供应链安全分析方法及计算机可读存储介质技术

本发明专利技术公开了一种供应链安全分析方法和计算机可读存储介质。该供应链安全分析方法包括：将多个元器件的参数分别编码量化成键值对，所述多个元器件是多个行业的供应链上的元器件，所述参数至少包括元器件在其供应链中所属的行业、元器件的元器件名称；对所述多个元器件的键值对进行一次聚类，生成多个类簇；针对每个类簇进行二次聚类，生成多个子类簇；针对每个子类簇，确定子类簇中具有相同元器件名称的元器件的行业占比，并根据该行业占比确定元器件的供应链风险防控等级。该方法一方面解决了行业之间资源各自封闭，优质元器件不流通，行业协同能力差，供应链风险防控粒度较粗问题；另一方面，为跨行业元器件替代的可能性提供了决策参考。提供了决策参考。提供了决策参考。

【技术实现步骤摘要】
供应链安全分析方法及计算机可读存储介质


[0001]本专利技术涉及供应链领域，尤其涉及重点行业中供应链的安全风险监测及分析领域。

技术介绍

[0002]供应链安全一直以来是各国关注的重点方向，尤其是事关国计民生的重点行业供应链，其重要性不言而喻。供应链安全涉及行业的方方面面，一条完整的供应链涉及多方责任，生产商、供货商、集成商等，供应链上的产品(如元器件)更是复杂多样、五花八门。随着5G网络的发展，供应链向更加复杂精细化方向发展，涉及到的安全问题更加复杂。一旦供应链受到攻击或发生异常，后果不堪设想，尤其是重点行业的供应链安全，更是重中之重。因此，行业供应链，特别是重点行业供应链的安全已成为国家、行业发展的重要基础保障。
[0003]当前针对供应链安全风险的研究存在以下问题：风险研究的颗粒度较粗，较少触及供应链上较小的组成单元，如元器件；大多停留在行业内元器件自身或该行业链上的安全评估，缺乏供应链上元器件的跨行业协同能力分析，即针对同一类元器件应用到不同行业的情况，行业之间资源各自封闭，协同能力弱，对元器件整体安全的重要性没有很好的体现；在元器件替代的现行模式中，大多优先考虑的是本行业的元器件替代，忽略了其他行业具有相似功能、性能的或者更加优质的元器件替代，导致优质元器件难以流通。

技术实现思路

[0004]本专利技术提供了一种供应链安全分析方法及计算机可读存储介质，以解决上述技术问题的至少一个。
[0005]根据本专利技术的第一方面，提供一种供应链安全分析方法，该方法包括：
[0006]将多个元器件的参数分别编码量化成键值对，所述多个元器件是多个行业的供应链上的元器件，所述参数至少包括所述元器件在其供应链中所属的行业、所述元器件的元器件名称；
[0007]对所述多个元器件的键值对进行一次聚类，生成多个类簇；
[0008]针对所述多个类簇中的每个类簇进行二次聚类，从每个类簇生成多个子类簇；以及
[0009]针对每个子类簇，确定所述子类簇中具有相同元器件名称的元器件的行业占比，并根据所述行业占比确定所述具有相同元器件名称的元器件的供应链风险防控等级。
[0010]可选地，所述参数还包括所述元器件的产地、规格型号、供货商、供货商唯一性、性能中的至少一者。
[0011]可选地，所述一次聚类是基于K
‑
Means算法的聚类，且所述二次聚类是基于最大最小距离算法的聚类。
[0012]可选地，所述二次聚类包括：在通过所述一次聚类所生成的每个类簇中，按照最大最小距离算法原理，获得多个聚类中心，然后按照K
‑
Means算法，生成多个所述子类簇。
[0013]可选地，所述确定所述子类簇中具有相同元器件名称的元器件的行业占比，包括：
[0014]基于所述子类簇中的键值对，获得所述子类簇中行业的数目以及所述子类簇中具有相同元器件名称的元器件所对应的行业的数目，以及
[0015]计算所述子类簇中具有相同元器件名称的元器件所对应的行业的数目与所述子类簇中行业的数目之间的比值，根据所述比值确定所述元器件的供应链风险防控等级。
[0016]可选地，所述供应链安全分析方法还包括：根据元器件的供应链风险防控等级，确定该元器件的跨行业替代的可能性。
[0017]可选地，所述多个行业是预定的重点行业；并且在所述将多个元器件的参数分别编码量化成键值对的步骤之前，所述供应链安全分析方法还包括：
[0018]梳理所述重点行业，获得各所述重点行业的供应链上的元器件的参数。
[0019]根据本专利技术的第二方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，所述处理器执行前述供应链安全分析方法。
[0020]与现有技术相比，应用本专利技术的供应链安全分析方法，一方面解决了行业之间资源各自封闭，优质元器件不流通，行业协同能力差，供应链风险防控粒度较粗问题；另一方面，为跨行业元器件替代的可能性提供了决策参考。
附图说明
[0021]附图用来提供对本专利技术技术方案的进一步理解，并且构成说明书的一部分，与本专利技术的实施例和具体实例一起用于解释本专利技术的技术方案及原理，并不构成对本专利技术技术方案的限制，其中：
[0022]图1是根据本专利技术实施例的供应链安全分析方法的示意图；
[0023]图2是根据本专利技术的一个实例的基于K
‑
Means算法的重点行业聚类划分的流程图；
[0024]图3在接在图2的流程之后执行的基于最大最小距离(MMD)的二次聚类的流程图。
具体实施方式
[0025]为使本专利技术实施例的目的、技术方案和优点更加清楚，以下结合附图对本专利技术的实施例和具体实例进行详细说明。应当理解的是，此处所描述的实施例和具体实例仅用于说明和解释本专利技术，并不用于限制本专利技术。此外，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互任意组合。
[0026]图1为本专利技术实施例提供的一种供应链安全分析方法的流程图，如图1所示，该方法包括以下步骤：
[0027]S202：将多个元器件的参数分别编码量化成键值对。其中，所述多个元器件是多个行业的供应链上的元器件，所述参数至少包括所述元器件在其供应链中所属的行业、所述元器件的元器件名称。
[0028]S204：对所述多个元器件的键值对进行一次聚类，生成多个类簇。
[0029]S206：针对所述多个类簇中的每个类簇进行二次聚类，从每个类簇生成多个子类簇。
[0030]S208：针对每个子类簇，确定所述子类簇中具有相同元器件名称的元器件的行业占比，并根据所述行业占比确定所述具有相同元器件名称的元器件的供应链风险防控等
级。
[0031]在以上方法中，通过实施两步聚类，能够提高供应链上元器件风险评估的准确性及扩大可替代性的价值，通过根据子类簇中元器件的行业占比确定供应链风险防控等级，能够实现供应链上元器件的跨行业风险防控。由此，一方面解决了行业之间资源各自封闭，优质元器件不流通，行业协同能力差，供应链风险防控粒度较粗问题；另一方面，为跨行业元器件替代的可能性提供了决策参考。
[0032]在一个实施例中，所述参数还包括，但不限于：所述元器件的产地、型号、供货商、供货商唯一性、性能中的至少一者。这样，可以提高同一小类簇中元器件数据的相似程度，并进一步提高元器件风险评估的准确性。
[0033]在一个实施例中，所述一次聚类是基于K
‑
Means算法的聚类，也被称为K均值聚类；所述二次聚类是基于最大最小距离算法的聚类，也被称为MMD聚类。通过先进行K
‑
Means聚类，再进行MMD聚类，能够最准确地获得供应链风险防控等级，扩大可替代性的价值。
[0034]在一个实施例中，所述二次聚类，即基于最大最小距离算法的聚类，包括：在通过所述一次聚类所生成的每个类簇中，按照最大最小距离算法原理，获得多个聚类中心，然后按照K<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种供应链安全分析方法，其特征在于，所述供应链安全分析方法包括：将多个元器件的参数分别编码量化成键值对，所述多个元器件是多个行业的供应链上的元器件，所述参数至少包括所述元器件在其供应链中所属的行业、所述元器件的元器件名称；对所述多个元器件的键值对进行一次聚类，生成多个类簇；针对所述多个类簇中的每个类簇进行二次聚类，从每个类簇生成多个子类簇；以及针对每个子类簇，确定所述子类簇中具有相同元器件名称的元器件的行业占比，并根据所述行业占比确定所述具有相同元器件名称的元器件的供应链风险防控等级。2.根据权利要求1所述的供应链安全分析方法，其特征在于，所述参数还包括所述元器件的产地、规格型号、供货商、供货商唯一性、性能中的至少一者。3.根据权利要求1所述的供应链安全分析方法，其特征在于，所述一次聚类是基于K
‑
Means算法的聚类，所述二次聚类是基于最大最小距离算法的聚类。4.根据权利要求3所述的供应链安全分析方法，其特征在于，所述二次聚类包括：在通过所述一次聚类所生成的每个类簇中，按照最大最小距离算法原理，获得多个聚类中心，然后按照K
‑
Mean...

【专利技术属性】
技术研发人员：陆勰，徐雷，张曼君，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：