CN117055818A - 基于区块链的客户信息存储管理方法及系统 - Google Patents

基于区块链的客户信息存储管理方法及系统 Download PDF

Info

Publication number
CN117055818A
CN117055818A CN202311080913.4A CN202311080913A CN117055818A CN 117055818 A CN117055818 A CN 117055818A CN 202311080913 A CN202311080913 A CN 202311080913A CN 117055818 A CN117055818 A CN 117055818A
Authority
CN
China
Prior art keywords
storage
parameter
client information
information
matching
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
CN202311080913.4A
Other languages
English (en)
Other versions
CN117055818B (zh
Inventor
胡蝶
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.)
Nanjing Heyi Information Technology Co ltd
Original Assignee
Nanjing Heyi Information Technology 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 Nanjing Heyi Information Technology Co ltd filed Critical Nanjing Heyi Information Technology Co ltd
Priority to CN202311080913.4A priority Critical patent/CN117055818B/zh
Publication of CN117055818A publication Critical patent/CN117055818A/zh
Application granted granted Critical
Publication of CN117055818B publication Critical patent/CN117055818B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
    • G06F3/0604—Improving or facilitating administration, e.g. storage management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
    • G06F3/0614—Improving the reliability of storage systems
    • G06F3/0619—Improving the reliability of storage systems in relation to data integrity, e.g. data losses, bit errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
    • G06F3/062—Securing storage systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0668—Interfaces specially adapted for storage systems adopting a particular infrastructure
    • G06F3/067—Distributed or networked storage systems, e.g. storage area networks [SAN], network attached storage [NAS]
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Security & Cryptography (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了基于区块链的客户信息存储管理方法及系统，涉及数据处理技术领域，该方法包括：对客户信息进行参数属性分析，确定共性参数、特性参数；进行特性参数分割，得到特性参数分割信息；基于共性参数、特性参数、特性参数分割信息分别对客户信息进行标识分类，获得存储分类客户信息，分别根据存储分类客户信息进行数据大小、算力要求分析，结合区块链各节点的存储空间、空间扩展属性、空间算力，进行匹配优化，确定信息存储管理策略。本发明解决了现有技术中由于传统存储方式安全性低、易被篡改，导致客户信息的完整性和可信度低的技术问题，达到了基于区块链将客户信息进行分类存储，提高客户信息存储管理的安全性和可信度的技术效果。

Description

基于区块链的客户信息存储管理方法及系统
技术领域
本发明涉及数据处理技术领域，具体涉及基于区块链的客户信息存储管理方法及系统。
背景技术
随着信息技术的快速发展，数据的价值越来越受到重视。越来越多的企业或个人产生了数据存储需求，而传统的数据存储方式还存在着安全性低、易被篡改等问题，对数据的完整性和可信度造成了威胁。
发明内容
本申请提供了基于区块链的客户信息存储管理方法及系统，用于解决现有技术中由于传统存储方式安全性低、易被篡改，导致客户信息的完整性和可信度低的技术问题。
本申请的第一个方面，提供了基于区块链的客户信息存储管理方法，所述方法包括：对客户信息进行格式组成分析，获取客户信息参数组成；基于历史客户记录信息，分别对客户信息参数组成中各参数进行参数属性分析，确定参数属性，所述参数属性包括共性参数、特性参数；根据所述特性参数进行特性参数安全影响性分析，确定参数安全影响性，并根据所述参数安全影响性对特性参数进行分割，得到特性参数分割信息；基于所述共性参数、特性参数分别对客户信息进行标识分类，并基于所述特性参数分割信息对特性标识分类进行再分类，获得存储分类客户信息；分别根据所述存储分类客户信息进行数据大小、算力要求分析，建立存储空间-算力要求-存储分类客户信息的映射关系；获取区块链各节点的存储空间、空间扩展属性、空间算力；利用所述存储空间-算力要求-存储分类客户信息的映射关系与所述区块链各节点的存储空间、空间扩展属性、空间算力，进行匹配优化，确定信息存储管理策略。
本申请的第二个方面，提供了基于区块链的客户信息存储管理系统，所述系统包括：客户信息参数组成获取模块，所述客户信息参数组成获取模块用于对客户信息进行格式组成分析，获取客户信息参数组成；参数属性分析模块，所述参数属性分析模块用于基于历史客户记录信息，分别对客户信息参数组成中各参数进行参数属性分析，确定参数属性，所述参数属性包括共性参数、特性参数；特性参数分割信息获取模块，所述特性参数分割信息获取模块用于根据所述特性参数进行特性参数安全影响性分析，确定参数安全影响性，并根据所述参数安全影响性对特性参数进行分割，得到特性参数分割信息；存储分类客户信息获得模块，所述存储分类客户信息获得模块用于基于所述共性参数、特性参数分别对客户信息进行标识分类，并基于所述特性参数分割信息对特性标识分类进行再分类，获得存储分类客户信息；映射关系建立模块，所述映射关系建立模块用于分别根据所述存储分类客户信息进行数据大小、算力要求分析，建立存储空间-算力要求-存储分类客户信息的映射关系；区块链节点信息获取模块，所述区块链节点信息获取模块用于获取区块链各节点的存储空间、空间扩展属性、空间算力；信息存储管理策略确定模块，所述信息存储管理策略确定模块用于利用所述存储空间-算力要求-存储分类客户信息的映射关系与所述区块链各节点的存储空间、空间扩展属性、空间算力，进行匹配优化，确定信息存储管理策略。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请提供的基于区块链的客户信息存储管理方法，涉及数据处理技术领域，通过对客户信息进行参数属性分析，确定共性参数、特性参数，进行特性参数分割，得到特性参数分割信息，基于共性参数、特性参数、特性参数分割信息分别对客户信息进行标识分类，获得存储分类客户信息，分别根据存储分类客户信息进行数据大小、算力要求分析，结合区块链各节点的存储空间、空间扩展属性、空间算力，进行匹配优化，确定信息存储管理策略，解决了现有技术中由于传统存储方式安全性低、易被篡改，导致客户信息的完整性和可信度低的技术问题，实现了基于区块链将客户信息进行分类存储，提高客户信息存储管理的安全性和可信度的技术效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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他的附图。
图1为本申请实施例提供的基于区块链的客户信息存储管理方法流程示意图；
图2为本申请实施例提供的基于区块链的客户信息存储管理方法中确定信息存储管理策略的流程示意图；
图3为本申请实施例提供的基于区块链的客户信息存储管理方法中设定各匹配关系的优化系数的流程示意图；
图4为本申请实施例提供的基于区块链的客户信息存储管理系统结构示意图。
附图标记说明：客户信息参数组成获取模块11，参数属性分析模块12，特性参数分割信息获取模块13，存储分类客户信息获得模块14，映射关系建立模块15，区块链节点信息获取模块16，信息存储管理策略确定模块17。
具体实施方式
本申请提供了基于区块链的客户信息存储管理方法，用于解决现有技术中由于传统存储方式安全性低、易被篡改，导致客户信息的完整性和可信度低的技术问题。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”“第二”等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，以便这里描述的本申请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。此外，术语“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、产品或服务器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模块。
实施例一
如图1所示，本申请提供了基于区块链的客户信息存储管理方法，所述方法包括：
S10：对客户信息进行格式组成分析，获取客户信息参数组成；
具体的，对待存储的客户信息进行格式和组成分析，也就是判断待存储的客户信息所包含的格式类型、数据类型和数据量，例如图片、文字、数字等格式，以及企业经营数据、人员架构数据、个人信息数据等数据类型，以此作为客户信息参数组成。
S20：基于历史客户记录信息，分别对客户信息参数组成中各参数进行参数属性分析，确定参数属性，所述参数属性包括共性参数、特性参数；
可选的，提取目标客户的历史客户记录信息，也就是过去时间内目标客户的信息存储记录数据，获取过去各类数据的存储分类规则，确定历史客户存储数据的参数属性，所述参数属性包括共性参数、特性参数，所述共性参数是指数据安全要求较低的数据，例如客户名称、员工数量等，所述特性参数是指客户具有特殊安全需求的数据，例如财务流水数据、个人信息数据等，通过将所述客户信息参数组成与历史存储信息的参数属性进行对比，判断当前待存储信息的参数属性，方便后续进行分类存储。
S30：根据所述特性参数进行特性参数安全影响性分析，确定参数安全影响性，并根据所述参数安全影响性对特性参数进行分割，得到特性参数分割信息；
应当理解的是，基于所述特性参数，分别对每个特性参数进行特性参数安全影响性分析，也就是根据每个特性参数的重要性程度，确定参数安全影响性，也就是该项特性参数的安全风险系数，并根据每个特性参数的所述参数安全影响性差异，对特性参数进行分割，得到特性参数分割信息，也就是按照安全系数分类的特性参数，
进一步的，本申请实施例步骤S30还包括：
S31：基于历史风险事件，确定风险参数；
S32：以所述风险参数作为目标参数，计算所述特性参数与所述风险参数的相关性；
S33：根据与风险参数的相关性，确定各特性参数的参数安全影响性。
其中，提取历史风险事件，例如个人信息泄漏、财务数据被盗等，并从历史风险事件中提取相应的风险参数及对应的参数安全影响性，例如个人照片、个人身份证号码、财务报表、企业印章图片等，以所述风险参数作为相似性对比的目标参数，计算所述特性参数与各个目标参数的相关性，也就是计算所述特性参数中各个风险参数与历史风险参数的相似度，根据相似度，确定各特性参数的包含的风险参数类型，进而确定各特性参数的参数安全影响性。
进一步的，本申请实施例步骤S30还包括：
S34：基于历史风险事件对风险参数进行权值计算，确定各风险参数的风险权值；
S35：通过所述风险参数的风险权值、参数安全影响性，计算获得参数风险系数；
S36：利用预设风险分割阈值对所述参数风险系数进行分割，得到特性参数分割信息。
在本申请一种可能的实施例中，基于各个历史风险事件中，各类型风险参数造成的安全影响，对风险参数进行权值分配计算，对安全影响度大的风险参数分配较大的权重系数，例如为企业财务报表、人员照片等分配较大权重，对安全影响程度小的风险参数分配较小的权重系数，例如为企业员工人数、办公地址等分配较小权重，由此确定各风险参数的风险权值。
进一步的，选择所述风险权值最大的风险系数，使用最大风险权值乘以对应的参数安全影响性，得到参数风险系数，并利用预设风险分割阈值对所述参数风险系数进行分割，也就是根据预先设定的风险分割阈值，将所述参数风险系数分割成多个风险等级，例如分为低、中、高三个风险等级，并以此作为特性参数分割信息，可以作为后续分类存储的部分分类参考。
S40：基于所述共性参数、特性参数分别对客户信息进行标识分类，并基于所述特性参数分割信息对特性标识分类进行再分类，获得存储分类客户信息；
可选的，分别使用所述共性参数和特性参数对客户信息进行标识分类，将具有共性参数特征的客户信息分到一个类别，并进行相应的共性参数标识，获得具有共性标识的信息类别，例如多个普通信息类别，将具有特性参数特征的客户信息分到一个类别，并进行相应的特性参数标识，获得具有特性标识的信息类别，例如多个私密信息类别。
进一步的，所述特性参数分割信息对特性标识分类进行再分类，也就是根据特性参数的细分类别将具有特性参数特征的客户信息进行二次分类，获得多个细分特性标识信息类别，并将具有共性标识的信息类别和多个细分特性标识信息类别共同作为存储分类客户信息，可以作为客户信息存储类别，来进行相应的区块链存储节点匹配。
S50：分别根据所述存储分类客户信息进行数据大小、算力要求分析，建立存储空间-算力要求-存储分类客户信息的映射关系；
示例性的，分别根据所述存储分类客户信息，对客户信息进行数据大小、算力要求分析，根据数据量的大小和数据的私密程度，计算每一项数据的存储空间需求和算力要求，并确定对应的存储分类客户信息，也就是分类信息，基于此建立存储空间-算力要求-存储分类客户信息的映射关系，以便后续用来进行区块链存储节点匹配。
S60：获取区块链各节点的存储空间、空间扩展属性、空间算力；
应当理解的是，获取当前区块链中各区块链节点的存储空间、空间扩展属性和空间算力信息，所述存储空间是指各区块链节点的数据存储内存的大小，可以用来根据数据量的大小进行区块节点选择，所述空间扩展属性是指系统针对日益增长的需求不断扩展的能力，比如某些私密数据需要经常更新迭代，对空间扩展能力或者算力的要求大，所述空间算力是指各区块链节点的数据处理能力，可以定义为单位时间内的数据处理量，不同类型的数据，需要的空间算力不同。
S70：利用所述存储空间-算力要求-存储分类客户信息的映射关系与所述区块链各节点的存储空间、空间扩展属性、空间算力，进行匹配优化，确定信息存储管理策略。
进一步的，如图2所示，本申请实施例步骤S70还包括：
S71：建立客户信息与区块链存储参数的对应匹配关系，构建各参数适用度函数；
S72：设定各匹配关系的优化系数；
S73：根据所述各匹配关系的优化系数、各参数适用度函数进行整合，形成优化适用度函数，构建匹配策略寻优空间；
S74：通过所述匹配策略寻优空间根据存储空间-算力要求-存储分类客户信息的映射关系与所述区块链各节点的存储空间、空间扩展属性、空间算力，进行匹配优化，获得所述信息存储管理策略。
具体的，通过建立客户信息与区块链存储参数的对应匹配关系，也就是建立客户信息与区块链的存储空间-算力要求-存储分类客户信息的对应匹配关系，并由此分别构建各参数的适用度函数，进一步的，根据客户信息历史存储记录，计算客户信息与区块链的各存储参数的参数匹配误差，并由此设定各匹配关系的优化系数，也就是误差调整系数。
进一步的，使用所述各匹配关系的优化系数将各参数适用度函数进行优化调整，获得优化适用度函数，并通过所述优化适用度函数构建匹配策略寻优空间，也就是客户信息存储管理策略寻优空间。进一步的，通过所述匹配策略寻优空间，将存储空间-算力要求-存储分类客户信息的映射关系与所述区块链各节点的存储空间、空间扩展属性、空间算力进行匹配并优化，得到最适配的存储空间、空间扩展属性和空间算力，以此作为所述信息存储管理策略，进行客户信息的存储，来提高客户信息存储管理的安全性和可信度。
进一步的，所述算力要求适应度函数为：其中，nj为第j区块链节点的算力，n0为存储客户信息的算力需求；
所述存储空间适应度函数为：其中，vj为第j区块链节点的存储空间，v0为存储客户信息的存储空间需求；
所述优化适用度函数为：其中，w1为算力要求匹配关系的优化系数、w2为存储空间匹配关系的优化系数。
进一步的，如图3所示，本申请实施例步骤S72还包括：
S72-1：获取历史客户信息记录，基于所述历史客户信息记录进行各参数更新数据量、更新速度分析，确定数据更新特征；
S72-2：基于所述历史客户信息记录分别对存储空间、算力要求、存储分类客户信息进行存储影响性分析，确定存储影响系数、算力影响系数；
S72-3：根据所述数据更新特征，确定数据更新系数，并将所述数据更新系数作为协同调整系数加入所述存储影响系数中；
S72-4：根据所述存储影响系数、算力影响系数，确定所述各匹配关系的优化系数。
其中，获取历史客户信息记录，也就是目标客户的历史信息存储记录，基于所述历史客户信息记录进行各参数更新数据量、更新速度分析，也就是计算各参数每次更新的数据量，以及更新的频率，以此作为数据更新特征，进一步的，基于所述历史客户信息记录，分别对存储空间、算力要求、存储分类客户信息进行存储影响性分析，也就是分别计算存储空间、算力要求、存储分类客户信息进行存储影响性的分析，基于存储分类客户信息确定存储空间、算力要求，客户信息的参数复杂性高、运算处理要求高则算力要求高，同时安全性等级高对于区块链的安全性算力也具有一定影响。客户信息的存储空间占有量越大则需要的存储空间越高，按照存储分类客户信息在历史记录过程中影响其存储安全性和管理效果的参数影响关系，确定存储影响系数、算力影响系数，也就是存储空间、算力要求的匹配误差调整系数，用于评价存储空间、算力对于匹配区块链节点的影响程度。
进一步的，根据所述数据更新特征，分析更新数据与原始数据的差值变化规律，由此确定数据更新系数，并将所述数据更新系数作为协同调整系数加入所述存储影响系数中，考虑到区块链的可扩展性对于其存储空间的影响，利用可扩展性对存储空间进行评价，针对数据更新速度和更新数据量的大小对于存储空间的大小及扩展特性具有密切关系，直接影响到客户信息管理的可持续稳定发展的水平，因此在进行区块链节点匹配中，要考虑到存储的分类客户信息的存储空间及扩展性的要求，最后将所述存储影响系数、算力影响系数，作为所述各匹配关系的优化系数，也就是存储空间-算力要求-存储分类客户信息的匹配关系的优化系数，可以调整区块链节点匹配误差。
进一步的，所述优化适用度函数为：其中，δ为数据更新系数。
进一步的，本申请实施例还包括步骤S80，步骤S80还包括：
S81：获得待存储客户信息，对所述待存储客户信息按照预设存储分类客户信息进行识别分类，确定待存储客户信息的存储分类结果；
S82：提取当前区块链的存储分类客户信息的映射关系；
S83：利用所述当前区块链的存储分类客户信息的映射关系与所述待存储客户信息的存储分类结果进行匹配，获得匹配结果；
S84：当所述匹配结果中存在非匹配项时，将所述非匹配项与存储分类客户信息中各分类进行安全影响关系聚类，确定聚类结果；
S85：按照聚类结果获得待存储区块链节点，基于所述非匹配项生成参数标签建立所述非匹配项与待存储区块链节点的映射关系，并将所述非匹配项存储至所述待存储区块链节点中。
示例性地，获取待存储客户信息，对所述待存储客户信息按照预设存储分类客户信息进行识别分类，确定待存储客户信息的存储分类结果，所述预设存储分类客户信息就是预设的客户信息的分类存储类别，因此可以直接进行识别分类，提取当前区块链的存储分类客户信息的映射关系，也就是当前区块链已有的存储空间-算力要求-存储分类客户信息的映射关系，利用所述当前区块链的存储分类客户信息的映射关系与所述待存储客户信息的存储分类结果进行匹配，即可获得所述待存储客户信息的存储空间、空间扩展属性、空间算力匹配结果。
进一步的，当所述匹配结果中存在非匹配项时，也就是所述待存储客户信息中出现之前未存储过的信息时，将所述非匹配项与存储分类客户信息中各分类进行安全影响关系聚类，也就是计算所述非匹配项与存储分类客户信息中各分类的安全影响的相似性，并将所述非匹配项与相似性最强的分类归为一类，以此作为聚类结果。进一步的，按照聚类结果的分类获得相应的待存储区块链节点，基于所述非匹配项生成参数标签建立所述非匹配项与待存储区块链节点的映射关系，并将所述非匹配项存储至所述待存储区块链节点中，以完成对新增类型客户信息的存储。
进一步的，本申请实施例步骤S80还包括：
S85-1：基于所述非匹配项进行客户信息存储更新要求分析，确定非匹配项的数据存储要求、数据更新要求；
S85-2：根据非匹配项的数据存储要求、数据更新要求进行非匹配项存储空间、算力要求预测，确定存储预测特征；
S85-3：利用所述存储预测特征与所述待存储区块链节点的当前存储特征进行存储融合分析，确定区块链匹配结果；
S85-4：当区块链匹配结果超出所述待存储区块链节点的存储阈值时，新增区块链节点，建立所述非匹配项与所述新增区块链节点的存储映射关系，并建立新增区块链节点与原区块链节点的序列关系。
应当理解的是，基于所述非匹配项进行客户信息存储更新要求分析，确定非匹配项的数据存储要求、数据更新要求，也就是计算非匹配项的数据存储空间、空间扩展属性、空间算力要求，例如，若所述非匹配项的数据需要更新迭代，那么对区块链节点的空间扩展能力或空间算力的要求就比较大。进一步的，根据非匹配项的数据存储要求、数据更新要求，进行非匹配项的存储空间、算力要求预测，确定存储预测特征，并利用所述存储预测特征与所述待存储区块链各节点的当前存储特征进行存储融合分析，也就是进行存储特征匹配，获得区块链匹配结果。
进一步的，当区块链匹配结果超出所述待存储区块链节点的存储阈值时，也就是所述非匹配项的存储要求超出当前区块链各节点的存储特征阈值时，比如数据量超过存储空间的最大值，则基于所述非匹配项的存储要求，新增区块链节点，建立所述非匹配项与所述新增区块链节点的存储映射关系，并建立新增区块链节点与原区块链节点的序列关系，以达到优化区块链节点的目的。
综上所述，本申请实施例至少具有如下技术效果：
本申请通过对客户信息进行参数属性分析，确定共性参数、特性参数，进行特性参数分割，得到特性参数分割信息，基于共性参数、特性参数、特性参数分割信息分别对客户信息进行标识分类，获得存储分类客户信息，分别根据存储分类客户信息进行数据大小、算力要求分析，结合区块链各节点的存储空间、空间扩展属性、空间算力，进行匹配优化，确定信息存储管理策略。
达到了基于区块链将客户信息进行分类存储，提高客户信息存储管理的安全性和可信度的技术效果。
实施例二
基于与前述实施例中基于区块链的客户信息存储管理方法相同的发明构思，如图4所示，本申请提供了基于区块链的客户信息存储管理系统，本申请实施例中的系统与方法实施例基于同样的发明构思。其中，所述系统包括：
客户信息参数组成获取模块11，所述客户信息参数组成获取模块11用于对客户信息进行格式组成分析，获取客户信息参数组成；
参数属性分析模块12，所述参数属性分析模块12用于基于历史客户记录信息，分别对客户信息参数组成中各参数进行参数属性分析，确定参数属性，所述参数属性包括共性参数、特性参数；
特性参数分割信息获取模块13，所述特性参数分割信息获取模块13用于根据所述特性参数进行特性参数安全影响性分析，确定参数安全影响性，并根据所述参数安全影响性对特性参数进行分割，得到特性参数分割信息；
存储分类客户信息获得模块14，所述存储分类客户信息获得模块14用于基于所述共性参数、特性参数分别对客户信息进行标识分类，并基于所述特性参数分割信息对特性标识分类进行再分类，获得存储分类客户信息；
映射关系建立模块15，所述映射关系建立模块15用于分别根据所述存储分类客户信息进行数据大小、算力要求分析，建立存储空间-算力要求-存储分类客户信息的映射关系；
区块链节点信息获取模块16，所述区块链节点信息获取模块16用于获取区块链各节点的存储空间、空间扩展属性、空间算力；
信息存储管理策略确定模块17，所述信息存储管理策略确定模块17用于利用所述存储空间-算力要求-存储分类客户信息的映射关系与所述区块链各节点的存储空间、空间扩展属性、空间算力，进行匹配优化，确定信息存储管理策略。
进一步的，所述特性参数分割信息获取模块13还用于执行以下步骤：
基于历史风险事件，确定风险参数；
以所述风险参数作为目标参数，计算所述特性参数与所述风险参数的相关性；
根据与风险参数的相关性，确定各特性参数的参数安全影响性。
进一步的，所述特性参数分割信息获取模块13还用于执行以下步骤：
基于历史风险事件对风险参数进行权值计算，确定各风险参数的风险权值；
通过所述风险参数的风险权值、参数安全影响性，计算获得参数风险系数；
利用预设风险分割阈值对所述参数风险系数进行分割，得到特性参数分割信息。
进一步的，所述信息存储管理策略确定模块17还用于执行以下步骤：
建立客户信息与区块链存储参数的对应匹配关系，构建各参数适用度函数；
设定各匹配关系的优化系数；
根据所述各匹配关系的优化系数、各参数适用度函数进行整合，形成优化适用度函数，构建匹配策略寻优空间；
通过所述匹配策略寻优空间根据存储空间-算力要求-存储分类客户信息的映射关系与所述区块链各节点的存储空间、空间扩展属性、空间算力，进行匹配优化，获得所述信息存储管理策略。
进一步的，所述信息存储管理策略确定模块17还用于执行以下步骤：
获取历史客户信息记录，基于所述历史客户信息记录进行各参数更新数据量、更新速度分析，确定数据更新特征；
基于所述历史客户信息记录分别对存储空间、算力要求、存储分类客户信息进行存储影响性分析，确定存储影响系数、算力影响系数；
根据所述数据更新特征，确定数据更新系数，并将所述数据更新系数作为协同调整系数加入所述存储影响系数中；
根据所述存储影响系数、算力影响系数，确定所述各匹配关系的优化系数。
进一步的，所述系统还包括：
存储分类结果确定模块，所述存储分类结果确定模块用于获得待存储客户信息，对所述待存储客户信息按照预设存储分类客户信息进行识别分类，确定待存储客户信息的存储分类结果；
映射关系提取模块，所述映射关系提取模块用于提取当前区块链的存储分类客户信息的映射关系；
匹配结果获得模块，所述匹配结果获得模块用于利用所述当前区块链的存储分类客户信息的映射关系与所述待存储客户信息的存储分类结果进行匹配，获得匹配结果；
聚类结果确定模块，所述聚类结果确定模块用于当所述匹配结果中存在非匹配项时，将所述非匹配项与存储分类客户信息中各分类进行安全影响关系聚类，确定聚类结果；
非匹配项存储模块，所述非匹配项存储模块用于按照聚类结果获得待存储区块链节点，基于所述非匹配项生成参数标签建立所述非匹配项与待存储区块链节点的映射关系，并将所述非匹配项存储至所述待存储区块链节点中。
进一步的，所述系统还包括：
更新要求分析模块，所述更新要求分析模块用于基于所述非匹配项进行客户信息存储更新要求分析，确定非匹配项的数据存储要求、数据更新要求；
存储预测特征确定模块，所述存储预测特征确定模块用于根据非匹配项的数据存储要求、数据更新要求进行非匹配项存储空间、算力要求预测，确定存储预测特征；
区块链匹配结果确定模块，所述区块链匹配结果确定模块用于利用所述存储预测特征与所述待存储区块链节点的当前存储特征进行存储融合分析，确定区块链匹配结果；
区块链节点新增模块，所述区块链节点新增模块用于当区块链匹配结果超出所述待存储区块链节点的存储阈值时，新增区块链节点，建立所述非匹配项与所述新增区块链节点的存储映射关系，并建立新增区块链节点与原区块链节点的序列关系。
需要说明的是，上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (8)

1.基于区块链的客户信息存储管理方法，其特征在于，包括：
对客户信息进行格式组成分析，获取客户信息参数组成；
基于历史客户记录信息，分别对客户信息参数组成中各参数进行参数属性分析，确定参数属性，所述参数属性包括共性参数、特性参数；
根据所述特性参数进行特性参数安全影响性分析，确定参数安全影响性，并根据所述参数安全影响性对特性参数进行分割，得到特性参数分割信息；
基于所述共性参数、特性参数分别对客户信息进行标识分类，并基于所述特性参数分割信息对特性标识分类进行再分类，获得存储分类客户信息；
分别根据所述存储分类客户信息进行数据大小、算力要求分析，建立存储空间-算力要求-存储分类客户信息的映射关系；
获取区块链各节点的存储空间、空间扩展属性、空间算力；
利用所述存储空间-算力要求-存储分类客户信息的映射关系与所述区块链各节点的存储空间、空间扩展属性、空间算力，进行匹配优化，确定信息存储管理策略。
2.如权利要求1所述的方法，其特征在于，根据所述特性参数进行特性参数安全影响性分析，确定参数安全影响性，包括：
基于历史风险事件，确定风险参数；
以所述风险参数作为目标参数，计算所述特性参数与所述风险参数的相关性；
根据与风险参数的相关性，确定各特性参数的参数安全影响性。
3.如权利要求2所述的方法，其特征在于，根据所述参数安全影响性对特性参数进行分割，得到特性参数分割信息，包括：
基于历史风险事件对风险参数进行权值计算，确定各风险参数的风险权值；
通过所述风险参数的风险权值、参数安全影响性，计算获得参数风险系数；
利用预设风险分割阈值对所述参数风险系数进行分割，得到特性参数分割信息。
4.如权利要求1所述的方法，其特征在于，利用所述存储空间-算力要求-存储分类客户信息的映射关系与所述区块链各节点的存储空间、空间扩展属性、空间算力，进行匹配优化，确定信息存储管理策略，包括：
建立客户信息与区块链存储参数的对应匹配关系，构建各参数适用度函数；
设定各匹配关系的优化系数；
根据所述各匹配关系的优化系数、各参数适用度函数进行整合，形成优化适用度函数，构建匹配策略寻优空间；
通过所述匹配策略寻优空间根据存储空间-算力要求-存储分类客户信息的映射关系与所述区块链各节点的存储空间、空间扩展属性、空间算力，进行匹配优化，获得所述信息存储管理策略。
5.如权利要求4所述的方法，其特征在于，所述设定各匹配关系的优化系数，包括：
获取历史客户信息记录，基于所述历史客户信息记录进行各参数更新数据量、更新速度分析，确定数据更新特征；
基于所述历史客户信息记录分别对存储空间、算力要求、存储分类客户信息进行存储影响性分析，确定存储影响系数、算力影响系数；
根据所述数据更新特征，确定数据更新系数，并将所述数据更新系数作为协同调整系数加入所述存储影响系数中；
根据所述存储影响系数、算力影响系数，确定所述各匹配关系的优化系数。
6.如权利要求1所述的方法，其特征在于，还包括：
获得待存储客户信息，对所述待存储客户信息按照预设存储分类客户信息进行识别分类，确定待存储客户信息的存储分类结果；
提取当前区块链的存储分类客户信息的映射关系；
利用所述当前区块链的存储分类客户信息的映射关系与所述待存储客户信息的存储分类结果进行匹配，获得匹配结果；
当所述匹配结果中存在非匹配项时，将所述非匹配项与存储分类客户信息中各分类进行安全影响关系聚类，确定聚类结果；
按照聚类结果获得待存储区块链节点，基于所述非匹配项生成参数标签建立所述非匹配项与待存储区块链节点的映射关系，并将所述非匹配项存储至所述待存储区块链节点中。
7.如权利要求6所述的方法，其特征在于，按照聚类结果获得待存储区块链节点，之后包括：
基于所述非匹配项进行客户信息存储更新要求分析，确定非匹配项的数据存储要求、数据更新要求；
根据非匹配项的数据存储要求、数据更新要求进行非匹配项存储空间、算力要求预测，确定存储预测特征；
利用所述存储预测特征与所述待存储区块链节点的当前存储特征进行存储融合分析，确定区块链匹配结果；
当区块链匹配结果超出所述待存储区块链节点的存储阈值时，新增区块链节点，建立所述非匹配项与所述新增区块链节点的存储映射关系，并建立新增区块链节点与原区块链节点的序列关系。
8.基于区块链的客户信息存储管理系统，其特征在于，所述系统包括：
客户信息参数组成获取模块，所述客户信息参数组成获取模块用于对客户信息进行格式组成分析，获取客户信息参数组成；
参数属性分析模块，所述参数属性分析模块用于基于历史客户记录信息，分别对客户信息参数组成中各参数进行参数属性分析，确定参数属性，所述参数属性包括共性参数、特性参数；
特性参数分割信息获取模块，所述特性参数分割信息获取模块用于根据所述特性参数进行特性参数安全影响性分析，确定参数安全影响性，并根据所述参数安全影响性对特性参数进行分割，得到特性参数分割信息；
存储分类客户信息获得模块，所述存储分类客户信息获得模块用于基于所述共性参数、特性参数分别对客户信息进行标识分类，并基于所述特性参数分割信息对特性标识分类进行再分类，获得存储分类客户信息；
映射关系建立模块，所述映射关系建立模块用于分别根据所述存储分类客户信息进行数据大小、算力要求分析，建立存储空间-算力要求-存储分类客户信息的映射关系；
区块链节点信息获取模块，所述区块链节点信息获取模块用于获取区块链各节点的存储空间、空间扩展属性、空间算力；
信息存储管理策略确定模块，所述信息存储管理策略确定模块用于利用所述存储空间-算力要求-存储分类客户信息的映射关系与所述区块链各节点的存储空间、空间扩展属性、空间算力，进行匹配优化，确定信息存储管理策略。
CN202311080913.4A 2023-08-25 2023-08-25 基于区块链的客户信息存储管理方法及系统 Active CN117055818B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311080913.4A CN117055818B (zh) 2023-08-25 2023-08-25 基于区块链的客户信息存储管理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311080913.4A CN117055818B (zh) 2023-08-25 2023-08-25 基于区块链的客户信息存储管理方法及系统

Publications (2)

Publication Number Publication Date
CN117055818A true CN117055818A (zh) 2023-11-14
CN117055818B CN117055818B (zh) 2024-05-10

Family

ID=88666043

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311080913.4A Active CN117055818B (zh) 2023-08-25 2023-08-25 基于区块链的客户信息存储管理方法及系统

Country Status (1)

Country Link
CN (1) CN117055818B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101904208B1 (ko) * 2018-04-24 2018-10-04 (주)에스씨씨 블록체인 기반의 암호화폐와 전자지갑 관리 시스템
CN110110551A (zh) * 2019-04-19 2019-08-09 中共中央办公厅电子科技学院(北京电子科技学院) 一种数据存储方法及装置
EP3605377A1 (de) * 2018-08-01 2020-02-05 Siemens Aktiengesellschaft Computerimplementiertes verfahren und system zum bereitstellen einer aus blockchains zusammengesetzten hierarchischen blockchain
CN111159195A (zh) * 2019-12-31 2020-05-15 余俊龙 区块链系统中的数据存储控制方法及设备
CN112333288A (zh) * 2021-01-04 2021-02-05 三盟科技股份有限公司 一种智慧学堂数据安全防护方法、系统及可读存储介质
US20210103581A1 (en) * 2019-10-04 2021-04-08 Samsung Sds Co., Ltd. Blockchain based data management system and method thereof
CN112769641A (zh) * 2020-12-24 2021-05-07 电子科技大学长三角研究院(衢州) 面向智能数据处理的区块链算力优化调度方法
CN114065283A (zh) * 2020-11-20 2022-02-18 北京邮电大学 一种轻量级可循环再生的区块链存储方法及装置
CN114676444A (zh) * 2022-03-24 2022-06-28 广州大师明信息服务有限公司 一种基于区块链的存储系统
CN115361392A (zh) * 2022-08-17 2022-11-18 国家超级计算深圳中心(深圳云计算中心) 基于区块链的算力网络的控制方法、系统和存储介质
CN115658282A (zh) * 2022-08-18 2023-01-31 江苏腾威云天科技有限公司 服务器算力管理分配方法、系统、网络设备和存储介质
CN115866602A (zh) * 2022-11-11 2023-03-28 蔚来软件科技(上海)有限公司 信息安全防护方法、系统、控制装置、介质及车辆
WO2023050556A1 (zh) * 2021-09-28 2023-04-06 中诚区块链研究院(南京)有限公司 一种共识智能合约算法
CN116305298A (zh) * 2023-05-23 2023-06-23 之江实验室 一种算力资源管理方法、装置、存储介质及电子设备

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101904208B1 (ko) * 2018-04-24 2018-10-04 (주)에스씨씨 블록체인 기반의 암호화폐와 전자지갑 관리 시스템
EP3605377A1 (de) * 2018-08-01 2020-02-05 Siemens Aktiengesellschaft Computerimplementiertes verfahren und system zum bereitstellen einer aus blockchains zusammengesetzten hierarchischen blockchain
CN110110551A (zh) * 2019-04-19 2019-08-09 中共中央办公厅电子科技学院(北京电子科技学院) 一种数据存储方法及装置
US20210103581A1 (en) * 2019-10-04 2021-04-08 Samsung Sds Co., Ltd. Blockchain based data management system and method thereof
CN111159195A (zh) * 2019-12-31 2020-05-15 余俊龙 区块链系统中的数据存储控制方法及设备
CN114065283A (zh) * 2020-11-20 2022-02-18 北京邮电大学 一种轻量级可循环再生的区块链存储方法及装置
CN112769641A (zh) * 2020-12-24 2021-05-07 电子科技大学长三角研究院(衢州) 面向智能数据处理的区块链算力优化调度方法
CN112333288A (zh) * 2021-01-04 2021-02-05 三盟科技股份有限公司 一种智慧学堂数据安全防护方法、系统及可读存储介质
WO2023050556A1 (zh) * 2021-09-28 2023-04-06 中诚区块链研究院(南京)有限公司 一种共识智能合约算法
CN114676444A (zh) * 2022-03-24 2022-06-28 广州大师明信息服务有限公司 一种基于区块链的存储系统
CN115361392A (zh) * 2022-08-17 2022-11-18 国家超级计算深圳中心(深圳云计算中心) 基于区块链的算力网络的控制方法、系统和存储介质
CN115658282A (zh) * 2022-08-18 2023-01-31 江苏腾威云天科技有限公司 服务器算力管理分配方法、系统、网络设备和存储介质
CN115866602A (zh) * 2022-11-11 2023-03-28 蔚来软件科技(上海)有限公司 信息安全防护方法、系统、控制装置、介质及车辆
CN116305298A (zh) * 2023-05-23 2023-06-23 之江实验室 一种算力资源管理方法、装置、存储介质及电子设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
FEIHONG YANG，ET AL.: "An Efficient Blockchain-Based Bidirectional Friends Matching Scheme in Social Networks", IEEE, vol. 8, 17 August 2020 (2020-08-17), pages 150902 - 150913 *
玄佳兴: "基于多链协同区块链的分布式能源交易", 电力建设, vol. 42, no. 11, 1 November 2021 (2021-11-01), pages 34 - 43 *

Also Published As

Publication number Publication date
CN117055818B (zh) 2024-05-10

Similar Documents

Publication Publication Date Title
CN109446343B (zh) 一种公共安全知识图谱构建的方法
EP3985578A1 (en) Method and system for automatically training machine learning model
CN109376237B (zh) 客户稳定性的预测方法、装置、计算机设备和存储介质
CN112613501A (zh) 信息审核分类模型的构建方法和信息审核方法
CN109949154B (zh) 客户信息分类方法、装置、计算机设备和存储介质
CN108876600A (zh) 预警信息推送方法、装置、计算机设备和介质
US8160982B2 (en) Method for detecting people of interest from information sources
CN110245132B (zh) 数据异常检测方法、装置、计算机可读存储介质和计算机设备
CN108509424B (zh) 制度信息处理方法、装置、计算机设备和存储介质
US8719779B2 (en) Data object association based on graph theory techniques
CN109063984B (zh) 风险旅客方法、装置、计算机设备和存储介质
CN104573130A (zh) 基于群体计算的实体解析方法及装置
CN110287292B (zh) 一种裁判量刑偏离度预测方法及装置
US20220253725A1 (en) Machine learning model for entity resolution
CN112396428B (zh) 一种基于用户画像数据的客群分类管理方法及装置
CN107622326A (zh) 用户分类、可用资源预测方法、装置及设备
CN116881687B (zh) 一种基于特征提取的电网敏感数据识别方法及装置
CN117574374A (zh) 恶意访问识别方法、设备、存储介质及装置
CN117055818B (zh) 基于区块链的客户信息存储管理方法及系统
CN116502705A (zh) 兼用域内外数据集的知识蒸馏方法和计算机设备
CN116186298A (zh) 信息检索方法和装置
CN113610499B (zh) 一种基于区块链的求职功能团队职业信用档案方法和系统
CN113743838B (zh) 目标用户识别方法、装置、计算机设备和存储介质
CN113393155A (zh) 一种风险成因识别方法、装置及存储介质
US20070124300A1 (en) Method and System for Constructing a Classifier

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