CN113079052B - 模型训练、物联网数据识别方法、装置、设备及存储介质 - Google Patents
模型训练、物联网数据识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113079052B CN113079052B CN202110475810.2A CN202110475810A CN113079052B CN 113079052 B CN113079052 B CN 113079052B CN 202110475810 A CN202110475810 A CN 202110475810A CN 113079052 B CN113079052 B CN 113079052B
- Authority
- CN
- China
- Prior art keywords
- data
- internet
- things
- asset
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L61/00—Network arrangements, protocols or services for addressing or naming
- H04L61/50—Address allocation
- H04L61/5007—Internet protocol [IP] addresses
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种模型训练、物联网数据识别方法、装置、设备及存储介质。所述模型训练方法,包括:获取物联网资产样本数据;其中,物联网资产样本数据包括网络地址数据、网络域数据和接入标签数据;将物联网资产样本数据输入至预设物联网资产识别模型进行物联网资产数据识别训练,得到目标物联网资产数据识别模型;其中,目标物联网资产数据识别模型用于识别物联网资产数据。本发明实施例的技术方案能够高效识别物联网资产数据,并提升物联网资产数据的识别精确度。
Description
技术领域
本发明实施例涉及物联网技术领域,尤其涉及一种模型训练、物联网数据识别方法、装置、设备及存储介质。
背景技术
随着5G技术的普及,物联网业务也如雨后春笋般快速发展,这使得物联网数据呈爆炸式增长。对物联网资产数据的精准识别可以大大降低物联网数据的分析时间,因此,物联网资产的精准识别成为物联网领域的技术要点。
目前,运营商虽然建立了物联网基地,但是由于物联网的资费低、发卡量大以及适用范围广等特点,导致物联网接入点也被广泛用于其它场景,这给物联网资产数据识别带来困难。现有技术中主要通过人工来寻找物联网设备的指纹,以通过指纹对物联网资产数据进行识别,而这种识别方法的效率较低,且由于人工经验不足等原因容易导致物联网资产数据识别准确率低的问题。
发明内容
本发明实施例提供一种模型训练、物联网数据识别方法、装置、设备及存储介质,能够高效识别物联网资产数据,并提升物联网资产数据的识别精确度。
第一方面,本发明实施例提供了一种模型训练方法,包括:
获取物联网资产样本数据;其中,物联网资产样本数据包括网络地址数据、网络域数据和接入标签数据;
将物联网资产样本数据输入至预设物联网资产识别模型进行物联网资产数据识别训练,得到目标物联网资产数据识别模型;
其中,目标物联网资产数据识别模型用于识别物联网资产数据。
第二方面,本发明实施例提供了一种物联网数据识别方法,包括:
获取待处理数据;
将待处理数据输入至目标物联网资产数据识别模型;其中,目标物联网资产数据识别模型通过本发明任意实施例所述的模型训练方法训练得到;
根据目标物联网资产数据识别模型对待处理数据进行物联网资产数据识别;
根据目标物联网资产数据识别模型的识别结果确定待处理数据的物联网资产数据标签。
第三方面,本发明实施例还提供了一种模型训练装置,包括:
物联网资产样本数据获取模块,用于获取物联网资产样本数据;其中,物联网资产样本数据包括网络地址数据、网络域数据和接入标签数据;
目标物联网资产数据识别模型获取模块,用于将物联网资产样本数据输入至预设物联网资产识别模型进行物联网资产数据识别训练,得到目标物联网资产数据识别模型;
其中,目标物联网资产数据识别模型用于识别物联网资产数据。
第四方面,本发明实施例还提供了一种物联网数据识别装置,包括:
待处理数据获取模块,用于获取待处理数据;
待处理数据输入模块,用于将待处理数据输入至目标物联网资产数据识别模型;其中,目标物联网资产数据识别模型通过任意实施例所述的模型训练方法训练得到;
物联网资产数据识别模块,用于根据目标物联网资产数据识别模型对待处理数据进行物联网资产数据识别;
物联网资产数据标签确定模块,用于根据目标物联网资产数据识别模型的识别结果确定待处理数据的物联网资产数据标签。
第五方面,本发明实施例还提供了一种电子设备,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明任意实施例所提供的模型训练方法或物联网数据识别方法。
第六方面,本发明实施例还提供了一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明任意实施例所提供的模型训练方法或物联网数据识别方法。
本实施例的技术方案,通过获取物联网资产样本数据,并将物联网资产样本数据输入至预设物联网资产识别模型进行物联网资产数据识别训练,得到目标物联网资产数据识别模型。其中,物联网资产样本数据包括网络地址数据、网络域数据和接入标签数据,由于网络地址数据、网络域数据和接入标签数据可以精确的表征物联网资产数据的数据属性特征,因此通过物联网资产样本数据训练得到的目标物联网资产数据识别模型,可以准确识别物联网资产数据解决了现有技术中通过人工对物联网资产数据识别的人工成本高,以及识别准确率低的问题,达到了高效识别物联网资产数据的效果,并提升了物联网资产数据的识别精确度。
附图说明
图1是本发明实施例一提供的一种模型训练方法的流程图;
图2是本发明实施例二提供的一种物联网数据识别方法的流程图;
图3是本发明实施例二提供的一种模型训练检测的流程图;
图4是本发明实施例三提供的一种模型训练装置的示意图;
图5是本发明实施例四提供的一种物联网数据识别装置的示意图;
图6为本发明实施例五提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。
另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)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。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1是本发明实施例一提供的一种模型训练方法的流程图,本实施例可适用于高效精准识别物联网资产数据的情况,该方法可以由模型训练装置来执行,该装置可以由软件和/或硬件的方式来实现,并一般可集成电子设备中。相应的,如图1所示,该方法包括如下操作:
S110、获取物联网资产样本数据。
其中,物联网资产样本数据可以是物联网数据中的能够表征属性类的数据,用于作为样本数据进行模型训练。物联网资产数据可以用于表征物联网资产的具体资产属性。可选的,物联网资产样本数据可以包括但不限于网络地址数据、网络域数据和接入标签数据等。其中,网络地址数据可以是物联网上的节点在网络中具有的逻辑地址,用于对节点进行寻址,如IP(Internet Protocol,国际互联协议)地址和/或MAC(Media Access Control,媒体存取控制)地址等。网络域数据可以是与某一台设备或设备组的名称关联的数据,用于在数据传输时对设备或设备租的定位标识,如域名数据和/或URL(Uniform ResourceLocator,统一资源定位器)等。接入标签数据可以是与APN(Access Point Name,接入点名称)关联的数据,用于对物联网资产数据的识别。APN可以包括但不限于互联网、WAP(Wireless Application Protocol,无线通信协议)网站以及WLAN(Wireless Local AreaNetworks,无线局域网)等。示例性的,APN具体可以是unim2m.gzm2mapn.mnc006.mcc460.g、unim2m.gzm2mapn、gdzhygrj01.schj.gzm2mapn.mnc006、gdgzltzw01.clfu.gzm2mapn.mnc009以及gdszykcl02.clfu.gzm2mapn 等。
在本发明实施例中,可以首先获取通信网中的网络数据,进一步对网络数据中的物联网资产数据进行筛选处理,并将筛选得到的数据作为物联网资产样本数据。可选的,可以将筛选得到的数据中的网络地址数据、网络域数据和接入标签等数据作为物联网资产样本数据。
在本发明的一个可选实施例中,获取物联网资产样本数据,可以包括:获取待分析物联网数据;对待分析物联网数据进行数据过滤,得到目标物联网数据;对目标物联网数据进行特征提取,得到物联网资产样本数据。
其中,待分析物联网数据可以是通信网中的物联网数据。目标物联网数据可以是待分析物联网数据经过数据过滤后得到的物联网数据。
在本发明实施例中,可以首先对通信网中的网络数据进行数据清洗处理,得到待分析物联网数据,进一步对待分析物联网数据进行数据过滤,得到至少包括网络地址数据、网络域数据和接入标签数据的目标物联网数据,并对目标物联网数据进行特征提取,将特征提取结果作为物联网资产样本数据。
示例性的,可以利用通信网中已有信令、公司工商注册信息、公网APN以及公网IP,对通信网中的网络数据进行清洗过滤得到物联网日志数据也即待分析物联网数据。具体的,可以将网络数据中的移动互联网数据进行过滤,提高物联网数据的纯度,并在物联网数据中解析出物联网日志数据。在得到物联网日志数据之后,对物联网日志数据进行过滤得到包括APN、IP地址数据以及域名等数据的物联网日志数据,并将包括APN、IP地址数据以及域名等数据的物联网日志数据作为目标物联网数据,并将目标物联网数据中的APN、IP地址数据以及域名数据进行特征提取,得到物联网资产样本数据。其中,物联网日志数据可以是物联网设备通信过程中产生的日志数据。
在本发明的一个可选实施例中,对待分析物联网数据进行数据过滤,可以包括:根据基准接入标签数据对待分析物联网数据的接入标签数据进行过滤,得到第一过滤数据;根据基准网络地址数据和基准网络域数据对第一过滤数据的网络地址数据和网络域数据再次进行过滤,得到目标物联网数据。
其中,基准接入标签数据可以是已知的标准接入标签数据,用于对待分析物联网数据的接入标签数据进行过滤处理。第一过滤数据可以是待分析物联网数据的接入标签数据进行数据过滤得到的数据。基准网络地址数据可以是已知的标准网络地址数据,用于对第一过滤数据的网络地址数据进行再次过滤。基准网络域数据可以是已知的标准网络域数据,用于对第一过滤数据的网络域数据进行再次过滤。
在本发明实施例中,可以首先从已知的物联网数据中确定基准接入标签数据、基准网络地址数据以及基准网络域数据。进一步的,可以通过基准接入标签数据对待分析物联网数据的接入标签数据进行过滤,得到第一过滤数据。在得到第一过滤数据之后,可以根据基准网络地址数据和基准网络域数据对第一过滤数据的网络地址数据进行再次过滤,将完成网络地址数据和网络域数据再次过滤的第一过滤数据作为目标物联网数据。
示例性的,可以将公网APN作为基准接入标签数据,公网IP地址作为基准网络地址数据,将属于互联网公司以及公网的域名数据作为基准网络域数据。对待分析物联网数据进行数据过滤的具体过程可以是:首先对待分析物联网数据中的公网APN进行过滤,并将APN携带M2M(Machine to Machine,机器到机器)标识、IOT(Internet of Things,物联网)标识、业务类型标识以及签约省市标识的待分析物联网数据作为第一过滤数据。在得到第一过滤数据之后,将包括公网IP地址数据、互联网公司以及公网的域名数据的第一过滤数据进行再次过滤得到目标物联网数据。其中,业务类型标识可以用于表征物联网设备所使用的网络业务类型。例如,业务类型标识可以包括但不限于物联网业务类型以及互联网业务类型等。例如,业务类型标识可以包括但不限于车辆服务、智能抄表、抄表以及无线销售终端等。签约省市标识是对应省份的拼音缩写,用于表征物联网设备所使用的网络业务所属的省市。
在本发明的一个可选实施例中,对目标物联网数据进行特征提取,得到物联网资产样本数据,可以包括:对目标物联网数据的接入标签数据进行第一特征提取处理,得到接入标签特征数据;对目标物联网数据的网络地址数据进行第二特征提取处理,得到网络地址特征数据;对目标物联网数据的网络域数据进行第三特征提取处理,得到网络域特征数据;根据网络地址特征数据、网络域特征数据以及接入标签特征数据确定物联网资产样本数据。
其中,第一特征提取处理可以用于提取目标物联网数据的接入标签数据的特征。接入标签特征数据可以是接入标签数据中的部分数据。示例性的,接入标签特征数据可以包括APN携带的标识数据。其中,APN携带的标识数据可以是网络接入点的配置参数,以便于对物联网资产数据的分析。第二特征提取处理可以用于提取目标物联网数据的网络地址数据的特征。网络地址特征数据可以用于表征网络地址所属的地理范围。第三特征提取处理可以用于提取目标物联网数据的网络域数据的特征。网络域特征数据可以用于表征为物联网数据提供网络传输的服务方。
在本发明实施例中,在得到目标物联网数据之后,可以首先对目标物联网数据的接入标签数据进行第一特征提取处理,得到APN携带的标识数据,进一步对目标物联网数据的网络地址数据进行第二特征提取处理,得到与网络地址数据对应的网络地址所属的地理范围。对目标物联网数据的网络域数据进行第三特征提取处理,得到与网络域数据对应的为物联网数据提供网络传输的服务方数据。将得到的物联网资产的标识数据、网络地址所属的地理范围以及为物联网数据提供网络传输的服务方数据作为物联网资产样本数据。
示例性的,可以对目标物联网数据的接入标签数据进行第一特征提取处理,得到APN、业务类型标识、签约省市标识以及交换区标识等APN携带的标识数据,并将APN、业务类型标识、签约省市标识以及交换区标识等数据作为接入标签特征数据。对目标物联网数据的网络地址数据进行第二特征提取处理,识别网络地址属于地理范围(如中国或者国外等)。对目标物联网数据的网络域数据进行第三特征提取处理,得到为物联网数据提供网络传输的服务方数据(如互联网公司数据、物联网公司数据或者物联网平台数据等)。将APN、业务类型标识、签约省市标识、交换区标识、网络地址所属地理范围以及为物联网数据提供网络传输的服务方数据作为物联网资产样本数据。
S120、将物联网资产样本数据输入至预设物联网资产识别模型进行物联网资产数据识别训练,得到目标物联网资产数据识别模型。
其中,预设物联网资产识别模型可以是任意的识别模型,只要能够对物联网资产数据进行识别即可。需要注意的是,预设物联网资产识别模型可以是原始待训练的模型,也可以是现有的成熟模型。目标物联网资产数据识别模型可以是预设物联网资产识别模型通过物联网资产样本数据训练后,得到的成熟模型,用于识别物联网资产数据。
相应的,在得到物联网资产样本数据之后,可以将物联网资产样本数据输入至预设物联网资产识别模型中,通过物联网资产样本数据对预设物联网资产识别模型进行物联网资产数据识别训练,得到目标物联网资产数据识别模型。
示例性的,利用APN携带的标识数据、IP地址数据以及域名数据对预设物联网资产识别模型进行训练,根据APN携带的标识数据、IP地址数据以及域名数据之间的关联关系,使得完成训练的目标物联网资产数据识别模型可以对物联网资产数据进行物联网场景、物联网资产所属服务方以及网络地址所属地理范围的识别。具体的,目标物联网资产数据识别模型可以对物联网资产数据的物联网场景划分为:车联网、公共服务、零售服务、智慧工厂、智慧农业、智慧家居、智慧物流、智慧校园、智慧医疗以及物联网云平台等。此外,根据目标物联网资产数据识别模型的识别结果可以判断物联网卡是否滥用的情况,为物联网业务分析提供数据基础。
本实施例的技术方案,通过获取物联网资产样本数据,并将物联网资产样本数据输入至预设物联网资产识别模型进行物联网资产数据识别训练,得到目标物联网资产数据识别模型。其中,物联网资产样本数据包括网络地址数据、网络域数据和接入标签数据,由于网络地址数据、网络域数据和接入标签数据可以精确的表征物联网资产数据的数据属性特征,因此通过物联网资产样本数据训练得到的目标物联网资产数据识别模型,可以准确识别物联网资产数据解决了现有技术中通过人工对物联网资产数据识别的人工成本高,以及识别准确率低的问题,达到了高效识别物联网资产数据的效果,并提升了物联网资产数据的识别精确度。
实施例二
图2是本发明实施例二提供的一种物联网数据识别方法的流程图,本实施例可适用于高效精准识别物联网资产数据的情况,该方法可以由物联网数据识别装置来执行,该装置可以由软件和/或硬件的方式来实现,并一般可集成电子设备中。相应的,如图2所示,该方法包括如下操作
S210、获取待处理数据。
其中,待处理数据可以是需要进行物联网资产数据识别的物联网数据。
在本发明实施例中,可以根据物联网资产数据的分析需求获取待处理数据。
S220、将待处理数据输入至目标物联网资产数据识别模型。
其中,目标物联网资产数据识别模型通过本发明任意实施例所述的模型训练方法训练得到。
相应的,在得到待处理数据之后,可以将待处理数据输入至目标物联网资产数据识别模型。
S230、根据目标物联网资产数据识别模型对待处理数据进行物联网资产数据识别。
在本发明实施例中,目标物联网资产数据识别模型可以对待处理数据进行物联网资产数据识别,以便于对待处理数据的具体资产属性进行标识。
S240、根据目标物联网资产数据识别模型的识别结果确定待处理数据的物联网资产数据标签。
其中,物联网资产数据标签可以是物联网资产数据的数据属性标识。
相应的,当目标物联网资产数据识别模型完成对待处理数据的物联网资产数据识别之后,可以根据目标物联网资产数据识别模型的识别结果对待处理数据进行标识,也即将识别结果作为待处理数据的物联网资产数据标签。
在本发明的一个可选实施例中,在根据目标物联网资产数据识别模型的识别结果确定待处理数据的物联网资产数据标签之后,还可以包括:通过真实物联网资产数据标签对待处理数据的物联网资产数据标签进行比对,得到比对结果;根据比对结果更新目标物联网资产数据识别模型。
其中,真实物联网资产数据标签可以是物联网资产数据的真实资产数据属性标识,可以用于判断待处理数据的物联网资产数据标签的准确度。
具体的,在得到待处理数据的物联网资产数据标签之后,还可以获取待处理数据的真实物联网资产数据标签,进一步将真实物联网资产数据标签与待处理数据的物联网资产数据标签进行比对,如果真实物联网资产数据标签与待处理数据的物联网资产数据标签相同,则不对目标物联网资产数据识别模型进行更新。如果真实物联网资产数据标签与待处理数据的物联网资产数据标签不相同,则根据真实物联网资产数据标签对目标物联网资产数据识别模型进行训练,实现对目标物联网资产数据识别模型的更新,以提高目标物联网资产数据识别模型的物联网资产数据的识别准确度。
图3是本发明实施例二提供的一种模型训练检测的流程图,在一个具体的例子中,如图3所示,首先建立预设物联网资产识别模型,进一步在通信网中的物联网数据中解析出包括APN、IP地址、域名以及URL的物联网日志数据,并对物联网日志数据进行数据过滤以及特征提取,得到APN、业务类型标识、签约省市标识、交换区标识、网络地址所属地理范围以及为物联网数据提供网络传输的服务方数据。通过APN、业务类型标识、签约省市标识、交换区标识、网络地址所属地理范围以及为物联网数据提供网络传输的服务方数据对预设物联网资产识别模型进行训练得到目标物联网资产数据识别模型。将待处理数据输入至目标物联网资产数据识别模型进行物联网资产数据识别,并确定待处理数据的物联网资产数据标签。
本实施例的技术方案,通过获取待处理数据,并将待处理数据输入至目标物联网资产数据识别模型,进一步根据目标物联网资产数据识别模型对待处理数据进行物联网资产数据识别,从而根据目标物联网资产数据识别模型的识别结果确定待处理数据的物联网资产数据标签。由于目标物联网资产数据识别模型可以精准识别物联网资产数据,根据目标物联网资产数据识别模型的识别结果确定的待处理数据的物联网资产数据标签也具有很高的数据精准度,解决了现有技术中通过人工对物联网资产数据识别的人工成本高,以及识别准确率低的问题,达到了高效识别物联网资产数据的效果,提升了物联网资产数据的识别精确度。
需要说明的是,以上各实施例中各技术特征之间的任意排列组合也属于本发明的保护范围。
实施例三
图4是本发明实施例三提供的一种模型训练装置的示意图,如图4所示,所述装置包括:物联网资产样本数据获取模块310以及目标物联网资产数据识别模型获取模块320,其中:
物联网资产样本数据获取模块310,用于获取物联网资产样本数据;其中,物联网资产样本数据包括网络地址数据、网络域数据和接入标签数据;
目标物联网资产数据识别模型获取模块320,用于将物联网资产样本数据输入至预设物联网资产识别模型进行物联网资产数据识别训练,得到目标物联网资产数据识别模型;
其中,目标物联网资产数据识别模型用于识别物联网资产数据。
本实施例的技术方案,通过获取物联网资产样本数据,并将物联网资产样本数据输入至预设物联网资产识别模型进行物联网资产数据识别训练,得到目标物联网资产数据识别模型。其中,物联网资产样本数据包括网络地址数据、网络域数据和接入标签数据,由于网络地址数据、网络域数据和接入标签数据可以精确的表征物联网资产数据的数据属性特征,因此通过物联网资产样本数据训练得到的目标物联网资产数据识别模型,可以准确识别物联网资产数据解决了现有技术中通过人工对物联网资产数据识别的人工成本高,以及识别准确率低的问题,达到了高效识别物联网资产数据的效果,并提升了物联网资产数据的识别精确度。
可选的,物联网资产样本数据获取模块310,具体用于获取待分析物联网数据;对所述待分析物联网数据进行数据过滤,得到目标物联网数据;对所述目标物联网数据进行特征提取,得到所述物联网资产样本数据。
可选的,物联网资产样本数据获取模块310,具体用于根据基准接入标签数据对所述待分析物联网数据的接入标签数据进行过滤,得到第一过滤数据;根据基准网络地址数据和基准网络域数据对所述第一过滤数据的网络地址数据和网络域数据再次进行过滤,得到目标物联网数据。
可选的,物联网资产样本数据获取模块310,具体用于对所述目标物联网数据的接入标签数据进行第一特征提取处理,得到接入标签特征数据;对所述目标物联网数据的网络地址数据进行第二特征提取处理,得到网络地址特征数据;对所述目标物联网数据的网络域数据进行第三特征提取处理,得到网络域特征数据;根据所述网络地址特征数据、网络域特征数据以及所述接入标签特征数据确定所述物联网资产样本数据。
上述模型训练装置可执行本发明任意实施例所提供的模型训练方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明任意实施例提供的模型训练方法。
由于上述所介绍的模型训练装置为可以执行本发明实施例中的模型训练方法的装置,故而基于本发明实施例中所介绍的模型训练方法,本领域所属技术人员能够了解本实施例的模型训练装置的具体实施方式以及其各种变化形式,所以在此对于该模型训练装置如何实现本发明实施例中的模型训练方法不再详细介绍。只要本领域所属技术人员实施本发明实施例中模型训练方法所采用的装置,都属于本申请所欲保护的范围。
实施例四
图5是本发明实施例四提供的一种物联网数据识别装置的示意图,如图5所示,所述装置包括:待处理数据获取模块410、待处理数据输入模块420、物联网资产数据识别模块430以及物联网资产数据标签确定模块440,其中:
待处理数据获取模块410,用于获取待处理数据;
待处理数据输入模块420,用于将所述待处理数据输入至目标物联网资产数据识别模型;其中,所述目标物联网资产数据识别模型通过本发明任意实施例所述模型训练方法训练得到;
物联网资产数据识别模块430,用于根据所述目标物联网资产数据识别模型对所述待处理数据进行物联网资产数据识别;
物联网资产数据标签确定模块440,用于根据所述目标物联网资产数据识别模型的识别结果确定所述待处理数据的物联网资产数据标签。
本实施例的技术方案,通过获取待处理数据,并将待处理数据输入至目标物联网资产数据识别模型,进一步根据目标物联网资产数据识别模型对待处理数据进行物联网资产数据识别,从而根据目标物联网资产数据识别模型的识别结果确定待处理数据的物联网资产数据标签。由于目标物联网资产数据识别模型可以精准识别物联网资产数据,根据目标物联网资产数据识别模型的识别结果确定的待处理数据的物联网资产数据标签也具有很高的数据精准度,解决了现有技术中通过人工对物联网资产数据识别的人工成本高,以及识别准确率低的问题,达到了高效识别物联网资产数据的效果,提升了物联网资产数据的识别精确度。
可选的,物联网数据识别装置,还可以包括:目标物联网资产数据识别模型更新模块,用于通过真实物联网资产数据标签对所述待处理数据的物联网资产数据标签进行比对,得到比对结果;根据所述比对结果更新所述目标物联网资产数据识别模型。
上述物联网数据识别装置可执行本发明任意实施例所提供的物联网数据识别方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明任意实施例提供的物联网数据识别方法。
由于上述所介绍的物联网数据识别装置为可以执行本发明实施例中的物联网数据识别方法的装置,故而基于本发明实施例中所介绍的物联网数据识别方法,本领域所属技术人员能够了解本实施例的物联网数据识别装置的具体实施方式以及其各种变化形式,所以在此对于该物联网数据识别装置如何实现本发明实施例中的物联网数据识别方法不再详细介绍。只要本领域所属技术人员实施本发明实施例中物联网数据识别方法所采用的装置,都属于本申请所欲保护的范围。
实施例五
图6为本发明实施例五提供的一种电子设备的结构示意图。图6示出了适于用来实现本发明实施方式的电子设备512的框图。图6显示的电子设备512 仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。电子设备512例如可以是租借设备或管理终端设备等。
如图6所示,电子设备512以通用计算设备的形式表现。电子设备512的组件可以包括但不限于:一个或者多个处理器516,存储装置528,连接不同系统组件(包括存储装置528和处理器516)的总线518。
总线518表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture,ISA)总线,微通道体系结构(Micro Channel Architecture,MCA)总线,增强型ISA总线、视频电子标准协会(Video Electronics Standards Association,VESA)局域总线以及外围组件互连(Peripheral Component Interconnect,PCI)总线。
电子设备512典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备512访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储装置528可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(Random Access Memory,RAM)530和/或高速缓存存储器532。电子设备512可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统534可以用于读写不可移动的、非易失性磁介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如只读光盘(Compact Disc-Read Only Memory,CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory,DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线518相连。存储装置528可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块526的程序536,可以存储在例如存储装置528中,这样的程序模块526包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块526通常执行本发明所描述的实施例中的功能和/或方法。
电子设备512也可以与一个或多个外部设备514(例如键盘、指向设备、摄像头、显示器524等)通信,还可与一个或者多个使得用户能与该电子设备 512交互的设备通信,和/或与使得该电子设备512能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(Input/Output,I/O)接口522进行。并且,电子设备512还可以通过网络适配器520与一个或者多个网络(例如局域网(Local AreaNetwork, LAN),广域网Wide Area Network,WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器520通过总线518与电子设备512的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备512使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of IndependentDisks,RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器516通过运行存储在存储装置528中的程序,从而执行各种功能应用以及数据处理,例如实现本发明上述实施例所提供的模型训练方法:获取物联网资产样本数据;其中,物联网资产样本数据包括网络地址数据、网络域数据和接入标签数据;将物联网资产样本数据输入至预设物联网资产识别模型进行物联网资产数据识别训练,得到目标物联网资产数据识别模型;其中,目标物联网资产数据识别模型用于识别物联网资产数据。或者,实现本发明上述实施例所提供的物联网数据识别方法,获取待处理数据;将待处理数据输入至目标物联网资产数据识别模型;其中,目标物联网资产数据识别模型通过本发明任意实施例所述的模型训练方法训练得到;根据目标物联网资产数据识别模型对待处理数据进行物联网资产数据识别;根据目标物联网资产数据识别模型的识别结果确定待处理数据的物联网资产数据标签。
本实施例的技术方案,通过获取物联网资产样本数据,并将物联网资产样本数据输入至预设物联网资产识别模型进行物联网资产数据识别训练,得到目标物联网资产数据识别模型。其中,物联网资产样本数据包括网络地址数据、网络域数据和接入标签数据,由于网络地址数据、网络域数据和接入标签数据可以精确的表征物联网资产数据的数据属性特征,因此通过物联网资产样本数据训练得到的目标物联网资产数据识别模型,可以准确识别物联网资产数据解决了现有技术中通过人工对物联网资产数据识别的人工成本高,以及识别准确率低的问题,达到了高效识别物联网资产数据的效果,并提升了物联网资产数据的识别精确度。
实施例六
本发明实施例六还提供一种存储计算机程序的计算机存储介质,所述计算机程序在由计算机处理器执行时用于执行本发明上述实施例任一所述的模型训练方法:获取物联网资产样本数据;其中,物联网资产样本数据包括网络地址数据、网络域数据和接入标签数据;将物联网资产样本数据输入至预设物联网资产识别模型进行物联网资产数据识别训练,得到目标物联网资产数据识别模型;其中,目标物联网资产数据识别模型用于识别物联网资产数据。或者,实现本发明上述实施例所提供的物联网数据识别方法,获取待处理数据;将待处理数据输入至目标物联网资产数据识别模型;其中,目标物联网资产数据识别模型通过本发明任意实施例所述的模型训练方法训练得到;根据目标物联网资产数据识别模型对待处理数据进行物联网资产数据识别;根据目标物联网资产数据识别模型的识别结果确定待处理数据的物联网资产数据标签。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ReadOnly Memory,ROM)、可擦式可编程只读存储器((Erasable Programmable Read OnlyMemory, EPROM)或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、射频(Radio Frequency,RF)等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、 Smalltalk、C++,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN)连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (7)
1.一种模型训练方法,其特征在于,包括:
获取待分析物联网数据;
根据基准接入标签数据对所述待分析物联网数据的接入标签数据进行过滤,得到第一过滤数据;
根据基准网络地址数据和基准网络域数据对所述第一过滤数据的网络地址数据和网络域数据再次进行过滤,得到目标物联网数据;
对所述目标物联网数据进行特征提取,得到物联网资产样本数据;其中,所述物联网资产样本数据包括网络地址数据、网络域数据和接入标签数据;
将所述物联网资产样本数据输入至预设物联网资产识别模型进行物联网资产数据识别训练,得到目标物联网资产数据识别模型;其中,所述目标物联网资产数据识别模型用于对物联网资产数据进行物联网场景、物联网资产所属服务方以及网络地址所属地理范围的识别。
2.根据权利要求1所述的方法,其特征在于,所述对所述目标物联网数据进行特征提取,得到所述物联网资产样本数据,包括:
对所述目标物联网数据的接入标签数据进行第一特征提取处理,得到接入标签特征数据;
对所述目标物联网数据的网络地址数据进行第二特征提取处理,得到网络地址特征数据;
对所述目标物联网数据的网络域数据进行第三特征提取处理,得到网络域特征数据;
根据所述网络地址特征数据、网络域特征数据以及所述接入标签特征数据确定所述物联网资产样本数据。
3.一种物联网数据识别方法,其特征在于,包括:
获取待处理数据;
将所述待处理数据输入至目标物联网资产数据识别模型;其中,所述目标物联网资产数据识别模型通过权利要求1-2任一所述模型训练方法训练得到;
根据所述目标物联网资产数据识别模型对所述待处理数据进行物联网资产数据识别;
根据所述目标物联网资产数据识别模型的识别结果确定所述待处理数据的物联网资产数据标签;其中,所述物联网资产数据标签指所述物联网资产数据的数据属性标识;
通过真实物联网资产数据标签对所述待处理数据的物联网资产数据标签进行比对,得到比对结果;
根据所述比对结果更新所述目标物联网资产数据识别模型。
4.一种模型训练装置,其特征在于,包括:
物联网资产样本数据获取模块,用于获取物联网资产样本数据;其中,所述物联网资产样本数据包括网络地址数据、网络域数据和接入标签数据;
目标物联网资产数据识别模型获取模块,用于将所述物联网资产样本数据输入至预设物联网资产识别模型进行物联网资产数据识别训练,得到目标物联网资产数据识别模型;其中,所述目标物联网资产数据识别模型用于对物联网资产数据进行物联网场景、物联网资产所属服务方以及网络地址所属地理范围的识别;
所述物联网资产样本数据获取模块,具体用于获取待分析物联网数据;对所述待分析物联网数据进行数据过滤,得到目标物联网数据;对所述目标物联网数据进行特征提取,得到所述物联网资产样本数据;
所述物联网资产样本数据获取模块,具体用于根据基准接入标签数据对所述待分析物联网数据的接入标签数据进行过滤,得到第一过滤数据;根据基准网络地址数据和基准网络域数据对所述第一过滤数据的网络地址数据和网络域数据再次进行过滤,得到目标物联网数据。
5.一种物联网数据识别装置,其特征在于,包括:
待处理数据获取模块,用于获取待处理数据;
待处理数据输入模块,用于将所述待处理数据输入至目标物联网资产数据识别模型;其中,所述目标物联网资产数据识别模型通过权利要求1-2任一所述模型训练方法训练得到;
物联网资产数据识别模块,用于根据所述目标物联网资产数据识别模型对所述待处理数据进行物联网资产数据识别;
物联网资产数据标签确定模块,用于根据所述目标物联网资产数据识别模型的识别结果确定所述待处理数据的物联网资产数据标签;其中,所述物联网资产数据标签指所述物联网资产数据的数据属性标识;
目标物联网资产数据识别模型更新模块,用于通过真实物联网资产数据标签对所述待处理数据的物联网资产数据标签进行比对,得到比对结果;根据所述比对结果更新所述目标物联网资产数据识别模型。
6.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-2中任一所述的模型训练方法,或者,实现如权利要求3所述的物联网数据识别方法。
7.一种计算机存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-2中任一所述的模型训练方法,或者,实现如权利要求3所述的物联网数据识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110475810.2A CN113079052B (zh) | 2021-04-29 | 2021-04-29 | 模型训练、物联网数据识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110475810.2A CN113079052B (zh) | 2021-04-29 | 2021-04-29 | 模型训练、物联网数据识别方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113079052A CN113079052A (zh) | 2021-07-06 |
CN113079052B true CN113079052B (zh) | 2023-04-07 |
Family
ID=76616031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110475810.2A Active CN113079052B (zh) | 2021-04-29 | 2021-04-29 | 模型训练、物联网数据识别方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113079052B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117851835B (zh) * | 2024-01-24 | 2024-05-28 | 广州科韵智慧科技有限公司 | 一种深度学习的物联网识别系统及方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107205016A (zh) * | 2017-04-18 | 2017-09-26 | 中国科学院计算技术研究所 | 物联网设备的检索方法 |
CN110602041A (zh) * | 2019-08-05 | 2019-12-20 | 中国人民解放军战略支援部队信息工程大学 | 基于白名单的物联网设备识别方法、装置及网络架构 |
CN111275453A (zh) * | 2018-12-03 | 2020-06-12 | 中国移动通信集团上海有限公司 | 一种物联网设备的行业识别方法及系统 |
CN111476375A (zh) * | 2020-03-30 | 2020-07-31 | 中移动信息技术有限公司 | 一种确定识别模型的方法、装置、电子设备及存储介质 |
AU2020101257A4 (en) * | 2020-07-04 | 2020-08-13 | Liaoning University Of Science And Technology | An Internet Of Things Method For Complex Image Label Recognition |
CN111897962A (zh) * | 2020-07-27 | 2020-11-06 | 绿盟科技集团股份有限公司 | 一种物联网资产标记方法及装置 |
CN112016633A (zh) * | 2020-09-25 | 2020-12-01 | 北京百度网讯科技有限公司 | 一种模型训练方法、装置、电子设备及存储介质 |
CN112489625A (zh) * | 2020-10-19 | 2021-03-12 | 厦门快商通科技股份有限公司 | 语音情绪识别方法、系统、移动终端及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200143292A1 (en) * | 2018-11-01 | 2020-05-07 | General Electric Company | Signature enhancement for deviation measurement-based classification of a detected anomaly in an industrial asset |
US11411832B2 (en) * | 2018-12-28 | 2022-08-09 | Intel Corporation | Methods and apparatus to generate optimized models for internet of things devices |
-
2021
- 2021-04-29 CN CN202110475810.2A patent/CN113079052B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107205016A (zh) * | 2017-04-18 | 2017-09-26 | 中国科学院计算技术研究所 | 物联网设备的检索方法 |
CN111275453A (zh) * | 2018-12-03 | 2020-06-12 | 中国移动通信集团上海有限公司 | 一种物联网设备的行业识别方法及系统 |
CN110602041A (zh) * | 2019-08-05 | 2019-12-20 | 中国人民解放军战略支援部队信息工程大学 | 基于白名单的物联网设备识别方法、装置及网络架构 |
CN111476375A (zh) * | 2020-03-30 | 2020-07-31 | 中移动信息技术有限公司 | 一种确定识别模型的方法、装置、电子设备及存储介质 |
AU2020101257A4 (en) * | 2020-07-04 | 2020-08-13 | Liaoning University Of Science And Technology | An Internet Of Things Method For Complex Image Label Recognition |
CN111897962A (zh) * | 2020-07-27 | 2020-11-06 | 绿盟科技集团股份有限公司 | 一种物联网资产标记方法及装置 |
CN112016633A (zh) * | 2020-09-25 | 2020-12-01 | 北京百度网讯科技有限公司 | 一种模型训练方法、装置、电子设备及存储介质 |
CN112489625A (zh) * | 2020-10-19 | 2021-03-12 | 厦门快商通科技股份有限公司 | 语音情绪识别方法、系统、移动终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113079052A (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109086669B (zh) | 人脸识别身份验证方法、装置、电子设备 | |
CN106845470B (zh) | 地图数据采集方法和装置 | |
CN109492066B (zh) | 一种兴趣点分支名称的确定方法、装置、设备及存储介质 | |
KR102002024B1 (ko) | 객체 라벨링 처리 방법 및 객체 관리 서버 | |
CN109086834B (zh) | 字符识别方法、装置、电子设备及存储介质 | |
CN111784774B (zh) | 目标检测方法、装置、计算机可读介质及电子设备 | |
CN112688810B (zh) | 网络资产信息获取方法、设备及可读存储介质 | |
CN112200067B (zh) | 智能视频事件检测方法、系统、电子设备和存储介质 | |
CN109636424A (zh) | 一种车辆信息的管理方法及相关设备 | |
CN113079052B (zh) | 模型训练、物联网数据识别方法、装置、设备及存储介质 | |
CN110672102B (zh) | 视觉辅助机器人初始化定位方法、机器人及可读存储介质 | |
CN113065016A (zh) | 线下门店信息处理方法、装置、设备及系统 | |
CN113822036B (zh) | 一种隐私政策内容生成方法、装置及电子设备 | |
CN116185393A (zh) | 接口文档的生成方法、装置、设备、介质及产品 | |
CN114419070A (zh) | 一种图像场景分割方法、装置、设备及存储介质 | |
CN114461657A (zh) | 兴趣点信息的更新方法、装置、电子设备及存储介质 | |
CN114090650A (zh) | 一种样本数据识别方法、装置、电子设备及存储介质 | |
CN113792569B (zh) | 对象识别方法、装置、电子设备及可读介质 | |
CN110443202B (zh) | 论文字体工整度即时分析系统、方法及存储介质 | |
CN113344064A (zh) | 事件处理方法和装置 | |
CN113761306A (zh) | 一种车端数据处理方法及装置 | |
CN112866979A (zh) | 基于5g服务化接口的用户信息关联方法、装置、设备和介质 | |
CN112699776A (zh) | 训练样本优化方法、目标检测模型生成方法、设备及介质 | |
CN111262727A (zh) | 服务的扩容方法、装置、设备及存储介质 | |
CN105741152A (zh) | 一种基于打车的身份信息的验证方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |