CN116702168A - 供应端信息检测方法、装置、电子设备和计算机可读介质 - Google Patents
供应端信息检测方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN116702168A CN116702168A CN202310572947.9A CN202310572947A CN116702168A CN 116702168 A CN116702168 A CN 116702168A CN 202310572947 A CN202310572947 A CN 202310572947A CN 116702168 A CN116702168 A CN 116702168A
- Authority
- CN
- China
- Prior art keywords
- supply end
- information
- group
- supply
- service information
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000001514 detection method Methods 0.000 claims abstract description 131
- 230000010365 information processing Effects 0.000 claims abstract description 54
- 238000012545 processing Methods 0.000 claims description 29
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 27
- 229910052799 carbon Inorganic materials 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims description 2
- 230000005611 electricity Effects 0.000 description 16
- 238000004458 analytical method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Bioethics (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Computer Security & Cryptography (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Computer Hardware Design (AREA)
- Debugging And Monitoring (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开的实施例公开了供应端信息检测方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：对于预设时间段中的每个时间节点，根据备选供应端标识对应的供应端在时间节点产生的实时业务信息，生成实时业务信息处理结果；获取供应端在预设时间段内的离线业务信息序列；根据离线业务信息序列，生成离线业务信息处理结果序列；根据离线业务信息处理结果序列与所生成的各个实时业务信息处理结果，生成供应端信息检测结果；根据各个供应端信息检测结果，生成目标供应端运行信息组，以及将目标供应端运行信息组发送至相关联的用户终端。该实施方式缩短了检测时间，且降低了检测偏差。
Description
技术领域
本公开的实施例涉及计算机技术领域，具体涉及供应端信息检测方法、装置、电子设备和计算机可读介质。
背景技术
随着供应端的不断增多，选择供应端供应物品，通常需求提前对各个供应端业务数据进行统计解析。目前，对于各个供应端业务数据进行检测，通常采用的方式为：业务人员对每个供应端的历史业务数据进行检测。
然而，采用上述方式通常会存在以下技术问题：
第一，业务数据较多，且检测时间较长，此外，仅对历史业务数据进行检测，难以检测出篡改的业务数据，存在检测偏差；
第二，由于业务数据存在一定的敏感性，通过业务人员对各方业务数据进行检测，容易造成数据泄露。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了供应端信息检测方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面，本公开的一些实施例提供了一种供应端信息检测方法，该方法包括：获取备选供应端组中每个备选供应端在预设历史时间段内的供应端信息，得到供应端信息组，其中，上述供应端信息组中的供应端信息包括：供应端标识、电量使用量序列与碳排放量序列；将上述供应端信息组输入至预先训练的供应端检测模型中，得到供应端检测结果组，其中，上述供应端检测结果组中的供应端检测结果对应上述供应端信息组中的供应端信息；根据上述供应端检测结果组，生成备选供应端标识组；对于上述备选供应端标识组中的每个备选供应端标识，执行如下处理步骤：对于预设时间段中的每个时间节点，根据上述备选供应端标识对应的供应端在上述时间节点产生的实时业务信息，生成实时业务信息处理结果；获取上述供应端在预设时间段内的实时业务信息序列，作为离线业务信息序列；根据上述离线业务信息序列，生成离线业务信息处理结果序列；根据上述离线业务信息处理结果序列与所生成的各个实时业务信息处理结果，生成供应端信息检测结果；根据所生成的各个供应端信息检测结果，生成目标供应端运行信息组，以及将上述目标供应端运行信息组发送至相关联的用户终端。
第二方面，本公开的一些实施例提供了一种供应端信息检测装置，装置包括：获取单元，被配置成获取备选供应端组中每个备选供应端在预设历史时间段内的供应端信息，得到供应端信息组，其中，上述供应端信息组中的供应端信息包括：供应端标识、电量使用量序列与碳排放量序列；输入单元，被配置成将上述供应端信息组输入至预先训练的供应端检测模型中，得到供应端检测结果组，其中，上述供应端检测结果组中的供应端检测结果对应上述供应端信息组中的供应端信息；生成单元，被配置成根据上述供应端检测结果组，生成备选供应端标识组；检测单元，被配置成对于上述备选供应端标识组中的每个备选供应端标识，执行如下处理步骤：对于预设时间段中的每个时间节点，根据上述备选供应端标识对应的供应端在上述时间节点产生的实时业务信息，生成实时业务信息处理结果；获取上述供应端在预设时间段内的实时业务信息序列，作为离线业务信息序列；根据上述离线业务信息序列，生成离线业务信息处理结果序列；根据上述离线业务信息处理结果序列与所生成的各个实时业务信息处理结果，生成供应端信息检测结果；发送单元，被配置成根据所生成的各个供应端信息检测结果，生成目标供应端运行信息组，以及将上述目标供应端运行信息组发送至相关联的用户终端。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，计算机程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的供应端信息检测方法，缩短了检测时间，且降低了检测偏差。具体来说，检测时间较长，存在检测偏差的原因在于：业务数据较多，检测时间较长，此外，仅对历史业务数据进行检测，难以检测出篡改的业务数据，存在检测偏差。基于此，本公开的一些实施例的供应端信息检测方法，首先，获取备选供应端组中每个备选供应端在预设历史时间段内的供应端信息，得到供应端信息组。其中，上述供应端信息组中的供应端信息包括：供应端标识、电量使用量序列与碳排放量序列。由此，便于解析供应端信息。其次，将上述供应端信息组输入至预先训练的供应端检测模型中，得到供应端检测结果组。其中，上述供应端检测结果组中的供应端检测结果对应上述供应端信息组中的供应端信息。由此，可以确定供应端在历史时间段内的运行状态。接着，根据上述供应端检测结果组，生成备选供应端标识组。由此，可以初步选择出合适的供应端。然后，对于上述备选供应端标识组中的每个备选供应端标识，执行如下处理步骤：对于预设时间段中的每个时间节点，根据上述备选供应端标识对应的供应端在上述时间节点产生的实时业务信息，生成实时业务信息处理结果；获取上述供应端在预设时间段内的实时业务信息序列，作为离线业务信息序列；根据上述离线业务信息序列，生成离线业务信息处理结果序列；根据上述离线业务信息处理结果序列与所生成的各个实时业务信息处理结果，生成供应端信息检测结果。由此，可以利用离线数据与实时数据的检测对比，确定业务数据是否被篡改或异常。从而，降低了检测偏差。最后，根据所生成的各个供应端信息检测结果，生成目标供应端运行信息组，以及将上述目标供应端运行信息组发送至相关联的用户终端。由此，可以推送合适的供应端供用户选择。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
图1是根据本公开的供应端信息检测方法的一些实施例的流程图；
图2是根据本公开的供应端信息检测装置的一些实施例的结构示意图；
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开的供应端信息检测方法的一些实施例的流程图。示出了根据本公开的供应端信息检测方法的一些实施例的流程100。该供应端信息检测方法，包括以下步骤：
步骤101，获取备选供应端组中每个备选供应端在预设历史时间段内的供应端信息，得到供应端信息组。
在一些实施例中，供应端信息检测方法的执行主体(例如服务器)可以通过有线连接或无线连接的方式获取备选供应端组中每个备选供应端在预设历史时间段内的供应端信息，得到供应端信息组。其中，上述供应端信息组中的供应端信息包括：供应端标识、电量使用量序列与碳排放量序列。这里，历史时间段的时间粒度可以是一个月。电量使用量序列中的电量使用量对应一个时间粒度。碳排放量序列中的碳排放量对应一个时间粒度。供应端可以是供应生产各种物品的终端。供应端标识可以唯一表示一供应端。
步骤102，将上述供应端信息组输入至预先训练的供应端检测模型中，得到供应端检测结果组。
在一些实施例中，上述执行主体可以将上述供应端信息组输入至预先训练的供应端检测模型中，得到供应端检测结果组。其中，上述供应端检测结果组中的供应端检测结果对应上述供应端信息组中的供应端信息。这里，预先训练的供应端检测模型可以是指预先训练的以供应端信息包括的电量使用量序列与碳排放量序列为输入，以供应端检测结果为输出的神经网络模型。例如，供应端检测模型可以是指卷积神经网络模型。这里，供应端检测结果可以表示电量使用异常和/或碳排放量异常。
可选地，预先训练的供应端检测模型可以是通过以下训练步骤得到：
第一步，确定初始供应端检测模型。其中，上述供应端检测模型包括：初始电量使用量检测网络与初始碳排放量检测网络。初始供应端检测模型可以是指未经训练的卷积神经网络模型。初始电量使用量检测网络可以是指未经训练的卷积神经网络。初始碳排放量检测网络可以是指未经训练的卷积神经网络。
第二步，获取对应上述初始电量使用量检测网络的电量使用量样本组。其中，上述电量使用量样本组中的电量使用量样本包括电量使用量序列样本与样本标签。样本标签可以表示电量使用量序列样本是否异常。
第三步，获取对应上述初始碳排放量检测网络的碳排放量样本组。其中，上述碳排放量样本组中的碳排放量样本包括碳排放量序列样本与样本标签。样本标签可以表示碳排放量序列样本是否异常。
第四步，根据上述电量使用量样本组与上述碳排放量样本组，对上述初始供应端检测模型进行训练，得到训练完成的供应端检测模型。
实践中，上述第四步，可以包括以下子步骤：
第一子步骤，在第一服务器上部署上述初始电量使用量检测网络，以及将上述电量使用量样本组发送至上述第一服务器。这里，第一服务器可以是预先设定的服务器。
第二子步骤，控制上述第一服务器对上述初始电量使用量检测网络进行训练，得到训练完成的电量使用量检测网络。即，可以按照深度神经网络的训练方式对上述初始电量使用量检测网络进行训练。
第三子步骤，在第二服务器上部署上述初始碳排放量检测网络，以及将上述碳排放量样本组发送至上述第二服务器。第二服务器可以是预先设定的服务器。
第四子步骤，控制上述第二服务器对上述初始碳排放量检测网络进行训练，得到训练完成的碳排放量检测网络。可以按照深度神经网络的训练方式对上述初始碳排放量检测网络进行训练。
第五子步骤，将训练完成的电量使用量检测网络与碳排放量检测网络组合为训练完成的供应端检测模型。
步骤103，根据上述供应端检测结果组，生成备选供应端标识组。
在一些实施例中，上述执行主体可以根据上述供应端检测结果组，生成备选供应端标识组。实践中，可以将供应端检测结果组中表示无异常的供应端检测结果对应的备选供应端的标识确定为备选供应端标识。
步骤104，对于上述备选供应端标识组中的每个备选供应端标识，执行如下处理步骤：
步骤1041，对于预设时间段中的每个时间节点，根据上述备选供应端标识对应的供应端在上述时间节点产生的实时业务信息，生成实时业务信息处理结果。
在一些实施例中，上述执行主体可以对于预设时间段中的每个时间节点，根据上述备选供应端标识对应的供应端在上述时间节点产生的实时业务信息，生成实时业务信息处理结果。这里，时间节点可以表示预设时间段的时间粒度。例如，时间粒度可以为1小时。实时业务信息可以表示供应端在上述时间节点对应的时间内产生的业务信息。例如，业务信息可以是订单信息。
实践中，上述执行主体可以通过以下步骤生成实时业务信息处理结果：
第一步，基于业务字段解析文件，对上述实时业务信息进行解析处理，以生成实时业务信息解析字段组。业务字段解析文件可以是从业务信息中解析出所需的特征字段的文件。其中，特征字段可以是数据中表征某些数据特征的数值字段。例如，实时业务信息可以是“A用户在6月5日12点15分，购买15台A设备”。特征字段可以是“15台A设备”。上述业务字段解析文件包括：字段解析变量集和时间窗口变量。字段解析变量集包括：属性字段变量组和业务字段变量组。其中，属性字段变量可以是属性特征对应的变量。上述属性特征可以是直观体现出实时业务信息特征值的特征。例如，属性特征可以包括：时间、地点、物品单价、物品数量。业务字段变量为基于多个属性特征所聚合得到的。例如，业务字段变量包括：物品总价值(总价)。时间窗口变量可以是实时业务信息对应的时间选择窗口。例如，每个实时业务信息存在对应的时间信息。时间窗口变量对应的变量值是以时间信息为基本单位的值。例如，时间信息为10分钟。时间窗口变量对应的时间窗口时长可以是50分钟。
实践中，上述第二步可以包括以下子步骤：
第一子步骤，将上述时间窗口变量对应的窗口变量值确定为时间窗口信息。时间窗口信息可以是时间窗口变量的预设变量值。上述预设变量值可以是预设时间段对应的时间窗口。
第二子步骤，根据上述时间窗口信息，从上述实时业务信息中流式解析出针对上述字段解析变量集的业务信息解析字段集，作为实时业务信息解析字段组。可以通过流式计算从上述实时业务信息中流式解析出针对上述字段解析变量集的业务信息解析字段集。
第二步，对上述实时业务信息解析字段组进行流式处理，生成实时业务信息处理结果。可以通过Flink流处理框架对上述实时业务信息解析字段组进行流式处理，生成实时业务信息处理结果。
步骤1042，获取上述供应端在预设时间段内的实时业务信息序列，作为离线业务信息序列。
在一些实施例中，上述执行主体可以获取上述供应端在预设时间段内的实时业务信息序列，作为离线业务信息序列。实时业务信息序列中的实时业务信息对应一个时间粒度。
步骤1043，根据上述离线业务信息序列，生成离线业务信息处理结果序列。
在一些实施例中，上述执行主体可以根据上述离线业务信息序列，生成离线业务信息处理结果序列。实践中，可以通过业务字段解析文件，对上述离线业务信息序列进行批量解析，得到离线业务信息处理结果序列。上述离线业务信息序列中的离线业务信息对应上述离线业务信息处理结果序列中的离线业务信息处理结果。例如，可以利用业务字段解析文件对应的解析逻辑，对每个离线业务信息进行流式计算，以生成离线业务信息解析字段集。之后，可以利用Flink流处理框架，对生成的每个离线业务信息解析字段集进行批量计算，生成离线业务信息处理结果，得到离线业务信息处理结果序列。
步骤1044，根据上述离线业务信息处理结果序列与所生成的各个实时业务信息处理结果，生成供应端信息检测结果。
在一些实施例中，上述执行主体可以根据上述离线业务信息处理结果序列与所生成的各个实时业务信息处理结果，生成供应端信息检测结果。即，对于上述离线业务信息处理结果序列中的每个离线业务信息处理结果，确定上述离线业务信息处理结果与对应的实时业务信息处理结果是否一致。确定上述离线业务信息处理结果与对应的实时业务信息处理结果不一致，生成表征信息不一致的供应端信息检测结果。
步骤105，根据所生成的各个供应端信息检测结果，生成目标供应端运行信息组，以及将上述目标供应端运行信息组发送至相关联的用户终端。
在一些实施例中，上述执行主体可以根据所生成的各个供应端信息检测结果，生成目标供应端运行信息组，以及将上述目标供应端运行信息组发送至相关联的用户终端。用户终端可以是指与上述执行主体通信连接的电力用户终端。上述目标供应端运行信息组中的目标供应端运行信息包括：供应端标识。
实践中，上述执行主体可以通过以下步骤生成目标供应端运行信息组：
第一步，对于上述各个供应端信息检测结果中的每个供应端信息检测结果，执行如下处理步骤：
第一子步骤，确定上述供应端信息检测结果是否表征信息一致。
第二子步骤，响应于确定上述供应端信息检测结果表征信息一致，获取上述供应端信息检测结果对应的供应端的运行信息，作为目标供应端运行信息。运行信息可以是指供应端的基本运行信息，可以包括但不限于：员工数量、供应端地址、年生产总值、年生产量。
第二步，将所生成的各个目标供应端运行信息确定为目标供应端运行信息组。
实践中，上述执行主体可以通过以下步骤将上述目标供应端运行信息组发送至相关联的用户终端：
第一步，对于上述目标供应端运行信息组中的每个目标供应端运行信息，执行以下处理步骤：
第一子步骤，对上述目标供应端运行信息包括的供应端标识进行编码处理，以生成供应端标识编码。可以对上述供应端标识进行ASCII码值转换，得到供应端标识编码。即，可以将英文标识转换为数值。
第二子步骤，对上述供应端标识编码进行进制处理，以生成进制供应端标识数值。可以对上述供应端标识编码进行十进制转换处理，以生成进制供应端标识数值。
第三子步骤，将预设奇数组中的各个预设奇数的总和确定为第一加密数值。
第四子步骤，将上述预设奇数组中每个预设奇数与上述进制供应端标识数值的差值确定为标识差值，得到标识差值组。
第五子步骤，将上述标识差值组中各个标识差值的乘积确定为第二加密数值。
第六子步骤，根据上述第一加密数值与上述第二加密数值，对上述目标供应端运行信息进行加密处理，以生成加密目标供应端运行信息。
实践中，上述执行主体可以对于上述目标供应端运行信息包括的每个字段数值，执行如下处理步骤：
1、根据上述第一加密数值，对上述字段数值进行第一加密处理，以生成第一加密字段数值。即，可以将第一加密数值作为加密密钥，对上述字段数值进行对称加密处理。
2、根据上述第二加密数值，对上述第一加密字段数值进行第二加密处理，以生成加密字段数值。即，可以将第二加密数值作为加密密钥，上述第一加密字段数值进行对称加密处理。
3、将上述字段数值替换为上述加密字段数值。即，可以将上述目标供应端运行信息中的字段数值替换为上述加密字段数值。
第二步，将各个加密目标供应端运行信息发送至上述用户终端。
上述第一子步骤-第六子步骤中的相关内容作为本公开的一个发明点，解决了背景技术提及的技术问题二“容易造成数据泄露。”。容易造成数据泄露的因素往往如下：由于业务数据存在一定的敏感性，通过业务人员对各方业务数据进行检测。如果解决了上述因素，就能达到提升数据保密性的效果。为了达到这一效果，首先，对上述目标供应端运行信息包括的供应端标识进行编码处理，以生成供应端标识编码。其次，对上述供应端标识编码进行进制处理，以生成进制供应端标识数值。由此，可以利用供应端标识对数据进行加密，以提升数据的保密性。接着，将预设奇数组中的各个预设奇数的总和确定为第一加密数值。再接着，将上述预设奇数组中每个预设奇数与上述进制供应端标识数值的差值确定为标识差值，得到标识差值组；将上述标识差值组中各个标识差值的乘积确定为第二加密数值。由此，可以利用述预设奇数组，进一步提升数据的保密性。然后，根据上述第一加密数值与上述第二加密数值，对上述目标供应端运行信息进行加密处理，以生成加密目标供应端运行信息。由此，可以将目标供应端运行信息中的数据替换为加密数据。从而，提升了供应端运行信息的保密性。
进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种供应端信息检测装置的一些实施例，这些供应端信息检测装置实施例与图1所示的那些方法实施例相对应，该供应端信息检测装置具体可以应用于各种电子设备中。
如图2所示，一些实施例的供应端信息检测装置200包括：获取单元201、输入单元202、生成单元203、检测单元204和发送单元205。其中，获取单元201，被配置成获取备选供应端组中每个备选供应端在预设历史时间段内的供应端信息，得到供应端信息组，其中，上述供应端信息组中的供应端信息包括：供应端标识、电量使用量序列与碳排放量序列；输入单元202，被配置成将上述供应端信息组输入至预先训练的供应端检测模型中，得到供应端检测结果组，其中，上述供应端检测结果组中的供应端检测结果对应上述供应端信息组中的供应端信息；生成单元203，被配置成根据上述供应端检测结果组，生成备选供应端标识组；检测单元204，被配置成对于上述备选供应端标识组中的每个备选供应端标识，执行如下处理步骤：对于预设时间段中的每个时间节点，根据上述备选供应端标识对应的供应端在上述时间节点产生的实时业务信息，生成实时业务信息处理结果；获取上述供应端在预设时间段内的实时业务信息序列，作为离线业务信息序列；根据上述离线业务信息序列，生成离线业务信息处理结果序列；根据上述离线业务信息处理结果序列与所生成的各个实时业务信息处理结果，生成供应端信息检测结果；发送单元205，被配置成根据所生成的各个供应端信息检测结果，生成目标供应端运行信息组，以及将上述目标供应端运行信息组发送至相关联的用户终端。
可以理解的是，该供应端信息检测装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于供应端信息检测装置200及其中包含的单元，在此不再赘述。
下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备(例如，服务器)300的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取备选供应端组中每个备选供应端在预设历史时间段内的供应端信息，得到供应端信息组，其中，上述供应端信息组中的供应端信息包括：供应端标识、电量使用量序列与碳排放量序列；将上述供应端信息组输入至预先训练的供应端检测模型中，得到供应端检测结果组，其中，上述供应端检测结果组中的供应端检测结果对应上述供应端信息组中的供应端信息；根据上述供应端检测结果组，生成备选供应端标识组；对于上述备选供应端标识组中的每个备选供应端标识，执行如下处理步骤：对于预设时间段中的每个时间节点，根据上述备选供应端标识对应的供应端在上述时间节点产生的实时业务信息，生成实时业务信息处理结果；获取上述供应端在预设时间段内的实时业务信息序列，作为离线业务信息序列；根据上述离线业务信息序列，生成离线业务信息处理结果序列；根据上述离线业务信息处理结果序列与所生成的各个实时业务信息处理结果，生成供应端信息检测结果；根据所生成的各个供应端信息检测结果，生成目标供应端运行信息组，以及将上述目标供应端运行信息组发送至相关联的用户终端。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括：获取单元、输入单元、生成单元、检测单元和发送单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，生成单元还可以被描述为“根据上述供应端检测结果组，生成备选供应端标识组的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (6)
1.一种供应端信息检测方法，包括：
获取备选供应端组中每个备选供应端在预设历史时间段内的供应端信息，得到供应端信息组，其中，所述供应端信息组中的供应端信息包括：供应端标识、电量使用量序列与碳排放量序列；
将所述供应端信息组输入至预先训练的供应端检测模型中，得到供应端检测结果组，其中，所述供应端检测结果组中的供应端检测结果对应所述供应端信息组中的供应端信息；
根据所述供应端检测结果组，生成备选供应端标识组；
对于所述备选供应端标识组中的每个备选供应端标识，执行如下处理步骤：
对于预设时间段中的每个时间节点，根据所述备选供应端标识对应的供应端在所述时间节点产生的实时业务信息，生成实时业务信息处理结果；
获取所述供应端在预设时间段内的实时业务信息序列，作为离线业务信息序列；
根据所述离线业务信息序列，生成离线业务信息处理结果序列；
根据所述离线业务信息处理结果序列与所生成的各个实时业务信息处理结果，生成供应端信息检测结果；
根据所生成的各个供应端信息检测结果，生成目标供应端运行信息组，以及将所述目标供应端运行信息组发送至相关联的用户终端。
2.根据权利要求1所述的方法，其中，所述根据所生成的各个供应端信息检测结果，生成目标供应端运行信息组，包括：
对于所述各个供应端信息检测结果中的每个供应端信息检测结果，执行如下处理步骤：
确定所述供应端信息检测结果是否表征信息一致；
响应于确定所述供应端信息检测结果表征信息一致，获取所述供应端信息检测结果对应的供应端的运行信息，作为目标供应端运行信息；
将所生成的各个目标供应端运行信息确定为目标供应端运行信息组。
3.根据权利要求1所述的方法，其中，所述目标供应端运行信息组中的目标供应端运行信息包括：供应端标识；以及
所述将所述目标供应端运行信息组发送至相关联的用户终端，包括：
对于所述目标供应端运行信息组中的每个目标供应端运行信息，执行以下处理步骤：
对所述目标供应端运行信息包括的供应端标识进行编码处理，以生成供应端标识编码；
对所述供应端标识编码进行进制处理，以生成进制供应端标识数值；
将预设奇数组中的各个预设奇数的总和确定为第一加密数值；
将所述预设奇数组中每个预设奇数与所述进制供应端标识数值的差值确定为标识差值，得到标识差值组；
将所述标识差值组中各个标识差值的乘积确定为第二加密数值；
根据所述第一加密数值与所述第二加密数值，对所述目标供应端运行信息进行加密处理，以生成加密目标供应端运行信息；
将各个加密目标供应端运行信息发送至所述用户终端。
4.一种供应端信息检测装置，包括：
获取单元，被配置成获取备选供应端组中每个备选供应端在预设历史时间段内的供应端信息，得到供应端信息组，其中，所述供应端信息组中的供应端信息包括：供应端标识、电量使用量序列与碳排放量序列；
输入单元，被配置成将所述供应端信息组输入至预先训练的供应端检测模型中，得到供应端检测结果组，其中，所述供应端检测结果组中的供应端检测结果对应所述供应端信息组中的供应端信息；
生成单元，被配置成根据所述供应端检测结果组，生成备选供应端标识组；
检测单元，被配置成对于所述备选供应端标识组中的每个备选供应端标识，执行如下处理步骤：对于预设时间段中的每个时间节点，根据所述备选供应端标识对应的供应端在所述时间节点产生的实时业务信息，生成实时业务信息处理结果；获取所述供应端在预设时间段内的实时业务信息序列，作为离线业务信息序列；根据所述离线业务信息序列，生成离线业务信息处理结果序列；根据所述离线业务信息处理结果序列与所生成的各个实时业务信息处理结果，生成供应端信息检测结果；
发送单元，被配置成根据所生成的各个供应端信息检测结果，生成目标供应端运行信息组，以及将所述目标供应端运行信息组发送至相关联的用户终端。
5.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-3中任一所述的方法。
6.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-3中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310572947.9A CN116702168B (zh) | 2023-05-19 | 2023-05-19 | 供应端信息检测方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310572947.9A CN116702168B (zh) | 2023-05-19 | 2023-05-19 | 供应端信息检测方法、装置、电子设备和计算机可读介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116702168A true CN116702168A (zh) | 2023-09-05 |
| CN116702168B CN116702168B (zh) | 2024-01-12 |
Family
ID=87826848
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310572947.9A Active CN116702168B (zh) | 2023-05-19 | 2023-05-19 | 供应端信息检测方法、装置、电子设备和计算机可读介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116702168B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107103401A (zh) * | 2011-03-24 | 2017-08-29 | 迅应科技有限公司 | 控制配电网络中的电能消耗的方法和节点 |
| CN107846472A (zh) * | 2017-11-24 | 2018-03-27 | 华北电力大学（保定） | 大规模输变电设备监测数据流的快速异常检测方法 |
| CN113379335A (zh) * | 2021-08-12 | 2021-09-10 | 北京国电通网络技术有限公司 | 电力物资抽检方法、装置、电子设备和计算机可读介质 |
| CN114511397A (zh) * | 2015-10-09 | 2022-05-17 | 徐蔚 | 一种基于供应链管理的信息处理方法及系统 |
| CN114706732A (zh) * | 2022-04-25 | 2022-07-05 | 平安国际融资租赁有限公司 | 光伏电站运行数据的监测方法及装置 |
| CN114781351A (zh) * | 2022-04-07 | 2022-07-22 | 国网江苏省电力有限公司泰州供电分公司 | 基于电力数据的投标文件解析方法、装置、设备和介质 |
| US20220300858A1 (en) * | 2020-10-14 | 2022-09-22 | Ennew Digital Technology Co., Ltd | Data measurement method and apparatus, electronic device and computer-readable medium |
| CN115130065A (zh) * | 2022-08-29 | 2022-09-30 | 北京国电通网络技术有限公司 | 供应端特征信息处理方法、装置、设备和计算机可读介质 |
| CN115599640A (zh) * | 2022-11-29 | 2023-01-13 | 北京国电通网络技术有限公司（Cn） | 异常供应端告警方法、电子设备和介质 |
| CN115619170A (zh) * | 2022-10-28 | 2023-01-17 | 北京国电通网络技术有限公司 | 电量负荷调整方法、装置、设备、计算机介质和程序产品 |
| CN115759734A (zh) * | 2022-10-19 | 2023-03-07 | 国网物资有限公司 | 基于指标的电力业务供应链监控方法、装置、设备和介质 |
| CN115994606A (zh) * | 2021-10-15 | 2023-04-21 | 株式会社 明星高富 | 包括负载估计模型的累计电力装置及其负载估计方法 |
-
2023
- 2023-05-19 CN CN202310572947.9A patent/CN116702168B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107103401A (zh) * | 2011-03-24 | 2017-08-29 | 迅应科技有限公司 | 控制配电网络中的电能消耗的方法和节点 |
| CN114511397A (zh) * | 2015-10-09 | 2022-05-17 | 徐蔚 | 一种基于供应链管理的信息处理方法及系统 |
| CN107846472A (zh) * | 2017-11-24 | 2018-03-27 | 华北电力大学（保定） | 大规模输变电设备监测数据流的快速异常检测方法 |
| US20220300858A1 (en) * | 2020-10-14 | 2022-09-22 | Ennew Digital Technology Co., Ltd | Data measurement method and apparatus, electronic device and computer-readable medium |
| CN113379335A (zh) * | 2021-08-12 | 2021-09-10 | 北京国电通网络技术有限公司 | 电力物资抽检方法、装置、电子设备和计算机可读介质 |
| CN115994606A (zh) * | 2021-10-15 | 2023-04-21 | 株式会社 明星高富 | 包括负载估计模型的累计电力装置及其负载估计方法 |
| CN114781351A (zh) * | 2022-04-07 | 2022-07-22 | 国网江苏省电力有限公司泰州供电分公司 | 基于电力数据的投标文件解析方法、装置、设备和介质 |
| CN114706732A (zh) * | 2022-04-25 | 2022-07-05 | 平安国际融资租赁有限公司 | 光伏电站运行数据的监测方法及装置 |
| CN115130065A (zh) * | 2022-08-29 | 2022-09-30 | 北京国电通网络技术有限公司 | 供应端特征信息处理方法、装置、设备和计算机可读介质 |
| CN115759734A (zh) * | 2022-10-19 | 2023-03-07 | 国网物资有限公司 | 基于指标的电力业务供应链监控方法、装置、设备和介质 |
| CN115619170A (zh) * | 2022-10-28 | 2023-01-17 | 北京国电通网络技术有限公司 | 电量负荷调整方法、装置、设备、计算机介质和程序产品 |
| CN115599640A (zh) * | 2022-11-29 | 2023-01-13 | 北京国电通网络技术有限公司（Cn） | 异常供应端告警方法、电子设备和介质 |
Non-Patent Citations (4)
| Title |
|---|
| XIE FENG等: ""Research on Automation Design of Power Supply Scheme for Industry Expansion Based on Marking and Power distribution sharing and GIS information"", PROCEEDINGS OF THE 3RD ANNUAL INTERNATIONAL CONFERENCE ON ELECTRONICS, ELECTRICAL ENGINEERING AND INFORMATION SCIENCE (EEEIS 2017), pages 217 - 227 * |
| ZHANG XIN等: ""Electricity Consumption Pattern Recognition Based on the Big Data Technology to Support the Peak Shifting Potential Analysis"", 2014 IEEE PES ASIA-PACIFIC POWER AND ENERGY ENGINEERING CONFERENCE (IEEE PES APPEEC), pages 1 - 5 * |
| 商天文等: ""基于企业用电量与订单量的产能预警模型研究"", 电力大数据, vol. 25, no. 12, pages 60 - 68 * |
| 杨永娇;肖建毅;赵创业;周开东;: "基于Isolation Forest和Random Forest相结合的智能电网时间序列数据异常检测算法", 计算机与现代化, no. 03, pages 99 - 102 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116702168B (zh) | 2024-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11412070B2 (en) | Method and apparatus for generating information | |
| CN115599640B (zh) | 异常供应端告警方法、电子设备和介质 | |
| CN115293657B (zh) | 碳排放指标信息生成方法、装置、电子设备和介质 | |
| CN115640285B (zh) | 电力异常信息发送方法、装置、电子设备和介质 | |
| CN114781351B (zh) | 基于电力数据的投标文件解析方法、装置、设备和介质 | |
| CN114928574B (zh) | 信息发送方法、装置、电子设备和计算机可读介质 | |
| CN116361121A (zh) | 异常接口告警方法、装置、电子设备和计算机可读介质 | |
| CN116720202B (zh) | 业务信息检测方法、装置、电子设备和计算机可读介质 | |
| CN116881097B (zh) | 用户终端告警方法、装置、电子设备和计算机可读介质 | |
| CN116187716B (zh) | 农业设备调度方法、装置、电子设备和计算机可读介质 | |
| CN115357469B (zh) | 异常报警日志解析方法、装置、电子设备和计算机介质 | |
| CN116702168B (zh) | 供应端信息检测方法、装置、电子设备和计算机可读介质 | |
| CN112948341B (zh) | 用于识别异常的网络设备日志的方法和装置 | |
| CN116645211B (zh) | 推荐用户信息生成方法、装置、设备和计算机可读介质 | |
| CN117132245B (zh) | 线上物品获取业务流程重组方法、装置、设备和可读介质 | |
| CN116703263B (zh) | 电力设备配送方法、装置、电子设备和计算机可读介质 | |
| CN116226888B (zh) | 基于隐私保护的电力数据交互加密方法、系统与设备 | |
| CN114003188B (zh) | 信息加密显示方法、装置、电子设备和计算机可读介质 | |
| CN115842819B (zh) | 自动驾驶系统测试数据下载方法、装置、设备 | |
| CN115774986B (zh) | 公路质量评定表生成方法、电子设备和计算机可读介质 | |
| CN117235535B (zh) | 异常供应端断电方法、装置、电子设备和介质 | |
| CN116800834B (zh) | 虚拟礼物合并方法、装置、电子设备和计算机可读介质 | |
| CN118097674B (zh) | 基于深度学习的企业文本信息智能自动审核方法与装置 | |
| CN116894538B (zh) | 节点碳排放信息生成方法、装置、电子设备和介质 | |
| CN116703262B (zh) | 配送资源调整方法、装置、电子设备和计算机可读介质 |
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 |