CN117176592B - 多银行链路人工智能网关处理方法、***、介质和设备 - Google Patents
多银行链路人工智能网关处理方法、***、介质和设备 Download PDFInfo
- Publication number
- CN117176592B CN117176592B CN202311134353.6A CN202311134353A CN117176592B CN 117176592 B CN117176592 B CN 117176592B CN 202311134353 A CN202311134353 A CN 202311134353A CN 117176592 B CN117176592 B CN 117176592B
- Authority
- CN
- China
- Prior art keywords
- sample
- gateway
- communication
- processing
- score
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 26
- 238000004891 communication Methods 0.000 claims abstract description 279
- 238000012545 processing Methods 0.000 claims abstract description 170
- 230000005540 biological transmission Effects 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000012549 training Methods 0.000 claims abstract description 21
- 230000008569 process Effects 0.000 claims abstract description 14
- 238000004590 computer program Methods 0.000 claims description 17
- 238000013473 artificial intelligence Methods 0.000 claims description 15
- 239000002131 composite material Substances 0.000 claims description 3
- 230000003993 interaction Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请提供一种多银行链路人工智能网关处理方法、***、介质和设备,所述方法包括:根据预设的多个样本网关通信方案驱动多银行链路处理多个样本通信任务,根据样本网关通信方案处理对应的样本通信任务的处理时长和流量请求等待数量,获取第一处理评分;获取各个银行对各个样本网关通信方案第二处理评分;根据第一处理评分和第二处理评分,得到综合处理评分;根据链路架构、样本通信任务、样本网关通信方案和综合处理评分训练得到人工智能网关处理模型;将多个银行的当日通信任务输入至人工智能网关处理模型,得到目标网关通信方案;根据目标网关通信方案驱动多银行链路的网关进行流量请求的传输。本申请提高了银行之间的数据传输效率。
Description
技术领域
本申请涉及多银行链路网关处理技术领域,具体涉及一种多银行链路人工智能网关处理方法、***、介质和设备。
背景技术
在我国银行业中,隔离网络建设已成为银行保护自身网络安全的重要手段。例如基于业务安全需要将各个银行的网关划分为不同的隔离网域,但各个银行之间却依然客观存在着数据交换的需求,而多个银行之间的数据交互可以通过网关连接的链路架构实现,但现有技术的各个银行的网关之间没有规范的通信方案,导致各个银行之间的数据交互效率低下。
发明内容
本申请的目的在于克服现有技术中的缺点与不足,提供一种多银行链路人工智能网关处理方法、***、介质和设备,可以提高多银行链路的网关之间的流量请求的传输效率。
本申请实施例的第一方面提供了一种多银行链路人工智能网关处理方法,应用于多银行链路,所述多银行链路为多个银行的网关连接的链路架构,所述处理方法包括:
根据预设的多个样本网关通信方案驱动所述多银行链路处理多个样本通信任务,获取根据所述样本网关通信方案处理对应的所述样本通信任务的处理时长、需要等待链路传输的流量请求等待数量;其中,各个样本通信任务的流量请求的任务量不同,各个所述样本网关通信方案的各个网关传输流量请求的优先级不同;
根据各个所述样本网关通信方案处理对应的所述样本通信任务的处理时长,以及对应的所述流量请求等待数量,获取各个所述样本网关通信方案对应所述样本通信任务的第一处理评分;
获取各个银行对各个所述样本网关通信方案的人工评分,得到第二处理评分;
根据所述第一处理评分和所述第二处理评分,获得综合处理评分;
根据所述链路架构、各个所述样本通信任务、各个所述样本通信任务对应的各个所述样本网关通信方案,以及对应的所述综合处理评分对第一网络模型进行训练,得到人工智能网关处理模型;
将所述多个银行的当日通信任务输入至所述人工智能网关处理模型,得到所述人工智能网输出的综合处理评分最高的目标网关通信方案;
根据所述目标网关通信方案驱动所述多银行链路的网关进行流量请求的传输。
进一步,所述根据各个所述样本网关通信方案处理对应的所述样本通信任务的处理时长,以及对应的所述流量请求等待数量,获取各个所述样本网关通信方案对应所述样本通信任务的第一处理评分的步骤,包括:
根据同一样本通信任务的各个所述样本网关通信方案的处理时长和预设的时长评分规则,获取各个所述样本网关通信方案对应的时长评分;其中,处理时长越短,时长评分越高;
根据同一样本通信任务的各个所述样本网关通信方案的流量请求等待数量和预设的等待数量评分规则,获取各个所述样本网关通信方案对应的等待数量评分;其中,等待数量越少,时长评分越高;
根据所述时长评分和所述等待数量评分,计算得到所述第一评分。
进一步,所述根据所述时长评分和所述等待数量评分,计算得到所述第一评分的步骤,包括:
根据所述样本通信任务的流量请求的任务量,以及预设的任务量和权重的关系,获取各个所述样本通信任务对应的时长权重和等待数量权重;其中,所述样本通信任务的流量请求的任务量越多,所述时长权重越大,所述等待数量权重越小;所述样本通信任务的流量请求的任务量越少,所述时长权重越小,所述等待数量权重越大;
根据所述时长评分、所述时长权重、所述等待数量评分和所述等待数量权重,计算得到所述第一评分。
进一步,所述第一网络模型包括初始方案预测模型和初始方案评分模型;所述人工智能网关处理模型包括目标方案预测模型和目标方案评分模型;
所述根据所述链路架构、各个所述样本通信任务、各个所述样本通信任务对应的各个所述样本网关通信方案,以及对应的所述综合处理评分对第一网络模型进行训练,得到人工智能网关处理模型的步骤,包括:
将所述链路架构和各个所述样本通信任务作为输入,将各个所述样本通信任务对应的各个所述样本网关通信方案作为输出,对所述初始方案预测模型进行训练,得到所述目标方案预测模型;
将所述链路架构、各个所述样本通信任务,以及各个所述样本通信任务对应的各个所述样本网关通信方案作为输入,各个所述样本网关通信方案对应的所述综合处理评分作为输出,对所述初始方案评分模型,得到所述目标方案评分模型;
根据所述目标方案预测模型和所述目标方案评分模型,得到所述人工智能网关处理模型。
进一步,所述将所述多个银行的当日通信任务输入至所述人工智能网关处理模型,得到所述人工智能网输出的综合处理评分最高的目标网关通信方案的步骤,包括:
所述目标方案预测模型根据所述链路架构和所述多个银行的当日通信任务,输出多个候选网关通信方案;
所述目标方案评分模型根据所述链路架构、所述多个银行的当日通信任务和所述多个候选网关通信方案,输出各个所述候选网关通信方案的方案评分;
将方案评分最高的所述候选网关通信方案确定为所述目标网关通信方案。
进一步,所述多个银行的当日通信任务通过以下步骤得到:
获取所述多个银行的历史日交易数据、历史日通信任务和对应的历史日期时间;
根据所述历史日交易数据、所述历史日通信任务和所述历史日期时间对第二网络模型进行训练,得到通信任务预测模型;
将当日交易数据和当日日期时间输入至所述通信任务预测模型,得到所述当日通信任务。
进一步,所述根据所述第一处理评分和所述第二处理评分,获得综合处理评分的步骤,包括:
根据所述第一处理评分、预设的第一评分权重、所述第二处理评分和预设的第二评分权重进行加权求和,得到所述综合处理评分。
本申请实施例的第二方面提供了一种多银行链路人工智能网关处理***,应用于多银行链路,所述多银行链路为多个银行的网关连接的链路架构,所述处理***包括:
数据获取模块,用于根据预设的多个样本网关通信方案驱动所述多银行链路处理多个样本通信任务,获取根据所述样本网关通信方案处理对应的所述样本通信任务的处理时长、需要等待链路传输的流量请求等待数量;其中,各个样本通信任务的流量请求的任务量不同,各个所述样本网关通信方案的各个网关传输流量请求的优先级不同;
第一评分获取模块,用于根据各个所述样本网关通信方案处理对应的所述样本通信任务的处理时长,以及对应的所述流量请求等待数量,获取各个所述样本网关通信方案对应所述样本通信任务的第一处理评分;
第二评分获取模块,用于获取各个银行对各个所述样本网关通信方案的人工评分,得到第二处理评分;
综合评分获取模块,用于根据所述第一处理评分和所述第二处理评分,获得综合处理评分;
人工智能网关处理模型获取模块,用于根据所述链路架构、各个所述样本通信任务、各个所述样本通信任务对应的各个所述样本网关通信方案,以及对应的所述综合处理评分对第一网络模型进行训练,得到人工智能网关处理模型;
目标网关通信方案获取模块,用于将所述多个银行的当日通信任务输入至所述人工智能网关处理模型,得到所述人工智能网输出的综合处理评分最高的目标网关通信方案;
目标网关通信方案执行模块,用于根据所述目标网关通信方案驱动所述多银行链路的网关进行流量请求的传输。
本申请实施例的第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的多银行链路人工智能网关处理方法的步骤。
本申请实施例的第四方面提供了一种计算机设备,包括储存器、处理器以及储存在所述储存器中并可被所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上所述的多银行链路人工智能网关处理方法的步骤。
相对于现有技术,本申请根据多银行链路的链路架构、样本通信任务、各个所述样本通信任务对应的各个所述样本网关通信方案和综合处理评分训练得到人工智能网关处理模型,以通过人工智能网关处理模型获取多个银行的当日通信任务对应的综合处理评分最高的目标网关通信方案,从而根据目标网关通信方案驱动所述多银行链路的网关进行流量请求的传输,实现了提高各个银行之间的数据交互效率的技术效果。其中,综合处理评分结合了根据处理时长和流量请求等待数量计算的第一处理评分和人工评分的第二处理评分,即综合处理评分同时兼容了处理时长、流量请求等待数量以及各个银行对应的工作人员对各个样本网关通信方案的评价等因素,使训练得到的人工智能网关处理模型综合了处理时长和流量请求等待数量的客观需求,以及各个银行对应的工作人员的主观需求,其输出的目标网关通信方案可以提高数据传输效率以及工作人员的满意度。
为了能更清晰的理解本申请,以下将结合附图说明阐述本申请的具体实施方式。
附图说明
图1为本申请一个实施例的多银行链路人工智能网关处理方法的流程图。
图2为本申请一个实施例的多银行链路人工智能网关处理方法的步骤S21-S23的流程图。
图3为本申请一个实施例的多银行链路人工智能网关处理***的模块连接示意图。
1、数据获取模块;2、第一评分获取模块;3、第二评分获取模块;4、综合评分获取模块;5、人工智能网关处理模型获取模块;6、目标网关通信方案获取模块;7、目标网关通信方案执行模块。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施例方式作进一步地详细描述。
应当明确,所描述的实施例仅仅是本申请实施例一部分实施例,而不是全部的实施例。基于本申请实施例中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本申请实施例保护的范围。
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。在本申请的描述中,需要理解的是,术语“第一”、“第二”、“第三”等仅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,也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。在此所使用的词语“如果”/“若”可以被解释成为“在……时”或“当……时”或“响应于确定”。
此外,在本申请的描述中,除非另有说明,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
请参阅图1,其是本申请第一实施例的多银行链路人工智能网关处理方法的流程图,应用于多银行链路,所述多银行链路为多个银行的网关连接的链路架构,所述处理方法包括:
S1:根据预设的多个样本网关通信方案驱动所述多银行链路处理多个样本通信任务,获取根据所述样本网关通信方案处理对应的所述样本通信任务的处理时长、需要等待链路传输的流量请求等待数量;其中,各个样本通信任务的流量请求的任务量不同,各个所述样本网关通信方案的各个网关传输流量请求的优先级不同。
其中,一个样本通信任务对应有至少两个样本网关通信方案。例如,所述多个银行包括银行A、银行B、银行C、银行D和银行E,在一个样本通信任务中,银行需要进行数据交互的对象包括银行B、银行C和银行D,银行B需要进行数据交互的对象包括银行A、银行D和银行E,银行C需要进行数据交互的对象包括银行A和银行E,银行D需要进行数据交互的对象包括银行A和银行B,银行E需要进行数据交互的对象包括银行B和银行C,此时,各个银行的数据交互是通过网关之间的流量请求的传输实现的,不同的样本网关通信方案对应的传输流量请求的优先级不同,因此每个样本网关通信方案对于样本通信任务的处理时长也不同,且处理过程中,出现的需要等待链路传输的流量请求等待数量也不同。
在各个样本网关通信方案中,流量请求的传输是由优先级的,当轮到某个流量请求传输时,若该流量请求无法立刻传输,表示该流量请求对应的传输需求未能满足,属于等待传输的流量请求,而流量请求等待数量就是等待传输的流量请求的总数量。
S2:根据各个所述样本网关通信方案处理对应的所述样本通信任务的处理时长,以及对应的所述流量请求等待数量,获取各个所述样本网关通信方案对应所述样本通信任务的第一处理评分。
其中,第一处理评分可以是根据处理时长、对应的所述流量请求等待数量以及预设的评分规则获取的,属于客观的评分。
S3:获取各个银行对各个所述样本网关通信方案的人工评分,得到第二处理评分。
其中,第二处理评分为相关工作人员的人为评分,属于主观的评分,体现了相关工作人员对样本网关通信方案处理对应的所述样本通信任务的满意度。其中,当一个银行出现多个相关人员进行评分时,可以将多个相关人员的评分的平均值作为第二处理评分,以提高第二处理评分的公平。相关人员可以是该银行的行长、网络管理员和/或银行经理等。
S4:根据所述第一处理评分和所述第二处理评分,获得综合处理评分。
由于综合处理评分结合了客观的第一处理评分和主观的第二处理评分,因此综合处理评分兼顾了客观性和各个银行的相关人员的主观性。
S5:根据所述链路架构、各个所述样本通信任务、各个所述样本通信任务对应的各个所述样本网关通信方案,以及对应的所述综合处理评分对第一网络模型进行训练,得到人工智能网关处理模型。
S6:将所述多个银行的当日通信任务输入至所述人工智能网关处理模型,得到所述人工智能网输出的综合处理评分最高的目标网关通信方案。
S7:根据所述目标网关通信方案驱动所述多银行链路的网关进行流量请求的传输。
相对于现有技术,本申请根据多银行链路的链路架构、样本通信任务、各个所述样本通信任务对应的各个所述样本网关通信方案和综合处理评分训练得到人工智能网关处理模型,以通过人工智能网关处理模型获取多个银行的当日通信任务对应的综合处理评分最高的目标网关通信方案,从而根据目标网关通信方案驱动所述多银行链路的网关进行流量请求的传输,实现了提高各个银行之间的数据交互效率的技术效果。其中,综合处理评分结合了根据处理时长和流量请求等待数量计算的第一处理评分和人工评分的第二处理评分,即综合处理评分同时兼容了处理时长、流量请求等待数量以及各个银行对应的工作人员对各个样本网关通信方案的评价等因素,使训练得到的人工智能网关处理模型综合了处理时长和流量请求等待数量的客观需求,以及各个银行对应的工作人员的主观需求,其输出的目标网关通信方案可以提高数据传输效率以及工作人员的满意度。
请参阅图2,在一个可行的实施例中,所述S2:根据各个所述样本网关通信方案处理对应的所述样本通信任务的处理时长,以及对应的所述流量请求等待数量,获取各个所述样本网关通信方案对应所述样本通信任务的第一处理评分的步骤,包括:
S21:根据同一样本通信任务的各个所述样本网关通信方案的处理时长和预设的时长评分规则,获取各个所述样本网关通信方案对应的时长评分;其中,处理时长越短,时长评分越高。
S22:根据同一样本通信任务的各个所述样本网关通信方案的流量请求等待数量和预设的等待数量评分规则,获取各个所述样本网关通信方案对应的等待数量评分;其中,等待数量越少,时长评分越高。
S23:根据所述时长评分和所述等待数量评分,计算得到所述第一评分。
在一个可行的实施例中,所述S23:根据所述时长评分和所述等待数量评分,计算得到所述第一评分的步骤,包括:
S231:根据所述样本通信任务的流量请求的任务量,以及预设的任务量和权重的关系,获取各个所述样本通信任务对应的时长权重和等待数量权重;其中,所述样本通信任务的流量请求的任务量越多,所述时长权重越大,所述等待数量权重越小;所述样本通信任务的流量请求的任务量越少,所述时长权重越小,所述等待数量权重越大。
其中,时长权重和等待数量权重之和为1。
S232:根据所述时长评分、所述时长权重、所述等待数量评分和所述等待数量权重,计算得到所述第一评分。
在本实施例中,若样本通信任务的流量请求的任务量较少时,各个所述样本网关通信方案的处理时长都会很短,导致各个所述样本网关通信方案的处理时长的差异难以体现,此时流量请求传输的流畅性比处理时长更重要,而样本通信任务的流量请求的任务量较多时,各个所述样本网关通信方案的处理时长的差异可以明显体现,此时处理时长比流量请求传输的流畅性更重要,因此,根据样本通信任务的流量请求的任务量获取时长权重和等待数量权重,可以有利于提高获取的第一评分的准确性。
在一个可行的实施例中,所述S5:根据所述第一处理评分和所述第二处理评分,获得综合处理评分的步骤,包括:
根据所述第一处理评分、预设的第一评分权重、所述第二处理评分和预设的第二评分权重进行加权求和,得到所述综合处理评分。
其中,所述第一评分权重和所述第二评分权重之和为1,具体地,所述第一评分权重和所述第二评分权重的取值可以由用户设置,如设置第一评分权重为0.5、设置第二评分权重为0.5,置第一评分权重为0.7、设置第二评分权重为0.3等。
在一个可行的实施例中,所述第一网络模型包括初始方案预测模型和初始方案评分模型;所述人工智能网关处理模型包括目标方案预测模型和目标方案评分模型;
所述S5:根据所述链路架构、各个所述样本通信任务、各个所述样本通信任务对应的各个所述样本网关通信方案,以及对应的所述综合处理评分对第一网络模型进行训练,得到人工智能网关处理模型的步骤,包括:
S51:将所述链路架构和各个所述样本通信任务作为输入,将各个所述样本通信任务对应的各个所述样本网关通信方案作为输出,对所述初始方案预测模型进行训练,得到所述目标方案预测模型。
S52:将所述链路架构、各个所述样本通信任务,以及各个所述样本通信任务对应的各个所述样本网关通信方案作为输入,各个所述样本网关通信方案对应的所述综合处理评分作为输出,对所述初始方案评分模型,得到所述目标方案评分模型。
S53:根据所述目标方案预测模型和所述目标方案评分模型,得到所述人工智能网关处理模型。
在一个可行的实施例中,所述S6:将所述多个银行的当日通信任务输入至所述人工智能网关处理模型,得到所述人工智能网输出的综合处理评分最高的目标网关通信方案的步骤,包括:
S61:所述目标方案预测模型根据所述链路架构和所述多个银行的当日通信任务,输出多个候选网关通信方案。
S62:所述目标方案评分模型根据所述链路架构、所述多个银行的当日通信任务和所述多个候选网关通信方案,输出各个所述候选网关通信方案的方案评分。
S63:将方案评分最高的所述候选网关通信方案确定为所述目标网关通信方案。
在本实施例中,可以通过人工智能网关处理模型的目标方案预测模型和目标方案评分模型,获取方案评分最高的目标网关通信方案,从而得到基于规则打分的客观评分和基于人工打分的主观评分最高的满足用户需求的目标网关通信方案。
在一个可行的实施例中,所述多个银行的当日通信任务通过以下步骤得到:
获取所述多个银行的历史日交易数据、历史日通信任务和对应的历史日期时间;
根据所述历史日交易数据、所述历史日通信任务和所述历史日期时间对第二网络模型进行训练,得到通信任务预测模型。
将当日交易数据和当日日期时间输入至所述通信任务预测模型,得到所述当日通信任务。
请参阅图3,本申请实施例的第二方面提供了一种多银行链路人工智能网关处理***,应用于多银行链路,所述多银行链路为多个银行的网关连接的链路架构,所述处理***包括:
数据获取模块1,用于根据预设的多个样本网关通信方案驱动所述多银行链路处理多个样本通信任务,获取根据所述样本网关通信方案处理对应的所述样本通信任务的处理时长、需要等待链路传输的流量请求等待数量;其中,各个样本通信任务的流量请求的任务量不同,各个所述样本网关通信方案的各个网关传输流量请求的优先级不同;
第一评分获取模块2,用于根据各个所述样本网关通信方案处理对应的所述样本通信任务的处理时长,以及对应的所述流量请求等待数量,获取各个所述样本网关通信方案对应所述样本通信任务的第一处理评分;
第二评分获取模块3,用于获取各个银行对各个所述样本网关通信方案的人工评分,得到第二处理评分;
综合评分获取模块4,用于根据所述第一处理评分和所述第二处理评分,获得综合处理评分;
人工智能网关处理模型获取模块5,用于根据所述链路架构、各个所述样本通信任务、各个所述样本通信任务对应的各个所述样本网关通信方案,以及对应的所述综合处理评分对第一网络模型进行训练,得到人工智能网关处理模型;
目标网关通信方案获取模块6,用于将所述多个银行的当日通信任务输入至所述人工智能网关处理模型,得到所述人工智能网输出的综合处理评分最高的目标网关通信方案;
目标网关通信方案执行模块7,用于根据所述目标网关通信方案驱动所述多银行链路的网关进行流量请求的传输。
需要说明的是,本申请第二实施例提供的多银行链路人工智能网关处理***在执行多银行链路人工智能网关处理方法时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分为不同的功能模块,以完成以上描述的全部或者部分功能。另外,本申请第二实施例提供的多银行链路人工智能网关处理***与本申请第一实施例的多银行链路人工智能网关处理方法属于同一构思,其体现实现过程详见方法实施例,这里不再赘述。
本申请实施例的第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的多银行链路人工智能网关处理方法的步骤。
本申请实施例的第四方面提供了一种计算机设备,包括储存器、处理器以及储存在所述储存器中并可被所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上所述的多银行链路人工智能网关处理方法的步骤。
以上所描述的设备实施例仅仅是示意性的,其中所述作为分离部件说明的组件可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、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、专用计算机、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选定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置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选定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供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选定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (9)
1.一种多银行链路人工智能网关处理方法,其特征在于,应用于多银行链路,所述多银行链路为多个银行的网关连接的链路架构,所述处理方法包括:
根据预设的多个样本网关通信方案驱动所述多银行链路处理多个样本通信任务,获取根据所述样本网关通信方案处理对应的所述样本通信任务的处理时长、需要等待链路传输的流量请求等待数量;其中,各个样本通信任务的流量请求的任务量不同,各个所述样本网关通信方案的各个网关传输流量请求的优先级不同;
根据各个所述样本网关通信方案处理对应的所述样本通信任务的处理时长,以及对应的所述流量请求等待数量,获取各个所述样本网关通信方案对应所述样本通信任务的第一处理评分;
获取各个银行对各个所述样本网关通信方案的人工评分,得到第二处理评分;
根据所述第一处理评分和所述第二处理评分,获得综合处理评分;
根据所述链路架构、各个所述样本通信任务、各个所述样本通信任务对应的各个所述样本网关通信方案,以及对应的所述综合处理评分对第一网络模型进行训练,得到人工智能网关处理模型;
将所述多个银行的当日通信任务输入至所述人工智能网关处理模型,得到所述人工智能网输出的综合处理评分最高的目标网关通信方案;
根据所述目标网关通信方案驱动所述多银行链路的网关进行流量请求的传输;
其中,所述第一网络模型包括初始方案预测模型和初始方案评分模型;所述人工智能网关处理模型包括目标方案预测模型和目标方案评分模型;
所述根据所述链路架构、各个所述样本通信任务、各个所述样本通信任务对应的各个所述样本网关通信方案,以及对应的所述综合处理评分对第一网络模型进行训练,得到人工智能网关处理模型的步骤,包括:
将所述链路架构和各个所述样本通信任务作为输入,将各个所述样本通信任务对应的各个所述样本网关通信方案作为输出,对所述初始方案预测模型进行训练,得到所述目标方案预测模型;
将所述链路架构、各个所述样本通信任务,以及各个所述样本通信任务对应的各个所述样本网关通信方案作为输入,各个所述样本网关通信方案对应的所述综合处理评分作为输出,对所述初始方案评分模型,得到所述目标方案评分模型;
根据所述目标方案预测模型和所述目标方案评分模型,得到所述人工智能网关处理模型。
2.根据权利要求1所述的多银行链路人工智能网关处理方法,其特征在于,所述根据各个所述样本网关通信方案处理对应的所述样本通信任务的处理时长,以及对应的所述流量请求等待数量,获取各个所述样本网关通信方案对应所述样本通信任务的第一处理评分的步骤,包括:
根据同一样本通信任务的各个所述样本网关通信方案的处理时长和预设的时长评分规则,获取各个所述样本网关通信方案对应的时长评分;其中,处理时长越短,时长评分越高;
根据同一样本通信任务的各个所述样本网关通信方案的流量请求等待数量和预设的等待数量评分规则,获取各个所述样本网关通信方案对应的等待数量评分;其中,等待数量越少,时长评分越高;
根据所述时长评分和所述等待数量评分,计算得到所述第一评分。
3.根据权利要求2所述的多银行链路人工智能网关处理方法,其特征在于,所述根据所述时长评分和所述等待数量评分,计算得到所述第一评分的步骤,包括:
根据所述样本通信任务的流量请求的任务量,以及预设的任务量和权重的关系,获取各个所述样本通信任务对应的时长权重和等待数量权重;其中,所述样本通信任务的流量请求的任务量越多,所述时长权重越大,所述等待数量权重越小;所述样本通信任务的流量请求的任务量越少,所述时长权重越小,所述等待数量权重越大;
根据所述时长评分、所述时长权重、所述等待数量评分和所述等待数量权重,计算得到所述第一评分。
4.根据权利要求2所述的多银行链路人工智能网关处理方法,其特征在于,所述将所述多个银行的当日通信任务输入至所述人工智能网关处理模型,得到所述人工智能网输出的综合处理评分最高的目标网关通信方案的步骤,包括:
所述目标方案预测模型根据所述链路架构和所述多个银行的当日通信任务,输出多个候选网关通信方案;
所述目标方案评分模型根据所述链路架构、所述多个银行的当日通信任务和所述多个候选网关通信方案,输出各个所述候选网关通信方案的方案评分;
将方案评分最高的所述候选网关通信方案确定为所述目标网关通信方案。
5.根据权利要求1所述的多银行链路人工智能网关处理方法,其特征在于,所述多个银行的当日通信任务通过以下步骤得到:
获取所述多个银行的历史日交易数据、历史日通信任务和对应的历史日期时间;
根据所述历史日交易数据、所述历史日通信任务和所述历史日期时间对第二网络模型进行训练,得到通信任务预测模型;
将当日交易数据和当日日期时间输入至所述通信任务预测模型,得到所述当日通信任务。
6.根据权利要求1所述的多银行链路人工智能网关处理方法,其特征在于,所述根据所述第一处理评分和所述第二处理评分,获得综合处理评分的步骤,包括:
根据所述第一处理评分、预设的第一评分权重、所述第二处理评分和预设的第二评分权重进行加权求和,得到所述综合处理评分。
7.一种多银行链路人工智能网关处理***,其特征在于,应用于多银行链路,所述多银行链路为多个银行的网关连接的链路架构,所述处理***包括:
数据获取模块,用于根据预设的多个样本网关通信方案驱动所述多银行链路处理多个样本通信任务,获取根据所述样本网关通信方案处理对应的所述样本通信任务的处理时长、需要等待链路传输的流量请求等待数量;其中,各个样本通信任务的流量请求的任务量不同,各个所述样本网关通信方案的各个网关传输流量请求的优先级不同;
第一评分获取模块,用于根据各个所述样本网关通信方案处理对应的所述样本通信任务的处理时长,以及对应的所述流量请求等待数量,获取各个所述样本网关通信方案对应所述样本通信任务的第一处理评分;
第二评分获取模块,用于获取各个银行对各个所述样本网关通信方案的人工评分,得到第二处理评分;
综合评分获取模块,用于根据所述第一处理评分和所述第二处理评分,获得综合处理评分;
人工智能网关处理模型获取模块,用于根据所述链路架构、各个所述样本通信任务、各个所述样本通信任务对应的各个所述样本网关通信方案,以及对应的所述综合处理评分对第一网络模型进行训练,得到人工智能网关处理模型;
目标网关通信方案获取模块,用于将所述多个银行的当日通信任务输入至所述人工智能网关处理模型,得到所述人工智能网输出的综合处理评分最高的目标网关通信方案;
目标网关通信方案执行模块,用于根据所述目标网关通信方案驱动所述多银行链路的网关进行流量请求的传输;
其中,所述第一网络模型包括初始方案预测模型和初始方案评分模型;所述人工智能网关处理模型包括目标方案预测模型和目标方案评分模型;
所述根据所述链路架构、各个所述样本通信任务、各个所述样本通信任务对应的各个所述样本网关通信方案,以及对应的所述综合处理评分对第一网络模型进行训练,得到人工智能网关处理模型的步骤,包括:
将所述链路架构和各个所述样本通信任务作为输入,将各个所述样本通信任务对应的各个所述样本网关通信方案作为输出,对所述初始方案预测模型进行训练,得到所述目标方案预测模型;
将所述链路架构、各个所述样本通信任务,以及各个所述样本通信任务对应的各个所述样本网关通信方案作为输入,各个所述样本网关通信方案对应的所述综合处理评分作为输出,对所述初始方案评分模型,得到所述目标方案评分模型;
根据所述目标方案预测模型和所述目标方案评分模型,得到所述人工智能网关处理模型。
8.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的多银行链路人工智能网关处理方法的步骤。
9.一种计算机设备,其特征在于:包括储存器、处理器以及储存在所述储存器中并可被所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的多银行链路人工智能网关处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311134353.6A CN117176592B (zh) | 2023-09-04 | 2023-09-04 | 多银行链路人工智能网关处理方法、***、介质和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311134353.6A CN117176592B (zh) | 2023-09-04 | 2023-09-04 | 多银行链路人工智能网关处理方法、***、介质和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117176592A CN117176592A (zh) | 2023-12-05 |
CN117176592B true CN117176592B (zh) | 2024-03-01 |
Family
ID=88934779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311134353.6A Active CN117176592B (zh) | 2023-09-04 | 2023-09-04 | 多银行链路人工智能网关处理方法、***、介质和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117176592B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108075974A (zh) * | 2016-11-14 | 2018-05-25 | ***通信有限公司研究院 | 一种流量转发控制方法、装置及sdn架构*** |
CN109819050A (zh) * | 2019-03-07 | 2019-05-28 | 北京华安普特网络科技有限公司 | 多服务器间的负载均衡***及方法 |
WO2020103736A1 (zh) * | 2018-11-23 | 2020-05-28 | 阿里巴巴集团控股有限公司 | 数据传输设备和处理***、消息分发方法和装置 |
CN113489654A (zh) * | 2021-07-06 | 2021-10-08 | 国网信息通信产业集团有限公司 | 一种路由选择方法、装置、电子设备及存储介质 |
CN113806682A (zh) * | 2021-03-09 | 2021-12-17 | 北京沃东天骏信息技术有限公司 | 信息处理方法、装置、电子设备及存储介质 |
WO2022062998A1 (zh) * | 2020-09-27 | 2022-03-31 | 华为技术有限公司 | 一种设备推荐方法及设备 |
CN115499379A (zh) * | 2022-11-14 | 2022-12-20 | 中国电子信息产业集团有限公司第六研究所 | 一种基于区块链的信息交互方法、装置、设备及介质 |
WO2023273837A1 (zh) * | 2021-06-30 | 2023-01-05 | 中兴通讯股份有限公司 | 模型训练方法、流量预测方法、流量负载均衡的方法、装置及存储介质 |
CN115687233A (zh) * | 2021-07-29 | 2023-02-03 | 腾讯科技(深圳)有限公司 | 通信方法、装置、设备及计算机可读存储介质 |
-
2023
- 2023-09-04 CN CN202311134353.6A patent/CN117176592B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108075974A (zh) * | 2016-11-14 | 2018-05-25 | ***通信有限公司研究院 | 一种流量转发控制方法、装置及sdn架构*** |
WO2020103736A1 (zh) * | 2018-11-23 | 2020-05-28 | 阿里巴巴集团控股有限公司 | 数据传输设备和处理***、消息分发方法和装置 |
CN109819050A (zh) * | 2019-03-07 | 2019-05-28 | 北京华安普特网络科技有限公司 | 多服务器间的负载均衡***及方法 |
WO2022062998A1 (zh) * | 2020-09-27 | 2022-03-31 | 华为技术有限公司 | 一种设备推荐方法及设备 |
CN113806682A (zh) * | 2021-03-09 | 2021-12-17 | 北京沃东天骏信息技术有限公司 | 信息处理方法、装置、电子设备及存储介质 |
WO2023273837A1 (zh) * | 2021-06-30 | 2023-01-05 | 中兴通讯股份有限公司 | 模型训练方法、流量预测方法、流量负载均衡的方法、装置及存储介质 |
CN113489654A (zh) * | 2021-07-06 | 2021-10-08 | 国网信息通信产业集团有限公司 | 一种路由选择方法、装置、电子设备及存储介质 |
CN115687233A (zh) * | 2021-07-29 | 2023-02-03 | 腾讯科技(深圳)有限公司 | 通信方法、装置、设备及计算机可读存储介质 |
CN115499379A (zh) * | 2022-11-14 | 2022-12-20 | 中国电子信息产业集团有限公司第六研究所 | 一种基于区块链的信息交互方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117176592A (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106097043B (zh) | 一种信用数据的处理方法及服务器 | |
JP6907664B2 (ja) | 非定常時系列データの予測に用いる方法及び装置 | |
CN110764714B (zh) | 一种数据处理方法、装置、设备及可读存储介质 | |
CN110147925A (zh) | 一种风险决策方法、装置、设备及*** | |
CN115543577B (zh) | 基于协变量的Kubernetes资源调度优化方法、存储介质及设备 | |
CN110445939B (zh) | 容量资源的预测方法及装置 | |
CN112801430A (zh) | 任务下发方法、装置、电子设备及可读存储介质 | |
CN116523661A (zh) | 基于人工智能的理赔方法、装置、设备及存储介质 | |
CN117176592B (zh) | 多银行链路人工智能网关处理方法、***、介质和设备 | |
CN111698332A (zh) | 业务对象的分配方法、装置、设备及存储介质 | |
CN110782978A (zh) | 救助任务分配方法、装置、设备及存储介质 | |
CN114581130A (zh) | 基于客户画像的银行网点派号方法及装置、存储介质 | |
CN114862242A (zh) | 人工客服分配方法及装置、存储介质及电子设备 | |
CN109035020A (zh) | 一种交易信息的返回方法及装置 | |
CN114936776A (zh) | 业务数据的处理方法、装置、设备及存储介质 | |
CN114372199A (zh) | 业务推送方法及装置、存储介质和电子设备 | |
CN113159926A (zh) | 贷款业务的还款日期确定方法及装置 | |
CN101482816B (zh) | 中介软件桥接***及方法 | |
US11425250B1 (en) | Artificial intelligence based call handling optimization | |
Kodia et al. | A study of stock market trading behavior and social interactions through a multi agent based simulation | |
CN118246684A (zh) | 网点的业务分配方法、装置、电子设备及计算机程序产品 | |
Pinhey et al. | Using reservations for multiagent resource allocation with costly preemption | |
CN107273315A (zh) | 存储单元访问方法、***和多核处理装置 | |
CN115511537A (zh) | 针对流失用户的流失因素确定方法、装置、电子设备及介质 | |
CN114513431A (zh) | 网络性能指标预测方法、装置、设备及存储介质 |
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 |