CN118132650A - 一种基于食品的检验数据共享方法及系统 - Google Patents
一种基于食品的检验数据共享方法及系统 Download PDFInfo
- Publication number
- CN118132650A CN118132650A CN202410296407.7A CN202410296407A CN118132650A CN 118132650 A CN118132650 A CN 118132650A CN 202410296407 A CN202410296407 A CN 202410296407A CN 118132650 A CN118132650 A CN 118132650A
- Authority
- CN
- China
- Prior art keywords
- data
- food inspection
- food
- generate
- semantic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 235000013305 food Nutrition 0.000 title claims abstract description 608
- 238000007689 inspection Methods 0.000 title claims abstract description 571
- 238000000034 method Methods 0.000 title claims abstract description 91
- 238000012790 confirmation Methods 0.000 claims abstract description 66
- 238000010586 diagram Methods 0.000 claims abstract description 60
- 230000003044 adaptive effect Effects 0.000 claims abstract description 46
- 238000013079 data visualisation Methods 0.000 claims abstract description 29
- 238000003860 storage Methods 0.000 claims description 83
- 238000012795 verification Methods 0.000 claims description 54
- 238000012549 training Methods 0.000 claims description 45
- 238000005457 optimization Methods 0.000 claims description 43
- 238000004422 calculation algorithm Methods 0.000 claims description 30
- 238000005516 engineering process Methods 0.000 claims description 30
- 238000010801 machine learning Methods 0.000 claims description 28
- 238000004458 analytical method Methods 0.000 claims description 23
- 238000012360 testing method Methods 0.000 claims description 23
- 230000005540 biological transmission Effects 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 18
- 238000013507 mapping Methods 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000012706 support-vector machine Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 239000013598 vector Substances 0.000 claims description 7
- 230000000873 masking effect Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000011425 standardization method Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 16
- 238000003058 natural language processing Methods 0.000 description 9
- 230000009286 beneficial effect Effects 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000010200 validation analysis Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000009533 lab test Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000012550 audit Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据共享技术领域,尤其涉及一种基于食品的检验数据共享方法及系统。所述方法包括以下步骤:获取食品检验原始数据;对食品检验原始数据进行语义模板匹配,生成规范语义食品检验数据;利用食品检验语义数据对规范语义食品检验数据进行检验关键信息提取,生成食品检验关键信息数据;通过食品检验关键信息数据和食品检验语义数据进行食品检验关系图构建,生成食品检验关系图数据;对食品检验关系图数据进行多方身份注册,生成身份认证确认通知数据。本发明通过引入语义模板匹配、区块链身份认证、自适应性接口和数据可视化,提高了食品的检验数据共享方法上的准确性、安全性、可信度、灵活性和可理解性。
Description
技术领域
本发明涉及数据共享技术领域,尤其涉及一种基于食品的检验数据共享方法及系统。
背景技术
近年来,传感器技术的进步为食品检验提供了更为准确和高效的手段。传感器能够实时监测食品中的各种参数,如温度、湿度、酸碱度等,将实验数据直接数字化,极大地提高了检测的精度和速度。云计算的兴起使得食品检验数据能够更加便捷地存储和管理。云计算平台能够承载大量数据,并提供高效的数据共享和访问方式,促进了各个环节之间的信息流通。这为全球范围内的食品检验机构和研究机构之间建立起了更紧密的联系。随后,区块链技术的引入为食品检验数据的安全性和透明度提供了解决方案。区块链的去中心化和不可篡改的特性保障了数据的真实性,减少了数据造假和篡改的可能性。这一技术的运用使得食品检验数据更加可信,增强了消费者对于食品安全的信心。然而目前的数据共享仍然受限于结构和一致性不足,同时食品检验数据以不同的格式存储,来自不同实验室、机构或国家的数据可能采用不同的数据标准,因此确保数据的互操作性和易于集成是一个技术难题的缺陷。
发明内容
基于此,有必要提供一种基于食品的检验数据共享方法及系统,以解决至少一个上述技术问题。
为实现上述目的,一种基于食品的检验数据共享方法,所述方法包括以下步骤:
一种基于食品的检验数据共享方法,其特征在于,包括以下步骤:
步骤S1:获取食品检验原始数据;对食品检验原始数据进行语义模板匹配,生成规范语义食品检验数据;利用食品检验语义数据对规范语义食品检验数据进行检验关键信息提取,生成食品检验关键信息数据;通过食品检验关键信息数据和食品检验语义数据进行食品检验关系图构建,生成食品检验关系图数据;
步骤S2:对食品检验关系图数据进行多方身份注册,生成身份认证确认通知数据;根据身份认证确认通知数据对食品检验关系图数据进行区块链链上存储,生成食品检验区块链存储数据;对食品检验区块链存储数据进行权限置信度匹配,生成权限置信度匹配值;将权限置信度匹配值和预设的标准置信度匹配值进行对比,生成交换确认标签;
步骤S3:基于交换确认标签对食品检验区块链存储数据进行数据结构抽象模型构建,生成食品检验数据结构抽象模型;基于机器学习技术对食品检验数据结构抽象模型进行接口训练,生成接口抽象模型;根据食品检验数据结构抽象模型对食品检验区块链存储数据进行接口自适应,从而生成自适应性接口数据;通过自适应性接口数据对食品检验区块链存储数据进行分布式语义链接,生成分布式语义链接数据;
步骤S4:对分布式语义连接数据进行属性特征嵌入,从而生成食品检验属性嵌入数据;对食品检验属性嵌入数据进行模型训练,生成食品检验数据共享模型;将食品检验属性嵌入数据导入至食品检验数据共享模型进行共享效率优化,生成食品检验数据共享优化数据;根据数据可视化方法对食品检验数据共享优化数据进行数据可视化,从而生成食品检验数据共享报告。
本发明通过收集食品检验的原始数据,可能包括实验室测试数据、供应链数据、生产过程数据等,可以获取全面、准确的原始数据是构建可靠模型和系统的基础,有助于提高数据质量和建模的准确性。使用自然语言处理技术,定义语义模板,通过模板匹配将原始数据规范化为结构化的语义数据。规范的语义数据有助于提高数据的一致性和可理解性,减少信息的冗余和混淆。利用文本挖掘或信息抽取技术,从规范语义食品检验数据中提取关键信息,如含有的特殊成分、质量标准等。生成关键信息数据有助于在后续步骤中更精确地分析和建模食品检验数据,提高信息的利用价值。利用提取的关键信息和语义数据,建立食品检验的关系图,展现不同元素之间的关联关系。关系图有助于可视化展示食品检验数据的结构,更好地理解数据内在的复杂关系,为后续分析提供更直观的视角。多方身份注册可能指的是食品检验相关的各方主体(可能是检验机构、生产商、供应商等)进行身份验证和注册。这可以包括建立数字身份、获取访问权限等。这有助于确保只有合法的参与者能够访问和参与到后续的食品检验流程中。食品检验关系图数据被存储在区块链上。区块链提供了去中心化、不可篡改、可追溯的特性,有助于确保食品检验数据的安全性和透明性。生成的权限置信度匹配值可能会与预设的标准置信度匹配值进行对比。这有助于评估用户访问或修改数据的合法性和可信度。根据构建的食品检验数据结构抽象模型,系统可能进行接口自适应,以生成自适应性接口数据。这一步骤有助于优化接口的性能,确保数据在不同环境和应用场景中的有效性和适应性。对食品检验属性嵌入数据进行模型训练。这可能涉及使用机器学习或深度学习技术,建立一个食品检验数据共享模型。该模型的目的可能是学习数据中的模式、规律,以便更好地进行共享效率优化。将属性嵌入数据导入食品检验数据共享模型中,通过模型进行共享效率优化。这一步骤的目标可能是提高数据共享的效率,减少冗余信息,加强数据的可复用性,以便更好地满足各种需求和应用场景。因此,本发明通过引入语义模板匹配、区块链身份认证、自适应性接口和数据可视化,提高了食品的检验数据共享方法上的准确性、安全性、可信度、灵活性和可理解性。
在本说明书中,提供了一种基于食品的检验数据共享系统,用于执行上述的基于食品的检验数据共享方法,该基于食品的检验数据共享系统包括:
关系构建模块,用于获取食品检验原始数据;对食品检验原始数据进行语义模板匹配,生成规范语义食品检验数据;利用食品检验语义数据对规范语义食品检验数据进行检验关键信息提取,生成食品检验关键信息数据;通过食品检验关键信息数据和食品检验语义数据进行食品检验关系图构建,生成食品检验关系图数据;
区块链存储模块,用于对食品检验关系图数据进行多方身份注册,生成身份认证确认通知数据;根据身份认证确认通知数据对食品检验关系图数据进行区块链链上存储,生成食品检验区块链存储数据;对食品检验区块链存储数据进行权限置信度匹配,生成权限置信度匹配值;将权限置信度匹配值和预设的标准置信度匹配值进行对比,生成交换确认标签;
接口自适应模块,用于基于交换确认标签对食品检验区块链存储数据进行数据结构抽象模型构建,生成食品检验数据结构抽象模型;基于机器学习技术对食品检验数据结构抽象模型进行接口训练,生成接口抽象模型;根据食品检验数据结构抽象模型对食品检验区块链存储数据进行接口自适应,从而生成自适应性接口数据;通过自适应性接口数据对食品检验区块链存储数据进行分布式语义链接,生成分布式语义链接数据;
共享优化模块,用于对分布式语义连接数据进行属性特征嵌入,从而生成食品检验属性嵌入数据;对食品检验属性嵌入数据进行模型训练,生成食品检验数据共享模型;将食品检验属性嵌入数据导入至食品检验数据共享模型进行共享效率优化,生成食品检验数据共享优化数据;根据数据可视化方法对食品检验数据共享优化数据进行数据可视化,从而生成食品检验数据共享报告。
本发明的有益效果在于通过语义模板匹配和关键信息提取生成规范语义食品检验数据,并构建食品检验关系图。这有助于提高数据的规范性和结构化程度,使得后续处理更加准确和高效。采用多方身份注册和区块链技术确保了数据的安全性和可信度。身份认证和区块链存储有助于建立可追溯性和不可篡改性,提高了整个系统的透明度和信任度。通过建立数据结构抽象模型和机器学习接口训练,实现了对数据的智能化处理。自适应性接口数据和分布式语义链接进一步提高了系统的灵活性和智能化水平,使得数据处理更具适应性和综合性。对分布式语义连接数据进行属性特征嵌入,生成食品检验属性嵌入数据,通过模型训练生成共享模型,从而实现了数据的共享和优化。这有助于提高数据的利用率和共享效率,进而优化整个食品检验流程。通过数据可视化方法对共享优化数据进行可视化,生成食品检验数据共享报告,可以使决策者更好地理解数据,做出更明智的决策。整个流程的有益效果体现在提高数据质量、安全性和智能化水平,从而推动食品检验领域的发展。因此,本发明通过引入语义模板匹配、区块链身份认证、自适应性接口和数据可视化,提高了食品的检验数据共享方法上的准确性、安全性、可信度、灵活性和可理解性。
附图说明
图1为一种基于食品的检验数据共享方法的步骤流程示意图;
图2为图1中步骤S2的详细实施步骤流程示意图;
图3为图2中步骤S21的详细实施步骤流程示意图;
图4为图1中步骤S3的详细实施步骤流程示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
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4,一种基于食品的检验数据共享方法,所述方法包括以下步骤:
步骤S1:获取食品检验原始数据;对食品检验原始数据进行语义模板匹配,生成规范语义食品检验数据;利用食品检验语义数据对规范语义食品检验数据进行检验关键信息提取,生成食品检验关键信息数据;通过食品检验关键信息数据和食品检验语义数据进行食品检验关系图构建,生成食品检验关系图数据;
步骤S2:对食品检验关系图数据进行多方身份注册,生成身份认证确认通知数据;根据身份认证确认通知数据对食品检验关系图数据进行区块链链上存储,生成食品检验区块链存储数据;对食品检验区块链存储数据进行权限置信度匹配,生成权限置信度匹配值;将权限置信度匹配值和预设的标准置信度匹配值进行对比,生成交换确认标签;
步骤S3:基于交换确认标签对食品检验区块链存储数据进行数据结构抽象模型构建,生成食品检验数据结构抽象模型;基于机器学习技术对食品检验数据结构抽象模型进行接口训练,生成接口抽象模型;根据食品检验数据结构抽象模型对食品检验区块链存储数据进行接口自适应,从而生成自适应性接口数据;通过自适应性接口数据对食品检验区块链存储数据进行分布式语义链接,生成分布式语义链接数据;
步骤S4:对分布式语义连接数据进行属性特征嵌入,从而生成食品检验属性嵌入数据;对食品检验属性嵌入数据进行模型训练,生成食品检验数据共享模型;将食品检验属性嵌入数据导入至食品检验数据共享模型进行共享效率优化,生成食品检验数据共享优化数据;根据数据可视化方法对食品检验数据共享优化数据进行数据可视化,从而生成食品检验数据共享报告。
本发明通过收集食品检验的原始数据,可能包括实验室测试数据、供应链数据、生产过程数据等,可以获取全面、准确的原始数据是构建可靠模型和系统的基础,有助于提高数据质量和建模的准确性。使用自然语言处理技术,定义语义模板,通过模板匹配将原始数据规范化为结构化的语义数据。规范的语义数据有助于提高数据的一致性和可理解性,减少信息的冗余和混淆。利用文本挖掘或信息抽取技术,从规范语义食品检验数据中提取关键信息,如含有的特殊成分、质量标准等。生成关键信息数据有助于在后续步骤中更精确地分析和建模食品检验数据,提高信息的利用价值。利用提取的关键信息和语义数据,建立食品检验的关系图,展现不同元素之间的关联关系。关系图有助于可视化展示食品检验数据的结构,更好地理解数据内在的复杂关系,为后续分析提供更直观的视角。多方身份注册可能指的是食品检验相关的各方主体(可能是检验机构、生产商、供应商等)进行身份验证和注册。这可以包括建立数字身份、获取访问权限等。这有助于确保只有合法的参与者能够访问和参与到后续的食品检验流程中。食品检验关系图数据被存储在区块链上。区块链提供了去中心化、不可篡改、可追溯的特性,有助于确保食品检验数据的安全性和透明性。生成的权限置信度匹配值可能会与预设的标准置信度匹配值进行对比。这有助于评估用户访问或修改数据的合法性和可信度。根据构建的食品检验数据结构抽象模型,系统可能进行接口自适应,以生成自适应性接口数据。这一步骤有助于优化接口的性能,确保数据在不同环境和应用场景中的有效性和适应性。对食品检验属性嵌入数据进行模型训练。这可能涉及使用机器学习或深度学习技术,建立一个食品检验数据共享模型。该模型的目的可能是学习数据中的模式、规律,以便更好地进行共享效率优化。将属性嵌入数据导入食品检验数据共享模型中,通过模型进行共享效率优化。这一步骤的目标可能是提高数据共享的效率,减少冗余信息,加强数据的可复用性,以便更好地满足各种需求和应用场景。因此,本发明通过引入语义模板匹配、区块链身份认证、自适应性接口和数据可视化,提高了食品的检验数据共享方法上的准确性、安全性、可信度、灵活性和可理解性。
本发明实施例中,参考图1所述,为本发明一种基于食品的检验数据共享方法的步骤流程示意图,在本实例中,所述一种基于食品的检验数据共享方法包括以下步骤:
步骤S1:获取食品检验原始数据;对食品检验原始数据进行语义模板匹配,生成规范语义食品检验数据;利用食品检验语义数据对规范语义食品检验数据进行检验关键信息提取,生成食品检验关键信息数据;通过食品检验关键信息数据和食品检验语义数据进行食品检验关系图构建,生成食品检验关系图数据;
本发明实施例中,通过数据来源可以包括实验室测试、传感器采集、人工录入等。数据可能包括食品样本的各种参数,例如温度、湿度、化学成分等。定义语义模板,可以使用自然语言处理技术,例如正则表达式、自然语言工具(如spaCy或NLTK)等。进行模板匹配,将原始数据转化为规范化的语义表示,以便后续处理。使用专业领域的算法或工具,例如文本挖掘技术、信息抽取技术等,从规范语义食品检验数据中提取关键信息。关键信息可能包括质量标准、异常数值、特殊成分等。基于提取的关键信息和语义数据,构建食品检验关系图。使用图数据库或图算法来表示食品之间的关系,如相似性、依赖性等。
步骤S2:对食品检验关系图数据进行多方身份注册,生成身份认证确认通知数据;根据身份认证确认通知数据对食品检验关系图数据进行区块链链上存储,生成食品检验区块链存储数据;对食品检验区块链存储数据进行权限置信度匹配,生成权限置信度匹配值;将权限置信度匹配值和预设的标准置信度匹配值进行对比,生成交换确认标签;
本发明实施例中,通过各方参与者需要进行身份注册,可能通过传统的用户名密码方式或更安全的身份验证方式如双因素身份验证。注册后生成身份认证确认通知数据,其中可能包括参与者的唯一标识符、公钥等信息。使用区块链技术,可能选择已有的公共区块链(如以太坊)或搭建私有区块链网络。将食品检验关系图数据转化为区块链交易,并在区块链上存储,确保数据的不可篡改性和透明性。生成包含交易哈希、时间戳等信息的食品检验区块链存储数据。设计权限置信度匹配算法,考虑身份认证、参与者权限等因素。对食品检验区块链存储数据进行权限验证,生成权限置信度匹配值。匹配可能包括对数据完整性、参与者身份合法性等方面的验证。预设标准置信度匹配值可能是根据业务需求和安全标准设定的。将生成的权限置信度匹配值与预设标准进行对比,确定是否符合安全标准。根据对比结果生成交换确认标签,用于指示数据是否可信任和是否可以进行后续的信息共享或交换。
步骤S3:基于交换确认标签对食品检验区块链存储数据进行数据结构抽象模型构建,生成食品检验数据结构抽象模型;基于机器学习技术对食品检验数据结构抽象模型进行接口训练,生成接口抽象模型;根据食品检验数据结构抽象模型对食品检验区块链存储数据进行接口自适应,从而生成自适应性接口数据;通过自适应性接口数据对食品检验区块链存储数据进行分布式语义链接,生成分布式语义链接数据;
本发明实施例中,通过建立一个抽象模型,以更有效地处理和分析食品检验区块链存储数据。通过分析食品检验数据的特征和关系,设计一个适当的数据结构抽象模型。这可能包括定义不同类型的实体、属性和它们之间的关系,形成一个结构化的模型。使用机器学习技术训练一个接口抽象模型,能够理解和处理食品检验数据结构抽象模型。利用已标记的数据集,使用机器学习算法,例如深度学习神经网络,训练模型以学习数据结构的特征。生成的模型应能够有效地从数据中提取有用的信息。根据食品检验数据结构抽象模型,调整接口以适应不同的数据格式和特征。利用训练好的接口抽象模型,实施自适应算法,使其能够处理多样化的数据输入。这可能涉及模型参数的调整或者采用动态适应性算法。利用自适应性接口数据,建立食品检验区块链存储数据的分布式语义链接。使用生成的自适应性接口数据,通过分布式系统中的协同处理机制,将相关数据进行语义链接。这可能包括使用分布式数据库、图数据库或其他适当的技术。
步骤S4:对分布式语义连接数据进行属性特征嵌入,从而生成食品检验属性嵌入数据;对食品检验属性嵌入数据进行模型训练,生成食品检验数据共享模型;将食品检验属性嵌入数据导入至食品检验数据共享模型进行共享效率优化,生成食品检验数据共享优化数据;根据数据可视化方法对食品检验数据共享优化数据进行数据可视化,从而生成食品检验数据共享报告。
本发明实施例中,通过使用技术如Word Embeddings、Graph Embeddings或其他特征提取方法,将分布式语义连接数据中的属性特征进行嵌入。这可能涉及到使用深度学习模型、图神经网络等方法,将属性信息转化为高维度的向量表示。利用属性嵌入数据,建立机器学习模型,可以是分类、回归或聚类模型,根据具体任务的需要。使用已标记的数据进行训练,以学习属性嵌入与目标任务之间的关系。将训练好的模型嵌入到食品检验数据共享模型中。这可能涉及到模型集成、迁移学习等技术,以提高模型在共享数据上的效率和准确性。使用共享模型对食品检验数据进行预测、分类或其他任务,生成共享优化数据。这可以包括对每个食品样本的属性进行预测或标签化,以便在共享平台上更好地理解和使用数据。使用数据可视化工具(例如Matplotlib、Seaborn、Tableau等)对共享优化数据进行可视化。创建图表、图形或仪表板,以便用户能够直观地理解共享数据的特征和趋势。汇总可视化结果和模型输出,撰写食品检验数据共享报告。报告可以包括关键见解、推荐决策、模型性能评估等信息,以便决策者和利益相关方更好地理解数据共享的价值和潜在影响。
优选的,步骤S1包括以下步骤:
步骤S11:获取食品检验原始数据;
步骤S12:对食品检验原始数据进行数据去噪,生成食品检验去噪数据;对食品检验去噪数据进行数据离散化,生成食品检验离散数据;通过最大-最小标准化方法对食品检验离散数据进行数据标准化,生成标准食品检验数据;
步骤S13:对标准食品检验数据进行食品格式识别分类,生成食品检验分类数据;对食品检验分类数据进行格式规范化,生成食品检验规范数据;对食品检验规范数据进行语义模板匹配,生成规范语义食品检验数据;
步骤S14:对规范语义食品检验数据进行语义识别,得到食品检验语义数据;利用食品检验语义数据对规范语义食品检验数据进行检验关键信息提取,生成食品检验关键信息数据;通过食品检验关键信息数据和食品检验语义数据进行食品检验关系图构建,生成食品检验关系图数据。
本发明通过数据去噪和标准化有助于提高数据的准确性,使分析结果更可靠。食品检验数据的分类和规范化有助于更好地组织和理解数据,使其更容易被其他系统或人理解和使用。通过语义识别和关键信息提取,可以更深入地理解食品检验数据,为后续决策提供更有价值的信息。食品检验关系图有助于可视化数据之间的关系,从而更好地理解数据的整体结构和相互影响。
本发明实施例中,通过原始数据的获取可能涉及到实验室测试、传感器采集、数据库查询等方式。这可以通过与食品检验实验室、供应链系统等进行数据接口的方式,或者通过数据采集设备(传感器、仪器等)直接获取。使用统计方法、滤波器、异常值检测等技术来识别和去除数据中的噪声。可以使用聚类算法或者直方图分析等方法将连续型数据划分为离散的区间。最大-最小标准化通常是将数据缩放到0到1的范围,可以使用以下公式:。使用机器学习算法(如支持向量机、神经网络等)进行食品分类,其中训练数据集包含各种食品的特征。设计规范化模板或采用现有标准,确保数据符合特定格式,可以使用正则表达式或其他文本处理技术。使用自然语言处理(NLP)技术,如词嵌入、命名实体识别(NER)等,对规范语义食品检验数据进行语义理解。使用信息提取技术,可以是规则基础的,也可以是基于机器学习的,从语义数据中提取关键信息。使用图数据库或图算法,将关键信息和语义数据表示为节点和边,构建食品检验关系图。
优选的,步骤S2包括以下步骤:
步骤S21:基于现代密码学技术对食品检验关系图数据进行多方身份注册,生成身份认证确认通知数据;
步骤S22:根据身份认证确认通知数据对食品检验关系图数据进行共享参与方身份验证,生成身份验证数据;利用身份验证数据对食品检验关系图数据进行哈希运算,生成食品检验哈希值;将食品检验哈希值和食品检验关系图数据进行区块链链上存储,生成食品检验区块链存储数据;
步骤S23:通过预设的智能合约规则对食品检验区块链存储数据进行数据交换自动化执行,生成食品检验智能执行数据;对食品检验智能执行数据进行分布式交换日志记录,生成分布式食品检验数据交换日志;
步骤S24:根据分布式食品检验数据交换日志对食品检验智能执行数据和身份验证数据进行权限等级划分,生成食品检验共享等级数据和身份等级数据;对食品检验共享等级数据和身份等级数据进行去中心化数据共享审批,生成食品检验共享审批数据;利用身份共享等级匹配公式对食品检验共享审批数据进行权限置信度匹配,生成权限置信度匹配值;
步骤S25:将权限置信度匹配值和预设的标准置信度匹配值进行对比,当权限置信度匹配值大于或等于预设的标准置信度匹配值时,则生成交换确认标签;当权限置信度匹配值小于预设的标准置信度匹配值时,则基于权限置信度匹配值和预设的标准置信度匹配值的差值对食品检验智能执行数据进行食品验证关键信息遮掩。
本发明通过多方身份注册和身份认证确认通知数据,确保参与方身份的合法性和安全性。这有助于防止未经授权的访问和数据篡改。使用哈希运算对食品检验关系图数据进行加密,将哈希值与数据存储在区块链上。这样的设计使数据不可篡改,并且在分布式网络中具有高度的可信度和可追溯性。通过预设的智能合约规则,实现对食品检验区块链存储数据的自动化执行。这样可以确保数据交换和共享的透明性和高效性。根据身份验证数据和交换日志,对食品检验数据和参与方身份进行权限等级划分。这有助于管理数据访问权限,确保数据共享的合规性和安全性。通过权限置信度匹配值与预设的标准置信度匹配值进行比较,确定数据交换的可信度。对于不满足标准的情况,采取食品验证关键信息遮掩的措施,保护敏感数据的隐私和安全。
作为本发明的一个实例,参考图2所示,在本实例中所述步骤S2包括:
步骤S21:基于现代密码学技术对食品检验关系图数据进行多方身份注册,生成身份认证确认通知数据;
本发明实施例中,通过参与方需要进行身份注册,这可以包括食品生产商、检验机构、监管部门等。每个参与方生成一对公钥和私钥,其中私钥保密存储,而公钥可以公开分享。使用现代密码学中的多方计算协议,确保在身份注册过程中,不同参与方的私密信息不会被泄露。这可以采用零知识证明、安全多方计算(Secure Multi-Party Computation,SMPC)等技术。一旦身份注册成功,系统生成身份认证确认通知数据。这可能包括注册方的公钥、注册时间戳、数字签名等信息。数字签名可以使用非对称加密算法,确保身份确认通知数据的完整性和真实性。
步骤S22:根据身份认证确认通知数据对食品检验关系图数据进行共享参与方身份验证,生成身份验证数据;利用身份验证数据对食品检验关系图数据进行哈希运算,生成食品检验哈希值;将食品检验哈希值和食品检验关系图数据进行区块链链上存储,生成食品检验区块链存储数据;
本发明实施例中,通过使用步骤S21中生成的身份认证确认通知数据,对参与方进行身份验证。确保只有经过身份注册并获得认证的参与方才能进一步参与数据的共享和处理。在身份验证通过的前提下,生成身份验证数据,包括参与方身份信息、时间戳、数字签名等。这些数据用于后续的溯源和验证。对食品检验关系图数据进行哈希运算。这可以使用安全的哈希算法,如SHA-256,以确保生成的哈希值是唯一的且不可逆的。将哈希运算生成的食品检验哈希值与身份验证数据关联,形成一个完整的数据记录。将食品检验哈希值和食品检验关系图数据存储到区块链上。这可以通过调用智能合约实现,确保数据的透明性、不可篡改性和可追溯性。区块链存储数据包括食品检验哈希值、身份验证数据、时间戳等信息。这些数据被打包成区块,并通过区块链的共识机制被添加到链上。
步骤S23:通过预设的智能合约规则对食品检验区块链存储数据进行数据交换自动化执行,生成食品检验智能执行数据;对食品检验智能执行数据进行分布式交换日志记录,生成分布式食品检验数据交换日志;
本发明实施例中,通过在区块链网络中部署智能合约,并预设合约规则,以定义食品检验数据的自动化执行条件。这可能包括数据共享的条件、参与方的权限、触发自动执行的特定事件等。当满足智能合约规则的条件时,智能合约将自动执行数据交换操作。这可能包括数据的复制、转移、共享或其他预定的操作,根据业务需求进行调整。智能合约执行后,生成食品检验智能执行数据,其中包括执行操作的细节、执行时间戳、参与方信息等。这些数据用于记录智能合约的执行历史和维护数据的可追溯性。针对食品检验智能执行数据,使用分布式日志记录技术,将执行数据分布式地存储在网络中的多个节点上。这可以通过区块链的特性来实现,确保日志记录的不可篡改性和去中心化。汇总和记录分布在各个节点上的执行数据,生成分布式食品检验数据交换日志。这包括整个数据交换过程的详细信息,以及执行结果的状态。
步骤S24:根据分布式食品检验数据交换日志对食品检验智能执行数据和身份验证数据进行权限等级划分,生成食品检验共享等级数据和身份等级数据;对食品检验共享等级数据和身份等级数据进行去中心化数据共享审批,生成食品检验共享审批数据;利用身份共享等级匹配公式对食品检验共享审批数据进行权限置信度匹配,生成权限置信度匹配值;
本发明实施例中,通过根据分布式食品检验数据交换日志中的信息,对食品检验智能执行数据和身份验证数据进行权限等级划分。这可能涉及到定义不同数据类型的敏感性级别、参与方的身份等级等。例如,对于某些敏感数据,只允许特定身份或权限较高的参与方访问。根据权限等级划分的结果,生成食品检验共享等级数据和身份等级数据。这些数据用于标识每个数据元素的敏感性和可访问性。将食品检验共享等级数据和身份等级数据提交给去中心化的审批机制,这可以是一个智能合约或类似的机制。审批机制验证数据的合法性,确保数据的共享等级和身份等级符合预设规则。一旦通过审批,生成食品检验共享审批数据,其中包括被批准的共享等级和身份等级信息。这些数据用于记录数据共享的授权历史。制定身份共享等级匹配公式,该公式可能包括考虑身份等级、共享等级和其他相关因素的权重。这个公式用于计算权限置信度匹配值。应用身份共享等级匹配公式对食品检验共享审批数据进行计算,生成权限置信度匹配值。这个值表示数据共享的置信水平,可以用于确定对数据的访问权限。
步骤S25:将权限置信度匹配值和预设的标准置信度匹配值进行对比,当权限置信度匹配值大于或等于预设的标准置信度匹配值时,则生成交换确认标签;当权限置信度匹配值小于预设的标准置信度匹配值时,则基于权限置信度匹配值和预设的标准置信度匹配值的差值对食品检验智能执行数据进行食品验证关键信息遮掩。
本发明实施例中,通过根据系统中设定的权限置信度匹配算法,计算出权限置信度匹配值。这可能涉及到对参与方身份、权限等因素进行评估和匹配,以确定其对数据的访问权限。在系统中设定预设的标准置信度匹配值,该值可以根据业务需求和安全策略进行调整。这个值是一个阈值,用于判断是否需要生成交换确认标签或进行食品验证关键信息遮掩。将计算得到的权限置信度匹配值与预设的标准置信度匹配值进行比较。这可以通过简单的大小比较来实现。如果权限置信度匹配值大于或等于预设的标准置信度匹配值,系统将生成交换确认标签。这标志着数据可以被确认交换,因为参与方的权限匹配度足够高。如果权限置信度匹配值小于预设的标准置信度匹配值,系统需要进行食品验证关键信息的遮掩。这可以通过遮盖或加密食品检验智能执行数据中的关键信息,以确保即使在权限匹配度较低的情况下,敏感信息仍得到保护。在执行遮掩操作时,记录权限置信度匹配值和预设的标准置信度匹配值之间的差值。这有助于审计和监控系统中权限匹配度的波动情况。
优选的,步骤S21包括以下步骤:
步骤S211:对食品检验关系图数据进行参与方身份确认,生成食品检验参与方身份数据;根据食品检验参与方身份数据对参与方进行多方身份注册请求,生成食品检验注册请求数据;
步骤S212:通过现代密码学技术对食品检验注册请求数据进行加密密钥生成,生成参与方身份验证公钥和接收方身份验证私钥;利用参与方身份验证公钥对食品检验注册请求数据进行身份信息加密传输,生成加密身份信息数据;
步骤S213:根据接收方身份验证私钥对加密身份信息数据进行身份信息解密,生成解密身份信息数据;对解密身份信息数据进行身份有效性确认,生成身份信息有效性数据;通过身份信息有效性数据对解密身份信息数据进行身份认证令牌生成,从而得到身份认证令牌;
步骤S214:基于身份认证令牌对参与方进行身份注册通知,生成身份注册确认通知数据。
本发明通过对食品检验关系图数据进行身份确认,系统生成了食品检验参与方身份数据。随后,根据这些数据生成了多方身份注册请求,为后续的身份验证和注册提供了必要的信息。这确保了在整个流程中参与方的身份得到确认和记录。利用现代密码学技术对注册请求数据进行加密密钥生成,系统创建了参与方身份验证公钥和接收方身份验证私钥。通过使用参与方身份验证公钥,对注册请求数据进行身份信息加密传输,保障了在信息传递过程中的机密性和安全性。使用接收方身份验证私钥对加密身份信息数据进行解密,系统得到了解密身份信息数据。通过对解密数据的身份有效性确认,系统生成了身份信息有效性数据。最终,通过这些数据生成了身份认证令牌,该令牌可以在后续步骤中用于确认参与方身份的合法性。利用身份认证令牌,系统进行了基于身份认证的参与方身份注册通知。这确保了在整个系统中,只有经过身份验证并确认合法的参与方才能完成注册。生成的身份注册确认通知数据提供了成功注册的确认信息。
作为本发明的一个实例,参考图3所示,在本实例中所述步骤S21包括:
步骤S211:对食品检验关系图数据进行参与方身份确认,生成食品检验参与方身份数据;根据食品检验参与方身份数据对参与方进行多方身份注册请求,生成食品检验注册请求数据;
本发明实施例中,通过收集食品检验所涉及的各参与方的相关数据,包括但不限于企业名称、法定代表人信息、注册地址、联系方式等。这些数据可能来源于政府机构、企业注册信息数据库、或者其他相关平台。在收集到数据后,对参与方的身份进行确认。这可能包括验证其注册信息的真实性、检查其法人代表的身份证明、核实其企业的注册状态等。这一步骤可以通过自动化系统或人工审核来完成。根据确认后的参与方数据,生成食品检验参与方的身份数据。这些数据应包括确认后的参与方信息,以及可能的身份验证标识符或数字签名等。根据生成的食品检验参与方身份数据,构建多方身份注册请求。这些请求可能是一个或多个数据包,其中包含了参与方的身份信息、注册请求的目的、以及可能的安全验证信息。将多方身份注册请求整合并格式化,生成食品检验注册请求数据。这些数据可以是结构化的文本、XML、JSON等格式,以便后续的处理和传输。
步骤S212:通过现代密码学技术对食品检验注册请求数据进行加密密钥生成,生成参与方身份验证公钥和接收方身份验证私钥;利用参与方身份验证公钥对食品检验注册请求数据进行身份信息加密传输,生成加密身份信息数据;
本发明实施例中,通过使用安全的密钥生成算法,为加密和解密过程生成一对密钥,包括参与方身份验证的公钥和接收方身份验证的私钥。这可以采用常见的非对称加密算法,如RSA或椭圆曲线加密算法(ECC)。使用密钥生成算法中的公钥生成部分,生成用于身份信息加密的参与方身份验证公钥。生成相应的接收方身份验证私钥,确保私钥的安全存储,并限制只有合法的接收方可以访问它。使用参与方身份验证公钥,对食品检验注册请求数据进行加密。这通常包括请求的各种信息,如企业信息、注册目的等。这个过程可以通过公钥加密算法完成,确保只有拥有相应私钥的接收方能够解密和读取数据。将加密后的数据整合成食品检验注册请求的加密身份信息数据。这可以是一个数据包,其中包含加密后的请求数据、数字签名(如果需要)以及其他必要的元数据。
步骤S213:根据接收方身份验证私钥对加密身份信息数据进行身份信息解密,生成解密身份信息数据;对解密身份信息数据进行身份有效性确认,生成身份信息有效性数据;通过身份信息有效性数据对解密身份信息数据进行身份认证令牌生成,从而得到身份认证令牌;
本发明实施例中,通过使用接收方身份验证的私钥,对加密身份信息数据进行解密。这可以通过非对称加密算法(如RSA)完成,确保只有拥有合法私钥的接收方才能解密数据。对解密后的身份信息数据进行有效性确认。这包括检查数据的完整性、一致性和可能的伪造。此步骤通常包括数字签名的验证,确保数据在传输过程中没有被篡改,并且确实来自预期的参与方。基于对身份信息的有效性确认,生成身份信息有效性数据。这个数据可以包括确认的时间戳、数字签名的验证结果、以及其他相关的验证信息。确保这些数据可以被其他系统验证,以确保身份信息的合法性。利用身份信息有效性数据,使用安全的哈希算法或数字签名技术生成身份认证令牌。这个令牌是一个短暂且唯一的标识符,用于在后续的通信中证明接收方的身份。可以采用JWT(JSON Web Token)等标准格式,确保令牌的可读性和可验证性。完成身份认证令牌的生成后,将其传递给相应的参与方。这个令牌可以被用于后续的请求,以证明接收方的身份,并且因为是基于有效性确认的,其他系统可以轻松验证其合法性。
步骤S214:基于身份认证令牌对参与方进行身份注册通知,生成身份注册确认通知数据。
本发明实施例中,通过制定一份包含身份注册相关信息的通知消息,可能包括成功注册的提示、注册日期、企业信息等。这可以是结构化的文本、JSON、XML等格式。将身份认证令牌信息嵌入到通知消息中,确保通知与相应的身份认证令牌关联。将生成的身份注册确认通知数据发送给相应的参与方。这可以通过安全的通信协议(如HTTPS)或者其他安全的消息传递机制来完成。接收方收到通知后,使用相应的公钥验证数字签名(如果存在),以确保通知的完整性。然后,解析通知中的令牌信息,并确认身份注册的成功。
优选的,步骤S24中的身份共享等级匹配公式具体如下:
;
式中,表示为权限置信度匹配值,/>表示为食品检验共享审批数据的数量,/>表示为第/>个数据的身份共享等级,/>表示为第/>个数据的匹配参考等级,/>表示为第/>个数据的身份共享等级的参考值,/>表示为第/>个数据的匹配参考等级的参考值,/>表示为第/>个数据的身份共享等级的修正系数,/>表示为第/>个数据的匹配参考等级的修正系数,/>表示为第个数据的修正因子,/>表示为整体权限置信度的权重因子,/>表示为评估的时间范围,/>表示为食品检验共享审批数据的总量,/>表示为食品检验共享审批数据的平均值。
本发明通过分析并整合了一种身份共享等级匹配公式,该公式综合考虑了食品检验共享审批数据的身份共享等级、匹配参考等级以及其他修正因子,并通过积分运算对权限置信度匹配值进行评估。公式中的食品检验共享审批数据的数量。通过考虑数据的数量,可以综合评估多个数据对权限置信度的贡献。第个数据的身份共享等级,该参数表示数据的身份共享等级,用于衡量数据的敏感程度和访问权限。第/>个数据的匹配参考等级,该参数表示数据的匹配参考等级,用于参考数据应具有的访问权限。第/>个数据的身份共享等级的参考值,该参数表示数据身份共享等级的参考值,用于比较数据的身份共享等级与其参考值之间的差异。第/>个数据的匹配参考等级的参考值,该参数表示数据匹配参考等级的参考值,用于比较数据的匹配参考等级与其参考值之间的差异。第/>个数据的身份共享等级的修正系数,该参数用于调整数据的身份共享等级对权限置信度的影响,可以根据具体情况对不同数据进行加权处理。第/>个数据的匹配参考等级的修正系数,该参数用于调整数据的匹配参考等级对权限置信度的影响,可以根据具体情况对不同数据进行加权处理。第/>个数据的修正因子,该参数用于调整修正系数的整体影响,可以根据具体情况对不同数据的修正系数进行加权处理。整体权限置信度的权重因子,该参数用于调整整体权限置信度匹配值的重要性,可以根据具体需求对权限置信度的重要性进行加权处理。评估的时间范围,通过设置时间范围,可以对权限置信度匹配值在时间上的累积效果进行考虑。食品检验共享审批数据的总量,该参数表示数据的总量,通过考虑数据的总量,可以综合评估整个数据集对权限置信度的贡献。食品检验共享审批数据的平均值,该参数表示数据的平均值,用于参考数据的平均权限置信度水平。在使用本领域常规的身份共享等级匹配公式时,可以得到权限置信度匹配值,通过应用本发明提供的身份共享等级匹配公式,可以更加精确的计算出权限置信度匹配值。通过综合考虑身份共享等级、匹配参考等级、修正系数、修正因子以及时间范围,上述公式可以生成一个综合的权限置信度匹配值。该公式的使用可以帮助评估人员更准确地判断数据的权限匹配情况,提高数据的访问控制和安全性,确保合适的数据权限被分配给合适的用户或角色。
优选的,步骤S3包括以下步骤:
步骤S31:基于交换确认标签对食品检验区块链存储数据进行数据结构抽象分析,生成食品检验关系数据和食品检验属性数据;
步骤S32:根据食品检验关系数据和食品检验属性数据进行数据结构抽象模型构建,生成食品检验数据结构抽象模型;基于机器学习技术对食品检验数据结构抽象模型进行接口训练,生成接口抽象模型;
步骤S33:根据食品检验数据结构抽象模型对食品检验区块链存储数据进行属性映射,生成食品检验关系映射数据;利用食品检验关系映射数据对接口抽象模型进行接口自适应,从而生成自适应性接口数据;
步骤S34:通过自适应性接口数据对食品检验区块链存储数据进行分布式语义链接,生成分布式语义链接数据。
本发明通过分析交换确认标签,对食品检验区块链存储数据进行结构抽象和分析,生成食品检验关系数据和属性数据。这有助于提升数据的清晰度和可理解性,使得数据更容易被理解和应用。基于食品检验关系数据和属性数据构建数据结构抽象模型,有助于标准化数据模型,提高数据的一致性和可维护性。通过机器学习技术对数据结构抽象模型进行接口训练,可以使接口更具智能化。这有助于系统更好地适应变化、处理新的数据结构,并提高系统的适应性和灵活性。利用食品检验数据结构抽象模型对区块链存储数据进行属性映射,有助于提升数据的一致性,使不同数据源的信息更为统一。通过食品检验关系映射数据对接口抽象模型进行自适应,可以使接口更具适应性,更好地应对数据结构的变化,提高系统的稳定性和可靠性。通过自适应性接口数据对区块链存储数据进行分布式语义链接,有助于提高信息的关联性。这使得在分布式系统中不同节点的数据能够更好地连接和共享,增强了数据的整体价值。分布式语义链接数据的生成有助于提升数据的利用效率,使得系统能够更有效地利用和分析存储在区块链中的食品检验数据。
作为本发明的一个实例,参考图4所示,在本实例中所述步骤S3包括:
步骤S31:基于交换确认标签对食品检验区块链存储数据进行数据结构抽象分析,生成食品检验关系数据和食品检验属性数据;
本发明实施例中,通过确定在区块链上存储的数据结构,包括交换确认标签的格式和内容。这可以是一个特定的标签,用于确认数据的有效性和一致性。分析区块链上存储的食品检验数据的结构,包括每个区块中包含的信息,如检验日期、地点、结果等。确定食品检验数据之间的关系,例如,一个特定批次的产品与检验结果之间的关系。设计数据结构,以表示这些关系。这可以采用图形数据库、关系数据库或其他合适的数据结构。确定食品检验数据的各个属性,如产品名称、生产日期、检验结果等。设计数据结构,以表示这些属性。每个属性都应该有一个明确定义的数据类型和格式。确定食品检验关系数据和属性数据在区块链中的存储位置。这可能涉及到特定的智能合约或数据字段。确保生成的数据结构可以有效地映射到区块链的数据格式。这可能需要考虑区块链平台的特定规范和标准。如果使用智能合约来执行逻辑,确保智能合约能够正确处理生成的数据结构。考虑在区块链上存储的数据的安全性,可能需要使用加密技术来保护敏感信息。优化数据结构和存储方式,以确保在区块链上的性能表现仍然可接受。
步骤S32:根据食品检验关系数据和食品检验属性数据进行数据结构抽象模型构建,生成食品检验数据结构抽象模型;基于机器学习技术对食品检验数据结构抽象模型进行接口训练,生成接口抽象模型;
本发明实施例中,通过对已有的食品检验关系数据和属性数据进行分析,理解数据之间的关系和属性。设计一个数据模型,可以有效地表示食品检验数据的结构和属性。这可能涉及到定义实体、属性和它们之间的关系。确保所设计的模型能够准确地捕获食品检验数据的特征和属性,同时具备足够的灵活性和扩展性。根据数据的特点和任务的要求,选择合适的机器学习算法和模型,例如决策树、支持向量机、神经网络等。将食品检验数据转换成适合机器学习算法处理的格式,可能包括特征工程、数据清洗、数据编码等步骤。使用训练数据集对所选的机器学习模型进行训练,优化模型参数以最大化预测性能。使用验证数据集对训练好的模型进行评估,评估模型的性能并进行必要的调整和优化。设计一个接口模型,能够接受食品检验数据并输出相关的分析结果或预测。将训练好的机器学习模型与接口模型进行集成,确保接口能够有效地调用和利用机器学习模型进行数据分析和预测。验证接口模型的功能和性能,确保它能够在实际应用中有效地处理食品检验数据并提供准确的结果。
步骤S33:根据食品检验数据结构抽象模型对食品检验区块链存储数据进行属性映射,生成食品检验关系映射数据;利用食品检验关系映射数据对接口抽象模型进行接口自适应,从而生成自适应性接口数据;
本发明实施例中,通过使用已有的食品检验关系数据和食品检验属性数据,通过数据分析和建模技术,构建数据结构抽象模型。这可能包括确定数据的实体、属性、关系等。对区块链上的存储数据进行分析,了解其结构和属性。将区块链存储数据的属性映射到食品检验数据结构抽象模型中的相应属性。这可以通过一一对应或者转换规则来实现。基于属性映射,建立食品检验关系映射数据,以便能够在不同数据结构之间建立关联。这可以是一个映射表,指示两个数据结构之间的对应关系。使用机器学习技术,基于食品检验数据结构抽象模型,对接口进行训练,以理解和适应数据的变化。利用食品检验关系映射数据,使接口抽象模型能够适应不同数据源的结构和属性变化,实现自适应性。利用训练好的接口抽象模型,将食品检验区块链存储数据转换为自适应性接口数据。这样生成的接口数据能够适应不同数据源的结构,确保在不同情境下都能正确解释和处理数据。进行测试,确保生成的自适应性接口数据在实际应用中的有效性和准确性。根据测试结果进行优化,调整模型和映射规则,以提高系统的性能和适应性。
步骤S34:通过自适应性接口数据对食品检验区块链存储数据进行分布式语义链接,生成分布式语义链接数据。
本发明实施例中,通过使用之前生成的自适应性接口数据,确保数据已经按照抽象模型进行了转换,并能够在不同数据源之间自适应。选择适当的分布式语义链接算法,这可能包括基于知识图谱的链接、语义相似度计算等。选择的算法应能够在分布式环境中运行,并考虑到食品检验区块链存储数据的特点。对自适应性接口数据进行语义标注,为每个数据项分配语义标签。这可以是使用先前构建的食品检验数据结构抽象模型中的实体、属性或关系。将数据表示为语义向量或者其他能够表达语义关系的形式,以便进行分布式语义链接。针对每个数据项,使用选择的分布式语义链接算法,将其链接到相关的语义节点。这可能涉及到在分布式网络中查询和匹配语义节点的过程。考虑到区块链的分布式特性,确保分布式语义链接的实现是具有可扩展性和容错性的。将成功链接的数据项以及它们的语义关系生成分布式语义链接数据。这可以是一个图形结构或其他形式,表示不同数据项之间的语义关联。进行验证,确保生成的分布式语义链接数据在语义上是准确和一致的。根据验证结果进行调优,可能需要调整算法参数、优化查询性能等。考虑分布式语义链接过程中的数据隐私和安全性问题。确保敏感信息得到适当的保护,可以使用加密或其他安全措施来防止数据泄露。
优选的,步骤S34包括以下步骤:
步骤S341:基于自适应性接口数据对食品检验区块链存储数据进行区块链传输,生成食品检验传输数据;对食品检验传输数据进行语义标签提取,生成食品检验传输语义标签数据;
步骤S342:通过词嵌入技术对食品检验传输语义标签数据进行高维向量空间映射,生成食品检验嵌入式语义标签;根据语义相似度分析公式对食品检验嵌入式语义标签进行标签相似度计算,生成语义相似度矩阵数据;
步骤S343:根据语义相似度矩阵数据进行链接规则构建,生成语义标签链接规则数据;利用语义标签链接规则数据和语义相似度矩阵数据对食品检验区块链存储数据进行分布式语义链接,生成分布式语义链接数据。
本发明通过将食品检验区块链存储数据进行区块链传输,有助于确保数据的安全性和不可篡改性,提高了数据的可信度。语义标签的提取使得数据具备了更丰富的语义信息,有助于后续的语义分析和链接过程。通过词嵌入技术将语义标签映射到高维向量空间,可以更好地捕捉语义信息,提高了语义的表达能力。利用语义相似度分析公式计算标签相似度,能够量化不同语义标签之间的相似程度,为后续链接提供了重要依据。基于语义相似度矩阵数据构建链接规则,使得在分布式环境下进行语义链接更加灵活和可控。利用构建的链接规则和语义相似度矩阵数据,对食品检验区块链存储数据进行分布式语义链接,有助于建立不同数据项之间的语义联系,提高了数据的整体连贯性和可理解性。
本发明实施例中,通过使用适当的区块链技术(如以太坊、超级账本等),通过自适应性接口将食品检验区块链存储数据传输到区块链网络中。利用自然语言处理(NLP)技术,对食品检验传输数据进行处理,提取其中的语义信息,可以采用词性标注、命名实体识别等技术来实现。使用诸如Word2Vec、GloVe或BERT等词嵌入模型,将语义标签数据映射到高维向量空间。基于映射后的向量,采用适当的相似度计算方法(如余弦相似度),计算食品检验嵌入式语义标签之间的相似度。利用生成的语义相似度矩阵数据,定义链接规则,可以是基于阈值的简单规则,也可以是复杂的机器学习模型确定的规则。在分布式环境中,利用链接规则数据和语义相似度矩阵数据,通过网络通信和分布式计算技术,对食品检验区块链存储数据进行分布式语义链接。
优选的,步骤S342中的语义相似度分析公式具体如下:
;
式中,表示为食品样本标签/>和的食品样本标签/>的相似度,/>表示为嵌入式语义标签的数量,/>表示为样本/>中的第 />个嵌入式语义标签的概率,/>表示为样本/>中的第 />个嵌入式语义标签的概率,/>表示为欧拉常数,/>表示为相似度积分变量。
本发明通过分析并整合了一种语义相似度分析公式,该公式基于嵌入式语义标签的概率来衡量食品样本之间的相似度。语义标签是对食品特征和属性的表示,通过比较两个样本之间的语义标签概率,可以评估它们在特征和属性上的相似程度。公式中的积分项允许对整个函数进行求和,从而综合考虑了样本中所有嵌入式语义标签的相似度贡献。通过增加嵌入式语义标签的数量,可以更全面地捕捉食品样本的特征和属性,提高相似度计算的准确性。样本和 />中的第 />个嵌入式语义标签的概率,这些概率反映了样本在不同语义标签上的分布情况,可以用于比较两个样本在各个特征和属性上的相似度。如果两个样本在某个嵌入式语义标签上的概率越接近,说明它们在该特征或属性上越相似,从而增加了它们的整体相似度。/>的引入使得公式中的对数项具有指数增长的特性。这样可以突出差异较大的标签对相似度的影响,使得相似度计算对那些在某些重要标签上存在较大差异的样本更敏感。通过积分变量/>进行积分操作,可以对整个函数进行求和并获得最终的相似度分数。积分操作将考虑相似度在整个定义域上的分布情况,使得相似度计算更全面和综合。在使用本领域常规的语义相似度分析公式时,可以得到食品样本标签/>和的食品样本标签/>的相似度,通过应用本发明提供的语义相似度分析公式,可以更加精确的计算出食品样本标签/>和的食品样本标签/>的相似度。公式通过嵌入式语义标签的概率、积分运算和欧拉常数等参数的作用,可以综合考虑食品样本在不同特征和属性上的相似度,从而提供了一种衡量食品样本之间语义相似度的方式。这种方法可以更全面地捕捉样本之间的相似性,帮助进行食品检验和分类等任务。
优选的,步骤S4包括以下步骤:
步骤S41:对分布式语义连接数据进行关系抽取建模,生成食品检验共享图谱;将食品检验嵌入式语义标签导入至食品检验共享图谱中进行属性特征嵌入,从而生成食品检验属性嵌入数据;
步骤S42:对食品检验属性嵌入数据进行数据集划分,生成模型训练集和模型测试集;通过支持向量机算法对模型训练集进行模型训练,生成食品检验数据共享训练模型;根据模型测试集对食品检验数据共享训练模型进行模型测试,从而生成食品检验数据共享模型;
步骤S43:将食品检验属性嵌入数据导入至食品检验数据共享模型进行共享效率优化,生成食品检验数据共享优化数据;根据数据可视化方法对食品检验数据共享优化数据进行数据可视化,从而生成食品检验数据共享报告。
本发明通过对分布式语义连接数据进行关系抽取建模,可以建立食品检验共享图谱,从中提取关键的关系和信息,形成一个综合的数据结构。将食品检验嵌入式语义标签导入共享图谱进行属性特征嵌入,有助于丰富图谱的信息,提高数据的表达能力。将食品检验属性嵌入数据进行训练集和测试集的划分,确保模型在未见过的数据上有较好的泛化能力。使用支持向量机(SVM)算法对模型训练集进行训练,以生成食品检验数据共享训练模型。SVM在处理复杂的关系和高维数据上有较好的性能。将食品检验属性嵌入数据导入共享模型,进行共享效率优化,有助于提高数据处理和查询的效率。使用数据可视化方法对优化后的数据进行可视化,生成食品检验数据共享报告,使用户能够更直观地理解和利用共享数据的特征和关系。通过构建共享图谱,整合分布式语义连接数据,形成更丰富、综合的食品检验信息。通过模型训练和测试,生成的共享模型具有较好的泛化能力,可以适用于新的、未见过的数据。通过数据共享模型的优化,提高数据处理和查询的效率。通过数据可视化生成的报告,使用户能够更直观、清晰地理解食品检验数据的关系和特征,有助于决策和分析。
本发明实施例中,通过使用自然语言处理(NLP)技术,如依存句法分析、命名实体识别等,对分布式语义连接数据进行处理,抽取出其中的实体和关系。使用词嵌入(WordEmbedding)或其他嵌入模型,将食品检验嵌入式语义标签导入共享图谱中,并与其他属性信息进行整合。将食品检验属性嵌入数据划分为训练集和测试集,通常按照一定的比例进行划分,确保训练集和测试集的代表性和一致性。使用支持向量机(SVM)算法,通过机器学习库(如Scikit-learn)进行模型训练,选择适当的核函数和参数进行模型优化。将食品检验属性嵌入数据导入共享模型,可以使用分布式计算框架(如Spark)进行并行处理,优化数据共享模型的计算效率。使用数据可视化工具(如Matplotlib、Seaborn、Plotly等),对优化后的数据进行可视化分析,生成报告或图表展示数据共享优化的效果和结果。
在本说明书中,提供了一种基于食品的检验数据共享系统,用于执行上述的基于食品的检验数据共享方法,该基于食品的检验数据共享系统包括:
关系构建模块,用于获取食品检验原始数据;对食品检验原始数据进行语义模板匹配,生成规范语义食品检验数据;利用食品检验语义数据对规范语义食品检验数据进行检验关键信息提取,生成食品检验关键信息数据;通过食品检验关键信息数据和食品检验语义数据进行食品检验关系图构建,生成食品检验关系图数据;
区块链存储模块,用于对食品检验关系图数据进行多方身份注册,生成身份认证确认通知数据;根据身份认证确认通知数据对食品检验关系图数据进行区块链链上存储,生成食品检验区块链存储数据;对食品检验区块链存储数据进行权限置信度匹配,生成权限置信度匹配值;将权限置信度匹配值和预设的标准置信度匹配值进行对比,生成交换确认标签;
接口自适应模块,用于基于交换确认标签对食品检验区块链存储数据进行数据结构抽象模型构建,生成食品检验数据结构抽象模型;基于机器学习技术对食品检验数据结构抽象模型进行接口训练,生成接口抽象模型;根据食品检验数据结构抽象模型对食品检验区块链存储数据进行接口自适应,从而生成自适应性接口数据;通过自适应性接口数据对食品检验区块链存储数据进行分布式语义链接,生成分布式语义链接数据;
共享优化模块,用于对分布式语义连接数据进行属性特征嵌入,从而生成食品检验属性嵌入数据;对食品检验属性嵌入数据进行模型训练,生成食品检验数据共享模型;将食品检验属性嵌入数据导入至食品检验数据共享模型进行共享效率优化,生成食品检验数据共享优化数据;根据数据可视化方法对食品检验数据共享优化数据进行数据可视化,从而生成食品检验数据共享报告。
本发明的有益效果在于通过语义模板匹配和关键信息提取生成规范语义食品检验数据,并构建食品检验关系图。这有助于提高数据的规范性和结构化程度,使得后续处理更加准确和高效。采用多方身份注册和区块链技术确保了数据的安全性和可信度。身份认证和区块链存储有助于建立可追溯性和不可篡改性,提高了整个系统的透明度和信任度。通过建立数据结构抽象模型和机器学习接口训练,实现了对数据的智能化处理。自适应性接口数据和分布式语义链接进一步提高了系统的灵活性和智能化水平,使得数据处理更具适应性和综合性。对分布式语义连接数据进行属性特征嵌入,生成食品检验属性嵌入数据,通过模型训练生成共享模型,从而实现了数据的共享和优化。这有助于提高数据的利用率和共享效率,进而优化整个食品检验流程。通过数据可视化方法对共享优化数据进行可视化,生成食品检验数据共享报告,可以使决策者更好地理解数据,做出更明智的决策。整个流程的有益效果体现在提高数据质量、安全性和智能化水平,从而推动食品检验领域的发展。因此,本发明通过引入语义模板匹配、区块链身份认证、自适应性接口和数据可视化,提高了食品的检验数据共享方法上的准确性、安全性、可信度、灵活性和可理解性。
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)
1.一种基于食品的检验数据共享方法,其特征在于,包括以下步骤:
步骤S1:获取食品检验原始数据;对食品检验原始数据进行语义模板匹配,生成规范语义食品检验数据;利用食品检验语义数据对规范语义食品检验数据进行检验关键信息提取,生成食品检验关键信息数据;通过食品检验关键信息数据和食品检验语义数据进行食品检验关系图构建,生成食品检验关系图数据;
步骤S2:对食品检验关系图数据进行多方身份注册,生成身份认证确认通知数据;根据身份认证确认通知数据对食品检验关系图数据进行区块链链上存储,生成食品检验区块链存储数据;对食品检验区块链存储数据进行权限置信度匹配,生成权限置信度匹配值;将权限置信度匹配值和预设的标准置信度匹配值进行对比,生成交换确认标签;
步骤S3:基于交换确认标签对食品检验区块链存储数据进行数据结构抽象模型构建,生成食品检验数据结构抽象模型;基于机器学习技术对食品检验数据结构抽象模型进行接口训练,生成接口抽象模型;根据食品检验数据结构抽象模型对食品检验区块链存储数据进行接口自适应,从而生成自适应性接口数据;通过自适应性接口数据对食品检验区块链存储数据进行分布式语义链接,生成分布式语义链接数据;
步骤S4:对分布式语义连接数据进行属性特征嵌入,从而生成食品检验属性嵌入数据;对食品检验属性嵌入数据进行模型训练,生成食品检验数据共享模型;将食品检验属性嵌入数据导入至食品检验数据共享模型进行共享效率优化,生成食品检验数据共享优化数据;根据数据可视化方法对食品检验数据共享优化数据进行数据可视化,从而生成食品检验数据共享报告。
2.根据权利要求1所述的基于食品的检验数据共享方法,其特征在于,步骤S1包括以下步骤:
步骤S11:获取食品检验原始数据;
步骤S12:对食品检验原始数据进行数据去噪,生成食品检验去噪数据;对食品检验去噪数据进行数据离散化,生成食品检验离散数据;通过最大-最小标准化方法对食品检验离散数据进行数据标准化,生成标准食品检验数据;
步骤S13:对标准食品检验数据进行食品格式识别分类,生成食品检验分类数据;对食品检验分类数据进行格式规范化,生成食品检验规范数据;对食品检验规范数据进行语义模板匹配,生成规范语义食品检验数据;
步骤S14:对规范语义食品检验数据进行语义识别,得到食品检验语义数据;利用食品检验语义数据对规范语义食品检验数据进行检验关键信息提取,生成食品检验关键信息数据;通过食品检验关键信息数据和食品检验语义数据进行食品检验关系图构建,生成食品检验关系图数据。
3.根据权利要求1所述的基于食品的检验数据共享方法,其特征在于,步骤S2包括以下步骤:
步骤S21:基于现代密码学技术对食品检验关系图数据进行多方身份注册,生成身份认证确认通知数据;
步骤S22:根据身份认证确认通知数据对食品检验关系图数据进行共享参与方身份验证,生成身份验证数据;利用身份验证数据对食品检验关系图数据进行哈希运算,生成食品检验哈希值;将食品检验哈希值和食品检验关系图数据进行区块链链上存储,生成食品检验区块链存储数据;
步骤S23:通过预设的智能合约规则对食品检验区块链存储数据进行数据交换自动化执行,生成食品检验智能执行数据;对食品检验智能执行数据进行分布式交换日志记录,生成分布式食品检验数据交换日志;
步骤S24:根据分布式食品检验数据交换日志对食品检验智能执行数据和身份验证数据进行权限等级划分,生成食品检验共享等级数据和身份等级数据;对食品检验共享等级数据和身份等级数据进行去中心化数据共享审批,生成食品检验共享审批数据;利用身份共享等级匹配公式对食品检验共享审批数据进行权限置信度匹配,生成权限置信度匹配值;
步骤S25:将权限置信度匹配值和预设的标准置信度匹配值进行对比,当权限置信度匹配值大于或等于预设的标准置信度匹配值时,则生成交换确认标签;当权限置信度匹配值小于预设的标准置信度匹配值时,则基于权限置信度匹配值和预设的标准置信度匹配值的差值对食品检验智能执行数据进行食品验证关键信息遮掩。
4.根据权利要求3所述的基于食品的检验数据共享方法,其特征在于,步骤S21包括以下步骤:
步骤S211:对食品检验关系图数据进行参与方身份确认,生成食品检验参与方身份数据;根据食品检验参与方身份数据对参与方进行多方身份注册请求,生成食品检验注册请求数据;
步骤S212:通过现代密码学技术对食品检验注册请求数据进行加密密钥生成,生成参与方身份验证公钥和接收方身份验证私钥;利用参与方身份验证公钥对食品检验注册请求数据进行身份信息加密传输,生成加密身份信息数据;
步骤S213:根据接收方身份验证私钥对加密身份信息数据进行身份信息解密,生成解密身份信息数据;对解密身份信息数据进行身份有效性确认,生成身份信息有效性数据;通过身份信息有效性数据对解密身份信息数据进行身份认证令牌生成,从而得到身份认证令牌;
步骤S214:基于身份认证令牌对参与方进行身份注册通知,生成身份注册确认通知数据。
5.根据权利要求3所述的基于食品的检验数据共享方法,其特征在于,步骤S24中的身份共享等级匹配公式如下所示:
;
式中,表示为权限置信度匹配值,/>表示为食品检验共享审批数据的数量,/>表示为第个数据的身份共享等级,/>表示为第/>个数据的匹配参考等级,/>表示为第/>个数据的身份共享等级的参考值,/>表示为第/>个数据的匹配参考等级的参考值,/>表示为第/>个数据的身份共享等级的修正系数,/>表示为第/>个数据的匹配参考等级的修正系数,/>表示为第/>个数据的修正因子,/>表示为整体权限置信度的权重因子,/>表示为评估的时间范围,/>表示为食品检验共享审批数据的总量,/>表示为食品检验共享审批数据的平均值。
6.根据权利要求1所述的基于食品的检验数据共享方法,其特征在于,步骤S3包括以下步骤:
步骤S31:基于交换确认标签对食品检验区块链存储数据进行数据结构抽象分析,生成食品检验关系数据和食品检验属性数据;
步骤S32:根据食品检验关系数据和食品检验属性数据进行数据结构抽象模型构建,生成食品检验数据结构抽象模型;基于机器学习技术对食品检验数据结构抽象模型进行接口训练,生成接口抽象模型;
步骤S33:根据食品检验数据结构抽象模型对食品检验区块链存储数据进行属性映射,生成食品检验关系映射数据;利用食品检验关系映射数据对接口抽象模型进行接口自适应,从而生成自适应性接口数据;
步骤S34:通过自适应性接口数据对食品检验区块链存储数据进行分布式语义链接,生成分布式语义链接数据。
7.根据权利要求6所述的基于食品的检验数据共享方法,其特征在于,步骤S34包括以下步骤:
步骤S341:基于自适应性接口数据对食品检验区块链存储数据进行区块链传输,生成食品检验传输数据;对食品检验传输数据进行语义标签提取,生成食品检验传输语义标签数据;
步骤S342:通过词嵌入技术对食品检验传输语义标签数据进行高维向量空间映射,生成食品检验嵌入式语义标签;根据语义相似度分析公式对食品检验嵌入式语义标签进行标签相似度计算,生成语义相似度矩阵数据;
步骤S343:根据语义相似度矩阵数据进行链接规则构建,生成语义标签链接规则数据;利用语义标签链接规则数据和语义相似度矩阵数据对食品检验区块链存储数据进行分布式语义链接,生成分布式语义链接数据。
8.根据权利要求7所述的基于食品的检验数据共享方法,其特征在于,步骤S342中的语义相似度分析公式如下所示:
;
式中,表示为食品样本标签/>和的食品样本标签/>的相似度,/>表示为嵌入式语义标签的数量,/>表示为样本/>中的第/>个嵌入式语义标签的概率,/>表示为样本/>中的第/>个嵌入式语义标签的概率,/>表示为欧拉常数,/>表示为相似度积分变量。
9.根据权利要求1所述的基于食品的检验数据共享方法,其特征在于,步骤S4包括以下步骤:
步骤S41:对分布式语义连接数据进行关系抽取建模,生成食品检验共享图谱;将食品检验嵌入式语义标签导入至食品检验共享图谱中进行属性特征嵌入,从而生成食品检验属性嵌入数据;
步骤S42:对食品检验属性嵌入数据进行数据集划分,生成模型训练集和模型测试集;通过支持向量机算法对模型训练集进行模型训练,生成食品检验数据共享训练模型;根据模型测试集对食品检验数据共享训练模型进行模型测试,从而生成食品检验数据共享模型;
步骤S43:将食品检验属性嵌入数据导入至食品检验数据共享模型进行共享效率优化,生成食品检验数据共享优化数据;根据数据可视化方法对食品检验数据共享优化数据进行数据可视化,从而生成食品检验数据共享报告。
10.一种基于食品的检验数据共享系统,其特征在于,用于执行如权利要求1所述的基于食品的检验数据共享方法,该基于食品的检验数据共享系统包括:
关系构建模块,用于获取食品检验原始数据;对食品检验原始数据进行语义模板匹配,生成规范语义食品检验数据;利用食品检验语义数据对规范语义食品检验数据进行检验关键信息提取,生成食品检验关键信息数据;通过食品检验关键信息数据和食品检验语义数据进行食品检验关系图构建,生成食品检验关系图数据;
区块链存储模块,用于对食品检验关系图数据进行多方身份注册,生成身份认证确认通知数据;根据身份认证确认通知数据对食品检验关系图数据进行区块链链上存储,生成食品检验区块链存储数据;对食品检验区块链存储数据进行权限置信度匹配,生成权限置信度匹配值;将权限置信度匹配值和预设的标准置信度匹配值进行对比,生成交换确认标签;
接口自适应模块,用于基于交换确认标签对食品检验区块链存储数据进行数据结构抽象模型构建,生成食品检验数据结构抽象模型;基于机器学习技术对食品检验数据结构抽象模型进行接口训练,生成接口抽象模型;根据食品检验数据结构抽象模型对食品检验区块链存储数据进行接口自适应,从而生成自适应性接口数据;通过自适应性接口数据对食品检验区块链存储数据进行分布式语义链接,生成分布式语义链接数据;
共享优化模块,用于对分布式语义连接数据进行属性特征嵌入,从而生成食品检验属性嵌入数据;对食品检验属性嵌入数据进行模型训练,生成食品检验数据共享模型;将食品检验属性嵌入数据导入至食品检验数据共享模型进行共享效率优化,生成食品检验数据共享优化数据;根据数据可视化方法对食品检验数据共享优化数据进行数据可视化,从而生成食品检验数据共享报告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410296407.7A CN118132650A (zh) | 2024-03-15 | 2024-03-15 | 一种基于食品的检验数据共享方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410296407.7A CN118132650A (zh) | 2024-03-15 | 2024-03-15 | 一种基于食品的检验数据共享方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118132650A true CN118132650A (zh) | 2024-06-04 |
Family
ID=91233968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410296407.7A Pending CN118132650A (zh) | 2024-03-15 | 2024-03-15 | 一种基于食品的检验数据共享方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118132650A (zh) |
-
2024
- 2024-03-15 CN CN202410296407.7A patent/CN118132650A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rahmani et al. | [Retracted] Blockchain‐Based Trust Management Framework for Cloud Computing‐Based Internet of Medical Things (IoMT): A Systematic Review | |
US11694110B2 (en) | Aggregated machine learning verification for database | |
US11562228B2 (en) | Efficient verification of machine learning applications | |
Sarpatwar et al. | Towards enabling trusted artificial intelligence via blockchain | |
JP2022549581A (ja) | Dag構造のブロックチェーンにおいてブロックの連続的順序を決定するためのコンピューティング・システム、方法、非一時的コンピュータ可読媒体及びコンピュータ・プログラム | |
Bordel et al. | Trust provision in the internet of things using transversal blockchain networks | |
US11362826B2 (en) | Endorsement process for non-deterministic application | |
US11860856B2 (en) | Managing distributed ledger storage space | |
US11489663B2 (en) | Correlation-based hash tree verification | |
US11501315B2 (en) | Compliance verification of connected data | |
CN115004625A (zh) | 用于区块链分类账的索引结构 | |
US11475141B1 (en) | Apparatus and methods for verifying lost user data | |
CN113779355A (zh) | 基于区块链的网络谣言溯源取证方法及系统 | |
US20230252416A1 (en) | Apparatuses and methods for linking action data to an immutable sequential listing identifier of a user | |
Harley et al. | Information Integrity: Are We There Yet? | |
Kumar et al. | Development of a cloud-assisted classification technique for the preservation of secure data storage in smart cities | |
Shihab | Technological tools for data security in the treatment of data reliability in big data environments | |
Li | Combination of blockchain and AI for music intellectual property protection | |
US11620580B2 (en) | Methods and systems for probabilistic filtering of candidate intervention representations | |
Henriques et al. | A survey on forensics and compliance auditing for critical infrastructure protection | |
US20230297691A1 (en) | Apparatus and methods for verifying lost user data | |
Devaki et al. | A study on challenges in data security during data transformation | |
US11573986B1 (en) | Apparatuses and methods for the collection and storage of user identifiers | |
US20230070625A1 (en) | Graph-based analysis and visualization of digital tokens | |
CN118132650A (zh) | 一种基于食品的检验数据共享方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |