CN117201620B - 一种基于大数据分析的设备智能化管理系统及方法 - Google Patents
一种基于大数据分析的设备智能化管理系统及方法 Download PDFInfo
- Publication number
- CN117201620B CN117201620B CN202311296222.8A CN202311296222A CN117201620B CN 117201620 B CN117201620 B CN 117201620B CN 202311296222 A CN202311296222 A CN 202311296222A CN 117201620 B CN117201620 B CN 117201620B
- Authority
- CN
- China
- Prior art keywords
- data
- register
- list
- calling
- module
- 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
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000007405 data analysis Methods 0.000 title claims abstract description 21
- 238000006243 chemical reaction Methods 0.000 claims abstract description 49
- 238000012795 verification Methods 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 238000007726 management method Methods 0.000 claims abstract description 21
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000012549 training Methods 0.000 claims description 37
- 238000012545 processing Methods 0.000 claims description 36
- 238000012098 association analyses Methods 0.000 claims description 8
- 238000011160 research Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 abstract description 6
- 238000013523 data management Methods 0.000 abstract description 3
- 230000002708 enhancing effect Effects 0.000 abstract description 2
- 230000036632 reaction speed Effects 0.000 abstract description 2
- 239000000872 buffer Substances 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于大数据分析的设备智能化管理系统及方法,属于设备数据管理技术领域。本系统包括:数据预处理模块、个性化校验模块、数据反馈分析模块、安全转换模块以及指令控制模块;所述数据预处理模块的输出端与所述个性化校验模块的输入端相连接;所述个性化校验模块的输出端与所述数据反馈分析模块的输入端相连接;所述数据反馈分析模块的输出端与所述安全转换模块的输入端相连接;所述安全转换模块的输出端与所述指令控制模块的输入端相连接。本发明能够对数据列表中的数据格式指令进行分析处理,提高整个数据传输调用的速度,从而实现提高设备控制时的反应速度,进一步加强设备的应用能力。
Description
技术领域
本发明涉及设备数据管理技术领域,具体为一种基于大数据分析的设备智能化管理系统及方法。
背景技术
在设备的使用过程中,如果要形成数据传输与访问,一般是通过CPU来进行,CPU通过访问寄存器、缓存或者内存实现数据指令通信,进而实现设备的数据管理。
寄存器是CPU(中央处理器)的组成部分,是一种直接整合到CPU中的有限的高速访问速度的存储器,它是由一些与非门组合组成的,分为通用寄存器和特殊寄存器。缓存就是数据交换的缓冲区,当某一硬件要读取数据时,会首先从缓存中查找需要的数据,如果找到了则直接执行,找不到的话则从内存中找。在CPU的访问进程里,其访问寄存器的速度远高于缓存速度,访问缓存的速度又远高于内存,然而由于寄存器的自身局限性,其容量有限,存储空间小,虽然寄存器是计算机存储器中最强悍的存储器,但是由于技术限制,无法提升其容量,导致计算机在传输数据过程中,大部分数据依然存在于缓存中,其影响整个数据传输的效率,在目前来讲,如何能够将接收到的数据列表进行智能分配,将优先或者常用数据放置于寄存器,将其他数据放置于缓存,从而提升计算机CPU性能,加快设备控制速度,是一个亟待解决的问题。
发明内容
本发明的目的在于提供一种基于大数据分析的设备智能化管理系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于大数据分析的设备智能化管理方法,该方法包括以下步骤:
S1、终端设备向服务器发送数据列表,获取数据列表中的数据格式与物理链路层协议;
S2、基于服务器中历史数据下数据列表的数据格式与调用方式,构建数据调用个性化模型;
S3、基于数据调用个性化模型,校验接收到的数据列表,对寄存器存储与缓存存储进行分解,判断寄存器存储是否超出设定的寄存器存储大小,若符合寄存器存储大小,确定数据列表有效,进入步骤S4;若不符合寄存器存储大小,反馈数据列表预警,进入步骤S5;
S4、对寄存器存储中的数据进行数据转换,并实现数据加密;
S5、对数据列表进行分析处理,构建数据关联分析模型,实现对寄存器存储数据格式的智能处理,处理后对寄存器存储中的数据进行数据转换,并实现数据加密;
S6、服务器调用数据列表,对加密数据进行解密还原处理,将数据流转至设备下一个业务模块,接收数据列表中的数据指令,对设备实现指令控制。
根据上述技术方案,所述数据调用个性化模型包括:
获取历史数据下,服务器接收数据列表的数据格式与调用方式,获取每一组数据列表中的所有数据格式,记为A1、A2、…、An;其中A1、A2、…、An分别代表一种数据格式,且A1、A2、…、An之间各不相同;n指当前组数据列表中数据格式的种类数量;
获取当前组的调用方式,所述调用方式包括调用各数据格式的顺序,基于调用顺序前后形成新的调用列表,设置调用阈值M,按照顺序选取形成的调用列表中前M种数据格式,记录为当前组调用集合;
以最基础的视频与音频格式为例,若设备置为一种监控设备,其传输的数据包含视频数据与音频数据,目前指令要求寻找某一部分内容,则调用记录为不断遍历视频数据直至寻找到相应的内容,根据相应内容调用对应的音频数据,那么在这样的情况下,寄存器内就不应该存储对应的音频数据,而是尽可能的添加视频数据,先进行遍历,从而提高设备的反应速度,而从缓存中寻找相对应的数据,基于这样的理论方式,在不同的数据格式下,能够实现不同设备的个性化处理。
基于历史数据生成若干组调用集合,形成训练数据集D,训练数据集D中的每一项数据格式记为一个单备选项集,计算每一个单备选项集的支持度:
其中,sup(X)记为单备选项集X的支持度;num(x)代表单备选项集X在训练数据集D中出现的次数;num(T)代表训练数据集D的所有单备选项集出现的次数;
计算所有单备选项集的支持度,在训练数据集D中删除支持度最低的对应的单备选项集,形成新的训练数据集D1;
对新的训练数据集D1进行多备选项集处理,所述多备选项集处理指在上一个单备选项集或多备选项集上随机加入另一个单备选项集,形成的多备选项集;计算每个多备选项集的支持度,在新的训练数据集上删除支持度最低的对应的多备选项集,形成新的训练数据集,以递归的方式不断处理,直到无法出现新的多备选项集;
将生成的多备选项集输出至管理员端,获取最初的训练数据集D,对多备选项集进行置信度分析:
随机在生成的多备选项集选取出一种单备选项集X,分析生成的多备选项集中形成的任何一个多备选项集对单备选项集X的置信度:
其中,conX、Z代表某一个多备选项集Z对单备选项集X的置信度;
num(X、Z)代表多备选项集(X、Z)在训练数据集D中出现的次数;num(Z)代表多备选项集Z在训练数据集D中出现的次数;
记录下所有的置信度,置于数据库内;
校验接收到的数据列表,选取出处于生成的多备选项集中且在接收到的数据列表中出现率最高的数据格式I,在数据库内调用数据格式I关联于多备选项集的所有置信度;
在接收到的数据列表中选取出数据格式I关联的多备选项集,按照每个多备选项集中的单备选项集的数量多少进行排序,计算出数量最多的多备选项集中对应的所有数据格式以及数据格式I占用的内存数据,作为寄存器预存储数据,接收数据列表中剩余的数据格式作为缓存存储数据。
根据上述技术方案,所述构建数据关联分析模型包括:
获取设定的寄存器存储大小,若存在寄存器预存储数据超出设定的寄存器存储大小,对数据列表进一步分析处理;
获取数据库内调用的数据格式I关联于多备选项集的所有置信度,按照置信度高低的顺序进行排序,计算出置信度最高的多备选项集中对应的所有数据格式以及数据格式I占用的内存数据,作为寄存器预存储数据;
若依然存在寄存器预存储数据超出设定的寄存器存储大小,则按照置信度高低的顺序依次选择,直至计算出的多备选项集中对应的所有数据格式以及数据格式I占用的内存数据不超过设定的寄存器存储大小时为止,将当前的多备选项集中对应的所有数据格式以及数据格式I作为寄存器预存储数据,数据列表中剩余的数据格式作为缓存存储数据。
在上述技术方案中,如果多备选项集中的单备选项集的数量较多,则说明其影响力较大,也就是说在数据调用的过程中,在数据格式I下可能会调用的数据单备选项集选择也比较多,如果其能够满足寄存器存储,则直接应用最好,但大多数情况下,都很难满足,因此再次取用置信度的方式,从而实现高置信度优先的方式,提高寄存器的内部智能。
根据上述技术方案,还包括:
获取数据列表的物理链路层协议,进行数据转换,转换后的数据格式为标准的TCP/IP协议格式数据,转换后的数据经过非对称加密方式加密,服务器接收到加密数据后,利用系统设置的自研算法,对数据进行解密,解密后的数据会存储在服务器端,根据业务需求对数据进行流转,传输至设备下一个业务模块,从而接收数据列表中的数据指令,对设备实现指令控制;
解密过程中的转换信息、格式信息和校验信息会进一步反馈至安全终端,进行备份处理。
一种基于大数据分析的设备智能化管理系统,该系统包括:数据预处理模块、个性化校验模块、数据反馈分析模块、安全转换模块以及指令控制模块;
所述数据预处理模块用于获取终端设备向服务器发送的数据列表,获取数据列表中的数据格式与物理链路层协议,同时调用服务器的历史数据,获取服务器中历史数据下数据列表的数据格式与调用方式;所述个性化校验模块用于构建数据调用个性化模型,基于数据调用个性化模型,校验接收到的数据列表,对寄存器存储与缓存存储进行分解,判断寄存器存储是否超出设定的寄存器存储大小;所述数据反馈分析模块用于根据个性化校验模块的判断结果对数据列表进行进一步处理;所述安全转换模块用于对寄存器存储中的数据进行数据转换,并实现数据加密;所述指令控制模块用于在服务器调用数据列表后,对加密数据进行解密还原处理,将数据流转至设备下一个业务模块,接收数据列表中的数据指令,对设备实现指令控制;
所述数据预处理模块的输出端与所述个性化校验模块的输入端相连接;所述个性化校验模块的输出端与所述数据反馈分析模块的输入端相连接;所述数据反馈分析模块的输出端与所述安全转换模块的输入端相连接;所述安全转换模块的输出端与所述指令控制模块的输入端相连接。
根据上述技术方案,所述数据预处理模块包括数据接收单元与历史调用单元;
所述数据接收单元用于获取终端设备向服务器发送的数据列表,获取数据列表中的数据格式与物理链路层协议;所述历史调用单元用于调用服务器的历史数据,获取服务器中历史数据下数据列表的数据格式与调用方式;
所述数据接收单元的输出端与所述历史调用单元的输入端相连接。
根据上述技术方案,所述个性化校验模块包括模型构建单元与判断单元;
所述模型构建单元用于构建数据调用个性化模型;所述判断单元基于数据调用个性化模型,校验接收到的数据列表,对寄存器存储与缓存存储进行分解,判断寄存器存储是否超出设定的寄存器存储大小;
所述模型构建单元的输出端与所述判断单元的输入端相连接。
根据上述技术方案,所述数据反馈分析模块还包括:
对寄存器存储与缓存存储进行分解,判断寄存器存储是否超出设定的寄存器存储大小,若符合寄存器存储大小,确定数据列表有效,对寄存器存储中的数据进行数据转换,并实现数据加密;
若不符合寄存器存储大小,对数据列表进行分析处理,构建数据关联分析模型,实现对寄存器存储数据格式的智能处理,处理后对寄存器存储中的数据进行数据转换,并实现数据加密。
根据上述技术方案,所述安全转换模块包括数据转换单元与数据加密单元;
所述数据转换单元用于获取数据列表中的物理链路层协议,对寄存器存储中的数据进行数据转换,转换后的数据格式为标准的TCP/IP协议格式数据;所述数据加密单元用于以非对称加密方式加密数据;
所述数据转换单元的输出端与所述数据加密单元的输入端相连接。
根据上述技术方案,所述指令控制模块包括解密单元与控制单元;
所述解密单元用于在服务器调用数据列表后,对加密数据进行解密还原处理,将数据流转至设备下一个业务模块;所述控制单元用于读取接收数据列表中的数据指令,对设备实现指令控制;
所述解密单元的输出端与所述控制单元的输入端相连接。
与现有技术相比,本发明所达到的有益效果是:本发明能够在硬件读取过程中,提高整个数据传输的效率,实现将接收到的数据列表进行智能分配,将优先或者常用数据放置于寄存器,将其他数据放置于缓存,从而提升计算机CPU性能,加快设备控制速度,对数据列表中的数据格式指令进行分析处理,提高整个数据传输调用的速度,从而实现提高设备控制时的反应速度,进一步加强设备的应用能力。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于大数据分析的设备智能化管理系统及方法的流程示意图。
具体实施方式
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。
请参阅图1,在本实施例一中:提供一种基于大数据分析的设备智能化管理方法,终端设备向服务器发送数据列表,获取数据列表中的数据格式与物理链路层协议;基于服务器中历史数据下数据列表的数据格式与调用方式,构建数据调用个性化模型;
所述数据调用个性化模型包括:
获取历史数据下,服务器接收数据列表的数据格式与调用方式,获取每一组数据列表中的所有数据格式,记为A1、A2、…、An;其中A1、A2、…、An分别代表一种数据格式,且A1、A2、…、An之间各不相同;n指当前组数据列表中数据格式的种类数量;
在本实施例中,数据格式以CSV,JSON,AVRO,Protocol Buffers,,Parquet和ORC为例,选取其中五种进行数据分析:
获取当前组的调用方式,所述调用方式包括调用各数据格式的顺序,基于调用顺序前后形成新的调用列表,设置调用阈值M,按照顺序选取形成的调用列表中前M种数据格式,记录为当前组调用集合;
基于历史数据生成若干组调用集合,形成训练数据集D,训练数据集D中的每一项数据格式记为一个单备选项集,计算每一个单备选项集的支持度:
其中,sup(X)记为单备选项集X的支持度;num(x)代表单备选项集X在训练数据集D中出现的次数;num(T)代表训练数据集D的所有单备选项集出现的次数;
取历史数据形成训练数据集D为:
K1:A1、A3、A4;
K2:A2、A3、A5;
K3:A1、A2、A3、A5;K4:A2、A5;
计算所有单备选项集的支持度,在训练数据集D中删除支持度最低的对应的单备选项集,形成新的训练数据集D1;
A1:2;
A2:3;
A3:3;
A4:1;
A5:3;
所以,删除A4;
对新的训练数据集D1进行多备选项集处理,所述多备选项集处理指在上一个单备选项集或多备选项集上随机加入另一个单备选项集,形成的多备选项集;计算每个多备选项集的支持度,在新的训练数据集上删除支持度最低的对应的多备选项集,形成新的训练数据集,以递归的方式不断处理,直到无法出现新的多备选项集;
形成新的多备选项集:
A1、A2:1;
A1、A3:2;
A1、A5:1;
A2、A3:2;
A2、A5:3;
A3、A5:2;
所以,进一步删除A1、A2;A1、A5;
形成新的多备选项集:
A1、A2、A3:1
A2、A3、A5:2;
形成最终的多备选项集A2、A3、A5;
将生成的多备选项集输出至管理员端,获取最初的训练数据集D,对多备选项集进行置信度分析:
随机在生成的多备选项集选取出一种单备选项集X,分析生成的多备选项集中形成的任何一个多备选项集对单备选项集X的置信度:
其中,conX、Z代表某一个多备选项集Z对单备选项集X的置信度;
num(X、Z)代表多备选项集(X、Z)在训练数据集D中出现的次数;num(Z)代表多备选项集Z在训练数据集D中出现的次数;
以A2为例,判断A3对A2的置信度:2/3;以此类推即可
记录下所有的置信度,置于数据库内;
校验接收到的数据列表,选取出处于生成的多备选项集中且在接收到的数据列表中出现率最高的数据格式I,在数据库内调用数据格式I关联于多备选项集的所有置信度;
在接收到的数据列表中选取出数据格式I关联的多备选项集,按照每个多备选项集中的单备选项集的数量多少进行排序,计算出数量最多的多备选项集中对应的所有数据格式以及数据格式I占用的内存数据,作为寄存器预存储数据,接收数据列表中剩余的数据格式作为缓存存储数据。
所述构建数据关联分析模型包括:
获取设定的寄存器存储大小,若存在寄存器预存储数据超出设定的寄存器存储大小,对数据列表进一步分析处理;
获取数据库内调用的数据格式I关联于多备选项集的所有置信度,按照置信度高低的顺序进行排序,计算出置信度最高的多备选项集中对应的所有数据格式以及数据格式I占用的内存数据,作为寄存器预存储数据;
若依然存在寄存器预存储数据超出设定的寄存器存储大小,则按照置信度高低的顺序依次选择,直至计算出的多备选项集中对应的所有数据格式以及数据格式I占用的内存数据不超过设定的寄存器存储大小时为止,将当前的多备选项集中对应的所有数据格式以及数据格式I作为寄存器预存储数据,数据列表中剩余的数据格式作为缓存存储数据。
还包括:
获取数据列表的物理链路层协议,进行数据转换,转换后的数据格式为标准的TCP/IP协议格式数据,转换后的数据经过非对称加密方式加密,服务器接收到加密数据后,利用系统设置的自研算法,对数据进行解密,解密后的数据会存储在服务器端,根据业务需求对数据进行流转,传输至设备下一个业务模块,从而接收数据列表中的数据指令,对设备实现指令控制;
解密过程中的转换信息、格式信息和校验信息会进一步反馈至安全终端,进行备份处理。
在本实施例二中,提供一种基于大数据分析的设备智能化管理系统,该系统包括:数据预处理模块、个性化校验模块、数据反馈分析模块、安全转换模块以及指令控制模块;
所述数据预处理模块用于获取终端设备向服务器发送的数据列表,获取数据列表中的数据格式与物理链路层协议,同时调用服务器的历史数据,获取服务器中历史数据下数据列表的数据格式与调用方式;所述个性化校验模块用于构建数据调用个性化模型,基于数据调用个性化模型,校验接收到的数据列表,对寄存器存储与缓存存储进行分解,判断寄存器存储是否超出设定的寄存器存储大小;所述数据反馈分析模块用于根据个性化校验模块的判断结果对数据列表进行进一步处理;所述安全转换模块用于对寄存器存储中的数据进行数据转换,并实现数据加密;所述指令控制模块用于在服务器调用数据列表后,对加密数据进行解密还原处理,将数据流转至设备下一个业务模块,接收数据列表中的数据指令,对设备实现指令控制;
所述数据预处理模块的输出端与所述个性化校验模块的输入端相连接;所述个性化校验模块的输出端与所述数据反馈分析模块的输入端相连接;所述数据反馈分析模块的输出端与所述安全转换模块的输入端相连接;所述安全转换模块的输出端与所述指令控制模块的输入端相连接。
所述数据预处理模块包括数据接收单元与历史调用单元;
所述数据接收单元用于获取终端设备向服务器发送的数据列表,获取数据列表中的数据格式与物理链路层协议;所述历史调用单元用于调用服务器的历史数据,获取服务器中历史数据下数据列表的数据格式与调用方式;
所述数据接收单元的输出端与所述历史调用单元的输入端相连接。
所述个性化校验模块包括模型构建单元与判断单元;
所述模型构建单元用于构建数据调用个性化模型;所述判断单元基于数据调用个性化模型,校验接收到的数据列表,对寄存器存储与缓存存储进行分解,判断寄存器存储是否超出设定的寄存器存储大小;
所述模型构建单元的输出端与所述判断单元的输入端相连接。
所述数据反馈分析模块还包括:
对寄存器存储与缓存存储进行分解,判断寄存器存储是否超出设定的寄存器存储大小,若符合寄存器存储大小,确定数据列表有效,对寄存器存储中的数据进行数据转换,并实现数据加密;
若不符合寄存器存储大小,对数据列表进行分析处理,构建数据关联分析模型,实现对寄存器存储数据格式的智能处理,处理后对寄存器存储中的数据进行数据转换,并实现数据加密。
所述安全转换模块包括数据转换单元与数据加密单元;
所述数据转换单元用于获取数据列表中的物理链路层协议,对寄存器存储中的数据进行数据转换,转换后的数据格式为标准的TCP/IP协议格式数据;所述数据加密单元用于以非对称加密方式加密数据;
所述数据转换单元的输出端与所述数据加密单元的输入端相连接。
所述指令控制模块包括解密单元与控制单元;
所述解密单元用于在服务器调用数据列表后,对加密数据进行解密还原处理,将数据流转至设备下一个业务模块;所述控制单元用于读取接收数据列表中的数据指令,对设备实现指令控制;
所述解密单元的输出端与所述控制单元的输入端相连接。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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。
最后应说明的是: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,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。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 (9)
1.一种基于大数据分析的设备智能化管理方法,其特征在于:该方法包括以下步骤:
S1、终端设备向服务器发送数据列表,获取数据列表中的数据格式与物理链路层协议;
S2、基于服务器中历史数据下数据列表的数据格式与调用方式,构建数据调用个性化模型;
S3、基于数据调用个性化模型,校验接收到的数据列表,对寄存器存储与缓存存储进行分解,判断寄存器存储是否超出设定的寄存器存储大小,若符合寄存器存储大小,确定数据列表有效,进入步骤S4;若不符合寄存器存储大小,反馈数据列表预警,进入步骤S5;
S4、对寄存器存储中的数据进行数据转换,并实现数据加密;
S5、对数据列表进行分析处理,构建数据关联分析模型,实现对寄存器存储数据格式的智能处理,处理后对寄存器存储中的数据进行数据转换,并实现数据加密;
S6、服务器调用数据列表,对加密数据进行解密还原处理,将数据流转至设备下一个业务模块,接收数据列表中的数据指令,对设备实现指令控制;
所述数据调用个性化模型包括:
获取历史数据下,服务器接收数据列表的数据格式与调用方式,获取每一组数据列表中的所有数据格式,记为A1、A2、…、An;其中A1、A2、…、An分别代表一种数据格式,且A1、A2、…、An之间各不相同;n指当前组数据列表中数据格式的种类数量;
获取当前组的调用方式,所述调用方式包括调用各数据格式的顺序,基于调用顺序前后形成新的调用列表,设置调用阈值M,按照顺序选取形成的调用列表中前M种数据格式,记录为当前组调用集合;
基于历史数据生成若干组调用集合,形成训练数据集D,训练数据集D中的每一项数据格式记为一个单备选项集,计算每一个单备选项集的支持度:
其中,sup(X)记为单备选项集X的支持度;num(x)代表单备选项集X在训练数据集D中出现的次数;num(T)代表训练数据集D的所有单备选项集出现的次数;
计算所有单备选项集的支持度,在训练数据集D中删除支持度最低的对应的单备选项集,形成新的训练数据集D1;
对新的训练数据集D1进行多备选项集处理,所述多备选项集处理指在上一个单备选项集或多备选项集上随机加入另一个单备选项集,形成的多备选项集;计算每个多备选项集的支持度,在新的训练数据集上删除支持度最低的对应的多备选项集,形成新的训练数据集,以递归的方式不断处理,直到无法出现新的多备选项集;
将生成的多备选项集输出至管理员端,获取最初的训练数据集D,对多备选项集进行置信度分析:
随机在生成的多备选项集选取出一种单备选项集X,分析生成的多备选项集中形成的任何一个多备选项集对单备选项集X的置信度:
其中,conX、Z代表某一个多备选项集Z对单备选项集X的置信度;num(X、Z)代表多备选项集(X、Z)在训练数据集D中出现的次数;num(Z)代表多备选项集Z在训练数据集D中出现的次数;
记录下所有的置信度,置于数据库内;
校验接收到的数据列表,选取出处于生成的多备选项集中且在接收到的数据列表中出现率最高的数据格式I,在数据库内调用数据格式I关联于多备选项集的所有置信度;
在接收到的数据列表中选取出数据格式I关联的多备选项集,按照每个多备选项集中的单备选项集的数量多少进行排序,计算出数量最多的多备选项集中对应的所有数据格式以及数据格式I占用的内存数据,作为寄存器预存储数据,接收数据列表中剩余的数据格式作为缓存存储数据。
2.根据权利要求1所述的一种基于大数据分析的设备智能化管理方法,其特征在于:所述构建数据关联分析模型包括:
获取设定的寄存器存储大小,若存在寄存器预存储数据超出设定的寄存器存储大小,对数据列表进一步分析处理;
获取数据库内调用的数据格式I关联于多备选项集的所有置信度,按照置信度高低的顺序进行排序,计算出置信度最高的多备选项集中对应的所有数据格式以及数据格式I占用的内存数据,作为寄存器预存储数据;
若依然存在寄存器预存储数据超出设定的寄存器存储大小,则按照置信度高低的顺序依次选择,直至计算出的多备选项集中对应的所有数据格式以及数据格式I占用的内存数据不超过设定的寄存器存储大小时为止,将当前的多备选项集中对应的所有数据格式以及数据格式I作为寄存器预存储数据,数据列表中剩余的数据格式作为缓存存储数据。
3.根据权利要求1所述的一种基于大数据分析的设备智能化管理方法,其特征在于:还包括:
获取数据列表的物理链路层协议,进行数据转换,转换后的数据格式为标准的TCP/IP协议格式数据,转换后的数据经过非对称加密方式加密,服务器接收到加密数据后,利用系统设置的自研算法,对数据进行解密,解密后的数据会存储在服务器端,根据业务需求对数据进行流转,传输至设备下一个业务模块,从而接收数据列表中的数据指令,对设备实现指令控制;
解密过程中的转换信息、格式信息和校验信息会进一步反馈至安全终端,进行备份处理。
4.一种基于大数据分析的设备智能化管理系统,应用于权利要求1所述的一种基于大数据分析的设备智能化方法,其特征在于:该系统包括:数据预处理模块、个性化校验模块、数据反馈分析模块、安全转换模块以及指令控制模块;
所述数据预处理模块用于获取终端设备向服务器发送的数据列表,获取数据列表中的数据格式与物理链路层协议,同时调用服务器的历史数据,获取服务器中历史数据下数据列表的数据格式与调用方式;所述个性化校验模块用于构建数据调用个性化模型,基于数据调用个性化模型,校验接收到的数据列表,对寄存器存储与缓存存储进行分解,判断寄存器存储是否超出设定的寄存器存储大小;所述数据反馈分析模块用于根据个性化校验模块的判断结果对数据列表进行进一步处理;所述安全转换模块用于对寄存器存储中的数据进行数据转换,并实现数据加密;所述指令控制模块用于在服务器调用数据列表后,对加密数据进行解密还原处理,将数据流转至设备下一个业务模块,接收数据列表中的数据指令,对设备实现指令控制;
所述数据预处理模块的输出端与所述个性化校验模块的输入端相连接;所述个性化校验模块的输出端与所述数据反馈分析模块的输入端相连接;所述数据反馈分析模块的输出端与所述安全转换模块的输入端相连接;所述安全转换模块的输出端与所述指令控制模块的输入端相连接。
5.根据权利要求4所述的一种基于大数据分析的设备智能化管理系统,其特征在于:所述数据预处理模块包括数据接收单元与历史调用单元;
所述数据接收单元用于获取终端设备向服务器发送的数据列表,获取数据列表中的数据格式与物理链路层协议;所述历史调用单元用于调用服务器的历史数据,获取服务器中历史数据下数据列表的数据格式与调用方式;
所述数据接收单元的输出端与所述历史调用单元的输入端相连接。
6.根据权利要求4所述的一种基于大数据分析的设备智能化管理系统,其特征在于:所述个性化校验模块包括模型构建单元与判断单元;
所述模型构建单元用于构建数据调用个性化模型;所述判断单元基于数据调用个性化模型,校验接收到的数据列表,对寄存器存储与缓存存储进行分解,判断寄存器存储是否超出设定的寄存器存储大小;
所述模型构建单元的输出端与所述判断单元的输入端相连接。
7.根据权利要求4所述的一种基于大数据分析的设备智能化管理系统,其特征在于:所述数据反馈分析模块还包括:
对寄存器存储与缓存存储进行分解,判断寄存器存储是否超出设定的寄存器存储大小,若符合寄存器存储大小,确定数据列表有效,对寄存器存储中的数据进行数据转换,并实现数据加密;
若不符合寄存器存储大小,对数据列表进行分析处理,构建数据关联分析模型,实现对寄存器存储数据格式的智能处理,处理后对寄存器存储中的数据进行数据转换,并实现数据加密。
8.根据权利要求4所述的一种基于大数据分析的设备智能化管理系统,其特征在于:所述安全转换模块包括数据转换单元与数据加密单元;
所述数据转换单元用于获取数据列表中的物理链路层协议,对寄存器存储中的数据进行数据转换,转换后的数据格式为标准的TCP/IP协议格式数据;所述数据加密单元用于以非对称加密方式加密数据;
所述数据转换单元的输出端与所述数据加密单元的输入端相连接。
9.根据权利要求4所述的一种基于大数据分析的设备智能化管理系统,其特征在于:所述指令控制模块包括解密单元与控制单元;
所述解密单元用于在服务器调用数据列表后,对加密数据进行解密还原处理,将数据流转至设备下一个业务模块;所述控制单元用于读取接收数据列表中的数据指令,对设备实现指令控制;
所述解密单元的输出端与所述控制单元的输入端相连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311296222.8A CN117201620B (zh) | 2023-10-09 | 2023-10-09 | 一种基于大数据分析的设备智能化管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311296222.8A CN117201620B (zh) | 2023-10-09 | 2023-10-09 | 一种基于大数据分析的设备智能化管理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117201620A CN117201620A (zh) | 2023-12-08 |
CN117201620B true CN117201620B (zh) | 2024-03-08 |
Family
ID=88990603
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311296222.8A Active CN117201620B (zh) | 2023-10-09 | 2023-10-09 | 一种基于大数据分析的设备智能化管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117201620B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101165652A (zh) * | 2006-10-18 | 2008-04-23 | 中兴通讯股份有限公司 | 一种用cpu同时加载多片fpga的方法 |
CN111800425A (zh) * | 2020-07-07 | 2020-10-20 | 中国人民解放军陆军防化学院 | 一种嵌入式数据采集与处理系统 |
CN116521340A (zh) * | 2023-04-27 | 2023-08-01 | 福州慧林网络科技有限公司 | 一种基于大带宽网络的低延时并行数据处理系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7382902B2 (ja) * | 2020-06-18 | 2023-11-17 | 株式会社日立製作所 | データ提供サーバ装置、およびデータ提供方法 |
-
2023
- 2023-10-09 CN CN202311296222.8A patent/CN117201620B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101165652A (zh) * | 2006-10-18 | 2008-04-23 | 中兴通讯股份有限公司 | 一种用cpu同时加载多片fpga的方法 |
CN111800425A (zh) * | 2020-07-07 | 2020-10-20 | 中国人民解放军陆军防化学院 | 一种嵌入式数据采集与处理系统 |
CN116521340A (zh) * | 2023-04-27 | 2023-08-01 | 福州慧林网络科技有限公司 | 一种基于大带宽网络的低延时并行数据处理系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117201620A (zh) | 2023-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104205123B (zh) | 用于安全的第三方数据存储的系统和方法 | |
US10089036B2 (en) | Migrating data in a distributed storage network | |
US11620401B2 (en) | System and method for automatically securing sensitive data in public cloud using a serverless architecture | |
CN106972927B (zh) | 一种针对不同安全等级的加密方法及系统 | |
TWI769753B (zh) | 保護資料隱私的圖片分類方法及裝置 | |
CN114640523B (zh) | 一种计算机数据安全加密方法及系统 | |
US11546348B2 (en) | Data service system | |
CN1881924A (zh) | 群组通信安全分配媒体记录及取回之方法及装置 | |
CN112287379B (zh) | 业务数据使用方法、装置、设备、存储介质和程序产品 | |
CN110224808B (zh) | 基于区块链的银行数据共享方法、装置、计算机设备和存储介质 | |
US11487888B1 (en) | Systems and methods for protecting neural network weights | |
US8769302B2 (en) | Encrypting data and characterization data that describes valid contents of a column | |
CN109754322A (zh) | 一种数据服务系统 | |
CN112800045A (zh) | 一种基于大数据的数据信息分析系统 | |
Zhou et al. | Privacy‐preserving image retrieval in a distributed environment | |
CN117201620B (zh) | 一种基于大数据分析的设备智能化管理系统及方法 | |
US8335807B1 (en) | File distribution system and method | |
Vershinin et al. | Associative steganography of text messages | |
CN112149141A (zh) | 模型训练方法、装置、设备和介质 | |
CN115114667A (zh) | 一种安全芯片的隐私信息处理分类方法及装置 | |
CN114707134A (zh) | 一种高性能密码卡安全管理方法、装置和系统 | |
WO2021098150A1 (zh) | 单据数据加密的方法、装置、电子设备和存储介质 | |
CN106204405A (zh) | 一种高安全性校车信息处理系统 | |
CN106209381A (zh) | 一种照片加解密方法及其系统 | |
CN113472715A (zh) | 数据传输方法和装置 |
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 |