CN116757462B - 基于工程数据分析模型的异常数据监控方法 - Google Patents
基于工程数据分析模型的异常数据监控方法 Download PDFInfo
- Publication number
- CN116757462B CN116757462B CN202310748090.1A CN202310748090A CN116757462B CN 116757462 B CN116757462 B CN 116757462B CN 202310748090 A CN202310748090 A CN 202310748090A CN 116757462 B CN116757462 B CN 116757462B
- Authority
- CN
- China
- Prior art keywords
- approval
- abnormal
- engineering
- node
- data
- 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
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 290
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000007405 data analysis Methods 0.000 title claims abstract description 32
- 238000012544 monitoring process Methods 0.000 title claims abstract description 18
- 239000000463 material Substances 0.000 claims abstract description 118
- 238000003889 chemical engineering Methods 0.000 claims abstract description 18
- 238000012550 audit Methods 0.000 claims description 128
- 238000012545 processing Methods 0.000 claims description 11
- 108091026890 Coding region Proteins 0.000 claims description 10
- 238000005520 cutting process Methods 0.000 claims description 6
- 238000004806 packaging method and process Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 5
- 238000012552 review Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 description 14
- 238000009825 accumulation Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000013439 planning Methods 0.000 description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 238000013479 data entry Methods 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000011365 complex material Substances 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
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
- G06Q10/0633—Workflow analysis
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Water Supply & Treatment (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Bioethics (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
本发明公开了基于工程数据分析模型的异常数据监控方法，包括如下步骤：S1、获取各工程审批节点的第一相关性排序表和各物资对应的第二相关性排序表；S2、生成审批工单信息；S3、获取审批工单信息对应的模糊化工单信息；S4、将模糊化工单信息发送至所有审批人员进行去模糊化审核；S5、基于审批结果获取对应的异常工程审批节点；S6、基于第一相关性排序表获取第一异常概率集；S7、基于第一异常概率集获取异常节点审批优选表；S8、基于第二相关性排序表获取对应第二异常概率集；S9、基于第二异常概率集获取异常数据审批优选表；S10、轮次执行S7～S9，生成审批报告。本申请保证了审批的效率和安全性的同时，提高了异常点的搜索效率。
Description
技术领域
本发明涉及审计数据分析与监控技术领域，具体的，涉及基于工程数据分析模型的异常数据监控方法。
背景技术
由于大型电力建设项目面临的施工工期长、物资种类复杂导致审批工单信息的审批和核验存在效率低下的问题，传统的审计工作依赖审核人员根据工程审批节点的审计顺序依次进行审批，导致耗时长；同时，审计数据具备一定的机密性，各个审批人员只能审核对应审批权限的工程审批节点，然而各工程审批节点往往具备高度的相关性，但审核人员审核审批工单信息时并没有加以考虑，导致某一个工程审批节点的审计数据出现异常偏差时，需要重新对所有审批工单信息进行稽查和复验，进一步增加了审计工作的复杂度。
中国专利，公告号为CN108335080A的中国专利，公开了一种工程审计***及实现方法,***包括:***管理模块、项目管理模块、造价数据库、公司管理模块和财务报表管理模块。本发明通过用户登录、项目资料录入、资料录入审核、任务分配、造价实施、造价实施审核、审核结果表生成、项目报告生成、项目查询、项目跟踪和项目变更等为信息工程审计提供了一整套完善的审计***方案,实现了信息工程项目从登录到项目管理,公司管理和财务报表生成的闭环审计功能,能自动进行信息工程项目审计,节省了人力成本,智能化程度高，该方案虽然实现了自动化的审计流程，由于并没有考虑各审批节点之间的相关性，导致一旦审计数据出现偏差，难以定位到具体的异常审批节点和异常审计数据，使得审计工作量进一步增大。
在所述背景技术部分公开的上述信息仅用于加强对本申请的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明的目的是解决现有技术中审批工单信息的审批和核验存在效率低下的问题，提出了基于工程数据分析模型的异常数据监控方法，通过对审批工单信息进行模糊化和去模糊化处理后同步发送至对应审核人员，使得审核人员同步对审批工单信息进行审核且只能查看对应权限的审批工单信息的涉密区域，保证了审批的效率和安全性；依据获取的各工程审批节点之间的第一相关性排序表和各物资对应的第二相关性排序表，对异常工程审批节点和异常物资对应的审计数据进行分析和定位，充分考虑各工程审批节点之间和各物资之间的相关性，使得异常点定位更加可靠，提高异常点的搜索效率。
本发明通过以下技术方案实现发明目的，具体方案为：基于工程数据分析模型的异常数据监控方法，包括如下步骤：
S1、基于工程数据分析模型获取各工程审批节点之间的第一相关性排序表和隶属于各工程审批节点内各物资对应的审计数据的第二相关性排序表；
S2、基于工程审批节点对应的审批路径生成审批工单信息；
S3、获取审批工单信息对应的涉密区域，基于涉密区域对应的审批人员信息对涉密区域进行模糊化处理后得到模糊化工单信息；
S4、将模糊化工单信息打包成若干任务块后无差别发送至所有审批人员进行去模糊化审核；
S5、基于审批结果获取对应的异常工程审批节点，基于异常工程审批节点和审批路径获取异常节点审批区间；
S6、基于异常节点审批区间中各工程审批节点对应的第一相关性排序表获取各工程审批节点的第一异常概率集；
S7、基于各工程审批节点对应的第一异常概率集获取异常节点审批优选表；基于异常节点审批优选表中各工程审批节点对应的异常审计数据构建异常数据审批集合；
S8、基于异常数据审批集合中异常物资所对应的第二相关性排序表获取各异常审计数据所对应第二异常概率集；
S9、基于各异常审计数据对应的第二异常概率集获取异常数据审批优选表；对异常数据审批优选表中的审计数据进行复验；
S10、轮次执行S7～S9，获取所有异常审批节点及其对应的异常审计数据生成审批报告。
本方案中，通过对审批工单信息进行模糊化和去模糊化处理后同步发送至对应审核人员，使得审核人员同步对审批工单信息进行审核且只能查看对应权限的审批工单信息的涉密区域，保证了审批的效率和安全性；依据获取的各工程审批节点之间的第一相关性排序表和各物资对应的第二相关性排序表，对异常工程审批节点和异常物资对应的审计数据进行分析和定位，充分考虑各工程审批节点之间和各物资之间的相关性，使得异常点定位更加可靠，提高异常点的搜索效率。
作为优选，所述基于工程数据分析模型获取各工程审批节点之间的第一相关性排序表和隶属于各工程审批节点内各物资对应的审计数据的第二相关性排序表；包括如下步骤：
S11、基于业务平台获取工程审批节点的总审计数据以及各工程审批节点内各物资对应的审计数据；所述审计数据包括物资种类、物资价格以及物资数量；
S12、采用Apriori算法对每个工程审批节点的总审计数据、各工程审批节点内各物资对应的审计数据进行训练构建工程数据分析模型；
S13、计算每个工程审批节点之间的支持度获取每个工程审批节点之间的第一相关性排序表；S14、计算各物资对应的审计数据之间置信度得到隶属于各工程审批节点内各物资对应的审计数据的第二相关性排序表。
本方案中，通过对工程审计现状和工程数据来源进行研究，抓取业务平台工程计划、实施、结算、决算等关键节点数据，构建工程审计分析模型，业务平台中存储有工程实施造价数据，存储有工程实施所需的各种采购物资清单；基于工程施工的阶段性进展和规划，每一个施工节点的工程数据均可以在业务平台进行统计和展现，每一个工程审批节点所涉及的审计数据之间存在一定的相关性，例如，同一批次采购的工程车、工器具等都可以应用于后续的施工阶段，存在物资的消费和维护需要在当前阶段进行统计；以及每一个施工阶段所需求的一次性消耗的物资，例如混泥土、铁塔钢材和电缆等；因此本方案基于项目施工对于物资的需求规律，采用Apriori算法构建工程数据分析模型；Apriori算法作为发现事物之间关联规则的算法，通过支持度的设定可以发现各个工程审批节点之间的内在联系，通过置信度的设定可以发现各工程审批节点内的各物资之间的内在联系；Apriori算法原理较为简单，算法原理在此不做累述。
本方案中，通过对工程审计现状和工程数据来源进行研究，一方面抓取业务平台工程计划、实施、结算、决算等关键节点数据，构建工程审计分析模型，通过数据挖掘发现问题，另一方面运用预警算法构建预警模型，对即将发生的风险进行预警。
作为优选，所述基于工程审批节点对应的审批路径生成审批工单信息，包括如下步骤：S21、获取每一个工程审批节点所对应审批节点信息及其对应的审批时间信息；所述审批节点信息包括有涉密区域及其对应的审批人员的身份特征信息；
S22、基于审批时间信息对审批节点信息进行审批优先度排序，构建审批工单信息；
其中，审批工单信息中的各工程审批节点所对应的审批顺序构成审批路径。
本方案中，审批节点信息对应具备该审批节点审批权限的审核人员的身份特征信息和涉密区域，涉密区域对应的是需要审核的敏感数据；其中，身份特征信息可以为审核人员的唯一ID码，例如可以是身份证件信息、工号信息以及生物特征信息等等；根据工程实施工期对应的审批时间域对应的审批时间信息对审批节点信息进行审批优先度排序，审批工单信息中的各工程审批节点所对应的审批顺序构成审批路径，依据审批路径对应的时间信息包括各工程审批节点所对应的审批时间域以及审批工单信息在相邻工程审批节点之间的传输时间。
作为优选，所述获取审批工单信息对应的涉密区域，基于涉密区域对应的审批人员信息对涉密区域进行模糊化处理后得到模糊化工单信息，包括如下步骤：
S31、获取每一个涉密区域所对应的审批人员的身份特征信息以及尺寸信息；
S32、将身份特征信息转换成二进制序列，按每三个序列位作为分割区间对二进制序列进行切割得到若干第一编码序列；将第一编码序列依次转换成对应的第一色域图层；
S33、基于涉密区域所对应的尺寸信息以及第一编码序列的数目获取若干待模糊区域；
S34、采用第一色域图层覆盖对应的待模糊区域得到模糊化处理后的涉密区域；
S35、轮次执行S31～S34，将审批工单信息对应的涉密区域进行模糊化处理得到模糊化工单信息。
本方案中，每一个工程审批节点包括有对应审批人员的身份特征信息和涉密区域信息，其中，涉密区域设置为对应权限的审批人员才能查看，因此，需要采用对应审核人员的身份信息进行加密，保证涉密信息的私密性和密钥的唯一性；每一个涉密区域的尺寸包括长L宽H；通过对应审核人员的唯一身份特征信息进行数值变换成二进制序列，然后对编码序列进行切割，依据切割后的编码序列数目对涉密区域进行等分切割；然后将编码序列转换成对应的RGB色域编码后得到对应第一色域图层；采用第一色域图层依次对涉密区域进行覆盖填充；因此每一个涉密区域对应的色域图层均不一致；可以保证审批信息的相对安全。
作为优选，所述将模糊化工单信息打包成若干任务块后无差别发送至所有审批人员进行去模糊化审核；包括如下步骤：
S41、将模糊化工单信息打包成任务块，基于审批人员的公钥信息对任务块进行加密后发送至对应审核员进行验证；
S42、审核员基于自身私钥对加密后的任务块进行解密得到模糊化工单信息；
S43、基于审核员自身的身份特征信息对应的二进制序列；按每三个序列位作为分割区间对二进制序列进行切割得到若干第二编码序列；将第二编码序列依次转换成对应的第二色域图层；
S44、依次选取第二色域图层与涉密区域对应的第一色域图层进行比对，若比对成功，则移除对应区域的第一色域图层，若比对失败，则反馈错误警示；
S45、轮次执行S41～S44，对模糊化工单信息的对应涉密区域进行去模糊化处理后得到待审批区域，审批人员对待审批区域进行审核。
本方案中，将模糊化工单信息打包成任务块，基于审批人员的公钥信息对任务块进行加密后发送至对应审核员进行验证，可以保证任务块准确的到达所有具备审核权限或资质的审批人员手中，保证了信息传输的安全性；其次，将任务块无差别的发送给所有审核人员，使得审核动作同步进行，进一步提高了审核工作的效率；采用与模糊化手段中涉及到数据转换相同的方式对审核人员的身份特征信息进行转化、切割和验证；当所有涉密区域内各第二色域图层与涉密区域对应的第一色域图层均比对成功后，才可以查看数据的完整性；保证了审批工作的私密性。
作为优选，所述基于审批结果获取对应的异常工程审批节点，基于异常工程审批节点和审批路径获取异常节点审批区间；包括如下步骤：
S51、通过调用业务平台上各工程审批节点的总审计数据进行比较，将超出总审计数据限定区间的工程审批节点作为异常工程审批节点；
S52、获取审批路径上起始异常工程审批节点和终止异常工程审批节点；
S53、基于起始异常工程审批节点和终止异常工程审批节点构建异常节点审批区间。
本方案中，每一个工程审批节点的工程造价预审存在一定的误差阈值(例如误差为±5％)，当审批工单上的总审计数据超过了误差阈值，则表明该工程审批节点存在异常；通过以上规则，依次计算出审批路径上所有审批节点的误差值，得到所有异常审批工程节点；基于起始异常工程审批节点和终止异常工程审批节点构建异常节点审批区间，可以缩小待复核工程审批节点的范围，进一步减少复核审批工作的工作量。
作为优选，所述基于异常节点审批区间中各工程审批节点对应的第一相关性排序表获取各工程审批节点的第一异常概率集；包括如下步骤：
S61、依次选取异常节点审批区间中各个工程审批节点对应的第一相关性排序表；
S62、剔除第一相关性排序表中不属于异常节点审批区间内的工程审批节点对应的相关度值得到第一相关性异常排序表；
S63、将第一相关性异常排序表中各相关度值进行求积或求和得到隶属于当前工程审批节点对应的第一异常概率集。
本方案中，第一相关性排序表中存储有每一个工程审批节点与其余工程审批节点之间的相关度系数，即异常事件相似的概率；由于审批路径中存在没有异常的工程审批节点，因此为了避免异常点位偏差和减少复核任务量，剔除第一相关性排序表中不属于异常节点审批区间内的工程审批节点对应的相关度值得到第一相关性异常排序表；计算隶属于每一个工程审批节点第一异常概率集；异常概率集的计算可以采用累加或累乘的方式计算，但每一个工程审批节点对应的第一异常概率集的计算方式应当相同；异常概率集可以表示每一个工程审批节点发生异常概率的严重程度，提高了异常数据分析的准确性。
作为优选，所述基于各工程审批节点对应的第一异常概率集获取异常节点审批优选表；基于异常节点审批优选表中各工程审批节点对应的异常审计数据构建异常数据审批集合；包括如下步骤：
S71、基于第一异常概率集的数值由大到小对异常节点审批区间中的工程审批节点进行排序得到异常节点审批优选表；
S72、调用业务平台上各工程审批节点的各物资对应的审计数据进行比较，将超出审计数据限定区间的审计数据作为异常审计数据；
S73、获取异常审计数据对应的异常物资类别；
S74、若干异常物资类别构建异常数据审批集合。
本方案中，基于工程审批节点发生异常概率的严重程度对工程审批节点进行排序得到异常节点审批优选表，可以理解的是，工程审批节点发生异常概率越大，优先考虑进行复核，使得复核工作更加具备针对性；基于异常节点审批优选表依次对异常工程审批节点内的审计数据进行审核；每个审计数据对应的是物资种类、物资价格以及物资数量，若审计数据超过设定的误差阈值，则获取异常审计数据对应的异常物资类别；若干异常物资类别构建异常数据审批集合，便于后续的异常物资定位。
作为优选，所述基于异常数据审批集合中异常物资所对应的第二相关性排序表获取各异常审计数据所对应第二异常概率集；包括如下步骤：
S81、依次选取异常物资对应的第二相关性排序表；
S82、剔除第二相关性排序表中不属于异常物资对应的相关度值得到第二相关性异常排序表；S83、将第二相关性异常排序表中各相关度值进行求积或求和得到隶属于当前异常物资的第二异常概率集。
本方案中，第二相关性排序表中存储有物资之间的相关度系数，即异常事件相似的概率；剔除第二相关性排序表中不属于异常物资对应的相关度值得到第二相关性异常排序表；计算隶属于每一个物资的第二异常概率集；异常概率集的计算可以采用累加或累乘的方式计算，但每一个物资对应的第二异常概率集的计算方式应当相同；异常概率集可以表示每一个物资发生异常概率的严重程度，提高了异常数据分析的准确性。
作为优选，所述基于各异常审计数据对应的第二异常概率集获取异常数据审批优选表；对异常数据审批优选表中的审计数据进行复验；包括如下步骤：
S91、基于第二异常概率集的数值由大到小对异常节点审批区间中的工程审批节点进行排序得到异常数据审批优选表；
S92、依次调用业务平台上各工程审批节点的各物资对应的审计数据与异常数据审批优选表中的审计数据进行复验，判定异常结果。
本方案中，基于物资发生异常概率的严重程度对工程审批节点进行排序得到异常审计数据审批优选表，可以理解的是，物资对应的审计数据发生异常概率越大，优先考虑进行复核，使得复核工作更加具备针对性；基于异常审计数据审批优选表依次对异常物资对应的审计数据进行审核；每个审计数据对应的是物资种类、物资价格以及物资数量，若审计数据超过设定的误差阈值，则获取异常审计数据对应的异常物资类别；若干异常物资类别构建异常数据审批集合，便于后续的异常物资定位。
本发明的有益效果：提出了基于工程数据分析模型的异常数据监控方法，通过获取各工程审批节点之间的第一相关性排序表和各物资对应的第二相关性排序表，通过对审批工单信息进行模糊化和去模糊化处理后同步发送至对应审核人员，使得审核人员同步对审批工单信息进行审核且只能查看对应权限的审批工单信息的涉密区域，保证了审批的效率和安全性；依据获取的各工程审批节点之间的第一相关性排序表和各物资对应的第二相关性排序表，对异常工程审批节点和异常物资对应的审计数据进行分析和定位，充分考虑各工程审批节点之间和各物资之间的相关性，使得异常点定位更加可靠，提高异常点的搜索效率。
上述发明内容仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。
图1为本发明的基于工程数据分析模型的异常数据监控方法的流程图。
具体实施方式
为使本发明的目的、技术方案以及优点更加清楚明白，下面结合附图和实施例对本发明作进一步详细说明，应当理解的是，此处所描述的具体实施方式仅是本发明的一种最佳实施例，仅用以解释本发明，并不限定本发明的保护范围，本领域普通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。
在更加详细地讨论示例性实施例之前，应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作(或步骤)可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤；所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例：如图1所示，基于工程数据分析模型的异常数据监控方法，包括如下步骤：S1、基于工程数据分析模型获取各工程审批节点之间的第一相关性排序表和隶属于各工程审批节点内各物资对应的审计数据的第二相关性排序表。
具体地，包括如下步骤：
S11、基于业务平台获取工程审批节点的总审计数据以及各工程审批节点内各物资对应的审计数据；所述审计数据包括物资种类、物资价格以及物资数量；
S12、采用Apriori算法对每个工程审批节点的总审计数据、各工程审批节点内各物资对应的审计数据进行训练构建工程数据分析模型；
S13、计算每个工程审批节点之间的支持度获取每个工程审批节点之间的第一相关性排序表；S14、计算各物资对应的审计数据之间置信度得到隶属于各工程审批节点内各物资对应的审计数据的第二相关性排序表。
本实施例中，通过对工程审计现状和工程数据来源进行研究，抓取业务平台工程计划、实施、结算、决算等关键节点数据，构建工程审计分析模型，业务平台中存储有工程实施造价数据，存储有工程实施所需的各种采购物资清单；基于工程施工的阶段性进展和规划，每一个施工节点的工程数据均可以在业务平台进行统计和展现，每一个工程审批节点所涉及的审计数据之间存在一定的相关性，例如，同一批次采购的工程车、工器具等都可以应用于后续的施工阶段，存在物资的消费和维护需要在当前阶段进行统计；以及每一个施工阶段所需求的一次性消耗的物资，例如混泥土、铁塔钢材和电缆等；因此本方案基于项目施工对于物资的需求规律，采用Apriori算法构建工程数据分析模型；Apriori算法作为发现事物之间关联规则的算法，通过支持度的设定可以发现各个工程审批节点之间的内在联系，通过置信度的设定可以发现各工程审批节点内的各物资之间的内在联系；Apriori算法原理较为简单，算法原理在此不做累述。
S2、基于工程审批节点对应的审批路径生成审批工单信息。
具体地，包括如下步骤：
S21、获取每一个工程审批节点所对应审批节点信息及其对应的审批时间信息；所述审批节点信息包括有涉密区域及其对应的审批人员的身份特征信息；
S22、基于审批时间信息对审批节点信息进行审批优先度排序，构建审批工单信息；
其中，审批工单信息中的各工程审批节点所对应的审批顺序构成审批路径。
本实施例中，审批节点信息对应具备该审批节点审批权限的审核人员的身份特征信息和涉密区域，涉密区域对应的是需要审核的敏感数据；其中，身份特征信息可以为审核人员的唯一ID码，例如可以是身份证件信息、工号信息以及生物特征信息等等；根据工程实施工期对应的审批时间域对应的审批时间信息对审批节点信息进行审批优先度排序，审批工单信息中的各工程审批节点所对应的审批顺序构成审批路径，依据审批路径对应的时间信息包括各工程审批节点所对应的审批时间域以及审批工单信息在相邻工程审批节点之间的传输时间。
S3、获取审批工单信息对应的涉密区域，基于涉密区域对应的审批人员信息对涉密区域进行模糊化处理后得到模糊化工单信息。
具体地，包括如下步骤：
S31、获取每一个涉密区域所对应的审批人员的身份特征信息以及尺寸信息；
S32、将身份特征信息转换成二进制序列，按每三个序列位作为分割区间对二进制序列进行切割得到若干第一编码序列；将第一编码序列依次转换成对应的第一色域图层；
S33、基于涉密区域所对应的尺寸信息以及第一编码序列的数目获取若干待模糊区域；
S34、采用第一色域图层覆盖对应的待模糊区域得到模糊化处理后的涉密区域；
S35、轮次执行S31～S34，将审批工单信息对应的涉密区域进行模糊化处理得到模糊化工单信息。
本方案中，每一个工程审批节点包括有对应审批人员的身份特征信息和涉密区域信息，其中，涉密区域设置为对应权限的审批人员才能查看，因此，需要采用对应审核人员的身份信息进行加密，保证涉密信息的私密性和密钥的唯一性；每一个涉密区域的尺寸包括长L宽H；通过对应审核人员的唯一身份特征信息进行数值变换成二进制序列，然后对编码序列进行切割，依据切割后的编码序列数目对涉密区域进行等分切割；然后将编码序列转换成对应的RGB色域编码后得到对应第一色域图层；采用第一色域图层依次对涉密区域进行覆盖填充；因此每一个涉密区域对应的色域图层均不一致；可以保证审批信息的相对安全。
可以理解的是，当身份特征信息为：HD285；将特征代码HD285转换成2进制序列为010 010 000 100 010 001 011 110 100；其中不足3为的补0；可知，分割后的编码序列的数目为9；当涉密区域的尺寸为27cmx30cm时；每个分割后的涉密子区域为3cmx30cm；采用对应的编码转换成RGB色域编码；依据RGB色域对照表可以进行转换和渲染。
S4、将模糊化工单信息打包成若干任务块后无差别发送至所有审批人员进行去模糊化审核。
具体地，包括如下步骤：
S41、将模糊化工单信息打包成任务块，基于审批人员的公钥信息对任务块进行加密后发送至对应审核员进行验证；
S42、审核员基于自身私钥对加密后的任务块进行解密得到模糊化工单信息；
S43、基于审核员自身的身份特征信息对应的二进制序列；按每三个序列位作为分割区间对二进制序列进行切割得到若干第二编码序列；将第二编码序列依次转换成对应的第二色域图层；
S44、依次选取第二色域图层与涉密区域对应的第一色域图层进行比对，若比对成功，则移除对应区域的第一色域图层，若比对失败，则反馈错误警示；
S45、轮次执行S41～S44，对模糊化工单信息的对应涉密区域进行去模糊化处理后得到待审批区域，审批人员对待审批区域进行审核。
本实施例中，将模糊化工单信息打包成任务块，基于审批人员的公钥信息对任务块进行加密后发送至对应审核员进行验证，可以保证任务块准确的到达所有具备审核权限或资质的审批人员手中，保证了信息传输的安全性；其次，将任务块无差别的发送给所有审核人员，使得审核动作同步进行，进一步提高了审核工作的效率；采用与模糊化手段中涉及到数据转换相同的方式对审核人员的身份特征信息进行转化、切割和验证；当所有涉密区域内各第二色域图层与涉密区域对应的第一色域图层均比对成功后，才可以查看数据的完整性；保证了审批工作的私密性。
S5、基于审批结果获取对应的异常工程审批节点，基于异常工程审批节点和审批路径获取异常节点审批区间。
具体地，包括如下步骤：
S51、通过调用业务平台上各工程审批节点的总审计数据进行比较，将超出总审计数据限定区间的工程审批节点作为异常工程审批节点；
S52、获取审批路径上起始异常工程审批节点和终止异常工程审批节点；
S53、基于起始异常工程审批节点和终止异常工程审批节点构建异常节点审批区间。
本实施例中，每一个工程审批节点的工程造价预审存在一定的误差阈值(例如误差为±5％)，当审批工单上的总审计数据超过了误差阈值，则表明该工程审批节点存在异常；通过以上规则，依次计算出审批路径上所有审批节点的误差值，得到所有异常审批工程节点；基于起始异常工程审批节点和终止异常工程审批节点构建异常节点审批区间，可以缩小待复核工程审批节点的范围，进一步减少复核审批工作的工作量。
S6、基于异常节点审批区间中各工程审批节点对应的第一相关性排序表获取各工程审批节点的第一异常概率集。
具体地，包括如下步骤：
S61、依次选取异常节点审批区间中各个工程审批节点对应的第一相关性排序表；
S62、剔除第一相关性排序表中不属于异常节点审批区间内的工程审批节点对应的相关度值得到第一相关性异常排序表；
S63、将第一相关性异常排序表中各相关度值进行求积或求和得到隶属于当前工程审批节点对应的第一异常概率集。
本实施例中，第一相关性排序表中存储有每一个工程审批节点与其余工程审批节点之间的相关度系数，即异常事件相似的概率；由于审批路径中存在没有异常的工程审批节点，因此为了避免异常点位偏差和减少复核任务量，剔除第一相关性排序表中不属于异常节点审批区间内的工程审批节点对应的相关度值得到第一相关性异常排序表；计算隶属于每一个工程审批节点第一异常概率集；异常概率集的计算可以采用累加或累乘的方式计算，但每一个工程审批节点对应的第一异常概率集的计算方式应当相同；异常概率集可以表示每一个工程审批节点发生异常概率的严重程度，提高了异常数据分析的准确性。
S7、基于各工程审批节点对应的第一异常概率集获取异常节点审批优选表；基于异常节点审批优选表中各工程审批节点对应的异常审计数据构建异常数据审批集合。
具体地，包括如下步骤：
S71、基于第一异常概率集的数值由大到小对异常节点审批区间中的工程审批节点进行排序得到异常节点审批优选表；
S72、调用业务平台上各工程审批节点的各物资对应的审计数据进行比较，将超出审计数据限定区间的审计数据作为异常审计数据；
S73、获取异常审计数据对应的异常物资类别；
S74、若干异常物资类别构建异常数据审批集合。
本实施例中，基于工程审批节点发生异常概率的严重程度对工程审批节点进行排序得到异常节点审批优选表，可以理解的是，工程审批节点发生异常概率越大，优先考虑进行复核，使得复核工作更加具备针对性；基于异常节点审批优选表依次对异常工程审批节点内的审计数据进行审核；每个审计数据对应的是物资种类、物资价格以及物资数量，若审计数据超过设定的误差阈值，则获取异常审计数据对应的异常物资类别；若干异常物资类别构建异常数据审批集合，便于后续的异常物资定位。
S8、基于异常数据审批集合中异常物资所对应的第二相关性排序表获取各异常审计数据所对应第二异常概率集。
具体地，包括如下步骤：
S81、依次选取异常物资对应的第二相关性排序表；
S82、剔除第二相关性排序表中不属于异常物资对应的相关度值得到第二相关性异常排序表；S83、将第二相关性异常排序表中各相关度值进行求积或求和得到隶属于当前异常物资的第二异常概率集。
本实施例中，第二相关性排序表中存储有物资之间的相关度系数，即异常事件相似的概率；剔除第二相关性排序表中不属于异常物资对应的相关度值得到第二相关性异常排序表；计算隶属于每一个物资的第二异常概率集；异常概率集的计算可以采用累加或累乘的方式计算，但每一个物资对应的第二异常概率集的计算方式应当相同；异常概率集可以表示每一个物资发生异常概率的严重程度，提高了异常数据分析的准确性。
S9、基于各异常审计数据对应的第二异常概率集获取异常数据审批优选表；对异常数据审批优选表中的审计数据进行复验。
具体地，包括如下步骤：
S91、基于第二异常概率集的数值由大到小对异常节点审批区间中的工程审批节点进行排序得到异常数据审批优选表；
S92、依次调用业务平台上各工程审批节点的各物资对应的审计数据与异常数据审批优选表中的审计数据进行复验，判定异常结果。
本实施例中，基于物资发生异常概率的严重程度对工程审批节点进行排序得到异常审计数据审批优选表，可以理解的是，物资对应的审计数据发生异常概率越大，优先考虑进行复核，使得复核工作更加具备针对性；基于异常审计数据审批优选表依次对异常物资对应的审计数据进行审核；每个审计数据对应的是物资种类、物资价格以及物资数量，若审计数据超过设定的误差阈值，则获取异常审计数据对应的异常物资类别；若干异常物资类别构建异常数据审批集合，便于后续的异常物资定位。
S10、轮次执行S7～S9，获取所有异常审批节点及其对应的异常审计数据生成审批报告。
本实时中，依据步骤S7-S9的方式，可以快速定位到异常发生概率最高的异常工程审批节点对应的异常物资，使得异常数据复核更加具备针对性；提高了复核的效率；通过以上方式确定最终的异常点并审查异常审批报告，便于审批工单的审计数据校核和责任跟踪。
以上所述之具体实施方式为本发明基于工程数据分析模型的异常数据监控方法的较佳实施方式，并非以此限定本发明的具体实施范围，本发明的范围包括并不限于本具体实施方式，凡依照本发明之形状、结构所作的等效变化均在本发明的保护范围内。
Claims (7)
1.基于工程数据分析模型的异常数据监控方法，其特征在于，包括如下步骤：
S1、基于工程数据分析模型获取各工程审批节点之间的第一相关性排序表和隶属于各工程审批节点内各物资对应的审计数据的第二相关性排序表；
S2、基于工程审批节点对应的审批路径生成审批工单信息；
S3、获取审批工单信息对应的涉密区域，基于涉密区域对应的审批人员信息对涉密区域进行模糊化处理后得到模糊化工单信息；
S4、将模糊化工单信息打包成若干任务块后无差别发送至所有审批人员进行去模糊化审核；
S5、基于审批结果获取对应的异常工程审批节点，基于异常工程审批节点和审批路径获取异常节点审批区间；
S6、基于异常节点审批区间中各工程审批节点对应的第一相关性排序表获取各工程审批节点的第一异常概率集；
S7、基于各工程审批节点对应的第一异常概率集获取异常节点审批优选表；基于异常节点审批优选表中各工程审批节点对应的异常审计数据构建异常数据审批集合；
S8、基于异常数据审批集合中异常物资所对应的第二相关性排序表获取各异常审计数据所对应第二异常概率集；
S9、基于各异常审计数据对应的第二异常概率集获取异常数据审批优选表；对异常数据审批优选表中的审计数据进行复验；
S10、轮次执行S7~S9，获取所有异常审批节点及其对应的异常审计数据生成审批报告；
所述基于审批结果获取对应的异常工程审批节点，基于异常工程审批节点和审批路径获取异常节点审批区间；包括如下步骤：
S51、通过调用业务平台上各工程审批节点的总审计数据进行比较，将超出总审计数据限定区间的工程审批节点作为异常工程审批节点；
S52、获取审批路径上起始异常工程审批节点和终止异常工程审批节点；
S53、基于起始异常工程审批节点和终止异常工程审批节点构建异常节点审批区间；
所述基于异常节点审批区间中各工程审批节点对应的第一相关性排序表获取各工程审批节点的第一异常概率集；包括如下步骤：
S61、依次选取异常节点审批区间中各个工程审批节点对应的第一相关性排序表；
S62、剔除第一相关性排序表中不属于异常节点审批区间内的工程审批节点对应的相关度值得到第一相关性异常排序表；
S63、将第一相关性异常排序表中各相关度值进行求积或求和得到隶属于当前工程审批节点对应的第一异常概率集；
所述基于异常数据审批集合中异常物资所对应的第二相关性排序表获取各异常审计数据所对应第二异常概率集；包括如下步骤：
S81、依次选取异常物资对应的第二相关性排序表；
S82、剔除第二相关性排序表中不属于异常物资对应的相关度值得到第二相关性异常排序表；
S83、将第二相关性异常排序表中各相关度值进行求积或求和得到隶属于当前异常物资的第二异常概率集。
2.根据权利要求1所述的基于工程数据分析模型的异常数据监控方法，其特征在于，
所述基于工程数据分析模型获取各工程审批节点之间的第一相关性排序表和隶属于各工程审批节点内各物资对应的审计数据的第二相关性排序表；包括如下步骤：
S11、基于业务平台获取工程审批节点的总审计数据以及各工程审批节点内各物资对应的审计数据；所述审计数据包括物资种类、物资价格以及物资数量；
S12、采用Apriori算法对每个工程审批节点的总审计数据、各工程审批节点内各物资对应的审计数据进行训练构建工程数据分析模型；
S13、计算每个工程审批节点之间的支持度获取每个工程审批节点之间的第一相关性排序表；
S14、计算各物资对应的审计数据之间置信度得到隶属于各工程审批节点内各物资对应的审计数据的第二相关性排序表。
3.根据权利要求1所述的基于工程数据分析模型的异常数据监控方法，其特征在于，
所述基于工程审批节点对应的审批路径生成审批工单信息，包括如下步骤：
S21、获取每一个工程审批节点所对应审批节点信息及其对应的审批时间信息；所述审批节点信息包括有涉密区域及其对应的审批人员的身份特征信息；
S22、基于审批时间信息对审批节点信息进行审批优先度排序，构建审批工单信息；
其中，审批工单信息中的各工程审批节点所对应的审批顺序构成审批路径。
4.根据权利要求1所述的基于工程数据分析模型的异常数据监控方法，其特征在于，
所述获取审批工单信息对应的涉密区域，基于涉密区域对应的审批人员信息对涉密区域进行模糊化处理后得到模糊化工单信息，包括如下步骤：
S31、获取每一个涉密区域所对应的审批人员的身份特征信息以及尺寸信息；
S32、将身份特征信息转换成二进制序列，按每三个序列位作为分割区间对二进制序列进行切割得到若干第一编码序列；将第一编码序列依次转换成对应的第一色域图层；
S33、基于涉密区域所对应的尺寸信息以及第一编码序列的数目获取若干待模糊区域；
S34、采用第一色域图层覆盖对应的待模糊区域得到模糊化处理后的涉密区域；
S35、轮次执行S31~S34，将审批工单信息对应的涉密区域进行模糊化处理得到模糊化工单信息。
5.根据权利要求4所述的基于工程数据分析模型的异常数据监控方法，其特征在于，
所述将模糊化工单信息打包成若干任务块后无差别发送至所有审批人员进行去模糊化审核；包括如下步骤：
S41、将模糊化工单信息打包成任务块，基于审批人员的公钥信息对任务块进行加密后发送至对应审核员进行验证；
S42、审核员基于自身私钥对加密后的任务块进行解密得到模糊化工单信息；
S43、基于审核员自身的身份特征信息对应的二进制序列；按每三个序列位作为分割区间对二进制序列进行切割得到若干第二编码序列；将第二编码序列依次转换成对应的第二色域图层；
S44、依次选取第二色域图层与涉密区域对应的第一色域图层进行比对，若比对成功，则移除对应区域的第一色域图层，若比对失败，则反馈错误警示；
S45、轮次执行S41~S44，对模糊化工单信息的对应涉密区域进行去模糊化处理后得到待审批区域，审批人员对待审批区域进行审核。
6.根据权利要求1所述的基于工程数据分析模型的异常数据监控方法，其特征在于，
所述基于各工程审批节点对应的第一异常概率集获取异常节点审批优选表；基于异常节点审批优选表中各工程审批节点对应的异常审计数据构建异常数据审批集合；包括如下步骤：
S71、基于第一异常概率集的数值由大到小对异常节点审批区间中的工程审批节点进行排序得到异常节点审批优选表；
S72、调用业务平台上各工程审批节点的各物资对应的审计数据进行比较，将超出审计数据限定区间的审计数据作为异常审计数据；
S73、获取异常审计数据对应的异常物资类别；
S74、若干异常物资类别构建异常数据审批集合。
7.根据权利要求1所述的基于工程数据分析模型的异常数据监控方法，其特征在于，
所述基于各异常审计数据对应的第二异常概率集获取异常数据审批优选表；对异常数据审批优选表中的审计数据进行复验；包括如下步骤：
S91、基于第二异常概率集的数值由大到小对异常节点审批区间中的工程审批节点进行排序得到异常数据审批优选表；
S92、依次调用业务平台上各工程审批节点的各物资对应的审计数据与异常数据审批优选表中的审计数据进行复验，判定异常结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310748090.1A CN116757462B (zh) | 2023-06-21 | 2023-06-21 | 基于工程数据分析模型的异常数据监控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310748090.1A CN116757462B (zh) | 2023-06-21 | 2023-06-21 | 基于工程数据分析模型的异常数据监控方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116757462A CN116757462A (zh) | 2023-09-15 |
| CN116757462B true CN116757462B (zh) | 2023-11-28 |
Family
ID=87954853
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310748090.1A Active CN116757462B (zh) | 2023-06-21 | 2023-06-21 | 基于工程数据分析模型的异常数据监控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116757462B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005222216A (ja) * | 2004-02-04 | 2005-08-18 | Mitsubishi Electric Corp | システム監査方法、およびシステム監査装置 |
| CN105825132A (zh) * | 2015-01-07 | 2016-08-03 | ***通信集团江苏有限公司 | 一种数据处理、查询方法及相关装置 |
| CN108959950A (zh) * | 2017-05-19 | 2018-12-07 | 南京骏腾信息技术有限公司 | 基于动态模糊化技术的隐私数据保护方法 |
| EP3540624A1 (en) * | 2018-03-14 | 2019-09-18 | Scyphir, Unipessoal LDA | A methodology for anomaly detection of a sequence of computational events associated with a computational system |
| CN111950033A (zh) * | 2020-09-21 | 2020-11-17 | 安徽长泰信息安全服务有限公司 | 一种基于公民隐私保护用大数据安全平台的脱敏*** |
| CN113448761A (zh) * | 2021-06-17 | 2021-09-28 | 新浪网技术(中国)有限公司 | 一种根因定位方法及装置 |
| CN114780619A (zh) * | 2022-06-07 | 2022-07-22 | 国网浙江省电力有限公司金华供电公司 | 一种自动工程审价审计数据的异常预警方法 |
| CN114841789A (zh) * | 2022-06-27 | 2022-08-02 | 国网浙江省电力有限公司金华供电公司 | 基于区块链的审计审价故障数据在线编辑方法及*** |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7899693B2 (en) * | 2003-06-17 | 2011-03-01 | Oracle International Corporation | Audit management workbench |
| US7908160B2 (en) * | 2006-09-11 | 2011-03-15 | Decision-Zone Inc. | System and method for producing audit trails |
-
2023
- 2023-06-21 CN CN202310748090.1A patent/CN116757462B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005222216A (ja) * | 2004-02-04 | 2005-08-18 | Mitsubishi Electric Corp | システム監査方法、およびシステム監査装置 |
| CN105825132A (zh) * | 2015-01-07 | 2016-08-03 | ***通信集团江苏有限公司 | 一种数据处理、查询方法及相关装置 |
| CN108959950A (zh) * | 2017-05-19 | 2018-12-07 | 南京骏腾信息技术有限公司 | 基于动态模糊化技术的隐私数据保护方法 |
| EP3540624A1 (en) * | 2018-03-14 | 2019-09-18 | Scyphir, Unipessoal LDA | A methodology for anomaly detection of a sequence of computational events associated with a computational system |
| CN111950033A (zh) * | 2020-09-21 | 2020-11-17 | 安徽长泰信息安全服务有限公司 | 一种基于公民隐私保护用大数据安全平台的脱敏*** |
| CN113448761A (zh) * | 2021-06-17 | 2021-09-28 | 新浪网技术(中国)有限公司 | 一种根因定位方法及装置 |
| CN114780619A (zh) * | 2022-06-07 | 2022-07-22 | 国网浙江省电力有限公司金华供电公司 | 一种自动工程审价审计数据的异常预警方法 |
| CN114841789A (zh) * | 2022-06-27 | 2022-08-02 | 国网浙江省电力有限公司金华供电公司 | 基于区块链的审计审价故障数据在线编辑方法及*** |
Non-Patent Citations (2)
| Title |
|---|
| A Machine Learning Based System for Semi-Automatically Redacting Documents;Cumby C. et al.;Proceedings of the AAAI Conference on Artificial Intelligence;1628-1635 * |
| 基于安全审计的异常检测模型的设计;史海峰;;电脑知识与技术(23);116-119 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116757462A (zh) | 2023-09-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lichtenstein | Factors in the selection of a risk assessment method | |
| US20150142509A1 (en) | Standardized Technology and Operations Risk Management (STORM) | |
| Celik et al. | An extended fuzzy TOPSIS–GRA method based on different separation measures for green logistics service provider selection | |
| CN1826578A (zh) | 数据整合方法 | |
| CN107369120A (zh) | 一种智能企业管理、服务***及企业活性分析方法 | |
| JP4782496B2 (ja) | 環境マネージメントシステム、その方法及びプログラム | |
| Lo et al. | Evaluating the interrelationships of industrial 5.0 development factors using an integration approach of Fermatean Fuzzy Logic | |
| CN115330531B (zh) | 一种基于用电变动周期的企业风险预测方法 | |
| Goel et al. | Can business process reengineering lead to security vulnerabilities: Analyzing the reengineered process | |
| CN116579868A (zh) | 一种财务管理***及财务管理方法 | |
| CN115391316A (zh) | 基于大数据的金融风险跟踪管理***、设备及存储介质 | |
| CN114254909A (zh) | 一种基于决策引擎的风险管理方法及平台 | |
| Tatari | Simulating cost risks for prefabricated construction in developing countries using Bayesian networks | |
| CN116757462B (zh) | 基于工程数据分析模型的异常数据监控方法 | |
| Matthee et al. | Barriers to internationalisation: Firm-level evidence from South Africa | |
| CN117271618A (zh) | 一种基于物联网的工程信息数字化咨询管理***及方法 | |
| Nalluri et al. | Risk assessment for sustainability on telecom supply chain: A hybrid fuzzy approach | |
| Löfsten | Innovation performance and organizational capabilities in the Swedish hybrid electric vehicle technology: A study of 40 SMEs | |
| Wei et al. | A comprehensive operation and maintenance assessment for intelligent highways: A case study in Hong Kong-Zhuhai-Macao bridge | |
| Liao et al. | Understanding causes for construction claims in hydropower projects | |
| Santos et al. | Cyber-Physical Risks identification on Industry 4.0: A Methodology Proposal | |
| Gulzira et al. | The audit method of enterprise's Information security | |
| Alharbi | A Security Operation Center Maturity Model (SOC-MM) in the Context of Newly Emerging Cyber Threats | |
| CN105741206A (zh) | 行业报告动态生成***和方法 | |
| Kasravi et al. | A Multi-layer Architecture Based on MCDM Methods to Select the Best E-Readiness Assessment Model According to SWOT Analysis |
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 |