【技术实现步骤摘要】
一种药品数据的管理方法及装置
[0001]本专利技术属于数据管理
,具体涉及一种药品数据的管理方法及装置。
技术介绍
[0002]在大型医院以及药房中,会记录各种各样的药品信息以及各种病患的用药信息,这些药品信息以及用药信息组成了药品数据。在现有技术中,常常仅对药品数据进行存储,容易导致药品数据的泄露或者损失,而当药品数据泄露或者损失之后,需要重新录入药品数据或者对病患的隐私造成泄露,因此需要对药品数据进行有效地管理。
技术实现思路
[0003]本专利技术提供一种药品数据的管理方法及装置,用以解决现有药品数据管理方案容易泄露的问题。
[0004]一方面,本专利技术提供一种药品数据的管理方法,包括:
[0005]采集来自于其他设备传输的药品数据,同时采集网络流量特征,并采用预先训练完成的网络异常检测模型对该网络流量特征进行检测,确定网络异常检测结果,所述网络异常检测结果包括网络异常或者网络正常;
[0006]当网络异常检测结果为网络异常时,则将该药品数据删除,并拒绝该药品数据对应的其他设备的连接,生成该药品数据对应的异常反馈日志,结束药品数据的存储;
[0007]当网络异常检测结果为网络正常时,对药品数据进行预处理,得到预处理之后的药品数据,并将预处理之后的药品数据存储于分布式的服务器集群中,得到药品数据存储结果,完成药品数据的存储;
[0008]根据所述药品数据存储结果,建立药品数据的索引目录,并在建立药品数据的索引目录之后,获取来自于其他设备传输的药品数 ...
【技术保护点】
【技术特征摘要】
1.一种药品数据的管理方法,其特征在于,包括:采集来自于其他设备传输的药品数据,同时采集网络流量特征,并采用预先训练完成的网络异常检测模型对该网络流量特征进行检测,确定网络异常检测结果,所述网络异常检测结果包括网络异常或者网络正常;当网络异常检测结果为网络异常时,则将该药品数据删除,并拒绝该药品数据对应的其他设备的连接,生成该药品数据对应的异常反馈日志,结束药品数据的存储;当网络异常检测结果为网络正常时,对药品数据进行预处理,得到预处理之后的药品数据,并将预处理之后的药品数据存储于分布式的服务器集群中,得到药品数据存储结果,完成药品数据的存储;根据所述药品数据存储结果,建立药品数据的索引目录,并在建立药品数据的索引目录之后,获取来自于其他设备传输的药品数据获取请求;基于药品数据的索引目录,从服务器集群中提取并恢复药品数据获取请求所对应的目标药品数据,并将该目标药品数据反馈至其他设备,完成药品数据的全周期管理。2.根据权利要求1所述的药品数据的管理方法,其特征在于,采集来自于其他设备传输的药品数据之前,还包括:生成加密公钥以及加密公钥对应的加密私钥,并将加密公钥公开,以使其他设备获取加密公钥,并将加密公钥对应的加密私钥存储于本地的隔离存储区域中;接收其他设备发出的注册请求,根据注册请求为其他设备生成身份证明,并将身份证明反馈至对应的其他设备中。3.根据权利要求2所述的药品数据的管理方法,其特征在于,采集来自于其他设备传输的药品数据,包括:接收其他设备传输的接入请求,所述接入请求包括其他设备对应的身份证明信息;对其他设备的身份证明信息进行验证,得到身份验证结果,所述身份验证结果包括身份验证成功以及身份验证失败;当身份验证失败时,则拒绝其他设备的接入,并将对应的其他设备加入黑名单中;当身份验证成功时,则允许其他设备的接入,并接收其他设备传输的药品数据,所述药品数据由其他设备采用加密公钥进行加密;从隔离存储区域中取出加密公钥对应的加密私钥,并采用加密私钥对药品数据进行解密,完成药品数据的采集。4.根据权利要求1所述的药品数据的管理方法,其特征在于,预先训练完成的网络异常检测模型的获取方法包括:A1、构建顺次连接的输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、第一全连接层、第二全连接层、第三全连接层以及softmax输出层,得到网络异常检测模型;A2、初始化网络异常检测模型对应的第一迭代次数上限T1、第二迭代次数上限T2、第一计数器t1=1以及第二计数器t2=1,随机生成网络异常检测模型的网络参数向量多次,得到网络参数种群;A3、对网络参数种群中每个网络参数向量均进行初始更新,得到初始更新后的网络参数种群;A4、获取初始更新后的网络参数种群中每个网络参数向量的适应度值,确定每个网络
参数向量的历史最优值;A5、判断第一计数器t1的计数值是否大于预先设定的第一次数阈值,若是,则进入步骤A6,否则确定网络参数向量的历史最优值所对应的个体浓度,并根据个体浓度对网络参数向量的历史最优值进行变异更新,令第一计数器t1的计数值加一,并重复步骤A5;A6、将步骤A5中变异更新后的网络参数向量对应的历史最优值作为新的网络参数向量;A7、对新的网络参数向量进行二次更新,并以固定的概率接受新解,得到二次更新后的网络参数种群;A8、获取二次更新后的网络参数种群中每个网络参数向量的适应度值,确定当前网络参数种群对应的全局最优值;A9、判断当前网络参数种群对应的全局最优值所对应的适应度值是否大于设定的适应度阈值,若是,则将全局最优值作为网络异常检测模型最终的网络参数,得到训练完成的网络异常检测模型,否则进入步骤A10;A10、判断第二计数器t2的计数值是否大于预先设定的第一次数阈值,若是,则将当前网络参数种群对应的全局最优值作为最终的网络参数向量,否则,令第二计数器t2的计数值加一,并返回步骤A7。5.根据权利要求4所述的药品数据的管理方法,其特征在于,对网络参数种群中每个网络参数向量均进行初始更新,得到初始更新后的网络参数种群,包括:络参数向量均进行初始更新,得到初始更新后的网络参数种群,包括:R=(R
min
+R
max
t1/T1)(1+p(r
‑
1))其中,表示第t1次更新时网络参数种群中的第i个网络参数向量,V
it1
表示网络参数向量对应的增量,V
it1
‑1表示第t1
‑
1次更新时的增量,R表示第一中间参数,r表示[0,1]之间的随机数,X
g
表示网络参数种群中适应度值最大的网络参数向量,表示第t1
‑
1次更新时网络参数种群中的第i个网络参数向量,R
min
表示第一中间参数对应的下限阈值,R
max
...
【专利技术属性】
技术研发人员:唐红军,谭诚,程锐,
申请(专利权)人:成都与梦同行科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。