基于大数据分析的制造技术

技术编号：39657958 阅读：10 留言：0更新日期：2023-12-09 11:26

本发明专利技术公开了基于大数据分析的

全部详细技术资料下载

【技术实现步骤摘要】
基于大数据分析的CRC联网管理方法及系统

[0001]本专利技术属于数据处理
，具体是基于大数据分析的
CRC
联网管理方法及系统
。

技术介绍

[0002]CRC
联网管理是一种利用信息技术手段，通过建立一个联网系统，成立
CRC
系统性专业知识在线培训体系，提高研究团队
、SMO、CRO、
申办方对
CRC
的管理水平，提高临床研究的效率
、
质量和互动交流，打造
CRC
专业平台
。
但是现有的
CRC
联网管理，存在
CRC
培训不成体系，
CRC
人员管理杂乱，难以及时
、
有效的进行管理的技术问题；存在系统安全措施不完善，导致
CRC
人员的信息泄露，从而危及临床试验的安全性的技术问题；存在研究团队
、SMO、CRO、
申办方在该平台上进行
CRC
工作内容的综合管理，难以权衡各自的工作目标，无法进行多目标优化，导致系统工作效率不高的技术问题
。

技术实现思路

[0003]针对上述情况，为克服现有技术的缺陷，本专利技术提供了基于大数据分析的
CRC
联网管理方法及系统，针对存在
CRC
培训不成体系，
CRC
人员管理杂乱，难以及时
、
有效的进行管理的技术问题，采用信息化管理...

【技术保护点】

【技术特征摘要】
1.
基于大数据分析的
CRC
联网管理方法，其特征在于：该方法包括以下步骤：步骤
S1
：
CRC
人员信息采集，具体为采集
CRC
人员的个人信息；步骤
S2
：
CRC
任务调度，具体为对
CRC
任务进行分析
、
安排
、
跟踪和复盘；步骤
S3
：
CRC
联网管理模型，具体为采用信息化管理手段，在
CRC
联网管理模型上进行
CRC
工作内容综合管理；步骤
S4
：
CRC
联网管理模型信息存储，具体为进行数据分层存储，将量子加密应用于敏感数据加密，采用去中心化数据存储，将数据分散在多个节点，通过
AWS
进行用户入侵检测；步骤
S5
：
CRC
联网管理模型优化，具体为采用改进的粗粒度遗传算法，将目标值进行归一化和加权求和，并进行多目标优化和惩罚因子演化，得到最优
CRC
联网管理模型
。2.
根据权利要求1所述的基于大数据分析的
CRC
联网管理方法，其特征在于：在步骤
S4
中，所述
CRC
联网管理模型信息存储，包括以下步骤：步骤
S41
：数据分层存储，去中心化身份认证收到用户的数据存储请求后，根据用户的需求，将数据分为常用
、
重要和敏感三个级别进行分层存储，不同级别的数据采用不同的加密方式进行存储，常用数据仅对数据摘要进行加密，内容以明文形式进行传输，重要数据采用对称加密算法进行随机加密，敏感数据采用量子加密进行完全加密；步骤
S42
：去中心化数据存储，通过区块链技术实现去中心化数据存储，每个云服务提供商作为区块中的节点，通过随机数选举机制获得数据存储权，一个完整的数据被随机分成不同的数据碎片，每个不同的数据碎片被存储在不同的节点，每个节点都会生成一个区块，区块头记录前一个区块的哈希值
、
时间戳和随机数，区块体记录存储数据的哈希值
、
数据存储地址
、
数据备份地址
、
节点信息和可搜索的加密索引，每个区块中都记录了云服务器的身份信息，使云服务器获得访问权限；步骤
S43
：计算块映射，去中心化数据存储的数据云中心负责数据分区和记录块映射，去中心化数据存储对块映射进行加密，同时去中心化数据存储对整个文件数据进行哈希运算，保存对应的哈希值，下次从数据存储云端获取数据时，重新计算哈希值，如果哈希值相同，则说明数据完整；如果哈希值不同，则说明数据受到攻击，计算块映射，所用公式如下：；式中，
Q
是块映射，
Data
是存储的数据，
P
是实际存储的节点，
n
是实际存储的总节点数量，
A
是存储介质，
f、s
和
t
分别是对应实际存储的节点的存储介质的数量；步骤
S44
：计算数据被完全攻击概率，不同云服务商存储的数据是随机的，计算数据被完全攻击的概率，所用公式如下：；式中，
ρ
是数据被完全攻击的概率，
m
是选择的云服务器提供商，
M
是云服务器提供商总数，
N
是数据被去中心化身份认证分成的副本数量，
!
是数学阶乘符号；步骤
S45
：进行用户入侵检测，当去中心化身份认证收到用户的服务请求时，
AWS
通过分析用户身份
、
用户权限
、
上次登录时间
、
当前状态
、
登录位置和登录
IP
检测是否为非法用户，如果是非法用户，将相关用户信息添加到威胁更新表；否则，接受用户的请求并为用户提供服务
。3.
根据权利要求1所述的基于大数据分析的
CRC
联网管理方法，其特征在于：在步骤
S5
中，所述
CRC
联网管理模型优化，包括以下步骤：步骤
S51
：将目标值进行归一化，采用改进的粗粒度遗传算法，定义目标
k
的最大值表示为
maxf
k
，最小值表示为
minf
k
，归一化区间为
[a
，
b]
，计算归一化函数，所用公式如下：；式中，
φ
k
（
X
）是归一化函数，
a
，
b
是归一化区间的上限和下限，
X
是自变量参数，
f
k
（
X
）是目标函数值，
k
表示目标，
k=1
，2，
……
，
r
；步骤
S52
：加权求和，多目标函数的每个目标乘以一个系数
w
，
w∈[0
，
1]
，所有系数之和为1，所用公式如下：；式中，
w
k
是对应目标函数的系数，
r
是目标
k
的总数；步骤
S53
：计算优化后
CRC
联网管理模型，将所有带系数的目标函数相加，得到单目标函数，改进的单目标优化问题的最优点是非劣最优前端点，计算优化后
CRC
联网管理模型，所用公式如下：；式中，
F
（
X
）是单目标函数，
Minimize
指在优化问题中找到单目标函数的最小值的过程；步骤
S54
：惩罚因子演化，使用惩罚因子的下界和惩罚因子的当前值，根据变化范围创建一个小的浮动，进行随机突变完成...

【专利技术属性】
技术研发人员：陈筱，
申请(专利权)人：北京中兴正远科技有限公司，
类型：发明
国别省市：

全部详细技术资料下载我是这个专利的主人