CN117742223A - 一种嵌入式远程净水系统的控制方法及装置 - Google Patents

Abstract

本申请提供一种嵌入式远程净水系统的控制方法及装置，属于远程控制技术领域，在该方法中，通过接收控制终端发送的情景描述信息，能够确定情景描述信息对应的用户需求信息和用户特征信息，并利用云服务器对控制终端的终端标识和用户特征信息进行识别，能够确定用户偏好画像，进而基于用户需求信息和用户偏好画像，能够自动生成符合用户用水需求的目标控制参数，实现对嵌入式远程净水设备的远程控制并简化用户操作；同时，通过将控制事件写入智能网关对应的事务区块，并在区块链中进行广播，能够实现对控制事件的共识，有效避免嵌入式远程净水设备被非法控制以及被非法篡改数据，在提高设备远程控制的安全性的同时，有效提升用户体验。

Description

一种嵌入式远程净水系统的控制方法及装置

技术领域

本申请涉及远程控制技术领域，尤其涉及一种嵌入式远程净水系统的控制方法及装置。

背景技术

随着科学的进步和社会的发展，人们生活质量也逐步得到提高，嵌入式净水系统得到了越来越多家庭的青睐。嵌入式净水系统通过将嵌入式净水设备嵌入到柜体，可以很好地隐藏插座、电线、进出水管等影响美观的部件，使得布置空间更美观整洁，不占用台面空间。

然而，传统的嵌入式净水系统的智能化程度较低，一般都需要人近身对净水设备的各个功能按键进行手动操作或控制，而不能远程操作，并且使用起来较为繁琐导致用户体验较低。

发明内容

本申请实施例提供一种嵌入式远程净水系统的控制方法及装置，本申请采用如下技术方案：

第一方面，提供一种嵌入式远程净水系统的控制方法，应用于智能网关，所述方法包括：

接收控制终端针对嵌入式远程净水设备发送的情景描述信息，并确定所述情景描述信息对应的用户需求信息和用户特征信息；

向云服务器发送包含所述用户特征信息和所述控制终端的终端标识的数据获取请求，以使得所述云服务器响应于所述数据获取请求，基于所述终端标识和所述用户特征信息，确定用户偏好画像，并向所述智能网关反馈所述用户偏好画像；

基于所述用户需求信息和所述用户偏好画像，生成包含目标控制参数的控制指令；

控制所述嵌入式远程净水设备执行所述控制指令对应的操作，并将控制事件写入所述智能网关对应的事务区块，得到更新后的目标事务区块；所述控制事件指示所述嵌入式远程净水设备已执行所述控制指令对应的操作；

将所述目标事务区块在区块链中进行广播，以实现对所述控制事件的共识。

在本申请一实施例中，所述情景描述信息包括用户语音信息；所述确定所述情景描述信息对应的用户需求信息和用户特征信息的步骤，包括：

提取所述用户语音信息对应的原始文本数据和用户声纹特征；

基于所述原始文本数据，确定所述用户需求信息，并将所述用户声纹特征确定为所述用户特征信息。

在本申请一实施例中，所述基于所述原始文本数据，确定所述用户需求信息的步骤，包括：

对所述原始文本数据进行后处理，得到目标文本数据；所述后处理包括纠错处理和断句处理；

将所述目标文本数据输入经过预训练的语义识别模型，输出得到所述用户需求信息；所述用户需求信息包括用途信息和用水时间信息。

在本申请一实施例中，所述基于所述终端标识和所述用户特征信息，确定用户偏好画像的步骤，包括：

基于所述终端标识、以及用户数据库和终端标识之间的第一映射关系，确定目标用户数据库；

将所述用户声纹特征分别与目标用户数据库中预先存储的至少一个历史声纹特征进行匹配，得到至少一个所述历史声纹特征各自对应的置信度；

将所述置信度最高的历史声纹特征确定为目标声纹特征；

在所述目标声纹特征对应的置信度大于置信度阈值的情况下，确定所述目标声纹特征对应的目标身份标识；

基于所述目标身份标识、以及用户偏好画像和身份标识之间的第二映射关系，确定所述用户偏好画像。

在本申请一实施例中，所述用户声纹特征包括频率特征、音调特征和语速特征；所述将所述用户声纹特征分别与目标用户数据库中预先存储的至少一个历史声纹特征进行匹配，得到至少一个所述历史声纹特征各自对应的置信度的步骤，包括：

针对任一历史声纹特征，将所述用户声纹特征的频率特征、音调特征和语速特征分别与所述历史声纹特征的历史频率特征、历史音调特征和历史语速特征进行匹配，分别得到针对所述频率特征的第一相似度、针对所述音调特征的第二相似度以及针对所述语速特征的第三相似度；

基于所述第一相似度和针对所述频率特征的第一权重值、所述第二相似度和针对所述音调特征的第二权重值、以及所述第三相似度和针对所述语速特征的第三权重值，确定所述历史声纹特征对应的置信度。

在本申请一实施例中，所述用户偏好画像包括用水量偏好、水温偏好和水质偏好；所述基于所述用户需求信息和所述用户偏好画像，生成包含目标控制参数的控制指令的步骤，包括：

将所述用户需求信息、所述水量偏好、所述水温偏好和所述水质偏好转化为数值化数据；

对所述数值化数据进行特征提取，得到目标特征数据；

将所述目标特征数据输入经过预训练的神经网络模型，预测得到目标控制参数；所述目标控制参数包括目标用水量、目标水温和目标水质。

在本申请一实施例中，所述神经网络模型是通过以下步骤训练得到的：

获取训练数据集：所述训练数据集包括多个历史用水数据；每个所述历史用水数据包括各自对应的历史用户需求信息、历史用户偏好画像和历史控制参数；

针对任一所述历史用水数据，将所述历史用水数据对应的历史用户需求信息、历史用户偏好画像转化为历史数值化数据，并对所述历史数值化数据进行特征提取，得到历史特征数据；

将所述历史特征数据输入初始神经网络模型，输出得到预测控制参数；

基于所述预测控制参数和所述历史控制参数，确定损失函数值；

基于所述损失函数值，对所述初始神经网络模型的网络参数进行更新，并执行针对任一所述历史用水数据，将所述历史用水数据对应的历史用户需求信息、历史用户偏好画像转化为历史数值化数据的步骤，直到所述初始神经网络模型满足训练截止条件，得到经过预训练的所述神经网络模型。

在本申请一实施例中，所述控制所述嵌入式远程净水设备执行所述控制指令对应的操作，并将控制事件写入事务区块，得到更新后的事务区块的步骤，包括：

基于所述嵌入式远程净水设备的设备公钥，使用预设算法对所述控制指令和预先生成的随机数进行加密运算，得到加密数据；

将所述加密数据发送至所述嵌入式远程净水设备，以使所述嵌入式远程净水设备基于所述嵌入式远程净水设备的设备私钥，使用所述预设算法对所述加密数据进行解密运算，得到所述随机数和所述控制指令，执行所述控制指令对应的操作并向所述智能网关返回随机数；

在确定所述嵌入式远程净水设备返回的所述随机数与预先生成的随机数一致的情况下，将所述控制事件写入事务区块，得到更新后的事务区块。

在本申请一实施例中，所述事务区块包括区块头和区块体，所述区块体包括第一状态树，所述区块头包括所述第一状态树的树根和前序区块的哈希指针；所述将控制事件写入所述智能网关对应的事务区块，得到更新后的目标事务区块的步骤，包括：

在所述第一状态树的多个叶子节点中，确定所述嵌入式远程净水设备的目标叶子节点；并生成所述控制事件对应的哈希值；

将所述哈希值写入所述目标叶子节点中，并对所述第一状态树的树根进行更新，以得到更新后的目标事务区块。

第二方面，提供了一种嵌入式远程净水系统的控制装置，所述装置应用于智能网关，所述装置包括：

信息确定模块，用于接收控制终端针对嵌入式远程净水设备发送的情景描述信息，并确定所述情景描述信息对应的用户需求信息和用户特征信息；

画像获取模块，用于向云服务器发送包含所述用户特征信息和所述控制终端的终端标识的数据获取请求，以使得所述云服务器响应于所述数据获取请求，基于所述终端标识和所述用户特征信息，确定用户偏好画像，并向所述智能网关反馈所述用户偏好画像；

指令生成模块，用于基于所述用户需求信息和所述用户偏好画像，生成包含目标控制参数的控制指令；

设备控制模块，用于控制所述嵌入式远程净水设备执行所述控制指令对应的操作，并将控制事件写入所述智能网关对应的事务区块，得到更新后的目标事务区块；所述控制事件指示所述嵌入式远程净水设备已执行所述控制指令对应的操作；

事件共识模块，用于将所述目标事务区块在区块链中进行广播，以实现对所述控制事件的共识。

在本申请一实施例中，所述情景描述信息包括用户语音信息；所述信息确定模块包括：

提取子模块，用于提取所述用户语音信息对应的原始文本数据和用户声纹特征；

信息确定子模块，用于基于所述原始文本数据，确定所述用户需求信息，并将所述用户声纹特征确定为所述用户特征信息。

在本申请一实施例中，所述信息确定子模块包括：

后处理单元，用于对所述原始文本数据进行后处理，得到目标文本数据；所述后处理包括纠错处理和断句处理；

用户需求信息确定单元，用于将所述目标文本数据输入经过预训练的语义识别模型，输出得到所述用户需求信息；所述用户需求信息包括用途信息和用水时间信息。

在本申请一实施例中，所述画像获取模块包括：

数据库确定子模块，用于基于所述终端标识、以及用户数据库和终端标识之间的第一映射关系，确定目标用户数据库；

置信度确定子模块，用于将所述用户声纹特征分别与目标用户数据库中预先存储的至少一个历史声纹特征进行匹配，得到至少一个所述历史声纹特征各自对应的置信度；

声纹特确定子模块，用于将所述置信度最高的历史声纹特征确定为目标声纹特征；

身份标识确定子模块，用于在所述目标声纹特征对应的置信度大于置信度阈值的情况下，确定所述目标声纹特征对应的目标身份标识；

画像确定子模块，用于基于所述目标身份标识、以及用户偏好画像和身份标识之间的第二映射关系，确定所述用户偏好画像。

在本申请一实施例中，所述用户声纹特征包括频率特征、音调特征和语速特征；所述置信度确定子模块包括：

相似度确定单元，用于针对任一历史声纹特征，将所述用户声纹特征的频率特征、音调特征和语速特征分别与所述历史声纹特征的历史频率特征、历史音调特征和历史语速特征进行匹配，分别得到针对所述频率特征的第一相似度、针对所述音调特征的第二相似度以及针对所述语速特征的第三相似度；

置信度确定单元，用于基于所述第一相似度和针对所述频率特征的第一权重值、所述第二相似度和针对所述音调特征的第二权重值、以及所述第三相似度和针对所述语速特征的第三权重值，确定所述历史声纹特征对应的置信度。

在本申请一实施例中，所述用户偏好画像包括用水量偏好、水温偏好和水质偏好；所述指令生成模块包括：

数值转化子模块，用于将所述用户需求信息、所述水量偏好、所述水温偏好和所述水质偏好转化为数值化数据；

特征提取子模块，用于对所述数值化数据进行特征提取，得到目标特征数据；

目标控制参数确定子模块，用于将所述目标特征数据输入经过预训练的神经网络模型，预测得到目标控制参数；所述目标控制参数包括目标用水量、目标水温和目标水质。

在本申请一实施例中，所述嵌入式远程净水系统的控制装置还包括：

数据集获取模块，用于获取训练数据集：所述训练数据集包括多个历史用水数据；每个所述历史用水数据包括各自对应的历史用户需求信息、历史用户偏好画像和历史控制参数；

历史特征数据获取模块，用于针对任一所述历史用水数据，将所述历史用水数据对应的历史用户需求信息、历史用户偏好画像转化为历史数值化数据，并对所述历史数值化数据进行特征提取，得到历史特征数据；

模型预测模块，用于将所述历史特征数据输入初始神经网络模型，输出得到预测控制参数；

损失函数值确定模块，用于基于所述预测控制参数和所述历史控制参数，确定损失函数值；

模型迭代训练模块，用于基于所述损失函数值，对所述初始神经网络模型的网络参数进行更新，并执行针对任一所述历史用水数据，将所述历史用水数据对应的历史用户需求信息、历史用户偏好画像转化为历史数值化数据的步骤，直到所述初始神经网络模型满足训练截止条件，得到经过预训练的所述神经网络模型。

在本申请一实施例中，所述设备控制模块包括：

数据加密子模块，用于基于所述嵌入式远程净水设备的设备公钥，使用预设算法对所述控制指令和预先生成的随机数进行加密运算，得到加密数据；

数据发送子模块，用于将所述加密数据发送至所述嵌入式远程净水设备，以使所述嵌入式远程净水设备基于所述嵌入式远程净水设备的设备私钥，使用所述预设算法对所述加密数据进行解密运算，得到所述随机数和所述控制指令，执行所述控制指令对应的操作并向所述智能网关返回随机数；

区块更新子模块，用于在确定所述嵌入式远程净水设备返回的所述随机数与预先生成的随机数一致的情况下，将所述控制事件写入事务区块，得到更新后的事务区块。

在本申请一实施例中，所述事务区块包括区块头和区块体，所述区块体包括第一状态树，所述区块头包括所述第一状态树的树根和前序区块的哈希指针；所述设备控制模块还包括：

叶子节点确定子模块，用于在所述第一状态树的多个叶子节点中，确定所述嵌入式远程净水设备的目标叶子节点；并生成所述控制事件对应的哈希值；

树根更新子模块，用于将所述哈希值写入所述目标叶子节点中，并对所述第一状态树的树根进行更新，以得到更新后的目标事务区块。

综上，上述嵌入式远程净水系统的控制方法及装置具有如下技术效果：

本申请实施例通过接收控制终端针对嵌入式远程净水设备发送的情景描述信息，能够确定情景描述信息对应的用户需求信息和用户特征信息，使得用户能够在控制终端根据其用水需求进行描述即可实现对嵌入式远程净水设备的控制。利用云服务器对控制终端的终端标识和用户特征信息进行识别，能够快速准确地确定用户偏好画像，进而基于用户需求信息和用户偏好画像，能够自动生成符合用户用水需求的目标控制参数，并控制嵌入式远程净水设备执行控制指令对应的操作，实现对嵌入式远程净水设备的远程控制。同时，通过将控制事件写入智能网关对应的事务区块，并将更新后的目标事务区块在区块链中进行广播，能够实现对控制事件的共识，有效避免嵌入式远程净水设备被非法控制以及被非法篡改数据，提高设备远程控制的安全性。本申请实施例能够针对情景描述信息，在保障控制安全的前提下，实现对嵌入式远程净水设备的远程智能控制，使得用户无需近身使用各个实体功能键对嵌入式远程净水设备的各个功能进行设置，进而有效提高用户的使用体验。

附图说明

图1为本申请实施例提供的一种嵌入式远程净水系统的控制方法的流程示意图；

图2为本申请实施例提供的一种嵌入式远程净水系统的控制装置的模块示意图。

具体实施方式

下面将结合附图，对本申请中的技术方案进行描述。

需要说明的是，目前传统的嵌入式净水系统通常不具备远程控制功能，而部分嵌入式远程净水系统虽然提供了远程控制服务，但通常仅是将各个实体功能键配置为控制终端可操作的虚拟按键，同时远程控制服务依赖于厂家构建的云服务平台或者第三方平台实现指令转发，即控制终端利用网络通道向云服务平台或者第三方平台发送控制指令，再由云服务平台或者第三方平台将控制指令转发给嵌入式远程净水设备，该种方式依然无法简化用户操作，需要手动输入相应的控制参数，智能化程度较低，同时无法有效保证数据安全。

基于此，提出本申请的发明构思：通过对用户通过控制终端发送的情景描述信息进行智能识别，能够识别对应的用户需求信息和用户偏好画像，进而综合考虑用户需求信息和用户偏好画像，自动生成符合用户用水需求的目标控制参数，实现对嵌入式远程净水设备的远程智能控制，进而简化用户操作，有效提高用户的使用体验；同时，通过将控制事件写入智能网关对应的事务区块，能够实现对控制事件在区块链中的共识，有效避免嵌入式远程净水设备被非法控制以及被非法篡改数据，提高设备远程控制的安全性。

参照图1，基本申请的实施例提供了一种嵌入式远程净水系统的控制方法，应用于智能网关，具体可以包括以下步骤：

S101：接收控制终端针对嵌入式远程净水设备发送的情景描述信息，并确定情景描述信息对应的用户需求信息和用户特征信息。

在本实施方式中，嵌入式远程净水设备是按对水的使用要求对水质进行深度过滤、净化处理的水处理设备，该嵌入式远程净水设备具有联网功能且支持远程控制；控制终端可以为智能手机、平板等便携式移动终端，以便随时对嵌入式远程净水设备发送情景描述信息；智能网关可以路由器或者交换机等具有数据处理、网络通信以及程序运行功能的计算服务设备。

在具体实现中，用户可以通过多种方式向控制终端输入针对嵌入式远程净水设备发送的情景描述信息。示例性的，情景描述信息可以为用户语音信息，由于用户语音信息既包含针对用水情景的描述信息又包含该用户的用户特征信息（如声纹特征），因此，用户可以直接通过语音向控制终端描述心目中的用水情景。情景描述信息还可以为文本信息和用户图像信息，其中，文本信息包含用水情景的描述信息，用户图像信息则包含了用户特征信息（如人脸特征），因此，可以通过在用户向控制终端输入文本信息的过程中采集用户图像信息，进而得到用户的情景描述信息。优选地，为简化用户操作，可以采用用户语音信息，进而基于用户语音信息，确定用户需求信息和用户特征信息。

在本实施方式中，为提高智能网关对用户语音信息的识别准确性，在将用户语音信息上传至智能网关之前，还可以通过控制终端对用户语音信息进行预处理，具体可以包括去除噪声和调整音量等处理。

具体实现中，确定情景描述信息对应的用户需求信息和用户特征信息的具体步骤包括：

S101-1：提取用户语音信息对应的原始文本数据和用户声纹特征。

在本实施方式中，智能网关在获取到用户语音信息后，可以利用语音识别模型，可以从用户语音信息对应的音频信息中提取得到用户的声纹特征，并将音频文件转换为原始文本数据。

示例性的，原始文本数据可以为“早上八点半冲咖啡”“晚上准备煮饭用水”或者“立即准备饮用水”。

S101-2：基于原始文本数据，确定用户需求信息，并将用户声纹特征确定为用户特征信息。

在本实施方式中，原始文本数据即为用户语音信息对应的语音内容，通过将音频文件转换为原始文本数据，可以实现对用户需求信息的提取。

在具体实现中，为实现对用户需求信息的识别准确性，在获取到原始文本数据后，可以对原始文本数据进行后处理，得到目标文本数据，其中，后处理可以包括纠错处理和断句处理；再将目标文本数据输入经过预训练的语义识别模型，输出得到用户需求信息。其中，用户需求信息包括用途信息和用水时间信息。

S102：向云服务器发送包含用户特征信息和控制终端的终端标识的数据获取请求，以使得云服务器响应于数据获取请求，基于终端标识和用户特征信息，确定用户偏好画像，并向智能网关反馈用户偏好画像。

在本实施方式中，考虑到智能网关通常需要承担对各个智能家居的控制任务，因此，为减轻智能网的算力压力，智能网关在获取户特征信息和控制终端的终端标识之后，将生成包含用户特征信息和控制终端的终端标识的数据获取请求，并发送给云服务器，利用云服务器基于终端标识和用户特征信息，确定用户偏好画像，并向智能网关反馈用户偏好画像。

在具体实现中，S102中基于终端标识和用户特征信息，确定用户偏好画像的步骤，具体可以包括以下子步骤：

S102-1：基于终端标识、以及用户数据库和终端标识之间的第一映射关系，确定目标用户数据库。

在本实施方式中，云服务器预先存储有表征用户数据库和终端标识之间对照关系的第一映射关系，即不同的终端标识对应不同的用户数据库。如此，一个控制终端能够单独对应一个用户数据库，而考虑到家庭中可能多人使用同一个控制终端，因此该用户数据库中存储至少一个历史声纹特征，不同的历史声纹特征对应不同的身份标识，而不同的身份标识对应不同的用户。

S102-2：将用户声纹特征分别与目标用户数据库中预先存储的至少一个历史声纹特征进行匹配，得到至少一个历史声纹特征各自对应的置信度。

在本实施方式中，为根据用户声纹特征，实现对用户的用户身份的准确识别，云服务器会将用户声纹特征分别与目标用户数据库中预先存储的至少一个历史声纹特征进行匹配，得到至少一个历史声纹特征各自对应的置信度。该置信度反映了该用户声纹特征对应的用户为至少一个历史声纹特征各自对应的用户的可能性。

在具体实现中，用户声纹特征包括频率特征、音调特征和语速特征，S102-2具体可以包括以下子步骤：针对任一历史声纹特征，将用户声纹特征的频率特征、音调特征和语速特征分别与历史声纹特征的历史频率特征、历史音调特征和历史语速特征进行匹配，分别得到针对频率特征的第一相似度、针对音调特征的第二相似度以及针对语速特征的第三相似度；基于第一相似度和针对频率特征的第一权重值、第二相似度和针对音调特征的第二权重值、以及第三相似度和针对语速特征的第三权重值，确定历史声纹特征对应的置信度。

在本实施方式中，通过综合考虑用户声纹特征中的频率特征、音调特征和语速特征，能够从多个角度出发，实现对用户身份的准确识别。

例如，可以通过分析用户的频率特征和音调特征来识别用户的性别和年龄。例如，男性和女性的声音频率和音调有明显的区别，在声学特征上，男性的声音通常更低沉、更有力，而女性的声音通常更高亢、更柔和；年龄较大的人的声音通常会变得低沉，而年龄较小的人的声音则通常更高亢；而不同用户平时说话的语速也存在明显差异。

S102-3：将置信度最高的历史声纹特征确定为目标声纹特征。

在本实施方式中，置信度最高的历史声纹特征即为与用户声纹特征最为匹配的声纹特征。

S102-4：在目标声纹特征对应的置信度大于置信度阈值的情况下，确定目标声纹特征对应的目标身份标识。

在本实施方式中，同时设置置信度阈值，能够进一步实现对目标身份标识的准确识别，避免陌生用户对嵌入式远程净水设备进行非法控制。

在本实施方式中，不同的历史声纹特征对应不同的身份标识，如此，在确定目标声纹特征之后，能够快速确定目标身份标识。

S102-5：基于目标身份标识、以及用户偏好画像和身份标识之间的第二映射关系，确定用户偏好画像。

在本实施方式中，云服务器预先存储有表征用户偏好画像和身份标识之间对照关系的第二映射关系，即不同的身份标识对应不同的用户偏好画像。

需要说明的是，用户偏好画像是基于目标身份标识对应的用户的历史用水数据确定的，能够反应用户针对嵌入式远程净水设备的用水偏好情况。

在本实施方式中，用户还可以通过控制终端新增或者删除某一身份标识及其对应的用户偏好画像，并实现对第二映射关系的更新。

S103：基于用户需求信息和用户偏好画像，生成包含目标控制参数的控制指令。

在本实施方式中，智能网关在获取云服务器返回的用户偏好画像之后，便可对用户需求信息和用户偏好画像进行综合分析，进而确定能够满足用户用水需求的目标控制参数，并生成包含目标控制参数的控制指令。

S104：控制嵌入式远程净水设备执行控制指令对应的操作，并将控制事件写入智能网关对应的事务区块，得到更新后的目标事务区块；控制事件指示嵌入式远程净水设备已执行控制指令对应的操作。

在本实施方式中，智能网关在生成包含目标控制参数的控制指令之后，便可将该控制指令通过局域网发送给嵌入式远程净水设备，以使嵌入式远程净水设备按照目标控制参数，为用户提供相应的供水服务。

在具体实现中，为实现数据传输安全，S104具体可以包括以下子步骤：

S104-1：基于嵌入式远程净水设备的设备公钥，使用预设算法对控制指令和预先生成的随机数进行加密运算，得到加密数据。

在本实施方式中，智能网关将通过随机函数，生成随机数，也可以通过其他方式生成随机数，本实施例对此不作限定。

在本实施方式中，可以将控制指令和预先生成的随机数作为待加密数据，该待加密数据是指需要通过加密进行保护的数据。

在具体实现中，待加密数据可以包括控制指令和预先生成的随机数的哈希值。哈希值可以通过对控制指令和预先生成的随机数进行哈希运算得到。通过进行哈希运算，嵌入式远程净水设备在接收到控制指令时，可以通过验证哈希值的方式确保接收到的控制指令没有经过篡改。

在本实施方式中，预设算法是指预先确定的用于对待加密数据进行加密或解密的算法。在一些实施例中，预设算法可以包括对称加密算法，例如，AES算法等。

S104-2：将加密数据发送至嵌入式远程净水设备，以使嵌入式远程净水设备基于嵌入式远程净水设备的设备私钥，使用预设算法对加密数据进行解密运算，得到随机数和控制指令，执行控制指令对应的操作并向智能网关返回随机数。

在本实施方式中，嵌入式远程净水设备可以从加密数据中的读取得到随机数和控制指令，通过使用与加密数据时所使用的加密算法对应的解密算法对加密数据进行解密，即可得到随机数和控制指令。

在本实施方式中，嵌入式远程净水设备还可以使用设备私钥对加密数据的数字签名进行验证，以确保接收到的数据未被篡改。

S104-3：在确定嵌入式远程净水设备返回的随机数与预先生成的随机数一致的情况下，将控制事件写入事务区块，得到更新后的事务区块。

在本实施方式，智能网关在检测到嵌入式远程净水设备返回的随机数与预先生成的随机数一致时，则会将控制事件写入事务区块，得到更新后的事务区块。

在具体实现中，事务区块包括区块头和区块体，区块体包括第一状态树，区块头包括第一状态树的树根和前序区块的哈希指针；将控制事件写入智能网关对应的事务区块，得到更新后的目标事务区块的具体步骤包括：在第一状态树的多个叶子节点中，确定嵌入式远程净水设备的目标叶子节点；并生成控制事件对应的哈希值；将哈希值写入目标叶子节点中，并对第一状态树的树根进行更新，以得到更新后的目标事务区块。

在本实施方式中，每个事务区块分为区块头（Block Header）和区块体（BlockBody）两部分，其中区块体由当前事务区块中打包的事务集合构成，事务集合以顺序表的形式有序的存储在区块头当中。

在本实施方式中，第一状态树可以基于梅克尔树构建，梅克尔树又称散列树，梅克尔树分为二叉树和交易序列两部分，交易序列作为整个梅克尔树的叶子节点，与二叉树部分的叶子节点一一对应，在本实施方式中则用于存储包括嵌入式远程净水设备在内的智能设备的状态信息。二叉树部分，叶子节点的值取各个智能设备的状态信息的哈希值，树的父节点为其两个叶子节点组合的哈希值。梅克尔树的特性在于，对底层节点的任意改动，都将传递到父节点，一直到树根，而且很容易定位发生变化的叶节点，因此特别适用于数据存在性和完整性的快速、有效、安全的验证。梅克尔树的使用增大了数据的篡改难度，可实现对数字对象的时序变化的有效记录。

S105：将目标事务区块在区块链中进行广播，以实现对控制事件的共识。

在本实施方式中，广播目标事务区块具体为区块链技术中的广播手段，即某一智能网关对应的区块链节点广播目标事务区块时，在整个区块链中的其他各个智能网关作为区块链节点将记录及存储控制事件，并将记录后的控制事件打包封装成块，添加至总的区块链中，实现对控制事件的共识。

在本实施方式中，通过将哈希值写入目标叶子节点中，并对对第一状态树的树根进行更新，能够重构得到的第二状态树。通过哈希计算，实现对原目标叶子节点中的哈希的更新，父节点再沿更新路径一直传递到树根；并将第二状态树的树根写入对应的区块头，得到更新后的目标事务区块；最后将更新后的目标事务区块在区块链中进行广播，告知其他事务区块嵌入式远程净水设备的最新事件，实现共识。

本申请实施例通过接收控制终端针对嵌入式远程净水设备发送的情景描述信息，能够确定情景描述信息对应的用户需求信息和用户特征信息，使得用户能够在控制终端根据其用水需求进行描述即可实现对嵌入式远程净水设备的控制。利用云服务器对控制终端的终端标识和用户特征信息进行识别，能够快速准确地确定用户偏好画像，进而基于用户需求信息和用户偏好画像，能够自动生成符合用户用水需求的目标控制参数，并控制嵌入式远程净水设备执行控制指令对应的操作，实现对嵌入式远程净水设备的远程控制。同时，通过将控制事件写入智能网关对应的事务区块，并将更新后的目标事务区块在区块链中进行广播，能够实现对控制事件的共识，有效避免嵌入式远程净水设备被非法控制以及被非法篡改数据，提高设备远程控制的安全性。本申请实施例能够针对情景描述信息，在保障控制安全的前提下，实现对嵌入式远程净水设备的远程智能控制，使得用户无需近身使用各个实体功能键对嵌入式远程净水设备的各个功能进行设置，进而有效提高用户的使用体验。

在一个可行的实施方式中，用户偏好画像包括用水量偏好、水温偏好和水质偏好，S103具体可以包括以下子步骤：

S103-1：将用户需求信息、水量偏好、水温偏好和水质偏好转化为数值化数据。

需要说明的是，用户需求信息和用户偏好画像具体包括数值型数据和文本型数据。

在本实施方式中，考虑到用户需求信息和用户偏好画像是由多种类型的数据组合而成的数据集合，若直接对其进行数据分析，将增加神经网络模型的识别难度。因此，将首先将用户需求信息、水量偏好、水温偏好和水质偏好转化为数值化数据，便于神经网络模型理解和处理。

S103-2：对数值化数据进行特征提取，得到目标特征数据。

在本实施方式中，通过对数值化数据进行特征提取理，得到目标特征数据，能够进一步提取出原始数据之间的相关性，提高模型识别效果。

S103-3：将目标特征数据输入经过预训练的神经网络模型，预测得到目标控制参数；目标控制参数包括目标用水量、目标水温和目标水质。

在本实施方式中，利用神经网络模型对目标特征数据进行分析，能够分别预测得到用户期望的目标用水量、目标水温和目标水质，进而满足用户的实际用水需求。

在具体实现中，该神经网络模型是通过以下步骤训练得到的：

S201：获取训练数据集。

在本实施方式中，训练数据集包括多个历史用水数据；每个历史用水数据包括各自对应的历史用户需求信息、历史用户偏好画像和历史控制参数。

在本实施方式中，通过对历史用水数据对初始神经网络模型进行训练，能够有效提高供模型训练效果。

S202：针对任一历史用水数据，将历史用水数据对应的历史用户需求信息、历史用户偏好画像转化为历史数值化数据，并对历史数值化数据进行特征提取，得到历史特征数据。

S203：将历史特征数据输入初始神经网络模型，输出得到预测控制参数。

在本实施方式中，在模型训练阶段，将参照S103的步骤对初始神经网络模型进行训练，在此不再赘述。

S204：基于预测控制参数和历史控制参数，确定损失函数值。

在本实施方式中，可以采用预设的损失函数，例如LogCosh损失函数，对预测控制参数和历史控制参数之间的误差进行计算，进而得到损失函数值。

S205：基于损失函数值，对初始神经网络模型的网络参数进行更新，并执行针对任一历史用水数据，将历史用水数据对应的历史用户需求信息、历史用户偏好画像转化为历史数值化数据的步骤，直到初始神经网络模型满足训练截止条件，得到经过预训练的神经网络模型。

在本实施方式中，每经过一轮训练，都会计算得到对应的损失函数值，进而根据损失函数值，进行反向传播，进而在反向传播的过程中通过计算损失函数的梯度来更新神经网络的权重和偏置，以最小化损失函数为目标，使得初始神经网络模型能够更好地拟合训练数据。

在本实施方式中，在完成对初始神经网络模型的网络参数的更新之后，将会执行下一轮训练，即再次执行S202~S205的步骤，通过不断的迭代优化，直到初始神经网络模型满足训练截止条件，得到所需的神经网络模型。

在本实施方式中，训练截止条件可以为：损失函数值均处于稳定状态，或者，迭代次数达到目标次数。其中，稳定状态指初始神经网络模型在最近的预设次迭代训练中的损失函数值不再下降或下降幅度小于幅度阈值。

基于相同发明构思，参照图2，示出了本申请一实施例提供的一种嵌入式远程净水系统的控制装置200，该嵌入式远程净水系统的控制装置200包括：

信息确定模块201，用于接收控制终端针对嵌入式远程净水设备发送的情景描述信息，并确定情景描述信息对应的用户需求信息和用户特征信息；

画像获取模块202，用于向云服务器发送包含用户特征信息和控制终端的终端标识的数据获取请求，以使得云服务器响应于数据获取请求，基于终端标识和用户特征信息，确定用户偏好画像，并向智能网关反馈用户偏好画像；

指令生成模块203，用于基于用户需求信息和用户偏好画像，生成包含目标控制参数的控制指令；

设备控制模块204，用于控制嵌入式远程净水设备执行控制指令对应的操作，并将控制事件写入智能网关对应的事务区块，得到更新后的目标事务区块；控制事件指示嵌入式远程净水设备已执行控制指令对应的操作；

事件共识模块205，用于将目标事务区块在区块链中进行广播，以实现对控制事件的共识。

在本申请一实施例中，情景描述信息包括用户语音信息；信息确定模块201包括：

提取子模块，用于提取用户语音信息对应的原始文本数据和用户声纹特征；

信息确定子模块，用于基于原始文本数据，确定用户需求信息，并将用户声纹特征确定为用户特征信息。

在本申请一实施例中，信息确定子模块包括：

后处理单元，用于对原始文本数据进行后处理，得到目标文本数据；后处理包括纠错处理和断句处理；

用户需求信息确定单元，用于将目标文本数据输入经过预训练的语义识别模型，输出得到用户需求信息；用户需求信息包括用途信息和用水时间信息。

在本申请一实施例中，画像获取模块202包括：

数据库确定子模块，用于基于终端标识、以及用户数据库和终端标识之间的第一映射关系，确定目标用户数据库；

置信度确定子模块，用于将用户声纹特征分别与目标用户数据库中预先存储的至少一个历史声纹特征进行匹配，得到至少一个历史声纹特征各自对应的置信度；

声纹特确定子模块，用于将置信度最高的历史声纹特征确定为目标声纹特征；

身份标识确定子模块，用于在目标声纹特征对应的置信度大于置信度阈值的情况下，确定目标声纹特征对应的目标身份标识；

画像确定子模块，用于基于目标身份标识、以及用户偏好画像和身份标识之间的第二映射关系，确定用户偏好画像。

在本申请一实施例中，用户声纹特征包括频率特征、音调特征和语速特征；置信度确定子模块包括：

相似度确定单元，用于针对任一历史声纹特征，将用户声纹特征的频率特征、音调特征和语速特征分别与历史声纹特征的历史频率特征、历史音调特征和历史语速特征进行匹配，分别得到针对频率特征的第一相似度、针对音调特征的第二相似度以及针对语速特征的第三相似度；

置信度确定单元，用于基于第一相似度和针对频率特征的第一权重值、第二相似度和针对音调特征的第二权重值、以及第三相似度和针对语速特征的第三权重值，确定历史声纹特征对应的置信度。

在本申请一实施例中，用户偏好画像包括用水量偏好、水温偏好和水质偏好；指令生成模块203包括：

数值转化子模块，用于将用户需求信息、水量偏好、水温偏好和水质偏好转化为数值化数据；

特征提取子模块，用于对数值化数据进行特征提取，得到目标特征数据；

目标控制参数确定子模块，用于将目标特征数据输入经过预训练的神经网络模型，预测得到目标控制参数；目标控制参数包括目标用水量、目标水温和目标水质。

在本申请一实施例中，嵌入式远程净水系统的控制装置200还包括：

数据集获取模块，用于获取训练数据集：训练数据集包括多个历史用水数据；每个历史用水数据包括各自对应的历史用户需求信息、历史用户偏好画像和历史控制参数；

历史特征数据获取模块，用于针对任一历史用水数据，将历史用水数据对应的历史用户需求信息、历史用户偏好画像转化为历史数值化数据，并对历史数值化数据进行特征提取，得到历史特征数据；

模型预测模块，用于将历史特征数据输入初始神经网络模型，输出得到预测控制参数；

损失函数值确定模块，用于基于预测控制参数和历史控制参数，确定损失函数值；

模型迭代训练模块，用于基于损失函数值，对初始神经网络模型的网络参数进行更新，并执行针对任一历史用水数据，将历史用水数据对应的历史用户需求信息、历史用户偏好画像转化为历史数值化数据的步骤，直到初始神经网络模型满足训练截止条件，得到经过预训练的神经网络模型。

在本申请一实施例中，设备控制模块204包括：

数据加密子模块，用于基于嵌入式远程净水设备的设备公钥，使用预设算法对控制指令和预先生成的随机数进行加密运算，得到加密数据；

数据发送子模块，用于将加密数据发送至嵌入式远程净水设备，以使嵌入式远程净水设备基于嵌入式远程净水设备的设备私钥，使用预设算法对加密数据进行解密运算，得到随机数和控制指令，执行控制指令对应的操作并向智能网关返回随机数；

区块更新子模块，用于在确定嵌入式远程净水设备返回的随机数与预先生成的随机数一致的情况下，将控制事件写入事务区块，得到更新后的事务区块。

在本申请一实施例中，事务区块包括区块头和区块体，区块体包括第一状态树，区块头包括第一状态树的树根和前序区块的哈希指针；设备控制模块204还包括：

叶子节点确定子模块，用于在第一状态树的多个叶子节点中，确定嵌入式远程净水设备的目标叶子节点；并生成控制事件对应的哈希值；

树根更新子模块，用于将哈希值写入目标叶子节点中，并对第一状态树的树根进行更新，以得到更新后的目标事务区块。

上述实施例，可以全部或部分地通过软件、硬件（如电路）、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行计算机指令或计算机程序时，全部或部分地产生按照本申请实施例的流程或功能。计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程系统。计算机程序或指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机程序或指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。可用介质可以是磁性介质（例如，软盘、硬盘、磁带）、光介质（例如，DVD）、或者半导体介质。半导体介质可以是固态硬盘。

应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，其中A,B可以是单数或者复数。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系，但也可能表示的是一种“和/或”的关系，具体可参考前后文进行理解。

本申请中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项（个）或复数项（个）的任意组合。例如，a,b，或c中的至少一项（个），可以表示：a, b, c, a-b, a-c, b-c, 或a-b-c，其中a,b,c可以是单个，也可以是多个。

应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、系统和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，系统或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM）、随机存取存储器（random access memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种嵌入式远程净水系统的控制方法，其特征在于，应用于智能网关，所述方法包括：

接收控制终端针对嵌入式远程净水设备发送的情景描述信息，并确定所述情景描述信息对应的用户需求信息和用户特征信息；

向云服务器发送包含所述用户特征信息和所述控制终端的终端标识的数据获取请求，以使得所述云服务器响应于所述数据获取请求，基于所述终端标识和所述用户特征信息，确定用户偏好画像，并向所述智能网关反馈所述用户偏好画像；

基于所述用户需求信息和所述用户偏好画像，生成包含目标控制参数的控制指令；

控制所述嵌入式远程净水设备执行所述控制指令对应的操作，并将控制事件写入所述智能网关对应的事务区块，得到更新后的目标事务区块；所述控制事件指示所述嵌入式远程净水设备已执行所述控制指令对应的操作；

将所述目标事务区块在区块链中进行广播，以实现对所述控制事件的共识。

2.根据权利要求1所述的嵌入式远程净水系统的控制方法，其特征在于，所述情景描述信息包括用户语音信息；所述确定所述情景描述信息对应的用户需求信息和用户特征信息的步骤，包括：

提取所述用户语音信息对应的原始文本数据和用户声纹特征；

基于所述原始文本数据，确定所述用户需求信息，并将所述用户声纹特征确定为所述用户特征信息。

3.根据权利要求2所述的嵌入式远程净水系统的控制方法，其特征在于，所述基于所述原始文本数据，确定所述用户需求信息的步骤，包括：

对所述原始文本数据进行后处理，得到目标文本数据；所述后处理包括纠错处理和断句处理；

将所述目标文本数据输入经过预训练的语义识别模型，输出得到所述用户需求信息；所述用户需求信息包括用途信息和用水时间信息。

4.根据权利要求2所述的嵌入式远程净水系统的控制方法，其特征在于，所述基于所述终端标识和所述用户特征信息，确定用户偏好画像的步骤，包括：

基于所述终端标识、以及用户数据库和终端标识之间的第一映射关系，确定目标用户数据库；

将所述用户声纹特征分别与目标用户数据库中预先存储的至少一个历史声纹特征进行匹配，得到至少一个所述历史声纹特征各自对应的置信度；

将所述置信度最高的历史声纹特征确定为目标声纹特征；

在所述目标声纹特征对应的置信度大于置信度阈值的情况下，确定所述目标声纹特征对应的目标身份标识；

基于所述目标身份标识、以及用户偏好画像和身份标识之间的第二映射关系，确定所述用户偏好画像。

5.根据权利要求4所述的嵌入式远程净水系统的控制方法，其特征在于，所述用户声纹特征包括频率特征、音调特征和语速特征；所述将所述用户声纹特征分别与目标用户数据库中预先存储的至少一个历史声纹特征进行匹配，得到至少一个所述历史声纹特征各自对应的置信度的步骤，包括：

针对任一历史声纹特征，将所述用户声纹特征的频率特征、音调特征和语速特征分别与所述历史声纹特征的历史频率特征、历史音调特征和历史语速特征进行匹配，分别得到针对所述频率特征的第一相似度、针对所述音调特征的第二相似度以及针对所述语速特征的第三相似度；

基于所述第一相似度和针对所述频率特征的第一权重值、所述第二相似度和针对所述音调特征的第二权重值、以及所述第三相似度和针对所述语速特征的第三权重值，确定所述历史声纹特征对应的置信度。

6.根据权利要求1所述的嵌入式远程净水系统的控制方法，其特征在于，所述用户偏好画像包括用水量偏好、水温偏好和水质偏好；所述基于所述用户需求信息和所述用户偏好画像，生成包含目标控制参数的控制指令的步骤，包括：

将所述用户需求信息、所述水量偏好、所述水温偏好和所述水质偏好转化为数值化数据；

对所述数值化数据进行特征提取，得到目标特征数据；

将所述目标特征数据输入经过预训练的神经网络模型，预测得到目标控制参数；所述目标控制参数包括目标用水量、目标水温和目标水质。

7.根据权利要求6所述的嵌入式远程净水系统的控制方法，其特征在于，所述神经网络模型是通过以下步骤训练得到的：

获取训练数据集：所述训练数据集包括多个历史用水数据；每个所述历史用水数据包括各自对应的历史用户需求信息、历史用户偏好画像和历史控制参数；

针对任一所述历史用水数据，将所述历史用水数据对应的历史用户需求信息、历史用户偏好画像转化为历史数值化数据，并对所述历史数值化数据进行特征提取，得到历史特征数据；

将所述历史特征数据输入初始神经网络模型，输出得到预测控制参数；

基于所述预测控制参数和所述历史控制参数，确定损失函数值；

基于所述损失函数值，对所述初始神经网络模型的网络参数进行更新，并执行针对任一所述历史用水数据，将所述历史用水数据对应的历史用户需求信息、历史用户偏好画像转化为历史数值化数据的步骤，直到所述初始神经网络模型满足训练截止条件，得到经过预训练的所述神经网络模型。

8.根据权利要求1所述的嵌入式远程净水系统的控制方法，其特征在于，所述控制所述嵌入式远程净水设备执行所述控制指令对应的操作，并将控制事件写入事务区块，得到更新后的事务区块的步骤，包括：

基于所述嵌入式远程净水设备的设备公钥，使用预设算法对所述控制指令和预先生成的随机数进行加密运算，得到加密数据；

将所述加密数据发送至所述嵌入式远程净水设备，以使所述嵌入式远程净水设备基于所述嵌入式远程净水设备的设备私钥，使用所述预设算法对所述加密数据进行解密运算，得到所述随机数和所述控制指令，执行所述控制指令对应的操作并向所述智能网关返回随机数；

在确定所述嵌入式远程净水设备返回的所述随机数与预先生成的随机数一致的情况下，将所述控制事件写入事务区块，得到更新后的事务区块。

9.根据权利要求1所述的嵌入式远程净水系统的控制方法，其特征在于，所述事务区块包括区块头和区块体，所述区块体包括第一状态树，所述区块头包括所述第一状态树的树根和前序区块的哈希指针；所述将控制事件写入所述智能网关对应的事务区块，得到更新后的目标事务区块的步骤，包括：

在所述第一状态树的多个叶子节点中，确定所述嵌入式远程净水设备的目标叶子节点；并生成所述控制事件对应的哈希值；

将所述哈希值写入所述目标叶子节点中，并对所述第一状态树的树根进行更新，以得到更新后的目标事务区块。

10.一种嵌入式远程净水系统的控制装置，其特征在于，所述装置应用于智能网关，所述装置包括：

信息确定模块，用于接收控制终端针对嵌入式远程净水设备发送的情景描述信息，并确定所述情景描述信息对应的用户需求信息和用户特征信息；

画像获取模块，用于向云服务器发送包含所述用户特征信息和所述控制终端的终端标识的数据获取请求，以使得所述云服务器响应于所述数据获取请求，基于所述终端标识和所述用户特征信息，确定用户偏好画像，并向所述智能网关反馈所述用户偏好画像；

指令生成模块，用于基于所述用户需求信息和所述用户偏好画像，生成包含目标控制参数的控制指令；

设备控制模块，用于控制所述嵌入式远程净水设备执行所述控制指令对应的操作，并将控制事件写入所述智能网关对应的事务区块，得到更新后的目标事务区块；所述控制事件指示所述嵌入式远程净水设备已执行所述控制指令对应的操作；

事件共识模块，用于将所述目标事务区块在区块链中进行广播，以实现对所述控制事件的共识。