CN113076454B - 基于人工智能的元数分析方法及服务器 - Google Patents
基于人工智能的元数分析方法及服务器 Download PDFInfo
- Publication number
- CN113076454B CN113076454B CN202110447444.XA CN202110447444A CN113076454B CN 113076454 B CN113076454 B CN 113076454B CN 202110447444 A CN202110447444 A CN 202110447444A CN 113076454 B CN113076454 B CN 113076454B
- Authority
- CN
- China
- Prior art keywords
- type
- element number
- event
- control authority
- strategy
- 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
-
- 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
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Strategic Management (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Library & Information Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了基于人工智能的元数分析方法及服务器,通过获取目标样本元数相关的预设指标内的目标元数对应的元数策略,获取目标样本元数当前所处元数类型的元数类型事件,分析元数类型事件,得到元数类型事件中的元数类型的控制权限策略,根据元数类型的控制权限策略和元数策略确定目标样本元数当前所处元数类型的元数安全等级。通过将实时确定的元数类型事件中的元数类型的控制权限策略与当前属性元数策略进行比较,得到事件中元数类型的控制权限在元数中的属性,进而可以精确确定目标样本元数在元数中所处的元数安全等级。本方法可以提高策略处理的准确性,进而提高对目标样本元数分析的准确性。
Description
技术领域
本公开涉及人工智能及服务器技术领域,特别涉及基于人工智能的元数分析方法及服务器。
背景技术
在人工智能和机器学习日渐火热的现在,数据的更要性显得愈加突出。甚至有人说,各大公司在机器学习算法上的差距并不大,数据量才是真正的门槛。我在此前的项目中也对此深有感触,劳心劳力各种调试模型和参数,反而是直接把数据量增大几倍对模型效果的提升更大。好些年前互联网上的数据就已是海量了,问题在于,如何大海捞针般的从这些数据中得到有价值的信息。数据挖掘可以明确我们关注的方向,从中挖掘到大量原始数据。机器学习可以分析数据的内在关联,生成我们想要的结果。
发明内容
为改善相关技术中存在的上述背景技术存在的技术问题,本公开提供了基于人工智能的元数分析方法及服务器。
本申请提供了一种基于人工智能的元数分析方法,所述方法包括:
获取目标样本元数相关的预设指标内的目标元数对应的元数策略;
获取所述目标样本元数当前所处元数类型的元数类型事件,所述元数类型事件为基于所述目标样本元数属性确定所述元数类型的标识得到的事件;
分析所述元数类型事件,得到所述元数类型事件中的元数类型的控制权限策略;
根据所述元数类型的控制权限策略和所述元数策略确定所述目标样本元数当前所处元数类型的元数安全等级。
进一步地,所述根据所述元数类型的控制权限策略和所述元数策略确定所述目标样本元数当前所述元数类型的元数安全等级,包括:
将所述元数类型的控制权限策略与所述元数策略进行比较,确定所述元数类型的控制权限策略对应的至少一种元数类型的控制权限在所述目标元数中对应的属性;
确定所述目标样本元数在所述元数类型事件中与所述至少一种元数类型的控制权限的映射关系;
根据所述至少一种元数类型的控制权限在所述目标元数中对应的属性以及所述映射关系确定所述目标样本元数当前所处元数类型的元数安全等级。
进一步地,所述元数策略为元数代码策略,所述将所述元数类型的控制权限策略与所述元数策略进行比较,确定所述元数类型的控制权限策略对应的至少一种元数类型的控制权限在所述目标元数中对应的属性,包括:
获取所述元数代码策略中包含的预设元数类型的控制权限策略;
将所述元数类型的控制权限策略与所述预设元数类型的控制权限策略进行逐一比较,根据比较结果确定所述元数类型事件中至少一种元数类型的控制权限在所述目标元数中对应的属性。
进一步地,所述获取目标样本元数相关的的预设指标内的目标元数对应的元数策略,包括:
获取目标样本元数的分析策略;
根据所述分析策略确定所述目标样本元数所处的目标元数类型的目标标签;
当根据所述目标元数类型的目标标签对应的元数策略确定所述目标标签为包含至少两种形式的标签时,获取所述目标样本元数相关的预设指标内的目标元数对应的元数策略。
进一步地,所述方法还包括:
根据所述元数安全等级以及所述分析策略确定所述目标样本元数在所述目标元数上的显示属性,并在所述显示属性处标记出目标样本元数;
和/或,显示提示关键内容,所述提示关键内容提示所述目标样本元数处于所述元数安全等级对应的元数类型中。
进一步地,所述获取所述目标样本元数当前所处元数类型的元数类型事件,所述元数类型事件为基于所述目标样本元数属性确定所述元数类型的标识得到的事件,包括:
获取基于所述目标样本元数属性从多个维度确定所述元数类型的标识得到的多个事件;
将所述多个事件进行事件整合,得到所述元数类型的元数类型事件。
进一步地,所述将所述多个事件进行事件整合,得到所述元数类型的元数类型事件,包括:
对所述多个事件进行元数类型的控制权限匹配;
将匹配结果为不存在元数类型的控制权限的事件去除,并将剩余的事件进行融合,得到所述元数类型的元数类型事件。
进一步地,所述分析所述元数类型事件,得到所述元数类型事件中的元数类型的控制权限策略,包括:
将所述元数类型事件输入事件神经训练模型,所述事件神经训练模型为按照预设的模型训练方法训练得到的事件神经训练模型;
接收所述事件神经训练模型输出的元数类型的控制权限策略,所述元数类型的控制权限策略包括元数类型的控制权限数量策略、元数类型的控制权限属性策略以及元数类型的控制权限属性策略。
本申请提供了一种服务器,其特征在于,包括互相之间通信的处理器和存储器,所述处理器用于从所述存储器中调取计算机程序,并通过运行所述计算机程序实现上述任一项所述的方法。
本申请提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在运行时实现上述任一项所述的方法。
本公开的实施例提供的技术方案可以包括以下有益效果。
本申请实施例通过获取目标样本元数相关的预设指标内的目标元数对应的元数策略;获取目标样本元数当前所处元数类型的元数类型事件,元数类型事件为基于目标样本元数属性确定元数类型的标识得到的事件;分析元数类型事件,得到元数类型事件中的元数类型的控制权限策略;根据元数类型的控制权限策略和元数策略确定目标样本元数当前所处元数类型的元数安全等级。以此,通过将实时确定的元数类型事件中的元数类型的控制权限策略与当前属性元数策略进行比较,得到事件中元数类型的控制权限在元数中的属性,进而可以精确确定目标样本元数在元数中所处的元数安全等级。本方法可以提高策略处理的准确性,进而提高对目标样本元数分析的准确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
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为本发明实施例所提供的基于人工智能的元数分析***的架构示意图;
图2为本发明实施例所提供的基于人工智能的元数分析方法的流程图;
图3为本发明实施例所提供的基于人工智能的元数分析装置的功能模块框图。
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申请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、本申请的一些方面相一致的装置和方法的例子。
为了便于对上述的基于人工智能的元数分析方法及装置进行阐述,请结合参考图1,提供了本发明实施例所公开的基于人工智能的元数分析***100的通信架构示意图。其中,所述基于人工智能的元数分析***100可以包括服务器300以及数据采集设备200,所述服务器300与所述数据采集设备200通信连接。
在具体的实施方式中,服务器300可以是台式电脑、平板电脑、笔记本电脑、手机或者其他能够实现神经元数处理以及神经元数通信的服务器,在此不作过多限定。
在上述基础上,请结合参阅图2,为本发明实施例所提供的基于人工智能的元数分析方法的流程示意图,所述基于人工智能的元数分析方法可以应用于图1中的服务器300,进一步地,所述基于人工智能的元数分析方法具体可以包括以下步骤S21-步骤S24所描述的内容。
步骤S21,获取目标样本元数相关的预设指标内的目标元数对应的元数策略。
示例性的,所述元数策略表示所述目标样本元数与预设指标内的目标元数匹配的相关数据。
步骤S22,获取所述目标样本元数当前所处元数类型的元数类型事件,所述元数类型事件为基于所述目标样本元数属性确定所述元数类型的标识得到的事件。
示例性的,所述元数类型事件表示所述目标样本元数中的相关元数的种类属性。
步骤S23,分析所述元数类型事件,得到所述元数类型事件中的元数类型的控制权限策略。
示例性的,所述元数类型的控制权限策略表示所述元数中每个类型的划分标准。
步骤S24,根据所述元数类型的控制权限策略和所述元数策略确定所述目标样本元数当前所处元数类型的元数安全等级。
可以理解,在执行上述步骤S21-步骤S24所描述的内容时,本申请实施例通过获取目标样本元数相关的预设指标内的目标元数对应的元数策略;获取目标样本元数当前所处元数类型的元数类型事件,元数类型事件为基于目标样本元数属性确定元数类型的标识得到的事件;分析元数类型事件,得到元数类型事件中的元数类型的控制权限策略;根据元数类型的控制权限策略和元数策略确定目标样本元数当前所处元数类型的元数安全等级。以此,通过将实时确定的元数类型事件中的元数类型的控制权限策略与当前属性元数策略进行比较,得到事件中元数类型的控制权限在元数中的属性,进而可以精确确定目标样本元数在元数中所处的元数安全等级。本方法可以提高策略处理的准确性,进而提高对目标样本元数分析的准确性。
在实际操作过程中,发明人发现,在根据所述元数类型的控制权限策略和所述元数策略时,存在元数类型的控制权限不可靠的问题,从而难以可靠地确定所述目标样本元数当前所述元数类型的元数安全等级,为了改善上述技术问题,步骤S24所描述的所述根据所述元数类型的控制权限策略和所述元数策略确定所述目标样本元数当前所述元数类型的元数安全等级的步骤,具体可以包括以下步骤S241-步骤S243所描述的内容。
步骤S241,将所述元数类型的控制权限策略与所述元数策略进行比较,确定所述元数类型的控制权限策略对应的至少一种元数类型的控制权限在所述目标元数中对应的属性。
步骤S242,确定所述目标样本元数在所述元数类型事件中与所述至少一种元数类型的控制权限的映射关系。
步骤S243,根据所述至少一种元数类型的控制权限在所述目标元数中对应的属性以及所述映射关系确定所述目标样本元数当前所处元数类型的元数安全等级。
可以理解,在执行上述步骤S241-步骤S243所描述的内容时,在根据所述元数类型的控制权限策略和所述元数策略时,避免元数类型的控制权限不可靠的问题,从而能够可靠地确定所述目标样本元数当前所述元数类型的元数安全等级。
在实际操作过程中,发明人发现,所述元数策略为元数代码策略,所述将所述元数类型的控制权限策略与所述元数策略进行比较时,存在比较错误的问题,从而难以精确地确定所述元数类型的控制权限策略对应的至少一种元数类型的控制权限在所述目标元数中对应的属性,为了改善上述技术问题,步骤S231所描述的元数策略为元数代码策略,所述将所述元数类型的控制权限策略与所述元数策略进行比较,确定所述元数类型的控制权限策略对应的至少一种元数类型的控制权限在所述目标元数中对应的属性步骤,具体可以包括以下步骤q1和步骤q2所描述的内容。
步骤q1,获取所述元数代码策略中包含的预设元数类型的控制权限策略。
步骤q2,将所述元数类型的控制权限策略与所述预设元数类型的控制权限策略进行逐一比较,根据比较结果确定所述元数类型事件中至少一种元数类型的控制权限在所述目标元数中对应的属性。
可以理解,在执行上述步骤q1和步骤q2所描述的内容时,所述元数策略为元数代码策略,所述将所述元数类型的控制权限策略与所述元数策略进行比较时,避免比较错误的问题,从而能够精确地确定所述元数类型的控制权限策略对应的至少一种元数类型的控制权限在所述目标元数中对应的属性。
在实际操作过程中,发明人发现,在获取目标样本元数相关的的预设指标时,存在指标不准确的问题,从而难以准确地根据目标元数得到对应的元数策略,为了改善上述技术问题,步骤S21所描述的获取目标样本元数相关的的预设指标内的目标元数对应的元数策略的步骤,具体可以包括以下步骤S211-步骤S213所描述的内容。
步骤S211,获取目标样本元数的分析策略。
步骤S212,根据所述分析策略确定所述目标样本元数所处的目标元数类型的目标标签。
步骤S213,当根据所述目标元数类型的目标标签对应的元数策略确定所述目标标签为包含至少两种形式的标签时,获取所述目标样本元数相关的预设指标内的目标元数对应的元数策略。
可以理解,在执行上述步骤S211-步骤S213所描述的内容时,在获取目标样本元数相关的的预设指标时,避免指标不准确的问题,从而能够准确地根据目标元数得到对应的元数策略。
基于上述基础,所述方法还包括以下步骤e1和步骤e2所描述的内容。
步骤e1,根据所述元数安全等级以及所述分析策略确定所述目标样本元数在所述目标元数上的显示属性,并在所述显示属性处标记出目标样本元数。
步骤e2,和/或,显示提示关键内容,所述提示关键内容提示所述目标样本元数处于所述元数安全等级对应的元数类型中。
可以理解,在执行上述步骤e1和步骤e2所描述的内容时,能精确地通过显示属性处标记出目标样本元数确定出元数安全等级对应的元数类型。
在实际操作过程中,发明人发现,获取所述目标样本元数当前所处元数类型的元数类型事件,所述元数类型事件为基于所述目标样本元数属性时,存在属性多样化,导致属性不精确的问题,从而难以精确地确定所述元数类型的标识得到的事件,为了改善上述技术问题,步骤S22所描述的获取所述目标样本元数当前所处元数类型的元数类型事件,所述元数类型事件为基于所述目标样本元数属性确定所述元数类型的标识得到的事件的步骤,具体可以包括以下步骤S221和步骤S222所描述的内容。
步骤S221,获取基于所述目标样本元数属性从多个维度确定所述元数类型的标识得到的多个事件。
步骤S222,获取基于所述目标样本元数属性从多个维度确定所述元数类型的标识得到的多个事件。
可以理解,在执行上述步骤S221和步骤S222所描述的内容时,获取所述目标样本元数当前所处元数类型的元数类型事件,所述元数类型事件为基于所述目标样本元数属性时,避免属性多样化,而导致属性不精确的问题,从而能够精确地确定所述元数类型的标识得到的事件。
在实际操作过程中,发明人发现,将所述多个事件进行事件整合时,存在整合混乱的问题,从而难以准确地得到所述元数类型的元数类型事件,为了改善上述技术问题,步骤S222所描述的将所述多个事件进行事件整合,得到所述元数类型的元数类型事件的步骤,具体可以包括以下步骤y1和步骤y2所描述的内容。
步骤y1,对所述多个事件进行元数类型的控制权限匹配。
步骤y2,将匹配结果为不存在元数类型的控制权限的事件去除,并将剩余的事件进行融合,得到所述元数类型的元数类型事件。
可以理解,在执行上述步骤y1和步骤y2所描述的内容时,将所述多个事件进行事件整合时,避免整合混乱的问题,从而能够准确地得到所述元数类型的元数类型事件。
在实际操作过程中,发明人发现,分析所述元数类型事件时,存在分析不到位的问题,从而难以精确地得到所述元数类型事件中的元数类型的控制权限策略,为了改善上述技术问题,步骤S23所描述的分析所述元数类型事件,得到所述元数类型事件中的元数类型的控制权限策略的步骤,具体可以包括以下步骤S231和步骤S232所描述的内容。
步骤S231,将所述元数类型事件输入事件神经训练模型,所述事件神经训练模型为按照预设的模型训练方法训练得到的事件神经训练模型。
步骤S232,将所述元数类型事件输入事件神经训练模型,所述事件神经训练模型为按照预设的模型训练方法训练得到的事件神经训练模型。
可以理解,在执行上述步骤S231和步骤S232所描述的内容时,分析所述元数类型事件时,避免分析不到位的问题,从而能够精确地得到所述元数类型事件中的元数类型的控制权限策略。
基于上述基础,还包括以下步骤f1-步骤f4所描述的内容。
步骤f1,在采集样本元数中匹配目标渠道,获取所述目标渠道的传输路径与所述目标渠道的第一相对折损率,并根据所述第一相对折损率确定折损许可范围。
步骤f2,在查询所述目标渠道的过程中,采集查询样本元数,并获取所述目标渠道在查询样本元数中的查询点的路径。
步骤f3,利用所述目标渠道在查询样本元数中的查询点的路径,获取所述目标渠道的传输路径与所述目标渠道的第二相对折损率,并判断所述第二相对折损率与所述折损许可范围是否相同。
步骤f4,若不相同,则利用所述折损许可范围修正所述查询点的路径,并利用修正后的查询点的路径获取所述查询样本元数的误差修正值,并根据所述查询样本元数的误差修正值判断所述目标渠道是否合格。
可以理解,在执行上述步骤f1-步骤f4所描述的内容时,能通过折损率的折损许可范围,能精确地确定样本元数的传输渠道合格。
基于同样的发明构思,还提供了基于人工智能的元数分析***,所述***包括数据采集设备和服务器,所述数据采集设备与所述服务器通信连接,服务器具体用于:
获取目标样本元数相关的预设指标内的目标元数对应的元数策略;
获取所述目标样本元数当前所处元数类型的元数类型事件,所述元数类型事件为基于所述目标样本元数属性确定所述元数类型的标识得到的事件;
分析所述元数类型事件,得到所述元数类型事件中的元数类型的控制权限策略;
根据所述元数类型的控制权限策略和所述元数策略确定所述目标样本元数当前所处元数类型的元数安全等级。
基于上述同样的发明构思,请结合参阅图3,还提供了基于人工智能的元数分析装置500的功能模块框图,关于所述基于人工智能的元数分析装置500的详细描述如下。
基于人工智能的元数分析装置500,应用于服务器,所述装置500包括:
策略获取模型510,用于获取目标样本元数相关的预设指标内的目标元数对应的元数策略;
类型确定模型520,用于获取所述目标样本元数当前所处元数类型的元数类型事件,所述元数类型事件为基于所述目标样本元数属性确定所述元数类型的标识得到的事件;
类型分析模型530,用于分析所述元数类型事件,得到所述元数类型事件中的元数类型的控制权限策略;
等级确定模型540,用于根据所述元数类型的控制权限策略和所述元数策略确定所述目标样本元数当前所处元数类型的元数安全等级。
综上基于人工智能的元数分析方法及服务器,通过获取目标样本元数相关的预设指标内的目标元数对应的元数策略;获取目标样本元数当前所处元数类型的元数类型事件,元数类型事件为基于目标样本元数属性确定元数类型的标识得到的事件;分析元数类型事件,得到元数类型事件中的元数类型的控制权限策略;根据元数类型的控制权限策略和元数策略确定目标样本元数当前所处元数类型的元数安全等级。以此,通过将实时确定的元数类型事件中的元数类型的控制权限策略与当前属性元数策略进行比较,得到事件中元数类型的控制权限在元数中的属性,进而可以精确确定目标样本元数在元数中所处的元数安全等级。本方法可以提高策略处理的准确性,进而提高对目标样本元数分析的准确性。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其指标执行各种修改和改变。本发明的指标仅由所附的权利要求来限制。
Claims (9)
1.一种基于人工智能的元数分析方法,其特征在于,所述方法包括:
获取目标样本元数相关的预设指标内的目标元数对应的元数策略;
获取所述目标样本元数当前所处元数类型的元数类型事件,所述元数类型事件为基于所述目标样本元数属性确定所述元数类型的标识得到的事件;
分析所述元数类型事件,得到所述元数类型事件中的元数类型的控制权限策略;
根据所述元数类型的控制权限策略和所述元数策略确定所述目标样本元数当前所处元数类型的元数安全等级;
其中,所述根据所述元数类型的控制权限策略和所述元数策略确定所述目标样本元数当前所述元数类型的元数安全等级,包括:
将所述元数类型的控制权限策略与所述元数策略进行比较,确定所述元数类型的控制权限策略对应的至少一种元数类型的控制权限在所述目标元数中对应的属性;
确定所述目标样本元数在所述元数类型事件中与所述至少一种元数类型的控制权限的映射关系;
根据所述至少一种元数类型的控制权限在所述目标元数中对应的属性以及所述映射关系确定所述目标样本元数当前所处元数类型的元数安全等级。
2.根据权利要求1所述的方法,其特征在于,所述元数策略为元数代码策略,所述将所述元数类型的控制权限策略与所述元数策略进行比较,确定所述元数类型的控制权限策略对应的至少一种元数类型的控制权限在所述目标元数中对应的属性,包括:
获取所述元数代码策略中包含的预设元数类型的控制权限策略;
将所述元数类型的控制权限策略与所述预设元数类型的控制权限策略进行逐一比较,根据比较结果确定所述元数类型事件中至少一种元数类型的控制权限在所述目标元数中对应的属性。
3.根据权利要求1所述的方法,其特征在于,所述获取目标样本元数相关的的预设指标内的目标元数对应的元数策略,包括:
获取目标样本元数的分析策略;
根据所述分析策略确定所述目标样本元数所处的目标元数类型的目标标签;
当根据所述目标元数类型的目标标签对应的元数策略确定所述目标标签为包含至少两种形式的标签时,获取所述目标样本元数相关的预设指标内的目标元数对应的元数策略。
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:
根据所述元数安全等级以及所述分析策略确定所述目标样本元数在所述目标元数上的显示属性,并在所述显示属性处标记出目标样本元数;
和/或,显示提示关键内容,所述提示关键内容提示所述目标样本元数处于所述元数安全等级对应的元数类型中。
5.根据权利要求1所述的方法,其特征在于,所述获取所述目标样本元数当前所处元数类型的元数类型事件,所述元数类型事件为基于所述目标样本元数属性确定所述元数类型的标识得到的事件,包括:
获取基于所述目标样本元数属性从多个维度确定所述元数类型的标识得到的多个事件;
将所述多个事件进行事件整合,得到所述元数类型的元数类型事件。
6.根据权利要求5所述的方法,其特征在于,所述将所述多个事件进行事件整合,得到所述元数类型的元数类型事件,包括:
对所述多个事件进行元数类型的控制权限匹配;
将匹配结果为不存在元数类型的控制权限的事件去除,并将剩余的事件进行融合,得到所述元数类型的元数类型事件。
7.根据权利要求1所述的方法,其特征在于,所述分析所述元数类型事件,得到所述元数类型事件中的元数类型的控制权限策略,包括:
将所述元数类型事件输入事件神经训练模型,所述事件神经训练模型为按照预设的模型训练方法训练得到的事件神经训练模型;
接收所述事件神经训练模型输出的元数类型的控制权限策略,所述元数类型的控制权限策略包括元数类型的控制权限数量策略、元数类型的控制权限属性策略以及元数类型的控制权限属性策略。
8.一种服务器,其特征在于,包括互相之间通信的处理器和存储器,所述处理器用于从所述存储器中调取计算机程序,并通过运行所述计算机程序实现权利要求1-7任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序在运行时实现权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110447444.XA CN113076454B (zh) | 2021-04-25 | 2021-04-25 | 基于人工智能的元数分析方法及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110447444.XA CN113076454B (zh) | 2021-04-25 | 2021-04-25 | 基于人工智能的元数分析方法及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113076454A CN113076454A (zh) | 2021-07-06 |
CN113076454B true CN113076454B (zh) | 2022-10-14 |
Family
ID=76618610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110447444.XA Active CN113076454B (zh) | 2021-04-25 | 2021-04-25 | 基于人工智能的元数分析方法及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113076454B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107657161A (zh) * | 2017-09-12 | 2018-02-02 | 广东欧珀移动通信有限公司 | 基于人脸识别的移动支付方法及相关产品 |
CN110009174A (zh) * | 2018-12-13 | 2019-07-12 | 阿里巴巴集团控股有限公司 | 风险识别模型训练方法、装置及服务器 |
CN111209400A (zh) * | 2020-01-03 | 2020-05-29 | 北京明略软件***有限公司 | 一种数据分析的方法及装置 |
CN111985207A (zh) * | 2020-08-17 | 2020-11-24 | 中国人民解放军战略支援部队信息工程大学 | 一种访问控制策略的获取方法、装置及电子设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070180490A1 (en) * | 2004-05-20 | 2007-08-02 | Renzi Silvio J | System and method for policy management |
US9460417B2 (en) * | 2013-03-15 | 2016-10-04 | Futurewei Technologies, Inc. | Using dynamic object modeling and business rules to dynamically specify and modify behavior |
US11212322B2 (en) * | 2018-10-10 | 2021-12-28 | Rockwelll Automation Technologies, Inc. | Automated discovery of security policy from design data |
CN112333288B (zh) * | 2021-01-04 | 2021-04-27 | 三盟科技股份有限公司 | 一种智慧学堂数据安全防护方法、***及可读存储介质 |
-
2021
- 2021-04-25 CN CN202110447444.XA patent/CN113076454B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107657161A (zh) * | 2017-09-12 | 2018-02-02 | 广东欧珀移动通信有限公司 | 基于人脸识别的移动支付方法及相关产品 |
CN110009174A (zh) * | 2018-12-13 | 2019-07-12 | 阿里巴巴集团控股有限公司 | 风险识别模型训练方法、装置及服务器 |
CN111209400A (zh) * | 2020-01-03 | 2020-05-29 | 北京明略软件***有限公司 | 一种数据分析的方法及装置 |
CN111985207A (zh) * | 2020-08-17 | 2020-11-24 | 中国人民解放军战略支援部队信息工程大学 | 一种访问控制策略的获取方法、装置及电子设备 |
Non-Patent Citations (2)
Title |
---|
一种面向分布式策略自管理的方法;马增帮等;《计算机应用与软件》;20160815(第08期);全文 * |
马增帮等.一种面向分布式策略自管理的方法.《计算机应用与软件》.2016,(第08期), * |
Also Published As
Publication number | Publication date |
---|---|
CN113076454A (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109697162B (zh) | 一种基于开源代码库的软件缺陷自动检测方法 | |
CN102483745B (zh) | 共同选择图像分类 | |
CN109829629B (zh) | 风险分析报告的生成方法、装置、计算机设备和存储介质 | |
CN113656805B (zh) | 一种面向多源漏洞信息的事件图谱自动构建方法及*** | |
CN103020289B (zh) | 一种基于日志挖掘的搜索引擎用户个性化需求提供方法 | |
CN113221960B (zh) | 一种高质量漏洞数据收集模型的构建方法及收集方法 | |
CN111767192B (zh) | 基于人工智能的业务数据检测方法、装置、设备和介质 | |
CN113761444A (zh) | 基于代码评分的教程推荐方法、教程推荐装置及终端设备 | |
CN114546975A (zh) | 一种结合人工智能的业务风险处理方法及服务器 | |
CN114491282B (zh) | 一种基于云计算的异常用户行为分析方法及*** | |
CN114187036A (zh) | 一种基于行为特征识别的互联网广告智能推荐管理*** | |
CN116578980A (zh) | 基于神经网络的代码分析方法及其装置、电子设备 | |
CN111078870A (zh) | 评价数据处理方法、装置、介质和计算机设备 | |
CN112199376B (zh) | 一种基于聚类分析的标准知识库管理方法及*** | |
CN114625406A (zh) | 应用开发管控方法、计算机设备、存储介质 | |
CN113076454B (zh) | 基于人工智能的元数分析方法及服务器 | |
CN111858236B (zh) | 知识图谱监控方法、装置、计算机设备及存储介质 | |
CN113312258A (zh) | 一种接口测试方法、装置、设备及存储介质 | |
CN115982646B (zh) | 一种基于云平台的多源测试数据的管理方法及*** | |
CN112434651A (zh) | 一种基于图像识别的信息分析方法、装置及计算机设备 | |
CN114300146B (zh) | 一种应用于智慧医疗的用户信息安全处理方法及*** | |
CN114238768A (zh) | 资讯信息的推送方法、装置、计算机设备和存储介质 | |
CN115238653A (zh) | 一种报告生成方法、装置、设备和介质 | |
CN112152968B (zh) | 网络威胁检测方法和装置 | |
CN114399190A (zh) | 一种针对大数据信息安全的风险行为识别方法及*** |
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 |