 | 数据处理方法及相关设备、系统 |
CN111368315B (zh) * | 2020-03-02 | 2021-05-04 | 广东财经大学 | 基于分布式协同信任管理框架的大数据信任管理系统 |
CN112308057A (zh) * | 2020-10-13 | 2021-02-02 | 山东国赢大数据产业有限公司 | 一种基于文字位置信息的ocr优化方法及系统 |
CN113034281A (zh) * | 2021-03-16 | 2021-06-25 | 中国工商银行股份有限公司 | 基于区块链的业务数据处理方法、相关系统及节点 |
-
2022
- 2022-03-28 CN CN202210308737.4A patent/CN114490697B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107391526A (zh) * | 2017-03-28 | 2017-11-24 | 阿里巴巴集团控股有限公司 | 一种基于区块链的数据处理方法及设备 |
CN213693769U (zh) * | 2020-09-28 | 2021-07-13 | 山东国赢大数据产业有限公司 | 一种基于容器技术的分布式产权交易系统 |
CN112286689A (zh) * | 2020-11-05 | 2021-01-29 | 宁波环杭州湾大数据信息技术有限公司 | 一种适用于区块链工作量证明的协作式分流与储存方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114490697A (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10176309B2 (en) | Systems and methods for authenticating video using watermarks | |
US11886544B1 (en) | Authentication of compressed media data based on immutable ledgers | |
AU2019265827B2 (en) | Blockchain-based music originality analysis method and apparatus | |
US11948572B2 (en) | Modulation of packetized audio signals | |
EP4114012A1 (en) | Method and apparatus for processing multimedia information, and electronic device and storage medium | |
CN112968883B (zh) | 一种安全性高的区块链异构共识方法及终端 | |
US11295738B2 (en) | Modulation of packetized audio signals | |
US20150341176A1 (en) | Digitally Signing JSON Messages | |
CN112700242A (zh) | 一种区块链的敏感信息前置检测的方法、设备及介质 | |
CN111143674A (zh) | 一种数据处理方法及装置 | |
CN114490697B (zh) | 一种基于区块链的数据协同处理方法及设备 | |
CN112100689B (zh) | 一种可信数据处理方法、装置及设备 | |
KR102608325B1 (ko) | 클라이언트 장치에서 통신의 무결성 보호 | |
KR102199967B1 (ko) | 위변조 데이터가 네트워크에 저장되는 것을 방지하는 방법 및 상기 방법을 수행하는 시스템 | |
US20230102116A1 (en) | Verifying the trustworthiness of web applications | |
WO2021120227A1 (zh) | 一种信息推荐方法及装置 | |
CN112035800A (zh) | 一种基于区块链的版权信息存证方法、设备及介质 | |
CN116757558B (zh) | 基于数据挖掘的醇类精制工艺质量预测方法及系统 | |
CN116348874B (zh) | 使用鉴证令牌的安全归因的方法、系统以及介质 | |
JP7098065B1 (ja) | 電気通信ネットワーク測定におけるデータ操作の防止およびユーザのプライバシーの保護 | |
CN118364025A (zh) | 基于区块链的族谱信息处理方法、设备及介质 | |
CN117829240A (zh) | 预训练语言模型参数微调方法、装置、设备及介质 | |
CN115310919A (zh) | 数据协作方法、装置、电子设备及存储介质 | |
CN116775262A (zh) | Wasm代码的处理方法、设备及系统 | |
CN114979193A (zh) | 一种车联网的数据处理方法、装置及电子设备 |
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 |