航海数据的处理方法、系统、可读存储介质及计算机设备

技术领域

本发明涉及数据处理领域，特别是涉及一种航海数据的处理方法、系统、可读存储介质及计算机设备。

背景技术

航运为过水路运输和空中运输等方式来运送人或货物，其成本较为低廉，且水路运输每次航程能运送大量货物，而空运和陆运每次的负载数量则相对较少。因此在国际贸易上，水路运输是较为普遍的运送方式。

随着航运业在信息化、数字化、智能化的发展，对数据存储已经十分便捷和高效。在船舶在航运和工作过程中，可以通过传感器实时获取航海船舶数据。为了保障船舶的安全且高效的航行，需要对采集的航海数据进行制作、传送、存储等处理。这些航海数据很多涉及到船舶自身安全，以及海洋安全，数据较为重要，若数据被伪造或篡改影响船舶或海洋安全。因此单纯的数据处理和存储已经远远不满足当前对信息安全要求。

发明内容

鉴于上述状况，有必要提供一种航海数据的处理方法、系统、可读存储介质及计算机设备，以实现重要数据的安全存储。

本发明公开了一种航海数据的处理方法，包括：

获取航海数据，并将所述航海数据进行降噪处理后提取目标数据；

通过神经网络模型对所述目标数据进行分析，并根据模型分析结果判断所述目标数据是否达到安全存储等级；

若是，将所述目标数据存储在区块链系统的本地节点中。

进一步的，上述航海数据的处理方法，其中，所述将所述目标数据存储在区块链系统的本地节点中的步骤之前还包括：

判断所述本地节点的存储空间是否大于或等于所述目标数据的存储容量；

若是，执行将所述目标数据存储在区块链系统的本地节点中的步骤；

若否，将所述目标数据存储在区块链系统的虚拟集群的各个子节点中。

进一步的，上述航海数据的处理方法，其中，所述将所述目标数据存储在区块链系统的虚拟集群的各个子节点中的步骤包括：

判断所述虚拟集群的可用存储空间是否大于或等于所述目标数据的存储容量；

若是，将所述目标数据存储在区块链系统的虚拟集群的各个子节点中；

若否，增加所述虚拟集群中子节点的数量，使得所述虚拟集群的可用存储空间大于或等于所述目标数据的存储容量，并将所述目标数据存储至所述虚拟集群的各个子节点中。

进一步的，上述航海数据的处理方法，其中，所述提取目标数据的步骤包括：

获取当前数据存储指标，并根据当前数据存储指标提取所述航海数据中的目标数据。

进一步的，上述航海数据的处理方法，其中，所述通过神经网络模型对所述目标数据进行分析的步骤之前还包括：

获取历史航海数据，以作为训练样本数据；

将所述训练样本数据输入至神经网络模型中，并获取所述神经网络模型的输出结果，所述输出结果为达到安全存储等级的概率；

将所述神经网络模型的输出结果和所述训练样本数据对应的标签数据输入到标准损失函数中进行损失值计算；

当计算出的损失值大于阈值时，根据所述损失值对所述神经网络模型的参数进行优化。

本发明还公开了一种航海数据的处理系统，包括：

数据提取模块，用于获取航海数据，并将所述航海数据进行降噪处理后提取目标数据；

判断模块，用于通过神经网络模型对所述目标数据进行分析，并根据模型分析结果判断所述目标数据是否达到安全存储等级；

存储模块，用于当所述目标数据达到安全存储等级时，将所述目标数据存储在区块链系统的本地节点中。

进一步的，上述航海数据的处理系统，还包括：

第一判断模块，用于判断所述本地节点的存储空间是否大于或等于所述目标数据的存储容量；若是，所述存储模块执行将所述目标数据存储在区块链系统的本地节点中的步骤；若否，所述存储模块将所述目标数据存储在区块链系统的虚拟集群的各个子节点中。

进一步的，上述航海数据的处理系统，还包括模型训练模块，所述模型训练模块用于：

获取历史航海数据，以作为训练样本数据；

将所述训练样本数据输入至神经网络模型中，并获取所述神经网络模型的输出结果，所述输出结果为达到安全存储等级的概率；

将所述神经网络模型的输出结果和所述训练样本数据对应的标签数据输入到标准损失函数中进行损失值计算；

当计算出的损失值大于阈值时，根据所述损失值对所述神经网络模型的参数进行优化。

本发明还公开了一种计算机设备，包括存储器和处理器，所述存储器存储有程序，所述程序被所述处理器执行时实现上述任一所述的方法。

本发明还公开了一种计算机可读存储介质，其上存储有程序，所述程序被处理器执行时实现上述任一所述的方法。

本发明通过对航海数据进行降噪和目标数据提取，降低干扰，提高数据有效性。并且，将提取的目标数据进行模型分析，以确定其是否满足安全存储的需求，若是，则将该目标数据存储在区块链系统中。通过该方法对数据进行区分，将重要的数据通过区块链进行存储，可以保证数据存储的可靠性。

附图说明

图1为本发明第一实施例提供的航海数据的处理方法的流程图；

图2为本发明第二实施例提供的航海数据的处理方法的流程图；

图3为本发明第三实施例提供的航海数据的处理系统的结构框图；

图4为本发明实施例中计算机设备的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

参照下面的描述和附图，将清楚本发明的实施例的这些和其他方面。在这些描述和附图中，具体公开了本发明的实施例中的一些特定实施方式，来表示实施本发明的实施例的原理的一些方式，但是应当理解，本发明的实施例的范围不受此限制。相反，本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。

请参阅图1，为本发明第一实施例中的航海数据的处理方法，包括步骤S11～S13。

步骤S11，获取航海数据，并将所述航海数据进行降噪处理后提取目标数据。

该航海数据包括船舶的数据和/或海洋数据，该船舶数据例如为位置数据，该海洋数据包括但不限于水文、地质、生物、化学、气象等数据。

航海数据大多是通过传感器来采集，传感器采集的数据具有一定的噪声数据，这些噪声数据影响数据质量，同时对数据传输产生一定的干扰。因此需要对采集的航海数据进行相应的处理，降低噪声以及一些无用成分对数据质量的干扰。具体实施时，可以采用小波分析对航海数据进行去噪。

对降噪后的航海数据进行关键数据提取，以获取目标数据。具体的，提取目标数据的步骤包括：

获取当前数据存储指标，并根据当前数据存储指标提取所述航海数据中的目标数据。

该存储指标用于区分需要进行安全存储的航海数据，该存储指标例如为区域指标和/或时间指标等。该区域指标标识海上的固定区域，即提取航海数据中指定区域的数据。该时间指标为有具体的时间点或时间段，即提取航海数据中指定时间或时间段的数据。

步骤S12，通过神经网络模型对所述目标数据进行分析，并根据模型分析结果判断所述目标数据是否达到安全存储等级。

该神经网络模型可以采用DensetNet网络模型，该网络模型是一种具有紧密连接性质的卷积神经网络，该神经网络中的任何两层都有直接连接，即网络中每一层的输入都是前面所有层输出的并集，而这一层学习到的特征也会被直接传递到后面的所有层作为输入。将提取的目标数据输入至神经网络模型中，该网络模型输出预测概率，即该目标数据达到安全存储等级的概率。根据模型输出的结果判断该目标数据是否达到安全存储等级。

可以理解的，该神经网络模型是预先经过训练的，使得该模型的输出结果的准确率达到要求。该神经网络模型进行训练的步骤包括：

获取历史航海数据，以作为训练样本数据；

将所述训练样本数据输入至神经网络模型中，并获取所述神经网络模型的输出结果，所述输出结果为达到安全存储等级的概率；

将所述神经网络模型的输出结果和所述训练样本数据对应的标签数据输入到标准损失函数中进行损失值计算；

当计算出的损失值大于阈值时，根据所述损失值对所述神经网络模型的参数进行优化。

该目标函数可以为交叉熵函数，其公式为-log(P

步骤S13，若是，将所述目标数据存储在区块链系统的本地节点中。

按照国内外数据共享发展趋势，需要深入推动海洋政务信息开放共享和海洋科学数据交换共享等层次的数据开放共享，实现军队、涉海部门、沿海省市(自治区、直辖市)和相关企业数据平台之间的互联互通。本申请中提供了一种更为安全的数据共享方式，即通过区块链技术进行数据存储，保证数据访问安全性，防止数据伪造、篡改等。

当该该目标数据达到安全存储等级时，将该目标数据存储在区块链系统的本地节点中，以提高数据存储的安全性。

本实施例中，通过对航海数据进行降噪和目标数据提取，降低干扰，提高数据有效性。将提取的目标数据进行模型分析，以确定其是否满足安全存储的需求，若是，则将该目标数据存储在区块链系统中。通过该方法对数据进行区分，将重要的数据通过区块链进行存储，可以保证数据存储的可靠性。

请参阅图2，为本发明第二实施例中的航海数据的处理方法，包括步骤S21～S27：

步骤S21获取航海数据，并将所述航海数据进行降噪处理后提取目标数据；

步骤S22，通过神经网络模型对所述目标数据进行分析，并根据模型分析结果判断所述目标数据是否达到安全存储等级，若是，执行步骤S23。

步骤S23，判断所述本地节点的存储空间是否大于或等于所述目标数据的存储容量，若是，执行步骤S24，若否执行步骤S25。

步骤S24，将所述目标数据存储在区块链系统的本地节点中。

步骤S25，判断所述虚拟集群的可用存储空间是否大于或等于所述目标数据的存储容量，若是，执行步骤S26，若否，则执行步骤S27。

步骤S26，将所述目标数据存储在区块链系统的虚拟集群的各个子节点中。

步骤S27增加所述虚拟集群中子节点的数量，使得所述虚拟集群的可用存储空间大于或等于所述目标数据的存储容量，并将所述目标数据存储至所述虚拟集群的各个子节点中。

区块链系统优先将该目标数据存储在本地节点中，当本地节点的存储空间不够时，将该目标数据存储在虚拟集群的子节点中。该虚拟集群的子节点可以设置多个，且其数量可以扩展。当虚拟集群的存储空间是否大于或等于该目标数据的存储容量则将目标数据存储在子节点中，若虚拟集群的存储空间不够，则增加子节点的数量，使得虚拟集群的可用空间大于或等于目标数据的存储容量后，将该目标数据存储在该虚拟集群的子节点中。通过虚拟集群的设置，数据存储灵活性更高，提高数据存储效率。

请参阅图3，为本发明第三实施例中的航海数据的处理系统，包括：

数据提取模块31，用于获取航海数据，并将所述航海数据进行降噪处理后提取目标数据；

判断模块32，用于通过神经网络模型对所述目标数据进行分析，并根据模型分析结果判断所述目标数据是否达到安全存储等级；

存储模块33，用于当所述目标数据达到安全存储等级时，将所述目标数据存储在区块链系统的本地节点中。

进一步的，上述航海数据的处理系统，还包括：

第一判断模块，用于判断所述本地节点的存储空间是否大于或等于所述目标数据的存储容量；若是，所述存储模块执行将所述目标数据存储在区块链系统的本地节点中的步骤；若否，所述存储模块将所述目标数据存储在区块链系统的虚拟集群的各个子节点中。

进一步的，上述航海数据的处理系统，还包括模型训练模块，所述模型训练模块用于：

获取历史航海数据，以作为训练样本数据；

将所述训练样本数据输入至神经网络模型中，并获取所述神经网络模型的输出结果，所述输出结果为达到安全存储等级的概率；

将所述神经网络模型的输出结果和所述训练样本数据对应的标签数据输入到标准损失函数中进行损失值计算；

当计算出的损失值大于阈值时，根据所述损失值对所述神经网络模型的参数进行优化。

本发明实施例所提供的航海数据的处理系统，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。

本发明另一方面还提出一种计算机设备，请参阅图4，所示为本发明实施例当中的计算机设备，包括处理器10、存储器20以及存储在存储器上并可在处理器上运行的计算机程序30，所述处理器10执行所述计算机程序30时实现如上述的航海数据的处理方法。

其中，所述计算机设备可以为但不限于个人电脑、手机等计算机设备。处理器10在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器20中存储的程序代码或处理数据等。

其中，存储器20至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器20在一些实施例中可以是计算机设备的内部存储单元，例如该计算机设备的硬盘。存储器20在另一些实施例中也可以是计算机设备的外部存储装置，例如计算机设备上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器20还可以既包括计算机设备的内部存储单元也包括外部存储装置。存储器20不仅可以用于存储安装于计算机设备的应用软件及各类数据等，还可以用于暂时地存储已经输出或者将要输出的数据。

可选地，该计算机设备还可以包括用户接口、网络接口、通信总线等，用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard)，可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在计算机设备中处理的信息以及用于显示可视化的用户界面。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)，通常用于在该装置与其他电子装置之间建立通信连接。通信总线用于实现这些组件之间的连接通信。

需要指出的是，图4示出的结构并不构成对计算机设备的限定，在其它实施例当中，该计算机设备可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

本发明还提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述的航海数据的处理方法。

本领域技术人员可以理解，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置中获取指令并执行指令的系统)使用，或结合这些指令执行系统、装置而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或结合这些指令执行系统、装置而使用的设备。

计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或它们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。