CN115169848B - 物流业务数据的统计分析方法、装置、设备及存储介质 - Google Patents

物流业务数据的统计分析方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115169848B
CN115169848B CN202210741974.XA CN202210741974A CN115169848B CN 115169848 B CN115169848 B CN 115169848B CN 202210741974 A CN202210741974 A CN 202210741974A CN 115169848 B CN115169848 B CN 115169848B
Authority
CN
China
Prior art keywords
data
service
target
logistics
layer
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.)
Active
Application number
CN202210741974.XA
Other languages
English (en)
Other versions
CN115169848A (zh
Inventor
尚冠男
杨周龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dongpu Software Co Ltd
Original Assignee
Dongpu Software Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dongpu Software Co Ltd filed Critical Dongpu Software Co Ltd
Priority to CN202210741974.XA priority Critical patent/CN115169848B/zh
Publication of CN115169848A publication Critical patent/CN115169848A/zh
Application granted granted Critical
Publication of CN115169848B publication Critical patent/CN115169848B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2211/00—Indexing scheme relating to details of data-processing equipment not covered by groups G06F3/00 - G06F13/00
    • G06F2211/007—Encryption, En-/decode, En-/decipher, En-/decypher, Scramble, (De-)compress
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/2107—File encryption

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioethics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及大数据领域，公开了一种物流业务数据的统计分析方法、装置、设备及存储介质。该方法包括：基于Java反射机制，依次执行目标单例对象中多个物流业务渠道的业务函数，分别得到每个物流业务渠道的业务密文数据，其中，所述业务密文数据为同态加密的业务数据；基于预置的数据分析需求信息，对每个物流业务渠道的业务密文数据进行数据抽取和数据计算，得到目标业务密文数据；根据预置的解密算法，对所述目标业务密文数据进行解密，得到目标业务明文数据；根据所述目标业务明文数据进行物流业务数据统计分析，得到分析结果。本发明通过对同态加密后的业务密文数据直接计算处理后再进行解密，从而提升了对物流业务数据进行统计分析的效率。

Description

物流业务数据的统计分析方法、装置、设备及存储介质
技术领域
本发明涉及大数据领域，尤其涉及一种物流业务数据的统计分析方法、装置、设备及存储介质。
背景技术
随着物流运输行业的高速发展，各物流业务方的业务数据也呈现指数级的增长，这些数据成为了物流企业发展的资源，通过对其进行数据统计分析，从而做出相应的决策以推动企业发展，而往往为了提升数据安全性，在对业务数据进行数据分析之前，各方的业务数据均进行了加密，从而保障数据安全。
在现有的技术中，在进行数据分析之前，通常是先对将各业务方的数据逐一进行解密后再做相应的数据计算，从而导致效率低下。
发明内容
本发明的主要目的在于解决现有物流业务数据的统计分析方案中因需要对数据逐一解密从而导致效率低下的问题。
本发明第一方面提供了一种物流业务数据的统计分析方法，包括：
基于Java反射机制，依次执行目标单例对象中多个物流业务渠道的业务函数，分别得到每个物流业务渠道的业务密文数据，其中，每个业务函数用于访问对应物流业务渠道的数据接口，所述业务密文数据为同态加密的业务数据；
基于预置的数据分析需求信息，对每个物流业务渠道的业务密文数据进行数据抽取和数据计算，得到目标业务密文数据；
根据预置的解密算法，对所述目标业务密文数据进行解密，得到目标业务明文数据；
根据所述目标业务明文数据进行物流业务数据统计分析，得到分析结果。
可选的，在本发明第一方面的第一种实现方式中，所述基于预置的数据分析需求信息，对每个物流业务渠道的业务密文数据进行数据抽取和数据计算，得到目标业务密文数据包括：
根据模型视图控制器MVC设计模式，构建模型视图控制器MVC数据模型，其中，所述模型视图控制器MVC数据模型中包括模型层和控制层；
获取与所述数据分析需求信息对应的业务控制逻辑；
将每个物流业务渠道的业务密文数据加载至所述模型层中，得到目标模型层；
将所述业务控制逻辑输入至所述控制层中，得到目标控制层；
调用所述目标控制层对所述目标模型层中业务密文数据进行数据抽取和数据计算，得到目标业务密文数据。
可选的，在本发明第一方面的第二种实现方式中，所述模型视图控制器MVC数据模型中还包括视图层，所述根据预置的解密算法，对所述目标业务密文数据进行解密，得到目标业务明文数据之后，还包括：
获取与所述数据分析需求信息对应的基础视图参数，并将所述基础视图参数输入至所述视图层中，得到初始视图层，其中，所述基础视图参数中包括表征待输入数据对应位置信息的模板变量；
使用所述目标业务明文数据替换所述初始视图层中的模板变量，得到目标视图层；
对所述目标视图层进行页面渲染，得到物流业务数据视图；
根据所述物流业务数据视图进行物流业务数据统计分析。
可选的，在本发明第一方面的第三种实现方式中，所述使用所述目标业务明文数据替换所述初始视图层中的模板变量，得到目标视图层之后，所述对所述目标视图层进行页面渲染，得到物流业务数据视图之前，还包括：
对所述目标模型层和所述目标控制层进行监听，若监听到所述目标模型层或所述目标控制层发生数据变化，则对所述目标视图层进行热更新。
可选的，在本发明第一方面的第四种实现方式中，所述对所述目标视图层进行页面渲染，得到物流业务数据视图包括：
遍历所述目标视图层中的文档节点和层叠样本表标记；
根据遍历到的文档节点，构建DOM节点树模型；
根据遍历到的层叠样式表标记，构建层叠样式表规则树模型；
根据所述DOM节点树模型与所述层叠样式表规则树模型，构建渲染树模型，并将所述目标视图层中的元素布局到所述渲染树模型的节点上；
依次对所述渲染树模型中的每个节点进行绘制，得到所述物流业务数据视图。
可选的，在本发明第一方面的第五种实现方式中，所述目标业务密文数据基于预置的对称加密算法进行了加密，所述根据预置的解密算法，对所述目标业务密文数据进行解密，得到目标业务明文数据包括：
获取所述对称加密算法对应的加密密钥，并根据所述对称加密算法对应的逆算法计算出所述加密密钥对应的解密密钥；
根据所述解密密钥对所述目标业务密文数据进行对称解密，得到目标业务明文数据。
可选的，在本发明第一方面的第六种实现方式中，所述目标业务密文数据基于预置的非对称加密算法进行了加密，所述根据预置的解密算法，对所述目标业务密文数据进行解密，得到目标业务明文数据包括：
获取所述非对称加密算法对应的密钥对，其中，所述密钥对是根据预置的双线性群计算所得，所述密钥对包括公钥和私钥，所述公钥用于加密，所述私钥用于解密；
根据所述私钥对所述目标业务密文数据进行非对称解密，得到目标业务明文数据。
本发明第二方面提供了一种物流业务数据的统计分析装置，包括：
加密数据获取模块，用于基于Java反射机制，依次执行目标单例对象中多个物流业务渠道的业务函数，分别得到每个物流业务渠道的业务密文数据，其中，每个业务函数用于访问对应物流业务渠道的数据接口，所述业务密文数据为同态加密的业务数据；
数据处理模块，用于基于预置的数据分析需求信息，对每个物流业务渠道的业务密文数据进行数据抽取和数据计算，得到目标业务密文数据；
数据解密模块，用于根据预置的解密算法，对所述目标业务密文数据进行解密，得到目标业务明文数据；
数据分析模块，用于根据所述目标业务明文数据进行物流业务数据统计分析，得到分析结果。
可选的，在本发明第二方面的第一种实现方式中，所述数据处理模块包括：
模型构建单元，用于根据模型视图控制器MVC设计模式，构建模型视图控制器MVC数据模型，其中，所述模型视图控制器MVC数据模型中包括模型层和控制层；
逻辑获取单元，用于获取与所述数据分析需求信息对应的业务控制逻辑；
模型层输入单元，用于将每个物流业务渠道的业务密文数据加载至所述模型层中，得到目标模型层；
控制层输入单元，用于将所述业务控制逻辑输入至所述控制层中，得到目标控制层；
抽取计算单元，用于调用所述目标控制层对所述目标模型层中业务密文数据进行数据抽取和数据计算，得到目标业务密文数据。
可选的，在本发明第二方面的第二种实现方式中，所述数据处理模块包括：
模型构建单元，用于根据模型视图控制器MVC设计模式，构建模型视图控制器MVC数据模型，其中，所述模型视图控制器MVC数据模型中包括模型层、控制层以及视图层；
逻辑获取单元，用于获取与所述数据分析需求信息对应的业务控制逻辑；
模型层输入单元，用于将每个物流业务渠道的业务密文数据加载至所述模型层中，得到目标模型层；
控制层输入单元，用于将所述业务控制逻辑输入至所述控制层中，得到目标控制层；
抽取计算单元，用于调用所述目标控制层对所述目标模型层中业务密文数据进行数据抽取和数据计算，得到目标业务密文数据；
视图层输入单元，用于获取与所述数据分析需求信息对应的基础视图参数，并将所述基础视图参数输入至所述视图层中，得到初始视图层，使用所述目标业务明文数据替换所述初始视图层中的模板变量，得到目标视图层，其中，所述基础视图参数中包括表征待输入数据对应位置信息的模板变量；
页面渲染单元，用于对所述目标视图层进行页面渲染，得到物流业务数据视图；
统计分析单元，用于根据所述物流业务数据视图进行物流业务数据统计分析。
可选的，在本发明第二方面的第三种实现方式中，所述视图层输入单元用于：
获取与所述数据分析需求信息对应的基础视图参数，并将所述基础视图参数输入至所述视图层中，得到初始视图层，使用所述目标业务明文数据替换所述初始视图层中的模板变量，得到目标视图层，对所述目标模型层和所述目标控制层进行监听，若监听到所述目标模型层或所述目标控制层发生数据变化，则对所述目标视图层进行热更新，其中，所述基础视图参数中包括表征待输入数据对应位置信息的模板变量
可选的，在本发明第二方面的第四种实现方式中，所述页面渲染单元具体用于：
遍历所述目标视图层中的文档节点和层叠样本表标记；
根据遍历到的文档节点，构建DOM节点树模型；
根据遍历到的层叠样式表标记，构建层叠样式表规则树模型；
根据所述DOM节点树模型与所述层叠样式表规则树模型，构建渲染树模型，并将所述目标视图层中的元素布局到所述渲染树模型的节点上；
依次对所述渲染树模型中的每个节点进行绘制，得到所述物流业务数据视图。
可选的，在本发明第二方面的第五种实现方式中，所述数据解密模块具体包括：
密钥获取单元，用于获取所述对称加密算法对应的加密密钥，并根据所述对称加密算法对应的逆算法计算出所述加密密钥对应的解密密钥；
对称解密单元，用于根据所述解密密钥对所述目标业务密文数据进行对称解密，得到目标业务明文数据。
可选的，在本发明第二方面的第六种实现方式中，所述数据解密模块具体包括：
密钥对获取单元，用于获取所述非对称加密算法对应的密钥对，其中，所述密钥对是根据预置的双线性群计算所得，所述密钥对包括公钥和私钥，所述公钥用于加密，所述私钥用于解密；
非对称解密单元，用于根据所述私钥对所述目标业务密文数据进行非对称解密，得到目标业务明文数据。
本发明第三方面提供了一种物流业务数据的统计分析设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述物流业务数据的统计分析设备执行上述的物流业务数据的统计分析方法的各个步骤。
本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的物流业务数据的统计分析方法的各个步骤。
本发明提供的技术方案中，通过获取各物流业务方经同态加密后的业务密文数据，从而对其直接进行数据抽取和计算，最后再同一对抽取或计算后的数据结果进行解密，无需在计算处理前逐一对原始数据进行解密，从而提升了对物流业务数据进行统计分析的效率。
附图说明
图1为本发明实施例中物流业务数据的统计分析方法的第一个实施例示意图；
图2为本发明实施例中物流业务数据的统计分析方法的第二个实施例示意图；
图3为本发明实施例中物流业务数据的统计分析方法的第三个实施例示意图；
图4为本发明实施例中物流业务数据的统计分析装置的一个实施例示意图；
图5为本发明实施例中物流业务数据的统计分析装置的另一个实施例示意图；
图6为本发明实施例中物流业务数据的统计分析设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种物流业务数据的统计分析方法、装置、设备及存储介质，效率更高。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互***、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
可以理解的是，本发明的执行主体可以为物流业务数据的统计分析装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中物流业务数据的统计分析方法的第一个实施例包括：
101、基于Java反射机制，依次执行目标单例对象中多个物流业务渠道的业务函数，分别得到每个物流业务渠道的业务密文数据，其中，每个业务函数用于访问对应物流业务渠道的数据接口，业务密文数据为同态加密的业务数据；
可以理解的是，该Java反射(reflection)机制是指在程序的运行状态中，可以构建任意一个类的对象，本实施例中即该目标单例对象，服务器可获悉该目标单例对象中的属性和函数，并可对其进行任意地调用。具体的，服务器通过该Java反射机制获悉到该目标单例对象中预先写入的多个物流业务渠道的业务函数，例如通过查找对应的业务函数名称，每个业务函数中均包括通过访问对应物流业务渠道的数据接口以获取对应业务数据的逻辑代码，服务器依次调用执行每个物流业务渠道的业务函数，得到每个物流业务渠道的业务密文数据。
在面向对象的程序设计中，通常每个类可不限次数地进行实例化，每次实例化都会创建一个对应的实例化对象，即每个类可以生成无数个实例，而单例对象是基于单例设计模式所创建的类(单例类)实例化后得到的唯一对象，即每个类只能生成唯一的实例，本实施例中每个物流业务渠道即唯一对应一个相应的单例类。
同态加密是一类具有特殊自然属性的加密方法，与一般加密算法相比，同态加密除了能实现基本的加密操作之外，还能实现密文间的数据计算，即服务器可对加密数据先行计算后再解密，从而减少通信代价。需要说明的是，本实施例对该同态加密中所使用的加密方式不做限定，可以为对称加密方式，亦可以为非对称加密方式。
102、基于预置的数据分析需求信息，对每个物流业务渠道的业务密文数据进行数据抽取和数据计算，得到目标业务密文数据；
可以理解的是，预置的数据分析需求信息包括分许需求目标、该需求目标对应的数据指标、计算数据指标所需的原始数据、如何对原始数据具体进行计算处理以得到目标指标等信息，例如该分析需求目标为分析2020年6月份A物流网点的服务质量状况，该需求指标对应的数据指标包括支线延误率、定时分发率、快件签收率、快件投诉率、破损遗失率以及电联率。
其中，支线延误率表示车辆自分拨发车与到达网点解封的时间差与规划时间差对比，原始数据即为2020年6月份A物流网点的延误快件数量和发出快件总数量，该支线延误率具体计算公式为延误快件数量/发出快件总数量；
定时分发率表示车辆到网点靠卡时间开始1小时内，快件需要有分发记录，原始数据即为2020年6月份A物流网点的应派快件总量和定时分发快件总量，该定时分发率具体计算公式为定时分发快件总量/应派快件总量；
快件签收率表示网点当天应派快件量在指定截止时间(例如24点)之前已签收的快件量在发出的快件量中的占比，原始数据即为2020年6月份A物流网点的网点应派快件数量和网点在规定考核时间内分发给业务员的快件数量，该快件签收率具体计算公式为网点在规定考核时间内分发给业务员的快件数量/网点应派快件数量；
快件投诉率表示月度内受到投诉的快件单数目在月度快件单总数目的占比，原始数据即为2020年6月份A物流网点的月度内快件单总数目和月度内受到投诉的快件单数目，该快件投诉率具体计算公式为月度内受到投诉的快件单数目/月度内快件单总数目；
破损遗失率表示网点当前破损或遗失的快件占当月快件总量的比率，原始数据即为2020年6月份A物流网点的网点当前总快件量和网点当前破损或遗失的快件的数量，该破损遗失率具体计算公式为网点当前破损或遗失的快件的数量/网点当前总快件量；
电联率表示网点的业务员针对需要在派送前电话联系消费者的打标快件中实际外呼量在应电联总量中的占比，原始数据即为2020年6月份A物流网点的当月派件应电联的快件数量和当月派件中需要电联快件已经电联的票数，具体计算公式为当月派件中需要电联快件已经电联的票数/当月派件应电联的快件数量。
服务器通过从每个物流业务渠道的业务密文数据中抽取各同态加密的原始数据，进而根据具体计算公式对原始数据进行数据计算以实现分析需求目标。
103、根据预置的解密算法，对目标业务密文数据进行解密，得到目标业务明文数据；
可以理解的是，该解密算法对应于上述同态加密中所使用的加密方式，例如当各业务密文数据所使用的加密方式为对称加密时，服务器则获取该对称加密的算法所对应的加密密钥，并根据该对称加密算法对应的逆算法计算出所述加密密钥对应的解密密钥，通常情况下使用同一密钥作为加密密钥和解密密钥；其次，服务器根据解密密钥对该目标业务密文数据进行对称解密，从而得到目标业务明文数据。
104、根据目标业务明文数据进行物流业务数据统计分析，得到分析结果。
可以理解的是，本实施例中对物流业务数据统计分析的方式不做具体限定，例如绘制直方图、数据表格等方式。
可选的，在得到对应的分析结果后，服务器还可以基于该分析结果生成对应的物流业务数据分析报告，并持久化存储于数据库中。
本发明实施例中，通过获取各物流业务方经同态加密后的业务密文数据，从而对其直接进行数据抽取和计算，最后再同一对抽取或计算后的数据结果进行解密，无需在计算处理前逐一对原始数据进行解密，从而提升了对物流业务数据进行统计分析的效率。
请参阅图2，本发明实施例中物流业务数据的统计分析方法的第二个实施例包括：
201、基于Java反射机制，依次执行目标单例对象中多个物流业务渠道的业务函数，分别得到每个物流业务渠道的业务密文数据，其中，每个业务函数用于访问对应物流业务渠道的数据接口，业务密文数据为同态加密的业务数据；
其中，步骤201与上述步骤101的执行步骤类似，具体此处不再赘述。
202、根据模型视图控制器MVC设计模式，构建模型视图控制器MVC数据模型，其中，模型视图控制器MVC数据模型中包括模型层和控制层；
可以理解的是，模型视图控制器MVC(Model-View-Controller)设计模式是一种软件构件模式，通过将业务数据规则维护在模型层(Model)，将业务控制逻辑维护在控制层(Controller)，通过Controller来调度处理Model以在视图层(View)渲染出相应的数据页面，从而将各业务密文数据的输入、处理以及输出分离开来，以一种低耦合的方式进行程序开发。
203、获取与数据分析需求信息对应的业务控制逻辑，将业务控制逻辑输入至控制层中，得到目标控制层；
可以理解的是，Controller接受业务控制逻辑并调用Model以生成满足用户需求的数据，Controller本身不输出任何东西和做任何处理。它只是接收请求并决定调用哪个模型构件去处理请求以返回数据。
204、将每个物流业务渠道的业务密文数据加载至模型层中，得到目标模型层；
可以理解的是，Model接收各物流业务渠道的业务明文数据，即各物流业务渠道的业务规则。在MVC数据模型中，Model是被调用处理次数最多的数据层，其返回的数据无具体的数据格式，从而可为多个视图提供数据，由于该Model中的各业务密文数据只需被写入一次则可以被多个视图重用，所以提高了代码数据的复用性，进而提升开发效率。
205、调用目标控制层对目标模型层中业务密文数据进行数据抽取和数据计算，得到目标业务密文数据；
可以理解的是，服务器通过两个独立模块之间的调用从而进行数据抽取和数据计算，得到目标业务密文数据。可选的，该MVC数据模型中除了包括Model和Controller以外，还包括视图层View，服务器首先获取与该数据分析需求信息对应的基础视图参数，并将基础视图参数输入至视图层中，得到初始视图层，其中，基础视图参数中包括表征待输入数据对应位置信息的模板变量；其次，使用该目标业务明文数据替换初始视图层中的模板变量，得到目标视图层；然后，对目标视图层进行页面渲染，得到物流业务数据视图；最后，根据物流业务数据视图进行物流业务数据统计分析。
具体的，服务器对所述目标视图层进行页面渲染，得到物流业务数据视图包括：
遍历该目标视图层中的文档节点和层叠样本表标记；根据遍历到的文档节点，构建DOM节点树模型；根据遍历到的层叠样式表标记，构建层叠样式表规则树模型；根据该DOM节点树模型与层叠样式表规则树模型，构建渲染树模型，并将目标视图层中的元素布局到该渲染树模型的节点上；依次对噶渲染树模型中的每个节点进行绘制，得到物流业务数据视图。
可选的，在得到目标视图层之后，进行页面渲染之前，服务器还对目标模型层和目标控制层进行监听，若业务控制逻辑发生变化，此时应监听到目标模型层发生数据变化，则对该目标视图层进行热更新，从而提高物流业务数据视图的生成和数据分析的处理效率。
206、根据预置的解密算法，对目标业务密文数据进行解密，得到目标业务明文数据；
207、根据目标业务明文数据进行物流业务数据统计分析，得到分析结果。
其中，步骤206-207与上述步骤103-104的执行步骤类似，具体此处不再赘述。
本发明实施例中，详细描述了数据抽取和数据计算的过程，通过MVC模型的分层结构来处理数据，其中模型层用于存储原始数据，控制层用于存储业务控制逻辑，从而通过业务控制逻辑调度相应原始数据以得到所需的目标数据，其耦合性低；当需要更改业务控制逻辑时，不需要对原始数据进行更改，只需要对控制层进行更改，更加易于维护。
请参阅图3，本发明实施例中物流业务数据的统计分析方法的第三个实施例包括：
301、基于Java反射机制，依次执行目标单例对象中多个物流业务渠道的业务函数，分别得到每个物流业务渠道的业务密文数据，其中，每个业务函数用于访问对应物流业务渠道的数据接口，业务密文数据为同态加密的业务数据；
302、基于预置的数据分析需求信息，对每个物流业务渠道的业务密文数据进行数据抽取和数据计算，得到目标业务密文数据，其中，目标业务密文数据基于预置的非对称加密算法进行了加密；
其中，步骤301-302与上述步骤101-102的执行步骤类似，具体此处不再赘述。
303、获取非对称加密算法对应的密钥对，其中，密钥对是根据预置的双线性群计算所得，密钥对包括公钥和私钥，公钥用于加密，私钥用于解密；
可以理解的是，该非对称加密算法例如RSA、DSA、ECDSA等算法，本实施例对其不做具体限定。
可以理解的是，服务器根据可信第三方给定安全参数k，生成双线性群(q，P，G1，G2，e)，其中q为大质数；根据双线性群计算同态加密的公钥pk＝(N＝p1q1，g)和对应的私钥sk＝(λ,μ)，其中|p1|＝|q1|＝k，q是一个大素数；G1，G2都是阶q的乘法循环群，P是G1的生成器，e:G1×G1→G2是一个双线性对映射。服务器基于该双线性群生成密钥对，从而实现业务加密数据之间可同态计算。
304、根据私钥对目标业务密文数据进行非对称解密，得到目标业务明文数据；
可以理解的是，私钥(privatekey)和公钥(publickey)使用的是两个不同的密钥，若使用publickey对各物流业务渠道的业务数据进行了数据加密，则使用该privatekey才能对加密后的业务数据进行解密；相反，若用privatekey对业务数据进行加密，则使用publickey可对其进行解密。
为提升数据安全性，publickey被发放至各物流业务渠道，从而使用该publickey对业务数据进行加密后再进行数据存储；而privatekey被发放至物流数据分析方并保密存储，当需要对各物流业务渠道的业务数据做数据分析处理时，可通过相应的数据权限获取该privatekey来进行数据解密。
305、根据目标业务明文数据进行物流业务数据统计分析，得到分析结果。
其中，步骤305与上述步骤104的执行步骤类似，具体此处不再赘述。
本发明实施例中，详细描述了业务数据的解密过程，通过预先进行非对称加密的业务数据进行相应解密后再进行数据统计分析，提升了数据的安全性。
上面对本发明实施例中物流业务数据的统计分析方法进行了描述，下面对本发明实施例中物流业务数据的统计分析装置进行描述，请参阅图4，本发明实施例中物流业务数据的统计分析装置一个实施例包括：
加密数据获取模块401，用于基于Java反射机制，依次执行目标单例对象中多个物流业务渠道的业务函数，分别得到每个物流业务渠道的业务密文数据，其中，每个业务函数用于访问对应物流业务渠道的数据接口，其中，所述业务密文数据为同态加密的业务数据；
数据处理模块402，用于基于预置的数据分析需求信息，对每个物流业务渠道的业务密文数据进行数据抽取和数据计算，得到目标业务密文数据；
数据解密模块403，用于根据预置的解密算法，对所述目标业务密文数据进行解密，得到目标业务明文数据；
数据分析模块404，用于根据所述目标业务明文数据进行物流业务数据统计分析，得到分析结果。
本发明实施例中，通过获取各物流业务方经同态加密后的业务密文数据，从而对其直接进行数据抽取和计算，最后再同一对抽取或计算后的数据结果进行解密，无需在计算处理前逐一对原始数据进行解密，从而提升了对物流业务数据进行统计分析的效率。
请参阅图5，本发明实施例中物流业务数据的统计分析装置的另一个实施例包括：
加密数据获取模块401，用于基于Java反射机制，依次执行目标单例对象中多个物流业务渠道的业务函数，分别得到每个物流业务渠道的业务密文数据，其中，每个业务函数用于访问对应物流业务渠道的数据接口，其中，所述业务密文数据为同态加密的业务数据；
数据处理模块402，用于基于预置的数据分析需求信息，对每个物流业务渠道的业务密文数据进行数据抽取和数据计算，得到目标业务密文数据；
数据解密模块403，用于根据预置的解密算法，对所述目标业务密文数据进行解密，得到目标业务明文数据；
数据分析模块404，用于根据所述目标业务明文数据进行物流业务数据统计分析，得到分析结果。
其中，所述数据处理模块402包括：
模型构建单元4021，用于根据模型视图控制器MVC设计模式，构建模型视图控制器MVC数据模型，其中，所述模型视图控制器MVC数据模型中包括模型层和控制层；
逻辑获取单元4022，用于获取与所述数据分析需求信息对应的业务控制逻辑；
模型层输入单元4023，用于将每个物流业务渠道的业务密文数据加载至所述模型层中，得到目标模型层；
控制层输入单元4024，用于将所述业务控制逻辑输入至所述控制层中，得到目标控制层；
抽取计算单元4025，用于调用所述目标控制层对所述目标模型层中业务密文数据进行数据抽取和数据计算，得到目标业务密文数据；
视图层输入单元4026，用于获取与所述数据分析需求信息对应的基础视图参数，并将所述基础视图参数输入至所述视图层中，得到初始视图层，使用所述目标业务明文数据替换所述初始视图层中的模板变量，得到目标视图层，其中，所述基础视图参数中包括表征待输入数据对应位置信息的模板变量；
页面渲染单元4027，用于对所述目标视图层进行页面渲染，得到物流业务数据视图；
统计分析单元4028，用于根据所述物流业务数据视图进行物流业务数据统计分析。
其中，所述视图层输入单元4026用于：
获取与所述数据分析需求信息对应的基础视图参数，并将所述基础视图参数输入至所述视图层中，得到初始视图层，使用所述目标业务明文数据替换所述初始视图层中的模板变量，得到目标视图层，对所述目标模型层和所述目标控制层进行监听，若监听到所述目标模型层或所述目标控制层发生数据变化，则对所述目标视图层进行热更新，其中，所述基础视图参数中包括表征待输入数据对应位置信息的模板变量。
其中，所述页面渲染单元4027具体用于：
遍历所述目标视图层中的文档节点和层叠样本表标记；
根据遍历到的文档节点，构建DOM节点树模型；
根据遍历到的层叠样式表标记，构建层叠样式表规则树模型；
根据所述DOM节点树模型与所述层叠样式表规则树模型，构建渲染树模型，并将所述目标视图层中的元素布局到所述渲染树模型的节点上；
依次对所述渲染树模型中的每个节点进行绘制，得到所述物流业务数据视图。
其中，所述数据解密模块403具体包括：
密钥对获取单元4031，用于获取所述非对称加密算法对应的密钥对，其中，所述密钥对是根据预置的双线性群计算所得，所述密钥对包括公钥和私钥，所述公钥用于加密，所述私钥用于解密；
非对称解密单元4032，用于根据所述私钥对所述目标业务密文数据进行非对称解密，得到目标业务明文数据。
本发明实施例中，模块化的设计让临床路径的构建装置各部位的硬件专注于某一功能的实现，最大化实现了硬件的性能，同时模块化的设计也降低了装置的模块之间的耦合性，更加方便维护。
上面图4和图5从模块化功能实体的角度对本发明实施例中的物流业务数据的统计分析装置进行详细描述，下面从硬件处理的角度对本发明实施例中物流业务数据的统计分析设备进行详细描述。
图6是本发明实施例提供的一种物流业务数据的统计分析设备的结构示意图，该物流业务数据的统计分析设备600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)610(例如，一个或一个以上处理器)和存储器620，一个或一个以上存储应用程序633或数据632的存储介质630(例如一个或一个以上海量存储设备)。其中，存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对物流业务数据的统计分析设备600中的一系列指令操作。更进一步地，处理器610可以设置为与存储介质630通信，在物流业务数据的统计分析设备600上执行存储介质630中的一系列指令操作。
物流业务数据的统计分析设备600还可以包括一个或一个以上电源640，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口660，和/或，一个或一个以上操作***631，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图6示出的物流业务数据的统计分析设备结构并不构成对物流业务数据的统计分析设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种物流业务数据的统计分析设备，所述计算机设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述物流业务数据的统计分析方法的各个步骤。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述物流业务数据的统计分析方法的各个步骤。
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***，装置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。
所述集成的单元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，本发明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全部或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)执行本发明各个实施例所述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。
本申请可用于众多通用或专用的计算机***环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器***、基于微处理器的***、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何***或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (9)

1.一种物流业务数据的统计分析方法，其特征在于，所述物流业务数据的统计分析方法包括：
基于Java反射机制，依次执行目标单例对象中多个物流业务渠道的业务函数，分别得到每个物流业务渠道的业务密文数据，其中，每个业务函数用于访问对应物流业务渠道的数据接口，所述业务密文数据为同态加密的业务数据；
基于预置的数据分析需求信息，对每个物流业务渠道的业务密文数据进行数据抽取和数据计算，得到目标业务密文数据；所述基于预置的数据分析需求信息，对每个物流业务渠道的业务密文数据进行数据抽取和数据计算，得到目标业务密文数据包括：根据模型视图控制器MVC设计模式，构建模型视图控制器MVC数据模型，其中，所述模型视图控制器MVC数据模型中包括模型层和控制层；获取与所述数据分析需求信息对应的业务控制逻辑；将每个物流业务渠道的业务密文数据加载至所述模型层中，得到目标模型层；将所述业务控制逻辑输入至所述控制层中，得到目标控制层；调用所述目标控制层对所述目标模型层中业务密文数据进行数据抽取和数据计算，得到目标业务密文数据；
根据预置的解密算法，对所述目标业务密文数据进行解密，得到目标业务明文数据；
根据所述目标业务明文数据进行物流业务数据统计分析，得到分析结果。
2.根据权利要求1所述的物流业务数据的统计分析方法，其特征在于，所述模型视图控制器MVC数据模型中还包括视图层，所述根据预置的解密算法，对所述目标业务密文数据进行解密，得到目标业务明文数据之后，还包括：
获取与所述数据分析需求信息对应的基础视图参数，并将所述基础视图参数输入至所述视图层中，得到初始视图层，其中，所述基础视图参数中包括表征待输入数据对应位置信息的模板变量；
使用所述目标业务明文数据替换所述初始视图层中的模板变量，得到目标视图层；
对所述目标视图层进行页面渲染，得到物流业务数据视图；
根据所述物流业务数据视图进行物流业务数据统计分析。
3.根据权利要求2所述的物流业务数据的统计分析方法，其特征在于，所述使用所述目标业务明文数据替换所述初始视图层中的模板变量，得到目标视图层之后，所述对所述目标视图层进行页面渲染，得到物流业务数据视图之前，还包括：
对所述目标模型层和所述目标控制层进行监听，若监听到所述目标模型层或所述目标控制层发生数据变化，则对所述目标视图层进行热更新。
4.根据权利要求2所述的物流业务数据的统计分析方法，其特征在于，所述对所述目标视图层进行页面渲染，得到物流业务数据视图包括：
遍历所述目标视图层中的文档节点和层叠样本表标记；
根据遍历到的文档节点，构建DOM节点树模型；
根据遍历到的层叠样式表标记，构建层叠样式表规则树模型；
根据所述DOM节点树模型与所述层叠样式表规则树模型，构建渲染树模型，并将所述目标视图层中的元素布局到所述渲染树模型的节点上；
依次对所述渲染树模型中的每个节点进行绘制，得到所述物流业务数据视图。
5.根据权利要求1所述的物流业务数据的统计分析方法，其特征在于，所述目标业务密文数据基于预置的对称加密算法进行了加密，所述根据预置的解密算法，对所述目标业务密文数据进行解密，得到目标业务明文数据包括：
获取所述对称加密算法对应的加密密钥，并根据所述对称加密算法对应的逆算法计算出所述加密密钥对应的解密密钥；
根据所述解密密钥对所述目标业务密文数据进行对称解密，得到目标业务明文数据。
6.根据权利要求1所述的物流业务数据的统计分析方法，其特征在于，所述目标业务密文数据基于预置的非对称加密算法进行了加密，所述根据预置的解密算法，对所述目标业务密文数据进行解密，得到目标业务明文数据包括：
获取所述非对称加密算法对应的密钥对，其中，所述密钥对是根据预置的双线性群计算所得，所述密钥对包括公钥和私钥，所述公钥用于加密，所述私钥用于解密；
根据所述私钥对所述目标业务密文数据进行非对称解密，得到目标业务明文数据。
7.一种物流业务数据的统计分析装置，其特征在于，所述物流业务数据的统计分析装置包括：
加密数据获取模块，用于基于Java反射机制，依次执行目标单例对象中多个物流业务渠道的业务函数，分别得到每个物流业务渠道的业务密文数据，其中，每个业务函数用于访问对应物流业务渠道的数据接口，所述业务密文数据为同态加密的业务数据；
数据处理模块，用于基于预置的数据分析需求信息，对每个物流业务渠道的业务密文数据进行数据抽取和数据计算，得到目标业务密文数据；所述基于预置的数据分析需求信息，对每个物流业务渠道的业务密文数据进行数据抽取和数据计算，得到目标业务密文数据包括：根据模型视图控制器MVC设计模式，构建模型视图控制器MVC数据模型，其中，所述模型视图控制器MVC数据模型中包括模型层和控制层；获取与所述数据分析需求信息对应的业务控制逻辑；将每个物流业务渠道的业务密文数据加载至所述模型层中，得到目标模型层；将所述业务控制逻辑输入至所述控制层中，得到目标控制层；调用所述目标控制层对所述目标模型层中业务密文数据进行数据抽取和数据计算，得到目标业务密文数据；
数据解密模块，用于根据预置的解密算法，对所述目标业务密文数据进行解密，得到目标业务明文数据；
数据分析模块，用于根据所述目标业务明文数据进行物流业务数据统计分析，得到分析结果。
8.一种物流业务数据的统计分析设备，其特征在于，所述物流业务数据的统计分析设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述物流业务数据的统计分析设备执行如权利要求1-6中任一项所述的物流业务数据的统计分析方法的各个步骤。
9.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-6中任一项所述物流业务数据的统计分析方法的各个步骤。
CN202210741974.XA 2022-06-28 2022-06-28 物流业务数据的统计分析方法、装置、设备及存储介质 Active CN115169848B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210741974.XA CN115169848B (zh) 2022-06-28 2022-06-28 物流业务数据的统计分析方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210741974.XA CN115169848B (zh) 2022-06-28 2022-06-28 物流业务数据的统计分析方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN115169848A CN115169848A (zh) 2022-10-11
CN115169848B true CN115169848B (zh) 2023-06-09

Family

ID=83486523

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210741974.XA Active CN115169848B (zh) 2022-06-28 2022-06-28 物流业务数据的统计分析方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115169848B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113114451A (zh) * 2021-03-04 2021-07-13 西安交通大学 基于同态加密的企业云erp***数据统计分析方法和***

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104267944A (zh) * 2014-09-22 2015-01-07 浪潮软件集团有限公司 一种基于Spring的MVC模式优化***
EP3452947A4 (en) * 2016-05-06 2020-04-22 Zerodb, Inc. NUMBER FOR DISTRIBUTED STORAGE AND PROCESSING
CN106156286B (zh) * 2016-06-24 2019-09-17 广东工业大学 面向专业文献知识实体的类型抽取***及方法
CN111327616A (zh) * 2020-02-25 2020-06-23 上海东普信息科技有限公司 密钥管理方法、装置、设备及计算机可读存储介质
CN111639347A (zh) * 2020-04-29 2020-09-08 深圳壹账通智能科技有限公司 电子仓单验证方法、装置、终端及存储介质
CN113468172A (zh) * 2021-06-24 2021-10-01 上海东普信息科技有限公司 物流业务数据的处理方法、装置、设备及存储介质
CN113821810B (zh) * 2021-08-26 2024-03-08 上海赢科信息技术有限公司 数据处理方法及***、存储介质及电子设备
CN114218322B (zh) * 2021-12-13 2022-08-26 深圳市电子商务安全证书管理有限公司 基于密文传输的数据展示方法、装置、设备及介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113114451A (zh) * 2021-03-04 2021-07-13 西安交通大学 基于同态加密的企业云erp***数据统计分析方法和***

Also Published As

Publication number Publication date
CN115169848A (zh) 2022-10-11

Similar Documents

Publication Publication Date Title
US20230410215A1 (en) Cryptographic method and system for secure extraction of data from a blockchain
Knirsch et al. Privacy-preserving smart grid tariff decisions with blockchain-based smart contracts
CA3014727A1 (en) Method and system for efficient transfer of cryptocurrency associated with a payroll on a blockchain that leads to an automated payroll method and system based on smart contracts
CN110969264B (zh) 模型训练方法、分布式预测方法及其***
CN106354795B (zh) 一种分布式数据交换***
CN113505882A (zh) 基于联邦神经网络模型的数据处理方法、相关设备及介质
WO2020199785A1 (zh) 私有数据的处理方法、计算方法及所适用的设备
US11431691B2 (en) Systems and methods for blockchain-based secure storage
CN108846294A (zh) 基于区块链的食品数据存储方法及装置
CN109522742A (zh) 一种计算机大数据的批处理方法
KR20120041907A (ko) 맵리듀스 기반의 대용량 데이터 분산 계산 방법 및 그 시스템
CN116258309A (zh) 基于区块链的业务对象生命周期管理及追溯方法及装置
CN109656717A (zh) 一种容器化云资源分配方法
Yalcinkaya et al. Empowering ISA95 compliant traditional and smart manufacturing systems with the blockchain technology
Huang et al. More efficient secure matrix multiplication for unbalanced recommender systems
CN116579775A (zh) 一种商品交易数据管理***及方法
Liu et al. Distributed and deep vertical federated learning with big data
CN112783847B (zh) 数据共享方法及装置
CN115169848B (zh) 物流业务数据的统计分析方法、装置、设备及存储介质
US11362806B2 (en) System and methods for recording codes in a distributed environment
Volpe et al. An architecture for digital processes in manufacturing with blockchain, docker and cloud storage
Lu et al. Towards a decentralized digital engineering assets marketplace: empowered by model-based systems engineering and distributed ledger technology
Xi et al. Information flow control on encrypted data for service composition among multiple clouds
CN109359477A (zh) 一种数据加密、数据验证方法及其***
CN114491453A (zh) 任务权限管理方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant