CN115409632A - 一种基于区块链的差异化保险额度配置方法及其系统 - Google Patents
一种基于区块链的差异化保险额度配置方法及其系统 Download PDFInfo
- Publication number
- CN115409632A CN115409632A CN202211018956.5A CN202211018956A CN115409632A CN 115409632 A CN115409632 A CN 115409632A CN 202211018956 A CN202211018956 A CN 202211018956A CN 115409632 A CN115409632 A CN 115409632A
- Authority
- CN
- China
- Prior art keywords
- data
- health
- insurance
- personnel
- risk
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000036541 health Effects 0.000 claims abstract description 365
- 238000012545 processing Methods 0.000 claims abstract description 39
- 238000012502 risk assessment Methods 0.000 claims abstract description 18
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 41
- 201000010099 disease Diseases 0.000 claims description 37
- 238000011156 evaluation Methods 0.000 claims description 30
- 230000005540 biological transmission Effects 0.000 claims description 28
- 238000013524 data verification Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 16
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 14
- 238000013475 authorization Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000011157 data evaluation Methods 0.000 claims description 6
- 238000013210 evaluation model Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 2
- 230000006978 adaptation Effects 0.000 abstract 1
- 230000004069 differentiation Effects 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 24
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 11
- 201000005202 lung cancer Diseases 0.000 description 11
- 208000020816 lung neoplasm Diseases 0.000 description 11
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 10
- 239000008280 blood Substances 0.000 description 10
- 210000004369 blood Anatomy 0.000 description 10
- 229910052760 oxygen Inorganic materials 0.000 description 10
- 239000001301 oxygen Substances 0.000 description 10
- 208000003445 Mouth Neoplasms Diseases 0.000 description 7
- 208000012987 lip and oral cavity carcinoma Diseases 0.000 description 7
- 238000007405 data analysis Methods 0.000 description 6
- 208000019622 heart disease Diseases 0.000 description 6
- 230000036772 blood pressure Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000019693 Lung disease Diseases 0.000 description 1
- 235000008180 Piper betle Nutrition 0.000 description 1
- 240000008154 Piper betle Species 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000007407 health benefit Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 208000032839 leukemia Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- 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
-
- 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
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Public Health (AREA)
- General Engineering & Computer Science (AREA)
- Bioethics (AREA)
- Software Systems (AREA)
- Accounting & Taxation (AREA)
- Computer Hardware Design (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Computer Security & Cryptography (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请涉及一种基于区块链的差异化保险额度配置方法及其系统,其方法包括实时接收按照体检时间进行链式排列的参保体检数据秘文,对所述参保体检数据秘文进行数据解密处理,得到符合携带有参保人员真实健康数据的参保体检数据,将解密后的所述参保体检数据输入到预先构建的健康风险评估模型中,生成符合参保人员真实健康数据的健康风险数据,根据所述健康风险数据,对参保人员进行保险额度配置处理,生成与每个参保人员真实健康数据相适配的保险额度配置方案。本申请具有提高参保人员体检数据的安全性和提高参保人员的参保额度与实际健康情况的适配性的效果。
Description
技术领域
本发明涉及保险额度配置的技术领域,尤其是涉及一种基于区块链的差异化保险额度配置方法及其系统。
背景技术
目前,随着人们对健康重视程度的提高,越来越多人开始购买健康保险,当保险单上的标的满足理赔要求时,参保人可以提交保险理赔证据向保险公司提出保险理赔,从而减轻参保人因为健康医疗问题而带来的经济压力。
现有的保险额度配置方法通常是保险公司根据参保人员自行调查后提供的健康数据,向参保人推荐健康保险套餐,参保人员根据自身的经济实力以及健康程度进行保险额度选择,但是,健康数据受限于参保人员自身调查的准确性,且出于利益考虑,保险公司推荐的参保额度往往高于参保人员的实际需要的保险额度,且现有的健康数据都是参保人员直接上传到云平台,传输过程中的健康数据处于裸露状态,容易被保险公司截获篡改,从而利于保险公司向参保人员推荐高额度保险套餐,如参保人员实际需要的是医疗险,而保险公司截获并篡改参保人员的健康数据,从而向参保人员推荐参保额度更高的重疾险,从而造成参保人员实际健康状态与参保额度不匹配的情况,造成参保人员经济利益上的损失。
针对上述中的相关技术,发明人认为存在有参保人员的参保额度与实际健康情况适配性较差的缺陷。
发明内容
为了提高参保人员体检数据的安全性,以及提高参保人员的参保额度与实际健康情况的适配性,本申请提供一种基于区块链的差异化保险额度配置方法及其系统。
本申请的上述发明目的一是通过以下技术方案得以实现的:
一种基于区块链的差异化保险额度配置方法,所述基于区块链的差异化保险额度配置方法包括:
实时接收按照体检时间进行链式排列的参保体检数据秘文;
对所述参保体检数据秘文进行数据解密处理,得到符合携带有参保人员真实健康数据的参保体检数据;
将解密后的所述参保体检数据输入到预先构建的健康风险评估模型中,生成符合参保人员真实健康数据的健康风险数据;
根据所述健康风险数据,对参保人员进行保险额度配置处理,生成与每个参保人员真实健康数据相适配的保险额度配置方案。
通过采用上述技术方案,由于在实际生活中,保险公司为了自身利益往往会通过夸大参保人员的健康风险情况,来向用户推销更加高价的健康保险套餐,参保人员常常通过上传体检数据到第三方平台进行健康风险自评,不同的第三方平台对数据安全的要求不同,往往会使体检数据处于裸露状态,而保险公司通过捕获并篡改参保人员的体检数据,从而使参保人员得到虚高的风险评估结果,因此,通过预先对体检数据进行数据加密,并按照体检时间进行链式排列,一旦数据发生篡改就会导致整个数据链结构发生变化,从而提高体检数据的防篡改能力,并通过预先构建的秘钥进行数据解密,从而使数据分析平台能够得到符合参保人员真实健康状态的参保体检数据,通过多重防篡改手段,提高参保人员健康数据的安全性,并通过预先由多个参保人员的参保数据训练得到的健康风险评估模型,对参保人员的健康风险进行快速评估,有助于根据健康风险数据进行差异化的保险额度配置,提高保险额度与参保人员的真实健康状况的适配性。
本申请在一较佳示例中可以进一步配置为:所述将解密后的所述参保体检数据输入到预先构建的健康风险评估模型中,生成符合参保人员真实健康数据的健康风险数据,具体包括:
实时获取参保人员的授信数据,并根据所述授权数据调取参保人员的历史病例数据;
根据所述历史病例数据对参保人员的患病风险进行综合判断,并生成符合所述授信数据的风险评估指标;
对所述参保体检数据进行风险预测,得到符合所述风险评估指标的患病风险数据;
根据所述患病风险数据,对参保人员的健康程度进行评估,得到健康风险数据。
通过采用上述技术方案,由于实时的体检数据反应的是参保人员实时的身体健康数据,仅根据参保人员的实时数据难以判断出参保人员是否存在隐式的重大疾病风险,例如存在家族遗传史,或者曾经患过存在复发隐患的疾病等,都难以从当前的即时身体健康数据中检测出隐藏的患病风险,因此,根据参保人员的授信数据,调取参保人员的历史病例数据对参保人员的患病风险进行综合判断,通过历史病例数据为患病风险的判断提供了一个可靠的参考依据,从而得到可靠性较高的风险评估指标,通过风险评估指标对参保人员的参保体检数据进行风险预测,根据参保体检数据与风险评估指标的契合程度,得到患病风险数据,有助于使健康风险数据不仅符合参保人员的实时体检数据,也符合参保人员的隐式的患病风险情况,从多维度提高参保人员的真实健康情况和保险额度的适配性。
本申请在一较佳示例中可以进一步配置为:所述根据所述患病风险数据,对参保人员的健康程度进行评估,得到健康风险数据,还包括:
接收参保人员的数据查看请求,根据所述数据查看请求,生成数据查看秘钥;
根据所述数据查看请求,从预设词库中查找与所述健康风险数据相匹配的文字,得到符合所述健康风险数据的健康风险文字;
对所述健康风险文字进行词句组装,得到符合人类可识别语言的健康风险报告;
将所述健康风险报告与所述数据查看秘钥进行数据加密处理,得到健康风险报告秘文,其中,所述健康风险报告秘文用于参保人员通过唯一查看秘钥进行查看。
通过采用上述技术方案,由于平台在进行健康风险评估后往往会直接进行保险额度配置,健康风险评估过程往往是以计算机语言在进行,若参保人员对于保险额度配置的结果存在质疑,可以根据实际需要提出数据查看请求,因此,在接收到参保人员的数据查看请求后,生成仅供参保人员进行健康风险评估查看的数据查看秘钥,并从预设的词库中查找到与健康风险数据相匹配的文字进行词句组装,并进行词句顺序调整,使健康风险数据以用户可读的健康风险报告的形式呈现,从而在参保用户接收到健康风险报告秘文之后,通过数据查看秘钥进行数据解密后得到明文形式的健康风险报告,提高参保人员的授权数据和健康分析数据的数据安全性。
本申请在一较佳示例中可以进一步配置为:所述根据所述健康风险数据,对参保人员进行保险额度配置处理,生成与每个参保人员真实健康数据相适配的保险额度配置方案,具体包括:
根据所述授权数据,获取参保人员的实际经济数据;
对参保人员的实际经济数据以及所述健康风险数据进行综合评估,得到符合参保人员实际经济水平的,且与所述健康风险数据相匹配的投保占比数据;
调用数据库中预先存储的保险项目与所述投保占比数据进行项目匹配,得到与所述投保占比数据相符合的投保项目匹配结果;
根据所述投保项目匹配结果,对每个投保项目分别进行保险额度配置,生成符合参保人员实际收入水平,且与真实健康数据相适配的保险额度配置方案。
通过采用上述技术方案,由于保险额度的配置不仅要与参保人员的实际健康情况相适配,也要与参保人员的实际经济情况相对应,若只考虑参保人员的健康数据,使配置后的保险额度超过参保人员的真实经济水平,则会给参保人员带来生活上的经济压力,保险费用的过高则会使参保用户流失,因此,通过参保人员的授信数据,获取参保人员的实际经济数据如年度收入数据,从而根据参保人员的实际经济数据和健康风险数据进行综合评估,得到综合的投保占比数据,有助于根据投保占比数据调用保险公司的保险项目进行匹配,根据投保占比数据对于健康风险较高的保险项目进行优先额度配置,从而对参保人员的每个参保项目进行差异化额度配置,使保险额度配置方案更加合理与贴合参保人员实际需求。
本申请在一较佳示例中可以进一步配置为:所述根据所述健康风险数据,对参保人员进行保险额度配置处理,生成与每个参保人员真实健康数据相适配的保险额度配置方案,还包括:
实时接收参保人员对所述保险额度配置方案的调度请求,并生成符合所述调度请求的健康保险合约;
根据所述健康保险合约对参保人员的体检数据进行持续性跟踪,得到参保人员的健康程度变化数据;
根据所述健康程度变化数据,判断参保人员的健康状况是否出现异常;
若是,则生成与参保人员健康异常状况相对应的提醒指令,以便于及时提醒参保人员进行处理。
通过采用上述技术方案,由于参保人员往往是在患病时先进行预先垫付,并在后期通过提供对应的医疗证据给保险公司审核,从而获取到对应参保额度赔付,这个过程往往需要较长的审核时间,不仅耽误参保人员的正常治疗,且对保险公司也造成一定的经济损失,因此,为了降低参保双方的经济损失,通过对参保人员对于保险额度配置方案的调度请求进行处理,并生成对应的智能健康保险合约,有助于通过健康保险合约,定时督促参保人员进行持续性的健康检测,并通过参保用户的授信数据,实时对参保人员的体检数据进行跟中,并按照体检时间记录对应的健康程度变化数据,有助于及时获知参保人员的健康异常情况,从而便于在参保人员的健康数据出现异常时进行及时的提醒,提高参保人员对异常的健康数据的重视,从而降低保险索赔情况的发生率,提高保险公司的收益,也使参保人员的健康状态保持稳定。
本申请在一较佳示例中可以进一步配置为:所述实时接收按照体检时间进行链式排列的参保体检数据秘文之前,还包括:
实时获取参保人员的体检数据,其中,所述体检数据包括体检时间和对应的体检项目数据;
对所述体检项目数据进行数据加密处理,生成按照所述体检时间进行链式排列的体检数据秘文;
将所述体检数据秘文广播至其它用户节点进行数据验证处理,得到数据验证结果;
当数据验证结果为通过时,将所述体检数据秘文存储至预设的公链数据库中。
通过采用上述技术方案,若参保人员上传至分析平台的体检数据是处于未加密的裸露状态,容易被保险公司通过非法手段截获并进行篡改,如将处于正常范围值的体检数值改为虚高的危险数值,从而使分析平台对体检数据的分析结果处于虚高状态,得到高额度的保险额度配置方案,增加参保人员的参保压力,因此,在将参保体检数据秘文发送给对应的分析平台之前,先按照体检时间的发生顺序,对体检项目数据进行数据加密,并形成以体检时间进行链式排列的体检数据秘文,有助于提高体检数据的防篡改性,并通过其它的用户节点对广播的体检数据秘文进行数据验证,如通过每个用户节点预先存储的秘钥进行解密,并判断解密后的数据是否被篡改,从而得到数据验证结果,通过多个用户节点对体检数据秘文进行多方面的验证,从而提高了体检数据传输的安全性,并在体检数据验证通过时,将按照体检时间进行链式排列的体检数据秘文存储至对应的公链数据库中,从而便于分析平台对体检数据的调取和分析,通过从传输、验证和存储等多个维度对参保人员的体检数据进行加密,减少非法分子对体检数据进行篡改的风险,从而提高体检数据的数据安全性。
本申请在一较佳示例中可以进一步配置为:所述对所述体检项目数据进行数据加密处理,生成按照所述体检时间进行链式排列的体检数据秘文,具体包括:
接收参保人员发出的数据加密请求;
根据所述数据加密请求,向参保人员的用户节点反馈预先构建的传输秘钥;
将所述传输秘钥和所述体检项目数据进行加密计算,得到关于体检项目数据的散列数值;
按照所述体检时间,将所述散列数值进行时间顺序排列,得到符合所述体检时间顺序的,且呈链式排列的体检数据秘文。
通过采用上述技术方案,由于在对数据进行加密之前,需要先对数据加密的秘钥进行沟通,若参保人员用户端和分析平台采用的是同一通用的加密秘钥的话,若加密秘钥被非法分子获取并对数据进行篡改,由于使用同一秘钥,难以检测出体检数据在数据传输过程中是否被篡改,因此,根据参保人员的数据加密请求,获取参保人员的个人信息来生成非对称的唯一秘钥,并发送至对应参保人员的用户节点,从而便于通过传输秘钥对体检项目数据进行加密计算,得到对应的散列数值,并按照体检时间对散列数值进行排列,得到按照体检时间进行链式排列的体检数据秘文,从而通过参保用户的每次数据加密请求,对传输秘钥进行更新,提高数据传输过程中的防篡改能力。
本申请的上述发明目的二是通过以下技术方案得以实现的:
提供一种基于区块链的差异化保险额度配置系统,所述基于区块链的差异化保险额度配置系统包括:
数据接收模块,用于实时接收按照体检时间进行链式排列的参保体检数据秘文;
数据解密模块,用于对所述参保体检数据秘文进行数据解密处理,得到符合携带有参保人员真实健康数据的参保体检数据;
数据评估模块,用于将解密后的所述参保体检数据输入到预先构建的健康风险评估模型中,生成符合参保人员真实健康数据的健康风险数据;
额度配置模块,用于根据所述健康风险数据,对参保人员进行保险额度配置处理,生成与每个参保人员真实健康数据相适配的保险额度配置方案。
通过采用上述技术方案,由于在实际生活中,保险公司为了自身利益往往会通过夸大参保人员的健康风险情况,来向用户推销更加高价的健康保险套餐,参保人员常常通过上传体检数据到第三方平台进行健康风险自评,不同的第三方平台对数据安全的要求不同,往往会使体检数据处于裸露状态,而保险公司通过捕获并篡改参保人员的体检数据,从而使参保人员得到虚高的风险评估结果,因此,通过预先对体检数据进行数据加密,并按照体检时间进行链式排列,一旦数据发生篡改就会导致整个数据链结构发生变化,从而提高体检数据的防篡改能力,并通过预先构建的秘钥进行数据解密,从而使数据分析平台能够得到符合参保人员真实健康状态的参保体检数据,通过多重防篡改手段,提高参保人员健康数据的安全性,并通过预先由多个参保人员的参保数据训练得到的健康风险评估模型,对参保人员的健康风险进行快速评估,有助于根据健康风险数据进行差异化的保险额度配置,提高保险额度与参保人员的真实健康状况的适配性。
本申请在一较佳示例中可以进一步配置为:所述数据评估模块具体包括:
授信数据获取子模块,用于实时获取参保人员的授信数据,并根据所述授权数据调取参保人员的历史病例数据;
指标获取子模块,用于根据所述历史病例数据对参保人员的患病风险进行综合判断,并生成符合所述授信数据的风险评估指标;
风险预测子模块,用于对所述参保体检数据进行风险预测,得到符合所述风险评估指标的患病风险数据;
健康评估子模块,用于根据所述患病风险数据,对参保人员的健康程度进行评估,得到健康风险数据。
通过采用上述技术方案,由于实时的体检数据反应的是参保人员实时的身体健康数据,仅根据参保人员的实时数据难以判断出参保人员是否存在隐式的重大疾病风险,例如存在家族遗传史,或者曾经患过存在复发隐患的疾病等,都难以从当前的即时身体健康数据中检测出隐藏的患病风险,因此,根据参保人员的授信数据,调取参保人员的历史病例数据对参保人员的患病风险进行综合判断,通过历史病例数据为患病风险的判断提供了一个可靠的参考依据,从而得到可靠性较高的风险评估指标,通过风险评估指标对参保人员的参保体检数据进行风险预测,根据参保体检数据与风险评估指标的契合程度,得到患病风险数据,有助于使健康风险数据不仅符合参保人员的实时体检数据,也符合参保人员的隐式的患病风险情况,从多维度提高参保人员的真实健康情况和保险额度的适配性。
本申请在一较佳示例中可以进一步配置为:所述健康评估子模块还包括:
查看请求接收子模块,用于接收参保人员的数据查看请求,根据所述数据查看请求,生成数据查看秘钥;
词库查找子模块,用于根据所述数据查看请求,从预设词库中查找与所述健康风险数据相匹配的文字,得到符合所述健康风险数据的健康风险文字;
词句组装子模块,用于对所述健康风险文字进行词句组装,得到符合人类可识别语言的健康风险报告;
风险报告加密处理子模块,用于将所述健康风险报告与所述数据查看秘钥进行数据加密处理,得到健康风险报告秘文,其中,所述健康风险报告秘文用于参保人员通过唯一查看秘钥进行查看。
通过采用上述技术方案,由于平台在进行健康风险评估后往往会直接进行保险额度配置,健康风险评估过程往往是以计算机语言在进行,若参保人员对于保险额度配置的结果存在质疑,可以根据实际需要提出数据查看请求,因此,在接收到参保人员的数据查看请求后,生成仅供参保人员进行健康风险评估查看的数据查看秘钥,并从预设的词库中查找到与健康风险数据相匹配的文字进行词句组装,并进行词句顺序调整,使健康风险数据以用户可读的健康风险报告的形式呈现,从而在参保用户接收到健康风险报告秘文之后,通过数据查看秘钥进行数据解密后得到明文形式的健康风险报告,提高参保人员的授权数据和健康分析数据的数据安全性。
综上所述,本申请包括以下至少一种有益技术效果:
1、通过预先对体检数据进行数据加密,并按照体检时间进行链式排列,一旦数据发生篡改就会导致整个数据链结构发生变化,从而提高体检数据的防篡改能力,并通过预先构建的秘钥进行数据解密,从而使数据分析平台能够得到符合参保人员真实健康状态的参保体检数据,通过多重防篡改手段,提高参保人员健康数据的安全性,并通过预先由多个参保人员的参保数据训练得到的健康风险评估模型,对参保人员的健康风险进行快速评估,有助于根据健康风险数据进行差异化的保险额度配置,提高保险额度与参保人员的真实健康状况的适配性;
2、根据参保人员的授信数据,调取参保人员的历史病例数据对参保人员的患病风险进行综合判断,通过历史病例数据为患病风险的判断提供了一个可靠的参考依据,从而得到可靠性较高的风险评估指标,通过风险评估指标对参保人员的参保体检数据进行风险预测,根据参保体检数据与风险评估指标的契合程度,得到患病风险数据,有助于使健康风险数据不仅符合参保人员的实时体检数据,也符合参保人员的隐式的患病风险情况,从多维度提高参保人员的真实健康情况和保险额度的适配性;
3、在接收到参保人员的数据查看请求后,生成仅供参保人员进行健康风险评估查看的数据查看秘钥,并从预设的词库中查找到与健康风险数据相匹配的文字进行词句组装,并进行词句顺序调整,使健康风险数据以用户可读的健康风险报告的形式呈现,从而在参保用户接收到健康风险报告秘文之后,通过数据查看秘钥进行数据解密后得到明文形式的健康风险报告,提高参保人员的授权数据和健康分析数据的数据安全性。
附图说明
图1是本申请一实施例中一种基于区块链的差异化保险额度配置方法的实现流程图。
图2是本申请一实施例中基于区块链的差异化保险额度配置方法步骤S30的实现流程图。
图3是本申请一实施例中的差异化保险额度配置方法的步骤S104的另一实现流程图。
图4是本申请一实施例中基于区块链的差异化保险额度配置方法步骤S40的实现流程图。
图5是本申请一实施例中的差异化保险额度配置方法步骤S40的另一实现流程图。
图6本申请一实施例中的差异化保险额度配置方法步骤S10的另一实现流程图。
图7是本申请一实施例中的差异化保险额度配置方法步骤S502的实现流程图。
图8本申请一实施例中一种基于区块链的差异化保险额度配置系统的结构示意图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
在一实施例中,如图1所示,本申请公开了一种基于区块链的差异化保险额度配置方法,具体包括如下步骤:
S10:实时接收按照体检时间进行链式排列的参保体检数据秘文。
具体的,通过参保人员用户端与分析平台之间预先构建的数据传输通道,来实时接收按照体检时间进行链式排列的参保体检数据秘文,在将参保体检数据秘文存储至对应的公链数据库后,当分析平台通过预设的数据传输通道接收到参保人员用户端发送的数据分析请求时,根据参保人员用户端的唯一用户识别码调取公链数据库中对应的参保体检数据秘文,其中,公链数据库为保险公司持有或者参与,且用于存储同一保险公司的多个参保人员的体检数据秘文。
S20:对参保体检数据秘文进行数据解密处理,得到符合携带有参保人员真实健康数据的参保体检数据。
具体的,通过预设的区块链解密算法对参保体检数据秘文进行数据解密,从而得到携带有参保人员真实健康数据的参保体检数据,如在接收到体检数据分析请求时,根据参保人员用户端的唯一识别码,从保险公司参与或持有的公链数据库中调取对应的参保体检数据秘文,并根据分析平台预先生成的数据解码秘钥对参保体检数据秘文进行解密运算,从而得到明文形式的参保体检数据。
S30:将解密后的参保体检数据输入到预先构建的健康风险评估模型中,生成符合参保人员真实健康数据的健康风险数据。
具体的,健康风险评估模型由多个参保人员的参保数据预先进行训练得到,通过健康风险评估模型对参保人员的参保体检数据进行患病风险评估,从而快速得到符合每个参保人员的真实健康状态的健康风险数据,如图2所示,步骤S30具体包括:
S101:实时获取参保人员的授信数据,并根据授权数据调取参保人员的历史病例数据。
具体的,在参保人员提出参保体检数据分析请求时,根据参保人员对授权项的选择,生成参保人员的授信数据,如参保人员的个人信息如年龄、性别、患病史以及收入情况等,从而根据参保人员的授信数据,从大数据中爬取参保人员的历史病例数据,如过往5年内的患病以及治愈情况,还可以根据授信数据,爬取参保人员的近亲属的患病情况,从而判断参保人员是否存在家族遗传史等,从而得到参保人员的历史病例数据。
S102:根据历史病例数据对参保人员的患病风险进行综合判断,并生成符合授信数据的风险评估指标。
具体的,通过历史病例数据,分析参保人员是否存在病情复发或者并发症的情况,综合历史病情对参保人员的患病风险进行综合判断,并根据参保人员的授信数据,调取参保人员的消费记录对参保人员的生活饮食习惯进行预测,如购买烟较多的参保人员可能存在肺病,购买槟榔较多的参保人员可能存在口腔癌的隐患等,从而根据历史病情生成符合历史病情的复发以及并发症的发病概率的判断指标,从而得到符合授信数据的风险评估指标,如患肺癌指标、患口腔癌指标和患心脏病指标等等。
S103:对参保体检数据进行风险预测,得到符合风险评估指标的患病风险数据。
具体的,根据风险评估指标对参保体检数据进行风险预测,如参保体检数据中的血压值偏离风险评估指标中的血压阈值,则说明参保人员可能存在高血压的患病风险,若参保人员的血氧数据偏离风险评估指标,则说明参保人员可能存在患心脏病的风险,并根据参保体检数据与风险评估指标偏离的程度,结合参保人员的历史患病情况对参保人员患病种类和患病风险进行风险预测,从而得到符合风险评估指标的患病风险数据,其中,患病风险数据按照患病风险大小进行排序。
S104:根据患病风险数据,对参保人员的健康程度进行评估,得到健康风险数据。
具体的,根据患病风险数据中的患病风险大小的排列顺序,对参保人员的健康程度进行评估,如肺癌的风险为60%,口腔癌的风险是40%,预设患病风险超过50%的为高风险人群,患病风险低于20%的为低风险人群,从而当参保人员的其中一项患病风险数据超过预设高风险阈值时,将参保人员判定为患病高风险人群,从而得到关于参保人员真实健康情况的健康风险数据。
本实施例中,在得到参保人员的健康风险数据,由于分析平台对参保体检数据的分析结果往往是呈计算机可读的语言状态,便于后续的保险额度配置,但是由于部分参保人员可能会对健康风险数据的分析过程或分析依据存在质疑,因此,可以根据参保人员的分析查看请求,将风险评估指标的来源以及健康风险分析过程通过健康风险报告的形式加密传输至对应的参保用户,如图3所示,步骤S104还包括:
S201:接收参保人员的数据查看请求,根据数据查看请求,生成数据查看秘钥。
具体的,根据参保人员用户端发出的数据查看请求,分析平台在接收到对应的数据查看请求之后,通过RAS算法对分析平台的有效数字签名和参保人员用户端的唯一标识码进行运算,从而得到用户对数据进行加密传输的随机数,从而得到随机生成的数据查看秘钥,其中,数据查看秘钥包括公钥和私钥,根据参保人员的数据查看请求,将用于解密的私钥反馈至对应的参保人员用户端。
S202:根据数据查看请求,从预设词库中查找与健康风险数据相匹配的文字,得到符合健康风险数据的健康风险文字。
具体的,在接收到数据查看请求后,需要对计算机语言形式的健康风险数据进行格式转换处理,通过在预设的词库中查找到与对应健康风险数据相匹配的文字,如通过格式转换将二进制格式的健康风险数据,转换成十六进制的字符串形式,从而得到符合健康风险数据的健康风险文字。
S203:对健康风险文字进行词句组装,得到符合人类可识别语言的健康风险报告。
具体的,根据健康风险数据的排列顺序,对健康风险文字进行词句组装,从而得到符合人脸可识别语言如字符串形式的健康风险报告,如“肺癌的患病风险为60%”等。
S204:将健康风险报告与数据查看秘钥进行数据加密处理,得到健康风险报告秘文,其中,健康风险报告秘文用于参保人员通过唯一查看秘钥进行查看。
具体的,将健康风险报告与预先生成的数据查看秘钥进行数据加密处理,如将健康风险报告与公钥进行散列运算,从而得到随机生成的无规律数据,从而得到随机的健康风险报告秘文,并根据参保人员用户端的IP地址,将健康风险报告秘文发送给对应的参保人员用户端,参保人员用户端在接收到健康风险报告秘文之后,通过预先接收到的数据查看秘钥中的私钥进行数据解密,从而得到明文形式的健康风险报告,便于参保人员对健康风险报告进行查看。
S40:根据健康风险数据,对参保人员进行保险额度配置处理,生成与每个参保人员真实健康数据相适配的保险额度配置方案。
具体的,根据健康风险数据中的患病风险大小,对参保人员的保险额度进行配置,如将患病风险大的项目的投保额度相应的调高,从而得到每个参保人员差异化的保险额度配置方案,如图4所示,步骤S40具体包括:
S301:根据授权数据,获取参保人员的实际经济数据。
具体的,根据参保人员的授信数据,通过爬虫工具从大数据中爬取参保人员的实际经济数据,如参保人员的月度收入和月度实际消费水平,从而得到参保人员的实际经济数据,包括参保人员的月度和/或年度收入和消费情况等。
S302:对参保人员的实际经济数据以及健康风险数据进行综合评估,得到符合参保人员实际经济水平的,且与健康风险数据相匹配的投保占比数据。
具体的,通过参保人员的实际经济数据和健康风险数据进行综合评估,如根据参保人员的实际经济数据预测参保人员可在健康保险中投注的费用,如参保人员每年可在健康保险中投注5万的费用,则根据参保人员的投保经济实力,对健康风险数据进行配比,如肺癌的患病风险为50%,口腔癌的患病风险为30%,心脏病的患病风险为20%,则5万投保费用的对应投保占比为5:3:2,即肺癌的投保费用为2.5万,口腔癌的投保费用为1.5万,心脏病的投保费用为1万。
S303:调用数据库中预先存储的保险项目与投保占比数据进行项目匹配,得到与投保占比数据相符合的投保项目匹配结果。
具体的,通过健康风险数据中的类目在数据库中调用对应的保险项目进行匹配,其中,数据库存储有保险公司预先存储的所有保险项目数据,如健康风险数据中的类目包括肺癌、口腔癌、心脏病、白血病和/或乳腺癌等多种疾病种类,得到符合健康风险数据的保险项目,并根据符合参保人员实际经济水平的投保占比数据对投保项目进行匹配,从而得到投保项目匹配结果,如投保项目匹配结果为肺癌、口腔癌和/或心脏病等疾病对应的疾病保险,并根据投保占比数据进行排列。
需要说明的是,也可以根据参保人员的授信数据,根据参保人员的经济条件,为参保人筛选多种保险项目,从而组成保险人员的个性化保险套餐,如除了针对参保人员的疾病保险之外,还可以针对参保人员的性别和/或年龄匹配针对人群的女性保险、青少年保险和老年保险等,从而组成多元化的保险套餐,不局限于一种保险项目的匹配方式。
S304:根据投保项目匹配结果,对每个投保项目分别进行保险额度配置,生成符合参保人员实际收入水平,且与真实健康数据相适配的保险额度配置方案。
具体的,根据投保项目匹配结果对每个投保项目进行保险额度配置,如根据健康风险数据的患病风险大小,如参保人员与肺癌疾病保险的投保项目匹配结果为60%,则将参保人员的60%的投保金额分配至肺癌疾病保险,从而使肺癌疾病保险的保险额度调整至总保险额度的60%,根据投保项目匹配契合程度,对每个投保项目进行个性化保险额度分配,对于健康风险较大的投保项目优先分配大额的保险额度,对于健康风险较小的投保项目则分配相对小额的保险额度,从而形成与参保人员的真实收入水平相对应的,且与参保人员的真实健康数据相适配的保险额度配置方案。
本实施例中,为了在保险套餐履行过程中,能够及时发现参保人员的健康异常情况,并在可能诱发参保标的实现的情况下提醒参保人员及时就医,从而保证参保人员的健康状态稳定,且在疾病初期就进行治疗,减少保险公司的赔付压力,也提高参保人员的健康水平,如图5所示,步骤S40还包括:
S401:实时接收参保人员对保险额度配置方案的调度请求,并生成符合调度请求的健康保险合约。
具体的,在生成保险额度配置方案后发送给参保人员进行确认和调整,并将参保人员的方案调整选择通过调度请求的方式发送至对应的分析平台,分析平台根据参保人员的选择,生成符合参保人员选择需求的,且符合保险公司保险需求的健康保险合约,以便于在履约工程中及时提醒参保人员进行健康检查。
S402:根据健康保险合约对参保人员的体检数据进行持续性跟踪,得到参保人员的健康程度变化数据。
具体的,根据健康保险合约,在履约过程中定时提醒参保人员进行健康检查,如对血压、心电和血氧等核心体检数据进行定期检查,并按体检时间通过预设的互联网模块及时上传至分析平台,从而便于分析平台对参保人员的体检数据进行持续性跟踪,如根据体检时间生成参保人员的血压、血氧和心电图的变化曲线图,通过各项体检数据的变化曲线图得到参保人员的健康程度变化数据。
S403:根据健康程度变化数据,判断参保人员的健康状况是否出现异常。
具体的,通过体检数据的变化凸显图, 便于直观地了解参保人员的健康变化情况,并在体检数据偏离对应体检项目的预设值包括预设最高阈值和最低阈值,如血氧浓度的预设阈值为95%-100%,当参保体检数据中的血氧浓度低于95%时,说明参保人员的血氧浓度过低,存在健康异常情况。
S404:若是,则生成与参保人员健康异常状况相对应的提醒指令,以便于及时提醒参保人员进行处理。
具体的,在检测到参保人员的体检数据出现异常情况时,根据体检数据的异常情况,如血氧浓度低于预设阈值,则根据智能保险合约生成与血氧浓度过低的提醒指令,并发送至对应的参保人员用户端,以便于参保人员根据血氧浓度过低的情况以及可能导致的患病风险等,及时进行就医或者进一步的深入检查。
S405:若否,则根据智能保险合约继续对参保人员的健康状态进行持续性监测。
具体的,若参保人员的参保体检数据中的每项体检数值均符合预设的阈值,则说明参保人员的健康状态稳定,因此,根据智能保险合约中的授信数据和约定信息,继续对参保人员的健康状态进行持续性监测,如定时发出体检数据更新指令来督促参保人员进行体检数据检测等。
本实施例中,为了提高携带有参保人员个人健康信息的数据在传输过程中的防篡改能力,如图6所示,在步骤S10之前,还包括:
S501:实时获取参保人员的体检数据,其中,体检数据包括体检时间和对应的体检项目数据。
具体的,根据参保人员的健康分析请求,通过预先构建好的数据传输渠道,从参保人员用户端获取到参保人员的体检数据,体检数据包括参保人员的体检时间和体检项目数据,如血氧浓度数据、心电图数据和/或血压数据等。
S502:对体检项目数据进行数据加密处理,生成按照体检时间进行链式排列的体检数据秘文。
具体的,为了提高参保人员的体检数在传输过程中的数据安全性,在进行数据传输之前,需要通过预先获取的传输公钥对体检项目数据进行数据加密,如图7所示,步骤S502具体包括:
S601:接收参保人员发出的数据加密请求。
具体的,通过分析平台和参保人员用户端之间预先构建的数据传输通道,接收参保人员发出的数据加密请求,其中,数据加密请求中携带有参保人员用户端的唯一识别码信息。
S602:根据数据加密请求,向参保人员的用户节点反馈预先构建的传输秘钥。
具体的,根据数据加密请求,调用数据分析平台的随机生成器对唯一识别码信息和数据分析平台的数字证书信息进行运算,从而生成符合用户唯一识别码和数字证书信息的非对称随机数对,其中,随机数对包括传输公钥和传输秘钥,将传输公钥反馈至参保人员的用户节点。
S603:将传输秘钥和体检项目数据进行加密计算,得到关于体检项目数据的散列数值。
具体的,如通过RSA算法对体检项目数据进行HASH计算,得到携带有体检项目数据的哈希值,并通过预先生成的传输公钥对哈希值进行数字签名,从而得到加密后的散列数值。
S604:按照体检时间,将散列数值进行时间顺序排列,得到符合体检时间顺序的,且呈链式排列的体检数据秘文。
具体的,按照体检时间的发生顺序对散列数值进行时间顺序排列,如1月份体检数据的散列数值为A,二月份体检数据的散列数值为B,三月份体检数据的散列数值为C,则体检数据秘文的排列顺序为ABC。
S503:将体检数据秘文广播至其它用户节点进行数据验证处理,得到数据验证结果。
具体的,将体检数据秘文以广播的形式同步发送至同一公链数据库下的其它用户节点,其中其它用户节点为保险公司的其它参保用户,公链数据库为保险公司根据参保人员的唯一识别码预先构建,且用于存储参保用户的参保数据,其它用户节点接收到体检数据秘文之后,调用自身存储的传输秘钥进行体检数据解密,根据解密结果判断数据是否被篡改,从而通过其它用户节点对体检数据秘文的数据传输安全性进行综合评判,从而得到数据验证结果,其中数据验证结果包括数据未被篡改的通过状态和数据被篡改后的未通过状态。
S504:当数据验证结果为通过时,将体检数据秘文存储至预设的公链数据库中。
具体的,当数据验证结果为通过时,即判定参保人员的体检数据秘文在传输过程中未被篡改,体检数据秘文中携带的体检数据为参保人员的真实体检数据,从而按照参保人员用户端的唯一标识码,将体检数据秘文存储至预先购进的公链数据库中,便于数据分析平台的实时调用。
应理解,上述实施例中各步骤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,而不应对本申请实施例的实施过程构成任何限定。
在一实施例中,提供一种基于区块链的差异化保险额度配置系统,该基于区块链的差异化保险额度配置系统与上述实施例中基于区块链的差异化保险额度配置方法一一对应。如图8所示,该基于区块链的差异化保险额度配置系统包括数据接收模块、数据解密模块、数据评估模块和额度配置模块。各功能模块详细说明如下:
数据接收模块,用于实时接收按照体检时间进行链式排列的参保体检数据秘文。
数据解密模块,用于对参保体检数据秘文进行数据解密处理,得到符合携带有参保人员真实健康数据的参保体检数据。
数据评估模块,用于将解密后的参保体检数据输入到预先构建的健康风险评估模型中,生成符合参保人员真实健康数据的健康风险数据。
额度配置模块,用于根据健康风险数据,对参保人员进行保险额度配置处理,生成与每个参保人员真实健康数据相适配的保险额度配置方案。
可选的,数据评估模块具体包括:
授信数据获取子模块,用于实时获取参保人员的授信数据,并根据授权数据调取参保人员的历史病例数据。
指标获取子模块,用于根据历史病例数据对参保人员的患病风险进行综合判断,并生成符合授信数据的风险评估指标。
风险预测子模块,用于对参保体检数据进行风险预测,得到符合风险评估指标的患病风险数据。
健康评估子模块,用于根据患病风险数据,对参保人员的健康程度进行评估,得到健康风险数据。
可选的,健康评估子模块还包括:
查看请求接收子模块,用于接收参保人员的数据查看请求,根据数据查看请求,生成数据查看秘钥。
词库查找子模块,用于根据数据查看请求,从预设词库中查找与健康风险数据相匹配的文字,得到符合健康风险数据的健康风险文字。
词句组装子模块,用于对健康风险文字进行词句组装,得到符合人类可识别语言的健康风险报告。
风险报告加密处理子模块,用于将健康风险报告与数据查看秘钥进行数据加密处理,得到健康风险报告秘文,其中,健康风险报告秘文用于参保人员通过唯一查看秘钥进行查看。
可选的,额度配置模块具体包括:
经济数据获取子模块,用于根据授权数据,获取参保人员的实际经济数据。
投保占比评估子模块,用于对参保人员的实际经济数据以及健康风险数据进行综合评估,得到符合参保人员实际经济水平的,且与健康风险数据相匹配的投保占比数据。
项目匹配子模块,用于调用数据库中预先存储的保险项目与投保占比数据进行项目匹配,得到与投保占比数据相符合的投保项目匹配结果。
保险额度配置子模块,用于根据投保项目匹配结果,对每个投保项目分别进行保险额度配置,生成符合参保人员实际收入水平,且与真实健康数据相适配的保险额度配置方案。
可选的,额度配置模块还包括:
合约生成子模块,用于实时接收参保人员对保险额度配置方案的调度请求,并生成符合调度请求的健康保险合约。
健康跟踪子模块,用于根据健康保险合约对参保人员的体检数据进行持续性跟踪,得到参保人员的健康程度变化数据。
健康判断子模块,用于根据健康程度变化数据,判断参保人员的健康状况是否出现异常。
提醒指令生成子模块,用于若是,则生成与参保人员健康异常状况相对应的提醒指令,以便于及时提醒参保人员进行处理。
可选的,在数据接收模块之前,还包括:
体检数据获取子模块,用于实时获取参保人员的体检数据,其中,所述体检数据包括体检时间和对应的体检项目数据。
数据加密处理子模块,用于对体检项目数据进行数据加密处理,生成按照体检时间进行链式排列的体检数据秘文。
数据广播子模块,用于将体检数据秘文广播至其它用户节点进行数据验证处理,得到数据验证结果。
数据存储子模块,用于当数据验证结果为通过时,将体检数据秘文存储至预设的公链数据库中。
可选的,数据加密处理子模块具体包括:
加密请求接收单元,用于接收参保人员发出的数据加密请求。
秘钥反馈单元,用于根据数据加密请求,向参保人员的用户节点反馈预先构建的传输秘钥。
加密计算单元,用于将传输秘钥和体检项目数据进行加密计算,得到关于体检项目数据的散列数值。
数据排序单元,用于按照体检时间,将散列数值进行时间顺序排列,得到符合体检时间顺序的,且呈链式排列的体检数据秘文。
关于基于区块链的差异化保险额度配置系统的具体限定可以参见上文中对于基于区块链的差异化保险额度配置方法的限定,在此不再赘述。上述基于区块链的差异化保险额度配置系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述系统的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于区块链的差异化保险额度配置方法,其特征在于,所述基于区块链的差异化保险额度配置方法包括:
实时接收按照体检时间进行链式排列的参保体检数据秘文;
对所述参保体检数据秘文进行数据解密处理,得到符合携带有参保人员真实健康数据的参保体检数据;
将解密后的所述参保体检数据输入到预先构建的健康风险评估模型中,生成符合参保人员真实健康数据的健康风险数据;
根据所述健康风险数据,对参保人员进行保险额度配置处理,生成与每个参保人员真实健康数据相适配的保险额度配置方案。
2.根据权利要求1所述的基于区块链的差异化保险额度配置方法,其特征在于,所述将解密后的所述参保体检数据输入到预先构建的健康风险评估模型中,生成符合参保人员真实健康数据的健康风险数据,具体包括:
实时获取参保人员的授信数据,并根据所述授权数据调取参保人员的历史病例数据;
根据所述历史病例数据对参保人员的患病风险进行综合判断,并生成符合所述授信数据的风险评估指标;
对所述参保体检数据进行风险预测,得到符合所述风险评估指标的患病风险数据;
根据所述患病风险数据,对参保人员的健康程度进行评估,得到健康风险数据。
3.根据权利要求2所述的基于区块链的差异化保险额度配置方法,其特征在于,所述根据所述患病风险数据,对参保人员的健康程度进行评估,得到健康风险数据,还包括:
接收参保人员的数据查看请求,根据所述数据查看请求,生成数据查看秘钥;
根据所述数据查看请求,从预设词库中查找与所述健康风险数据相匹配的文字,得到符合所述健康风险数据的健康风险文字;
对所述健康风险文字进行词句组装,得到符合人类可识别语言的健康风险报告;
将所述健康风险报告与所述数据查看秘钥进行数据加密处理,得到健康风险报告秘文,其中,所述健康风险报告秘文用于参保人员通过唯一查看秘钥进行查看。
4.根据权利要求2所述的基于区块链的差异化保险额度配置方法,其特征在于,所述根据所述健康风险数据,对参保人员进行保险额度配置处理,生成与每个参保人员真实健康数据相适配的保险额度配置方案,具体包括:
根据所述授权数据,获取参保人员的实际经济数据;
对参保人员的实际经济数据以及所述健康风险数据进行综合评估,得到符合参保人员实际经济水平的,且与所述健康风险数据相匹配的投保占比数据;
调用数据库中预先存储的保险项目与所述投保占比数据进行项目匹配,得到与所述投保占比数据相符合的投保项目匹配结果;
根据所述投保项目匹配结果,对每个投保项目分别进行保险额度配置,生成符合参保人员实际收入水平,且与真实健康数据相适配的保险额度配置方案。
5.根据权利要求4所述的基于区块链的差异化保险额度配置方法,其特征在于,所述根据所述健康风险数据,对参保人员进行保险额度配置处理,生成与每个参保人员真实健康数据相适配的保险额度配置方案,还包括:
实时接收参保人员对所述保险额度配置方案的调度请求,并生成符合所述调度请求的健康保险合约;
根据所述健康保险合约对参保人员的体检数据进行持续性跟踪,得到参保人员的健康程度变化数据;
根据所述健康程度变化数据,判断参保人员的健康状况是否出现异常;
若是,则生成与参保人员健康异常状况相对应的提醒指令,以便于及时提醒参保人员进行处理。
6.根据权利要求1所述的基于区块链的差异化保险额度配置方法,其特征在于,所述实时接收按照体检时间进行链式排列的参保体检数据秘文之前,还包括:
实时获取参保人员的体检数据,其中,所述体检数据包括体检时间和对应的体检项目数据;
对所述体检项目数据进行数据加密处理,生成按照所述体检时间进行链式排列的体检数据秘文;
将所述体检数据秘文广播至其它用户节点进行数据验证处理,得到数据验证结果;
当数据验证结果为通过时,将所述体检数据秘文存储至预设的公链数据库中。
7.根据权利要求1所述的基于区块链的差异化保险额度配置方法,其特征在于,所述对所述体检项目数据进行数据加密处理,生成按照所述体检时间进行链式排列的体检数据秘文,具体包括:
接收参保人员发出的数据加密请求;
根据所述数据加密请求,向参保人员的用户节点反馈预先构建的传输秘钥;
将所述传输秘钥和所述体检项目数据进行加密计算,得到关于体检项目数据的散列数值;
按照所述体检时间,将所述散列数值进行时间顺序排列,得到符合所述体检时间顺序的,且呈链式排列的体检数据秘文。
8.一种基于区块链的差异化保险额度配置系统,其特征在于,所述基于区块链的差异化保险额度配置系统包括:
数据接收模块,用于实时接收按照体检时间进行链式排列的参保体检数据秘文;
数据解密模块,用于对所述参保体检数据秘文进行数据解密处理,得到符合携带有参保人员真实健康数据的参保体检数据;
数据评估模块,用于将解密后的所述参保体检数据输入到预先构建的健康风险评估模型中,生成符合参保人员真实健康数据的健康风险数据;
额度配置模块,用于根据所述健康风险数据,对参保人员进行保险额度配置处理,生成与每个参保人员真实健康数据相适配的保险额度配置方案。
9.根据权利要求8所述的基于区块链的差异化保险额度配置系统,其特征在于,所述数据评估模块具体包括:
授信数据获取子模块,用于实时获取参保人员的授信数据,并根据所述授权数据调取参保人员的历史病例数据;
指标获取子模块,用于根据所述历史病例数据对参保人员的患病风险进行综合判断,并生成符合所述授信数据的风险评估指标;
风险预测子模块,用于对所述参保体检数据进行风险预测,得到符合所述风险评估指标的患病风险数据;
健康评估子模块,用于根据所述患病风险数据,对参保人员的健康程度进行评估,得到健康风险数据。
10.根据权利要求9所述的基于区块链的差异化保险额度配置系统,其特征在于,所述健康评估子模块还包括:
查看请求接收子模块,用于接收参保人员的数据查看请求,根据所述数据查看请求,生成数据查看秘钥;
词库查找子模块,用于根据所述数据查看请求,从预设词库中查找与所述健康风险数据相匹配的文字,得到符合所述健康风险数据的健康风险文字;
词句组装子模块,用于对所述健康风险文字进行词句组装,得到符合人类可识别语言的健康风险报告;
风险报告加密处理子模块,用于将所述健康风险报告与所述数据查看秘钥进行数据加密处理,得到健康风险报告秘文,其中,所述健康风险报告秘文用于参保人员通过唯一查看秘钥进行查看。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211018956.5A CN115409632A (zh) | 2022-08-24 | 2022-08-24 | 一种基于区块链的差异化保险额度配置方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211018956.5A CN115409632A (zh) | 2022-08-24 | 2022-08-24 | 一种基于区块链的差异化保险额度配置方法及其系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115409632A true CN115409632A (zh) | 2022-11-29 |
Family
ID=84161207
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211018956.5A Pending CN115409632A (zh) | 2022-08-24 | 2022-08-24 | 一种基于区块链的差异化保险额度配置方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115409632A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109711837A (zh) * | 2018-11-27 | 2019-05-03 | 泰康保险集团股份有限公司 | 基于区块链技术的投保处理方法、装置及电子设备 |
US20200020038A1 (en) * | 2018-07-13 | 2020-01-16 | Mussie Haile | Systems, Methods, and Computer Program Products for Risk and Insurance Determination |
CN111832583A (zh) * | 2019-04-15 | 2020-10-27 | 泰康保险集团股份有限公司 | 基于区块链的健康管理方法、装置、介质及电子设备 |
-
2022
- 2022-08-24 CN CN202211018956.5A patent/CN115409632A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200020038A1 (en) * | 2018-07-13 | 2020-01-16 | Mussie Haile | Systems, Methods, and Computer Program Products for Risk and Insurance Determination |
CN109711837A (zh) * | 2018-11-27 | 2019-05-03 | 泰康保险集团股份有限公司 | 基于区块链技术的投保处理方法、装置及电子设备 |
CN111832583A (zh) * | 2019-04-15 | 2020-10-27 | 泰康保险集团股份有限公司 | 基于区块链的健康管理方法、装置、介质及电子设备 |
Non-Patent Citations (1)
Title |
---|
赵愿愿;: "数字化动态核保与健康管理融合发展研究", 今日财富, no. 10 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Florence et al. | The economic burden of prescription opioid overdose, abuse, and dependence in the United States, 2013 | |
CN110462654B (zh) | 记录存取和管理 | |
US11133093B2 (en) | System and method for creation of persistent patient identification | |
US20190332807A1 (en) | Systems and methods for enforcing privacy-respectful, trusted communications | |
US7945048B2 (en) | Method, system and computer product for securing patient identity | |
Wilsey et al. | An analysis of the number of multiple prescribers for opioids utilizing data from the California Prescription Monitoring Program | |
KR20180127506A (ko) | 동형적으로 암호화된 데이터의 유효성 확인 및 이에 대한 연산을 수행하기 위한 시스템 및 방법 | |
Kirchebner et al. | Factors and predictors of length of stay in offenders diagnosed with schizophrenia-a machine-learning-based approach | |
CN112017761B (zh) | 一种电子医学影像中嵌入医疗信息的系统及方法 | |
CA3104119C (en) | Systems and methods for enforcing privacy-respectful, trusted communications | |
Woodhams et al. | Linking serial sexual offences: Moving towards an ecologically valid test of the principles of crime linkage | |
GB2439196A (en) | Identification and/or evaluation of potential safety concerns associated with a medical therapy | |
Vimalachandran et al. | Ensuring data integrity in electronic health records: A quality health care implication | |
WO2013070666A2 (en) | Method for creating and using registry of clinical trial participants | |
Piccinni et al. | Insights into real-world treatment of cluster headache through a large Italian database: prevalence, prescription patterns, and costs | |
US20220123926A1 (en) | Methods for disseminating reasoning supporting insights without disclosing uniquely identifiable data, and systems for the same | |
Ward et al. | Evaluation of a non‐pharmacological interdisciplinary pain rehabilitation and functional restoration program for chronic pain in veterans | |
Mattke et al. | Estimating minimal clinically important differences for two scales in patients with chronic traumatic brain injury | |
CN115409632A (zh) | 一种基于区块链的差异化保险额度配置方法及其系统 | |
Federici et al. | Costs and effects of on-demand treatment of hereditary angioedema in Italy: a prospective cohort study of 167 patients | |
Kemp et al. | Sequential pattern detection for identifying courses of treatment and anomalous claim behaviour in medical insurance | |
Mahmoud et al. | Online Crime Reporting System for Digital Forensics | |
Whitten et al. | Duration of stay and rate of subsequent criminal conviction and hospitalisation for substance use among young people admitted to a short‐term residential program | |
CN115080997B (zh) | 医保基金的移动稽查方法、装置、计算机设备及存储介质 | |
Lum et al. | PROTOCOL: Body‐worn cameras’ effects on police officers and citizen behavior: A systematic review |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221129 |