CN114721529A - 基于人工智能的软件兼容控制方法、系统及云平台 - Google Patents

Abstract

本申请实施例提供一种基于人工智能的软件兼容控制方法、系统及云平台，所述软件兼容控制系统包括KVM切换器以及与KVM切换器连接的至少一个键鼠终端以及至少一个PC机，其中，所述KVM切换器包括用于与所述键鼠终端连接的USB主机模块以及用于与所述PC机连接的USB设备模块。所述USB主机模块在检测到键鼠终端接入时，获取并分析接入的键鼠终端的设备描述符，并将获取到的设备描述符通过所述USB设备模块发送给所述PC机，使所述PC机获取到的设备描述符为当前实时接入的键鼠终端的设备描述符。本申请实施例达到基于人工智能的软件兼容目的。

Description

基于人工智能的软件兼容控制方法、系统及云平台

技术领域

本申请涉及人工智能与软件技术领域，具体而言，涉及一种基于人工智能的软件兼容控制方法、系统及云平台。

背景技术

人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、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。随着电脑的普及和个人电脑的发展，让基于人工智能的KVM（键盘、显示器、鼠标）切换器的市场同步在扩大，键鼠的种类也越来越多并越来越复杂。KVM的一个必要组成部分为Hot Keys（热键）。所谓热键，即通过敲击键盘上的某些按键，达到控制KVM切换、设置KVM系统等功能，是KVM的重要组成部分。

发明人经过研究发现，现有的KVM使用了固定的复合设备，固定的设备描述符，会导致在使用过程中出现使用异常的问题。

发明内容

为了至少克服现有技术中的上述不足，本申请的目的在于提供一种基于人工智能的软件兼容控制方法、系统及云平台。

首先，本申请实施例提供的基于人工智能的软件兼容控制方法，应用于软件兼容控制系统，所述软件兼容控制系统包括KVM切换器以及与KVM切换器连接的至少一个键鼠终端以及至少一个PC机，其中，所述KVM切换器包括用于与所述键鼠终端连接的USB主机模块以及用于与所述PC机连接的USB设备模块，所述USB主机模块与所述USB设备模块连接，以进行数据交互，所述方法包括：

所述USB主机模块在检测到键鼠终端接入时，获取并分析接入的键鼠终端的设备描述符，并将获取到的设备描述符转发至所述USB设备模块；

所述USB设备模块存储所述USB主机模块转发的设备描述符，并发送给所述PC机，使所述PC机获取到的设备描述符为当前实时接入的键鼠终端的设备描述符；

所述USB设备模块从所述USB主机模块获取键鼠终端产生的键鼠数据并转发至PC机进行处理。

本实施例中，所述方法还包括：

所述USB主机模块在接收到键鼠数据时，对所述键鼠数据进行数据位解析，得到所述键鼠数据的数据位数；

根据所述数据位数查询预先设置的数据格式映射表，得到用于对所述键鼠数据进行数据打包的目标数据处理函数；

通过所述目标数据处理函数对所述键鼠数据进行打包处理，得到与所述键鼠数据的数据位数相适配的键鼠数据包，并通过所述USB设备模块转发给所述PC机进行处理。

本实施例中，所述方法还包括：

所述USB主机模块在接收到所述键鼠终端产生的实时触发事件时，将所述实时触发事件输入预先训练得到的异常事件识别模型，得到针对所述实时触发事件的识别结果；

当所述识别结果指示所述实时触发事件为异常触发事件时，根据所述异常触发事件对应的事件类型调用针对该事件类型预先创建的事件模拟实例，对所述键鼠终端直接对所述PC机执行所述实时触发事件的动作进行模拟，并将模拟过程产生的事件模拟数据透传给所述USB设备模块；

所述USB设备模块将所述事件模拟数据发送给所述PC机，使所述PC机根据所述事件模拟数据对所述实时触发事件进行响应。

本实施例中，所述方法还包括：

所述PC机对所述异常事件识别模型进行模型训练，并将训练后的异常事件识别模型通过所述USB设备模块发送至所述USB主机模块，其中，对所述异常事件识别模型进行模型训练包括：

针对异常触发事件集中的每个异常触发事件样本，将所述异常触发事件样本的描述信息按照对应的类型进行信息编译处理，以获得所述异常触发事件样本的描述信息特征序列；

针对每个所述异常触发事件样本的描述信息特征序列所包括的多个描述信息特征元素，确定对应的异常触发事件的发生次数达到预设次数的描述信息特征元素作为目标描述信息特征；

对所述目标描述信息特征中的描述信息特征进行特征拓展，以将获得的拓展描述信息特征作为指示所述异常触发事件集的相同特性的关联描述信息特征；

确定多个与所述异常触发事件样本不存在关联性的非关联描述信息特征，其中，所述非关联描述信息特征是发生次数小于所述预设次数的描述信息特征元素中所包含的描述信息特征；

在多个所述非关联描述信息特征中，根据所述非关联描述信息特征之间的相关性系数，确定多个所述非关联描述信息特征作为候选关联描述信息特征；

基于所述异常触发事件集中每个异常触发事件样本的所述关联描述信息特征和所述候选关联描述信息特征对所述异常事件识别模型进行训练，得到训练后的异常事件识别模型。

本实施例中，所述将所述异常触发事件样本的描述信息按照对应的类型进行信息编译处理，以获得所述异常触发事件样本的描述信息特征序列，包括：

在所述异常触发事件样本的触发事件中，采集事件类别特征和事件操作特征的特征信息，并基于所采集的特征信息生成多个触发事件描述信息；

针对所述多个触发事件描述信息中的每个触发事件描述信息、以及相应的描述信息分量，确定所述每个触发事件描述信息的描述信息分量的对应的丢包数量、以及针对同一触发事件描述信息的相同描述信息分量的统计信息；

统计各所述描述信息分量对应的丢包数量，将丢包数量达到预设丢包数量的描述信息分量作为异常描述信息分量；

滤除所述异常描述信息分量，并针对滤除所述异常描述信息后对应的触发事件描述信息的描述信息分量通过预设的描述信息分量进行替换，以获得用于进行信息编译处理的触发事件描述信息；

根据每个所述触发事件描述信息的描述信息分量，从相应类型的信息编译库获取所述描述信息分量的信息编译参数；

将对应每个所述触发事件描述信息的描述信息分量所获取到的信息编译参数进行组合，以获得所述异常触发事件样本的描述信息特征序列。

本实施例中，所述针对每个所述异常触发事件样本的描述信息特征序列所包括的多个描述信息特征元素，确定发生次数达到预设次数的描述信息特征元素作为目标描述信息特征，包括：

在不同异常触发事件样本的多个描述信息特征序列中，多次确定描述信息特征，并将每次确定的多个描述信息特征进行组合，以获得多个不同的描述信息特征元素； 其中，每次确定的多个描述信息特征中包括匹配于不同异常触发事件样本的描述信息特征序列中的描述信息特征；

在所述多个不同的描述信息特征元素形成的元素组合中，确定发生次数达到所述预设次数的描述信息特征元素，作为目标描述信息特征；

所述对所述目标描述信息特征中的描述信息特征进行特征拓展，包括：

从所述目标描述信息特征中采集多个描述信息特征，并将采集的多个描述信息特征进行以下任意一种方式的处理：

将所述多个描述信息特征中的任意特征元素进行元素替换；

将所述多个描述信息特征中的任意两个或两个以上特征元素进行元素融合；

在所述多个描述信息特征中植入预设维度信息以进行维度拓展；或者

根据事件回归分析的分析线路，将所述多个描述信息特征进行特征融合。

本实施例中，所述异常事件识别模型包括多个初始异常事件识别模型； 所述基于所述异常触发事件集中每个异常触发事件样本的所述关联描述信息特征和所述候选关联描述信息特征训练异常事件识别模型，包括：

将所述异常触发事件集中每个异常触发事件样本的所述关联描述信息特征、所述候选关联描述信息特征和异常触发事件标签形成训练数据；

基于形成的多个训练数据，训练所述多个初始异常事件识别模型；

将训练后的多个初始异常事件识别模型通过模型叠加规则进行模型叠加，以获得所述异常事件识别模型。

本实施例中，在所述针对异常触发事件集中的每个异常触发事件样本，将所述异常触发事件样本的描述信息按照对应的类型进行信息编译处理，以获得所述异常触发事件样本的描述信息特征序列之前，所述方法还包括：

获取多个触发事件样本的事件描述信息，将所述多个触发事件样本的事件描述信息进行量化表示，以获得每个触发事件样本的异常量化参数，其中，所述异常量化参数指示所述触发事件样本是异常触发事件样本的可能性；

根据所述多个触发事件样本的异常量化参数，确定多个触发事件样本作为异常触发事件样本； 其中，所述根据所述多个触发事件样本的异常量化参数，确定多个触发事件样本作为异常触发事件样本，包括：

在所述多个触发事件样本中，确定异常量化参数达到预设异常量化参数的多个触发事件样本作为异常触发事件样本； 或者

根据所述多个触发事件样本的异常量化参数，将所述多个触发事件样本进行次序整理，并确定次序整理后的多个触发事件样本作为异常触发事件样本；

其中，所述在多个所述非关联描述信息特征中，根据所述非关联描述信息特征之间的相关性系数，确定多个所述非关联描述信息特征作为候选关联描述信息特征，包括：

确定所述多个非关联描述信息特征的特征离散度，并滤除特征离散度小于预设特征离散度的非关联描述信息特征；

将滤除后的非关联描述信息特征进行组合，以获得非关联描述信息特征集合；

确定所述非关联描述信息特征集合中任意两个非关联描述信息特征之间的描述信息相关性系数；

根据所述任意两个非关联描述信息特征之间的描述信息相关性系数，确定所述非关联描述信息特征集合中的各所述非关联描述信息特征与所述非关联描述信息特征集合的全局相关度；

根据所述全局相关度，将所述非关联描述信息特征集合中的非关联描述信息特征进行按照从大到小的顺序进行次序整理，并根据次序整理结果确定多个非关联描述信息特征作为候选关联描述信息特征。

其次，本申请实施例提供的基于人工智能的软件兼容控制软件兼容控制系统，包括KVM切换器以及与KVM切换器连接的至少一个键鼠终端以及至少一个PC机，其中，所述KVM切换器包括用于与所述键鼠终端连接的USB主机模块以及用于与所述PC机连接的USB设备模块，所述USB主机模块与所述USB设备模块连接，以进行数据交互；

所述USB主机模块用于在检测到键鼠终端接入时，获取并分析接入的键鼠终端的设备描述符，并将获取到的设备描述符转发至所述USB设备模块；

所述USB设备模块用于存储所述USB主机模块转发的设备描述符，并发送给所述PC机，使所述PC机获取到的设备描述符为当前实时接入的键鼠终端的设备描述符；

所述USB设备模块用于从所述USB主机模块获取键鼠终端产生的键鼠数据并转发至PC机进行处理。

本实施例中，所述USB主机模块还用于：

在接收到键鼠数据时，对所述键鼠数据进行数据位解析，得到所述键鼠数据的数据位数，根据所述数据位数并查询预先设置的数据格式映射表，得到用于对所述键鼠数据进行数据打包的目标数据处理函数，并通过所述目标数据处理函数对所述键鼠数据进行打包处理，得到与所述键鼠数据的数据位数相适配的键鼠数据包，并通过所述USB设备模块转发给所述PC机进行处理；

在接收到所述键鼠终端产生的实时触发事件时，将所述实时触发事件输入预先训练得到的异常事件识别模型，得到针对所述实时触发事件的识别结果，并在所述识别结果指示所述实时触发事件为异常触发事件时，根据所述异常触发事件对应的事件类型调用针对该事件类型预先创建的事件模拟实例，对所述键鼠终端直接对所述PC机执行所述实时触发事件的动作进行模拟，并将模拟过程产生的事件模拟数据透传给所述USB设备模块；

所述USB设备模块还用于将所述事件模拟数据发送给所述PC机，使所述PC机根据所述事件模拟数据对所述实时触发事件进行响应。

本实施例还公开了一种云平台，所述云平台包括存储有程序的可读存储介质，以执行权利要求1中所述的方法。

综上所述，本实施例提供的基于人工智能的软件兼容控制方法、系统及云平台，一方面，通过在KVM切换器内部针对连接的键鼠终端构造USB 主机模块(USB Host)，针对连接的PC机构造对应的USB设备模块USB Device）。如此，KVM切换器内部的USB主机模块在键鼠终端接入时，可以获取并分析连接到KVM切换器的键鼠终端的设备描述符，并转发设备描述符到KVM切换器内部的USB设备模块。然后，通过USB设备模块透传给PC及建立PC机与键鼠终端的连接后分析处理键鼠的数据，由此可通过USB主机模块提取执行热键需要的按键，进行热键处理，针对其他按键做转发处理。进一步地，KVM切换器内部的USB设备模块可用于保存KVM切换器内部的USB主机模块获取到的键鼠终端的设备描述符，使PC机300获取到的设备描述符是来自当前连接到KVM切换器上的键鼠终端。如此，可解决现有技术中因为使用了固定的复合设备，固定的设备描述符，并由于KVM切换器的架构及算法本身不支持使用实时改变的设备及设备描述符，而导致的键鼠终端接入KVM切换器后只能使用标准按键，或部分标准按键也无法正常使用的问题，针对KVM切换器与键鼠终端，从而达到基于人工智能的软件兼容目的。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为实现本申请实施例提供的基于人工智能的软件兼容控制方法的系统架构示意图。

图2为本申请实施例提供的基于人工智能的软件兼容控制方法的流程示意图之一。

图3为本申请实施例提供的基于人工智能的软件兼容控制方法的流程示意图之二。

图4为本申请实施例提供的基于人工智能的软件兼容控制方法的流程示意图之三。

具体实施方式

下面结合说明书附图对本申请进行具体说明，方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。在本申请的描述中，除非另有说明，“至少一个”包括一个或多个。“多个”是指两个或两个以上。

基于前述背景技术所描述的问题，发明人研究发现，在KVM使用过程中，最大的问题为键鼠直接连接电脑可以正常工作，但连接KVM可能存在无法正常工作的问题。市面上针对KVM键鼠部分的处理可以在KVM中模拟一个USB复合设备（composite device），此复合设备是固定的，即不论用户接入什么型号什么种类的键鼠到KVM，电脑都将识别到一个复合设备。此固定的复合设备由各个KVM制造商自己定义，一般为带有一个端点（Endpoint），且单个数据包大小大多为固定的8位。针对这种情况，可能存在以下几种问题。

第一、市面上最普通的键鼠一般为1个端点，随着产品的发展及迭代，绝大部分键鼠可能不止一个端点。端点可以简单理解为键鼠实际传输数据的通道，一个键盘上的不同按键可能从不同的通道传输到电脑。一般来说，一个普通键盘上的标准按键，都由一个端点（如端点1）传输至电脑，目前大部分键盘除了标准的键盘按键以外，通常还有其他按键，如音量+、音量-、静音、上一曲、下一曲、播放暂停、打开计算器、打开浏览器等额外的多媒体快捷按键，以及用户自定义的宏按键以实现相应按键及功能，常见于游戏键鼠。

如上述所说的几种按键，一般不会由端点1传输，会经由其他端点传输。另外也有部分键盘，键盘上的标准按键也不通过端点1发送。如此，会导致客户键鼠接入KVM后只能使用标准按键，或部分标准按键也无法正常使用的问题。

第二，若键鼠数据包大小不为8位时，如16位或21位，若仍按照8位的格式将收到的键鼠数据打包转发，则会出现数据丢失或数据异常的问题。对于KVM热键功能，普遍做法为，检测所有输入到KVM的键值，若键值为触发热键，则进入处理热键的状态，且不转发热键键值到电脑，若不是热键键值，则不做处理直接转发数据到电脑，若到来的数据不是标准的8位数据，KVM则无法识别或错误识别，进而导致键盘功能异常。如此，可能导致按下按键后，实际执行的功能与按下的按键不一致或完全无作用，KVM重要组成部分热键也无法工作的问题。

第三，在键鼠连接到电脑时，电脑获取到的键鼠信息里面有关于每个端点电脑查询其数据的频率。若以默认的查询频率去查询数据，则会导致如鼠标卡顿，或鼠标飘移，键盘打字间断或者重复响应的问题。

发明人经过研究发现，以上几个问题的根本原因在于使用了固定的复合设备，固定的设备描述符，其硬件架构及算法本身也不支持使用实时改变的设备及设备描述符。

如图1所示，图1是本申请实施例提供的基于人工智能的软件兼容控制软件兼容控制系统的示意图。本实施例中，KVM是指键盘（keyboard）、显示器（video）、鼠标（mouse）一体控制设备，也可称为KVM切换器或KVM控制器或KVM控制装置等。所述软件兼容控制系统可以包括KVM切换器100以及与KVM切换器100连接的至少一个键鼠终端200以及至少一个PC机300。其中，所述KVM切换器100包括用于与所述键鼠终端200连接的USB主机模块110以及用于与所述PC机300连接的USB设备模块120，所述USB主机模块110与所述USB设备模块120连接，以进行数据交互。

详细地，本实施例中，所述USB主机模块110和USB设备模块120均可以是架构与所述KVM切换器100内部的功能模块，其可以是通过软件或固件的方式实现，也可以是通过硬件逻辑电路的方式实现，或者也可以是由软硬件结合的方式实现，具体不进行限制。所述PC机300可以是一种计算机设备，例如个人计算机（personal computer）、笔记本电脑、机房服务器等。本实施例的KVM切换器100可以应用于复杂场景下的控制系统，例如可以通过一个KVM切换器100连接海量的被控设备。所述键鼠终端200可以是泛指键盘、鼠标或与键盘、鼠标具有相同或相类似功能的输入设备，例如，键鼠终端200可以包括键盘、鼠标、PSP游戏手柄等，但不限于此。

示例性地，所述KVM切换器100可以是一种计算机外围硬件设备，可以让系统管理员通过一组键盘、鼠标和显示器控制多台电脑或服务器，实现系统和网络的高可管理性，提高管理人员的工作效率、节约机房面积，降低网络服务器系统的总体拥有成本。其可应用的场景从控制电脑或服务器主机可扩展到控制串口设备，如集线器、路由器、储存设备及UPS等。同时，KVM切换器100的相关解决方案具备IP远程管理、事件记录、远程电源管理、多层次使用者权限安全管理、环境警示系统等功能，可以让不同的管理员在不同时间不同地点安全地管理或访问海量的相关设备。

如图2所示，是本申请实施例提供的基于人工智能的软件兼容控制方法的流程示意图。下面对该方法的各步骤进行详细的说明。

步骤S210，所述USB主机模块110在检测到键鼠终端200接入时，获取并分析接入的键鼠终端200的设备描述符，并将获取到的设备描述符转发至所述USB设备模块120。

步骤S220，所述USB设备模块120存储所述USB主机模块110转发的设备描述符，并发送给所述PC机300，使所述PC机300获取到的设备描述符为当前实时接入的键鼠终端200的设备描述符。本实施例中，所述USB设备模块120可以在获取并分析到当前接入的键鼠终端200的所述设备描述符时，将所述设备描述符透传给所述PC机300。

步骤S230，所述USB设备模块120从所述USB主机模块110获取键鼠终端200产生的键鼠数据并转发至PC机300进行处理。

综上所述，本申请实施例中，通过在KVM切换器100内部针对连接的键鼠终端200构造USB 主机模块110(USB Host)，针对连接的PC机300构造对应的USB设备模块120（USBDevice）。如此，KVM切换器100内部的USB主机模块在键鼠终端200接入时，可以获取并分析连接到KVM切换器100的键鼠终端200的设备描述符，并转发设备描述符到KVM切换器100内部的USB设备模块120。然后，通过USB设备模块120透传给PC及300建立PC机300与键鼠终端200的连接后分析处理键鼠的数据，由此可通过USB主机模块110提取执行热键需要的按键，进行热键处理，针对其他按键做转发处理。进一步地，KVM切换器100内部的USB设备模块120可用于保存KVM切换器100内部的USB主机模块110获取到的键鼠终端200的设备描述符，使PC机300获取到的设备描述符是来自当前连接到KVM切换器100上的键鼠终端200。如此，可解决现有技术中因为使用了固定的复合设备，固定的设备描述符，并由于KVM切换器100的架构及算法本身不支持使用实时改变的设备及设备描述符，而导致的键鼠终端200接入KVM切换器100后只能使用标准按键，或部分标准按键也无法正常使用的问题。

本实施例中，为了解决现有技术中提及的在键鼠数据包大小不为8位时，如16位或21位，若仍按照8位的格式将收到的键鼠数据打包，则会出现数据丢失，或数据异常的问题，如图3所示，本实施例提供的方法还可以包括以下的步骤S240-步骤S260。

步骤S240，所述USB主机模块110在接收到键鼠数据时，对所述键鼠数据进行数据位解析，得到所述键鼠数据的数据位数。

步骤S250，所述USB主机模块110根据所述数据位数查询预先设置的数据格式映射表，得到用于对所述键鼠数据进行数据打包的目标数据处理函数。本实施例中，可以预先在USB主机模块110中构建分别用于处理不同数据位数（如8位、16位、21位）的键鼠数据对应的数据处理函数，然后通过识别相应的键鼠数据的数据位数调用相应的数据处理函数对键鼠数据进行处理，可以解决因数据格式不匹配而导致PC机300获取的键鼠数据出现数据丢失，或数据异常的问题。

步骤S260，通过所述目标数据处理函数对所述键鼠数据进行打包处理，得到与所述键鼠数据的数据位数相适配的键鼠数据包，并通过所述USB设备模块120转发给所述PC机300进行处理。

进一步地，为了解决现有技术中为键鼠直接连接电脑可以正常工作，但连接KVM可能存在无法正常工作的问题，也即针对键鼠终端200产生的某些触发事件无法通过KVM切换器100让PC机300进行识别并响应的问题，本申请实施例还提供了以下通过人工智能进行异常触发事件模拟的方法。详细地，如图4所示，该方法进一步包括以下步骤S270-S290。

步骤S270，所述USB主机模块110在接收到所述键鼠终端产生的实时触发事件时，将所述实时触发事件输入预先训练得到的异常事件识别模型，得到针对所述实时触发事件的识别结果。

本申请实施例中，所述异常事件识别模型可以是通过剪枝、权值共享、量化、神经网络二值化等方法进行模型压缩后的缩小版的AI模型，以适用于在所述KVM切换器100中应用。

步骤S280，当所述识别结果指示所述实时触发事件为异常触发事件时，述USB主机模块110根据所述异常触发事件对应的事件类型调用针对该事件类型预先创建的事件模拟实例，对所述键鼠终端200直接对所述PC机执行所述实时触发事件的动作进行模拟，并将模拟过程产生的事件模拟数据透传给所述USB设备模块120。

步骤S290，所述USB设备模块120将所述事件模拟数据发送给所述PC机300，使所述PC机300根据所述事件模拟数据对所述实时触发事件进行响应。

本实施例中，预先创建的事件模拟实例是根据各种可能出现的异常触发事件而预先在USB主机模块110中架构的事件模拟函数，用于模拟所述异常触发事件直接作用于PC机300的过程并产生相应的模拟数据传输给PC机300，以使得PC机300可以响应识别到的异常触发事件。例如，所述异常触发事件可以是键鼠终端200的接入事件、用户个性化设置的热键操作事件、其他非常规的突发事件等，具体视实际应用场景而定，本实施例不进行限定。

本申请实施例中，考虑到设备的性能，所述异常事件识别模型可以由所述PC机300进行训练而得到，然后下发至所述KVM切换器100的至所述USB主机模块110。示例性地，对所述异常事件识别模型进行模型训练的步骤包括以下（1）-（6）的步骤，示例性介绍如下。

（1）针对异常触发事件集中的每个异常触发事件样本，将所述异常触发事件样本的描述信息按照对应的类型进行信息编译处理，以获得所述异常触发事件样本的描述信息特征序列。本实施例中，所述异常触发事件集可以由预先搜集得到的多个异常触发事件样本而构成，用于对本申请实施例所需的异常事件识别模型进行样本训练。

例如，在步骤（1）中，可首先在所述异常触发事件样本的触发事件中，采集事件类别特征和事件操作特征的特征信息，并基于所采集的特征信息生成多个触发事件描述信息；然后，针对所述多个触发事件描述信息中的每个触发事件描述信息、以及相应的描述信息分量，确定所述每个触发事件描述信息的描述信息分量的对应的丢包数量、以及针对同一触发事件描述信息的相同描述信息分量的统计信息；接着，统计各所述描述信息分量对应的丢包数量，将丢包数量达到预设丢包数量的描述信息分量作为异常描述信息分量；在接着，滤除所述异常描述信息分量，并针对滤除所述异常描述信息后对应的触发事件描述信息的描述信息分量通过预设的描述信息分量进行替换，以获得用于进行信息编译处理的触发事件描述信息；再接着， 根据每个所述触发事件描述信息的描述信息分量，从相应类型的信息编译库获取所述描述信息分量的信息编译参数；最后， 将对应每个所述触发事件描述信息的描述信息分量所获取到的信息编译参数进行组合，以获得所述异常触发事件样本的描述信息特征序列。

如此，可以将丢包数量较多的描述信息分量作为异常描述信息分量并进行滤除，避免无关的触发事件描述信息用于训练的过程中影响训练的效果以及避免无效训练进程导致的训练效率降低的问题。

（2）针对每个所述异常触发事件样本的描述信息特征序列所包括的多个描述信息特征元素，确定对应的异常触发事件的发生次数达到预设次数的描述信息特征元素作为目标描述信息特征。

例如，本实施例中，步骤（2）的实现方式可以包括：

首先，在不同异常触发事件样本的多个描述信息特征序列中，多次确定描述信息特征，并将每次确定的多个描述信息特征进行组合，以获得多个不同的描述信息特征元素；其中，每次确定的多个描述信息特征中包括匹配于不同异常触发事件样本的描述信息特征序列中的描述信息特征；

然后，在所述多个不同的描述信息特征元素形成的元素组合中，确定发生次数达到所述预设次数的描述信息特征元素，作为所述目标描述信息特征。

（3） 对所述目标描述信息特征中的描述信息特征进行特征拓展，以将获得的拓展描述信息特征作为指示所述异常触发事件集的相同特性的关联描述信息特征。

详细地，本实施例中，考虑到KVM应用场景下，可采集的样本数量范围较小的问题，本实施例可以针对发生次数超过一定次数的描述信息特征进行特征拓展，得到关联描述信息特征，用于辅助进行模型的训练，针对小样本训练集，可以扩充训练样本的数量，使得训练得到的模型的识别能力更佳。

示例性地，一种典型的特征拓展方式可以是从所述目标描述信息特征中采集多个描述信息特征，并将采集的多个描述信息特征进行以下任意一种方式的处理：

A、将所述多个描述信息特征中的任意特征元素进行元素替换；

B、将所述多个描述信息特征中的任意两个或两个以上特征元素进行元素融合；

C、在所述多个描述信息特征中植入预设维度信息以进行维度拓展；

D、根据事件回归分析的分析线路，将所述多个描述信息特征进行特征融合。

（4）确定多个与所述异常触发事件样本不存在关联性的非关联描述信息特征。其中，所述非关联描述信息特征是发生次数小于所述预设次数的描述信息特征元素中所包含的描述信息特征。

（5）在多个所述非关联描述信息特征中，根据所述非关联描述信息特征之间的相关性系数，确定多个所述非关联描述信息特征作为候选关联描述信息特征。

详细地，本实施例中，可以首先，确定所述多个非关联描述信息特征的特征离散度，并滤除特征离散度小于预设特征离散度的非关联描述信息特征；

然后，将滤除后的非关联描述信息特征进行组合，以获得非关联描述信息特征集合，并确定所述非关联描述信息特征集合中任意两个非关联描述信息特征之间的描述信息相关性系数；

接着，根据所述任意两个非关联描述信息特征之间的描述信息相关性系数，确定所述非关联描述信息特征集合中的各所述非关联描述信息特征与所述非关联描述信息特征集合的全局相关度；其中，所述全局相关度可以是所述非关联描述信息特征与其他各所述非关联描述信息特征之间的描述信息相关性系数的平均值；用于体现该对应的非关联描述信息特征与整个非关联描述信息特征集合的全局相关性；

最后，根据所述全局相关度，将所述非关联描述信息特征集合中的非关联描述信息特征进行按照从大到小的顺序进行次序整理，并根据次序整理结果确定多个非关联描述信息特征作为候选关联描述信息特征。

（6） 基于所述异常触发事件集中每个异常触发事件样本的所述关联描述信息特征和所述候选关联描述信息特征对所述异常事件识别模型进行训练，得到训练后的异常事件识别模型。

示例性地，本实施例中，所述异常事件识别模型可以包括多个初始异常事件识别模型。基于此，步骤（6）中述基于所述异常触发事件集中每个异常触发事件样本的所述关联描述信息特征和所述候选关联描述信息特征训练异常事件识别模型的方式可以包括以下步骤。

首先，将所述异常触发事件集中每个异常触发事件样本的所述关联描述信息特征、所述候选关联描述信息特征和异常触发事件标签形成训练数据。

接着，基于形成的多个训练数据，训练所述多个初始异常事件识别模型。

然后，将训练后的多个初始异常事件识别模型通过模型叠加规则进行模型叠加，以获得所述异常事件识别模型。

在训练完成得到所述异常事件识别模型之后，在步骤S220中，将所述实时触发事件输入预先训练得到的异常事件识别模型，得到针对所述实时触发事件的识别结果的方式示例性介绍如下。首先，可以从所述实时触发事件中采集所述实时触发事件的描述信息；然后，通过所述多个初始异常事件识别模型，分别基于所述实时触发事件的描述信息进行识别处理，以获得各所述初始异常事件识别模型对应的识别结果作为针对所述实时触发事件的识别结果。

进一步地，在所述针对异常触发事件集中的每个异常触发事件样本，将所述异常触发事件样本的描述信息按照对应的类型进行信息编译处理，以获得所述异常触发事件样本的描述信息特征序列之前，所述方法还包括训练样本的获取步骤，具体介绍如下。

首先，获取多个触发事件样本的事件描述信息，将所述多个触发事件样本的事件描述信息进行量化表示，以获得每个触发事件样本的异常量化参数。其中，所述异常量化参数指示所述触发事件样本是异常触发事件样本的可能性。所述可能性可以通过概率、百分比等方式进行表示。

其次，根据所述多个触发事件样本的异常量化参数，确定多个触发事件样本作为异常触发事件样本。

其中，所述根据所述多个触发事件样本的异常量化参数，确定多个触发事件样本作为异常触发事件样本，具体的方式可以是以下两种方式的其中任何一种。

第一、在所述多个触发事件样本中，确定异常量化参数达到预设异常量化参数的多个触发事件样本作为异常触发事件样本。

第二、根据所述多个触发事件样本的异常量化参数，将所述多个触发事件样本进行次序整理，并确定次序整理后的多个触发事件样本作为异常触发事件样本。例如，可以按照多个触发事件样本的异常量化参数按照从大到小的顺序进行降序排列的方式实现所述次序整理的步骤。

进一步地，本实施例中，考虑到现有市场上的KVM没有支持PC向下发送数据的，导致的部分键鼠厂家在电脑上有各自的控制软件，其键鼠直连PC时，可以通过控制软件配置其键鼠，但接上KVM后，电脑无法在控制软件上识别键鼠，从而也无法配置键鼠。基于此，本实施例加入了PC机300向下的数据传输通道，并加入PC数据解析算法，支持PC机300上的键鼠控制软件，在键鼠终端200接入KVM切换器100后，仍然可以识别并配置键鼠。

以通过所述PC机300配合所述USB主机模块110对键鼠终端200进行全局键鼠配置项以及局部键鼠配置项的配置为例，下面对相应的配置方法进行示例性的说明。应当理解，所述全局键鼠配置项可以是通过KVM切换器100连接的多个设备（如与PC机300类型相同或相类似的计算机、服务器等）均需完成的配置项目，所述局部键鼠配置项可以是其中一个或一部分设备的个性化键鼠配置项目，例如针对某些热键的个性化配置，具体不进行限定。

首先，PC机300获取多个局部键鼠配置项信息和多个全局键鼠配置项信息；其中，每个所述局部键鼠配置项信息可以包含与该局部键鼠配置项对应的局部键鼠配置项标识，以用于标识相应的局部配置项目，每个所述全局键鼠配置项信息可以包括全局键鼠配置项标识，以用于指示相应的全局配置项目。

然后，PC机300通过第一配置实例实时处理所述多个局部键鼠配置项信息，并将处理后的多个局部键鼠配置项信息发送至所述USB主机模块110的键鼠配置项分析函数，以使键鼠配置项分析函数对处理后的多个局部键鼠配置项信息进行分析得到分析数据文件。同时，根据所述目标分析数据文件对键鼠终端进行所述局部键鼠配置项的信息配置。其中，所述分析数据文件中包括与局部键鼠配置项信息相匹配的分析数据文件，所述分析数据文件包含与其对应的局部键鼠配置项信息所对应的局部键鼠配置参数以及相应的配置程序标识。如此，可以对通过所述分析数据文件实现对键鼠终端200的局部键鼠配置项的配置。

接着，依序处理所述多个全局键鼠配置项信息。具体地，可以首先通过第二配置实例加载所述全局键鼠配置项信息，得到与所述全局键鼠配置项信息相匹配的加载路径，将所述加载路径更新到目标分析数据文件中；所述目标分析数据文件为包含所述加载路径所对应的全局键鼠配置项信息的分析数据文件，根据所述目标分析数据文件对键鼠终端进行所述全局键鼠配置项的信息配置。

进一步地，在一种可能的实施方式中，上述的依序处理所述多个全局键鼠配置项信息，包括以下步骤：

将所述多个全局键鼠配置项信息缓存至第一缓存空间；

通过第二配置实例依次从第一缓存空间中读取全局键鼠配置项信息，将读取的全局键鼠配置项信息作为当前全局键鼠配置项信息；

加载所述当前全局键鼠配置项信息对应的全局键鼠配置项，得到当前加载路径；

从键鼠配置项分析函数获取所述分析数据文件，并确定所述分析数据文件中是否存在与所述当前加载路径对应的目标分析数据文件；若存在，则将所述当前加载路径更新到与所述当前加载路径对应的目标分析数据文件中。

在另一种可能的实施方式中，所述依序处理所述多个全局键鼠配置项信息，包括以下步骤：

将所述多个全局键鼠配置项信息缓存至第一缓存空间；

通过第二配置实例依次从第一缓存空间中读取全局键鼠配置项信息，将读取的全局键鼠配置项信息作为当前全局键鼠配置项信息；

从键鼠配置项分析函数获取所述分析数据文件，并确定所述分析数据文件中是否存在与所述当前全局键鼠配置项信息对应的目标分析数据文件；若存在，则加载所述当前全局键鼠配置项信息对应的全局键鼠配置项，得到当前加载路径；将所述当前加载路径更新到与所述当前加载路径对应的目标分析数据文件中；若不存在，则将所述当前全局键鼠配置项信息缓存至所述第一缓存空间的预设存储区块。

以上两种不同的方式，在缓存过程中实现全局键鼠配置项信息的依序处理，缓存步骤是相对较为复杂且资源耗费较多的过程，对缓存过程分别进行处理可以是实现在同一时间节点更多的资源用于处理局部键鼠配置项信息，有利于个性化的局部配置项信息得到更好更高效率的配置。

在又一种可能的实现方式中，所述依序处理所述多个全局键鼠配置项信息，可以包括以下步骤：

通过第二配置实例依次加载所述全局键鼠配置项信息对应的全局键鼠配置项，得到加载路径；

将所述加载路径缓存至第二缓存空间，并依次从第二缓存空间中读取加载路径，将读取的加载路径作为当前加载路径；

从键鼠配置项分析函数获取所述分析数据文件；确定分析数据文件中是否存在与所述当前加载路径对应的目标分析数据文件；若存在，则将所述当前加载路径更新到与所述当前加载路径对应的目标分析数据文件中；若不存在，则将当前加载路径缓存至所述第二缓存空间的预设存储区块。

基于上述内容，本实施例还可以针对某些设备的紧急配置请求完成紧急键鼠配置，以适用特定场景下的优先任务处理请求。示例性地，本实施例中，所述紧急键鼠配置描述如下。

首先，接收紧急配置请求，所述紧急配置请求包括紧急配置项标识和所述紧急配置项标识对应的分析数据文件。

然后，通过第三配置实例根据所述紧急配置项标识，从第一缓存空间中读取所述紧急配置项标识对应的紧急键鼠配置项信息，并根据所述分析数据文件以及所述紧急键鼠配置项信息实现对所述紧急键鼠配置请求对应紧急配置项的键鼠配置。

本实施例中，所述的第一、第二、第三缓存空间可以为根据实际需要而进行划定的数据缓存空间，第一、第二、第三是为了方便描述而引入的区别性描述，在必要时，其中任意两个缓存空间也可以是指代同样的缓存空间，具体不进行限定。

最后，加载所述紧急键鼠配置项信息对应的全局键鼠配置项，得到紧急加载路径，将所述紧急加载路径更新到所述紧急配置项标识对应的识别结果中，并根据所述识别结果完成所述紧急键鼠配置项的配置。例如，将所述识别结果通过USB设备模块120下发到USB主机模块110，通过USB主机模块110实现紧急键鼠配置项的配置。

又或者，也可以在所述紧急配置请求携带紧急配置项标识和所述紧急配置项标识对应的识别结果，然后通过第三配置实例根据所述紧急配置项标识，从第二缓存空间中读取所述紧急配置项标识对应的紧急加载路径；将所述紧急加载路径更新到所述紧急配置项标识对应的识别结果中，最后通过所述识别结果完成紧急键鼠配置项的配置。

基于相同的发明构思，本发明实施例还提供一种基于人工智能的软件兼容控制软件兼容控制系统，所述软件兼容控制系统包括KVM切换器100以及与KVM切换器100连接的至少一个键鼠终端200以及至少一个PC机300，其中，所述KVM切换器100包括用于与所述键鼠终端连接的USB主机模块110以及用于与所述PC机300连接的USB设备模块120，所述USB主机模块110与所述USB设备模块120连接，以进行数据交互。其中：

所述USB主机模块110用于在检测到键鼠终端接入时，获取并分析接入的键鼠终端的设备描述符，并将获取到的设备描述符转发至所述USB设备模块120；

所述USB设备模块120用于存储所述USB主机模块110转发的设备描述符，并发送给所述PC机300，使所述PC机300获取到的设备描述符为当前实时接入的键鼠终端200的设备描述符；

所述USB设备模块120用于从所述USB主机模块110获取键鼠终端200产生的键鼠数据并转发至PC机300进行处理。

进一步地，所述USB主机模块110还用于：

在接收到键鼠数据时，对所述键鼠数据进行数据位解析，得到所述键鼠数据的数据位数，根据所述数据位数并查询预先设置的数据格式映射表，得到用于对所述键鼠数据进行数据打包的目标数据处理函数，并通过所述目标数据处理函数对所述键鼠数据进行打包处理，得到与所述键鼠数据的数据位数相适配的键鼠数据包，并通过所述USB设备模块120转发给所述PC机300进行处理；

在接收到所述键鼠终端200产生的实时触发事件时，将所述实时触发事件输入预先训练得到的异常事件识别模型，得到针对所述实时触发事件的识别结果，并在所述识别结果指示所述实时触发事件为异常触发事件时，根据所述异常触发事件对应的事件类型调用针对该事件类型预先创建的事件模拟实例，对所述键鼠终端200直接对所述PC机300执行所述实时触发事件的动作进行模拟，并将模拟过程产生的事件模拟数据透传给所述USB设备模块120；

所述USB设备模块120还用于将所述事件模拟数据发送给所述PC机300，使所述PC机300根据所述事件模拟数据对所述实时触发事件进行响应。

所应说明的是，本申请实施例提供的软件兼容控制系统中的各组成部分可分别用于对应执行本申请实施例提供的KVM控制方法的相关步骤，关于软件兼容控制系统中的各组成部分的详细描述可以参照上述方法实施例的相应内容，此处不再赘述。

综上所述，本申请实施例提供的基于人工智能的软件兼容控制方法、系统及云平台，一方面，通过在KVM切换器100内部针对连接的键鼠终端200构造USB 主机模块110(USBHost)，针对连接的PC机300构造对应的USB设备模块120（USB Device）。如此，KVM切换器100内部的USB主机模块在键鼠终端200接入时，可以获取并分析连接到KVM切换器100的键鼠终端200的设备描述符，并转发设备描述符到KVM切换器100内部的USB设备模块120。然后，通过USB设备模块120透传给PC及300建立PC机300与键鼠终端200的连接后分析处理键鼠的数据，由此可通过USB主机模块110提取执行热键需要的按键，进行热键处理，针对其他按键做转发处理。进一步地，KVM切换器100内部的USB设备模块120可用于保存KVM切换器100内部的USB主机模块110获取到的键鼠终端200的设备描述符，使PC机300获取到的设备描述符是来自当前连接到KVM切换器100上的键鼠终端200。如此，可解决现有技术中因为使用了固定的复合设备，固定的设备描述符，并由于KVM切换器100的架构及算法本身不支持使用实时改变的设备及设备描述符，而导致的键鼠终端200接入KVM切换器100后只能使用标准按键，或部分标准按键也无法正常使用的问题。

另一方面，通过人工智能进行异常触发事件的识别以及异常触发事件的模拟，可进一步解决现有技术中为键鼠直接连接电脑可以正常工作，但连接KVM可能存在无法正常工作的问题，也即针对键鼠终端200产生的某些触发事件无法通过KVM切换器100让PC机300进行识别并响应的问题，本申请实施例还提供了以下。

此外，在KVM切换器100内部架构针对非常用8位数据包的处理算法，可以处理复杂键鼠终端传输的非8位的数据包，并解析到需要的热键键值，以进一步解决因数据打包格式不匹配而导致的数据丢失或数据异常的问题。

本实施例还公开了一种云平台，所述云平台包括存储有程序的可读存储介质，以执行权利要求1中所述的方法。

本申请实施例是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

以上所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。通常在附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，在附图中提供的本发明的实施例的详细描述并非旨在限制本发明的保护范围，而仅仅是表示本发明的选定实施例。因此，本发明的保护范围应以权利要求的保护范围为准。此外，基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下可获得的所有其它实施例，都应属于本发明保护的范围。

Claims (10)

1.一种基于人工智能的软件兼容控制方法，其特征在于，应用于软件兼容控制系统，所述软件兼容控制系统包括KVM切换器以及与KVM切换器连接的至少一个键鼠终端以及至少一个PC机，其中，所述KVM切换器包括用于与所述键鼠终端连接的USB主机模块以及用于与所述PC机连接的USB设备模块，所述USB主机模块与所述USB设备模块连接，以进行数据交互，所述方法包括：

所述USB主机模块在检测到键鼠终端接入时，获取并分析接入的键鼠终端的设备描述符，并将获取到的设备描述符转发至所述USB设备模块；

所述USB设备模块存储所述USB主机模块转发的设备描述符，并发送给所述PC机，使所述PC机获取到的设备描述符为当前实时接入的键鼠终端的设备描述符；

所述USB设备模块从所述USB主机模块获取键鼠终端产生的键鼠数据并转发至PC机进行处理。

2.根据权利要求2所述的方法，其特征在于，所述方法还包括：

所述USB主机模块在接收到键鼠数据时，对所述键鼠数据进行数据位解析，得到所述键鼠数据的数据位数；

根据所述数据位数查询预先设置的数据格式映射表，得到用于对所述键鼠数据进行数据打包的目标数据处理函数；

通过所述目标数据处理函数对所述键鼠数据进行打包处理，得到与所述键鼠数据的数据位数相适配的键鼠数据包，并通过所述USB设备模块转发给所述PC机进行处理。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

所述USB主机模块在接收到所述键鼠终端产生的实时触发事件时，将所述实时触发事件输入预先训练得到的异常事件识别模型，得到针对所述实时触发事件的识别结果；

当所述识别结果指示所述实时触发事件为异常触发事件时，根据所述异常触发事件对应的事件类型调用针对该事件类型预先创建的事件模拟实例，对所述键鼠终端直接对所述PC机执行所述实时触发事件的动作进行模拟，并将模拟过程产生的事件模拟数据透传给所述USB设备模块；

所述USB设备模块将所述事件模拟数据发送给所述PC机，使所述PC机根据所述事件模拟数据对所述实时触发事件进行响应。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

所述PC机对所述异常事件识别模型进行模型训练，并将训练后的异常事件识别模型通过所述USB设备模块发送至所述USB主机模块，其中，对所述异常事件识别模型进行模型训练包括：

针对异常触发事件集中的每个异常触发事件样本，将所述异常触发事件样本的描述信息按照对应的类型进行信息编译处理，以获得所述异常触发事件样本的描述信息特征序列；

针对每个所述异常触发事件样本的描述信息特征序列所包括的多个描述信息特征元素，确定对应的异常触发事件的发生次数达到预设次数的描述信息特征元素作为目标描述信息特征；

对所述目标描述信息特征中的描述信息特征进行特征拓展，以将获得的拓展描述信息特征作为指示所述异常触发事件集的相同特性的关联描述信息特征；

确定多个与所述异常触发事件样本不存在关联性的非关联描述信息特征，其中，所述非关联描述信息特征是发生次数小于所述预设次数的描述信息特征元素中所包含的描述信息特征；

在多个所述非关联描述信息特征中，根据所述非关联描述信息特征之间的相关性系数，确定多个所述非关联描述信息特征作为候选关联描述信息特征；

基于所述异常触发事件集中每个异常触发事件样本的所述关联描述信息特征和所述候选关联描述信息特征对所述异常事件识别模型进行训练，得到训练后的异常事件识别模型。

5.根据权利要求4所述的方法，其特征在于，所述将所述异常触发事件样本的描述信息按照对应的类型进行信息编译处理，以获得所述异常触发事件样本的描述信息特征序列，包括：

在所述异常触发事件样本的触发事件中，采集事件类别特征和事件操作特征的特征信息，并基于所采集的特征信息生成多个触发事件描述信息；

针对所述多个触发事件描述信息中的每个触发事件描述信息、以及相应的描述信息分量，确定所述每个触发事件描述信息的描述信息分量的对应的丢包数量、以及针对同一触发事件描述信息的相同描述信息分量的统计信息；

统计各所述描述信息分量对应的丢包数量，将丢包数量达到预设丢包数量的描述信息分量作为异常描述信息分量；

滤除所述异常描述信息分量，并针对滤除所述异常描述信息后对应的触发事件描述信息的描述信息分量通过预设的描述信息分量进行替换，以获得用于进行信息编译处理的触发事件描述信息；

根据每个所述触发事件描述信息的描述信息分量，从相应类型的信息编译库获取所述描述信息分量的信息编译参数；

将对应每个所述触发事件描述信息的描述信息分量所获取到的信息编译参数进行组合，以获得所述异常触发事件样本的描述信息特征序列。

6.根据权利要求4所述的方法，其特征在于，所述 针对每个所述异常触发事件样本的描述信息特征序列所包括的多个描述信息特征元素，确定对应的异常触发事件的发生次数达到预设次数的描述信息特征元素作为目标描述信息特征，包括：

在不同异常触发事件样本的多个描述信息特征序列中，多次确定描述信息特征，并将每次确定的多个描述信息特征进行组合，以获得多个不同的描述信息特征元素； 其中，每次确定的多个描述信息特征中包括匹配于不同异常触发事件样本的描述信息特征序列中的描述信息特征；

在所述多个不同的描述信息特征元素形成的元素组合中，确定发生次数达到所述预设次数的描述信息特征元素，作为目标描述信息特征；

所述对所述目标描述信息特征中的描述信息特征进行特征拓展，包括：

从所述目标描述信息特征中采集多个描述信息特征，并将采集的多个描述信息特征进行以下任意一种方式的处理：

将所述多个描述信息特征中的任意特征元素进行元素替换；

将所述多个描述信息特征中的任意两个或两个以上特征元素进行元素融合；

在所述多个描述信息特征中植入预设维度信息以进行维度拓展；或者

根据事件回归分析的分析线路，将所述多个描述信息特征进行特征融合。

7.根据权利要求4所述的方法，其特征在于， 所述异常事件识别模型包括多个初始异常事件识别模型； 所述基于所述异常触发事件集中每个异常触发事件样本的所述关联描述信息特征和所述候选关联描述信息特征训练异常事件识别模型，包括：

将所述异常触发事件集中每个异常触发事件样本的所述关联描述信息特征、所述候选关联描述信息特征和异常触发事件标签形成训练数据；

基于形成的多个训练数据，训练所述多个初始异常事件识别模型；

将训练后的多个初始异常事件识别模型通过模型叠加规则进行模型叠加，以获得所述异常事件识别模型。

8.根据权利要求4至7任一项所述的方法，其特征在于，在所述针对异常触发事件集中的每个异常触发事件样本，将所述异常触发事件样本的描述信息按照对应的类型进行信息编译处理，以获得所述异常触发事件样本的描述信息特征序列之前，所述方法还包括：

获取多个触发事件样本的事件描述信息，将所述多个触发事件样本的事件描述信息进行量化表示，以获得每个触发事件样本的异常量化参数，其中，所述异常量化参数指示所述触发事件样本是异常触发事件样本的可能性；

根据所述多个触发事件样本的异常量化参数，确定多个触发事件样本作为异常触发事件样本； 其中，所述根据所述多个触发事件样本的异常量化参数，确定多个触发事件样本作为异常触发事件样本，包括：

在所述多个触发事件样本中，确定异常量化参数达到预设异常量化参数的多个触发事件样本作为异常触发事件样本； 或者

根据所述多个触发事件样本的异常量化参数，将所述多个触发事件样本进行次序整理，并确定次序整理后的多个触发事件样本作为异常触发事件样本；

其中，所述在多个所述非关联描述信息特征中，根据所述非关联描述信息特征之间的相关性系数，确定多个所述非关联描述信息特征作为候选关联描述信息特征，包括：

确定所述多个非关联描述信息特征的特征离散度，并滤除特征离散度小于预设特征离散度的非关联描述信息特征；

将滤除后的非关联描述信息特征进行组合，以获得非关联描述信息特征集合；

确定所述非关联描述信息特征集合中任意两个非关联描述信息特征之间的描述信息相关性系数；

根据所述任意两个非关联描述信息特征之间的描述信息相关性系数，确定所述非关联描述信息特征集合中的各所述非关联描述信息特征与所述非关联描述信息特征集合的全局相关度；

根据所述全局相关度，将所述非关联描述信息特征集合中的非关联描述信息特征进行按照从大到小的顺序进行次序整理，并根据次序整理结果确定多个非关联描述信息特征作为候选关联描述信息特征。

9.一种基于人工智能的软件兼容控制软件兼容控制系统，其特征在于，所述软件兼容控制系统包括KVM切换器以及与KVM切换器连接的至少一个键鼠终端以及至少一个PC机，其中，所述KVM切换器包括用于与所述键鼠终端连接的USB主机模块以及用于与所述PC机连接的USB设备模块，所述USB主机模块与所述USB设备模块连接，以进行数据交互；

所述USB主机模块用于在检测到键鼠终端接入时，获取并分析接入的键鼠终端的设备描述符，并将获取到的设备描述符转发至所述USB设备模块；

所述USB设备模块用于存储所述USB主机模块转发的设备描述符，并发送给所述PC机，使所述PC机获取到的设备描述符为当前实时接入的键鼠终端的设备描述符；

所述USB设备模块用于从所述USB主机模块获取键鼠终端产生的键鼠数据并转发至PC机进行处理。

10.一种云平台，其特征在于，所述云平台包括存储有程序的可读存储介质，以执行权利要求1中所述的方法。

Images