一种可动态预测的数据流量检测分类方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115017238A(43)申请公布日2022.09.06(21)申请号202210692996.1(22)申请日2022.06.17(71)申请人泉州市大鲨鱼智造数字科技有限公司地址362008福建省泉州市丰泽区霞贤路300号泉州软件园研发启动区7#楼205室(72)发明人黄火焱(74)专利代理机构广东省中源正拓专利代理事务所(普通合伙)44748专利代理师覃汉赳(51)Int.Cl.G06F16/28(2019.01)G06F16/36(2019.01)G06K9/62(2022.01)权利要求书2页说明书6页附图1页(54)发明名称一种可动态预测的数据流量检测分类方法(57)摘要本发明公开了一种可动态预测的数据流量检测分类方法，涉及数据处理技术领域，解决了现有技术在进行数据流量监测分类时，需要进行大量的数据处理和计算，无法高效进行数据流量检测分类，导致数据检测分类效率低，分类效果不佳的技术问题；本发明获取多源数据的基础特征，并根据数据流量进行周期性归类，根据归类结果动态配置检测节点，通过检测节点进行概率性分析获取对应的数据标签，进而通过目标知识图谱确定多源数据的分类标签，实现多源数据的快速高效分类；本发明通过周期性归类对多源数据进行粗分类，再通过人工智能模型或者领域映射模型进行精分类，最后结合知识图谱技术生成分类标签，实现了从不同角度对多源数据的分类，提高分流效率。CN115017238ACN115017238A权利要求书1/2页1.一种可动态预测的数据流量检测分类方法，其特征在于，包括：获取若干多源数据，对若干所述多源数据进行分析获取对应的基础特征；其中，所述基础特征包括数据领域、数据类型和数据来源；根据所述基础特征和数据流量动态配置至少一个检测节点，所述检测节点对所述基础特征进行概率性分析，确定数据标签；根据所述数据标签调用目标知识图谱，并根据所述目标知识图谱获取对应所述多源数据的分类标签；根据所述分类标签进行所述多源数据的分类。2.根据权利要求1所述的一种可动态预测的数据流量检测分类方法，其特征在于，根据所述基础特征和数据流量配置所述检测节点，包括：获取若干所述多源数据对应的所述基础特征；根据所述基础特征对所述多源数据进行周期性归类，获取周期性归类之后的数据总量；根据数据总量分级别配置所述检测节点。3.根据权利要求2所述的一种可动态预测的数据流量检测分类方法，其特征在于，按照数据流量对多源数据进行周期性归类，并分级别配置多数检测节点，包括：按照设定周期对所述基础特征对应的所述多源数据进行归类，统计归类结果的数据总量，并标记为SZ；其中，所述设定周期包括1秒或者1分钟；根据公式JPS＝α×SZ/BS获取所述检测节点的配置数量JPS；其中，BS为检测节点在设定周期内的数据处理量，α为大于0的比例系数，默认为1；根据配置数量JPS配置所述检测节点。4.根据权利要求3所述的一种可动态预测的数据流量检测分类方法，其特征在于，根据配置数量JPS配置的若干所述检测节点作为一个检测点集合，所述检测点集合中的若干所述检测节点相互协作。5.根据权利要求1所述的一种可动态预测的数据流量检测分类方法，其特征在于，所述检测节点基于人工智能模型对所述基础特征进行概率性分析，获取对应的所述数据标签，包括：对所述基础特征进行转换，获取模型输入数据；将所述模型输入数据输入到所述人工智能模型中，获取输出的细分领域，并获取所述细分领域对应的所述数据标签；其中，所述人工智能模型包括神经网络模型或支持向量机模型。6.根据权利要求1所述的一种可动态预测的数据流量检测分类方法，其特征在于，所述检测节点基于领域映射模型对所述基础特征进行概率性分析，获取对应的所述数据标签，包括：获取所述领域映射模型；其中，所述领域映射模型包括所述基础特征与细分领域的映射关系；基于所述领域映射模型对所述基础特征逐一比对分析，确定细分领域，并获取所述细分领域对应的所述数据标签。7.根据权利要求5或6所述的一种可动态预测的数据流量检测分类方法，其特征在于，根据所述目标知识图谱获取对应所述多源数据的分类标签，包括：2CN115017238A权利要求书2/2页调用所述数据标签对应的领域知识图谱，并标记为目标知识图谱；对所述多源数据内容进行解析，将解析结果与所述目标知识图谱结合确定对应的分类标签。8.根据权利要求7所述的一种可动态预测的数据流量检测分类方法，其特征在于，所述领域知识图谱基于细分领域建立获取，或者从基于数据领域建立的知识图谱中划分获取；其中，数据领域的覆盖范围大于细分领域。3CN115017238A说明书1/6页一种可动态预测的数据流量检测分类方法技术领域[0001]本发明属于数据处理领域，涉及一种可动态预测的数据