基于自学习与数据保护在线娱乐的发热伴呼吸道症候群的

作者:admin | 分类:资讯 | 浏览:64 | 评论:

基于自学习与数据保护的发热伴呼吸道症候群的监测系统的制作方法


基于学习数据保护的发热伴呼吸道症候群的监测系统
1.技术领域
2.本发明属于人工智能技术领域,具体涉及基于学习数据保护的发热伴呼吸道症候群的监测系统。
3.

背景技术:

4.中国专利文献申请公布号cn108511072a公开了一种结合区域环境监测的健康管理系统,包括社区/村镇环境评估中心监测端、社区/村镇卫生服务中心监测端和疾病预防控制中心终端,所述社区/村镇环境评估中心监测端、社区/村镇卫生服务中心监测端和疾病预防控制中心终端均通过无线传输装置与医院健康评估终端双向相连,所述医院健康评估终端输出连接卫生管理部门终端。本发明设有社区/村镇卫生服务中心监测端,掌握居民身体生理特征参数,在居民发生疾病时根据环境评估指数方便医院健康评估终端做出处置措施或临时急救建议。中国专利文献申请公布号cn113362959a公开了一种区域疫情防控用突发呼吸道传染病风险预测模型,包括如下步骤:s1:原始数据;s2:数据治理;s3:知识库建立;s4:决策层融合;s5:风险预测模型建立,采用基于多元异构数据的方式实现了对数据的融合处理,并采用加密算法实现对数据的传输,通过基于知识图谱技术实现了对数据的解析,并根据解析结果通过风险预测模型实现了对风险的预测。
5.但上述专利申请文件均没有将疑似患者的流行病学史因素作为进行预警判断的重要因素之一,在社区端即构建预警系统,风险预警迁移。
6.针对上述技术问题,本发明提供了基于自学习与数据保护的发热伴呼吸道症候群的监测系统。
7.

技术实现要素:

8.为实现本发明目的,本发明采用如下技术方案:根据本发明的一个方面,提供了基于自学习与数据保护的发热伴呼吸道症候群的监测系统。
9.基于自学习与数据保护的发热伴呼吸道症候群的监测系统,其特征在于,具体包括:个体监测预警子系统,辅助诊断决策支持子系统,群体监测预警子系统;所述个体监测预警子系统接收社区传送的患者的症状信息、患者的流行病学史、社区医院传送的就诊信息,进行初步诊断,确定患者的疾病类型,将反馈建议发送至社区及社区医院,当存在疑似发热伴呼吸道症候的疾病类型时,需要将反馈建议和预警信息发送至社区及社区医院,并将社区患者信息传送到所述群体监测预警子系统;所述辅助诊断决策支持子系统,用于接收就诊患者的基本信息,接收his系统和/
或pacs系统的辅助诊断信息,将经校正的诊断信息发回到his系统和/或pacs系统,并将医院患者信息传送到所述群体监测预警子系统;所述群体监测预警子系统,用于接收医院患者信息以及社区患者信息,进行数据分析得到分析结果,并根据所述分析结果得出预警信息,并响应于信息查询请求发送预警信息和/或数据统计分析结果。
10.通过设置个体监测预警子系统,通过基于社区和社区医院传送的包括患者的流行病学史和诊断信息的信息,并根据传输得到的数据进行初步诊断,当系统诊断结果确定此时疑似发生了当存在疑似发热伴呼吸道症候的疾病类型时,需要将反馈建议和预警信息发送至社区及社区医院,并将社区患者信息传送到所述群体监测预警子系统,从而实现了将疑似患者的流行病学史作为进行预警判断的重要因素之一,在社区端即构建预警系统,风险预警迁移,解决了原有的技术问题;同时通过设置辅助诊断决策支持子系统,基于患者的基本信息和来自his系统和/或pacs系统的辅助诊断信息包括图像或者其他检验结果,实现对患者的病症的准确判断得到经校正的诊断信息,并所述经校正的诊断信息传输给群体监测预警子系统;群体监测预警子系统通过上面两方面信息的分析,对进行数据分析得到分析结果,并根据所述分析结果得出预警信息,并响应于信息查询请求发送预警信息和/或数据统计分析结果。
11.通过设置个体监测预警子系统,通过对社区传输的包括患者的流行病学史和诊断信息的信息,进行诊断,并在当出现疑似发热伴呼吸道症候的疾病类型时,发出预警信息,从而解决了原先未能与患者的流行病史相结合,不能在社区段即可以准确的发出诊断信息的问题,从而使得预警前移,使得扩散风险降到最低,进一步提升了疫情防控的效率;通过所述辅助诊断决策支持子系统,通过对就诊患者的基本信息以及接收his系统和/或pacs系统的辅助诊断信息,将经校正的诊断信息发回到his系统和/或pacs系统,从而实现了对诊断信息的精准化,使得对疾病的诊断结果不再依赖于医生的经验,进而提升了疾病诊断的效率;设置群体监测预警子系统,通过对医院患者信息以及社区患者信息的分析,从而根据分析结果实现了群体的预警,实现了对疫情扩展的进一步监控,尽可能将疫情风险在最短的时间得到抑制。
12.进一步的技术方案在于,所述患者的症状信息包括个体的身份信息、个体的基础疾病,个体的疾病症状、个体是否为隔离人员和或健康观测人员。
13.通过对个体的身份信息、个体的基础疾病,个体的疾病症状、个体是否为隔离人员和或健康观测人员,从而不仅仅依赖其个体的疾病症状进行对患者进行诊断,可以使得对患者的诊断结果变得更加准确,而且结合个体是否为隔离人员和/或健康观测人员,当发现同样的疾病症状时,若为隔离人员和或健康观测人员,其可能性更大,发出预警信息,使得将疫情外泄的风险尽可能缩小到最小。
14.进一步的技术方案在于,所述个体监测预警子系统中的初步判断采用基于知识图谱技术,建立发热伴呼吸道症候群知识库及识别模型,根据疾病类型,输出反馈建议以及预警信息,并根据专家团队经验,对所述知识库及识别模型进行更新。
15.通过采用知识图谱技术,从而建立了发热伴呼吸道症候群知识库及识别模型,其输入是所述的患者的症状信息、患者的流行病学史、社区医院传送的就诊信息,基于知识图谱技术,对所述症状信息、流行病学史、所述就诊信息进行语义解析得到解析结果,并根据
所述解析结果形成行为图谱,建立发热伴呼吸道症候群知识库及识别模型,对所述行为图谱进行识别,确定疾病类型,使得症状的判断精度进一步提高,根据具体情况输出相应的告警信息;通过采用专家团队经验,对所述知识库及识别模型进行更新,使得诊断模型和数据库能够根据疫情的变化进行相应的变化,从而使得其变得更加的准确。
16.进一步的技术方案在于,所述就诊患者的基本信息包括基础信息、基础疾病、流行病学史、症状、生命体征。
17.进一步的技术方案在于,所述辅助诊断信息包括外院就诊数据、检验数据、影像数据。
18.进一步的技术方案在于,所述经校正的诊断信息采用的方法为基于多模态学习和深度学习的预测模型进行预测。
19.采用多模态学习方法,将输入的影像图像及医疗文本信息,分别提取特征生成多模态向量,根据多模态向量,并基于深度学习算法的预测模型,得到经校正过的诊断信息,从而实现了对多种信息的融合处理,考虑多重因素,将多模态向量送入到基于深度学习算法的预测模型中,进一步提升了预测模型的精度。
20.进一步的技术方案在于,获得所述经校正的诊断信息的具体步骤为:s11 根据所述就诊患者的基本信息,确定疾病初步诊断结果,并基于所述疾病初步诊断结果推荐检查手段;s12 基于所述检查手段得到检查结果,并根据所述检查结果对患者感染类别进行判断,所述患者感染类别包括病毒感染和支原体感染,得到患者感染类别结果;s13 根据所述患者感染类别结果,基于深度学习算法构建的预测模型预测得到病毒感染类别结果,并推荐进行病原学检测;s14 根据所述病原学检测结果,确定患者的所述经矫正的诊断信息。
21.进一步的技术方案在于,所述深度学习算法采用基于联邦学习算法。
22.采用联邦学习算法,可以将不同医院分为不同的子系统,通过不同的子系统自身的数据,训练得到自身的预测模型,根据不同医院的预测模型,并按照不同医院的重要程度以及学科实力的差别,确定其预测模型的权值,其中学科实力越强,其权值越高,重要程度越高,其权值越高,从而最终得到一个完整的基于联邦学习算法的预测模型,使得此时的预测所依赖的模型不仅仅依靠自身的医院数据,而是依赖所有接入到该系统的医院数据,当病毒发生突变或者其他变化时,该种类型的患者只存在个别医院,其他无相似病例的医院依靠基于联邦学习算法的预测模型,同样可以实现较好的预测精度。
23.进一步的技术方案在于,所述群体监测预警子系统结合个体监测结果和时间、空间信息,基于时空分析技术,实现群体传播预测和预警。
24.根据患者信息,结合个体监测结果和时间、空间信息,基于时空分析技术即为根据疾病发生的人群、时间和地点,在个体监测的基础上,基于时序分析和空间聚类实现群体监测预警:根据个体的疾病预测结果,通过时序分析、空间聚类技术实现同一或多个社区多户居民、同一或多个医院多例患者的群体监测,从而将单独的病例转换为群体的预测和预警,可以在短时间内切断疫情传播,使得传播范围和时间都大大减小。
25.进一步的技术方案在于,将所述医院患者信息和社区患者信息传输至所述群体监测预警子系统的具体步骤为:
s1将患者信息中进行去标识化,将经所述去标识化后的患者信息进行编码,形成编码后的字符串;s2 对编码后的字符串进行aes+base64双重加密,生成加密字符串;s3 基于https协议将所述加密字符串传输至所述群体监测预警子系统,由所述群体监测预警子系统进行解码,编码得到解密后的信息。
26.附图说明
27.通过参照附图详细描述其示例实施方式,本发明的上述和其它特征及优点将变得更加明显。
28.图1是根据实施例1中基于自学习与数据保护的发热伴呼吸道症候群的监测系统的框架图。
29.图2是获得经校正的诊断信息的具体步骤的流程图。
30.图3是将所述医院患者信息和社区患者信息传输至所述群体监测预警子系统的具体步骤的流程图。
31.具体实施方式
32.现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的实施方式;相反,提供这些实施方式使得本发明将全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。图中相同的附图标记表示相同或类似的结构,因而将省略它们的详细描述。
33.用语“一个”、“一”、“该”、“所述”用以表示存在一个或多个要素/组成部分/等;用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等。
34.实施例1如图1所示,根据本发明的一个方面,提供了基于自学习与数据保护的发热伴呼吸道症候群的监测系统。
35.基于自学习与数据保护的发热伴呼吸道症候群的监测系统,其特征在于,具体包括:个体监测预警子系统,辅助诊断决策支持子系统,群体监测预警子系统;所述个体监测预警子系统接收社区传送的患者的症状信息、患者的流行病学史、社区医院传送的就诊信息,进行初步诊断,确定患者的疾病类型,将反馈建议发送至社区及社区医院,当存在疑似发热伴呼吸道症候的疾病类型时,需要将反馈建议和预警信息发送至社区及社区医院,并将社区患者信息传送到所述群体监测预警子系统;患者的流行病学史是诊断新型冠状病毒感染或疑似感染的一个重要条件,新型冠状病毒流行病学史有四个要点:在发病前14天,有接触过来自疫区的发热病人,或者有呼吸道症状的病人;在发病前14天接触过新型冠状病毒性肺炎的病人;3.发病前14天有在疫区生活或居住的历史;4.发病前14天接触过聚集性发病的病人;反馈建议可以为治疗建议、居
家休息、就医三种;预警信息为存在疑似病例,高度疑似病例,若仅仅存在疑似症状,预警信息为存在疑似病例,若在疑似症状的同时,其流行病学史存在异常,进行高度疑似病例报警,对于不同的病例进行不同的管理策略,对于存在疑似病例进行居家观测,进行上门检测,对于高度疑似病例,立即进行转运。
36.所述辅助诊断决策支持子系统,用于接收就诊患者的基本信息,接收his系统和/或pacs系统的辅助诊断信息,将经校正的诊断信息发回到his系统和/或pacs系统,并将医院患者信息传送到所述群体监测预警子系统;his系统,即hospitalinformationsystem,利用计算机软硬件技术,网络通讯技术等现代化手段,对医院及其所属各部的人流、物流、财流进行综合管理的一款软件。his系统对在医疗活动各阶段中产生的数据进行采集、存贮、处理、提取、传输、汇总、加工生产各种信息,从而为医院的整体运行提供全面的、自动化的管理及各类服务的信息系统。
37.pacs系统是picture archiving and communication system的缩写,意为影像归档和通信系统。它是应用在医院影像科室的系统,主要的任务就是把日常产生的各种医学影像(包括核磁,ct,超声,各种x光机,各种红外仪、显微仪等设备产生的图像)通过各种接口(模拟,dicom,网络)以数字化的方式海量保存起来,当需要的时候在一定的授权下能够很快的调回使用,同时增加一些辅助诊断管理功能。它在各种影像设备间传输数据和组织存储数据具有重要作用。
38.所述群体监测预警子系统,用于接收医院患者信息以及社区患者信息,进行数据分析得到分析结果,并根据所述分析结果得出预警信息,并响应于信息查询请求发送预警信息和/或数据统计分析结果。
39.通过设置个体监测预警子系统,通过基于社区和社区医院传送的包括患者的流行病学史和诊断信息的信息,并根据传输得到的数据进行初步诊断,当系统诊断结果确定此时疑似发生了当存在疑似发热伴呼吸道症候的疾病类型时,需要将反馈建议和预警信息发送至社区及社区医院,并将社区患者信息传送到所述群体监测预警子系统,从而实现了将疑似患者的流行病学史作为进行预警判断的重要因素之一,在社区端即构建预警系统,风险预警迁移,解决了原有的技术问题;同时通过设置辅助诊断决策支持子系统,基于患者的基本信息和来自his系统和/或pacs系统的辅助诊断信息包括图像或者其他检验结果,实现对患者的病症的准确判断得到经校正的诊断信息,并所述经校正的诊断信息传输给群体监测预警子系统;群体监测预警子系统通过上面两方面信息的分析,对进行数据分析得到分析结果,并根据所述分析结果得出预警信息,并响应于信息查询请求发送预警信息和/或数据统计分析结果。
40.通过设置个体监测预警子系统,通过对社区传输的包括患者的流行病学史和诊断信息的信息,进行诊断,并在当出现疑似发热伴呼吸道症候的疾病类型时,发出预警信息,从而解决了原先未能与患者的流行病史相结合,不能在社区段即可以准确的发出诊断信息的问题,从而使得预警前移,使得扩散风险降到最低,进一步提升了疫情防控的效率;通过所述辅助诊断决策支持子系统,通过对就诊患者的基本信息以及接收his系统和/或pacs系统的辅助诊断信息,将经校正的诊断信息发回到his系统和/或pacs系统,从而实现了对诊断信息的精准化,使得对疾病的诊断结果不再依赖于医生的经验,进而提升了疾病诊断的效率;设置群体监测预警子系统,通过对医院患者信息以及社区患者信息的分析,从而根据
分析结果实现了群体的预警,实现了对疫情扩展的进一步监控,尽可能将疫情风险在最短的时间得到抑制。
41.在另外的一种可能的实施例中,所述患者的症状信息包括个体的身份信息、个体的基础疾病,个体的疾病症状、个体是否为隔离人员和或健康观测人员。
42.通过对个体的身份信息、个体的基础疾病,个体的疾病症状、个体是否为隔离人员和或健康观测人员,从而不仅仅依赖其个体的疾病症状进行对患者进行诊断,可以使得对患者的诊断结果变得更加准确,而且结合个体是否为隔离人员和或健康观测人员,当发现同样的疾病症状时,若为隔离人员和或健康观测人员,其可能性更大,发出预警信息,使得将疫情外泄的风险尽可能缩小到最小。
43.在另外的一种可能的实施例中,所述个体监测预警子系统中的初步判断采用基于知识图谱技术,建立发热伴呼吸道症候群知识库及识别模型,根据疾病类型,输出反馈建议以及预警信息,并根据专家团队经验,对所述知识库及识别模型进行更新。
44.通过采用知识图谱技术,从而建立了发热伴呼吸道症候群知识库及识别模型,其输入是所述的患者的症状信息、患者的流行病学史、社区医院传送的就诊信息,基于知识图谱技术,对所述症状信息、流行病学史、所述就诊信息进行语义解析得到解析结果,并根据所述解析结果形成行为图谱,建立发热伴呼吸道症候群知识库及识别模型,对所述行为图谱进行识别,确定疾病类型,使得症状的判断精度进一步提高,根据具体情况输出相应的告警信息;通过采用专家团队经验,对所述知识库及识别模型进行更新,使得诊断模型和数据库能够根据疫情的变化进行相应的变化,从而使得其变得更加的准确。
45.在另外的一种可能的实施例中,所述就诊患者的基本信息包括基础信息、基础疾病、流行病学史、症状、生命体征。
46.在另外的一种可能的实施例中,所述辅助诊断信息包括外院就诊数据、检验数据、影像数据。
47.在另外的一种可能的实施例中,所述经校正的诊断信息采用的方法为基于多模态学习和深度学习的预测模型进行预测。
48.采用多模态学习方法,将输入的影像图像及医疗文本信息,分别提取特征生成多模态向量,根据多模态向量,并基于深度学习算法的预测模型,得到经校正过的诊断信息,从而实现了对多种信息的融合处理,考虑多重因素,将多模态向量送入到基于深度学习算法的预测模型中,进一步提升了预测模型的精度。
49.在另外的一种可能的实施例中,获得所述经校正的诊断信息的具体步骤为:s11 根据所述就诊患者的基本信息,确定疾病初步诊断结果,并基于所述疾病初步诊断结果推荐检查手段;s12 基于所述检查手段得到检查结果,并根据所述检查结果对患者感染类别进行判断,所述患者感染类别包括病毒感染和支原体感染,得到患者感染类别结果;s13 根据所述患者感染类别结果,基于深度学习算法构建的预测模型预测得到病毒感染类别结果,并推荐进行病原学检测;s14 根据所述病原学检测结果,确定患者的所述经矫正的诊断信息。
50.在另外的一种可能的实施例中,所述深度学习算法采用基于联邦学习算法。
51.采用联邦学习算法,可以将不同医院分为不同的子系统,通过不同的子系统自身
的数据,训练得到自身的预测模型,根据不同医院的预测模型,并按照不同医院的重要程度以及学科实力的差别,确定其预测模型的权值,其中学科实力越强,其权值越高,重要程度越高,其权值越高,从而最终得到一个完整的基于联邦学习算法的预测模型,使得此时的预测所依赖的模型不仅仅依靠自身的医院数据,而是依赖所有接入到该系统的医院数据,当病毒发生突变或者其他变化时,该种类型的患者只存在个别医院,其他无相似病例的医院依靠基于联邦学习算法的预测模型,同样可以实现较好的预测精度。
52.在另外的一种可能的实施例中,所述群体监测预警子系统结合个体监测结果和时间、空间信息,基于时空分析技术,实现群体传播预测和预警。
53.根据患者信息,结合个体监测结果和时间、空间信息,基于时空分析技术即为根据疾病发生的人群、时间和地点,在个体监测的基础上,基于时序分析和空间聚类实现群体监测预警:根据个体的疾病预测结果,通过时序分析、空间聚类技术实现同一或多个社区多户居民、同一或多个医院多例患者的群体监测,从而将单独的病例转换为群体的预测和预警,可以在短时间内切断疫情传播,使得传播范围和时间都大大减小。
54.在另外的一种可能的实施例中,将所述医院患者信息和社区患者信息传输至所述群体监测预警子系统的具体步骤为:s1将患者信息中进行去标识化,将经所述去标识化后的患者信息进行编码,形成编码后的字符串;s2 对编码后的字符串进行aes+base64双重加密,生成加密字符串;s3 基于https协议将所述加密字符串传输至所述群体监测预警子系统,由所述群体监测预警子系统进行解码,编码得到解密后的信息。
55.aes加密标准又称为高级加密标准rijndael加密法,是美国国家标准技术研究所nist旨在取代des的21世纪的加密标准。aes的基本要求是,采用对称分组密码体制,密钥长度可以为128、192或256位,分组长度128位,算法应易在各种硬件和软件上实现。1998年nist开始aes第一轮分析、测试和征集,共产生了15个候选算法。
56.在本发明实施例中,术语“多个”则指两个或两个以上,除非另有明确的限定。术语“安装”、“连接”、“固定”等术语均应做广义理解,例如,“连接”可以是固定连接,也可以是可折卸连接,或一体地连接。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明实施例中的具体含义。
57.本发明实施例的描述中,需要理解的是,术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明实施例和简化描述,而不是指示或暗示所指的装置或单元必须具有特定的方向、以特定的方位构造和操作,因此,不能理解为对本发明实施例的限制。
58.在本说明书的描述中,术语“一个实施例”、“一个优选实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明实施例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实例。而且,描述的具体特征、结构、材料或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。
59.可如下所述地配置本发明:1).、基于自学习与数据保护的发热伴呼吸道症候群的监测系统,具体包括:
个体监测预警子系统,辅助诊断决策支持子系统,群体监测预警子系统;个体监测预警子系统接收社区传送的患者的症状信息、患者的流行病学史、社区医院传送的就诊信息,进行初步诊断,确定患者的疾病类型,将反馈建议发送至社区及社区医院,当存在疑似发热伴呼吸道症候的疾病类型时,需要将反馈建议和预警信息发送至社区及社区医院,并将社区患者信息传送到群体监测预警子系统;辅助诊断决策支持子系统,用于接收就诊患者的基本信息,接收his系统和/或pacs系统的辅助诊断信息,将经校正的诊断信息发回到his系统和/或pacs系统,并将医院患者信息传送到群体监测预警子系统;群体监测预警子系统,用于接收医院患者信息以及社区患者信息,进行数据分析得到分析结果,并根据分析结果得出预警信息,并响应于信息查询请求发送预警信息和/或数据统计分析结果。
60.2)、根据1)的监测系统,患者的症状信息包括个体的身份信息、个体的基础疾病,个体的疾病症状、个体是否为隔离人员和或健康观测人员。
61.3)、根据1)或2)的监测系统,个体监测预警子系统中的初步判断采用基于知识图谱技术,建立发热伴呼吸道症候群知识库及识别模型,根据疾病类型,输出反馈建议以及预警信息,并根据专家团队经验,对知识库及识别模型进行更新。
62.4)、根据1)-3)中任一项的监测系统,就诊患者的基本信息包括基础信息、基础疾病、流行病学史、症状、生命体征。
63.5)、根据1)-4)中任一项的监测系统,辅助诊断信息包括外院就诊数据、检验数据、影像数据。
64.6)、根据1)-5)中任一项的监测系统,经校正的诊断信息采用的方法为基于多模态学习算法和深度学习算法的预测模型进行预测。
65.7)、根据1)-6)中任一项的监测系统,获得经校正的诊断信息的具体步骤为:s11 根据就诊患者的基本信息,确定疾病初步诊断结果,并基于疾病初步诊断结果推荐检查手段;s12 基于检查手段得到检查结果,并根据检查结果对患者感染类别进行判断,患者感染类别包括病毒感染和支原体感染,得到患者感染类别结果;s13 根据患者感染类别结果,基于深度学习算法构建的预测模型预测得到病毒感染类别结果,并推荐进行病原学检测;s14 根据病原学检测结果,确定患者的经矫正的诊断信息。
66.8)、根据1)-7)中任一项的监测系统,深度学习算法采用基于联邦学习算法。
67.9)、根据1)-8)中任一项的监测系统,群体监测预警子系统结合个体监测结果和时间、空间信息,基于时空分析技术,实现群体传播预测和预警。
68.10)、根据1)-9)中任一项的监测系统,将医院患者信息和社区患者信息传输至群体监测预警子系统的具体步骤为:s1将患者信息中进行去标识化,将经去标识化后的患者信息进行编码,形成编码后的字符串;s2 对编码后的字符串进行aes+base64双重加密,生成加密字符串;s3 基于https协议将加密字符串传输至群体监测预警子系统,由群体监测预警子
系统进行解码,编码得到解密后的信息。
69.以上仅为本发明实施例的优选实施例而已,并不用于限制本发明实施例,对于本领域的技术人员来说,本发明实施例可以有各种更改和变化。凡在本发明实施例的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明实施例的保护范围之内。

上一篇:第十三届全球华人探体育娱乐究学习创新应用大会(GCCI     下一篇:各类人才在农村广阔天地体育娱乐大显身手(聚焦乡村人才振兴)
网站分类