1.一种基于数据挖掘的疫苗流通数据加密方法，其特征在于，包括以下步骤：步骤S1：对疫苗流通过程中的环节进行数据采集，从而得到流通多源异构数据，其中包括结构化流通数据、半结构化流通数据以及非结构化流通数据；对流通多源异构数据进行张量分解，从而得到描述疫苗流通全状态的异构融合流通数据；

步骤S2：基于异构融合流通数据中实体、关系以及事件的形式化描述构建流通知识图谱模型；根据异构融合流通数据进行时间动态特性以及长期依赖关系捕捉，并建立时间序列分析模型；对流通知识图谱模型以及时间序列分析模型进行元学习，并进行知识蒸馏，从而得到协同模型参数数据；

步骤S3：对协同模型参数数据进行BGV同态加密，从而得到协同模型参数加密数据；对协同模型参数加密数据进行存储和访问控制的智能合约代码编写，并进行区块链平台部署，从而得到智能合约地址数据；根据协同模型参数加密数据以及智能合约地址数据生成数据访问密钥并进行访问权限录入，从而得到密钥与访问权限的映射关系数据；

步骤S4：根据密钥与访问权限的映射关系数据以及智能合约地址数据生成零知识证明数据；对密钥与访问权限的映射关系数据以及零知识证明数据进行打包，并上传至智能合约的存储区，从而得到链上加密数据；基于链上加密数据进行结构特征，并进行零知识证明协议框架设计，嵌入零知识特性，从而得到具有零知识性质的证明协议数据；

步骤S5：将链上加密数据作为输入对具有零知识性质的证明协议数据进行协议运行，从而生成验证证明数据；根据验证证明数据对进行传输后的链上加密数据进行安全验证，利用TPM构建安全隔离区域，并在安全隔离区域对链上加密数据进行加密结果解密，从而得到明文分析报告。

2.根据权利要求1所述的基于数据挖掘的疫苗流通数据加密方法，其特征在于，步骤S1包括以下步骤：步骤S11：对疫苗流通的不同阶段进行温度、湿度以及GPS信息采集，从而得到结构化流通数据；

步骤S12：利用RFID标签以及传感器网络设备采集疫苗流通过程中的半结构化流通数据；

步骤S13：通过视频监控采集图片、文本以及视频信息，从而得到非结构化流通数据；

步骤S14：对结构化流通数据、半结构化流通数据以及非结构化流通数据进行数据清洗，从而得到流通多源异构数据；

步骤S15：对流通多源异构数据进行张量分解，从而得到描述疫苗流通全状态的异构融合流通数据。

3.根据权利要求2所述的基于数据挖掘的疫苗流通数据加密方法，其特征在于，步骤S15包括以下步骤：步骤S151：对流通多源异构数据进行数据整合，从而生成描述单个数据实体的全流通特征向量数据；

步骤S152：对全流通特征向量数据进行张量分解，并从而得到潜在语义空间数据；

步骤S153：对潜在语义空间数据进行疫苗流通全状态的融合特征提取，从而得到异构融合流通数据。

4.根据权利要求3所述的基于数据挖掘的疫苗流通数据加密方法，其特征在于，步骤S151包括以下步骤：步骤S1511：对半结构化流通数据进行时间序列下数据变化提取，并表示为张量的形式，从而得到半结构化向量数据；

步骤S1512：对非结构化流通数据中的图像数据进行像素值数字表示，并进行预设范围映射，从而得到图像向量数据；

步骤S1513：通过自然语言处理技术对非结构化流通数据中的文本数据进行特征提取，从而得到文本向量数据；

步骤S1514：对非结构化流通数据中的视频数据进行帧提取，对视频帧进行像素值数字表示，并进行预设范围映射，从而得到视频向量数据；

步骤S1515：对结构化流通数据、半结构化向量数据、图像向量数据、文本向量数据以及视频向量数据进行向量合并，从而生成描述单个数据实体的全流通特征向量数据。

5.根据权利要求4所述的基于数据挖掘的疫苗流通数据加密方法，其特征在于，步骤S1包括以下步骤：步骤S21：根据异构融合流通数据进行疫苗流通过程中的关键实体、实体间关系以及重要事件识别，从而得到流通知识图谱数据；

步骤S22：根据流通知识图谱数据构建流通知识图谱模型；

步骤S23：对异构融合流通数据进行时间序列特性分析，从而得到流通时间特征数据；

步骤S24：对流通时间特征数据进行长期依赖关系提取，从而得到依赖关系数据；

步骤S25：根据流通时间特征数据以及依赖关系数据建立时间序列分析模型；

步骤S26：对流通知识图谱模型以及时间序列分析模型进行元学习，并进行知识蒸馏，从而得到协同模型参数数据。

6.根据权利要求5所述的基于数据挖掘的疫苗流通数据加密方法，其特征在于，步骤S26包括以下步骤：步骤S261：对流通知识图谱模型进行结构编码，并提取节点结构特征，从而得到节点结构特征数据；

步骤S262：利用元路径编码技术对时间序列分析模型进行向量空间表示学习，从而得到时序特征嵌入数据；

步骤S263：基于注意力机制对节点结构特征数据以及时序特征嵌入数据进行关系学习处理，从而得到注意力关系矩阵；

步骤S264：根据注意力关系矩阵对流通知识图谱模型以及时间序列分析模型进行注意力关系连接，从而得到知识图‑时序全模型；

步骤S265：对知识图‑时序全模型进行知识图节点和时序步骤随机采样，从而得到采样索引数据；

步骤S266：根据知识图‑时序全模型计算各自节点以及步骤所接收的信息，并根据采样索引数据更新自身表示，从而得到协同模型参数数据。

7.根据权利要求6所述的基于数据挖掘的疫苗流通数据加密方法，其特征在于，步骤S3包括以下步骤：步骤S31：对协同模型参数数据进行BGV同态加密，从而得到协同模型参数加密数据；

步骤S32：对协同模型参数加密数据进行存储和访问控制的智能合约代码编写，从而得到智能合约代码数；

步骤S33：对智能合约代码数进行区块链平台部署，从而得到智能合约地址数据；

步骤S34：根据协同模型参数加密数据以及智能合约地址数据进行访问密钥生成，从而得到访问密钥数据；

步骤S35：根据访问密钥数据进行访问权限录入，从而得到密钥与访问权限的映射关系数据。

8.根据权利要求7所述的基于数据挖掘的疫苗流通数据加密方法，其特征在于，步骤S4包括以下步骤：步骤S41：利用zk‑SNARKs算法基于根据密钥与访问权限的映射关系数据以及智能合约地址数据进行零知识证明算法运算，从而生成零知识证明数据；

步骤S42：对密钥与访问权限的映射关系数据以及零知识证明数据进行打包，并上传至智能合约的存储区，从而得到链上加密数据；

步骤S43：对链上加密数据进行结构特征分析，从而得到链上数据结构特征数据；

步骤S44：根据链上数据结构特征数据进行零知识证明协议框架设计，从而得到零知识证明协议框架数据；

步骤S45：根据零知识证明协议框架数据进行零知识特性嵌入，从而得到具有零知识性质的证明协议数据。

9.根据权利要求8所述的基于数据挖掘的疫苗流通数据加密方法，其特征在于，步骤S5包括以下步骤：步骤S51：将链上加密数据作为输入对具有零知识性质的证明协议数据进行协议运行，从而生成验证证明数据；

步骤S52：根据验证证明数据对进行传输后的链上加密数据进行安全验证，从而得到验证结果数据；

步骤S53：利用TPM构建安全隔离区域，并从可信第三方获取解密密钥，在安全隔离区域对链上加密数据进行加密结果解密，从而得到解密明文数据；

步骤S54：对解密明文数据以及验证结果数据进行统计分析，并进行可视化展示，从而得到明文分析报告。

10.一种基于数据挖掘的疫苗流通数据加密系统，其特征在于，用于执行如权利要求1所述的基于数据挖掘的疫苗流通数据加密方法，所述基于数据挖掘的疫苗流通数据加密系统包括：多源数据采集模块，用于对疫苗流通过程中的环节进行数据采集，从而得到流通多源异构数据，其中包括结构化流通数据、半结构化流通数据以及非结构化流通数据；对流通多源异构数据进行张量分解，从而得到描述疫苗流通全状态的异构融合流通数据；

知识构建模块，用于基于异构融合流通数据中实体、关系以及事件的形式化描述构建流通知识图谱模型；根据异构融合流通数据进行时间动态特性以及长期依赖关系捕捉，并建立时间序列分析模型；对流通知识图谱模型以及时间序列分析模型进行元学习，并进行知识蒸馏，从而得到协同模型参数数据；

加密与访问控制模块，用于对协同模型参数数据进行BGV同态加密，从而得到协同模型参数加密数据；对协同模型参数加密数据进行存储和访问控制的智能合约代码编写，并进行区块链平台部署，从而得到智能合约地址数据；根据协同模型参数加密数据以及智能合约地址数据生成数据访问密钥并进行访问权限录入，从而得到密钥与访问权限的映射关系数据；

零知识证明模块，用于根据密钥与访问权限的映射关系数据以及智能合约地址数据生成零知识证明数据；对密钥与访问权限的映射关系数据以及零知识证明数据进行打包，并上传至智能合约的存储区，从而得到链上加密数据；基于链上加密数据进行结构特征，并进行零知识证明协议框架设计，嵌入零知识特性，从而得到具有零知识性质的证明协议数据；

验证解密模块，用于将链上加密数据作为输入对具有零知识性质的证明协议数据进行协议运行，从而生成验证证明数据；根据验证证明数据对进行传输后的链上加密数据进行安全验证，利用TPM构建安全隔离区域，并在安全隔离区域对链上加密数据进行加密结果解密，从而得到明文分析报告。