CN115563069A - 基于人工智能的数据共享处理方法、系统及云平台 - Google Patents
基于人工智能的数据共享处理方法、系统及云平台 Download PDFInfo
- Publication number
- CN115563069A CN115563069A CN202211179078.5A CN202211179078A CN115563069A CN 115563069 A CN115563069 A CN 115563069A CN 202211179078 A CN202211179078 A CN 202211179078A CN 115563069 A CN115563069 A CN 115563069A
- Authority
- CN
- China
- Prior art keywords
- resource
- service behavior
- shared
- data
- resource identification
- 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.)
- Granted
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 15
- 238000003672 processing method Methods 0.000 title claims abstract description 10
- 238000013523 data management Methods 0.000 claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 51
- 238000005457 optimization Methods 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 230000006399 behavior Effects 0.000 claims description 240
- 238000009826 distribution Methods 0.000 claims description 48
- 238000000034 method Methods 0.000 claims description 48
- 238000007726 management method Methods 0.000 claims description 35
- 230000000694 effects Effects 0.000 claims description 27
- 230000003993 interaction Effects 0.000 claims description 26
- 230000009466 transformation Effects 0.000 claims description 22
- 230000001915 proofreading effect Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 230000000007 visual effect Effects 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000005206 flow analysis Methods 0.000 claims description 4
- 238000005065 mining Methods 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 description 18
- 238000013461 design Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/17—Details of further file system functions
- G06F16/176—Support for shared access to files; File sharing support
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/17—Details of further file system functions
- G06F16/1734—Details of monitoring file system events, e.g. by the use of hooks, filter drivers, logs
Abstract
本发明实施例提供的基于人工智能的数据共享处理方法、系统及云平台，可以通过整合共享资源匹配操作和共享资源识别操作，提高全局资源识别信息的准确性，鉴于考虑了共享资源匹配操作，能够在一定程度上减少共享资源识别操作的处理次数，不仅可以提高针对共享资源识别和匹配的时效性，还能够准确完整地确定出共享数据资源的资源流向报告，从而为后续的共享服务升级优化提供可信的分析基础，实现对共享数据管理日志的高效分析处理。
Description
技术领域
本发明涉及数据共享技术领域，特别涉及一种基于人工智能的数据共享处理方法、系统及云平台。
背景技术
数据共享，是指让在不同地方使用不同计算机、不同软件的用户能够读取他人数据并进行各种操作、运算和分析。实现数据共享，可以使更多的人更充分地使用已有数据资源，减少资料收集、数据采集等重 复劳动和相应费用，而把精力重点放在开发新的应用程序及系统集成上。在数据共享技术的不断发展和完善过程中，针对已共享数据的流向分析具有一定的价值，然而相关技术难以高效且精准地进行已共享数据的流向分析。
发明内容
为改善相关技术中存在的技术问题，本发明提供了一种基于人工智能的数据共享处理方法、系统及云平台。
第一方面，本发明实施例提供了一种基于人工智能的数据共享处理方法，应用于数据共享云平台，包括：基于接收到的数据共享分析请求，获得共享数据管理日志；分别对所述选定业务行为报告和关联业务行为报告进行共享资源识别，得到第一资源识别信息和第二资源识别信息；其中，所述选定业务行为报告为所述共享数据管理日志中符合资源识别要求的还没有执行共享资源识别的第一组业务行为报告，所述关联业务行为报告为所述选定业务行为报告之后的符合资源识别要求的第一组业务行为报告；结合所述选定业务行为报告和所述关联业务行为报告确定局部管理日志，经由所述第一资源识别信息对局部管理日志中的业务行为报告逐一进行共享资源匹配，得到共享资源匹配数据；将所述第二资源识别信息和所述共享资源匹配数据进行整合，得到全局资源识别信息。
如此设计，可以通过整合共享资源匹配操作和共享资源识别操作两类处理提高全局资源识别信息的准确性，鉴于考虑了共享资源匹配操作，能够在一定程度上减少共享资源识别操作的处理次数，不仅可以提高针对共享资源识别和匹配的时效性，还能够准确完整地确定出共享数据资源的资源流向报告，从而为后续的共享服务升级优化提供可信的分析基础。
在一些可选实施例中，所述将所述第二资源识别信息和所述共享资源匹配数据进行整合，得到全局资源识别信息，包括：如果所述第二资源识别信息与所述共享资源匹配数据包含冗余的资源事项，则清洗所述共享资源匹配数据中的所述冗余的资源事项；将所述第二资源识别信息添加到所述共享资源匹配数据中；如果所述第二资源识别信息与所述共享资源匹配数据不包含冗余的资源事项，则将所述第二资源识别信息添加到所述共享资源匹配数据中。
如此设计，可以整合共享资源匹配操作得到的结果和共享资源识别结果，减少对共享资源分析出现遗漏的可能性。
在一些可选实施例中，所述逐一对所述选定业务行为报告和关联业务行为报告进行共享资源识别，包括：基于第一共享资源识别算法对业务行为报告进行共享资源识别，所述业务行为报告为选定业务行为报告和关联业务行为报告；或，基于第二共享资源识别算法对业务行为报告进行共享资源识别，所述业务行为报告为选定业务行为报告和关联业务行为报告；所述第二共享资源识别算法基于原始资源项捕捉窗口估计中间型捕捉窗口，基于中间型捕捉窗口确定共享资源识别结果。
如此设计，通过融合窗口化的资源项捕捉技术，能够提高整体方案针对共享资源识别的灵活性。
在一些可选实施例中，所述基于第一共享资源识别算法对业务行为报告进行共享资源识别，包括：对所述业务行为报告进行操作要素挖掘，得到针对共享资源的操作要素分布链；对所述针对共享资源的操作要素分布链进行资源项分团操作，得到资源项分团数据；对所述针对共享资源的操作要素分布链进行资源项校对操作，得到资源项校对数据；结合所述资源项校对数据和所述资源项分团数据确定全局资源识别信息。
在一些可选实施例中，所述经由所述第一资源识别信息对局部管理日志中的业务行为报告逐一进行共享资源匹配，得到共享资源匹配数据，包括：确定所述局部管理日志中的当前业务行为报告；如果所述当前业务行为报告为所述局部管理日志中的第一组业务行为报告，则结合所述第一资源识别信息确定资源项描述知识簇；结合所述选定业务行为报告，所述当前业务行为报告和所述资源项描述知识簇得到所述资源项描述知识簇在所述当前业务行为报告的知识变换信息；结合所述知识变换信息确定所述当前业务行为报告的共享资源匹配数据；如果所述当前业务行为报告为所述局部管理日志中的非第一组业务行为报告，则结合所述当前业务行为报告的前一组业务行为报告的共享资源匹配数据确定资源项描述知识簇；结合所述当前业务行为报告的前一组业务行为报告，所述当前业务行为报告和所述资源项描述知识簇得到所述资源项描述知识簇在所述当前业务行为报告的知识变换信息；结合所述知识变换信息确定所述当前业务行为报告的共享资源匹配数据。
如此设计，可以尽可能完整、精准地确定出共享资源匹配数据。
在一些可选实施例中，所述结合所述知识变换信息确定所述当前业务行为报告的共享资源匹配数据，包括：结合所述知识变换信息，得到所述资源项描述知识簇中每个资源项描述知识的分布变量更新参数；对每一所述分布变量更新参数进行优化，得到优化结果；结合所述优化结果得到所述当前业务行为报告的共享资源匹配数据。
如此设计，可以对共享资源匹配数据进行优化和精简，提高当前全局资源识别信息的准确度。
在一些可选实施例中，所述共享数据管理日志基于对依据业务处理流程进行会话交互的共享数据资源的流向分析报告确定：所述对每一所述分布变量更新参数进行优化，得到优化结果，包括：确定每一分布变量更新参数在所述业务处理流程的活跃指数，将活跃指数大于设定活跃度的分布变量更新参数删除，将活跃指数小于等于所述活跃度的分布变量更新参数作为优化结果；所述结合所述优化结果得到所述当前业务行为报告的共享资源匹配数据，包括：确定所述优化结果中的每一分布变量更新参数的设定运算结果的分布校对权重；如果所述当前业务行为报告为所述局部管理日志中的第一组业务行为报告，则将所述第一资源识别信息在所述业务处理流程按照所述分布校对权重的数值进行调整，得到所述当前业务行为报告的共享资源匹配数据；如果所述当前业务行为报告为所述局部管理日志中的非第一组业务行为报告，则将所述当前业务行为报告的前一组业务行为报告的共享资源匹配数据在所述业务处理流程按照所述分布校对权重的数值进行调整，得到所述当前业务行为报告的共享资源匹配数据。
如此设计，可以结合共享数据管理日志实时的动态特征对于共享资源匹配数据进行后续处理，进而从与业务处理流程融合的层面进一步对共享资源匹配数据进行优化，进一步提高当前全局资源识别信息的准确度。
在一些可选实施例中，所述共享数据管理日志为包含共享数据资源的异常风险识别日志，则所述方法还包括：如果资源识别信息中包含敏感数据资源，则生成携带所述敏感数据资源的资源识别信息，所述资源识别信息包括第一资源识别信息、共享资源匹配数据或全局资源识别信息。
如此设计，能够快速、精准地确定敏感数据资源的资源识别信息，快速实现针对资源识别信息的防护处理，保障数据资源共享的安全性。
在一些可选实施例中，所述基于接收到的数据共享分析请求，获得共享数据管理日志，包括：基于第一设定数据交互模块获取所述共享数据管理日志，所述第一设定数据交互模块与对日志生成模块输出的共享数据管理日志进行分析的计算机程序的已配置数据交互模块通信；所述生成携带所述敏感数据资源的资源识别信息包括基于第二设定数据交互模块生成所述资源识别信息，所述第二设定数据交互模块与可视化终端的已配置数据交互模块通信。
如此设计，能够提高该方案在不同数据共享任务下的兼容性，有效提高方案的实施灵活性。
在一些可选实施例中，所述共享数据管理日志中的各组业务行为报告的编号具有升序关系；所述资源识别要求为所述业务行为报告的编号与设定参考值存在比例关系（比如编号能够被设定参考值整除）。
如此设计，能够根据实际情况进行个性化的共享资源分析处理。
第二方面，本发明还提供了一种基于人工智能的数据共享处理系统，所述系统包括相互通信的数据共享云平台和数据共享参与端，其中，所述数据共享云平台，用于：基于接收到的数据共享分析请求，获得共享数据管理日志；逐一对选定业务行为报告和关联业务行为报告进行共享资源识别，得到第一资源识别信息和第二资源识别信息；其中，所述选定业务行为报告为所述共享数据管理日志中符合资源识别要求的还没有执行共享资源识别的第一组业务行为报告，所述关联业务行为报告为所述选定业务行为报告之后的符合资源识别要求的第一组业务行为报告；结合所述选定业务行为报告和所述关联业务行为报告确定局部管理日志，经由所述第一资源识别信息对局部管理日志中的业务行为报告逐一进行共享资源匹配，得到共享资源匹配数据；将所述第二资源识别信息和所述共享资源匹配数据进行整合，得到全局资源识别信息。
第三方面，本发明还提供了一种数据共享云平台，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述所述的方法。
第四方面，本发明还提供了一种服务器，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述所述的方法。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并于说明书一起用于解释本发明的原理。
图1是本发明实施例提供的一种基于人工智能的数据共享处理方法的流程示意图。
图2是本发明实施例提供的一种基于人工智能的数据共享处理系统的通信架构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
本发明实施例所提供的方法实施例可以在数据共享云平台、计算机设备或者类似的运算装置中执行。以运行在数据共享云平台上为例，数据共享云平台10可以包括一个或多个处理器102（处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置）和用于存储数据的存储器104，可选地，上述数据共享云平台还可以包括用于通信功能的传输装置106。本领域普通技术人员可以理解，上述结构仅为示意，其并不对上述数据共享云平台的结构造成限定。例如，数据共享云平台10还可包括比上述所示更多或者更少的组件，或者具有与上述所示不同的配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的一种基于人工智能的数据共享处理方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至数据共享云平台10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括数据共享云平台10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器（Network Interface Controller，简称为NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频（Radio Frequency，简称为RF）模块，其用于通过无线方式与互联网进行通讯。
基于此，请参阅图1，图1是本发明实施例所提供的一种基于人工智能的数据共享处理方法的流程示意图，该方法应用于数据共享云平台，进一步可以包括以下内容描述的技术方案。
步骤10：基于接收到的数据共享分析请求，获得共享数据管理日志。
在一些可选实施例中，数据共享云平台（可以理解为数据共享云服务器、电子设备或者计算机设备）基于接收到的数据共享分析请求，获得共享数据管理日志。又比如，数据共享云平台可以基于接收到的数据共享分析请求，从其他系统中获得共享数据管理日志，比如，数据共享云平台可以从不同的数据处理系统中获得共享数据管理日志。本发明实施例不限定共享数据管理日志的获取方式。举例而言，该共享数据管理日志可以由日志生成模块（比如可以理解为相关的日志创建程序等，本领域技术人员可以根据实际需求灵活选择，在此不作赘述）生成。
在一些可选实施例中，本发明可以基于第一设定数据交互模块获取该共享数据管理日志，该第一设定数据交互模块与对日志生成模块输出的共享数据管理日志进行分析的计算机程序的已配置数据交互模块通信，还可以基于第二设定数据交互模块输出当前实施共享资源识别的业务行为报告及其对应的资源识别信息，该第二设定数据交互模块与可视化终端的已配置数据交互模块通信。如此设计，可以提高整体方案的实施灵活性，保障其尽可能应用于不同的业务场景下。举例而言，该第一设定数据交互模块可以为数据接口，该第二设定数据交互模块也可以为数据接口，本领域技术人员可以根据实际情况，结合现有技术灵活调整第一设定数据交互模块和第二设定数据交互模块的接口参数配置。
本发明实施例中对于该共享数据管理日志中的不同组业务行为报告可以有选择地实施共享资源识别操作，示例性地，可以根据各组业务行为报告的编号进行选择，该共享数据管理日志中每一组业务行为报告的编号可以按照该组业务行为报告在该共享数据管理日志中的时序优先级获得。本发明实施例中可以使用NO.x表示业务行为报告的编号，举例而言，该共享数据管理日志中选定业务行为报告的NO.x可以为NO.0，之后的业务行为报告的编号依次+1，比如NO.1、NO.2等。
此外，数据共享分析请求可以是数据共享方发起的，用于请求数据共享云平台进行共享中的数据资源的监测。
步骤20：逐一对选定业务行为报告和关联业务行为报告进行共享资源识别，得到第一资源识别信息和第二资源识别信息。
其中，所述选定业务行为报告为所述共享数据管理日志中符合资源识别要求的还没有执行共享资源识别的第一组业务行为报告，所述关联业务行为报告为所述选定业务行为报告之后的符合资源识别要求的第一组业务行为报告。其中，共享资源识别可以理解为对已共享的数据资源的定位检测处理，用于确定已共享的数据资源。
在一些可选实施例中，可以立刻将共享数据管理日志的第一组业务行为报告作为选定业务行为报告，在另一些可选实施例中，还可以提取该共享数据管理日志中的任一业务行为报告，若该任一业务行为报告不符合该资源识别要求，则继续对该共享数据管理日志中的其它业务行为报告进行抽取，直到获取到符合资源识别要求的业务行为报告，将其确定为选定业务行为报告。将所述选定业务行为报告之后的下一个符合资源识别要求的业务行为报告确定为关联业务行为报告。本发明可以对于共享数据管理日志进行持续处理，选定业务行为报告和关联业务行为报告也适应性调整，以确保选定业务行为报告一直是所述共享数据管理日志中符合资源识别要求的还没有执行共享资源识别的第一组业务行为报告，所述关联业务行为报告一直是所述选定业务行为报告之后的符合资源识别要求的第一组业务行为报告。
举例而言，所述共享数据管理日志中的各组业务行为报告顺序进行升序注释得到其对应的NO.x，所述共享数据管理日志中的选定业务行为报告的NO.x为NO.0，后一组业务行为报告的NO.x为NO.1。资源识别要求为NO.x可以被Y整除，则在本发明方案开始实施时，NO.x为NO.0和NO.x为NO.N的业务行为报告可以分别作为选定业务行为报告和关联业务行为报告。在业务行为报告的处理中，如果当前正在被处理的业务行为报告的NO.x为Z，则按照步骤20中的定义，选定业务行为报告为NO.x为P*Y（P为正整数）的业务行为报告，P*N为比Z值大的Y的倍数中的最小值，而关联业务行为报告为NO.x为（P+1）*Y的业务行为报告，可以理解，在对业务行为报告进行处理的过程中，选定业务行为报告和关联业务行为报告可以基于业务行为报告处理实时确定。
本发明实施例中，对于选定业务行为报告和关联业务行为报告都进行共享资源识别处理，得到所述选定业务行为报告对应的第一资源识别信息和所述关联业务行为报告对应的第二资源识别信息。可以理解，本发明实施例中对于共享数据管理日志中的部分组业务行为报告才进行共享资源识别处理，而不是对每组业务行为报告进行共享资源识别处理，减少了共享资源识别操作所对应的步骤的处理次数，从而可以实现对于共享数据管理日志进行高效处理的目的。进一步地，资源识别信息可以理解为对共享资源进行识别检测后得到的结果。
步骤30：根据所述选定业务行为报告和所述关联业务行为报告确定局部管理日志，基于所述第一资源识别信息对局部管理日志中的业务行为报告逐一进行共享资源匹配，得到共享资源匹配数据。
本发明实施例中间隔进行共享资源识别处理，而在进行共享资源识别处理的选定业务行为报告和所述关联业务行为报告所确定的局部管理日志（比如可以理解为共享数据管理日志的一部分），对位于所述局部管理日志的业务行为报告进行共享资源匹配处理。举例而言，如果选定业务行为报告的NO.x为Y*R，关联业务行为报告的NO.x为Y*（R+1）（R为大于等于0的整数），则对于NO.x属于（Y*R，Y*（R+1））的业务行为报告进行共享资源匹配处理，得到对于NO.x属于（Y*R，Y*（R+1））的每组业务行为报告的共享资源匹配数据。
进一步地，共享资源匹配可以理解为共享资源关联或者共享资源匹配持续分析，从而形成完整的共享资源流向报告，以实时、完整地监测共享资源的正常使用。
对于处于局部管理日志中的业务行为报告进行共享资源匹配处理，可以使得处于局部管理日志中的每组业务行为报告都可以匹配/关联到其上一组的业务行为报告中的被识别出的共享资源，从而达到不遗漏已识别出的共享资源的效果。此外，还可以对于处于局部管理日志中的每组业务行为报告的共享资源匹配数据进行持续输出，则通过共享资源匹配操作，可以使得连续的业务行为报告中被识别出的共享资源具备持续性，提高共享资源流向分析。
步骤40：将所述第二资源识别信息和所述共享资源匹配数据进行整合，得到全局资源识别信息。
本发明实施例中得到第一资源识别信息，并且对在局部管理日志中的业务行为报告逐一进行共享资源匹配，从而使得得到的共享资源匹配数据中包括第一资源识别信息中的共享资源/共享数据资源/资源项；将所述第二资源识别信息和所述共享资源匹配数据进行整合，可以使得得到的全局资源识别信息中不仅包含对第一资源识别信息中的共享资源/共享数据资源/资源项，还包含第二资源识别信息中的共享资源/共享数据资源/资源项，从而使得全局资源识别信息信息尽可能多样化和可靠，比如第一资源识别信息或者第二资源识别信息存在一些遗漏，也可以在全局资源识别信息中进行补充，提高全局资源识别信息的流向监测完整性。
在一些可独立的实施例而言步骤40所描述的将所述第二资源识别信息和所述共享资源匹配数据进行整合，可以包括如下内容。
步骤41：如果所述第二资源识别信息与所述共享资源匹配数据包含冗余的资源事项，则清洗所述共享资源匹配数据中的所述冗余的资源事项；将所述第二资源识别信息添加到所述共享资源匹配数据中。
在一些示例下，可以使用视觉识别窗口反映第二资源识别信息和共享资源匹配数据中的共享资源/共享数据资源/资源项。如果第二资源识别信息中的视觉识别窗口与共享资源匹配数据中的视觉识别窗口的区域计算结果（比如视觉识别窗口的叠加变量）大于设定判定值，则可以认为该第二资源识别信息中的视觉识别窗口与该共享资源匹配数据中的视觉识别窗口为冗余的资源事项（多余/重叠的资源事项），则清洗该共享资源匹配数据中的视觉识别窗口。该设定判定值可以灵活设置，举例而言，该设定判定值可以为0.5~0.7。
步骤42：如果所述第二资源识别信息与所述共享资源匹配数据不包含冗余的资源事项，则将所述第二资源识别信息添加到所述共享资源匹配数据中。
在一些可独立的实施例而言，可以基于第一共享资源识别算法进行共享资源识别处理，该第一共享资源识别算法可以使用视觉识别窗口立刻得到共享资源识别结果。举例而言，该第一共享资源识别算法可以为卷积神经网络或者决策树网络等。在一些可独立的实施例而言，还可以基于第二共享资源识别算法进行共享资源识别处理；该第二共享资源识别算法基于原始资源项捕捉窗口估计中间型捕捉窗口，基于中间型捕捉窗口确定共享资源识别结果。举例而言，该第二共享资源识别算法可以为深度学习网络或者多层感知机等。进一步地，原始资源项捕捉窗口可以理解为针对资源项的初始捕捉结果，中间型捕捉窗口可以理解为针对资源项的备选捕捉结果。
在一些示例下，还可以对于共享资源识别输出的结果持续输出，以本发明实施例中的方法应用于共享数据安防为例，所述共享数据管理日志即为包含共享数据资源的异常风险识别日志，如果资源识别信息中包含敏感数据资源，则生成携带所述敏感数据资源的资源识别信息，所述资源识别信息包括第一资源识别信息、共享资源匹配数据或全局资源识别信息。当然，也可以不论资源识别信息是否含有敏感数据资源，都可以进行输出。
如此设计，本发明实施例示出的共享资源识别的方法可以对于符合资源识别要求的业务行为报告进行共享资源识别处理，对于不符合资源识别要求的业务行为报告进行共享资源匹配处理，从而实现共享资源识别和共享资源匹配的灵活实施，提高算力的利用率。
在一些可独立的实施例而言，所述基于所述第一资源识别信息对局部管理日志中的业务行为报告逐一进行共享资源匹配，得到共享资源匹配数据，可以包括如下内容。
步骤31：确定所述局部管理日志中的当前业务行为报告。
步骤32：如果所述当前业务行为报告为所述局部管理日志中的第一组业务行为报告，则根据所述第一资源识别信息确定资源项描述知识簇；根据所述选定业务行为报告，所述当前业务行为报告和所述资源项描述知识簇得到所述资源项描述知识簇在所述当前业务行为报告的知识变换信息；根据所述知识变换信息确定所述当前业务行为报告的共享资源匹配数据。
其中，以所述第一资源识别信息作为匹配项，得到所述匹配项的资源项描述知识簇，资源项描述知识簇可以用于反映资源项的特征向量集。
步骤33：若所述当前业务行为报告为所述局部管理日志中的非第一组业务行为报告，则根据所述当前业务行为报告的前一组业务行为报告的共享资源匹配数据确定资源项描述知识簇；根据所述当前业务行为报告的前一组业务行为报告，所述当前业务行为报告和所述资源项描述知识簇得到所述资源项描述知识簇在所述当前业务行为报告的知识变换信息；根据所述知识变换信息确定所述当前业务行为报告的共享资源匹配数据。
其中，以所述当前业务行为报告的前一组业务行为报告的共享资源匹配数据为匹配项，得到所述匹配项的资源项描述知识簇。
在一些可选实施例中，可以以视觉识别窗口表征匹配项中的共享资源/共享数据资源/资源项，可以根据共享资源/共享数据资源/资源项确定对应的资源项描述知识簇，对于匹配项中的每个视觉识别窗口，都得到对应的资源项描述知识簇。本发明对资源项描述知识簇的确定方法不作限。
本发明实施例中并不限定知识变换信息（比如映射处理）的获取思路，举例而言，比如，通过相关的特征映射算法进行处理，以前后两组业务行为报告和上一组的资源项描述知识作为输入信息，能够输出这些资源项描述知识在后一组中的匹配后的分布变量，本发明可以将该输出信息作为该知识变换信息。
在一些示例下，示出了根据本发明实施例的根据所述知识变换信息确定所述当前业务行为报告的共享资源匹配数据的示例性方案，可以包括如下内容。
步骤1：根据所述知识变换信息，得到所述资源项描述知识簇中每个资源项描述知识的分布变量更新参数。
进一步地，知识变换信息中包括前一组业务行为报告的资源项描述知识簇的资源项描述知识在当前业务行为报告的分布标签，根据知识变换信息即可确定分布变量更新参数，该分布变量更新参数表征资源项描述知识在前一组业务行为报告和当前业务行为报告之间产生的分布变量更新。
步骤2：对每一所述分布变量更新参数进行优化，得到优化结果。
该分布变量更新参数中可能会存在匹配差异较大的资源项描述知识，对其可以进行优化（过滤处理）。比如，大部分的资源项描述知识的分布变量更新参数均在0.3~0.6之间，有某些资源项描述知识的分布变量更新参数达到了1.2，则可以认为这些资源项描述知识出现匹配差异过高，可以将其删除。
在一些示例下，可以根据在先的共享数据管理日志反映的共享数据资源流向趋势进行优化。若共享数据管理日志基于对依据业务处理流程进行会话交互的共享数据资源的流向分析报告确定，则该共享数据管理日志的连续业务行为报告中的共享数据资源也是基于整体业务处理流程进行传输，全局资源识别信息确定的资源项描述知识在期望层面也应该基于整体业务处理流程进行传输。
进一步地，该对每一该分布变量更新参数进行优化，得到优化结果还可以包括确定每一分布变量更新参数在所述业务处理流程的活跃指数，将活跃指数大于设定活跃度的分布变量更新参数删除，将活跃指数（分布变量更新波动）小于等于所述活跃度的分布变量更新参数作为优化结果。
步骤3：根据所述优化结果得到所述当前业务行为报告的共享资源匹配数据。
在一些可独立的实施例而言，可以将优化后的分布变量更新参数对应的当前业务行为报告的资源项描述知识进行存留，进而得到该当前业务行为报告的当前全局资源识别信息。
在一些可独立的实施例而言，若共享数据管理日志基于对依据业务处理流程进行会话交互的共享数据资源的流向分析报告确定，以下为根据本发明实施例的根据所述优化结果得到所述当前业务行为报告的共享资源匹配数据的技术方案，可以包括如下内容。
步骤301：确定所述优化结果中的每一分布变量更新参数的设定运算结果的分布校对权重。其中，设定运算结果可以是每一分布变量更新参数的绝对值，分布校对权重可以是平均值。
步骤302：如果所述当前业务行为报告为所述局部管理日志中的第一组业务行为报告，则将所述第一资源识别信息在所述业务处理流程中按照所述分布校对权重进行调整，得到所述当前业务行为报告的共享资源匹配数据。
步骤303：如果所述当前业务行为报告为所述局部管理日志中的非第一组业务行为报告，则将所述当前业务行为报告的前一组业务行为报告的共享资源匹配数据在所述业务处理流程中按照所述分布校对权重进行调整，得到所述当前业务行为报告的共享资源匹配数据。
如此设计，通过基于知识变换信息得到分布变量更新参数，对分布变量更新参数进行优化处理，可以提高共享资源匹配操作的准确性和可靠性。
进一步地，对于选定业务行为报告和关联业务行为报告可以采用相同的共享资源识别操作方法进行共享资源识别，以选定业务行为报告为例，如下为根据本发明实施例的对选定业务行为报告进行共享资源识别的实施方案。
步骤21：对该选定业务行为报告进行操作要素挖掘，得到针对共享资源的操作要素分布链。
在一些可独立的实施例而言，可以利用AI模型得到多层的针对共享资源的操作要素分布链，示例性地，该AI模型可以包括特征金字塔模型，比如可以通过特征维度调整处理得到多层的针对共享资源的操作要素分布链。进一步地，针对共享资源的操作要素分布链可以理解为针对共享资源的操作要素特征向量的特征图。
步骤22：对该针对共享资源的操作要素分布链进行资源项分团操作，得到资源项分团数据。
其中，资源项分团操作可以理解为资源项的分类处理，比如可以根据文件资源、个人信息资源、软件程序资源，结合传统的技术方案进行分类处理。
步骤23：对该针对共享资源的操作要素分布链进行资源项校对操作，得到资源项校对数据。
其中，资源项校对操作可以是针对操作要素分布链的回归分析处理，进一步地，分类处理和回归分析可以根据现有的人工智能算法实现，在此不作限定。
步骤24：根据该资源项校对数据和该资源项分团数据确定该共享资源识别结果。
示例性地，可以根据设定的处理要求对每一视觉识别窗口进行优化，根据优化结果确定目标视觉识别窗口，该目标视觉识别窗口表征全局资源识别信息。将分类可信值过低的或者资源项校对数据质量较差的视觉识别窗口进行优化，优化后的其他视觉识别窗口反映了全局资源识别信息。
进一步地，根据本发明实施例的描述，对于符合资源识别要求的目标进行共享资源识别处理，对于连续的进行共享资源识别处理的业务行为报告所确定的局部管理日志中的业务行为报告执行共享资源匹配操作，整合共享资源识别操作的结果和共享资源匹配操作的结果，可以得到更为精准的全局资源识别信息。在通过迭代实现所述描述时，可以对于每个当前挖掘出的业务行为报告进行判断，若该业务行为报告符合资源识别要求，则不仅可以将该业务行为报告前一组业务行为报告的全局资源识别信息匹配到该业务行为报告中，还可以对该业务行为报告进行共享资源识别处理，将共享资源匹配的结果与共享资源识别操作的结果进行整合，得到该业务行为报告的全局资源识别信息；若该业务行为报告不符合资源识别要求，则对该业务行为报告进行共享资源匹配处理。通过迭代对于共享数据管理日志中的业务行为报告进行处理，可以对符合资源识别要求的业务行为报告进行共享资源识别处理和共享资源匹配操作，对不符合资源识别要求的业务行为报告进行共享资源匹配处理，减少共享资源识别操作的处理次数，并且依赖于共享资源匹配操作使得提高全局资源识别信息的准确性，不仅符合实时处理共享数据管理日志的时效性指标，又符合对共享数据管理日志中的共享资源/共享数据资源/资源项进行精准识别的准确性指标。
在一些可独立的实施例中，在获得所述全局资源识别信息之后，该方法还可以包括如下内容：通过所述全局资源识别信息，确定目标共享资源的共享需求数据；基于所述共享需求数据进行数据资源推送。
举例而言，可以基于全局资源识别信息确定目标共享资源在被共享时的使用方的使用、操作特征，从而得到针对目标共享资源的共享需求数据。如此，能够结合目标共享资源的共享需求数据向使用方进行针对性的数据资源推送，提高数据共享的后处理智能化程度，避免目标共享资源后期的频繁共享，也即通过一次共享进行使用方的需求挖掘，从而进行高效、精准的数据资源推送。
在一些可独立的实施例中，通过所述全局资源识别信息，确定目标共享资源的共享需求数据，可以包括如下内容：获取所述全局资源识别信息中目标共享资源分别对应的操作事件特征关系网和操作习惯特征关系网；基于所述全局资源识别信息中的操作事件特征关系网和操作习惯特征关系网之间的特征相关度，对所述全局资源识别信息中的操作事件特征关系网和操作习惯特征关系网进行组合，得到特征关系网组合结果；将组合异常的操作习惯特征关系网确定为待匹配操作习惯特征关系网，根据所述特征关系网组合结果中的操作习惯特征关系网与所述待匹配操作习惯特征关系网之间的特征关系网相似值，确定与所述待匹配操作习惯特征关系网相匹配的共享需求要素；对与所述待匹配操作习惯特征关系网相匹配的共享需求要素和所述待匹配操作习惯特征关系网进行组合，得到需求要素组合结果；根据所述需求要素组合结果和所述特征关系网组合结果，确定所述目标共享资源对应的共享需求数据。如此设计，通过进行操作事件特征关系网和操作习惯特征关系网的组合分析，能够精准挖掘共享需求要素，并结合需求要素组合结果和特征关系网组合结果，能够基于整体和局部实现共享需求数据的确定，为相关的数据资源推送提供可靠的决策依据。
在一些可独立的实施例中，所述获取全局资源识别信息中的操作事件特征关系网和操作习惯特征关系网，包括：获取所述全局资源识别信息中的至少两个操作事件描述向量和至少两个操作习惯描述向量；获取所述至少两个操作事件描述向量之间的事件描述向量相似值和事件描述向量类别差异，获取所述至少两个操作习惯描述向量之间的习惯描述向量相似值和习惯描述向量类别差异；根据所述事件描述向量相似值和所述事件描述向量类别差异，对所述至少两个操作事件描述向量进行合并，得到所述全局资源识别信息中的操作事件特征关系网；一个操作事件特征关系网包括至少一个操作事件描述向量；根据所述习惯描述向量相似值和所述习惯描述向量类别差异，对所述至少两个操作习惯描述向量进行合并，得到所述全局资源识别信息中的操作习惯特征关系网；其中，一个操作习惯特征关系网包括至少一个操作习惯描述向量。如此一来，可以完整地确定操作事件特征关系网和操作习惯特征关系网，避免操作事件特征关系网和操作习惯特征关系网出现缺失。
基于上述相同或相似的发明构思，请结合参阅图2，还提供了一种基于人工智能的数据共享处理系统30的架构示意图，包括互相之间通信的数据共享云平台10和数据共享参与端20，数据共享云平台10和数据共享参与端20在运行时实现或者部分实现上述方法实施例所描述的技术方案。
进一步地，还提供了一种可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的方法。
进一步地，还提供了一种服务器，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述所述的方法。
在本发明实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，媒体业务服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (11)
1.一种基于人工智能的数据共享处理方法，其特征在于，应用于数据共享云平台，该方法至少包括：
基于接收到的所述数据共享分析请求，获得共享数据管理日志；逐一对选定业务行为报告和关联业务行为报告进行共享资源识别，得到第一资源识别信息和第二资源识别信息；其中，所述选定业务行为报告为所述共享数据管理日志中符合资源识别要求的还没有执行共享资源识别的第一组业务行为报告，所述关联业务行为报告为所述选定业务行为报告之后的符合资源识别要求的第一组业务行为报告；
结合所述选定业务行为报告和所述关联业务行为报告确定局部管理日志，经由所述第一资源识别信息对局部管理日志中的业务行为报告逐一进行共享资源匹配，得到共享资源匹配数据；将所述第二资源识别信息和所述共享资源匹配数据进行整合，得到全局资源识别信息。
2.根据权利要求1所述的方法，其特征在于，所述将所述第二资源识别信息和所述共享资源匹配数据进行整合，得到全局资源识别信息，包括：
如果所述第二资源识别信息与所述共享资源匹配数据包含冗余的资源事项，则清洗所述共享资源匹配数据中的所述冗余的资源事项；将所述第二资源识别信息添加到所述共享资源匹配数据中；
如果所述第二资源识别信息与所述共享资源匹配数据不包含冗余的资源事项，则将所述第二资源识别信息添加到所述共享资源匹配数据中。
3.根据权利要求2所述的方法，其特征在于，所述逐一对选定业务行为报告和关联业务行为报告进行共享资源识别，包括以下其中一项：
基于第一共享资源识别算法对业务行为报告进行共享资源识别，所述业务行为报告为选定业务行为报告和关联业务行为报告；
基于第二共享资源识别算法对业务行为报告进行共享资源识别，所述业务行为报告为选定业务行为报告和关联业务行为报告；所述第二共享资源识别算法基于原始资源项捕捉窗口估计中间型捕捉窗口，基于中间型捕捉窗口确定共享资源识别结果。
4.根据权利要求1所述的方法，其特征在于，所述基于第一共享资源识别算法对业务行为报告进行共享资源识别，包括：
对所述业务行为报告进行操作要素挖掘，得到针对共享资源的操作要素分布链；
对所述针对共享资源的操作要素分布链进行资源项分团操作，得到资源项分团数据；
对所述针对共享资源的操作要素分布链进行资源项校对操作，得到资源项校对数据；
结合所述资源项校对数据和所述资源项分团数据确定全局资源识别信息。
5.根据权利要求4所述的方法，其特征在于，所述经由所述第一资源识别信息对局部管理日志中的业务行为报告逐一进行共享资源匹配，得到共享资源匹配数据，包括：
确定所述局部管理日志中的当前业务行为报告；
如果所述当前业务行为报告为所述局部管理日志中的第一组业务行为报告，则结合所述第一资源识别信息确定资源项描述知识簇；结合所述选定业务行为报告，所述当前业务行为报告和所述资源项描述知识簇得到所述资源项描述知识簇在所述当前业务行为报告的知识变换信息；结合所述知识变换信息确定所述当前业务行为报告的共享资源匹配数据；
如果所述当前业务行为报告为所述局部管理日志中的非第一组业务行为报告，则结合所述当前业务行为报告的前一组业务行为报告的共享资源匹配数据确定资源项描述知识簇；结合所述当前业务行为报告的前一组业务行为报告，所述当前业务行为报告和所述资源项描述知识簇得到所述资源项描述知识簇在所述当前业务行为报告的知识变换信息；结合所述知识变换信息确定所述当前业务行为报告的共享资源匹配数据；
其中，所述结合所述知识变换信息确定所述当前业务行为报告的共享资源匹配数据，包括：结合所述知识变换信息，得到所述资源项描述知识簇中每个资源项描述知识的分布变量更新参数；对每一所述分布变量更新参数进行优化，得到优化结果；结合所述优化结果得到所述当前业务行为报告的共享资源匹配数据。
6.根据权利要求1所述的方法，其特征在于，所述共享数据管理日志基于对依据业务处理流程进行会话交互的共享数据资源的流向分析报告确定；
所述对每一所述分布变量更新参数进行优化，得到优化结果，包括：确定每一分布变量更新参数在所述业务处理流程的活跃指数，将活跃指数大于设定活跃度的分布变量更新参数删除，将活跃指数小于等于所述活跃度的分布变量更新参数作为优化结果；
所述结合所述优化结果得到所述当前业务行为报告的共享资源匹配数据，包括：确定所述优化结果中的每一分布变量更新参数的设定运算结果的分布校对权重；如果所述当前业务行为报告为所述局部管理日志中的第一组业务行为报告，则将所述第一资源识别信息在所述业务处理流程按照所述分布校对权重的数值进行调整，得到所述当前业务行为报告的共享资源匹配数据；如果所述当前业务行为报告为所述局部管理日志中的非第一组业务行为报告，则将所述当前业务行为报告的前一组业务行为报告的共享资源匹配数据在所述业务处理流程按照所述分布校对权重的数值进行调整，得到所述当前业务行为报告的共享资源匹配数据。
7.根据权利要求6所述的方法，其特征在于，所述共享数据管理日志为包含共享数据资源的异常风险识别日志，则所述方法还包括：如果资源识别信息中包含敏感数据资源，则生成携带所述敏感数据资源的资源识别信息，所述资源识别信息包括第一资源识别信息、共享资源匹配数据或全局资源识别信息；
其中，所述基于接收到的数据共享分析请求，获得共享数据管理日志，包括：基于第一设定数据交互模块获取所述共享数据管理日志，所述第一设定数据交互模块与对日志生成模块输出的共享数据管理日志进行分析的计算机程序的已配置数据交互模块通信；
所述生成携带所述敏感数据资源的资源识别信息包括：基于第二设定数据交互模块生成所述资源识别信息，所述第二设定数据交互模块与可视化终端的已配置数据交互模块通信。
8.根据权利要求7所述的方法，其特征在于，所述共享数据管理日志中的各组业务行为报告的编号具有升序关系；所述资源识别要求为所述业务行为报告的编号与设定参考值存在比例关系。
9.一种基于人工智能的数据共享处理系统，其特征在于，所述系统包括相互通信的数据共享云平台和数据共享参与端，其中，所述数据共享云平台，用于：基于接收到的数据共享分析请求，获得共享数据管理日志；逐一对选定业务行为报告和关联业务行为报告进行共享资源识别，得到第一资源识别信息和第二资源识别信息；其中，所述选定业务行为报告为所述共享数据管理日志中符合资源识别要求的还没有执行共享资源识别的第一组业务行为报告，所述关联业务行为报告为所述选定业务行为报告之后的符合资源识别要求的第一组业务行为报告；结合所述选定业务行为报告和所述关联业务行为报告确定局部管理日志，经由所述第一资源识别信息对局部管理日志中的业务行为报告逐一进行共享资源匹配，得到共享资源匹配数据；将所述第二资源识别信息和所述共享资源匹配数据进行整合，得到全局资源识别信息。
10.一种数据共享云平台，其特征在于，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述权利要求1-8任一项所述的方法。
11.一种服务器，其特征在于，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述权利要求1-8任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211179078.5A CN115563069B (zh) | 2022-09-27 | 2022-09-27 | 基于人工智能的数据共享处理方法、系统及云平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211179078.5A CN115563069B (zh) | 2022-09-27 | 2022-09-27 | 基于人工智能的数据共享处理方法、系统及云平台 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115563069A true CN115563069A (zh) | 2023-01-03 |
| CN115563069B CN115563069B (zh) | 2024-01-16 |
Family
ID=84743534
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211179078.5A Active CN115563069B (zh) | 2022-09-27 | 2022-09-27 | 基于人工智能的数据共享处理方法、系统及云平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115563069B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117236788A (zh) * | 2023-10-30 | 2023-12-15 | 水利部珠江水利委员会技术咨询(广州)有限公司 | 基于人工智能的水资源调度优化方法及系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009158050A2 (en) * | 2008-06-26 | 2009-12-30 | Qualcomm Incorporated | Fair resource sharing in wireless communications |
| CN104732436A (zh) * | 2015-03-26 | 2015-06-24 | 浪潮软件集团有限公司 | 一种第三方涉税信息采集与分析利用工具 |
| CN108376140A (zh) * | 2017-06-30 | 2018-08-07 | 勤智数码科技股份有限公司 | 基于模糊匹配的政务数据梳理方法及装置 |
| CN109861995A (zh) * | 2019-01-17 | 2019-06-07 | 安徽谛听信息科技有限公司 | 一种网络空间安全大数据智能分析方法、计算机可读介质 |
| CN110209392A (zh) * | 2019-06-12 | 2019-09-06 | 苏州思必驰信息科技有限公司 | 技能共享开发方法及装置 |
| CN111930821A (zh) * | 2020-09-08 | 2020-11-13 | 平安国际智慧城市科技股份有限公司 | 一种一步式数据交换方法、装置、设备及存储介质 |
| CN112241402A (zh) * | 2020-10-16 | 2021-01-19 | 中国民用航空华东地区空中交通管理局 | 一种空管数据供应链系统及数据治理方法 |
| CN113111359A (zh) * | 2021-03-27 | 2021-07-13 | 卢洪斌 | 基于信息安防的大数据资源共享方法及资源共享系统 |
| CN114553658A (zh) * | 2022-03-07 | 2022-05-27 | 哈尔滨垚邝科技有限公司 | 一种基于云计算的资源共享安全处理方法及服务器 |
| CN114662153A (zh) * | 2022-04-13 | 2022-06-24 | 大庆迅亦捷科技有限公司 | 一种结合人工智能的共享数据隐私处理方法及服务器 |
-
2022
- 2022-09-27 CN CN202211179078.5A patent/CN115563069B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009158050A2 (en) * | 2008-06-26 | 2009-12-30 | Qualcomm Incorporated | Fair resource sharing in wireless communications |
| US20090323640A1 (en) * | 2008-06-26 | 2009-12-31 | Qualcomm Incorporated | Fair resource sharing in wireless communications |
| CN104732436A (zh) * | 2015-03-26 | 2015-06-24 | 浪潮软件集团有限公司 | 一种第三方涉税信息采集与分析利用工具 |
| CN108376140A (zh) * | 2017-06-30 | 2018-08-07 | 勤智数码科技股份有限公司 | 基于模糊匹配的政务数据梳理方法及装置 |
| CN109861995A (zh) * | 2019-01-17 | 2019-06-07 | 安徽谛听信息科技有限公司 | 一种网络空间安全大数据智能分析方法、计算机可读介质 |
| CN110209392A (zh) * | 2019-06-12 | 2019-09-06 | 苏州思必驰信息科技有限公司 | 技能共享开发方法及装置 |
| CN111930821A (zh) * | 2020-09-08 | 2020-11-13 | 平安国际智慧城市科技股份有限公司 | 一种一步式数据交换方法、装置、设备及存储介质 |
| CN112241402A (zh) * | 2020-10-16 | 2021-01-19 | 中国民用航空华东地区空中交通管理局 | 一种空管数据供应链系统及数据治理方法 |
| CN113111359A (zh) * | 2021-03-27 | 2021-07-13 | 卢洪斌 | 基于信息安防的大数据资源共享方法及资源共享系统 |
| CN114553658A (zh) * | 2022-03-07 | 2022-05-27 | 哈尔滨垚邝科技有限公司 | 一种基于云计算的资源共享安全处理方法及服务器 |
| CN114662153A (zh) * | 2022-04-13 | 2022-06-24 | 大庆迅亦捷科技有限公司 | 一种结合人工智能的共享数据隐私处理方法及服务器 |
Non-Patent Citations (3)
| Title |
|---|
| ASAPH AZARIA等: "medrec：using blockchain for medical data access and permission management", 2016 2ND INTERNATIONAL CONFERENCE ON OPEN AND BIG DATA, pages 25 - 30 * |
| 常城;何宁宁;吴学义;石薇薇;侯佳芸;: "百度智能云ABC全面赋能智慧城市走向未来", 人工智能, no. 06, pages 76 - 87 * |
| 文莉莉;: "基于时空大数据的多规融合分析平台", 电子元器件与信息技术, vol. 4, no. 04, pages 107 - 110 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117236788A (zh) * | 2023-10-30 | 2023-12-15 | 水利部珠江水利委员会技术咨询(广州)有限公司 | 基于人工智能的水资源调度优化方法及系统 |
| CN117236788B (zh) * | 2023-10-30 | 2024-03-26 | 水利部珠江水利委员会技术咨询(广州)有限公司 | 基于人工智能的水资源调度优化方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115563069B (zh) | 2024-01-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110210227B (zh) | 风险检测方法、装置、设备和存储介质 | |
| EP3591587A1 (en) | Dataset connector and crawler to identify data lineage and segment data | |
| CN114840486B (zh) | 用户行为数据采集方法、系统及云平台 | |
| CN108363811A (zh) | 设备识别方法及装置、电子设备、存储介质 | |
| US20190311114A1 (en) | Man-machine identification method and device for captcha | |
| CN112529204A (zh) | 模型训练方法、装置及系统 | |
| CN113535825A (zh) | 一种基于云计算智能化的数据信息风控处理方法及系统 | |
| CN113608882A (zh) | 基于人工智能和大数据的信息处理方法、系统及云平台 | |
| CN110147389A (zh) | 帐号处理方法和装置、存储介质及电子装置 | |
| CN106164896A (zh) | 用于发现复杂两对手方或多对手方关系的多维递归学习过程及系统 | |
| CN115471108A (zh) | 数据分析决策方法、系统及大数据资源中心 | |
| CN112966014A (zh) | 查找目标对象的方法和装置 | |
| CN115563069A (zh) | 基于人工智能的数据共享处理方法、系统及云平台 | |
| CN113691556A (zh) | 一种应用于信息防护检测的大数据处理方法及服务器 | |
| CN116302841A (zh) | 一种工业物联网安全监测方法及系统 | |
| CN115374185A (zh) | 应用于数据管理仓库的容灾方法及系统 | |
| CN106294406A (zh) | 一种用于处理应用访问数据的方法与设备 | |
| CN116318907B (zh) | 基于大数据和神经网络分析计算机网络态势的方法及系统 | |
| CN117435999A (zh) | 一种风险评估方法、装置、设备以及介质 | |
| CN111917848A (zh) | 基于边缘计算和云计算协同的数据处理方法及云服务器 | |
| CN115271407B (zh) | 基于人工智能的工业互联网数据处理方法及系统 | |
| CN113468604A (zh) | 基于人工智能的大数据隐私信息解析方法及系统 | |
| CN114547440A (zh) | 基于互联网大数据的用户画像挖掘方法及人工智能云系统 | |
| CN109902831B (zh) | 业务决策处理方法以及装置 | |
| CN112905892A (zh) | 应用于用户画像挖掘的大数据处理方法及大数据服务器 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231220 Address after: Building 201, Building 1, No. 3 Yingcai South 1st Street, Future Science City, Changping District, Beijing, 102299 Applicant after: Beijing Yanhua Technology Development Co.,Ltd. Address before: No. 511, Yatai Street, Changchun, 130000 Jilin Province Applicant before: Gao Dan |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |