CN108124010A - 基于神经网络的内容筛选方法、路由器和系统 - Google Patents

Abstract

本发明公开了公开一种基于神经网络的内容筛选方法、路由器和系统，其中的路由器包括有核心处理器、数据链路层模块和物理层处理模块，所述的数据链路层模块和物理层处理模块之间连接有用于对物理层处理模块得到的数据进行识别评分的神经网络模块，且所述神经网络模块还连接于核心处理器以根据从核心处理器中获取到的用户操作信息进行神经网络训练，本发明具有在路由过程中对网络信息进行识别评分，可以有效帮助用户筛选网络信息内容、提高用户体验等优点。

Description

基于神经网络的内容筛选方法、路由器和系统

技术领域

本发明属于路由技术领域，尤其涉及一种基于神经网络的内容筛选方法、路由器和系统。

背景技术

目前的一般网络场景中，路由器是用户联网的一个重要节点，它是基于对网络数据包路由而产生的，路由器需要完成的工作是将不同网络的数据包进行有效的路由，而目前的路由器对于为什么路由、是否应该路由、路由过后是否有问题等根本不关心，它所关心的仅仅是能否将不同的网段的数据包进行路由从而进行通讯。

而且，如今网络资讯繁杂，加上互联网行业的秩序尚不健全，各种流氓信息、垃圾信息众多，用户在上网过程中经常需要自己通过浏览筛选有价值的信息，上网体验很差。

为了解决上述技术问题，人们进行了长期的探索，例如中国专利公开了一种视化HTTP数据监管方法及装置[申请号：CN201210316779.9]，其方法包含以下处理步骤：a、接收监听数据，并对其进行协议识别和过滤，仅保留HTTP协议数据作为原始的页面数据，并形成链路信息；b、对页面数据和链路信息定义内存数据结构，以用户请求页面为单位生成管理ID，对用户访问单一页面形成的多个资源文件进行识别，并定义唯一序号与之关联，将页面和关联结果缓存到数据库中；c、对页面数据进行解析，若页面资源不完整或能及时缓存，则返回步骤a；若页面资源完整或缓存超时，则在内存中绘制出页面内容，并以缩略图形式保存到数据库中；d、基于关联结果，根据监管规则对页面数据分类处理；所述监管规则包括IP地址规则、URL规则、内容关键词规则和复合规则；e、根据分类处理结果重新组织监管数据，并提供相关的数据组织形式。

上述方案能够对垃圾信息进行识别，对数据进行筛选在一定程度上优化了用户体验，但是其识别方法过于绝对，无法根据用户的需要不断学习并根据学习结果识别垃圾信息来达到帮助用户筛选网络内容的要求，也无法在路由阶段对网络信息进行有效识别以帮助用户对网络信息进行筛选。

发明内容

本发明的目的是针对上述问题，提供一种能够在路由过程中对网络信息进行有效识别的基于神经网络的内容筛选方法；

本方案的另一目的是提供一种基于上述的基于神经网络的内容筛选方法的路由器；

本方案的另一目的是提供一种采用上述路由器的基于神经网络的内容筛选系统。

为达到上述目的，本发明采用了下列技术方案：

一种基于神经网络的智能内容筛选方法，包括以下步骤：

S1：物理层处理模块接收来自网络的网络信息，并将所述网络信息通过神经网络模块评分后传送给数据链路层模块；

S2：数据链路层模块将评分结果和对应的原始数据通过核心处理器发送给相应的用户端。

通过上述技术方案，将物理层传输到数据链路层的网络信息先进行评分，然后将评分结果与原始数据一起传给用户端，评分可供用户参考，以实现帮助用户筛选网络信息的目的，优化用户体验。

在上述的基于神经网络的智能内容筛选方法中，步骤S1的方法具体包括：

物理层处理模块将接收到的网络信息转换为数据帧发送给神经网络模块，神经网络模块对数据帧中的源地址、类型/长度或有效载荷+填充位中的任意一位或多位进行识别，并根据识别结果基于神经网络对对应的网络信息进行评分。

在上述的基于神经网络的智能内容筛选方法中，在步骤S1中，物理层处理模块将接收到的网络信息转换为数据帧后同时将该数据帧发送给缓存模块，并在神经网络模块完成评分后将缓存模块中数据帧的原始数据与评分结果同时发送给数据链路层模块。

在上述的基于神经网络的智能内容筛选方法中，所述的缓存模块为先入先出缓存器。

在上述的基于神经网络的智能内容筛选方法中，神经网络模块持续读取来自核心处理器的反馈信息，根据反馈信息再一次给已评分的数据帧进行评分，得到更新后的评分结果。

在上述的基于神经网络的智能内容筛选方法中，所述的反馈信息包括：用户端根据评分结果执行的对网络信息的操作行为。

在上述的基于神经网络的智能内容筛选方法中，在步骤S1中，所述的神经网络模块为具有神经网络模型的神经网络协处理器。

一种基于神经网络的智能内容筛选的路由器，包括有核心处理器、数据链路层模块和物理层处理模块，所述的数据链路层模块和物理层处理模块之间连接有用于对物理层处理模块得到的数据进行识别评分的神经网络模块，且所述的神经网络模块还连接于核心处理器以根据从核心处理器中获取到的用户操作信息进行神经网络训练。

在上述的基于神经网络的智能内容筛选的路由器中，所述的数据链路层模块和物理层处理模块之间还连接有缓存模块以将原始数据与评分结果同步传输给数据链路层模块。

一种基于神经网络的智能内容筛选的系统，包括上述的路由器和与路由器连接的用户终端，所述的用户终端包括屏蔽设置模块和信息显示模块，其中，

路由器，用于根据用户在用户终端的操作信息来训练神经网络，并根据训练结果对网络信息进行评分后将评分结果和原始数据一起传输至用户终端；

屏蔽设置模块，用于供用户根据评分结果选择性地屏蔽网络信息和/或供用户设置直接屏蔽的最低分数；

信息显示模块，用于显示用户终端与用户之间的交互信息。

本发明相较于现有技术具有以下优点：在路由器中集成神经网络协处理器，通过不断地对用户上网行为的学习来帮助用户筛选网络内容，替用户排除流氓信息、垃圾信息，提升用户的上网体验；通过神经网络协处理器对物理层处理模块传输的数据帧中“源地址”、“类型/长度”、“有效载荷+填充位”进行综合识别，相当于同时进行了传统的路由器端的“IP过滤”以及用户终端设备上的“内容筛选操作”，且对“源地址”、“类型/长度”、“有效载荷+填充位”进行联合识别，提高特征提取的有效性和精确程度，避免了传统内容筛选易出错的问题。

附图说明

图1是本发明实施例一中路由器的模块框图；

图2是本发明实施例一中数据帧的帧格式；

图3是本发明实施例一种神经网络模块的工作示意图；

图4是本发明实施例一中的缓存模块的工作示意图；

图5是本发明实施例一的方法流程图；

图6是本发明实施例一步骤S1的具体方法流程图；

图7是本发明实施例二中系统框图。

附图标记：路由器100；物理层处理模块101；缓存模块102；神经网络模块103；数据链路层模块104；核心处理器105；用户终端200；屏蔽设置模块201；信息显示模块202。

具体实施方式

虽然流程图将各项操作描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。各项操作的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。

这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。当一个单元被称为“连接”或“耦合”到另一单元时，其可以直接连接或耦合到所述另一单元，或者可以存在中间单元。

这里所使用的术语仅仅是为了描述具体实施例而不意图限制示例性实施例。除非上下文明确地另有所指，否则这里所使用的单数形式“一个”、“一项”还意图包括复数。还应当理解的是，这里所使用的术语“包括”和/或“包含”规定所陈述的特征、整数、步骤、操作、单元和/或组件的存在，而不排除存在或添加一个或更多其他特征、整数、步骤、操作、单元、组件和/或其组合。

本发明的基于神经网络的内容筛选方法、路由器和系统主要应用于路由器及网络信息筛选领域，解决了现有技术中路由器功能单一，网络信息筛选精度不够高导致用户上网体验差等问题，以下是本发明的优选实施例，对本发明的技术方案作进一步的描述，但本发明不限于这些实施例。

实施例一

现有的路由器由于性能以及定位等限制，只能工作在OSI(开放式互联系统)参考模型中的网络层，只负责根据相应的路由协议进行数据包转发，而不会去对实际传输的网络信息内容进行管理。

为了优化用户体验，增加路由器功能，本实施例公开了一种基于神经网络的智能内容筛选的路由器，通过在路由器处理器中集成Neural Network Coprocessor(神经网络协处理器)，并通过不断地对用户上网行为的学习来帮助用户筛选网络内容，替用户排除流氓信息、垃圾信息，提升用户的上网体验。

具体地，该路由器100包括核心处理器105、MAC(数据链路层模块104)和PHY(物理层处理模块101)，所述的数据链路层模块104和物理层处理模块101之间连接有用于对物理层处理模块101得到的数据进行识别评分的神经网络模块103，且所述的神经网络模块103还连接于核心处理器105以根据从核心处理器105中获取到的用户操作信息进行神经网络训练。

并且，数据链路层模块104和物理层处理模块101之间还连接有缓存模块102以将原始数据与评分结果同步传输给数据链路层模块104。

用户操作信息是指用户在用户端对网络信息的屏蔽、接收、浏览、删除、收藏等操作信息。

物理层处理模块101是OSI(开放式互联系统)参考模型的最底层，它的主要功能是利用传输介质(有线或者无线)为数据链路层模块104提供物理连接，传输数据的单位为比特(bit)，如图1所示，在发射数据时，物理层处理模块101将数据链路层模块104发送过来的数据帧转换成比特流，然后通过有线或者无线的方式发射出去；在接收数据时，物理层处理模块101将通过有线或者无线的方式接收到的比特流转换成数据帧，数据帧的格式如图2所示，就是说每一条传送过来网络信息均在物理层处理模块101被转换成数据帧，物理层处理模块101将转换后的数据帧同时发送至神经网络模块103和缓存模块102，神经网络模块103对每条网络信息的数据帧中的部分数据进行识别计算以判断每条网络信息的价值程度，记录用户对发送到用户端的网络信息操作情况，将操作情况与该网络信息的数据帧特征相对应，然后根据用户的操作信息训练神经网络。

该神经网络模块103为具有神经网络模型的神经网络协处理器，神经网络协处理器是指具有模仿人的大脑判断能力和适应能力、可并行处理多种数据功能的处理器，基于仿生研究的神经网络算法相较于传统的模式识别算法具有更加准确、高效的分类结果，特别是在此基础上发展出的深度学习算法，通过多层神经网络来获得具有优异的特征学习能力，学习到的特征对于数据具有更本质的刻画，从而有利于可视化或分类。

在本实施例中，神经网络模块103主要功能是使用硬件实现多层神经网络模型的训练与计算，如图3所示，神经网络模块103根据当前训练结果对输入的数据帧中的“源地址”、“类型/长度”、“有效载荷+填充位”部分数据进行逐层计算，最终得到对于该组数据帧的评分结果，判断该数据帧中信息的价值程度；训练的过程主要是神经网络模块103通过读取用户的反馈信息(即用户的操作情况，通过用户的操作来再给该组数据帧评分)来训练神经网络，调整网络参数，在使用过程中不断地读取来自核心处理器105的反馈信息，也就是学习用户的操作行为，根据反馈信息再一次给已评分的数据帧进行评分，得到更新后的评分结果，并根据更新后的评分结果来训练神经网络以调整网络参数，从而更加智能的协助用户筛选网络信息，提升用户上网体验。

当然，在初始阶段，网络模型可以是没有经过训练的，也可以是经过训练的，没有经过训练的网络模型在用户最开始使用本实施例的路由器的时候，该路由器对所有特征的数据帧对应的所有网络信息评分均为最高分，此处设为100分，用户在浏览各种网络信息的同时对各种网络信息的操作信息会同时反馈至神经网络模块103处，神经网络模块103将用户的操作信息作为网络训练样本对神经网络进行训练，从而调整网络参数，例如，某条网络信息的源地址为A，用户在浏览阶段对该网络信息直接进行了屏蔽、删除等操作行为，那么神经网络模块103就会学习到用户对源地址为A、类型/长度为B、有效载荷+填充位为C的网络信息存在一定的抵触，需要降低源地址为A、类型/长度为B、有效载荷+填充位为C的网络信息的评分，比如5分，此后，当有源地址为A、类型/长度为B、有效载荷+填充位为C的其他网络信息时，神经网络模块103对该网络信息的数据帧进行识别，识别到其源地址为A、类型/长度为B、有效载荷+填充位为C所以评分为95分。用户根据对网络信息的评分可以选择性地屏蔽这条网络信息。

“源地址”、“类型/长度”、“有效载荷+填充位”可以占有不同的权重，比如，分别为百分之四十、百分之四十和百分之二十，那么当神经网络模块103对该网络信息的数据帧进行识别，识别到其源地址为A，类型/长度和有效载荷+填充位均不是B和C的时候，神经网络模块103对该网络信息的评分为98分。

当然，上述只是一个神经网络模块103处理学习训练以及处理信息的简化例子，实际在使用过程中，基于神经网络具有类似于大脑神经突触联接的结构并能够智慧地进行自学习自适应的特性，其学习训练过程比上述例子要复杂，例如在对源地址识别的时候不一定需要完全一样的源地址才减去一成不变的分数，也可以是类似的源地址然后减去稍低的分数，再比如，用户在浏览网络信息的时候会改变习惯，或者对不同的网络信息的需求程度改变等情况，所以不仅需要减分数，还需要加分数，例如一条评分结果为58的网络信息被用户点击浏览，那么神经网络模块103就会根据用户的这次操作来训练神经网络使其在下一次再对这一网络信息评分的时候高于58分，例如60分。

缓存模块102，是一种在对缓存器进行读操作时，将先被写入缓存器里的数据先读出来的设备，在本实施例中，它的主要功能是实现数据链层模块接收到的数据帧与神经网络模块103的评分结果同步。如图4所示，因为神经网络模块103的计算需要数个系统时钟，为了保证后级数据链层模块接收到的数据帧和其对应的评分结果同步，增加了该缓存模块102，当模块将接收到的比特流数据处理得到数据帧以后，会同时将数据帧发送给神经网络模块103模块和缓存模块102，神经网络模块103在进行计算的同时，缓存模块102会相应的对接收到的数据帧进行缓存，延迟数据帧的传播时间。神经网络模块103完成对数据的识别并输出识别结果后，缓存模块102也相应的将该组数据帧的原始数据输出。

如图5所示，基于上述神经网络的智能内容筛选的路由器的基于神经网络的智能内容筛选方法包括以下步骤：

S1：物理层处理模块101接收来自网络的网络信息，并将该网络信息通过经过神经网络训练的神经网络模块103评分后传送给数据链路层模块104；

如图6所示，步骤S1的方法具体包括：物理层处理模块101将接收到的网络信息转换为数据帧发送给神经网络模块103，神经网络模块103对数据帧中的源地址、类型/长度或有效载荷+填充位中的任意一位或多位进行识别，并根据识别结果基于神经网络对对应的网络信息进行评分。

进一步地，神经网络模块103通过以下方法构建神经网络模型并对神经网络进行训练：

通过用户的行为建立神经网络的网络参数，并在后续过程中不断读来自核心处理器105的反馈信息，也就是读取用户的反馈信息，根据反馈信息再一次给已评分的数据帧进行评分，得到更新后的评分结果，并根据更新后评分结果来训练神经网络以调整网络参数。

其中的反馈信息包括：用户端根据评分结果执行的对网络信息的操作行为，即用户根据评分结果选择性地屏蔽或接收信息的选择行为。

S2：数据链路层模块104将评分结果和对应的原始数据通过核心处理器发送给相应的用户端。

优选地，物理层处理模块101将接收到的网络信息转换为数据帧后同时将该数据帧发送给缓存模块，并在神经网络模块103完成评分后将缓存模块中数据帧的原始数据与评分结果同时发送给数据链路层模块104，且这里的缓存模块102为先入先出缓存器。

实施例二

如图7所示，本实施例公开了一种基于神经网络的智能内容筛选的系统，该系统包括实施例一所述的路由器100以及与路由器100连接的用户终端200，用户终端200又包括屏蔽设置模块201和信息显示模块202，其中，

路由器100，用于根据用户在用户终端200的操作信息来训练神经网络，并根据训练结果对网络信息进行评分后将评分结果和原始数据一起传输至用户终端200；

屏蔽设置模块201，用于供用户根据评分结果选择性地屏蔽网络信息和/或供用户设置直接屏蔽的最低分数；用户可以通过该屏蔽设置模块201根据评分结果选择性地屏蔽部分信息，例如用户看到某一条网络信息的评分为92分，则可以选择打开该网络信息进行浏览阅读，看到32分的网络信息则可以选择关闭该网络信息，这里的分数只是作为参考存在，用户根据分数的多少可以知道该条网络信息对自己的重要程度从而根据自己当前的状况选择打开或关闭该网络信息，用户用的越多，路由器100判断地越准确，评分结果的参考性越强。

信息显示模块202，用于显示用户终端200与用户之间的交互信息，比如，显示评分分数、网络信息打开窗口和被用户打开的网络信息等。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

尽管本文较多地使用了路由器100；物理层处理模块101；缓存模块102；神经网络模块103；数据链路层模块104；用户终端200；屏蔽设置模块201；信息显示模块202等术语，但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质；把它们解释成任何一种附加的限制都是与本发明精神相违背的。

Claims (10)

1.一种基于神经网络的智能内容筛选方法，其特征在于，包括以下步骤：

S1：物理层处理模块(101)接收来自网络的网络信息，并将所述网络信息通过神经网络模块(103)评分后传送给数据链路层模块(104)；

S2：数据链路层模块(104)将评分结果和对应的原始数据通过核心处理器(105)发送给相应的用户端。

2.根据权利要求1所述的基于神经网络的智能内容筛选方法，其特征在于，步骤S1的方法具体包括：

物理层处理模块(101)将接收到的网络信息转换为数据帧发送给经网络模块(103)，神经网络模块(103)对数据帧中的源地址、类型/长度或有效载荷+填充位中的任意一位或多位进行识别，并根据识别结果基于神经网络对对应的网络信息进行评分。

3.根据权利要求2所述的基于神经网络的智能内容筛选方法，其特征在于，在步骤S1中，物理层处理模块(101)将接收到的网络信息转换为数据帧后同时将该数据帧发送给缓存模块(102)，并在神经网络模块(103)完成评分后将所述缓存模块(102)中数据帧的原始数据与评分结果同时发送给数据链路层模块(104)。

4.根据权利要求3所述的基于神经网络的智能内容筛选方法，其特征在于，所述的缓存模块(102)为先入先出缓存器。

5.根据权利要求1所述的基于神经网络的智能内容筛选方法，其特征在于，神经网络模块(103)持续读取来自核心处理器(105)的反馈信息，根据反馈信息再一次给已评分的数据帧进行评分，得到更新后的评分结果。

6.根据权利要求5所述的基于神经网络的智能内容筛选方法，其特征在于，所述的反馈信息包括：用户端根据评分结果执行的对网络信息的操作行为。

7.根据权利要求1所述的基于神经网络的智能内容筛选方法，其特征在于，所述的神经网络模块(103)为具有神经网络模型的神经网络协处理器。

8.一种基于神经网络的智能内容筛选的路由器，包括有核心处理器(105)、数据链路层模块(104)和物理层处理模块(101)，其特征在于，所述的数据链路层模块(104)和物理层处理模块(101)之间连接有用于对物理层处理模块(101)得到的数据进行识别评分的神经网络模块(103)，且所述的神经网络模块(103)还连接于核心处理器(105)以根据从核心处理器(105)中获取到的用户操作信息进行神经网络训练。

9.根据权利要求8所述的基于神经网络的智能内容筛选的路由器，其特征在于，所述的数据链路层模块(104)和物理层处理模块(101)之间还连接有缓存模块(102)以将原始数据与评分结果同步传输给数据链路层模块(104)。

10.一种基于神经网络的智能内容筛选的系统，其特征在于，包括权利要求8或9中所述的路由器(100)和与路由器(100)连接的用户终端(200)，所述的用户终端(200)包括屏蔽设置模块(201)和信息显示模块(202)，其中，

路由器(100)，用于根据用户在用户终端(200)的操作信息来训练神经网络，并根据训练结果对网络信息进行评分后将评分结果和原始数据一起传输至用户终端(200)；

屏蔽设置模块(201)，用于供用户根据评分结果选择性地屏蔽网络信息和/或供用户设置直接屏蔽的最低分数；

信息显示模块(202)，用于显示用户终端(200)与用户之间的交互信息。