CN115022324A - 基于边缘计算的网点集群处理方法及系统 - Google Patents

基于边缘计算的网点集群处理方法及系统 Download PDF

Info

Publication number
CN115022324A
CN115022324A CN202210640187.6A CN202210640187A CN115022324A CN 115022324 A CN115022324 A CN 115022324A CN 202210640187 A CN202210640187 A CN 202210640187A CN 115022324 A CN115022324 A CN 115022324A
Authority
CN
China
Prior art keywords
bank
outlet
banking
outlets
face recognition
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210640187.6A
Other languages
English (en)
Other versions
CN115022324B (zh
Inventor
朱江波
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.)
Bank of China Ltd
Original Assignee
Bank of China 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 Bank of China Ltd filed Critical Bank of China Ltd
Priority to CN202210640187.6A priority Critical patent/CN115022324B/zh
Publication of CN115022324A publication Critical patent/CN115022324A/zh
Application granted granted Critical
Publication of CN115022324B publication Critical patent/CN115022324B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401—Transaction verification
    • G06Q20/4014—Identity check for transactions
    • G06Q20/40145—Biometric identity checks
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/02—Banking, e.g. interest calculation or account maintenance
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Computer Security & Cryptography (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Technology Law (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明提出了一种基于边缘计算的网点集群处理方法及系统，涉及数据处理技术领域，该方法包括：构建指定区域内的银行网点图；确定每两个银行网点之间的最优路径；根据银行网点图，确定各个本地处理客户对应的连接银行网点及人脸识别银行网点；获取本地处理客户发起的交易，根据交易数据生成哈希值；获取对应的哈希值，并将哈希值和连接银行网点的ID下发到客户的移动终端；移动终端向连接银行网点发送哈希值进行验证；在哈希值验证通过后，建立通信连接；当连接银行网点接收到本地处理客户发起的人脸识别申请时，根据最优路径将本地处理客户的人脸识别申请发送到人脸识别银行网点；通过最优路径将识别结果反馈至本地处理客户的移动终端。

Description

基于边缘计算的网点集群处理方法及系统
技术领域
本发明涉及数据处理技术领域，尤指一种基于边缘计算的网点集群处理方法及系统。
背景技术
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
目前，手机银行都是通过网络直接连接银行后台的服务器。但是，当客户量比较大时，对服务器的要求也比较高，并且银行交易对时延也有要求，这样对银行的服务器的更新和维护有很大的难度。
因此，亟需一种可以克服上述缺陷，能够对大批量银行交易进行高效处理的技术方案。
发明内容
为解决现有技术存在的问题，本发明提出了一种基于边缘计算的网点集群处理方法及系统，可以利用银行网点的地理位置进行最优路径计算，进而通过边缘计算系统分担银行后台服务器的压力，缩短路由和处理交易的时间。
在本发明实施例的第一方面，提出了一种基于边缘计算的网点集群处理方法，包括：
构建指定区域内的银行网点图；
根据银行网点的交易数据，确定每两个银行网点之间的最优路径；
在人脸识别服务器运行过程中，若发现归属于一指定区域的客户数量超过第一阈值时，将超过第一阈值的客户作为本地处理客户；根据所述银行网点图，确定各个本地处理客户对应的连接银行网点及人脸识别银行网点；
获取本地处理客户发起的交易，银行客户信息服务器根据本地处理客户的交易数据生成哈希值；人脸识别服务器获取对应的哈希值，并将哈希值和连接银行网点的ID下发到本地处理客户的移动终端，将哈希值下发到对应的连接银行网点，将本地处理客户的人脸信息下发到对应的人脸识别银行网点；
当本地处理客户的移动终端接收到哈希值和连接银行网点的ID时，向连接银行网点发送哈希值进行验证；在哈希值验证通过后，建立移动终端与连接银行网点的通信连接；
当连接银行网点接收到本地处理客户发起的人脸识别申请时，根据连接银行网点与人脸识别银行网点之间的最优路径，将本地处理客户的人脸识别申请发送到人脸识别银行网点来进行人脸识别；在得到识别结果后，通过人脸识别银行网点与连接银行网点之间的最优路径，将识别结果反馈至本地处理客户的移动终端。
在本发明实施例的第二方面，提出了一种基于边缘计算的网点集群处理系统，包括：
构建模块，用于构建指定区域内的银行网点图；
最优路径确定模块，用于根据银行网点的交易数据，确定每两个银行网点之间的最优路径；
银行网点处理模块，用于在人脸识别服务器运行过程中，若发现归属于一指定区域的客户数量超过第一阈值时，将超过第一阈值的客户作为本地处理客户；根据所述银行网点图，确定各个本地处理客户对应的连接银行网点及人脸识别银行网点；
交易处理模块，用于获取本地处理客户发起的交易，银行客户信息服务器根据本地处理客户的交易数据生成哈希值；人脸识别服务器获取对应的哈希值，并将哈希值和连接银行网点的ID下发到本地处理客户的移动终端，将哈希值下发到对应的连接银行网点，将本地处理客户的人脸信息下发到对应的人脸识别银行网点；
验证模块，用于当本地处理客户的移动终端接收到哈希值和连接银行网点的ID时，向连接银行网点发送哈希值进行验证；在哈希值验证通过后，建立移动终端与连接银行网点的通信连接；
数据处理模块，用于当连接银行网点接收到本地处理客户发起的人脸识别申请时，根据连接银行网点与人脸识别银行网点之间的最优路径，将本地处理客户的人脸识别申请发送到人脸识别银行网点来进行人脸识别；在得到识别结果后，通过人脸识别银行网点与连接银行网点之间的最优路径，将识别结果反馈至本地处理客户的移动终端。
在本发明实施例的第三方面，提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现基于边缘计算的网点集群处理方法。
在本发明实施例的第四方面，提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现基于边缘计算的网点集群处理方法。
在本发明实施例的第五方面，提出了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现基于边缘计算的网点集群处理方法。
本发明提出的基于边缘计算的网点集群处理方法及系统通过构建指定区域内的银行网点图；根据银行网点的交易数据，确定每两个银行网点之间的最优路径；在人脸识别服务器运行过程中，若发现归属于一指定区域的客户数量超过第一阈值时，将超过第一阈值的客户作为本地处理客户；根据所述银行网点图，确定各个本地处理客户对应的连接银行网点及人脸识别银行网点；获取本地处理客户发起的交易，银行客户信息服务器根据本地处理客户的交易数据生成哈希值；人脸识别服务器获取对应的哈希值，并将哈希值和连接银行网点的ID下发到本地处理客户的移动终端，将哈希值下发到对应的连接银行网点，将本地处理客户的人脸信息下发到对应的人脸识别银行网点；当本地处理客户的移动终端接收到哈希值和连接银行网点的ID时，向连接银行网点发送哈希值进行验证；在哈希值验证通过后，建立移动终端与连接银行网点的通信连接；当连接银行网点接收到本地处理客户发起的人脸识别申请时，根据连接银行网点与人脸识别银行网点之间的最优路径，将本地处理客户的人脸识别申请发送到人脸识别银行网点来进行人脸识别；在得到识别结果后，通过人脸识别银行网点与连接银行网点之间的最优路径，将识别结果反馈至本地处理客户的移动终端；本发明整体方案利用银行网点的地理位置优势，处理客户在移动终端上发起的交易，不仅可以减轻银行后台服务器的压力，还可以缩短路由和处理交易的时间，在满足客户需求的同时有效降低银行后台服务器的更新与维护难度。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本发明一实施例的基于边缘计算的网点集群处理方法流程示意图。
图2是本发明一实施例的确定每两个银行网点之间的最优路径的具体流程示意图。
图3是本发明一实施例的确定各个本地处理客户对应的连接银行网点及人脸识别银行网点的具体流程示意图。
图4是本发明一实施例的银行客户信息服务器根据本地处理客户的交易数据生成哈希值的流程示意图。
图5是本发明一实施例的基于边缘计算的网点集群处理系统架构示意图。
图6是本发明一实施例的计算机设备结构示意图。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域技术人员知道，本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
根据本发明的实施方式，提出了一种基于边缘计算的网点集群处理方法及系统，涉及数据处理技术领域。
在实际应用场景中，银行有大量的网点为客户提供服务，该些网点组成了网状结构。本发明在某些网点部署有边缘计算系统，以覆盖上述银行网点的客户群体，为他们提供服务和计算功能，尤其是当银行后台服务器出现问题时；移动终端可以将位置信息发送到手机银行系统，然后该系统基于客户的位置信息、周围其他网点的位置、系统负荷，确定服务该客户手机的银行网点。当客户有需求时，将交易信息发送到对应的银行网点，从而对分担银行后台服务器的压力，同时降低银行后台服务器的更新、维护难度。
下面参考本发明的若干代表性实施方式，详细阐释本发明的原理和精神。
图1是本发明一实施例的基于边缘计算的网点集群处理方法流程示意图。如图1所示，该方法包括：
S1，构建指定区域内的银行网点图；
S2，根据银行网点的交易数据，确定每两个银行网点之间的最优路径；
S3，在人脸识别服务器运行过程中，若发现归属于一指定区域的客户数量超过第一阈值时，将超过第一阈值的客户作为本地处理客户；根据所述银行网点图，确定各个本地处理客户对应的连接银行网点及人脸识别银行网点；
S4，获取本地处理客户发起的交易，银行客户信息服务器根据本地处理客户的交易数据生成哈希值；人脸识别服务器获取对应的哈希值，并将哈希值和连接银行网点的ID下发到本地处理客户的移动终端，将哈希值下发到对应的连接银行网点，将本地处理客户的人脸信息下发到对应的人脸识别银行网点；
S5，当本地处理客户的移动终端接收到哈希值和连接银行网点的ID时，向连接银行网点发送哈希值进行验证；在哈希值验证通过后，建立移动终端与连接银行网点的通信连接；
S6，当连接银行网点接收到本地处理客户发起的人脸识别申请时，根据连接银行网点与人脸识别银行网点之间的最优路径，将本地处理客户的人脸识别申请发送到人脸识别银行网点来进行人脸识别；在得到识别结果后，通过人脸识别银行网点与连接银行网点之间的最优路径，将识别结果反馈至本地处理客户的移动终端。
为了对上述基于边缘计算的网点集群处理方法进行更为清楚的解释，下面结合每一步骤来进行详细说明。
在S1中，构建指定区域内的银行网点图。
具体的，在指定区域内部署有边缘计算系统；其中，边缘计算系统至少用于人脸识别，数据存储；
设置了边缘计算系统的银行网点是可以进行人脸识别的银行网点。
本申请技术方案中对人脸识别数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
银行网点图是指定区域内的银行网点组成的图状结构，其中，银行网点图的顶点对应于一个银行网点，两个网点之间有边，边的设置机制是当两个银行网点之间的距离小于第二阈值，或者一个银行网点是另一个银行网点距离最近的银行网点，在两个银行网点之间设置边，边的方向从该银行网点到最近距离的银行网点。
在银行网点图中，顶点是任何银行网点，边是两个银行网点之间的通信连接(比如无线通信连接)。
在S2中，参考图2，根据银行网点的交易数据，确定每两个银行网点之间的最优路径的具体流程为：
S201，根据每个银行网点的交易数据，确定该银行网点对应的风险概率；
S202，根据银行网点图及风险概率，将每条有向边的距离值设置为-log(R)；其中，R是有向边的箭尾银行网点对应的风险概率；
S203，根据每条有向边的距离值，利用最短路径算法确定任意两个银行网点之间的最优路径，及最优路径对应的最短距离。
在一实施例中，(S201)根据每个银行网点的交易数据，确定该银行网点对应的风险概率，包括：
S2011，对于该交易数据对应的时间范围的每一天，从该交易数据中选取出该天对应的交易数据；
S2012，将该时间范围的每一天对应的交易数据中风险交易数据的比例作为该银行网点关于该天的风险概率；
S2013，该银行网点对应的风险概率确定为该银行网点关于该时间范围的所有天的风险概率的均值。
在S3中，参考图3，在人脸识别服务器运行过程中，若发现归属于一指定区域的客户数量超过第一阈值时，将超过第一阈值的客户作为本地处理客户；根据所述银行网点图，确定各个本地处理客户对应的连接银行网点及人脸识别银行网点的具体流程为：
S301，由手机银行服务器根据本地处理客户的移动终端的位置，确定距离所述位置在指定距离范围内的多个银行网点，作为待连接银行网点；
S302，从所述指定区域内的银行网点中，选取出人脸识别资源使用率小于第三阈值的多个银行网点，作为待人脸识别银行网点；其中，具有人脸识别资源的银行网点部署有边缘计算系统；
S303，对于每个待连接银行网点，根据该待连接银行网点与待人脸识别银行网点之间的最优路径，从多个待人脸识别银行网点中，选取出与该待连接银行网点的最短距离最小的待人脸识别银行网点，将选取出的待人脸识别银行网点作为该待连接银行网点对应的人脸识别银行网点；
S304，对于每个待连接银行网点，计算当本地处理客户的移动终端与该待连接银行网点建立通信连接后，从本地处理客户的移动终端到该待连接银行网点对应的人脸识别银行网点的最短距离；
S305，根据本地处理客户的移动终端到待连接银行网点对应的人脸识别银行网点的最短距离，从多个待连接银行网点中，选取出最短距离最小的待连接银行网点，作为本地处理客户对应的连接银行网点；
S306，将本地处理客户对应的连接银行网点对应的人脸识别银行网点，作为本地处理客户对应的人脸识别银行网点。
进一步的，(S304)对于每个待连接银行网点，计算当本地处理客户的移动终端与该待连接银行网点建立通信连接后，从本地处理客户的移动终端到该待连接银行网点对应的人脸识别银行网点的最短距离的具体流程为：
S3041，将本地处理客户的移动终端加入到银行网点图，在本地处理客户的移动终端与该待连接银行网点之间建立一条有向边，其中，边的方向从本地处理客户的移动终端到该待连接银行网点，边的距离值设置为-log(R)，其中，R是该待连接银行网点对应的风险概率；
S3042，对本地处理客户的移动终端与该待连接银行网点之间的有向边的距离值，及该待连接银行网点与对应的人脸识别银行网点的最短距离进行求和，得到从本地处理客户的移动终端到该待连接银行网点对应的人脸识别银行网点的最短距离。
S4，获取本地处理客户发起的交易，银行客户信息服务器根据本地处理客户的交易数据生成哈希值；人脸识别服务器获取对应的哈希值，并将哈希值和连接银行网点的ID下发到本地处理客户的移动终端，将哈希值下发到对应的连接银行网点，将本地处理客户的人脸信息下发到对应的人脸识别银行网点。
在一实施例中，参考图4，(S4)银行客户信息服务器根据本地处理客户的交易数据生成哈希值，包括：
S401，获取本地处理客户的交易数据，并确定该交易数据中包含的多个交易类别；
S402，对于该多个交易类别中的每个交易类别，依据该交易类别的交易数据，确定该交易类别的安全概率；
S403，依据安全概率，确定该多个交易类别中的每个交易类别的优先概率；
S404，依据优先概率，从该多个交易类别中选取出交易类别a；
S405，从本地处理客户的交易数据中选取出交易类别a对应的交易数据，并基于该选取出的交易数据生成哈希值。
在一实施例中，(S402)对于该多个交易类别中的每个交易类别，依据该交易类别的交易数据，确定该交易类别的安全概率，包括：
将该交易类别的交易数据划分为该交易类别对应的多个数据子集；
将该交易类别对应的每个数据子集包含的交易中不涉及风险的交易的数量比例作为该交易类别的安全概率样本；
依据该交易类别的安全概率样本，确定子集数量阈值(依据大数定理)；
如果该交易类别对应的数据子集的个数小于子集数量阈值，则循环执行如下步骤，直到该交易类别对应的数据子集的个数大于等于子集数量阈值：
获取该交易类别的新的交易数据；将该交易类别的新的交易数据划分为该交易类别对应的多个新的数据子集；将每个新的数据子集包含的交易中不涉及风险的交易的数量比例作为该交易类别的安全概率样本；
当该交易类别对应的数据子集的个数大于等于子集数量阈值时，将该交易类别的安全概率确定为该交易类别的安全概率样本的均值。
在一实施例中，(S403)依据安全概率，确定该多个交易类别中的每个交易类别的优先概率，包括：
按照如下公式确定该多个交易类别中的每个交易类别的优先概率：
Figure BDA0003683623360000081
其中，si和ti分别是该多个交易类别中的第i个交易类别的安全概率和优先概率，sj是该多个交易类别中的第j个交易类别的安全概率。
在一实施例中，(S404)依据优先概率，从该多个交易类别中选取出交易类别a，包括：
选取连续函数g，并确定该连续函数g对应定义域的积分c；
将该连续函数g的定义域划分为多个互不相交的实数值区间，该多个交易类别中的交易类别和实数值区间一一对应，该连续函数g在每个实数值区间的积分值与c的比值等于该实数值区间对应的交易类别的优先概率；
依据连续函数
Figure BDA0003683623360000091
生成随机数w；
将w位于的实数值区间对应的交易类别作为交易类别a。
S5，当本地处理客户的移动终端接收到哈希值和连接银行网点的ID时，向连接银行网点发送哈希值进行验证；在哈希值验证通过后，建立移动终端与连接银行网点的通信连接；
其中，通信连接的方式至少包括：通过wifi连接或移动通信连接。如，通过运营商的网络使移动终端与银行网点通信连接。
S6，当连接银行网点接收到本地处理客户发起的人脸识别申请时，根据连接银行网点与人脸识别银行网点之间的最优路径，将本地处理客户的人脸识别申请发送到人脸识别银行网点来进行人脸识别；在得到识别结果后，通过人脸识别银行网点与连接银行网点之间的最优路径，将识别结果反馈至本地处理客户的移动终端。
在实际应用场景中，在人脸识别银行网点识别完成后，将识别结果存储到区块链中。当人脸匹配结果失败时，确定该人脸识别的风险，并将该风险存储到区块链中。
在另一实施例中，(S2)根据银行网点的交易数据，确定每两个银行网点之间的最优路径，还包括：
根据每个银行网点的交易数据，确定该银行网点对应的风险概率；
根据银行网点图及风险概率，将每条有向边的风险概率设置为r；其中，r是有向边的箭尾银行网点对应的风险概率；
对于每个银行网点，选取出以该银行网点为箭头银行网点的所有边，将选取出的边的箭尾银行网点作为该银行网点对应的第一银行网点，以及将除该银行网点对应的第一银行网点之外的其他银行网点作为该银行网点对应的第二银行网点；
对于每个银行网点，将该银行网点对应的第一银行网点对应该银行网点的风险概率初始化为该第一银行网点的风险概率，以及将该银行网点对应的第一银行网点对应该银行网点的最优路径初始化为只包含该银行网点与该第一银行网点对应的边的集合；以及将该银行网点对应的第二银行网点对应该银行网点的风险概率确定为1，以及将该银行网点对应的第二银行网点对应该银行网点的最优路径初始化为空集；
对于每个银行网点，初始化该银行网点对应的第三银行网点为除该银行网点之外的所有其他银行网点；
对于每个银行网点A，循环执行如下步骤，直到该银行网点对应的第三银行网点为空：
从该银行网点A对应的第三银行网点中选取出对应该银行网点A的风险概率最小的银行网点B，并将该银行网点B从该银行网点A对应的第三银行网点中删除；
对于银行网点B对应的每个银行网点C，如果f(A,B)+r(B,C)-f(A,B)×r(B,C)小于f(A,C)，则更新银行网点C对应银行网点A的风险概率为f(A,B)+r(B,C)-f(A,B)×r(B,C)，且更新银行网点C对应银行网点A的最优路径为银行网点B对应银行网点A的最优路径与银行网点B与银行网点C对应的边的并集，其中，f(A,C)为更新前的银行网点C对应银行网点A的风险概率，以及f(A,B)为银行网点B对应银行网点A的风险概率，以及r(B,C)为银行网点B与银行网点C对应的边的风险概率。
进一步的，(S3)根据所述银行网点图，确定各个本地处理客户对应的连接银行网点及人脸识别银行网点，还包括：
由手机银行服务器根据本地处理客户的移动终端的位置，确定距离所述位置在指定距离范围内的多个银行网点，作为待连接银行网点；
从所述指定区域内的银行网点中，选取出人脸识别资源使用率小于第三阈值的多个银行网点，作为待人脸识别银行网点；其中，具有人脸识别资源的银行网点部署有边缘计算系统；
对于每个待连接银行网点，根据多个待人脸识别银行网点对应该待连接银行网点的风险概率，从多个待人脸识别银行网点中，选取出对应该待连接银行网点的风险概率最小的待人脸识别银行网点，将选取出的待人脸识别银行网点作为该待连接银行网点对应的人脸识别银行网点；
对于每个待连接银行网点，按照如下公式计算当本地处理客户的移动终端与该待连接银行网点建立通信连接后，该待连接银行网点对应的人脸识别银行网点对应本地处理客户的移动终端的风险概率：f+R-f×R，其中，f是该待连接银行网点对应的人脸识别银行网点对应该待连接银行网点的风险概率，R是该待连接银行网点对应的风险概率；
将对应的人脸识别银行网点对应本地处理客户的移动终端的风险概率最小的待连接银行网点作为本地处理客户对应的连接银行网点；
将连接银行网点对应的人脸识别银行网点，作为本地处理客户对应的人脸识别银行网点。
需要说明的是，尽管在上述实施例及附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
为了对上述基于边缘计算的网点集群处理方法进行更为清楚的解释，下面结合一个具体的实施例来进行说明。
以一银行场景为例：
S01，构建指定区域内的银行网点图；即，部署边缘计算系统的银行网点组成一个图状结构。
其中，该边缘计算系统具有计算(比如人脸识别)，存储客户数据，以及通信功能。
具体的，图的顶点对应于一个银行网点，两个网点之间有边，当且仅当两个网点之间的距离小于预设阈值或者一个网点是另一个网点距离最近的网点，且边的方向从该银行网点到最近距离的银行网点。
S02，确定每两个银行网点之间的最优路径。
对于每个银行网点，依据该银行网点的交易数据确定对应的风险概率。每条有向边的距离值设置为-log(R)，其中，R是有向边的箭尾银行网点对应的风险概率。
基于最短路径算法，确定任何两个银行网点之间的最优路径，以及该最优路径对应的最短距离。
S03，在人脸识别服务器运行过程中，若发现归属于一指定区域的客户数量超过第一阈值时，将超过第一阈值的客户作为本地处理客户。对于每个本地处理客户，根据所述银行网点图，确定各个本地处理客户对应的连接银行网点及人脸识别银行网点。
S03的具体流程为：
S031，手机银行服务器基于该本地处理客户的手机的位置，确定距离该位置在指定距离范围内的多个银行网点，作为待连接银行网点。
S032，从该区域的银行网点中，选取出人脸识别资源使用率小于第三阈值的多个银行网点，作为待人脸识别银行网点。
S033，对于每个待连接银行网点，从多个待人脸识别银行网点中，选取出对应最短距离最小的那个待人脸识别银行网点，确定为该待连接银行网点对应的待人脸识别银行网点。
S034，对于每个待连接银行网点，确定当该手机与该待连接银行网点建立通信连接后，从该手机到该待连接银行网点对应的人脸识别银行网点的最短路径。
其中，将该本地处理客户的手机加入到银行网点图，为该本地处理客户的手机与对应的待连接银行网点建立一条有向边，边的方向从手机到该待连接银行网点，该边的距离值设置为-log(r)，其中，r是该待连接银行网点对应的风险概率。
从该手机到该区域的边缘系统银行网点的最短路径为：上步骤确定的有向边的距离值和从该待连接银行网点到该人脸识别银行网点的最短路径的距离和。
S035，从上述多个待连接银行网点中选取出对应最短距离最小的银行网点，将该银行网点确定为对应的连接银行网点。
S036，将该连接银行网点对应的人脸识别银行网点，确定为该本地处理客户对应的人脸识别银行网点。
S04，获取本地处理客户发起的交易，银行客户信息服务器根据本地处理客户的交易数据生成哈希值；人脸识别服务器获取对应的哈希值，并将哈希值和连接银行网点的ID下发到本地处理客户的移动终端，将哈希值下发到对应的连接银行网点，将本地处理客户的人脸信息下发到对应的人脸识别银行网点。
S05，当本地处理客户的移动终端接收到哈希值和连接银行网点的ID时，向连接银行网点发送哈希值进行验证；在哈希值验证通过后，建立移动终端与连接银行网点的通信连接。
其中，通信连接可以为wifi连接，或者该本地处理客户的手机与该银行网点的系统建立的无线通信连接。
S06，当连接银行网点接收到本地处理客户发起的人脸识别申请时，根据连接银行网点与人脸识别银行网点之间的最优路径，将本地处理客户的人脸识别申请发送到人脸识别银行网点来进行人脸识别；在得到识别结果后，通过人脸识别银行网点与连接银行网点之间的最优路径，将识别结果反馈至本地处理客户的移动终端。
当识别结果确定后，通过该人脸识别银行网点到该银行网点的最优路径将该人脸识别结果反馈到本地处理客户的手机终端上。
具体的，若银行服务器需要更新或维护时，可以由边缘计算系统承担交易数据处理的任务，满足本地处理客户的交易请求，保证本地处理客户的正常交易，银行服务器可以在此期间进行更新、维护，大大降低了更新、维护的难度。
在介绍了本发明示例性实施方式的方法之后，接下来，参考图5对本发明示例性实施方式的基于边缘计算的网点集群处理系统进行介绍。
基于边缘计算的网点集群处理系统的实施可以参见上述方法的实施，重复之处不再赘述。以下所使用的术语“模块”或者“单元”，可以是实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
基于同一发明构思，本发明还提出了一种基于边缘计算的网点集群处理系统，如图5所示，该系统包括：
构建模块510，用于构建指定区域内的银行网点图；
最优路径确定模块520，用于根据银行网点的交易数据，确定每两个银行网点之间的最优路径；
银行网点处理模块530，用于在人脸识别服务器运行过程中，若发现归属于一指定区域的客户数量超过第一阈值时，将超过第一阈值的客户作为本地处理客户；根据所述银行网点图，确定各个本地处理客户对应的连接银行网点及人脸识别银行网点；
交易处理模块540，用于获取本地处理客户发起的交易，银行客户信息服务器根据本地处理客户的交易数据生成哈希值；人脸识别服务器获取对应的哈希值，并将哈希值和连接银行网点的ID下发到本地处理客户的移动终端，将哈希值下发到对应的连接银行网点，将本地处理客户的人脸信息下发到对应的人脸识别银行网点；
验证模块550，用于当本地处理客户的移动终端接收到哈希值和连接银行网点的ID时，向连接银行网点发送哈希值进行验证；在哈希值验证通过后，建立移动终端与连接银行网点的通信连接；
数据处理模块560，用于当连接银行网点接收到本地处理客户发起的人脸识别申请时，根据连接银行网点与人脸识别银行网点之间的最优路径，将本地处理客户的人脸识别申请发送到人脸识别银行网点来进行人脸识别；在得到识别结果后，通过人脸识别银行网点与连接银行网点之间的最优路径，将识别结果反馈至本地处理客户的移动终端。
在一实施例中，在指定区域内部署有边缘计算系统；其中，边缘计算系统至少用于人脸识别，数据存储；
银行网点图是指定区域内的银行网点组成的图状结构，其中，银行网点图的顶点对应于一个银行网点，两个网点之间有边，边的设置机制是当两个银行网点之间的距离小于第二阈值，或者一个银行网点是另一个银行网点距离最近的银行网点，在两个银行网点之间设置边，边的方向从该银行网点到最近距离的银行网点。
在一实施例中，最优路径确定模块具体用于：
根据每个银行网点的交易数据，确定该银行网点对应的风险概率；
根据银行网点图及风险概率，将每条有向边的距离值设置为-log(R)；其中，R是有向边的箭尾银行网点对应的风险概率；
根据每条有向边的距离值，利用最短路径算法确定任意两个银行网点之间的最优路径，及最优路径对应的最短距离。
在一实施例中，银行网点处理模块具体用于：
由手机银行服务器根据本地处理客户的移动终端的位置，确定距离所述位置在指定距离范围内的多个银行网点，作为待连接银行网点；
从所述指定区域内的银行网点中，选取出人脸识别资源使用率小于第三阈值的多个银行网点，作为待人脸识别银行网点；其中，具有人脸识别资源的银行网点部署有边缘计算系统；
对于每个待连接银行网点，根据该待连接银行网点与待人脸识别银行网点之间的最优路径，从多个待人脸识别银行网点中，选取出与该待连接银行网点的最短距离最小的待人脸识别银行网点，将选取出的待人脸识别银行网点作为该待连接银行网点对应的人脸识别银行网点；
对于每个待连接银行网点，计算当本地处理客户的移动终端与该待连接银行网点建立通信连接后，从本地处理客户的移动终端到该待连接银行网点对应的人脸识别银行网点的最短距离；
根据本地处理客户的移动终端到待连接银行网点对应的人脸识别银行网点的最短距离，从多个待连接银行网点中，选取出最短距离最小的待连接银行网点，作为本地处理客户对应的连接银行网点；
将本地处理客户对应的连接银行网点对应的人脸识别银行网点，作为本地处理客户对应的人脸识别银行网点。
在一实施例中，银行网点处理模块具体用于：
将本地处理客户的移动终端加入到银行网点图，在本地处理客户的移动终端与该待连接银行网点之间建立一条有向边，其中，边的方向从本地处理客户的移动终端到该待连接银行网点，边的距离值设置为-log(R)，其中，R是该待连接银行网点对应的风险概率；
对本地处理客户的移动终端与该待连接银行网点之间的有向边的距离值，及该待连接银行网点与对应的人脸识别银行网点的最短距离进行求和，得到从本地处理客户的移动终端到该待连接银行网点对应的人脸识别银行网点的最短距离。
在一实施例中，最优路径确定模块具体用于：
根据每个银行网点的交易数据，确定该银行网点对应的风险概率；
根据银行网点图及风险概率，将每条有向边的风险概率设置为r；其中，r是有向边的箭尾银行网点对应的风险概率；
对于每个银行网点，选取出以该银行网点为箭头银行网点的所有边，将选取出的边的箭尾银行网点作为该银行网点对应的第一银行网点，以及将除该银行网点对应的第一银行网点之外的其他银行网点作为该银行网点对应的第二银行网点；
对于每个银行网点，将该银行网点对应的第一银行网点对应该银行网点的风险概率初始化为该第一银行网点的风险概率，以及将该银行网点对应的第一银行网点对应该银行网点的最优路径初始化为只包含该银行网点与该第一银行网点对应的边的集合；以及将该银行网点对应的第二银行网点对应该银行网点的风险概率确定为1，以及将该银行网点对应的第二银行网点对应该银行网点的最优路径初始化为空集；
对于每个银行网点，初始化该银行网点对应的第三银行网点为除该银行网点之外的所有其他银行网点；
对于每个银行网点A，循环执行如下步骤，直到该银行网点对应的第三银行网点为空：
从该银行网点A对应的第三银行网点中选取出对应该银行网点A的风险概率最小的银行网点B，并将该银行网点B从该银行网点A对应的第三银行网点中删除；
对于银行网点B对应的每个银行网点C，如果f(A,B)+r(B,C)-f(A,B)×r(B,C)小于f(A,C)，则更新银行网点C对应银行网点A的风险概率为f(A,B)+r(B,C)-f(A,B)×r(B,C)，且更新银行网点C对应银行网点A的最优路径为银行网点B对应银行网点A的最优路径与银行网点B与银行网点C对应的边的并集，其中，f(A,C)为更新前的银行网点C对应银行网点A的风险概率，以及f(A,B)为银行网点B对应银行网点A的风险概率，以及r(B,C)为银行网点B与银行网点C对应的边的风险概率。
在一实施例中，银行网点处理模块具体用于：
由手机银行服务器根据本地处理客户的移动终端的位置，确定距离所述位置在指定距离范围内的多个银行网点，作为待连接银行网点；
从所述指定区域内的银行网点中，选取出人脸识别资源使用率小于第三阈值的多个银行网点，作为待人脸识别银行网点；其中，具有人脸识别资源的银行网点部署有边缘计算系统；
对于每个待连接银行网点，根据多个待人脸识别银行网点对应该待连接银行网点的风险概率，从多个待人脸识别银行网点中，选取出对应该待连接银行网点的风险概率最小的待人脸识别银行网点，将选取出的待人脸识别银行网点作为该待连接银行网点对应的人脸识别银行网点；
对于每个待连接银行网点，按照如下公式计算当本地处理客户的移动终端与该待连接银行网点建立通信连接后，该待连接银行网点对应的人脸识别银行网点对应本地处理客户的移动终端的风险概率：f+R-f×R，其中，f是该待连接银行网点对应的人脸识别银行网点对应该待连接银行网点的风险概率，R是该待连接银行网点对应的风险概率；
将对应的人脸识别银行网点对应本地处理客户的移动终端的风险概率最小的待连接银行网点作为本地处理客户对应的连接银行网点；
将连接银行网点对应的人脸识别银行网点，作为本地处理客户对应的人脸识别银行网点。
在一实施例中，在哈希值验证通过后，建立移动终端与连接银行网点的通信连接至少包括：
通过wifi连接或移动通信连接。
应当注意，尽管在上文详细描述中提及了基于边缘计算的网点集群处理系统的若干模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之，上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。
基于前述发明构思，如图6所示，本发明还提出了一种计算机设备600，包括存储器610、处理器620及存储在存储器610上并可在处理器620上运行的计算机程序630，所述处理器620执行所述计算机程序630时实现前述基于边缘计算的网点集群处理方法。
基于前述发明构思，本发明提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现前述基于边缘计算的网点集群处理方法。
基于前述发明构思，本发明提出了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现基于边缘计算的网点集群处理方法。
本发明提出的基于边缘计算的网点集群处理方法及系统通过构建指定区域内的银行网点图；根据银行网点的交易数据，确定每两个银行网点之间的最优路径；在人脸识别服务器运行过程中，若发现归属于一指定区域的客户数量超过第一阈值时，将超过第一阈值的客户作为本地处理客户；根据所述银行网点图，确定各个本地处理客户对应的连接银行网点及人脸识别银行网点；获取本地处理客户发起的交易，银行客户信息服务器根据本地处理客户的交易数据生成哈希值；人脸识别服务器获取对应的哈希值，并将哈希值和连接银行网点的ID下发到本地处理客户的移动终端，将哈希值下发到对应的连接银行网点，将本地处理客户的人脸信息下发到对应的人脸识别银行网点；当本地处理客户的移动终端接收到哈希值和连接银行网点的ID时，向连接银行网点发送哈希值进行验证；在哈希值验证通过后，建立移动终端与连接银行网点的通信连接；当连接银行网点接收到本地处理客户发起的人脸识别申请时，根据连接银行网点与人脸识别银行网点之间的最优路径，将本地处理客户的人脸识别申请发送到人脸识别银行网点来进行人脸识别；在得到识别结果后，通过人脸识别银行网点与连接银行网点之间的最优路径，将识别结果反馈至本地处理客户的移动终端；本发明整体方案利用银行网点的地理位置优势，处理客户在移动终端上发起的交易，不仅可以减轻银行后台服务器的压力，还可以缩短路由和处理交易的时间，在满足客户需求的同时有效降低银行后台服务器的更新与维护难度。
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。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述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：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (19)

1.一种基于边缘计算的网点集群处理方法，其特征在于，包括：
构建指定区域内的银行网点图；
根据银行网点的交易数据，确定每两个银行网点之间的最优路径；
在人脸识别服务器运行过程中，若发现归属于一指定区域的客户数量超过第一阈值时，将超过第一阈值的客户作为本地处理客户；根据所述银行网点图，确定各个本地处理客户对应的连接银行网点及人脸识别银行网点；
获取本地处理客户发起的交易，银行客户信息服务器根据本地处理客户的交易数据生成哈希值；人脸识别服务器获取对应的哈希值，并将哈希值和连接银行网点的ID下发到本地处理客户的移动终端，将哈希值下发到对应的连接银行网点，将本地处理客户的人脸信息下发到对应的人脸识别银行网点；
当本地处理客户的移动终端接收到哈希值和连接银行网点的ID时，向连接银行网点发送哈希值进行验证；在哈希值验证通过后，建立移动终端与连接银行网点的通信连接；
当连接银行网点接收到本地处理客户发起的人脸识别申请时，根据连接银行网点与人脸识别银行网点之间的最优路径，将本地处理客户的人脸识别申请发送到人脸识别银行网点来进行人脸识别；在得到识别结果后，通过人脸识别银行网点与连接银行网点之间的最优路径，将识别结果反馈至本地处理客户的移动终端。
2.根据权利要求1所述的方法，其特征在于，在指定区域内部署有边缘计算系统；其中，边缘计算系统至少用于人脸识别，数据存储；
银行网点图是指定区域内的银行网点组成的图状结构，其中，银行网点图的顶点对应于一个银行网点，两个网点之间有边，边的设置机制是当两个银行网点之间的距离小于第二阈值，或者一个银行网点是另一个银行网点距离最近的银行网点，在两个银行网点之间设置边，边的方向从该银行网点到最近距离的银行网点。
3.根据权利要求1所述的方法，其特征在于，根据银行网点的交易数据，确定每两个银行网点之间的最优路径，包括：
根据每个银行网点的交易数据，确定该银行网点对应的风险概率；
根据银行网点图及风险概率，将每条有向边的距离值设置为-log(R)；其中，R是有向边的箭尾银行网点对应的风险概率；
根据每条有向边的距离值，利用最短路径算法确定任意两个银行网点之间的最优路径，及最优路径对应的最短距离。
4.根据权利要求3所述的方法，其特征在于，根据所述银行网点图，确定各个本地处理客户对应的连接银行网点及人脸识别银行网点，包括：
由手机银行服务器根据本地处理客户的移动终端的位置，确定距离所述位置在指定距离范围内的多个银行网点，作为待连接银行网点；
从所述指定区域内的银行网点中，选取出人脸识别资源使用率小于第三阈值的多个银行网点，作为待人脸识别银行网点；其中，具有人脸识别资源的银行网点部署有边缘计算系统；
对于每个待连接银行网点，根据该待连接银行网点与待人脸识别银行网点之间的最优路径，从多个待人脸识别银行网点中，选取出与该待连接银行网点的最短距离最小的待人脸识别银行网点，将选取出的待人脸识别银行网点作为该待连接银行网点对应的人脸识别银行网点；
对于每个待连接银行网点，计算当本地处理客户的移动终端与该待连接银行网点建立通信连接后，从本地处理客户的移动终端到该待连接银行网点对应的人脸识别银行网点的最短距离；
根据本地处理客户的移动终端到待连接银行网点对应的人脸识别银行网点的最短距离，从多个待连接银行网点中，选取出最短距离最小的待连接银行网点，作为本地处理客户对应的连接银行网点；
将本地处理客户对应的连接银行网点对应的人脸识别银行网点，作为本地处理客户对应的人脸识别银行网点。
5.根据权利要求4所述的方法，其特征在于，对于每个待连接银行网点，计算当本地处理客户的移动终端与该待连接银行网点建立通信连接后，从本地处理客户的移动终端到该待连接银行网点对应的人脸识别银行网点的最短距离，包括：
将本地处理客户的移动终端加入到银行网点图，在本地处理客户的移动终端与该待连接银行网点之间建立一条有向边，其中，边的方向从本地处理客户的移动终端到该待连接银行网点，边的距离值设置为-log(R)，其中，R是该待连接银行网点对应的风险概率；
对本地处理客户的移动终端与该待连接银行网点之间的有向边的距离值，及该待连接银行网点与对应的人脸识别银行网点的最短距离进行求和，得到从本地处理客户的移动终端到该待连接银行网点对应的人脸识别银行网点的最短距离。
6.根据权利要求1所述的方法，其特征在于，根据银行网点的交易数据，确定每两个银行网点之间的最优路径，包括：
根据每个银行网点的交易数据，确定该银行网点对应的风险概率；
根据银行网点图及风险概率，将每条有向边的风险概率设置为r；其中，r是有向边的箭尾银行网点对应的风险概率；
对于每个银行网点，选取出以该银行网点为箭头银行网点的所有边，将选取出的边的箭尾银行网点作为该银行网点对应的第一银行网点，以及将除该银行网点对应的第一银行网点之外的其他银行网点作为该银行网点对应的第二银行网点；
对于每个银行网点，将该银行网点对应的第一银行网点对应该银行网点的风险概率初始化为该第一银行网点的风险概率，以及将该银行网点对应的第一银行网点对应该银行网点的最优路径初始化为只包含该银行网点与该第一银行网点对应的边的集合；以及将该银行网点对应的第二银行网点对应该银行网点的风险概率确定为1，以及将该银行网点对应的第二银行网点对应该银行网点的最优路径初始化为空集；
对于每个银行网点，初始化该银行网点对应的第三银行网点为除该银行网点之外的所有其他银行网点；
对于每个银行网点A，循环执行如下步骤，直到该银行网点对应的第三银行网点为空：
从该银行网点A对应的第三银行网点中选取出对应该银行网点A的风险概率最小的银行网点B，并将该银行网点B从该银行网点A对应的第三银行网点中删除；
对于银行网点B对应的每个银行网点C，如果f(A,B)+r(B,C)-f(A,B)×r(B,C)小于f(A,C)，则更新银行网点C对应银行网点A的风险概率为f(A,B)+r(B,C)-f(A,B)×r(B,C)，且更新银行网点C对应银行网点A的最优路径为银行网点B对应银行网点A的最优路径与银行网点B与银行网点C对应的边的并集，其中，f(A,C)为更新前的银行网点C对应银行网点A的风险概率，以及f(A,B)为银行网点B对应银行网点A的风险概率，以及r(B,C)为银行网点B与银行网点C对应的边的风险概率。
7.据权利要求6所述的方法，其特征在于，根据所述银行网点图，确定各个本地处理客户对应的连接银行网点及人脸识别银行网点，包括：
由手机银行服务器根据本地处理客户的移动终端的位置，确定距离所述位置在指定距离范围内的多个银行网点，作为待连接银行网点；
从所述指定区域内的银行网点中，选取出人脸识别资源使用率小于第三阈值的多个银行网点，作为待人脸识别银行网点；其中，具有人脸识别资源的银行网点部署有边缘计算系统；
对于每个待连接银行网点，根据多个待人脸识别银行网点对应该待连接银行网点的风险概率，从多个待人脸识别银行网点中，选取出对应该待连接银行网点的风险概率最小的待人脸识别银行网点，将选取出的待人脸识别银行网点作为该待连接银行网点对应的人脸识别银行网点；
对于每个待连接银行网点，按照如下公式计算当本地处理客户的移动终端与该待连接银行网点建立通信连接后，该待连接银行网点对应的人脸识别银行网点对应本地处理客户的移动终端的风险概率：f+R-f×R，其中，f是该待连接银行网点对应的人脸识别银行网点对应该待连接银行网点的风险概率，R是该待连接银行网点对应的风险概率；
将对应的人脸识别银行网点对应本地处理客户的移动终端的风险概率最小的待连接银行网点作为本地处理客户对应的连接银行网点；
将连接银行网点对应的人脸识别银行网点，作为本地处理客户对应的人脸识别银行网点。
8.根据权利要求1所述的方法，其特征在于，在哈希值验证通过后，建立移动终端与连接银行网点的通信连接至少包括：
通过wifi连接或移动通信连接。
9.一种基于边缘计算的网点集群处理系统，其特征在于，包括：
构建模块，用于构建指定区域内的银行网点图；
最优路径确定模块，用于根据银行网点的交易数据，确定每两个银行网点之间的最优路径；
银行网点处理模块，用于在人脸识别服务器运行过程中，若发现归属于一指定区域的客户数量超过第一阈值时，将超过第一阈值的客户作为本地处理客户；根据所述银行网点图，确定各个本地处理客户对应的连接银行网点及人脸识别银行网点；
交易处理模块，用于获取本地处理客户发起的交易，银行客户信息服务器根据本地处理客户的交易数据生成哈希值；人脸识别服务器获取对应的哈希值，并将哈希值和连接银行网点的ID下发到本地处理客户的移动终端，将哈希值下发到对应的连接银行网点，将本地处理客户的人脸信息下发到对应的人脸识别银行网点；
验证模块，用于当本地处理客户的移动终端接收到哈希值和连接银行网点的ID时，向连接银行网点发送哈希值进行验证；在哈希值验证通过后，建立移动终端与连接银行网点的通信连接；
数据处理模块，用于当连接银行网点接收到本地处理客户发起的人脸识别申请时，根据连接银行网点与人脸识别银行网点之间的最优路径，将本地处理客户的人脸识别申请发送到人脸识别银行网点来进行人脸识别；在得到识别结果后，通过人脸识别银行网点与连接银行网点之间的最优路径，将识别结果反馈至本地处理客户的移动终端。
10.根据权利要求9所述的系统，其特征在于，在指定区域内部署有边缘计算系统；其中，边缘计算系统至少用于人脸识别，数据存储；
银行网点图是指定区域内的银行网点组成的图状结构，其中，银行网点图的顶点对应于一个银行网点，两个网点之间有边，边的设置机制是当两个银行网点之间的距离小于第二阈值，或者一个银行网点是另一个银行网点距离最近的银行网点，在两个银行网点之间设置边，边的方向从该银行网点到最近距离的银行网点。
11.根据权利要求9所述的系统，其特征在于，最优路径确定模块具体用于：
根据每个银行网点的交易数据，确定该银行网点对应的风险概率；
根据银行网点图及风险概率，将每条有向边的距离值设置为-log(R)；其中，R是有向边的箭尾银行网点对应的风险概率；
根据每条有向边的距离值，利用最短路径算法确定任意两个银行网点之间的最优路径，及最优路径对应的最短距离。
12.根据权利要求11所述的系统，其特征在于，银行网点处理模块具体用于：
由手机银行服务器根据本地处理客户的移动终端的位置，确定距离所述位置在指定距离范围内的多个银行网点，作为待连接银行网点；
从所述指定区域内的银行网点中，选取出人脸识别资源使用率小于第三阈值的多个银行网点，作为待人脸识别银行网点；其中，具有人脸识别资源的银行网点部署有边缘计算系统；
对于每个待连接银行网点，根据该待连接银行网点与待人脸识别银行网点之间的最优路径，从多个待人脸识别银行网点中，选取出与该待连接银行网点的最短距离最小的待人脸识别银行网点，将选取出的待人脸识别银行网点作为该待连接银行网点对应的人脸识别银行网点；
对于每个待连接银行网点，计算当本地处理客户的移动终端与该待连接银行网点建立通信连接后，从本地处理客户的移动终端到该待连接银行网点对应的人脸识别银行网点的最短距离；
根据本地处理客户的移动终端到待连接银行网点对应的人脸识别银行网点的最短距离，从多个待连接银行网点中，选取出最短距离最小的待连接银行网点，作为本地处理客户对应的连接银行网点；
将本地处理客户对应的连接银行网点对应的人脸识别银行网点，作为本地处理客户对应的人脸识别银行网点。
13.根据权利要求12所述的系统，其特征在于，银行网点处理模块具体用于：
将本地处理客户的移动终端加入到银行网点图，在本地处理客户的移动终端与该待连接银行网点之间建立一条有向边，其中，边的方向从本地处理客户的移动终端到该待连接银行网点，边的距离值设置为-log(R)，其中，R是该待连接银行网点对应的风险概率；
对本地处理客户的移动终端与该待连接银行网点之间的有向边的距离值，及该待连接银行网点与对应的人脸识别银行网点的最短距离进行求和，得到从本地处理客户的移动终端到该待连接银行网点对应的人脸识别银行网点的最短距离。
14.根据权利要求9所述的系统，其特征在于，最优路径确定模块具体用于：
根据每个银行网点的交易数据，确定该银行网点对应的风险概率；
根据银行网点图及风险概率，将每条有向边的风险概率设置为r；其中，r是有向边的箭尾银行网点对应的风险概率；
对于每个银行网点，选取出以该银行网点为箭头银行网点的所有边，将选取出的边的箭尾银行网点作为该银行网点对应的第一银行网点，以及将除该银行网点对应的第一银行网点之外的其他银行网点作为该银行网点对应的第二银行网点；
对于每个银行网点，将该银行网点对应的第一银行网点对应该银行网点的风险概率初始化为该第一银行网点的风险概率，以及将该银行网点对应的第一银行网点对应该银行网点的最优路径初始化为只包含该银行网点与该第一银行网点对应的边的集合；以及将该银行网点对应的第二银行网点对应该银行网点的风险概率确定为1，以及将该银行网点对应的第二银行网点对应该银行网点的最优路径初始化为空集；
对于每个银行网点，初始化该银行网点对应的第三银行网点为除该银行网点之外的所有其他银行网点；
对于每个银行网点A，循环执行如下步骤，直到该银行网点对应的第三银行网点为空：
从该银行网点A对应的第三银行网点中选取出对应该银行网点A的风险概率最小的银行网点B，并将该银行网点B从该银行网点A对应的第三银行网点中删除；
对于银行网点B对应的每个银行网点C，如果f(A,B)+r(B,C)-f(A,B)×r(B,C)小于f(A,C)，则更新银行网点C对应银行网点A的风险概率为f(A,B)+r(B,C)-f(A,B)×r(B,C)，且更新银行网点C对应银行网点A的最优路径为银行网点B对应银行网点A的最优路径与银行网点B与银行网点C对应的边的并集，其中，f(A,C)为更新前的银行网点C对应银行网点A的风险概率，以及f(A,B)为银行网点B对应银行网点A的风险概率，以及r(B,C)为银行网点B与银行网点C对应的边的风险概率。
15.据权利要求14所述的系统，其特征在于，银行网点处理模块具体用于：
由手机银行服务器根据本地处理客户的移动终端的位置，确定距离所述位置在指定距离范围内的多个银行网点，作为待连接银行网点；
从所述指定区域内的银行网点中，选取出人脸识别资源使用率小于第三阈值的多个银行网点，作为待人脸识别银行网点；其中，具有人脸识别资源的银行网点部署有边缘计算系统；
对于每个待连接银行网点，根据多个待人脸识别银行网点对应该待连接银行网点的风险概率，从多个待人脸识别银行网点中，选取出对应该待连接银行网点的风险概率最小的待人脸识别银行网点，将选取出的待人脸识别银行网点作为该待连接银行网点对应的人脸识别银行网点；
对于每个待连接银行网点，按照如下公式计算当本地处理客户的移动终端与该待连接银行网点建立通信连接后，该待连接银行网点对应的人脸识别银行网点对应本地处理客户的移动终端的风险概率：f+R-f×R，其中，f是该待连接银行网点对应的人脸识别银行网点对应该待连接银行网点的风险概率，R是该待连接银行网点对应的风险概率；
将对应的人脸识别银行网点对应本地处理客户的移动终端的风险概率最小的待连接银行网点作为本地处理客户对应的连接银行网点；
将连接银行网点对应的人脸识别银行网点，作为本地处理客户对应的人脸识别银行网点。
16.根据权利要求9所述的系统，其特征在于，在哈希值验证通过后，建立移动终端与连接银行网点的通信连接至少包括：
通过wifi连接或移动通信连接。
17.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8任一所述方法。
18.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至8任一所述方法。
19.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现权利要求1至8任一所述方法。
CN202210640187.6A 2022-06-08 2022-06-08 基于边缘计算的网点集群处理方法及系统 Active CN115022324B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210640187.6A CN115022324B (zh) 2022-06-08 2022-06-08 基于边缘计算的网点集群处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210640187.6A CN115022324B (zh) 2022-06-08 2022-06-08 基于边缘计算的网点集群处理方法及系统

Publications (2)

Publication Number Publication Date
CN115022324A true CN115022324A (zh) 2022-09-06
CN115022324B CN115022324B (zh) 2024-04-19

Family

ID=83072999

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210640187.6A Active CN115022324B (zh) 2022-06-08 2022-06-08 基于边缘计算的网点集群处理方法及系统

Country Status (1)

Country Link
CN (1) CN115022324B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021115449A1 (zh) * 2019-12-13 2021-06-17 中兴通讯股份有限公司 跨域访问系统、方法及装置、存储介质及电子装置
CN113065866A (zh) * 2021-03-23 2021-07-02 北京邮电大学 基于区块链的物联网边缘计算系统及方法
CN113544672A (zh) * 2019-04-01 2021-10-22 英特尔公司 隐私保护的自主证实
CN113918316A (zh) * 2021-08-30 2022-01-11 山东浪潮科学研究院有限公司 基于区块链的5g接入网用户端边缘算力分配方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113544672A (zh) * 2019-04-01 2021-10-22 英特尔公司 隐私保护的自主证实
WO2021115449A1 (zh) * 2019-12-13 2021-06-17 中兴通讯股份有限公司 跨域访问系统、方法及装置、存储介质及电子装置
CN113065866A (zh) * 2021-03-23 2021-07-02 北京邮电大学 基于区块链的物联网边缘计算系统及方法
CN113918316A (zh) * 2021-08-30 2022-01-11 山东浪潮科学研究院有限公司 基于区块链的5g接入网用户端边缘算力分配方法

Also Published As

Publication number Publication date
CN115022324B (zh) 2024-04-19

Similar Documents

Publication Publication Date Title
CN109039751B (zh) 配置路由的方法、装置、计算机设备和存储介质
CN110599177A (zh) 一种交易验证方法及相关设备
CN107861811B (zh) 工作流系统中的任务信息传输方法、装置和计算机设备
CN109819023B (zh) 分布式事务处理方法及相关产品
CN113900598A (zh) 基于区块链的数据存储方法、装置、设备以及存储介质
CN114265898A (zh) 数据处理方法、装置、设备和存储介质
CN113645278A (zh) 一种区块链的跨链消息传输方法、设备、存储介质
CN111552942A (zh) 身份认证方法、系统、装置及计算机存储介质
CN115022324B (zh) 基于边缘计算的网点集群处理方法及系统
CN113010306A (zh) 业务数据处理方法、装置、计算机设备和存储介质
CN111949411A (zh) 资源分配方法、装置、计算机设备及计算机可读存储介质
CN117354312A (zh) 访问请求处理方法、装置、系统、计算机设备和存储介质
CN112363831B (zh) 风控处理方法、装置、计算机设备和存储介质
CN115357939A (zh) 一种隐私保护数据计算方法和设备
CN112988738B (zh) 用于区块链的数据分片方法和装置
CN111191982B (zh) 订单分组方法、装置、计算机设备和存储介质
CN113190347A (zh) 一种边缘云系统及任务管理方法
CN112685199A (zh) 一种消息队列修复方法、装置、计算机设备及存储介质
CN110889539A (zh) 基于云平台的现货市场出清案例组织方法、系统和装置
Kella et al. Synchronized Lévy queues
CN114942797B (zh) 基于边车模式的系统配置方法、装置、设备及存储介质
CN115358434A (zh) 银行网点信息处理方法及装置
CN114707853A (zh) 银行网点的终端配置方法及系统
CN109241053B (zh) 一种标识码分配方法、装置及服务器
CN115525423A (zh) 计算任务分配方法、分布式计算系统及设备

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