CN110705712A - 面向第三方社会服务的人工智能基础资源与技术开放平台 - Google Patents

Abstract

本发明提供一种面向第三方社会服务的人工智能基础资源与技术开放平台，包括：基础设施层，提供网络与超大规模计算集群开放平台基础设施；基础数据资源层，通过对原始数据的组织和智能化标签，形成人工智能训练集、人工智能基准库和各类平台管理数据；智能分析层，通过机器学习方法，实现对语音、视频、图像、地理信息数据的识别；能力开放层，配备识别、交互、还原、分析和协作有关的智能技术基础组件；对外服务层，为需求单位和个人提供各类服务；安全体系，包含安全策略、安全评估和安全管理；运维体系，参照有关国家标准、地方标准和行业标准的有关要求，制定平台的制度规范；标准体系，参照有关国家标准和行业标准的要求制定各类标准。

Description

面向第三方社会服务的人工智能基础资源与技术开放平台

技术领域

本发明涉及人工智能技术领域，尤其涉及一种面向第三方社会服务的人工智能基础资源与技术开放平台。

背景技术

人工智能是研究、开发模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能经过信息采集、处理和反馈三个核心环节，综合表现出智能感知、精确性计算、智能反馈控制，即感知、思考、行动三个层层递进的特征。

当前，人工智能领域风起云涌，各类新技术的探索和应用层出不穷，我国在“互联网+”行动中将人工智能发展作为国家战略，将人工智能基础数据资源和技术支撑平台作为信息基础设施重点推进。但在语音、图片识别和自然语言理解等人工智能技术研究与应用方面还存在两个突出矛盾，一是现有智能技术的发展和商业可用性还不能支撑和满足广泛的市场应用需求，尤其是在社会服务领域；二是在智能技术的研究和应用方面仍显得分散和薄弱，技术整合和基础支撑能力不足。

发明内容

本发明提供的面向第三方社会服务的人工智能基础资源与技术开放平台，能够在公共服务领域通过人工智能为服务用户提供一个很好的开发工具，提高技术整合和基础支撑能力，进而提升社会公共服务水平。

第一方面，本发明提供一种面向第三方社会服务的人工智能基础资源与技术开放平台，包括：

基础设施层，用于提供网络与超大规模计算集群开放平台基础设施；

基础数据资源层，用于通过对原始数据的组织和智能化标签，形成人工智能训练集、人工智能基准库和各类平台管理数据；

智能分析层，用于通过机器学习方法，结合各类业务模型，实现对语音、视频、图像、地理信息数据的识别；

能力开放层，配备识别、交互、还原、分析和协作有关的智能技术基础组件，并在此基础上形成智能交互窗、智能服务推送、智能评估与预判的应用组件；

对外服务层，用于为需求单位和个人提供各类服务；

安全体系，包含贯穿始终的安全策略、安全评估和安全管理；

运维体系，用于参照有关国家标准、地方标准和行业标准的有关要求，制定平台的制度规范；

标准体系，用于参照有关国家标准和行业标准的要求制定各类标准。

可选地，所述对外服务层提供的服务包括门户服务、知识库服务、推荐服务和嵌入式扩展组件。

可选地，，所述安全体系在技术层面上表现为实体的物理安全，网络的基础结构、网络层的安全、操作系统平台的安全、应用平台的安全，以及在此基础之上的应用数据的安全。

可选地，所述标准体系还制定适用于面向第三方社会服务的人工智能分类标准。

可选地，所述机器学习方法包括集成学习和卷积神经网络。

可选地，所述平台的制度规范包括运行维护、应急响应、技术支持管理、人员培训、资产管理和经费管理。

可选地，所述开放平台的数据包括基础数据、训练数据和业务数据。

可选地，所述基础数据包括各类未经处理的原始数据和基准数据集。

可选地，所述训练数据包括由语音基础数据处理得到的音频数据、由图像基础数据和空间基础数据降维得到的图形和空间本征数据

本发明实施例提供的面向第三方社会服务的人工智能基础资源与技术开放平台，基于自然语言的理解，能够根据用户的指令完成相应事件的操作，由于人工智能技术不受自然人的各种客观及主观情况影响，能够即时响应，网络延时近乎为零，因此社会公众可以使用自然语言代替关键词来获得有效的信息，并及时得到反馈。此外，人工智能系统具有自动学习和模拟最终用户的能力，可大量简化最终用户的操作。在公共服务领域，人工智能为服务用户提供了一个很好的开发工具，它能将服务需求从繁琐的搜索和海量的信息中迅速解放出来，因此，它对于提升各界社会公共服务水平具有非常显著的优势。

附图说明

图1为本发明实施例提供的面向第三方社会服务的人工智能基础资源与技术开放平台的结构框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供一种面向第三方社会服务的人工智能基础资源与技术开放平台，如图1所示，所述开放平台包括：

基础设施层，提供网络与超大规模计算集群等开放平台基础设施；

基础数据资源层，原始数据库包括外部数据库和平台内发生的业务所产生的数据，通过对原始数据的组织和智能化标签，形成人工智能训练集、人工智能基准库和各类平台管理数据；

智能分析层，智能分析层是开放平台的大脑，通过集成学习、卷积神经网络等各种机器学习方法，结合各类业务模型，实现对语音、视频、图像、地理信息数据的识别；

能力开放层，能力开放层即人工智能技术中心，其配备识别、交互、还原、分析和协作有关的智能技术基础组件；并在此基础上形成智能交互窗、智能服务推送、智能评估与预判等各种应用组件；

对外服务层，对外服务层为需求单位和个人提供各类服务，包括门户服务、知识库服务、推荐服务，嵌入式扩展组件等；

安全体系，安全体系包含贯穿始终的安全策略、安全评估和安全管理。在技术层面上表现为实体的物理安全，网络的基础结构、网络层的安全、操作系统平台的安全、应用平台的安全，以及在此基础之上的应用数据的安全；

运维体系，参照有关国家标准、地方标准和行业标准的有关要求；制定平台的运行维护、应急响应、技术支持管理、人员培训、资产管理、经费管理和一系列制度规范，涉及运行维护、版本控制、用户权限变更和管理、二次开发、问题提交与反馈等各个方面，全部实现具体化、程序化、流程化，做到责任到人、有章可循；

标准体系，参照有关国家标准和行业标准的要求制定各类标准，另外还制定适用于面向第三方社会服务的人工智能智能分类标准。

其中，面向第三方社会服务的人工智能基础资源与技术开放平台的数据分为基础数据、训练数据和业务数据。

其中，基础数据包括各类未经处理的原始数据和基准数据集。包括音频、视频、图片、三维模型、地理信息等。

训练数据为基础数据经过各类算法模型，处理得到的便于进行机器学习的数据。包括由语音基础数据处理得到的音频数据，由图像基础数据和空间基础数据降维得到的图形和空间本征数据等。

数据库包括元数据库、基础数据库和训练集数据库。

元数据是用于描述数据内容、定义、空间参照、质量和地理数据集管理等方面的数据，用于说明数据或数据集的内容、质量、特性和适用范围，向用户提供所需数据是否存在和怎样得到这些数据的途径、方法等方面的信息，帮助用户了解、使用数据。元数据在空间数据的对外共享服务中具有重要意义，可以方便用户对其空间数据库进行浏览、检索和研究；利用元数据库对其数据如空间数据进行质量控制；元数据库在数据集成中的一系列处理中，例如数据空间匹配、属性一致化处理、数据在各平台之间的转换使用是必须的；通过元数据建立的逻辑数据索引可以高效查询检索分布式数据库中任何物理存储的数据，避免数据的重复存储，由于数据库的建设和管理费用是数据库整体性能的反映，通过元数据可以实现数据库的设计和系统资源的利用方面开支的合理分配，数据库许多功能(如数据库检索、数据转换、数据分析等)的实现是靠系统资源的开发来实现的，因而这类元数据的开发和利用将大大增强数据库的功能并降低数据库的建设费用。

元数据及其技术在分散数据资源管理中的巨大优势，使其成为网络数据资源共享的关键。元数据管理系统功能就是通过集中管理的元数据，实现对异构、异地数据资源的分布式管理与服务。

元数据管理系统大量的数据信息，使数据资源在各业务应用之间进行畅通无阻的交换及对数据资源的快速检索和查询，实现平台内部与外部数据交换和调用访问。

基础数据库包括音频、视频、图片、地理信息、模型参数和在线业务数据的原始数据库。

训练集数据库是基础数据经过各类算法模型，处理得到的便于进行机器学习的数据集。包括基准数据集和训练数据集等。

面向第三方社会服务的人工智能基础资源与技术开放平台需要存储备份的系统环境是一个包括多种软件系统及多个的硬件系统组成的系统环境，同时其主要系统具有7×24小时不间断运行的特点。

(1)针对开放平台数据资源管理业务具有7×24小时不间断的特点，因此存储备份系统需支持对数据库的实时存储备份，确保数据库的可用性和数据备份恢复的高效性，能够恢复到距故障点尽可能近的数据。

(2)针对开放平台数据资源管理业务服务器多，今后业务数据的数据量增长幅度较大的特点，对全网络各服务器的数据日常备份及备份数据的有效恢复需要有一套完整的、统一的数据存储管理策略。

(3)备份系统应能支持多种数据库并对其进行集中备份，同时要求具有较好的可扩展性。

(4)希望能在完成高速的备份，任何方面的系统故障和数据丢失应在10-20分钟内恢复正常运行。

(5)做到自动化的备份数据的存储与恢复。备份介质应较高的备份速率和稳定性，备份介质系统容量具备较大的扩展性。

(6)在网络数据备份和恢复过程中，应尽可能减少对主机系统的影响，并确保对系统资源占用率不超过10％。

(7)减少介质出现的故障影响备份工作，同时采用盘阵和真实带库，实现数据快速备份/恢复，保障备份介质安全、可靠。

(8)确保数据的安全性和灾难恢复性。

(9)为保障服务器的系统安全，实现对服务器系统的免OS安装的快速恢复。

(10)建立重要历史数据归档，保留大量历史数据到电子介质，为建设单位发展保留第一手分析和历史资料。

对数据进行备份，是出于保证数据的安全性、对系统信息做历史记录、在灾难发生时恢复系统等多方面考虑的。若要详细、历史的记录数据，并在特定情况下恢复特定时期的数据，就要保证数据备份的频率、以及备份介质上数据的保存时间符合预期设计的目标。

加载可信计算平台及相关功能组件后，原有信息系统安全防护体系(包括安全计算环境、安全边界、安全通信网络三部分)中的计算环境变成可信计算环境，建立体系化的主动防御安全防护体系，从源头上解决信息系统在启动、运行过程中所面临的安全风险。

当系统启动时，可信计算平台中的可信芯片首先对BIOS的完整性进行度量，把度量结果与系统初始运行时采集的、保存在可信芯片中的预期值行比较。若结果一致，则表明BIOS没有被篡改，是可信的，BIOS中的度量代码将对OSLoader(包括主引导扇区MBR、操作系统引导扇区等)进行度量，当判定OSLoader是可信的情况下，执行操作系统的加载程序。OSLoader在加载操作系统前，首先对操作系统和可信软件基进行度量，当判定其可信后，加载并执行操作系统和可信软件基。操作系统启动后，可信软件基获得控制权，对应用程序启动和相关配置文件的完整性进行度量，若应用和重要配置文件是可信的，操作系统加载并执行该应用程序。通过上述操作，可信计算平台为系统启动建立了由BIOS、OSLoader、操作系统、可信软件基和应用组成的完整的信任链，从根本上消除了系统被植入病毒、木马进行破坏的可能性。

在系统运行过程中，由于系统软件和应用软件可能存在安全漏洞，将面临攻击者利用系统漏洞对信息系统进行攻击的安全风险。可信计算平台将对系统和进程是否处于可信的状态进行实时检测，对进程的系统调用行为，以及对运行状态中的内核关键数据(例如系统调用表、中断描述符表、关键操作集指针等)、内核代码段、进程代码段、进程共享库列表等进行度量，检测系统和进程空间的完整性是否被篡改。若完整性被破坏，进程的系统调用行为将被阻止，从而以主动防御的方式有效防范了利用系统漏洞将恶意代码注入系统和进程空间对系统进行渗透性攻击的安全风险。

当一个计算节点首次接入系统中时，需要向可信管理中心注册自身的软硬件配置信息，经可信管理中心的确认和授权后，才被允许接入系统。一个经过注册的计算节点向系统中其他目标节点发起连接时，请求接入节点主动向目标节点提供自身的可信报告，该报告将被目标节点提交给可信管理中心。可信管理中心接到可信报告后，基于请求接入节点的身份信息(接入点的可信报告根)、系统软硬件配置信息、系统可信状态等，对请求接入节点的安全性进行动态、整体和综合的评估，判定是否允许该请求接入节点的接入系统，从而防止非授权的计算节点、已被攻击的计算节点、已改变配置的计算节点接入系统。

系统中部署的可信管理中心可以通过标准协议和数据格式与各节点可信软件基进行交互，利用安全管理、系统管理、审计管理和密码管理等模块实现系统安全策略的统一制定、下发，以及各计算节点安全状态的统一收集、关联分析和响应，是构建异构环境下基于可信计算安全防护体系的关键模块，在系统的安全运维、升级、安全管理中承担着重要作用。

在实际系统运行中，通常还需要解决越权操作、数据泄露等安全问题。前者是因为系统中通常存在多用户的情形，具有一定权限内部人员对其他用户的有关文件、应用程序等进行越权访问和操作，可信计算防护体系中的强制访问控制组件为每一个主、客体提供了基于标记的权限分配功能，按照最小特权原则，保证主体必须严格按照安全策略来访问资源，并通过可信计算的度量功能来保障主、客体标记的完整性，进而从根本上消除系统内部人员越权操作行为的发生。后者是因为系统数据在存储、传输过程中面临非授权访问和传输信息被截获的安全风险，系统中的数据加密组件利用可信计算提供的可信存储功能，对关键信息进行高强度的加密和签名，防止数据在存储、传输过程中被泄露或篡改。此外，为了构建完整的基于可信计算的安全防护体系，系统中还需应用可信认证组件、信息过滤组件、网络访问控制组件等可信功能组件，满足实际系统的安全需求。

基于可信计算安全防护体系的功能都在系统层实现，对应用完全透明，我们可以通过部署可信计算平台，不修改系统应用，通过对应用进行注册，并辅以有关可信功能组件，即可构建出一个基于可信计算的安全防护体系。同时，基于可信计算的安全防护体系也为应用提供了功能调用接口，应用可根据需求进行调用，充分利用可信芯片提供的安全特性。

考虑到用户系统计算机设备替换成本及商用可信计算机的研发进度等因素，现阶段以PCI插卡方式的可信计算平台为主，改造用户原有信息系统，构造安全防护体系，实现可信计算的核心功能。值得注意的是，这种模式其信任链起点开始于OSLoader，存在安全机制被旁路和篡改的风险，加上需同时延续使用部分原有的安全设备，增加了运维管理的复杂度，降低了系统的整体防护能力，需要用户根据需要对系统进行优化和完善。

本发明实施例提供的面向第三方社会服务的人工智能基础资源与技术开放平台，基于自然语言的理解，能够根据用户的指令完成相应事件的操作，由于人工智能技术不受自然人的各种客观及主观情况影响，能够即时响应，网络延时近乎为零，因此社会公众可以使用自然语言代替关键词来获得有效的信息，并及时得到反馈。此外，人工智能系统具有自动学习和模拟最终用户的能力，可大量简化最终用户的操作。在公共服务领域，人工智能为服务用户提供了一个很好的开发工具，它能将服务需求从繁琐的搜索和海量的信息中迅速解放出来，因此，它对于提升各界社会公共服务水平具有非常显著的优势。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (9)

1.一种面向第三方社会服务的人工智能基础资源与技术开放平台，其特征在于，包括：

基础设施层，用于提供网络与超大规模计算集群开放平台基础设施；

基础数据资源层，用于通过对原始数据的组织和智能化标签，形成人工智能训练集、人工智能基准库和各类平台管理数据；

智能分析层，用于通过机器学习方法，结合各类业务模型，实现对语音、视频、图像、地理信息数据的识别；

能力开放层，配备识别、交互、还原、分析和协作有关的智能技术基础组件，并在此基础上形成智能交互窗、智能服务推送、智能评估与预判的应用组件；

对外服务层，用于为需求单位和个人提供各类服务；

安全体系，包含贯穿始终的安全策略、安全评估和安全管理；

运维体系，用于参照有关国家标准、地方标准和行业标准的有关要求，制定平台的制度规范；

标准体系，用于参照有关国家标准和行业标准的要求制定各类标准。

2.根据权利要求1所述的开放平台，其特征在于，所述对外服务层提供的服务包括门户服务、知识库服务、推荐服务和嵌入式扩展组件。

3.根据权利要求1所述的开放平台，其特征在于，所述安全体系在技术层面上表现为实体的物理安全，网络的基础结构、网络层的安全、操作系统平台的安全、应用平台的安全，以及在此基础之上的应用数据的安全。

4.根据权利要求1所述的开放平台，其特征在于，所述标准体系还制定适用于面向第三方社会服务的人工智能分类标准。

5.根据权利要求1所述的开放平台，其特征在于，所述机器学习方法包括集成学习和卷积神经网络。

6.根据权利要求1所述的开放平台，其特征在于，所述平台的制度规范包括运行维护、应急响应、技术支持管理、人员培训、资产管理和经费管理。

7.根据权利要求1所述的开放平台，其特征在于，所述开放平台的数据包括基础数据、训练数据和业务数据。

8.根据权利要求7所述的开放平台，其特征在于，所述基础数据包括各类未经处理的原始数据和基准数据集。

9.根据权利要求7所述的开放平台，其特征在于，所述训练数据包括由语音基础数据处理得到的音频数据、由图像基础数据和空间基础数据降维得到的图形和空间本征数据。