CN117579660A - 一种基于家医的区域互联网信息分布式通信方法 - Google Patents
一种基于家医的区域互联网信息分布式通信方法 Download PDFInfo
- Publication number
- CN117579660A CN117579660A CN202311582650.7A CN202311582650A CN117579660A CN 117579660 A CN117579660 A CN 117579660A CN 202311582650 A CN202311582650 A CN 202311582650A CN 117579660 A CN117579660 A CN 117579660A
- Authority
- CN
- China
- Prior art keywords
- data
- home
- information
- equipment
- network
- 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
- 238000004891 communication Methods 0.000 title claims abstract description 147
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000012545 processing Methods 0.000 claims abstract description 73
- 238000009826 distribution Methods 0.000 claims abstract description 55
- 230000005540 biological transmission Effects 0.000 claims abstract description 51
- 238000003860 storage Methods 0.000 claims abstract description 44
- 238000005457 optimization Methods 0.000 claims abstract description 33
- 230000001360 synchronised effect Effects 0.000 claims abstract description 24
- 238000000547 structure data Methods 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims description 55
- 238000012795 verification Methods 0.000 claims description 51
- 238000005259 measurement Methods 0.000 claims description 50
- 238000004458 analytical method Methods 0.000 claims description 30
- 230000008859 change Effects 0.000 claims description 27
- 238000001914 filtration Methods 0.000 claims description 25
- 230000002159 abnormal effect Effects 0.000 claims description 20
- 238000011156 evaluation Methods 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 9
- 238000013475 authorization Methods 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 7
- 230000008447 perception Effects 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 6
- 230000006399 behavior Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000013442 quality metrics Methods 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 4
- 108010046685 Rho Factor Proteins 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 18
- 239000003814 drug Substances 0.000 description 6
- 230000036541 health Effects 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 229940079593 drug Drugs 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000003696 structure analysis method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
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
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/66—Arrangements for connecting between networks having differing types of switching systems, e.g. gateways
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/12—Discovery or management of network topologies
-
- 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
- H04L67/1095—Replication or mirroring of data, e.g. scheduling or transport for data synchronisation between network nodes
-
- 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
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or 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
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Pathology (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及计算机网络技术领域,尤其涉及一种基于家医的区域互联网信息分布式通信方法。所述方法包括以下步骤:对家庭医生设备进行自治学习配置并接入区域互联网,得到家医设备网络节点;对家医设备网络节点进行漫游网关分布部署,得到家医漫游分布式网络;对家庭医生设备进行信息数据采集处理和分布式存储处理,得到家医信息存储数据;通过获取家医网络拓扑结构数据以及网络节点通信状态负载数据对家医漫游分布式网络进行智能路由选择,得到网络通信优化路径;根据家医设备网络节点对家医信息存储数据进行数据同步处理和通信权限访问控制,得到家医信息通信访问数据。本发明能够有效地处理家医信息的传输和同步共享。
Description
技术领域
本发明涉及计算机网络技术领域,尤其涉及一种基于家医的区域互联网信息分布式通信方法。
背景技术
随着家庭医生设备的广泛应用,越来越多的患者和医生专业人员需要实时、可靠地共享信息。分布式通信是指在计算机科学和通信领域中,通过网络或其他通信媒介实现在不同计算机或设备之间传递信息和数据的过程,它的主要目的是允许分布在不同地理位置的计算资源和设备相互协作和交换信息,区域互联网信息分布式通信方法能够借鉴分布式通信的思想,以实现信息的分散存储和处理。而传统的区域互联网信息分布式通信方法存在信息传输速度慢、数据安全性差等问题。
发明内容
基于此,本发明有必要提供一种基于家医的区域互联网信息分布式通信方法,以解决至少一个上述技术问题。
为实现上述目的,一种基于家医的区域互联网信息分布式通信方法,包括以下步骤:
步骤S1:对家庭医生设备进行自治学习配置,以得到家庭医生自治设备;通过将家庭医生自治设备接入区域互联网,得到家医设备网络节点;对家医设备网络节点进行漫游网关分布部署,得到家医漫游分布式网络;
步骤S2:对家庭医生自治设备进行信息数据采集处理,得到家医设备信息数据;对家医漫游分布式网络进行安全通道构建处理,得到家医安全传输协议通道;根据家医安全传输协议通道对家医设备信息数据进行分布式存储处理,得到家医信息存储数据;
步骤S3:对家医漫游分布式网络进行网络拓扑分析,得到家医网络拓扑结构数据;对家医设备网络节点进行通信状态负载检测,得到网络节点通信状态负载数据;根据家医网络拓扑结构数据以及网络节点通信状态负载数据对家医漫游分布式网络进行智能路由选择,得到网络通信优化路径;
步骤S4:根据家医设备网络节点对家医信息存储数据进行数据同步处理,得到家医信息同步数据;利用网络通信优化路径对家医信息同步数据进行通信权限访问控制,得到家医信息通信访问数据。
本发明首先通过对家庭医生设备进行自治学习配置,有助于家庭医生设备自主获取和适应网络环境,从而获得家庭医生自治设备。同时,通过将家庭医生自治设备接入区域互联网后,形成家医设备网络节点,这为设备的联网和集成提供了基础。通过对家医设备网络节点进行漫游网关分布部署,以构建家医漫游分布式网络,使得家庭医生设备能够随时在不同网络之间切换,确保网络覆盖性和连通性,并提升家医信息的网络传输速度,从而为家医信息的传输提供了可靠的基础。其次,通过对家庭医生自治设备进行信息数据采集处理,能够从家庭医生自治设备中收集家医信息数据,并且,通过利用互联网安全通信协议构建安全通道有助于确保数据的安全性和完整性,以提供安全传输协议通道,保护数据免受未经授权的访问和篡改。通过使用已构建好的家医安全传输协议通道对家医设备信息数据进行分布式存储处理,能够将家医设备信息数据有效地存储在网络中的不同节点上,确保数据冗余和高可用性,为后续的数据处理提供了稳定的数据源。然后,通过对家医漫游分布式网络进行网络拓扑分析,有助于了解不同设备和节点之间的连接方式和路径,为网络管理和故障排除提供重要信息。此外,还通过对家医设备网络节点进行通信状态负载检测,能够帮助监测家医设备网络节点的负载情况,使系统可以合理分配数据传输路径,避免过载节点,提高数据传输效率。另外,通过综合分析家医网络拓扑结构数据以及网络节点通信状态负载数据对家医漫游分布式网络进行智能路由选择,以选择最佳的数据传输路径,确保高效、低延迟的通信,从而提升用户体验。最后,通过根据家医设备网络节点对家医信息存储数据进行数据同步处理,以确保家医信息存储数据在区域互联网中的不同设备和节点之间的同步性,以避免数据不一致。利用网络通信优化路径实现数据的高效传输,降低传输时延和成本,提高数据访问速度。通过通信权限访问控制有助于确保只有经过授权的用户或系统能够访问数据,保护数据的安全性和隐私。通过这些步骤协同工作,确保了家医信息的高效、安全传输和存储,为家庭医生服务提供了可靠的基础。
附图说明
通过阅读参照以下附图所作的对非限制性实施所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明基于家医的区域互联网信息分布式通信方法的步骤流程示意图;
图2为图1中步骤S1的详细步骤流程示意图;
图3为图2中步骤S15的详细步骤流程示意图。
具体实施方式
下面结合附图对本发明专利的技术方法进行清楚、完整的描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域所属的技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
此外,附图仅为本发明的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。
应当理解的是,虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元,但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说,在不背离示例性实施例的范围的情况下,第一单元可以被称为第二单元,并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
为实现上述目的,请参阅图1至图3,本发明提供了一种基于家医的区域互联网信息分布式通信方法,所述方法包括以下步骤:
步骤S1:对家庭医生设备进行自治学习配置,以得到家庭医生自治设备;通过将家庭医生自治设备接入区域互联网,得到家医设备网络节点;对家医设备网络节点进行漫游网关分布部署,得到家医漫游分布式网络;
步骤S2:对家庭医生自治设备进行信息数据采集处理,得到家医设备信息数据;对家医漫游分布式网络进行安全通道构建处理,得到家医安全传输协议通道;根据家医安全传输协议通道对家医设备信息数据进行分布式存储处理,得到家医信息存储数据;
步骤S3:对家医漫游分布式网络进行网络拓扑分析,得到家医网络拓扑结构数据;对家医设备网络节点进行通信状态负载检测,得到网络节点通信状态负载数据;根据家医网络拓扑结构数据以及网络节点通信状态负载数据对家医漫游分布式网络进行智能路由选择,得到网络通信优化路径;
步骤S4:根据家医设备网络节点对家医信息存储数据进行数据同步处理,得到家医信息同步数据;利用网络通信优化路径对家医信息同步数据进行通信权限访问控制,得到家医信息通信访问数据。
本发明实施例中,请参考图1所示,为本发明基于家医的区域互联网信息分布式通信方法的步骤流程示意图,在本实例中,所述基于家医的区域互联网信息分布式通信方法的步骤包括:
步骤S1:对家庭医生设备进行自治学习配置,以得到家庭医生自治设备;通过将家庭医生自治设备接入区域互联网,得到家医设备网络节点;对家医设备网络节点进行漫游网关分布部署,得到家医漫游分布式网络;
本发明实施例首先通过收集家庭医生设备的环境感知数据和历史用户的需求数据,同时,通过使用深度神经网络算法将环境感知数据和历史用户的需求信息数据输入到神经网络模型中,训练神经网络模型,以实现家庭医生设备的自主学习和参数配置,使得能够根据环境变化和用户需求实时地自动调整家庭医生设备的设置和功能,从而得到家庭医生自治设备。然后,通过使用低功耗通信技术(如LoRa、Narrowband IoT等技术)将经过合法验证后的家庭医生自治设备接入区域互联网内,并通过使用端到端的加密方式对家庭医生合法设备与区域互联网进行加密,以确保家庭医生合法设备之间在区域互联网中通信的安全性,从而得到家医设备网络节点。最后,通过根据家医设备网络节点的位置和需求,以确定最佳的网关设备部署位置,根据确定的网关设备部署位置部署分布式网关设备,并对其进行漫游处理,以使得家庭医生设备能够在区域互联网上不同位置漫游并保持连接,最终得到家医漫游分布式网络。
步骤S2:对家庭医生自治设备进行信息数据采集处理,得到家医设备信息数据;对家医漫游分布式网络进行安全通道构建处理,得到家医安全传输协议通道;根据家医安全传输协议通道对家医设备信息数据进行分布式存储处理,得到家医信息存储数据;
本发明实施例通过实时采集家庭医生自治设备中的家医信息数据,包括家医用户生理参数、健康状况等信息数据,从而得到家医设备信息数据。然后,通过使用互联网安全通信协议在已构建好的家医漫游分布式网络中建立安全通道,以确保家医设备信息的安全传输,同时保护家医漫游分布式网络中数据传输的机密性和完整性,从而得到家医安全传输协议通道。最后,通过使用已构建好的家医安全传输协议通道对家医设备信息数据进行存储,以分布式的方式将家医设备信息数据分布存储在家医漫游分布式网络的多个地点,以提高家医设备信息数据的可用性和冗余,最终得到家医信息存储数据。
步骤S3:对家医漫游分布式网络进行网络拓扑分析,得到家医网络拓扑结构数据;对家医设备网络节点进行通信状态负载检测,得到网络节点通信状态负载数据;根据家医网络拓扑结构数据以及网络节点通信状态负载数据对家医漫游分布式网络进行智能路由选择,得到网络通信优化路径;
本发明实施例通过使用拓扑结构分析方法对家医漫游分布式网络进行分析,以获取家医漫游分布式网络中家医设备之间的连接关系和网络组织结构,从而得到家医网络拓扑结构数据。然后,通过使用负载检测算法对家医设备网络节点进行检测,以检测每个家医设备网络节点的通信活动和网络通信负载情况,从而得到网络节点通信状态负载数据。接下来,通过结合家医网络拓扑结构数据和网络节点通信状态负载数据使用智能路由算法对家医漫游分布式网络进行路由选择,以综合考虑家医漫游分布式网络中家医设备网络节点之间的距离、负载情况以及其他性能指标,来选择最优的网络通信路径,最终得到网络通信优化路径。
步骤S4:根据家医设备网络节点对家医信息存储数据进行数据同步处理,得到家医信息同步数据;利用网络通信优化路径对家医信息同步数据进行通信权限访问控制,得到家医信息通信访问数据。
本发明实施例通过使用定时轮询或信息事件触发机制实时监测家医信息存储数据的变化,以识别家医信息存储数据中存储过程中的动态变化,包括新增、更新或者删除信息,然后,通过根据家医设备网络节点的信息使用数据同步机制将需要同步的家医信息变化数据从一个家医设备网络节点传输到另一个家医设备网络节点,以实现在不同家医设备网络节点之间进行数据共享和同步,从而得到家医信息同步数据。接下来,通过使用端到端权限验证方法对家医信息同步数据进行验证,包括身份验证、访问控制列表等方法,以确保只有具有合适权限的家医设备或用户可以访问和使用家医信息同步数据,同时,通过使用网络通信优化路径将家医信息同步数据发送到授权的家医设备或用户进行访问,以确保经过授权的数据能够被高效访问和传输,最终得到家医信息通信访问数据。
本发明首先通过对家庭医生设备进行自治学习配置,有助于家庭医生设备自主获取和适应网络环境,从而获得家庭医生自治设备。同时,通过将家庭医生自治设备接入区域互联网后,形成家医设备网络节点,这为设备的联网和集成提供了基础。通过对家医设备网络节点进行漫游网关分布部署,以构建家医漫游分布式网络,使得家庭医生设备能够随时在不同网络之间切换,确保网络覆盖性和连通性,并提升家医信息的网络传输速度,从而为家医信息的传输提供了可靠的基础。其次,通过对家庭医生自治设备进行信息数据采集处理,能够从家庭医生自治设备中收集家医信息数据,并且,通过利用互联网安全通信协议构建安全通道有助于确保数据的安全性和完整性,以提供安全传输协议通道,保护数据免受未经授权的访问和篡改。通过使用已构建好的家医安全传输协议通道对家医设备信息数据进行分布式存储处理,能够将家医设备信息数据有效地存储在网络中的不同节点上,确保数据冗余和高可用性,为后续的数据处理提供了稳定的数据源。然后,通过对家医漫游分布式网络进行网络拓扑分析,有助于了解不同设备和节点之间的连接方式和路径,为网络管理和故障排除提供重要信息。此外,还通过对家医设备网络节点进行通信状态负载检测,能够帮助监测家医设备网络节点的负载情况,使系统可以合理分配数据传输路径,避免过载节点,提高数据传输效率。另外,通过综合分析家医网络拓扑结构数据以及网络节点通信状态负载数据对家医漫游分布式网络进行智能路由选择,以选择最佳的数据传输路径,确保高效、低延迟的通信,从而提升用户体验。最后,通过根据家医设备网络节点对家医信息存储数据进行数据同步处理,以确保家医信息存储数据在区域互联网中的不同设备和节点之间的同步性,以避免数据不一致。利用网络通信优化路径实现数据的高效传输,降低传输时延和成本,提高数据访问速度。通过通信权限访问控制有助于确保只有经过授权的用户或系统能够访问数据,保护数据的安全性和隐私。通过这些步骤协同工作,确保了家医信息的高效、安全传输和存储,为家庭医生服务提供了可靠的基础。
优选地,步骤S1包括以下步骤:
步骤S11:获取家庭医生设备的环境感知数据以及用户历史数据;
步骤S12:对用户历史数据进行用户行为需求分析,得到历史用户需求信息数据;
步骤S13:基于环境感知数据以及历史用户需求信息数据利用深度神经网络算法对家庭医生设备进行自治学习配置,以得到家庭医生自治设备;
步骤S14:对家庭医生自治设备进行注册和身份验证处理,得到家庭医生合法设备;通过低功耗通信技术将家庭医生合法设备接入区域互联网内,并对家庭医生合法设备与区域互联网进行端到端加密处理,以得到家医设备网络节点;
步骤S15:基于分布式网关设备对家医设备网络节点进行漫游网关分布部署,得到家医漫游分布式网络。
作为本发明的一个实施例,参考图2所示,为图1中步骤S1的详细步骤流程示意图,在本实施例中步骤S1包括以下步骤:
步骤S11:获取家庭医生设备的环境感知数据以及用户历史数据;
本发明实施例首先通过环境感知传感器收集家庭医生设备的环境感知数据,包括家庭医生设备所处的物理环境信息,例如温度、湿度、气压等,然后,收集家庭医生设备用户的历史数据,包括用户的健康数据、家医设备使用信息、用药情况等,最终得到环境感知数据以及用户历史数据。
步骤S12:对用户历史数据进行用户行为需求分析,得到历史用户需求信息数据;
本发明实施例通过使用数据分析和挖掘技术对用户历史数据进行需求分析,以识别用户的行为模式和需求,包括用户的健康需求、用药需求等,最终得到历史用户需求信息数据。
步骤S13:基于环境感知数据以及历史用户需求信息数据利用深度神经网络算法对家庭医生设备进行自治学习配置,以得到家庭医生自治设备;
本发明实施例通过使用深度神经网络算法将环境感知数据和历史用户需求信息数据输入到神经网络模型中,训练神经网络模型,以实现家庭医生设备的自主学习和参数配置,根据环境变化和用户需求实时地自动调整家庭医生设备的设置和功能,最终得到家庭医生自治设备。
步骤S14:对家庭医生自治设备进行注册和身份验证处理,得到家庭医生合法设备;通过低功耗通信技术将家庭医生合法设备接入区域互联网内,并对家庭医生合法设备与区域互联网进行端到端加密处理,以得到家医设备网络节点;
本发明实施例通过对自主学习配置后的家庭医生自治设备进行注册和身份验证,以确保家庭医生自治设备的合法性和安全性,通过使用身份验证协议和机制验证家庭医生自治设备的身份,确保只有合法的家庭医生自治设备可以连接到区域互联网络,从而得到家庭医生合法设备。然后,通过使用低功耗通信技术(如LoRa、Narrowband IoT等技术)将家庭医生合法设备接入区域互联网内,同时通过使用端到端的加密方式对家庭医生合法设备与区域互联网进行加密,以确保家庭医生合法设备之间在区域互联网中通信的安全性,最终得到家医设备网络节点。
步骤S15:基于分布式网关设备对家医设备网络节点进行漫游网关分布部署,得到家医漫游分布式网络。
本发明实施例通过根据家医设备网络节点的位置和需求,以确定最佳的网关设备部署位置,然后,通过确定的网关设备部署位置部署分布式网关设备,以确保分布式网关设备能够连接家医设备网络节点与区域互联网之间的通信,并通过对不同的家医设备网络节点进行漫游处理,以使得家庭医生设备能够在区域互联网上不同位置漫游并保持连接,最终得到家医漫游分布式网络。
本发明首先通过收集家庭医生设备的环境感知数据,这包括家庭医生设备所处的物理环境信息,例如温度、湿度、气压等,以及家庭医生设备的位置信息。同时,还收集用户的历史数据,这可以包括用户的健康数据、家医设备使用信息、用药情况等,这一步骤的目的是建立一个全面的数据集,以便后续分析和配置家庭医生设备。其次,通过对用户的历史数据进行分析,以理解用户的行为需求,这包括了用户的健康需求、使用习惯和行为模式。通过分析这些数据,可以得到历史用户需求信息数据,这些信息有助于定制化家庭医生设备的配置,以满足用户的实际需求,从而为家庭医生设备的个性化配置提供了基础信息。然后,通过利用深度神经网络算法将环境感知数据和历史用户需求信息数据结合起来,以进行自动学习和配置家庭医生设备的信息,深度神经网络可以识别模式、预测用户需求,并根据不断积累的数据来调整设备的配置,这一步骤的结果是获得了具有自主学习能力的家庭医生自治设备,能够根据环境和用户需求进行智能调整。接下来,通过对家庭医生自治设备进行注册和身份验证,以确保家庭医生自治设备的合法性,通过低功耗通信技术将这些家庭医生自治设备接入区域互联网,以建立家医设备网络节点。并且,为了确保家医设备网络节点之间通信的安全性,通过端到端加密来保护数据的隐私和完整性。这一步骤的效果是建立了安全、可信的家庭医疗设备网络,从而确保数据的保密性和完整性。最后,通过使用分布式网关设备,将家医设备网络节点进行漫游网关分布部署,这意味着家医设备网络节点可以在不同位置之间无缝切换,以确保用户始终能够连接到最佳的网络节点,从而提高了网络的可用性和稳定性。这一步骤的结果能够建立了一个具有高度可扩展性和弹性的家医漫游分布式网络,以支持各种家医应用和服务。
优选地,步骤S15包括以下步骤:
步骤S151:对家医设备网络节点进行网络位置分析,得到家医网络节点位置信息数据;
步骤S152:根据家医网络节点位置信息数据对家医设备网络节点进行网关分布需求分析,得到家医节点网关分布需求数据;
步骤S153:对家医节点网关分布需求数据进行网关规划拓扑分析,得到家医节点网关规划拓扑结构,其中家医节点网关规划拓扑结构包括网关分布位置以及网关分布覆盖范围;
步骤S154:利用网关性能评估计算公式对分布式网关设备进行性能计算,得到网关设备性能程度值;
步骤S155:根据网关设备性能程度值对分布式网关设备进行性能筛选处理,得到高性能网关设备;
步骤S156:根据家医节点网关规划拓扑结构以及家医设备网络节点对高性能网关设备进行漫游网关分布部署,得到家医漫游分布式网络。
作为本发明的一个实施例,参考图3所示,为图2中步骤S15的详细步骤流程示意图,在本实施例中步骤S15包括以下步骤:
步骤S151:对家医设备网络节点进行网络位置分析,得到家医网络节点位置信息数据;
本发明实施例通过对家医设备网络节点的网络位置进行分析,以确定每个家医设备网络节点的准确位置和网络地理布局,最终得到家医网络节点位置信息数据。
步骤S152:根据家医网络节点位置信息数据对家医设备网络节点进行网关分布需求分析,得到家医节点网关分布需求数据;
本发明实施例通过使用家医网络节点位置信息数据中的节点位置分布情况对家医设备网络节点进行分析,以分析家医设备网络节点的网关分布需求,包括家医设备网络节点附近的哪些区域需要进行网关覆盖和连接,以及数据流量的需求分布情况,确保网络的覆盖和性能,最终得到家医节点网关分布需求数据。
步骤S153:对家医节点网关分布需求数据进行网关规划拓扑分析,得到家医节点网关规划拓扑结构,其中家医节点网关规划拓扑结构包括网关分布位置以及网关分布覆盖范围;
本发明实施例通过对家医节点网关分布需求数据中的网关分布需求进行网关位置的规划,以确定最佳的网关设备位置和覆盖范围,并通过考虑网络拓扑、信号传播特性和连接需求设计家医节点网关的规划位置拓扑结构,以确定每个家医设备网络节点的网关设备部署位置以及网关分布的覆盖范围,最终得到家医节点网关规划拓扑结构。
步骤S154:利用网关性能评估计算公式对分布式网关设备进行性能计算,得到网关设备性能程度值;
本发明实施例通过结合性能计算的时间变量参数、分布式网关设备在区域互联网上任务的性能影响权重参数、复杂性系数、分布式网关设备的基础性能影响因子、网络负载影响因子、空间点维度范围参数、空间点的性能影响权重参数、特定网络特性性能影响参数、任务在空间点上的性能数值和资源消耗值以及相关参数构成了一个合适的网关性能评估计算公式对分布式网关设备进行性能计算,以量化每个分布式网关设备的性能水平,最终得到网关设备性能程度值。另外,该网关性能评估计算公式还能够使用本领域内任意一种性能评估算法来代替性能计算的过程,并不局限于该网关性能评估计算公式。
步骤S155:根据网关设备性能程度值对分布式网关设备进行性能筛选处理,得到高性能网关设备;
本发明实施例根据预先设置的网关性能阈值对计算得到的网关设备性能程度值进行比较判断,如果网关设备性能程度值大于或等于预设的网关性能阈值,说明该网关设备性能程度值对应的分布式网关设备的性能较高;如果网关设备性能程度值小于预设的网关性能阈值,说明该网关设备性能程度值对应的分布式网关设备的性能较低,然后,将网关设备性能程度值大于或等于预设的网关性能阈值对应的分布式网关设备筛选出来,最终得到高性能网关设备。
步骤S156:根据家医节点网关规划拓扑结构以及家医设备网络节点对高性能网关设备进行漫游网关分布部署,得到家医漫游分布式网络。
本发明实施例通过根据家医节点网关规划拓扑结构以及家医设备网络节点确定对应家医设备网络节点的网关设备部署位置,然后,将已选的高性能网关设备部署到相应的位置,确保它们能够满足家医设备网络节点的连接需求,同时对不同的家医设备网络节点进行漫游处理以确保能够提供稳定的连接和数据传输,最终得到家医漫游分布式网络。
本发明首先通过对生成的家医设备网络节点进行网络位置的分析,以获取关于家医设备网络节点的位置信息数据,通过该分析过程可以包括确定每个家医设备网络节点的地理坐标、物理位置和连接性,以便更好地了解网络拓扑和节点分布情况,这些位置信息数据对于规划和优化网络非常关键,能够帮助确定最佳的网关设备位置以提高网络性能和覆盖。同时,通过基于家医网络节点的位置信息对家医设备网络节点进行需求分析,以确定网关设备的分布需求,这包括确定在哪些位置需要设置网关设备以提供良好的覆盖和性能,这一步骤有助于明确网关设备的分布策略,以满足用户需求并提高网络的效率。其次,通过对家医节点网关分布需求数据进行网关规划拓扑分析,以确定家医节点网关的规划拓扑结构,这结构包括网关分布位置和覆盖范围,确保每个节点都能够连接到适当的网关设备,这一规划过程有助于优化网络的拓扑结构,从而提高覆盖范围和性能。然后,通过使用合适的网关性能评估计算公式对分布式网关设备进行性能计算,包括考虑各个分布式网关设备的处理能力、特定网络特性、基础性能影响、空间点上的性能影响等性能指标,来计算得到网关设备的性能程度值,用于评估每个网关设备的性能水平。接下来,通过使用计算得到的网关设备性能程度值对分布式网关设备进行性能筛选处理,以选择高性能的网关设备,这确保了只有性能优越的设备被用于家医网络,提高了网络的性能和可靠性。最后,通过根据家医节点网关规划拓扑结构以及家医设备网络节点对已选的高性能网关设备进行漫游网关分布部署,这确保了高性能网关设备的合理分布,以满足网络需求,提高网络性能,覆盖范围和可用性,这一步骤的结果是建立了一个家医漫游分布式网络,能够为家庭医疗设备提供高质量的连接和服务。
优选地,步骤S154中的网关性能评估计算公式具体为:
式中,P为网关设备性能程度值,T为性能计算的时间范围参数,t为性能计算的积分时间变量参数,N为分布式网关设备在区域互联网上的任务数量,αi为分布式网关设备在区域互联网上第i个任务的性能影响权重参数,βi为分布式网关设备在区域互联网上第i个任务的复杂性系数,ρ1为分布式网关设备的基础性能影响因子,ρ2为分布式网关设备的网络负载影响因子,L为分布式网关设备在区域互联网上的空间点维度范围参数,M为分布式网关设备在区域互联网上的空间点数量,x为空间点维度的积分变量参数,γj为分布式网关设备在区域互联网上第j个空间点的性能影响权重参数,δj为分布式网关设备在区域互联网上第j个空间点的特定网络特性性能影响参数,Eij(t,x)为在时间t处分布式网关设备在区域互联网上第i个任务在第j个空间点上的性能数值,Fij(x)为分布式网关设备在区域互联网上第i个任务在第j个空间点上的资源消耗值,μ为网关设备性能程度值的修正值。
本发明构建了一个网关性能评估计算公式,用于对分布式网关设备进行性能计算,该网关性能评估计算公式通过使用任务数量参数来表示在区域互联网上有多少个任务需要由分布式网关设备处理,通过任务的性能影响权重参数来表示任务的性能对总性能的影响权重,而不同任务的性能影响可以不同,通过任务的复杂性系数来表示任务的复杂性系数,能够用于衡量任务的复杂性程度,通过基础性能影响因子来反映分布式设备的基本性能,还通过网络负载影响因子考虑网络负载对性能的影响,通过空间点维度范围参数来表示在区域互联网上有多大的空间范围需要覆盖,通过使用空间点的性能影响权重参数来表示空间点的性能对总性能的影响权重,而不同空间点的性能影响是不同的,同时,通过使用特定网络特性性能影响参数来表示空间点的特定网络特性对性能的影响。综上所述,该网关性能评估计算公式通过对任务性能、任务复杂性、设备性能、网络负载和特定网络特性的综合评估,以确定每个分布式网关设备的性能程度,这样高性能网关设备根据计算得到的程度值筛选出来,然后根据家医节点网关规划拓扑结构进行漫游网关部署,以构建家医漫游分布式网络,确保高效的性能和覆盖范围,这个过程有助于优化家庭医疗网络的性能和可用性。该公式充分考虑了网关设备性能程度值P,性能计算的时间范围参数T,性能计算的积分时间变量参数t,分布式网关设备在区域互联网上的任务数量N,分布式网关设备在区域互联网上第i个任务的性能影响权重参数αi,分布式网关设备在区域互联网上第i个任务的复杂性系数βi,分布式网关设备的基础性能影响因子ρ1,分布式网关设备的网络负载影响因子ρ2,分布式网关设备在区域互联网上的空间点维度范围参数L,分布式网关设备在区域互联网上的空间点数量M,空间点维度的积分变量参数x,分布式网关设备在区域互联网上第j个空间点的性能影响权重参数γj,分布式网关设备在区域互联网上第j个空间点的特定网络特性性能影响参数δj,在时间t处分布式网关设备在区域互联网上第i个任务在第j个空间点上的性能数值Eij(t,x),分布式网关设备在区域互联网上第i个任务在第j个空间点上的资源消耗值Fij(x),网关设备性能程度值的修正值μ,根据网关设备性能程度值P与以上各参数之间的相互关联关系构成了一种函数关系:
该公式能够实现对分布式网关设备的性能计算过程,同时,通过网关设备性能程度值的修正值μ的引入可以根据计算过程中出现的误差情况进行调整,从而提高了网关性能评估计算公式的准确性和适用性。
优选地,步骤S156包括以下步骤:
步骤S1561:根据家医节点网关规划拓扑结构中的网关分布位置以及家医设备网络节点对高性能网关设备进行节点网关分布部署,得到家医分布式初始网络;
本发明实施例通过使用家医节点网关规划拓扑结构中的网关分布位置和家医设备网络节点的位置部署已选的高性能网关设备,确保具备基本的连接能力和网络覆盖范围,同时确保不同家医设备网络节点能够与网关进行通信,最终得到家医分布式初始网络。
步骤S1562:根据家医节点网关规划拓扑结构中的网关分布覆盖范围对家医分布式初始网络进行网关分布调整处理,得到家医分布式优化网络;
本发明实施例通过使用据家医节点网关规划拓扑结构中的网关分布覆盖范围评估现有的网关位置和网关覆盖范围,根据评估结果对家医分布式初始网络进行分布调整,包括添加、移动或删除网关设备以优化网络的网关性能和覆盖范围,确保网关设备的分布能够满足家医设备的数据传输和连接可用性需求,最终得到家医分布式优化网络。
步骤S1563:对家医分布式优化网络内的家医设备网络节点进行漫游建立,以生成家医节点漫游网络隧道;
本发明实施例通过为家医分布式优化网络内的家医设备网络节点建立漫游连接,以便不同家医设备网络节点能够在家医分布式优化网络中的不同网关设备之间自由切换而不中断连接,确保家医设备网络节点中的数据能够平稳地从一个网关设备切换到另一个网关设备而不丢失网络连接,最终生成家医节点漫游网络隧道。
步骤S1564:根据家医节点漫游网络隧道对家医分布式优化网络进行漫游信息交互处理,得到家医漫游分布式网络。
本发明实施例通过使用家医节点漫游网络隧道对家医分布式优化网络进行信息交互,以交互协调家医分布式优化网络中各个家医设备网络节点的行为,以确保数据能够有效地在不同家医设备网络节点之间漫游并保持连接关系,最终得到家医漫游分布式网络。
本发明首先通过根据家医节点网关规划拓扑结构中确定的网关分布位置和家医设备网络节点的位置对已选的高性能网关设备进行节点网关的部署,这意味着在每个家医设备网络节点附近安装网关设备,以确保网络覆盖和性能,结果通过建立一个初始的家医分布式网络,能够具备基本的连接能力和网络覆盖范围。其次,通过使用家医节点网关规划拓扑结构中的网关分布覆盖范围信息对初始的家医分布式网络进行网关位置的调整,这包括重新配置网关设备以优化覆盖范围,以确保每个区域都得到良好的网络服务质量,结果能够建立优化的家医分布式网络,从而提供更加均匀和高质量的网络覆盖。然后,通过对家医分布式优化网络内的家医设备网络节点进行漫游建立,以创建漫游网络隧道,这允许家医设备网络节点能够在不同网关之间自由切换,以确保用户始终能够连接到最佳的网关设备,从而提高网络的可靠性和性能,这样能够建立一个家医节点漫游网络隧道,从而支持家庭医生设备间的无缝切换。最后,通过使用家医节点漫游网络隧道对家医分布式优化网络进行漫游信息交互处理,以确保家庭医生设备之间的顺畅通信,这有助于创建家医漫游分布式网络,其中设备可以在不同的网关之间自由漫游,以提高整个网络的可用性和性能,这样能够建立家庭医疗设备的高效、稳定和可靠的漫游分布式网络,以支持各种医疗应用和服务。
优选地,步骤S2包括以下步骤:
步骤S21:对家庭医生自治设备进行用户授权处理,得到家庭医生授权设备;
本发明实施例通过对家庭医生自治设备进行用户授权,包括根据用户名、密码、指纹等身份验证信息进行用户身份验证、权限管理等步骤,以确保只有经过合法授权的家庭医生设备能够被使用,最终得到家庭医生授权设备。
步骤S22:对家庭医生授权设备进行信息数据采集处理,得到家医设备信息数据;
本发明实施例通过实时采集已经授权后的家庭医生授权设备中的家医信息数据,包括家医用户生理参数、健康状况等信息数据,最终得到家医设备信息数据。
步骤S23:对家医设备信息数据进行质量筛选处理,以得到家医设备高质量信息数据;
本发明实施例通过使用检查数据的完整性、准确性、一致性、及时性等方法对家医设备信息数据进行质量筛选,以去除家医设备信息数据中的低质量数据,并保留高质量数据,最终得到家医设备高质量信息数据。
步骤S24:通过互联网安全通信协议对家医漫游分布式网络进行安全通道构建处理,得到家医安全传输协议通道;
本发明实施例通过使用互联网安全通信协议在已构建好的家医漫游分布式网络中建立安全通道,以确保家医设备信息的安全传输,同时保护家医漫游分布式网络中数据传输的机密性和完整性,最终得到家医安全传输协议通道。
步骤S25:根据家医安全传输协议通道对家医设备高质量信息数据进行分布式存储处理,得到家医信息存储数据。
本发明实施例通过使用已构建好的家医安全传输协议通道对家医设备高质量信息数据进行存储,以分布式的方式将家医设备高质量信息数据分布存储在家医漫游分布式网络的多个地点,以提高家医设备高质量信息数据的可用性和冗余,最终得到家医信息存储数据。
本发明首先通过对家庭医生自治设备进行用户授权处理,以确保只有经过合法授权的家庭医生设备能够被使用,这有助于维护网络的安全性和合规性,从而保护用户数据的隐私和安全。其次,通过对家庭医生授权设备进行信息数据采集处理,这有助于获取有关这些设备的数据,包括设备状态、性能指标、传感器数据等,这些数据对于监控设备运行情况和提供家医信息服务至关重要。然后,通过对家医设备信息数据进行质量筛选处理,以过滤掉可能存在的错误或低质量数据,这有助于确保所使用的数据是可靠和准确的,提高了后续分析和决策的可信度。接下来,通过使用互联网安全通信协议对已构建好的家医漫游分布式网络进行安全通道构建处理,这样能够确保数据在传输过程中的保密性和完整性,防止未经授权的访问和数据篡改,这是关键的安全措施,以保护敏感的家医信息数据。最后,通过借助家医安全传输协议通道对家医设备高质量信息数据进行分布式存储处理,这确保了数据在存储过程中的安全性和可用性,以便后续的数据分析、查询和决策,这一步骤有助于创建可靠的家庭医疗数据存储解决方案,以支持医疗决策和患者护理。
优选地,步骤S23包括以下步骤:
步骤S231:对家医设备信息数据进行异常检测,得到家医设备信息异常数据;
本发明实施例通过使用异常检测算法对家医设备信息数据进行异常检测,以识别家医设备信息数据中不正常或异常的数据点,最终得到家医设备信息异常数据。
步骤S232:将家医设备信息异常数据从家医设备信息数据中滤除,得到家医设备信息异常滤除数据;通过数据滤波处理算法对家医设备信息异常滤除数据进行中位值滤波处理,得到家医设备信息滤波数据;
本发明实施例通过将检测出来的家医设备信息异常数据从家医设备信息数据中滤除,以去除家医设备信息数据中的异常数据点,从而得到家医设备信息异常滤除数据。然后,通过使用数据滤波处理算法(如中位值滤波算法)对家医设备信息异常滤除数据进行滤波处理,以去除数据中的噪音和不稳定性,最终得到家医设备信息滤波数据。
步骤S233:对家医设备信息滤波数据进行完整性验证处理,得到家医设备信息完整验证数据;
本发明实施例通过使用完整性验证方法对滤波处理后的家医设备信息滤波数据进行验证,以检查家医设备信息滤波数据是否缺失、是否存在数据冲突或不一致的信息,确保家医设备信息滤波数据的完整性,最终得到家医设备信息完整验证数据。
步骤S234:利用质量度量计算公式对家医设备信息完整验证数据进行质量计算,得到家医信息数据质量度量值;
本发明实施例通过结合质量计算的时间变量参数、数据准确性度量值、数据准确性权重参数、数据准确性质量贡献调整参数、数据一致性度量值、数据一致性权重参数、数据一致性质量贡献调整参数、数据及时性度量值、数据及时性权重参数、数据及时性质量贡献调整参数以及相关参数构成了一个合适的质量度量计算公式对家医设备信息完整验证数据进行质量计算,以评估家医设备信息完整验证数据的数据质量,最终得到家医信息数据质量度量值。另外,该质量度量计算公式还能够使用本领域内任意一种质量评估算法来代替质量计算的过程,并不局限于该质量度量计算公式。
步骤S235:根据预设的数据质量度量标准值对家医信息数据质量度量值进行比较判断,当家医信息数据质量度量值大于或等于预设的数据质量度量标准值时,则将该家医信息数据质量度量值对应的家医设备信息完整验证数据标记为高质量数据;当家医信息数据质量度量值小于预设的数据质量度量标准值时,则将该家医信息数据质量度量值对应的家医设备信息完整验证数据标记为低质量数据;将被标记为高质量数据的家医设备信息完整验证数据筛选出来,以得到家医设备高质量信息数据。
本发明实施例通过根据预先设置的数据质量度量标准值对计算得到的家医信息数据质量度量值进行比较判断,如果家医信息数据质量度量值大于或等于预设的数据质量度量标准值,说明该家医信息数据质量度量值对应的家医设备信息完整验证数据的数据质量较高,则将该家医设备信息完整验证数据标记为高质量数据;如果家医信息数据质量度量值小于预设的数据质量度量标准值,说明该家医信息数据质量度量值对应的家医设备信息完整验证数据的数据质量较低,则将该家医设备信息完整验证数据标记为低质量数据。然后,通过将被标记为高质量数据的家医设备信息完整验证数据筛选出来,最终得到家医设备高质量信息数据。
本发明首先通过对家医设备信息数据进行异常检测,这意味着通过对家医设备的信息数据进行分析,以识别不符合正常行为模式的数据,这有助于发现可能存在的异常情况或数据错误,为数据清洗和进一步处理提供基础数据。通过这一步骤,可以提高数据的准确性和可靠性,以确保后续分析和应用的有效性。其次,通过将在异常检测过程中识别出的异常数据从家医设备信息数据中滤除,并在滤除异常数据后,使用数据滤波处理算法,如中位值滤波处理,对家医设备信息异常滤除数据进行平滑处理,以消除潜在的离群值或异常数据的影响,这有助于使数据更加稳定和可靠,为进一步的数据分析和应用提供更好的基础。然后,通过对家医设备信息滤波数据进行完整性验证处理,这包括确保数据完整,没有丢失或损坏的部分。通过验证数据的完整性,以确保数据集的质量,减少了潜在的信息缺失或不完整所导致的误差,提高了数据分析和决策的可信度。接下来,通过使用合适的质量度量计算公式对家医设备信息完整验证数据进行质量计算,旨在定量评估数据质量,通过一系列计算或评估指标来量化数据的准确性、一致性和及时性,这个过程提供了一个数值化的方法来衡量数据的可信度。最后,通过将家医信息数据的质量度量值与预设的数据质量度量标准值进行比较判断,如果数据质量度量值满足或超过预设标准值,则将对应的数据标记为高质量数据;若不符合预设标准值,则标记为低质量数据,这有助于区分和识别高质量的数据,为后续的分析和应用提供可靠的数据基础,同时能够避免使用质量较低的数据引发不准确或误导性的结果。
优选地,步骤S234中的质量度量计算公式具体为:
式中,Q为家医信息数据质量度量值,U为质量计算的时间范围参数,u为质量计算的积分时间变量,n为家医设备信息完整验证数据的数量,θk为第k个家医设备信息完整验证数据的数据准确性权重参数,Dk(u)为第k个家医设备信息完整验证数据在时间u处的数据准确性度量值,w1k为第k个家医设备信息完整验证数据的数据准确性质量贡献调整参数,为第k个家医设备信息完整验证数据的数据一致性权重参数,Rk(u)为第k个家医设备信息完整验证数据在时间u处的数据一致性度量值,w2k为第k个家医设备信息完整验证数据的数据一致性质量贡献调整参数,λk为第k个家医设备信息完整验证数据的数据及时性权重参数,Gk(u)为第k个家医设备信息完整验证数据在时间u处的数据及时性度量值,w3k为第k个家医设备信息完整验证数据的数据及时性质量贡献调整参数,η为家医信息数据质量度量值的修正值。
本发明构建了一个质量度量计算公式,用于对家医设备信息完整验证数据进行质量计算,该质量度量计算公式综合考虑了数据的准确性、一致性和及时性,以确定数据的整体质量,高质量的数据将具有较高的质量度量值,而低质量的数据将具有较低的质量度量值,这样能够通过使用预设的数据质量度量标准值将数据标记为高质量或低质量,从而筛选出高质量的家医设备信息数据,以确保在家庭医疗网络中使用高质量的数据进行分析和决策,这有助于提高家庭医疗网络的数据质量和可信度。该公式充分考虑了家医信息数据质量度量值Q,质量计算的时间范围参数U,质量计算的积分时间变量u,家医设备信息完整验证数据的数量n,第k个家医设备信息完整验证数据的数据准确性权重参数θk,第k个家医设备信息完整验证数据在时间u处的数据准确性度量值Dk(u),第k个家医设备信息完整验证数据的数据准确性质量贡献调整参数w1k,第k个家医设备信息完整验证数据的数据一致性权重参数第k个家医设备信息完整验证数据在时间u处的数据一致性度量值Rk(u),第k个家医设备信息完整验证数据的数据一致性质量贡献调整参数w2k,第k个家医设备信息完整验证数据的数据及时性权重参数λk,第k个家医设备信息完整验证数据在时间u处的数据及时性度量值Gk(u),第k个家医设备信息完整验证数据的数据及时性质量贡献调整参数w3k,家医信息数据质量度量值的修正值η,根据家医信息数据质量度量值Q与以上各参数之间的相互关联关系构成了一种函数关系:/>
该公式能够实现对家医设备信息完整验证数据的质量计算过程,同时,通过家医信息数据质量度量值的修正值η的引入可以根据计算过程中出现的误差情况进行调整,从而提高了质量度量计算公式的准确性和适用性。
优选地,步骤S3包括以下步骤:
步骤S31:对家医漫游分布式网络进行网络拓扑分析,得到家医网络拓扑结构数据;
本发明实施例通过使用拓扑结构分析方法对家医漫游分布式网络进行分析,以获取家医漫游分布式网络中家医设备之间的连接关系和网络组织结构,最终得到家医网络拓扑结构数据。
步骤S32:对家医设备网络节点进行通信状态负载检测,得到网络节点通信状态负载数据;
本发明实施例通过使用负载检测算法对家医设备网络节点进行检测,以检测每个家医设备网络节点的通信活动和网络通信负载情况,包括网络通信带宽利用率、延迟、丢包率等负载信息,最终得到网络节点通信状态负载数据。
步骤S33:根据家医网络拓扑结构数据以及网络节点通信状态负载数据利用智能路由算法对家医漫游分布式网络进行智能路由选择,得到网络通信初始路径;
本发明实施例通过结合家医网络拓扑结构数据和网络节点通信状态负载数据使用智能路由算法对家医漫游分布式网络进行路由选择,以综合考虑家医漫游分布式网络中家医设备网络节点之间的距离、负载情况以及其他性能指标,来选择最优的网络通信路径,最终得到网络通信初始路径。
步骤S34:对网络节点通信状态负载数据进行负载划分处理,得到网络节点高负载数据以及网络节点低负载数据;
本发明实施例通过使用负载分析方法对网络节点通信状态负载数据进行分析,以分析对应家医设备网络节点的网络通信负载程度,根据分析得到的网络通信负载程度将其划分为高负载数据以及低负载数据,最终得到网络节点高负载数据以及网络节点低负载数据。
步骤S35:根据网络节点高负载数据以及网络节点低负载数据对网络通信初始路径进行负载带宽优化,得到网络通信优化路径。
本发明实施例通过根据网络节点高负载数据以及网络节点低负载数据的网络负载情况对网络通信初始路径进行优化处理,根据网络负载情况进行重新分配网络带宽资源、选择不同的通信路径、负载均衡等措施,以确保高负载节点不过载,低负载节点能够得到充分利用,最终得到网络通信优化路径。
本发明首先通过对家医漫游分布式网络进行网络拓扑分析,可以了解家医设备之间的连接关系和网络组织结构,这种分析过程有助于识别潜在的网络瓶颈、单点故障和通信路径,为网络性能优化提供基础。通过家医网络拓扑结构数据,系统管理员可以更好地规划网络资源、提高网络稳定性,并确保数据传输的可靠性和高效性。其次,通过对家医设备网络节点进行通信状态负载检测,能够监测网络节点的通信状态负载数据,还可以了解每个家医设备网络节点的通信负载情况,这种信息对网络性能的实时监控至关重要。准确的负载数据可以帮助系统管理员识别出现网络拥塞或负载过高的节点,及时采取措施避免网络性能下降,确保数据的及时传输和响应。然后,通过利用家医网络拓扑结构数据和通信状态负载数据,结合智能路由算法,对家医漫游分布式网络进行智能路由选择,通过选择合适的通信路径,系统可以降低延迟、提高数据传输速度、避免网络拥塞,从而确保数据的快速、稳定传输,这种智能路由选择优化了网络通信效率,提升了整个系统的性能。接下来,通过对网络节点通信状态负载数据进行负载划分处理,能够将节点根据负载情况划分为高负载和低负载数据,这种分离有助于系统管理员有针对性地进行优化。高负载数据的节点可能需要更多的资源或者负载均衡策略,而低负载数据的节点可以被进一步优化,以节省资源或者提高其他方面的性能,这种精细划分为网络优化提供了具体的目标和方向。最后,通过根据网络节点的高负载数据和低负载数据,对网络通信初始路径进行负载带宽优化,通过合理分配带宽资源,高负载节点得以更好地处理数据流量,低负载节点则可以释放多余带宽,提高资源利用率,这种优化方式使得网络通信更加高效,确保了数据传输的及时性和稳定性,提升了整个家医漫游分布式网络的性能和可靠性。
优选地,步骤S4包括以下步骤:
步骤S41:对家医信息存储数据进行实时变化监测处理,得到家医信息存储变化数据;对家医信息存储变化数据进行可用检测,得到家医信息变化可用数据;
本发明实施例通过使用定时轮询或信息事件触发机制实时监测家医信息存储数据的变化,以识别家医信息存储数据中存储过程中的动态变化,包括新增、更新或者删除信息,从而得到家医信息存储变化数据。然后,通过使用可用性检测方法对监测到的变化数据进行检测,将变化数据中的可用数据进一步筛选出来,以确保数据的准确性和完整性,最终得到家医信息变化可用数据。
步骤S42:根据家医设备网络节点对家医信息变化可用数据进行数据同步处理,得到家医信息同步数据;
本发明实施例通过根据家医设备网络节点的信息确定需要同步的家医信息变化可用数据,然后,通过使用数据同步机制将需要同步的家医信息变化可用数据从一个家医设备网络节点传输到另一个家医设备网络节点,以实现在不同家医设备网络节点之间进行数据共享和同步,最终得到家医信息同步数据。
步骤S43:对家医信息同步数据进行通信权限验证处理,得到家医信息权限验证信息数据;
本发明实施例通过使用端到端权限验证方法对家医信息同步数据进行验证,包括身份验证、访问控制列表等方法,以确保只有具有合适权限的家医设备或用户可以访问和使用家医信息同步数据,最终得到家医信息权限验证信息数据。
步骤S44:基于家医信息权限验证信息数据利用网络通信优化路径对家医信息同步数据进行通信访问,得到家医信息通信访问数据。
本发明实施例通过分析家医信息权限验证信息数据以确定哪些家医设备或用户有权访问数据,然后,通过使用网络通信优化路径将家医信息同步数据发送到授权的家医设备或用户进行访问,以确保经过授权的数据能够被高效访问和传输,最终得到家医信息通信访问数据。
本发明首先通过对家医信息存储数据进行实时变化监测处理,以捕获家医信息存储数据的任何变化,这种监测过程有助于识别信息存储中的动态变化,无论是新增、更新还是删除数据,确保数据的实时性和完整性。同时,通过对家医信息存储变化数据进行可用检测,将这些变化中的可用数据进一步筛选出来,这有助于确定可靠的、具备价值的数据,为后续步骤的数据处理提供可靠的基础。其次,通过根据家医设备网络节点对已确定的家医信息变化可用数据进行数据同步处理,以获得信息同步数据,这一步骤的关键在于确保数据在不同节点之间的一致性和同步性。通过数据同步,不仅确保了不同设备间信息的统一性,还为接下来的数据验证和访问提供了同步化的基础。然后,通过对家医信息同步数据进行通信权限验证处理,以获取信息权限验证信息数据,这一步骤的目的在于核实数据的访问权限,确保数据的隐私和安全。数据经过权限验证处理后,系统将得到包含数据访问权限信息的数据集,为安全的数据访问奠定基础。最后,基于家医信息权限验证信息数据,利用网络通信优化路径对家医信息同步数据进行通信访问,这一步骤能够实现通过合适的网络通信路径访问已经授权的数据,通过网络通信优化路径,系统可确保数据的高效访问和传输,保障数据访问的效率和安全性,这样还能够为用户或系统请求提供了经过授权的数据,从而保证数据的安全和完整性。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在申请文件的等同要件的含义和范围内的所有变化涵括在本发明内。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于家医的区域互联网信息分布式通信方法,其特征在于,包括以下步骤:
步骤S1:对家庭医生设备进行自治学习配置,以得到家庭医生自治设备;通过将家庭医生自治设备接入区域互联网,得到家医设备网络节点;对家医设备网络节点进行漫游网关分布部署,得到家医漫游分布式网络;
步骤S2:对家庭医生自治设备进行信息数据采集处理,得到家医设备信息数据;对家医漫游分布式网络进行安全通道构建处理,得到家医安全传输协议通道;根据家医安全传输协议通道对家医设备信息数据进行分布式存储处理,得到家医信息存储数据;
步骤S3:对家医漫游分布式网络进行网络拓扑分析,得到家医网络拓扑结构数据;对家医设备网络节点进行通信状态负载检测,得到网络节点通信状态负载数据;根据家医网络拓扑结构数据以及网络节点通信状态负载数据对家医漫游分布式网络进行智能路由选择,得到网络通信优化路径;
步骤S4:根据家医设备网络节点对家医信息存储数据进行数据同步处理,得到家医信息同步数据;利用网络通信优化路径对家医信息同步数据进行通信权限访问控制,得到家医信息通信访问数据。
2.根据权利要求1所述的基于家医的区域互联网信息分布式通信方法,其特征在于,步骤S1包括以下步骤:
步骤S11:获取家庭医生设备的环境感知数据以及用户历史数据;
步骤S12:对用户历史数据进行用户行为需求分析,得到历史用户需求信息数据;
步骤S13:基于环境感知数据以及历史用户需求信息数据利用深度神经网络算法对家庭医生设备进行自治学习配置,以得到家庭医生自治设备;
步骤S14:对家庭医生自治设备进行注册和身份验证处理,得到家庭医生合法设备;通过低功耗通信技术将家庭医生合法设备接入区域互联网内,并对家庭医生合法设备与区域互联网进行端到端加密处理,以得到家医设备网络节点;
步骤S15:基于分布式网关设备对家医设备网络节点进行漫游网关分布部署,得到家医漫游分布式网络。
3.根据权利要求2所述的基于家医的区域互联网信息分布式通信方法,其特征在于,步骤S15包括以下步骤:
步骤S151:对家医设备网络节点进行网络位置分析,得到家医网络节点位置信息数据;
步骤S152:根据家医网络节点位置信息数据对家医设备网络节点进行网关分布需求分析,得到家医节点网关分布需求数据;
步骤S153:对家医节点网关分布需求数据进行网关规划拓扑分析,得到家医节点网关规划拓扑结构,其中家医节点网关规划拓扑结构包括网关分布位置以及网关分布覆盖范围;
步骤S154:利用网关性能评估计算公式对分布式网关设备进行性能计算,得到网关设备性能程度值;
步骤S155:根据网关设备性能程度值对分布式网关设备进行性能筛选处理,得到高性能网关设备;
步骤S156:根据家医节点网关规划拓扑结构以及家医设备网络节点对高性能网关设备进行漫游网关分布部署,得到家医漫游分布式网络。
4.根据权利要求3所述的基于家医的区域互联网信息分布式通信方法,其特征在于,步骤S154中的网关性能评估计算公式具体为:
式中,P为网关设备性能程度值,T为性能计算的时间范围参数,t为性能计算的积分时间变量参数,N为分布式网关设备在区域互联网上的任务数量,αi为分布式网关设备在区域互联网上第i个任务的性能影响权重参数,βi为分布式网关设备在区域互联网上第i个任务的复杂性系数,ρ1为分布式网关设备的基础性能影响因子,ρ2为分布式网关设备的网络负载影响因子,L为分布式网关设备在区域互联网上的空间点维度范围参数,M为分布式网关设备在区域互联网上的空间点数量,x为空间点维度的积分变量参数,γj为分布式网关设备在区域互联网上第j个空间点的性能影响权重参数,δj为分布式网关设备在区域互联网上第j个空间点的特定网络特性性能影响参数,Eij(t,x)为在时间t处分布式网关设备在区域互联网上第i个任务在第j个空间点上的性能数值,Fij(x)为分布式网关设备在区域互联网上第i个任务在第j个空间点上的资源消耗值,μ为网关设备性能程度值的修正值。
5.根据权利要求3所述的基于家医的区域互联网信息分布式通信方法,其特征在于,步骤S156包括以下步骤:
步骤S1561:根据家医节点网关规划拓扑结构中的网关分布位置以及家医设备网络节点对高性能网关设备进行节点网关分布部署,得到家医分布式初始网络;
步骤S1562:根据家医节点网关规划拓扑结构中的网关分布覆盖范围对家医分布式初始网络进行网关分布调整处理,得到家医分布式优化网络;
步骤S1563:对家医分布式优化网络内的家医设备网络节点进行漫游建立,以生成家医节点漫游网络隧道;
步骤S1564:根据家医节点漫游网络隧道对家医分布式优化网络进行漫游信息交互处理,得到家医漫游分布式网络。
6.根据权利要求1所述的基于家医的区域互联网信息分布式通信方法,其特征在于,步骤S2包括以下步骤:
步骤S21:对家庭医生自治设备进行用户授权处理,得到家庭医生授权设备;
步骤S22:对家庭医生授权设备进行信息数据采集处理,得到家医设备信息数据;
步骤S23:对家医设备信息数据进行质量筛选处理,以得到家医设备高质量信息数据;
步骤S24:通过互联网安全通信协议对家医漫游分布式网络进行安全通道构建处理,得到家医安全传输协议通道;
步骤S25:根据家医安全传输协议通道对家医设备高质量信息数据进行分布式存储处理,得到家医信息存储数据。
7.根据权利要求6所述的基于家医的区域互联网信息分布式通信方法,其特征在于,步骤S23包括以下步骤:
步骤S231:对家医设备信息数据进行异常检测,得到家医设备信息异常数据;
步骤S232:将家医设备信息异常数据从家医设备信息数据中滤除,得到家医设备信息异常滤除数据;通过数据滤波处理算法对家医设备信息异常滤除数据进行中位值滤波处理,得到家医设备信息滤波数据;
步骤S233:对家医设备信息滤波数据进行完整性验证处理,得到家医设备信息完整验证数据;
步骤S234:利用质量度量计算公式对家医设备信息完整验证数据进行质量计算,得到家医信息数据质量度量值;
步骤S235:根据预设的数据质量度量标准值对家医信息数据质量度量值进行比较判断,当家医信息数据质量度量值大于或等于预设的数据质量度量标准值时,则将该家医信息数据质量度量值对应的家医设备信息完整验证数据标记为高质量数据;当家医信息数据质量度量值小于预设的数据质量度量标准值时,则将该家医信息数据质量度量值对应的家医设备信息完整验证数据标记为低质量数据;将被标记为高质量数据的家医设备信息完整验证数据筛选出来,以得到家医设备高质量信息数据。
8.根据权利要求7所述的基于家医的区域互联网信息分布式通信方法,其特征在于,步骤S234中的质量度量计算公式具体为:
式中,Q为家医信息数据质量度量值,U为质量计算的时间范围参数,u为质量计算的积分时间变量,n为家医设备信息完整验证数据的数量,θk为第k个家医设备信息完整验证数据的数据准确性权重参数,Dk(u)为第k个家医设备信息完整验证数据在时间u处的数据准确性度量值,w1k为第k个家医设备信息完整验证数据的数据准确性质量贡献调整参数,为第k个家医设备信息完整验证数据的数据一致性权重参数,Rk(u)为第k个家医设备信息完整验证数据在时间u处的数据一致性度量值,w2k为第k个家医设备信息完整验证数据的数据一致性质量贡献调整参数,λk为第k个家医设备信息完整验证数据的数据及时性权重参数,Gk(u)为第k个家医设备信息完整验证数据在时间u处的数据及时性度量值,w3k为第k个家医设备信息完整验证数据的数据及时性质量贡献调整参数,η为家医信息数据质量度量值的修正值。
9.根据权利要求1所述的基于家医的区域互联网信息分布式通信方法,其特征在于,步骤S3包括以下步骤:
步骤S31:对家医漫游分布式网络进行网络拓扑分析,得到家医网络拓扑结构数据;
步骤S32:对家医设备网络节点进行通信状态负载检测,得到网络节点通信状态负载数据;
步骤S33:根据家医网络拓扑结构数据以及网络节点通信状态负载数据利用智能路由算法对家医漫游分布式网络进行智能路由选择,得到网络通信初始路径;
步骤S34:对网络节点通信状态负载数据进行负载划分处理,得到网络节点高负载数据以及网络节点低负载数据;
步骤S35:根据网络节点高负载数据以及网络节点低负载数据对网络通信初始路径进行负载带宽优化,得到网络通信优化路径。
10.根据权利要求1所述的基于家医的区域互联网信息分布式通信方法,其特征在于,步骤S4包括以下步骤:
步骤S41:对家医信息存储数据进行实时变化监测处理,得到家医信息存储变化数据;对家医信息存储变化数据进行可用检测,得到家医信息变化可用数据;
步骤S42:根据家医设备网络节点对家医信息变化可用数据进行数据同步处理,得到家医信息同步数据;
步骤S43:对家医信息同步数据进行通信权限验证处理,得到家医信息权限验证信息数据;
步骤S44:基于家医信息权限验证信息数据利用网络通信优化路径对家医信息同步数据进行通信访问,得到家医信息通信访问数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311582650.7A CN117579660B (zh) | 2023-11-24 | 2023-11-24 | 一种基于家医的区域互联网信息分布式通信方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311582650.7A CN117579660B (zh) | 2023-11-24 | 2023-11-24 | 一种基于家医的区域互联网信息分布式通信方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117579660A true CN117579660A (zh) | 2024-02-20 |
CN117579660B CN117579660B (zh) | 2024-05-14 |
Family
ID=89860435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311582650.7A Active CN117579660B (zh) | 2023-11-24 | 2023-11-24 | 一种基于家医的区域互联网信息分布式通信方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117579660B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020120310A1 (en) * | 2000-08-22 | 2002-08-29 | Linden Gregory J. | Medical device systems implemented network system for remote patient management |
CN105577714A (zh) * | 2014-10-13 | 2016-05-11 | 中兴通讯股份有限公司 | 基于软件定义网络实现内容分发网络的方法及系统 |
CN107145704A (zh) * | 2017-03-27 | 2017-09-08 | 西安电子科技大学 | 一种面向社区的健康医疗监护、评测系统及其方法 |
CN107818820A (zh) * | 2017-09-14 | 2018-03-20 | 金华禾宜信息技术有限公司 | 一种异构医疗设备数据采集平台 |
CN108600227A (zh) * | 2018-04-26 | 2018-09-28 | 众安信息技术服务有限公司 | 一种基于区块链的医疗数据共享方法及装置 |
CN109036582A (zh) * | 2017-06-02 | 2018-12-18 | 北京医联蓝卡在线科技有限公司 | 一种支持即时语音咨询家庭医生的系统及方法 |
CN110752920A (zh) * | 2019-10-23 | 2020-02-04 | 深圳市中仁信息科技有限公司 | 一种分布式网络移动电话机用户管理方法及管理卡 |
CN115277676A (zh) * | 2022-07-28 | 2022-11-01 | 招商局金融科技有限公司 | 基于负载均衡器的文件传输控制方法、装置、设备及介质 |
CN115511573A (zh) * | 2022-10-18 | 2022-12-23 | 康键信息技术(深圳)有限公司 | 家庭医生的服务权益分享方法、装置、设备及存储介质 |
CN115515129A (zh) * | 2022-09-22 | 2022-12-23 | 佰翊数据(上海)有限公司 | 基于自组网技术的区块链隐私数据传输系统 |
CN116367109A (zh) * | 2023-06-01 | 2023-06-30 | 北京航天常兴科技发展股份有限公司 | 一种基于无线通信网络的火灾防控信息交互方法及系统 |
CN116661330A (zh) * | 2023-07-31 | 2023-08-29 | 深圳市云图数字科技有限公司 | 一种智能家居系统的协同运行方法及智能家居系统 |
CN116800825A (zh) * | 2023-07-19 | 2023-09-22 | 浪潮通用软件有限公司 | 一种基于微服务拆分的调用方法、装置、设备及介质 |
CN117061357A (zh) * | 2023-08-30 | 2023-11-14 | 慧之安信息技术股份有限公司 | 一种基于虚拟专用网络的网络拓扑管理方法和系统 |
CN117082105A (zh) * | 2023-10-16 | 2023-11-17 | 湖南尚医康医疗科技有限公司 | 一种绿色智慧医院设施监控系统及方法 |
-
2023
- 2023-11-24 CN CN202311582650.7A patent/CN117579660B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020120310A1 (en) * | 2000-08-22 | 2002-08-29 | Linden Gregory J. | Medical device systems implemented network system for remote patient management |
CN105577714A (zh) * | 2014-10-13 | 2016-05-11 | 中兴通讯股份有限公司 | 基于软件定义网络实现内容分发网络的方法及系统 |
CN107145704A (zh) * | 2017-03-27 | 2017-09-08 | 西安电子科技大学 | 一种面向社区的健康医疗监护、评测系统及其方法 |
CN109036582A (zh) * | 2017-06-02 | 2018-12-18 | 北京医联蓝卡在线科技有限公司 | 一种支持即时语音咨询家庭医生的系统及方法 |
CN107818820A (zh) * | 2017-09-14 | 2018-03-20 | 金华禾宜信息技术有限公司 | 一种异构医疗设备数据采集平台 |
CN108600227A (zh) * | 2018-04-26 | 2018-09-28 | 众安信息技术服务有限公司 | 一种基于区块链的医疗数据共享方法及装置 |
CN110752920A (zh) * | 2019-10-23 | 2020-02-04 | 深圳市中仁信息科技有限公司 | 一种分布式网络移动电话机用户管理方法及管理卡 |
CN115277676A (zh) * | 2022-07-28 | 2022-11-01 | 招商局金融科技有限公司 | 基于负载均衡器的文件传输控制方法、装置、设备及介质 |
CN115515129A (zh) * | 2022-09-22 | 2022-12-23 | 佰翊数据(上海)有限公司 | 基于自组网技术的区块链隐私数据传输系统 |
CN115511573A (zh) * | 2022-10-18 | 2022-12-23 | 康键信息技术(深圳)有限公司 | 家庭医生的服务权益分享方法、装置、设备及存储介质 |
CN116367109A (zh) * | 2023-06-01 | 2023-06-30 | 北京航天常兴科技发展股份有限公司 | 一种基于无线通信网络的火灾防控信息交互方法及系统 |
CN116800825A (zh) * | 2023-07-19 | 2023-09-22 | 浪潮通用软件有限公司 | 一种基于微服务拆分的调用方法、装置、设备及介质 |
CN116661330A (zh) * | 2023-07-31 | 2023-08-29 | 深圳市云图数字科技有限公司 | 一种智能家居系统的协同运行方法及智能家居系统 |
CN117061357A (zh) * | 2023-08-30 | 2023-11-14 | 慧之安信息技术股份有限公司 | 一种基于虚拟专用网络的网络拓扑管理方法和系统 |
CN117082105A (zh) * | 2023-10-16 | 2023-11-17 | 湖南尚医康医疗科技有限公司 | 一种绿色智慧医院设施监控系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117579660B (zh) | 2024-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11316851B2 (en) | Security for network environment using trust scoring based on power consumption of devices within network | |
Namal et al. | Autonomic trust management in cloud-based and highly dynamic IoT applications | |
CN112543465B (zh) | 一种异常检测方法、装置、终端及存储介质 | |
US11116040B2 (en) | Method of coordinating a communication network | |
Magableh et al. | A self healing microservices architecture: A case study in docker swarm cluster | |
KR20180130202A (ko) | 집단 지능 기반 악의적 기기 탐지 장치 및 방법 | |
Ammari et al. | Fault tolerance measures for large-scale wireless sensor networks | |
Ramachandran et al. | FORK: A novel two-pronged strategy for an agent-based intrusion detection scheme in ad-hoc networks | |
CN105207835B (zh) | 一种无线局域网的网元工作状态的判定方法及装置 | |
Liu et al. | Improved trust management based on the strength of ties for secure data aggregation in wireless sensor networks | |
Dhulipala et al. | Trust management technique in wireless sensor networks: challenges and issues for reliable communication: a review | |
Parvin et al. | A survivability model in wireless sensor networks | |
CN117729567B (zh) | 无线自组网的优化方法及系统 | |
CN117579660B (zh) | 一种基于家医的区域互联网信息分布式通信方法 | |
Deligiannakis et al. | Another outlier bites the dust: Computing meaningful aggregates in sensor networks | |
Jeswani et al. | Adaptive monitoring: application of probing to adapt passive monitoring | |
Halabi et al. | Evaluation and selection of Cloud security services based on Multi-Criteria Analysis MCA | |
Abreu et al. | QoS-based management of biomedical wireless sensor networks for patient monitoring | |
Pan et al. | Identify congested links with network tomography under multipath routing | |
Qin et al. | Achieving resilience of heterogeneous networks through predictive, formal analysis | |
Harlamova et al. | Trust handling framework for networks in cyber physical systems of Industry 4.0 | |
Hong et al. | An empirical framework for user mobility models: Refining and modeling user registration patterns | |
MAGABLEH et al. | Deep Q Learning for Self Adaptive Distributed Microservices Architecture | |
Liao et al. | Autonomous cognitive model and analysis for survivable system | |
Li et al. | Fault Diagnosis Algorithm Based on Service Characteristics Under Software Defined Network Slicing |
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 |