
区块链+大数据,安全应急领域的新模式一定让你脑洞大开
在市场咨询公司高德纳(Gartner)著名的技术成熟度曲线中,区块链技术第一次的出现是在2016年7月,其定义是一种使用时间戳和数字密码的技术,把交易记录记载在按时间序列组成的数据区块中,并使用共识机制把数据存储到分布式数据库内,从而生成了永久保存、不可逆向篡改的唯一数据记录,用以达到不依靠任何中心机构而实现可信交易的目的。
区块链因比特币而火,又因比特币而被人质疑。但当我们认真审视这项技术,会发现其在应急领域里的巨大社会价值。区块链最初的学术定义为由包含交易信息的区块从后向前有序链接起来的数据结构。区块链存储在有多个节点组成的分布式网络系统上,每个完整的节点都存有整个区块链的副本,而每一个计算机节点之间通过网络进行交易信息的共享。同时,区块链也是一个交易数据库,其中存储的是系统中由所有节点共享的信息,称为分布式加密总账本。通过这个总账本,免去了层层上报而后层层下达指令的繁杂过程,区块链实现了不需要任何政府主管部门及所属技术队伍来协调互动、验证交易或监督行为的特征。一个区块链上的完整副本包含了每一个曾经执行的交易,使历史上的任何信息都可以被任何一个参加的节点所访问。
新兴技术成熟度曲线
区块链技术应用案例
2018年3月,某市一废旧厂房在切割改造废旧油罐过程中发生爆炸,造成7人死亡,3人受伤。
目前的监管
一、无法有效预防这类事故,因为我们无法预测和监测每个人脑海中天马行空出现的各种各样新想法;
二、发生事故后,只能通过大量临时的突击性检查来进行同类事故的预防性补救。
复杂情况下我们求解,能下手的点有两个:人,或者物。
如果我们把精力放在对人的改进上,这个问题解决起来会很复杂:一、我们很难预测一家标注自己从事商贸的公司到底准备经营什么,也很难预测它租赁厂房下一步准备干什么,这一次是商贸公司,可你无法排除下一次会不会是一个行为艺术家准备进行颓废艺术展示时去买一个废旧储罐对它进行切割、焊接(如果是这种情况下发生事故,我们向谁追责?);二、我们无法精准圈定需要被管理和培训的人群,人群在不断变化,人口在不断流动,太多的随机性在里面。
当我们无法解决人的问题时,可以将解决问题的着力点放在物上。而如果我们为一个储罐构建一个完整的区块链,如下所示:
那么它从哪里生产、经过了几手、目前在谁手里、是否到了报废时间、是否在报废期后非法运营,全部问题都可以找到确定的、唯一的答案;同时,由于加密算法里包含了时间,这使得各个交易单只能单向读取而无法逆向修改、篡改,这是区块链技术一直被人们推崇的安全性所在。
这个案例里人和物的两个立足点好比数学里的数值解(一组解,不确定)和解析解(确定的解)的关系,显然,选择去解决确定解要简单的多。
需要进一步解决的问题
区块链的技术看起来虽然简单,但是仍有几个关键问题需要解决:
一、 建立储罐信息的法律问题。按交通法规定,只要是机动车都必须挂牌才能上路。对于储罐管理,如果想引入区块链技术,需要立法强制必须建立电子信息档案才允许使用、买卖。
二、 储罐与存放储罐信息的信息卡不可剥离。如果信息卡和储罐可以剥离开,仍然存在伪造信息的空间,就好比人是真的、身份证也是真的,但是这个人对应的不是这张身份证时仍然持的是假身份证一样。
三、 如何方便读取信息卡中的内容。毕竟储罐有些是要埋地的,有土层隔离,有污染存在,不是商店里的二维码,扫一扫就能读取信息。
四、 信息纳入大数据和云平台管理。前面三个问题如果解决,第四个问题不是问题。
虽然区块链技术成熟仍需要5-10年的时间,但是我们可以从中看到彻底解决这类事故的希望。假以时日,区块链技术必然会带来应急管理领域从国家到地方各个层面的大变革。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15