CN114677057B - 基于机器学习的绿色能源金融数据的采集评价方法及系统 - Google Patents

基于机器学习的绿色能源金融数据的采集评价方法及系统 Download PDF

Info

Publication number
CN114677057B
CN114677057B CN202210576261.2A CN202210576261A CN114677057B CN 114677057 B CN114677057 B CN 114677057B CN 202210576261 A CN202210576261 A CN 202210576261A CN 114677057 B CN114677057 B CN 114677057B
Authority
CN
China
Prior art keywords
data acquisition
enterprise
evaluation
encryption
sub
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
Application number
CN202210576261.2A
Other languages
English (en)
Other versions
CN114677057A (zh
Inventor
沈华强
蒋雪萍
张德奇
杨玲
朱金尧
徐瑜琼
赵学海
王勤
谢颖
张永建
沈志宏
徐亦晨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Zhejiang Electric Power Co Ltd
Shaoxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
State Grid Zhejiang Electric Power Co Ltd
Shaoxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Zhejiang Electric Power Co Ltd, Shaoxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical State Grid Zhejiang Electric Power Co Ltd
Priority to CN202210576261.2A priority Critical patent/CN114677057B/zh
Publication of CN114677057A publication Critical patent/CN114677057A/zh
Application granted granted Critical
Publication of CN114677057B publication Critical patent/CN114677057B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Security & Cryptography (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Bioethics (AREA)
  • Software Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Hardware Design (AREA)
  • Marketing (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明提供一种基于机器学习的绿色能源金融数据的采集评价方法及系统，包括：服务器获取待采集企业中的企业标签，生成多个维度的数据采集插件，将数据采集插件分别发送至相应维度的数据库；数据采集插件根据预设目标信息采集相应数据库内的评价子指标，基于集的评价子指标、企业标签进行哈希计算得到第一哈希值；数据库在判断数据采集插件完成评价子指标的加密后，服务器对数据采集插件解密后得到评价子指标，基于第一哈希值对数据采集插件所采集的所有评价子指标进行验证；将评价子指标分别输入至预先配置的绿色能源金融模型中进行评价计算，得到每个企业所对应的绿色能源金融评分；根据绿色能源金融评分确定相对应的金融政策和/或碳中和行为。

Description

基于机器学习的绿色能源金融数据的采集评价方法及系统
技术领域
本发明涉及人工智能、数据处理技术领域，尤其涉及一种基于机器学习的绿色能源金融数据的采集评价方法及系统。
背景技术
绿色金融可以看作是企业在生产过程中的效益与消耗能耗、排污水平等指标之间的关系，通过以上的方式可以使多个企业根据效益和耗能之间的占比进行计算，确定出耗能低、排污少、效益相对更高的企业，进而进行重点的金融帮扶。由于以上指标的确认使得需要采集的信息具有多元化、大量化的特点，所以导致以上的信息、数据需要多个数据库内的数据进行支撑，现有技术中并无法针对以上数据进行有效的采集，也无法进行相应的计算得到每个企业关于绿色能源的金融评价。
发明内容
本发明实施例提供一种基于机器学习的绿色能源金融数据的采集评价方法及系统，既能够对数据库内的数据进行有效、安全的采集，又能够计算得到每个企业关于绿色能源的金融评价，并得到相对应的企业金融政策和/或碳中和行为，使得本发明能够根据不同的绿色能源行为对企业进行差异化的金融、碳中和处理。
本发明实施例的第一方面，提供的基于机器学习的绿色能源金融数据的采集评价方法，服务器分别与多个维度的数据库连接，通过以下步骤进行数据采集评价，包括：
服务器获取待采集企业中的企业标签，基于所述企业标签生成多个维度的数据采集插件，在所述数据采集插件配置哈希加密逻辑后将所述数据采集插件分别发送至相应维度的数据库；
数据采集插件根据预设目标信息采集相应数据库内的评价子指标，基于所采集的评价子指标、企业标签进行哈希计算得到第一哈希值，基于所述第一哈希值对评价子指标进行加密；
数据库在判断数据采集插件完成评价子指标的加密后，将所述数据采集插件发送至服务器，服务器对所述数据采集插件解密后得到评价子指标，基于所述第一哈希值对数据采集插件所采集的所有评价子指标进行验证；
若所有评价子指标的验证结果为正确，则将评价子指标分别输入至预先配置的绿色能源金融模型中进行评价计算，得到每个企业所对应的绿色能源金融评分；
根据所述绿色能源金融评分确定相对应的金融政策和/或碳中和行为。
可选地，在第一方面的一种可能实现方式中，所述服务器获取待采集企业中的企业标签，基于所述企业标签生成多个维度的数据采集插件，在所述数据采集插件配置哈希加密逻辑后将所述数据采集插件分别发送至相应维度的数据库，包括：
根据所述企业标签确定相对应的第一数据采集模板，获取与所述第一数据采集模板相对应的所有第一子目标信息；
根据第一子目标信息在所述第一数据采集模板中创建相对应的指标空位，在所述第一数据采集模板中创建相对应的标签空位得到第二数据采集模板，对所有的指标空位、标签空位添加排序标记，得到相对应的加密排序表；
在数据采集插件中配置具有哈希加密逻辑的哈希加密单元，基于所述加密排序表对所述哈希加密逻辑进行更新，使得哈希加密逻辑基于加密排序表调取指标空位和/或标签空位内的信息和/或标签；
将具有哈希加密单元和第二数据采集模板的数据采集插件发送至相应维度的数据库。
可选地，在第一方面的一种可能实现方式中，所述将具有哈希加密单元和第二数据采集模板的数据采集插件发送至相应维度的数据库，包括：
在数据采集插件中创建加密信息存储单元，根据所述加密排序表在所述加密信息存储单元中划分多个子存储单元，每个子存储单元用于存储一个评价子指标；
根据所述加密排序表生成加密信息对应表，所述加密信息对应表中具有每个指标空位与子存储单元的对应关系；
将具有哈希加密单元、第二数据采集模板以及加密信息存储单元的数据采集插件发送至相应维度的数据库。
可选地，在第一方面的一种可能实现方式中，所述数据采集插件根据预设目标信息采集相应数据库内的评价子指标，基于所采集的评价子指标、企业标签进行哈希计算得到第一哈希值，基于所述第一哈希值对评价子指标进行加密，包括：
所述预设目标信息包括多个第一子目标信息，基于所述第一子目标信息采集相应数据库内的多个评价子指标；
根据所述第一子目标信息与指标空位的对应关系，将多个评价子指标分别填充至第二数据采集模板的指标空位处；
基于所述加密排序表依次调取相应指标空位和标签空位内的评价子指标和企业标签，基于哈希加密逻辑对评价子指标和企业标签进行哈希计算得到第一哈希值；
在得到第一哈希值后，根据加密信息对应表将指标空位内的评价子指标存储至加密信息存储单元相应的子存储单元内，基于第一哈希值对加密信息存储单元加密；
将所述第二数据采集模板的指标空位内的评价子指标删除，以使所述数据采集插件在传输过程中指标空位为空。
可选地，在第一方面的一种可能实现方式中，所述根据所述第一子目标信息与指标空位的对应关系，将多个评价子指标分别填充至第二数据采集模板的指标空位处，包括：
若判断任意一个指标空位处没有填充相应的评价子指标，则将相应的指标空位作为人工填充空位进行人工填充标记；
将所述人工填充空位发送至数据库的显示端处，若数据库的输入端输入与人工填充空位相对应的评价子指标，则将所述评价子指标填充至人工填充空位内。
可选地，在第一方面的一种可能实现方式中，还包括：
若在第一时间段内数据库的输入端未输入与人工填充空位相对应的评价子指标，则将所述人工填充空位修改为历史填充空位，并对所述历史填充空位进行历史填充标记；
获取与所述历史填充空位相对应上一个时刻的评价子指标，将上一个时刻的评价子指标填充至历史填充空位内。
可选地，在第一方面的一种可能实现方式中，还包括：
统计每一个数据采集插件的第二数据采集模板中所对应的人工填充标记和/或历史填充标记的数量；
若判断所述人工填充标记大于第一预设数量或历史填充标记的数量大于第二预设数量，则将所述数据采集插件所对应的数据库进行显示，以使相应数据库的工作人员对相应的评价子指标进行更新、规范存储。
可选地，在第一方面的一种可能实现方式中，所述基于所述加密排序表依次调取相应指标空位和标签空位内的评价子指标和企业标签，基于哈希加密逻辑对评价子指标和企业标签进行哈希计算得到第一哈希值，包括：
哈希加密逻辑根据加密排序表对所有的评价子指标和企业标签进行排序得到第一加密排序结果；
对所述评价子指标和企业标签进行字符转换处理，得到字符化的第一加密排序结果；
基于哈希加密逻辑对字符化的第一加密排序结果进行哈希运算得到第一哈希值。
可选地，在第一方面的一种可能实现方式中，所述在得到第一哈希值后，根据加密信息对应表将指标空位内的评价子指标存储至加密信息存储单元相应的子存储单元内，基于第一哈希值对加密信息存储单元加密，包括：
数据采集插件接收数据库发送的静态加密信息，将所述第一哈希值、静态加密信息组合得到第一加密密钥；
基于所述第一加密密钥对信息存储单元加密处理，将所述第一加密密钥传送至数据库，数据库以异步的形式将所述第一加密密钥和数据采集插件发送至服务器。
可选地，在第一方面的一种可能实现方式中，所述数据库在判断数据采集插件完成评价子指标的加密后，将所述数据采集插件发送至服务器，服务器对所述数据采集插件解密后得到评价子指标，基于所述第一哈希值对数据采集插件所采集的所有评价子指标进行验证，包括：
数据采集插件接收服务器发送的第一加密密钥，基于第一加密密钥对信息存储单元解密处理；
哈希加密逻辑根据加密排序表对解密处理后所有的评价子指标和企业标签进行排序得到第二加密排序结果；
对所述评价子指标和企业标签进行字符转换处理，得到字符化的第二加密排序结果；
基于哈希加密逻辑对字符化的第二加密排序结果进行哈希运算得到在服务器位置处的第二哈希值；
提取数据采集插件在数据库位置时生成的第一哈希值，基于所述第一哈希值和第二哈希值对数据采集插件所采集的所有评价子指标进行验证。
可选地，在第一方面的一种可能实现方式中，所述若所有评价子指标的验证结果为正确，则将评价子指标分别输入至预先配置的绿色能源金融模型中进行评价计算，得到每个企业所对应的绿色能源金融评分，包括：
数据采集插件若判断所述第一哈希值和第二哈希值相对应，则所有评价子指标的验证结果为正确；
数据采集插件将提取信息存储单元内的评价子指标，根据所述加密信息对应表将所述评价子指标置于第二数据采集模板的指标空位内；
服务器提取第二数据采集模板每个指标空位内的评价子指标输入至相应的绿色能源金融模型中进行计算，得到绿色能源金融评分；
服务器提取标签空位内的企业标签，将所述企业标签与所述绿色能源金融评分相对应存储。
可选地，在第一方面的一种可能实现方式中，所述服务器提取第二数据采集模板每个指标空位内的评价子指标输入至相应的绿色能源金融模型中进行计算，得到绿色能源金融评分，包括：
对每个第二数据采集模板的评价子指标进行分类得到行业能耗指标集合、企业能耗指标集合、企业能耗趋势指标集合、企业能耗稳定指标集合、企业污水指标集合、企业碳排放指标集合以及企业低碳转型指标集合；
基于所述行业能耗指标集合进行计算得到行业能耗强度评价系数；
基于所述企业能耗指标集合进行计算得到企业能耗强度评价系数；
基于所述企业能耗趋势指标集合进行计算得到企业能耗趋势评价系数；
基于所述企业能耗稳定指标集合进行计算得到企业能耗稳定性评价系数；
基于所述企业污水指标集合进行计算得到企业污水水平评价系数；
基于所述企业碳排放指标集合进行计算得到企业碳排放强度评价系数；
基于所述企业低碳转型指标集合进行计算得到企业低碳转型评价系数；
分别对所述行业能耗强度评价系数、企业能耗强度评价系数、企业能耗趋势评价系数、企业能耗稳定性评价系数、企业污水水平评价系数、企业碳排放强度评价系数以及企业低碳转型评价系数进行加权处理得到绿色能源金融评分。
可选地，在第一方面的一种可能实现方式中，所述根据所述绿色能源金融评分确定相对应的金融政策和/或碳中和行为，包括：
确定与所述绿色能源金融评分相对应的金融评分区间，根据所述金融评分区间确定相对应的金融政策，每个金融评分区间具有预先设置的金融政策；
确定与所述绿色能源金融评分相对应的碳中和评分区间，根据所述碳中和评分区间确定相对应的碳中和行为，每个碳中和评分区间具有预先设置的碳中和行为。
本发明实施例的第二方面，提供一种基于机器学习的绿色能源金融数据的采集评价系统，服务器分别与多个维度的数据库连接，通过以下模块进行数据采集评价，包括：
生成模块，用于使服务器获取待采集企业中的企业标签，基于所述企业标签生成多个维度的数据采集插件，在所述数据采集插件配置哈希加密逻辑后将所述数据采集插件分别发送至相应维度的数据库；
采集模块，用于使数据采集插件根据预设目标信息采集相应数据库内的评价子指标，基于所采集的评价子指标、企业标签进行哈希计算得到第一哈希值，基于所述第一哈希值对评价子指标进行加密；
发送模块，用于使数据库在判断数据采集插件完成评价子指标的加密后，将所述数据采集插件发送至服务器，服务器对所述数据采集插件解密后得到评价子指标，基于所述第一哈希值对数据采集插件所采集的所有评价子指标进行验证；
计算模块，用于若所有评价子指标的验证结果为正确，则将评价子指标分别输入至预先配置的绿色能源金融模型中进行评价计算，得到每个企业所对应的绿色能源金融评分；
确定模块，用于根据所述绿色能源金融评分确定相对应的金融政策和/或碳中和行为。
本发明实施例的第三方面，提供一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现本发明第一方面及第一方面各种可能设计的所述方法。
本发明提供的一种基于机器学习的绿色能源金融数据的采集评价方法及系统。能够根据不同的企业、所采集的不同数据库内的评价子指标的不同生成不同的数据采集插件，使得本发明能够通过数据采集插件的形式进行数据采集。该种方式相较于传统实时采集信息的方式，无需与目标的数据库建立长时间的数据采集连接，进而保障被采集信息的数据库的安全性。并且在将数据采集插件发送至相应的数据库，数据库可以根据自身的防火墙系统对数据采集插件进行验证，避免出现木马等病毒。使得在对电网、银行、税务局等敏感数据库进行数据的获取时能够进行合规、风险低的数据采集。本发明会结合哈希算法对数据采集插件所采集的评价子指标进行加密、验证，并且在得到所有数据库内的评价子指标后，通过绿色能源金融模型进行综合的评价计算，得到相对应的绿色能源金融评分，并确定相应的金融政策和/或碳中和行为，使得本发明能够既能够对数据库内的数据进行有效、安全的采集，又能够计算得到每个企业关于绿色能源的金融评价，并得到相对应的企业金融政策和/或碳中和行为，使得本发明能够根据不同的绿色能源行为对企业进行差异化的金融、碳中和处理。
本发明提供的技术方案，会根据不同数据库的不同第一子目标信息对第一数据采集模板进行刻画，得到每个数据库唯一相对应的第二数据采集模板，并且结合加密排序表对所有的评价子指标进行排序并计算相应的第一哈希值，并且根据第一哈希值对所有的评价子指标进行加密，将加密后的评价子指标存储于加密信息存储单元内，使得在对数据采集插件进行数据传输时，评价子指标都是存储于加密信息存储单元内的，不会对评价子指标进行外泄，此时的第二数据采集模板的指标空位内并不存储相应的评价子指标，该种方式能够使得其他人员在得到数据采集插件后也无法提取到相应的评价子指标，使得评价子指标在数据传输过程中的保密性能够得到保障。并且，本发明会根据评价子指标的缺失，采取不同的方式填充人工输入的评价子指标、或填充上一个时刻的评价子指标，保障在进行计算时，评价子指标的完整性。
为了保障评价子指标在数据传输过程中不会被篡改，数据采集插件会在数据库内初始采集评价子指标时得到第一哈希值，并且在服务器处需要对评价子指标进行计算时得到第二哈希值，进而根据第一哈希值和第二哈希值验证评价子指标的准确性，避免出现被他人篡改的情况，保障所计算的绿色能源金融评分与企业是相对应的、准确的。
附图说明
图1为本发明技术方案的应用场景示意图；
图2为本发明基于机器学习的绿色能源金融数据的采集评价方法的流程图；
图3为本发明基于机器学习的绿色能源金融数据的采集评价系统的结构图；
图4为本发明提供的多维度评价的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等（如果存在）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。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解，在本发明中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。
取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
如图1所示，为本发明提供的技术方案的场景示意图，包括服务器以及与所述服务器连接的数据库，数据库可能存在多个，例如银行系统的银行数据库、税务系统的税务数据库、不同企业的企业数据库以及电网系统的电网数据库。不同类型的数据库内会存储有不同类型的信息、数据、指标。通过银行数据库可以得到企业的例如营业收入、利润收入等指标。通过税务数据库可以得到企业的例如企业单位税收、企业单位税收增长率等指标。通过电网数据库可以得到企业的能耗、企业所在行业的能耗等等。通过企业数据库可以得到企业排放碳足迹、不同类型能源的消耗情况、消耗占比等等。
本发明提供一种基于机器学习的绿色能源金融数据的采集评价方法，服务器分别与多个维度的数据库连接，通过以下步骤进行数据采集评价，如图2所示，包括：
步骤S110、服务器获取待采集企业中的企业标签，基于所述企业标签生成多个维度的数据采集插件，在所述数据采集插件配置哈希加密逻辑后将所述数据采集插件分别发送至相应维度的数据库。本发明中，不同的企业会具有不同的企业标签，例如企业A对应的企业标签即可以是A，本发明会根据企业标签生成多个维度的数据采集插件，不同维度的数据采集插件用于采集不同数据库内的信息、数据及子指标。在配置完成数据采集插件后，本发明会将不同维度的数据采集插件发送至相应的数据库内进行数据的采集。
本发明提供的技术方案，在一个可能的实施方式中，步骤S110包括：
根据所述企业标签确定相对应的第一数据采集模板，获取与所述第一数据采集模板相对应的所有第一子目标信息。本发明首先会确定相对应的第一数据采集模板，第一数据采集模板可以是预先设置的，本发明会为每个企业所对应的数据库设置相对应的第一数据采集模板，此时每个数据库所对应的第一数据采集模板可以是相同的。由于每个第一数据采集模板分别对应不同的数据库，所以此时每个第一数据采集模板会与不同数据库内的第一子目标信息相对应。
根据第一子目标信息在所述第一数据采集模板中创建相对应的指标空位，在所述第一数据采集模板中创建相对应的标签空位得到第二数据采集模板，对所有的指标空位、标签空位添加排序标记，得到相对应的加密排序表。本发明会根据不同的第一子目标信息在第一数据采集模板中创建相对应的指标空位，例如第一数据采集模板为与银行数据库相对应，则此时在第一数据采集模板中所创建的指标空位即可以是营业收入空位、利润收入空位等等，第一子目标信息即可以是营业收入、利润收入。可以这样理解，不同的空位会对应存储不同的指标。本发明会在第一数据采集模板中创建相对应的标签空位，标签空位用于存储不同企业的企业标签，进而确定相应的第一数据采集模板、数据采集插件所采集的信息、数据、指标所对应的企业。为了使后续能够具有顺序逻辑对评价子指标进行哈希运算、计算，本发明会对所有的指标空位、标签空位添加排序标记，排序标记可以是随机添加的，也可以是根据指标空位、标签空位的生成时刻的顺序排序添加的。
在数据采集插件中配置具有哈希加密逻辑的哈希加密单元，基于所述加密排序表对所述哈希加密逻辑进行更新，使得哈希加密逻辑基于加密排序表调取指标空位和/或标签空位内的信息和/或标签。本发明提供的技术方案中，数据采集插件或具有相对应的哈希加密单元，哈希加密单元内用于存储哈希加密逻辑所对应的代码，本发明会根据加密排序表对所述哈希加密逻辑进行更新，使得哈希加密单元在对指标空位、标签空位内的信息、数据及指标进行计算时，能够按照加密排序表中的指标空位和/或标签空位的顺序进行信息、数据及指标的调取、提取，使得所计算的指标、标签是具有排列顺序的，进而使得在计算第一哈希值和第二哈希值都是按照相同的指标的顺序进行计算的，进而保障哈希运算时输入数据、指标的相对一致性。
将具有哈希加密单元和第二数据采集模板的数据采集插件发送至相应维度的数据库。本发明会将具有哈希加密单元和第二数据采集模板的数据采集插件进行发送，使得在相应的数据库内，能够根据该数据采集插件进行相应信息、数据、指标的采集。
本发明提供的技术方案，在一个可能的实施方式中，所述将具有哈希加密单元和第二数据采集模板的数据采集插件发送至相应维度的数据库，包括：
在数据采集插件中创建加密信息存储单元，根据所述加密排序表在所述加密信息存储单元中划分多个子存储单元，每个子存储单元用于存储一个评价子指标。本发明会通过加密信息存储单元的子存储单元对评价子指标进行存储，使得每个评价子指标都具有独立的存储空间，易于统计、调取。并且，本发明会根据加密排序表在加密信息存储单元中划分多个子存储单元，使得本发明的子存储单元与指标空位是相对应的，不存在多余或缺少子存储单元的情况，使得每个指标空位所对应的评价子指标都具有相对应的子存储区间。
根据所述加密排序表生成加密信息对应表，所述加密信息对应表中具有每个指标空位与子存储单元的对应关系。本发明会根据加密排序表生成加密信息对应表，可以这样理解，加密排序表与加密信息对应表的序号关系相对应，此时可以根据加密排序表得到加密信息对应表，此时加密信息表中的序号与加密排序表中的序号可以是同步的，并且在加密信息表中的每个序号处设置相对应的子存储单元。通过该种方式，可以使得每个指标空位与每一个子存储单元具有对应关系。例如与第一加密排序表的序号所对应的第一指标空位用于放置、展示营业收入指标，此时第一加密排序表的序号所对应的第一子存储单元即用于对营业收入指标进行存储，即此时第一子存储单元与第一指标空位即可以看作是具有对应关系。
将具有哈希加密单元、第二数据采集模板以及加密信息存储单元的数据采集插件发送至相应维度的数据库。 本发明会将具有哈希加密单元、第二数据采集模板以及加密信息存储单元3个部分的数据采集插件发送至数据库，使得该数据采集插件在相应的数据库内完成数据、信息以及指标的采集。
步骤S120、数据采集插件根据预设目标信息采集相应数据库内的评价子指标，基于所采集的评价子指标、企业标签进行哈希计算得到第一哈希值，基于所述第一哈希值对评价子指标进行加密。本发明会根据预设目标信息确定数据库内的评价子指标，预设目标信息即包括上述的第一子目标信息，预设目标信息由多个第一子目标信息构成，本发明在得到每个指标空位的评价子指标后，会根据评价子指标、企业标签进行哈希计算得到第一哈希值，并结合第一哈希值对评价子指标进行加密，使得评价子指标在传输的过程中具有保密性，即使数据采集插件被不法分子获取业务提取相应的评价子指标。
本发明提供的技术方案，在一个可能的实施方式中，步骤S120包括：
所述预设目标信息包括多个第一子目标信息，基于所述第一子目标信息采集相应数据库内的多个评价子指标。本发明会根据第一子目标信息采集相应数据库内的多个评价子指标，例如第一子目标信息为营业收入，则此时会在数据库内得到营业收入所对应的数值，例如1000万。
根据所述第一子目标信息与指标空位的对应关系，将多个评价子指标分别填充至第二数据采集模板的指标空位处。本发明会在得到评价子指标后，会将评价子指标填充至指标空位处。在每个指标空位处都填充到相应的评价子指标后，则此时第二数据采集模板完成相应的信息、数据及指标的采集。
基于所述加密排序表依次调取相应指标空位和标签空位内的评价子指标和企业标签，基于哈希加密逻辑对评价子指标和企业标签进行哈希计算得到第一哈希值。本发明会根据加密排序表依次调取相应指标空位和标签空位内的评价子指标和企业标签，此时的评价子指标可能是数值，例如1000、5000等等，此时的企业标签可能是企业A等等。本发明会根据评价子指标和企业标签进行哈希计算得到相对应的第一哈希值。
在得到第一哈希值后，根据加密信息对应表将指标空位内的评价子指标存储至加密信息存储单元相应的子存储单元内，基于第一哈希值对加密信息存储单元加密。本发明会在得到第一哈希值后，则将评价子指标存储至加密信息存储单元相应的子存储单元，使得在对数据采集插件进行信息、数据及指标的传输时，相应的信息、数据及指标是位于子存储单元内进行传输的，保证了其保密性、不被篡改性。在所有的评价子指标存储至加密信息存储单元相应的子存储单元内后，本发明会根据第一哈希值对加密信息存储单元加密，使得采集不同的数据库的数据采集插件所对应的加密密钥都是不同的、动态变化的。
将所述第二数据采集模板的指标空位内的评价子指标删除，以使所述数据采集插件在传输过程中指标空位为空。本发明会在将评价子指标存储至加密信息存储单元相应的子存储单元内后，将第二数据采集模板的指标空位内的评价子指标删除，使得第二数据采集模板内不再填充相应的指标，避免在数据采集插件的传输过程中出现泄漏、被他人截获的情况出现。
本发明提供的技术方案，在一个可能的实施方式中，所述根据所述第一子目标信息与指标空位的对应关系，将多个评价子指标分别填充至第二数据采集模板的指标空位处，包括：
若判断任意一个指标空位处没有填充相应的评价子指标，则将相应的指标空位作为人工填充空位进行人工填充标记。在进行评价子指标的采集过程中，由于种种原因，可能某一个指标空位处所对应的评价子指标并无法进行自动获取，所以此时会将该指标空位作为人工填充空位，并进行人工填充标记，用于提醒工作人员以手动方式进行添加相应的指标空位。
将所述人工填充空位发送至数据库的显示端处，若数据库的输入端输入与人工填充空位相对应的评价子指标，则将所述评价子指标填充至人工填充空位内。本发明会将人工填充空位发送至数据库的显示端处，此时工作人员可能会通过数据库的输入端输入与人工填充空位相对应的评价子指标，则此时通过人工方式对评价子指标进行相应的填充。使得本发明通过数据采集插件进行指标的采集时，能够结合人工、手动的方式进行采集。
本发明提供的技术方案，在一个可能的实施方式中，还包括：
若在第一时间段内数据库的输入端未输入与人工填充空位相对应的评价子指标，则将所述人工填充空位修改为历史填充空位，并对所述历史填充空位进行历史填充标记。此时工作人员并没有以手动的方式进行评价子指标的添加，所以此时本发明会将人工填充空位修改为历史填充空位，此时需要根据历史的指标、数据来确定历史填充空位内的数据、信息、指标。
获取与所述历史填充空位相对应上一个时刻的评价子指标，将上一个时刻的评价子指标填充至历史填充空位内。本发明会得到历史填充空位相对应上一个时刻的评价子指标，例如历史填充空位是营业收入，此时需要统计企业4月份的营业收入，但是并无法通过自动、手动的方式确定4月份的营业收入，所以此时提取历史的3月份的营业收入作为评价子指标填充至历史填充空位内。通过以上方式，可以在无法通过自动、手动的方式得到准确的评价子指标时，将历史的评价子指标作为输入至相应的历史填充空位内。
本发明提供的技术方案，在一个可能的实施方式中，还包括：
统计每一个数据采集插件的第二数据采集模板中所对应的人工填充标记和/或历史填充标记的数量。本发明会对人工填充标记和/或历史填充标记进行统计，进而判断无法实现正常采集的数据采集插件的实际自动采集情况，人工填充标记和/或历史填充标记的数量越多，则数据采集插件的实际自动采集情况越差。
若判断所述人工填充标记大于第一预设数量或历史填充标记的数量大于第二预设数量，则将所述数据采集插件所对应的数据库进行显示，以使相应数据库的工作人员对相应的评价子指标进行更新、规范存储。此时则证明可能是数据库在数据存储时出现了存储的问题，例如数据库在存储企业A的营业输入信息时，可能将企业A的字打错了，使得企业A的营业输入与企业B关联存储了，使得数据采集插件在通过第一目标子信息进行数据遍历采集时无法定位到相应的企业A的数据，所以此时需要对数据采集插件所对应的数据库进行显示，工作人员对数据库的评价子指标进行更新、筛查、规范存储，使得后续再通过数据采集插件进行自动的评价子指标的采集时，能够准确的实现评价子指标的自动采集。使得在后续处理过程中，降低人工填充标记和历史填充标记的数量。
本发明提供的技术方案，在一个可能的实施方式中，所述基于所述加密排序表依次调取相应指标空位和标签空位内的评价子指标和企业标签，基于哈希加密逻辑对评价子指标和企业标签进行哈希计算得到第一哈希值，包括：
哈希加密逻辑根据加密排序表对所有的评价子指标和企业标签进行排序得到第一加密排序结果。哈希加密逻辑会结合加密排序表对评价子指标和企业标签进行排序，此时的第一加密排序结果中的所有评价子指标、企业标签都是具有相应固定的排序顺序的。
对所述评价子指标和企业标签进行字符转换处理，得到字符化的第一加密排序结果。本发明会对评价子指标和企业标签进行字符转换，例如评价子指标对应的数值为1000，则此时可以默认其为相应的数字字符，企业标签为企业A，此时企业A是文字，需要对企业A转换为编码信息，编码信息可以是每个企业预先设置的，也可以是二进制的机器编码信息，例如101000等等。通过以上方式，使得本发明能够将第一加密排序结果内的所有字符都转换为数字。
基于哈希加密逻辑对字符化的第一加密排序结果进行哈希运算得到第一哈希值。本发明会对全部为数字的第一加密排序结果进行哈希运算，得到相对应的第一哈希值。哈希运算具有相应的数据属性，即相同的数据所得到的的哈希值是相同的，基于该属性，本发明可以实现对评价子指标的一致性进行验证。
本发明提供的技术方案，在一个可能的实施方式中，所述在得到第一哈希值后，根据加密信息对应表将指标空位内的评价子指标存储至加密信息存储单元相应的子存储单元内，基于第一哈希值对加密信息存储单元加密，包括：
数据采集插件接收数据库发送的静态加密信息，将所述第一哈希值、静态加密信息组合得到第一加密密钥。本发明会首先接收数据库发送的静态加密信息，不同维度的数据库所对应的静态加密信可能是不同的。可以这样理解，不同的企业在同一个数据库内所对应的静态加密信息是相同的，此时本发明会将第一哈希值、静态加密信息组合得到第一加密密钥。本发明可以设置两个加密槽位，将第一哈希值填充于第一个加密槽位内，将静态加密信息填充于第二个加密槽位内，例如槽位1-槽位2，第一哈希值为1011，静态加密信息为2001，此时第一加密密钥即为1011-2001。该种方式组合的第一加密密钥，易于提取相对应的第一哈希值，使得后续在通过第一哈希值对评价子指标进行验证时易于提取第一加密密钥中的第一哈希值。
基于所述第一加密密钥对信息存储单元加密处理，将所述第一加密密钥传送至数据库，数据库以异步的形式将所述第一加密密钥和数据采集插件发送至服务器。本发明采用第一加密密钥对信息存储单元进行加密处理，并且将第一加密密钥传送至数据库，数据库即具有相对应数据采集插件的第一加密密钥。为了避免第一加密密钥、数据采集插件同时被不法人员获取，本发明会通过异步的形式将所述第一加密密钥和数据采集插件发送至服务器，例如通过不同的数据传输链路进行传输等等，也可是在不同的时间通过同一个数据传输链路进行数据传输，对于异步传输的形式本发明不做任何限定。
步骤S130、数据库在判断数据采集插件完成评价子指标的加密后，将所述数据采集插件发送至服务器，服务器对所述数据采集插件解密后得到评价子指标，基于所述第一哈希值对数据采集插件所采集的所有评价子指标进行验证。在数据库接收到第一加密密钥后，则判断数据采集插件完成评价子指标的采集及加密，此时会将数据采集插件发送至服务器。服务器可以根据异步接收到的第一加密密钥对数据采集插件解密后得到评价子指标，并根据第一哈希值对数据采集插件所采集的所有评价子指标进行验证，避免出现评价子指标被篡改的情况。
本发明提供的技术方案，在一个可能的实施方式中，步骤S130包括：
数据采集插件接收服务器发送的第一加密密钥，基于第一加密密钥对信息存储单元解密处理。数据采集插件首先会根据第一加密密钥对信息存储单元解密处理，使得其能够提取相对应的评价子指标发送至服务器。
哈希加密逻辑根据加密排序表对解密处理后所有的评价子指标和企业标签进行排序得到第二加密排序结果。该种方式，能够使得第二加密排序结果中的评价子指标和企业标签的排序结果与第一加密排序结果中的评价子指标和企业标签的排序结果相对应，使得第一加密排序结果和第二加密排序结果中的评价子指标和企业标签能够相对进行比较。
对所述评价子指标和企业标签进行字符转换处理，得到字符化的第二加密排序结果。对评价子指标和企业标签进行字符转换处理的方式，可以与得到第一加密排序结果时的方式相对应，此时的第二加密排序结果中的信息也都是数字化的。
基于哈希加密逻辑对字符化的第二加密排序结果进行哈希运算得到在服务器位置处的第二哈希值。本发明会对第二加密排序结果进行哈希运算，得到相对应的第二哈希值，此时所计算第二哈希值的位置是服务器。
提取数据采集插件在数据库位置时生成的第一哈希值，基于所述第一哈希值和第二哈希值对数据采集插件所采集的所有评价子指标进行验证。本发明会提取第一加密密钥中的第一哈希值，将第一哈希值和第二哈希值进行比对，如果第一哈希值和第二哈希值一样，则证明第一加密排序结果和第二加密排序结果所对应的数据、信息、指标是相对应的，数据采集插件在传输过程中的评价子指标并没有被篡改。
步骤S140、若所有评价子指标的验证结果为正确，则将评价子指标分别输入至预先配置的绿色能源金融模型中进行评价计算，得到每个企业所对应的绿色能源金融评分。在此时则数据采集插件所采的所有评价子指标都是正确的，所以此时根据企业相对应的评价子指标进行计算，得到相对应的绿色能源金融评分。
本发明提供的技术方案，在一个可能的实施方式中，步骤S140包括：
数据采集插件若判断所述第一哈希值和第二哈希值相对应，则所有评价子指标的验证结果为正确。此时第一加密排序结果和第二加密排序结果所对应的数据、信息、指标是相对应的，数据采集插件在传输过程中的评价子指标并没有被篡改。
数据采集插件将提取信息存储单元内的评价子指标，根据所述加密信息对应表将所述评价子指标置于第二数据采集模板的指标空位内。此时可以将信息存储单元内的评价子指标置于第二数据采集模板的指标空位内进行显示，在服务器中属于安全的环境。
服务器提取第二数据采集模板每个指标空位内的评价子指标输入至相应的绿色能源金融模型中进行计算，得到绿色能源金融评分。服务器会提取评价子指标进行计算，得到最终的绿色能源金融评分。
服务器提取标签空位内的企业标签，将所述企业标签与所述绿色能源金融评分相对应存储。并且，在得到绿色能源金融评分后，将企业标签与所述绿色能源金融评分相对应存储，使得每个企业都具有相对应的绿色能源金融评分。
参见图4，本发明提供的技术方案，在一个可能的实施方式中，包括：
对每个第二数据采集模板的评价子指标进行分类得到行业能耗指标集合、企业能耗指标集合、企业能耗趋势指标集合、企业能耗稳定指标集合、企业污水指标集合、企业碳排放指标集合以及企业低碳转型指标集合。在进行计算得到绿色能源金融评分之前，本发明会对评价子指标进行分类，得到用于计算不同维度的评价系数所相对应的评价子指标。
基于所述行业能耗指标集合进行计算得到行业能耗强度评价系数。行业能耗强度评价系数包括行业单位营业收入能耗、行业单位税收能耗以及行业单位利润能耗中的任意一个或多个。在进行行业能耗强度评价系数的计算时，首先会得到行业单位营业收入能耗、行业单位税收能耗、行业单位利润能耗以及行业单位税收能耗等级。其中，
行业单位营业收入能耗=行业能耗值/行业营业总收入；
行业单位税收能耗=行业能耗值/行业纳税总额；
行业单位利润能耗=行业能耗值/行业利润总额；
上述三个指标中，行业能耗值指某一行业月度用电数据，可以是来源于电网数据库等等，行业营业总收入、行业利润总额采集于银行数据库等等，行业纳税总额可以是来源于税务数据库等等；
行业单位税收能耗等级=行业单位税收能耗/全部规上企业单位税收能耗；
全部规上工业企业单位税收能耗指标是全部规上工业企业能耗总量与全部规上工业企业税收总额的比值。
基于所述企业能耗指标集合进行计算得到企业能耗强度评价系数。企业能耗强度评价系数包括企业单位营业收入能耗、企业单位税收能耗、企业单位利润能耗以及企业单位税收能耗等级中的任意一个或多个。在进行企业能耗强度评价系数的计算时，首先会得到企业单位营业收入能耗、企业单位税收能耗、企业单位利润能耗以及企业单位税收能耗等级。其中，
企业单位营业收入能耗=企业能耗值/企业营业总收入；
企业单位税收能耗=企业能耗值/企业纳税总额；
企业单位利润能耗=企业能耗值/企业利润总额；
企业单位税收能耗等级=企业单位税收能耗/该行业单位税收能耗。
同样的，企业能耗值、企业营业总收入、企业纳税总额可以分别来源于电网数据库、银行数据库以及税务数据库等等。
基于所述企业能耗趋势指标集合进行计算得到企业能耗趋势评价系数。企业能耗趋势评价系数包括单位税收能耗同比增长。在进行企业能耗趋势评价系数的计算时，会得到单位税收能耗同比增长率。其中，
单位税收能耗同比增长率=（本月单位税收能耗-去年同期单位税收能耗）/去年同期单位税收能耗*100%。
本月单位税收能耗、去年同期单位税收能耗以及去年同期单位税收能耗可以通过来源于税务数据库、电网数据库等等。
基于所述企业能耗稳定指标集合进行计算得到企业能耗稳定性评价系数。稳定性评价系数包括月度同比增长率方差、月度环比增长率方差、季度环比增长率偏离度、税收能耗环比增长率偏离度以及单位税收能耗行业偏离度中的任意一个或多个。在进行企业能耗稳定性评价系数的计算时，通过以下方式进行计算，
1）最近12个月内企业单位税收能耗月度同比增长率方差；
该指标是企业单位税收能耗月度同比增长率与平均增长率的方差。
2）最近12个月内企业单位税收能耗月度环比增长率方差；
指标是企业单位税收能耗月度同环比增长率与平均增长率的方差。
3）最近一季度企业单位税收能耗季度环比增长率偏离度；
偏离度=（本季度环比增长率-上季度环比增长率）/上季度环比增长率*100%
4）最近1个月企业单位税收能耗环比增长率偏离度；
偏离度=（本月环比增长率-上月环比增长率）/上月环比增长率*100%
5）最近1个月企业单位税收能耗行业偏离度；
偏离度=（企业单位税收收入能耗-行业单位税收收入能耗）/行业单位税收能耗*100%。
每个月的企业单位税收收入能耗、行业单位税收收入能耗可以通过来源于税务数据库、电网数据库等等。
基于所述企业污水指标集合进行计算得到企业污水水平评价系数。企业污水水平评价系数包括企业单位税收排污值、企业单位税收排污行业等级以及企业单位利润排污行业等级中的任意一个或多个，通过以下方式进行计算，
企业单位税收排污值=企业排污设备电量/企业纳税总额；
企业单位税收排污行业等级=企业单位税收排污设备电量/该行业单位税收排污设备电量；
企业单位利润排污行业等级=企业单位利润排污设备电量/该行业单位利润排污设备电量。
企业排污设备电量、企业纳税总额、企业单位税收排污设备电量、该行业单位税收排污设备电量、企业单位利润排污设备电量、该行业单位利润排污设备电量可以来源于银行数据路、税务数据库、电网数据库、污水处理厂数据库以及水务局数据库等等。
基于所述企业碳排放指标集合进行计算得到企业碳排放强度评价系数。企业碳排放强度评价系数包括企业单位税收碳排放总量、企业单位税收碳排放等级中的任意一个或多个，通过以下方式进行计算，
企业单位税收碳排放总量=企业碳排放量/企业纳税总额；
企业单位税收碳排放等级=企业单位税收碳排放量/该行业单位税收碳排放值。
企业碳排放量、企业纳税总额、企业单位税收碳排放量、该行业单位税收碳排放值可以来源于电网数据库、统计局数据库以及税务数据库等等。
基于所述企业低碳转型指标集合进行计算得到企业低碳转型评价系数。企业低碳转型评价系数包括企业清洁能源比重、企业清洁能源比重行业等级、企业碳排放转型足迹、企业碳排放转型足迹行业等级中的任意一个或多个，通过以下方式进行计算，
企业清洁能源比重=企业清洁能源上网电量/企业发电量；
企业清洁能源比重行业等级=企业清洁能源比重/行业清洁能源比重；
企业碳排放转型足迹=最近一个月（企业火电机组上网电量/全部上网电量）同比降幅；
企业碳排放转型足迹行业等级=企业（企业火电机组上网电量/全部上网电量）同比降幅/该行业企业（火电机组上网电量/全部上网电量）同比降幅。
企业清洁能源上网电量、企业发电量、企业清洁能源比重、行业清洁能源比重、企业火电机组上网电量以及全部上网电量等指标可以来源于电网数据库。
分别对所述行业能耗强度评价系数、企业能耗强度评价系数、企业能耗趋势评价系数、企业能耗稳定性评价系数、企业污水水平评价系数、企业碳排放强度评价系数以及企业低碳转型评价系数进行加权处理得到绿色能源金融评分。
企业清洁能源比、企业清洁能源上网电量以及企业发电量等信息可以是本发明中通过数据采集插件所主动采集的评价子指标，其中企业清洁能源比重、企业清洁能源比重行业等级等信息也可以是本发明中通过数据采集插件所主动采集的评价子指标，对于评价子指标的具体要求本发明不做任何限定，可以是数据库主动加工后的数据。
为了使得本发明提供的技术方案更加易于理解，本发明进行简单的举例，在一个可能的实施方式中，行业能耗强度评价系数为行业单位营业收入能耗，企业能耗强度评价系数为企业单位营业收入能耗，企业能耗趋势评价系数为单位税收能耗同比增长，企业能耗稳定性评价系数为企业单位税收能耗月度同比增长率方差，企业污水水平评价系数为企业单位税收排污值，企业碳排放强度评价系数为企业单位税收碳排放总量，企业低碳转型评价系数为企业清洁能源比重。
行业单位营业收入能耗越高，则证明行业单位营业收入下耗能越多，所以行业单位营业收入与绿色能源金融评分成反比。企业单位营业收入能耗越高，则证明企业单位营业收入下耗能越多，所以企业单位营业收入与绿色能源金融评分成反比。单位税收能耗同比增长率同比增长越高，则能耗的变大趋势越大，所以单位税收能耗同比增长率与绿色能源金融评分成反比。企业单位税收能耗月度同比增长率方差越大，则能耗的变大趋势越明显，所以单位税收能耗月度同比增长率方差与绿色能源金融评分成反比。企业单位税收排污值越大，则证明企业单位营业收入下排污越多，所以企业单位税收排污值与绿色能源金融评分成反比。企业单位税收碳排放总量越大，则证明企业单位税收下碳排放越多，所以企业单位税收碳排放总量与绿色能源金融评分成反比。企业清洁能源比重越大，则证明企业使用的清洁能源越多，所以企业清洁能源比重与绿色能源金融评分成正比。
基于以上每个信息、数据以及指标与绿色能源金融评分的正反比关系，可以构建以下的绿色能源金融模型，
Figure 186433DEST_PATH_IMAGE001
其中，
Figure 193703DEST_PATH_IMAGE002
为绿色能源金融评分，
Figure 453783DEST_PATH_IMAGE003
第一权重，
Figure 939122DEST_PATH_IMAGE004
为行业单位营业收入能耗，
Figure 968258DEST_PATH_IMAGE005
第 二权重，
Figure 146430DEST_PATH_IMAGE006
为企业单位营业收入能耗，
Figure 628227DEST_PATH_IMAGE007
第三权重，
Figure 917257DEST_PATH_IMAGE008
为单位税收能耗同比增长率，
Figure 800899DEST_PATH_IMAGE009
第 四权重，
Figure 149972DEST_PATH_IMAGE010
为企业单位税收能耗月度同比增长率方差，
Figure 119065DEST_PATH_IMAGE011
第五权重，
Figure 946207DEST_PATH_IMAGE012
为企业单位税收 排污值，
Figure 949935DEST_PATH_IMAGE013
第六权重，
Figure 469909DEST_PATH_IMAGE014
为企业单位税收碳排放总量，
Figure 926298DEST_PATH_IMAGE015
第七权重，
Figure 416185DEST_PATH_IMAGE016
为企业清洁能源 比重。
通过以上方式可以得到绿色能源金融评分，绿色能源金融评分越高，则企业相对来说越环保，此时可以为其配置的金融资源可以更优质、碳中和义务更少。步骤S150、根据所述绿色能源金融评分确定相对应的金融政策和/或碳中和行为。
本发明提供的技术方案，在一个可能的实施方式中，步骤S150包括：
确定与所述绿色能源金融评分相对应的金融评分区间，根据所述金融评分区间确定相对应的金融政策，每个金融评分区间具有预先设置的金融政策。本发明会预先设置多个金融评分区间，每个金融评分区间确定相对应的金融政策，金融政策可以是免利息贷款等等，金融评分区间越高，所对应的免利息贷款可以越多。
确定与所述绿色能源金融评分相对应的碳中和评分区间，根据所述碳中和评分区间确定相对应的碳中和行为，每个碳中和评分区间具有预先设置的碳中和行为。碳中和评分区间越高，则所对应的碳中和行为的义务越低，例如碳中和行为可以是植树，碳中和评分区间越高所对应的碳中和行为的数量可以越少。例如100棵、20棵等等。
本发明可以根据绿色能源金融评分对不同的企业采取不同的金融政策、施加不同的碳中和义务，增加绿色企业正常，减少绿色企业负担，早日实现碳达峰。
为了实现本发明提供的一种基于机器学习的绿色能源金融数据的采集评价方法，本发明还提供一种基于机器学习的绿色能源金融数据的采集评价系统，服务器分别与多个维度的数据库连接，通过以下模块进行数据采集评价，如图3所示，包括：
生成模块，用于使服务器获取待采集企业中的企业标签，基于所述企业标签生成多个维度的数据采集插件，在所述数据采集插件配置哈希加密逻辑后将所述数据采集插件分别发送至相应维度的数据库；
采集模块，用于使数据采集插件根据预设目标信息采集相应数据库内的评价子指标，基于所采集的评价子指标、企业标签进行哈希计算得到第一哈希值，基于所述第一哈希值对评价子指标进行加密；
发送模块，用于使数据库在判断数据采集插件完成评价子指标的加密后，将所述数据采集插件发送至服务器，服务器对所述数据采集插件解密后得到评价子指标，基于所述第一哈希值对数据采集插件所采集的所有评价子指标进行验证；
计算模块，用于若所有评价子指标的验证结果为正确，则将评价子指标分别输入至预先配置的绿色能源金融模型中进行评价计算，得到每个企业所对应的绿色能源金融评分；
确定模块，用于根据所述绿色能源金融评分确定相对应的金融政策和/或碳中和行为。
本发明还提供一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
其中，存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific IntegratedCircuits，简称：ASIC)中。另外，该ASIC可以位于用户设备中。当然，处理器和存储介质也可以作为分立组件存在于通信设备中。存储介质可以是只读存储器（ROM）、随机存取存储器（RAM）、CD-ROM、磁带、软盘和光数据存储设备等。
本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在存储介质中。设备的至少一个处理器可以从存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
在上述终端或者服务器的实施例中，应理解，处理器可以是中央处理单元（英文：Central Processing Unit，简称：CPU），还可以是其他通用处理器、数字信号处理器（英文：Digital Signal Processor，简称：DSP）、专用集成电路（英文：Application SpecificIntegrated Circuit，简称：ASIC）等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (12)

1.基于机器学习的绿色能源金融数据的采集评价方法，其特征在于，服务器分别与多个维度的数据库连接，通过以下步骤进行数据采集评价，包括：
服务器获取待采集企业中的企业标签，基于所述企业标签生成多个维度的数据采集插件，在所述数据采集插件配置哈希加密逻辑后将所述数据采集插件分别发送至相应维度的数据库；
数据采集插件根据预设目标信息采集相应数据库内的评价子指标，基于所采集的评价子指标、企业标签进行哈希计算得到第一哈希值，基于所述第一哈希值对评价子指标进行加密；
数据库在判断数据采集插件完成评价子指标的加密后，将所述数据采集插件发送至服务器，服务器对所述数据采集插件解密后得到评价子指标，基于所述第一哈希值对数据采集插件所采集的所有评价子指标进行验证；
若所有评价子指标的验证结果为正确，则将评价子指标分别输入至预先配置的绿色能源金融模型中进行评价计算，得到每个企业所对应的绿色能源金融评分；
根据所述绿色能源金融评分确定相对应的金融政策和/或碳中和行为；
所述服务器获取待采集企业中的企业标签，基于所述企业标签生成多个维度的数据采集插件，在所述数据采集插件配置哈希加密逻辑后将所述数据采集插件分别发送至相应维度的数据库，包括：
根据所述企业标签确定相对应的第一数据采集模板，获取与所述第一数据采集模板相对应的所有第一子目标信息；
根据第一子目标信息在所述第一数据采集模板中创建相对应的指标空位，在所述第一数据采集模板中创建相对应的标签空位得到第二数据采集模板，对所有的指标空位、标签空位添加排序标记，得到相对应的加密排序表；
在数据采集插件中配置具有哈希加密逻辑的哈希加密单元，基于所述加密排序表对所述哈希加密逻辑进行更新，使得哈希加密逻辑基于加密排序表调取指标空位和/或标签空位内的信息和/或标签；
将具有哈希加密单元和第二数据采集模板的数据采集插件发送至相应维度的数据库；
所述将具有哈希加密单元和第二数据采集模板的数据采集插件发送至相应维度的数据库，包括：
在数据采集插件中创建加密信息存储单元，根据所述加密排序表在所述加密信息存储单元中划分多个子存储单元，每个子存储单元用于存储一个评价子指标；
根据所述加密排序表生成加密信息对应表，所述加密信息对应表中具有每个指标空位与子存储单元的对应关系；
将具有哈希加密单元、第二数据采集模板以及加密信息存储单元的数据采集插件发送至相应维度的数据库。
2.根据权利要求1所述的基于机器学习的绿色能源金融数据的采集评价方法，其特征在于，
所述数据采集插件根据预设目标信息采集相应数据库内的评价子指标，基于所采集的评价子指标、企业标签进行哈希计算得到第一哈希值，基于所述第一哈希值对评价子指标进行加密，包括：
所述预设目标信息包括多个第一子目标信息，基于所述第一子目标信息采集相应数据库内的多个评价子指标；
根据所述第一子目标信息与指标空位的对应关系，将多个评价子指标分别填充至第二数据采集模板的指标空位处；
基于所述加密排序表依次调取相应指标空位和标签空位内的评价子指标和企业标签，基于哈希加密逻辑对评价子指标和企业标签进行哈希计算得到第一哈希值；
在得到第一哈希值后，根据加密信息对应表将指标空位内的评价子指标存储至与加密信息存储单元相应的子存储单元内，基于第一哈希值对加密信息存储单元加密；
将所述第二数据采集模板的指标空位内的评价子指标删除，以使所述数据采集插件在传输过程中的指标空位为空。
3.根据权利要求2所述的基于机器学习的绿色能源金融数据的采集评价方法，其特征在于，
所述根据所述第一子目标信息与指标空位的对应关系，将多个评价子指标分别填充至第二数据采集模板的指标空位处，包括：
若判断任意一个指标空位处没有填充相应的评价子指标，则将相应的指标空位作为人工填充空位进行人工填充标记；
将所述人工填充空位发送至数据库的显示端处，若数据库的输入端输入与人工填充空位相对应的评价子指标，则将所述评价子指标填充至人工填充空位内。
4.根据权利要求3所述的基于机器学习的绿色能源金融数据的采集评价方法，其特征在于，还包括：
若在第一时间段内数据库的输入端未输入与人工填充空位相对应的评价子指标，则将所述人工填充空位修改为历史填充空位，并对所述历史填充空位进行历史填充标记；
获取与所述历史填充空位相对应上一个时刻的评价子指标，将上一个时刻的评价子指标填充至历史填充空位内。
5.根据权利要求4所述的基于机器学习的绿色能源金融数据的采集评价方法，其特征在于，还包括：
统计每一个数据采集插件的第二数据采集模板中所对应的人工填充标记和/或历史填充标记的数量；
若判断所述人工填充标记大于第一预设数量或历史填充标记的数量大于第二预设数量，则将所述数据采集插件所对应的数据库进行显示，以使相应数据库的工作人员对相应的评价子指标进行更新、规范存储。
6.根据权利要求2所述的基于机器学习的绿色能源金融数据的采集评价方法，其特征在于，
所述基于所述加密排序表依次调取相应指标空位和标签空位内的评价子指标和企业标签，基于哈希加密逻辑对评价子指标和企业标签进行哈希计算得到第一哈希值，包括：
哈希加密逻辑根据加密排序表对所有的评价子指标和企业标签进行排序得到第一加密排序结果；
对所述评价子指标和企业标签进行字符转换处理，得到字符化的第一加密排序结果；
基于哈希加密逻辑对字符化的第一加密排序结果进行哈希运算得到第一哈希值。
7.根据权利要求2所述的基于机器学习的绿色能源金融数据的采集评价方法，其特征在于，
所述在得到第一哈希值后，根据加密信息对应表将指标空位内的评价子指标存储至加密信息存储单元相应的子存储单元内，基于第一哈希值对加密信息存储单元加密，包括：
数据采集插件接收数据库发送的静态加密信息，将所述第一哈希值、静态加密信息组合得到第一加密密钥；
基于所述第一加密密钥对信息存储单元加密处理，将所述第一加密密钥传送至数据库，数据库以异步的形式将所述第一加密密钥和数据采集插件发送至服务器。
8.根据权利要求7所述的基于机器学习的绿色能源金融数据的采集评价方法，其特征在于，
所述数据库在判断数据采集插件完成评价子指标的加密后，将所述数据采集插件发送至服务器，服务器对所述数据采集插件解密后得到评价子指标，基于所述第一哈希值对数据采集插件所采集的所有评价子指标进行验证，包括：
数据采集插件接收服务器发送的第一加密密钥，基于第一加密密钥对信息存储单元解密处理；
哈希加密逻辑根据加密排序表对解密处理后所有的评价子指标和企业标签进行排序得到第二加密排序结果；
对所述评价子指标和企业标签进行字符转换处理，得到字符化的第二加密排序结果；
基于哈希加密逻辑对字符化的第二加密排序结果进行哈希运算得到在服务器位置处的第二哈希值；
提取数据采集插件在数据库位置时生成的第一哈希值，基于所述第一哈希值和第二哈希值对数据采集插件所采集的所有评价子指标进行验证。
9.根据权利要求8所述的基于机器学习的绿色能源金融数据的采集评价方法，其特征在于，
所述若所有评价子指标的验证结果为正确，则将评价子指标分别输入至预先配置的绿色能源金融模型中进行评价计算，得到每个企业所对应的绿色能源金融评分，包括：
数据采集插件若判断所述第一哈希值和第二哈希值相对应，则所有评价子指标的验证结果均为正确；
数据采集插件提取信息存储单元内的评价子指标，根据所述加密信息对应表将所述评价子指标置于第二数据采集模板的指标空位内；
服务器提取第二数据采集模板每个指标空位内的评价子指标输入至相应的绿色能源金融模型中进行计算，得到绿色能源金融评分；
服务器提取标签空位内的企业标签，将所述企业标签与所述绿色能源金融评分相对应存储。
10.根据权利要求9所述的基于机器学习的绿色能源金融数据的采集评价方法，其特征在于，
所述服务器提取第二数据采集模板每个指标空位内的评价子指标输入至相应的绿色能源金融模型中进行计算，得到绿色能源金融评分，包括：
对每个第二数据采集模板的评价子指标进行分类得到行业能耗指标集合、企业能耗指标集合、企业能耗趋势指标集合、企业能耗稳定指标集合、企业污水指标集合、企业碳排放指标集合以及企业低碳转型指标集合；
基于所述行业能耗指标集合进行计算得到行业能耗强度评价系数；
基于所述企业能耗指标集合进行计算得到企业能耗强度评价系数；
基于所述企业能耗趋势指标集合进行计算得到企业能耗趋势评价系数；
基于所述企业能耗稳定指标集合进行计算得到企业能耗稳定性评价系数；
基于所述企业污水指标集合进行计算得到企业污水水平评价系数；
基于所述企业碳排放指标集合进行计算得到企业碳排放强度评价系数；
基于所述企业低碳转型指标集合进行计算得到企业低碳转型评价系数；
分别对所述行业能耗强度评价系数、企业能耗强度评价系数、企业能耗趋势评价系数、企业能耗稳定性评价系数、企业污水水平评价系数、企业碳排放强度评价系数以及企业低碳转型评价系数进行加权处理得到绿色能源金融评分。
11.根据权利要求1所述的基于机器学习的绿色能源金融数据的采集评价方法，其特征在于，
所述根据所述绿色能源金融评分确定相对应的金融政策和/或碳中和行为，包括：
确定与所述绿色能源金融评分相对应的金融评分区间，根据所述金融评分区间确定相对应的金融政策，每个金融评分区间具有预先设置的金融政策；
确定与所述绿色能源金融评分相对应的碳中和评分区间，根据所述碳中和评分区间确定相对应的碳中和行为，每个碳中和评分区间具有预先设置的碳中和行为。
12.基于机器学习的绿色能源金融数据的采集评价系统，其特征在于，服务器分别与多个维度的数据库连接，通过以下模块进行数据采集评价，包括：
生成模块，用于使服务器获取待采集企业中的企业标签，基于所述企业标签生成多个维度的数据采集插件，在所述数据采集插件配置哈希加密逻辑后将所述数据采集插件分别发送至相应维度的数据库；
采集模块，用于使数据采集插件根据预设目标信息采集相应数据库内的评价子指标，基于所采集的评价子指标、企业标签进行哈希计算得到第一哈希值，基于所述第一哈希值对评价子指标进行加密；
发送模块，用于使数据库在判断数据采集插件完成评价子指标的加密后，将所述数据采集插件发送至服务器，服务器对所述数据采集插件解密后得到评价子指标，基于所述第一哈希值对数据采集插件所采集的所有评价子指标进行验证；
计算模块，用于若所有评价子指标的验证结果为正确，则将评价子指标分别输入至预先配置的绿色能源金融模型中进行评价计算，得到每个企业所对应的绿色能源金融评分；
确定模块，用于根据所述绿色能源金融评分确定相对应的金融政策和/或碳中和行为；
所述服务器获取待采集企业中的企业标签，基于所述企业标签生成多个维度的数据采集插件，在所述数据采集插件配置哈希加密逻辑后将所述数据采集插件分别发送至相应维度的数据库，包括：
根据所述企业标签确定相对应的第一数据采集模板，获取与所述第一数据采集模板相对应的所有第一子目标信息；
根据第一子目标信息在所述第一数据采集模板中创建相对应的指标空位，在所述第一数据采集模板中创建相对应的标签空位得到第二数据采集模板，对所有的指标空位、标签空位添加排序标记，得到相对应的加密排序表；
在数据采集插件中配置具有哈希加密逻辑的哈希加密单元，基于所述加密排序表对所述哈希加密逻辑进行更新，使得哈希加密逻辑基于加密排序表调取指标空位和/或标签空位内的信息和/或标签；
将具有哈希加密单元和第二数据采集模板的数据采集插件发送至相应维度的数据库；
所述将具有哈希加密单元和第二数据采集模板的数据采集插件发送至相应维度的数据库，包括：
在数据采集插件中创建加密信息存储单元，根据所述加密排序表在所述加密信息存储单元中划分多个子存储单元，每个子存储单元用于存储一个评价子指标；
根据所述加密排序表生成加密信息对应表，所述加密信息对应表中具有每个指标空位与子存储单元的对应关系；
将具有哈希加密单元、第二数据采集模板以及加密信息存储单元的数据采集插件发送至相应维度的数据库。
CN202210576261.2A 2022-05-25 2022-05-25 基于机器学习的绿色能源金融数据的采集评价方法及系统 Active CN114677057B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210576261.2A CN114677057B (zh) 2022-05-25 2022-05-25 基于机器学习的绿色能源金融数据的采集评价方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210576261.2A CN114677057B (zh) 2022-05-25 2022-05-25 基于机器学习的绿色能源金融数据的采集评价方法及系统

Publications (2)

Publication Number Publication Date
CN114677057A CN114677057A (zh) 2022-06-28
CN114677057B true CN114677057B (zh) 2022-08-26

Family

ID=82079105

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210576261.2A Active CN114677057B (zh) 2022-05-25 2022-05-25 基于机器学习的绿色能源金融数据的采集评价方法及系统

Country Status (1)

Country Link
CN (1) CN114677057B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117828649B (zh) * 2024-03-06 2024-05-28 天津帕克耐科技有限公司 一种微数据中心系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113810356A (zh) * 2020-09-22 2021-12-17 苏州市中拓互联信息科技有限公司 一种云服务器加密管理方法及系统
CN114004700A (zh) * 2021-10-27 2022-02-01 深圳乐信软件技术有限公司 业务数据处理方法、装置、电子设备及存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120016814A1 (en) * 2010-07-16 2012-01-19 Open Gates Business Development Corporation Production of minimally processed foods
JP2021149842A (ja) * 2020-03-23 2021-09-27 株式会社日立製作所 機械学習システム及び機械学習方法
CN112016932B (zh) * 2020-09-04 2024-05-17 中国银联股份有限公司 测试方法、装置、服务器及介质
CN112699353B (zh) * 2021-03-25 2022-04-29 北京瑞莱智慧科技有限公司 一种金融信息传输方法以及金融信息传输系统
CN114021967B (zh) * 2021-11-04 2022-05-20 中国安全生产科学研究院 乡镇政府部门安全生产风险预控评估方法
CN114491610B (zh) * 2022-04-01 2022-07-08 国网浙江省电力有限公司 基于哈希加密算法和量子密匙的智慧共享财务平台及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113810356A (zh) * 2020-09-22 2021-12-17 苏州市中拓互联信息科技有限公司 一种云服务器加密管理方法及系统
CN114004700A (zh) * 2021-10-27 2022-02-01 深圳乐信软件技术有限公司 业务数据处理方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN114677057A (zh) 2022-06-28

Similar Documents

Publication Publication Date Title
CN112669138B (zh) 数据处理方法及相关设备
CN115423535B (zh) 基于市场先验大数据的产品采购方法、装置、设备及介质
WO2022121217A1 (zh) 额度预测方法、设备及计算机可读存储介质
CN114677057B (zh) 基于机器学习的绿色能源金融数据的采集评价方法及系统
CN117172772A (zh) 基于区块链网络的元宇宙访问方法和区块链网络装置
CN113269179B (zh) 数据处理方法、装置、设备及存储介质
CN113449753A (zh) 业务风险预测方法、装置和系统
CN113240259B (zh) 规则策略组的生成方法、系统及电子设备
CN109948681A (zh) 异常数据检测方法与装置
CN111831817B (zh) 问卷生成分析方法、装置、计算机设备及可读存储介质
CN115455457B (zh) 基于智慧大数据的链数据管理方法、系统和存储介质
CN109636627B (zh) 基于区块链的保险产品管理方法、装置、介质及电子设备
CN116484296A (zh) 金融集资风险分析方法、装置、设备及存储介质
CN113657546B (zh) 信息分类方法、装置、电子设备及可读存储介质
CN115907277A (zh) 一种医院用绩效智能评审系统及实现方法
CN112561538B (zh) 风险模型创制方法、装置、计算机设备及可读存储介质
CN115525922A (zh) 基于隐私计算的金融隐私数据安全决策方法、装置及设备
CN113642669A (zh) 基于特征分析的防欺诈检测方法、装置、设备及存储介质
CN114581251A (zh) 数据校验方法、装置、计算机设备及计算机可读存储介质
CN114511329A (zh) 账户识别方法、装置、存储介质和电子设备
CN110570301A (zh) 风险识别方法、装置、设备及介质
CN114630314B (zh) 终端信息库的更新方法、装置、设备及存储介质
CN115796636B (zh) 一种用于检测检查的双随机抽取方法
CN110046910B (zh) 判断客户通过电子支付平台所进行交易合法性的方法和设备
CN117035811A (zh) 一种目标对象的信用评估方法、装置、设备及存储介质

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