基于大数据的人工智能模型机器学习方法及服务器与流程

技术特征：
1.一种基于大数据的人工智能模型机器学习方法，其特征在于，包括：获取业务数据采集范围中的多个时域节点业务数据和多个空域节点业务数据；获取所述多个时域节点业务数据之间的时域关联参数和时域特征差异，获取所述多个空域节点业务数据之间的空域关联参数和空域特征差异；根据所述时域关联参数和所述时域特征差异，对所述多个时域节点业务数据进行组合，得到所述业务数据采集范围中的时域数据拓扑分布；其中，一个时域数据拓扑分布包括至少一个时域节点业务数据；根据所述空域关联参数和所述空域特征差异，对所述多个空域节点业务数据进行组合，得到所述业务数据采集范围中的空域数据拓扑分布；其中，一个空域数据拓扑分布包括至少一个空域节点业务数据；基于所述时域数据拓扑分布以及所述空域数据拓扑分布进行拓扑融合以到业务数据流样本集合；将所述业务数据流样本集合输入预设目标业务特征网络进行机器学习，得到已学习目标业务特征网络；通过所述已学习目标业务特征网络对所述业务数据流样本集合进行目标业务特征检测，得到所述业务数据流样本集合的初始目标业务特征集合；将所述初始目标业务特征集合输入预设的第一防干扰特征检测网络进行机器学习，得到第一目标防干扰特征检测网络；基于联合模型训练策略以及所述第一目标防干扰特征检测网络对预设的第二防干扰特征检测网络进行机器学习，得到第二目标防干扰特征检测网络，使得训练得到的第二目标防干扰特征检测网络的参数量小于第一目标防干扰特征检测网络的参数量。2.根据权利要求1所述的方法，其特征在于，所述基于所述时域数据拓扑分布以及所述空域数据拓扑分布进行拓扑融合以到业务数据流样本集合，包括：根据所述时域数据拓扑分布和空域数据拓扑分布之间的业务拓扑关系，对所述业务数据采集范围中产生的各时域数据拓扑分布和各空域数据拓扑分布进行拓扑融合，得到多个拓扑分布融合组；每个拓扑分布融合组中的空域数据拓扑分布分别包括所述业务数据采集范围中的第二空域节点业务数据；将因未匹配到时域数据拓扑分布而未进行拓扑融合的空域数据拓扑分布确定为待处理空域数据拓扑分布，根据所述待处理空域数据拓扑分布包含的第一空域节点业务数据，获取所述待处理空域数据拓扑分布的第一拓扑分布描述信息；所述第一空域节点业务数据包含于所述业务数据采集范围；根据所述每个拓扑分布融合组包括的第二空域节点业务数据，分别获取所述每个拓扑分布融合组中的空域数据拓扑分布的第二拓扑分布描述信息；获取所述第一拓扑分布描述信息分别与所述每个拓扑分布融合组对应的第二拓扑分布描述信息之间的特征差异；根据所述每个拓扑分布融合组对应的特征差异，确定所述每个拓扑分布融合组中的空域数据拓扑分布分别与所述待处理空域数据拓扑分布之间的拓扑关联参数；统计拓扑关联参数不小于预设关联参数阈值的目标拓扑分布融合组，将所述目标拓扑分布融合组中的时域数据拓扑分布所包含的业务特征信息，确定为与所述待处理空域数据
拓扑分布关联的业务特征信息；将与所述待处理空域数据拓扑分布关联的业务特征信息和所述待处理空域数据拓扑分布进行拓扑融合，得到特征拓扑融合组；根据所述特征拓扑融合组和所述多个拓扑分布融合组，确定所述业务数据采集范围中的业务数据流和所述业务数据流对应的业务特征信息，并根据所述业务数据流和对应的业务特征信息得到所述业务数据流样本集合。3.根据权利要求2所述的方法，其特征在于，所述根据所述时域数据拓扑分布和空域数据拓扑分布之间的业务拓扑关系，对所述业务数据采集范围中产生的各时域数据拓扑分布和各空域数据拓扑分布进行拓扑融合，得到多个拓扑分布融合组，包括：将所述业务数据采集范围中产生的各空域数据拓扑分布确定为局部空域拓扑分布，将所述业务数据采集范围中产生的各时域数据拓扑分布确定为局部时域拓扑分布；所述局部空域拓扑分布中的空域节点业务数据是针对所述业务数据采集范围的目标业务节点进行数据采集得到的；获取所述目标业务节点中的时域节点业务数据； 计算所述目标业务节点中的时域节点业务数据与所述局部时域拓扑分布中的各时域节点业务数据之间的业务数据关联参数，并根据计算得到的业务数据关联参数确定所述局部空域拓扑分布与所述局部时域拓扑分布之间的业务拓扑关系；当所述业务数据关联参数不小于预设关联参数阈值时，对所述局部空域拓扑分布和所述局部时域拓扑分布进行拓扑融合，得到所述多个拓扑分布融合组。4.根据权利要求2所述的方法，其特征在于，所述第一空域节点业务数据的业务数据片段为多个； 所述根据所述待处理空域数据拓扑分布包含的第一空域节点业务数据，获取所述待处理空域数据拓扑分布的第一拓扑分布描述信息，包括：获取多个第一空域节点业务数据中的每个第一空域节点业务数据分别对应的业务数据描述信息；根据所述每个第一空域节点业务数据分别对应的业务数据描述信息，获取所述多个第一空域节点业务数据对应的第一全局业务特征信息；将所述第一全局业务特征信息，确定为所述第一拓扑分布描述信息。5.根据权利要求2所述的方法，其特征在于，所述多个拓扑分布融合组包括拓扑分布融合组ri，i不大于所述多个拓扑分布融合组的总数量；所述拓扑分布融合组ri包括的第二空域节点业务数据的业务数据片段为多个； 所述根据所述每个拓扑分布融合组包括的第二空域节点业务数据，分别获取所述每个拓扑分布融合组中的空域数据拓扑分布的第二拓扑分布描述信息，包括：获取所述拓扑分布融合组ri包括的多个第二空域节点业务数据中的每个第二空域节点业务数据分别对应的业务数据描述信息；根据所述每个第二空域节点业务数据分别对应的业务数据描述信息，获取所述多个第二空域节点业务数据对应的第二全局业务特征信息；将所述第二全局业务特征信息，确定为所述拓扑分布融合组ri中的空域数据拓扑分布的第二拓扑分布描述信息。6.根据权利要求2所述的方法，其特征在于，所述待处理空域数据拓扑分布的数量为多
个； 所述方法还包括：当所述目标拓扑分布融合组的数量不大于第一预设值时，将与每个待处理空域数据拓扑分布之间的拓扑关联参数最大的空域数据拓扑分布所在的拓扑分布融合组，分别确定为所述每个待处理空域数据拓扑分布对应的候选拓扑融合组；将所述每个待处理空域数据拓扑分布对应的候选拓扑融合组中的时域数据拓扑分布所包含的业务特征信息，分别确定为所述每个待处理空域数据拓扑分布对应的候选业务特征信息；根据所述每个待处理空域数据拓扑分布对应的候选业务特征信息，确定预设目标业务特征信息对应的多个数据特征描述， 获取所述多个数据特征描述在多个拓扑分布融合组的时域数据拓扑分布所包含的业务特征信息中的第一统计结果；根据所述第一统计结果，确定所述每个待处理空域数据拓扑分布针对所述预设目标业务特征信息的第一目标数据特征描述；将分别具有所述每个待处理空域数据拓扑分布对应的第一目标数据特征描述的所述预设目标业务特征信息，确定为与所述每个待处理空域数据拓扑分布关联的业务特征信息；所述多个数据特征描述在与所述每个待处理空域数据拓扑分布关联的业务特征信息中的第二统计结果，等于所述第一统计结果；当所述目标拓扑分布融合组的数量大于第二预设值时，统计预设目标业务特征信息的多个数据特征描述在所述目标拓扑分布融合组的时域节点业务数据所包含的业务特征信息中的数量；所述多个数据特征描述，是根据所述目标拓扑分布融合组中的时域数据拓扑分布所包含的业务特征信息所确定的；根据所述待处理空域数据拓扑分布与所述目标拓扑分布融合组之间的拓扑关联参数、以及所述数量，从所述多个数据特征描述中，确定所述待处理空域数据拓扑分布针对所述预设目标业务特征信息的第二目标数据特征描述；将具有所述第二目标数据特征描述的所述预设目标业务特征信息，确定为与所述待处理空域数据拓扑分布关联的业务特征信息。7.根据权利要求2所述的方法，其特征在于，所述方法还包括：将所述多个拓扑分布融合组中的时域数据拓扑分布所包含的业务特征信息，确定为所述多个拓扑分布融合组所包含的业务特征信息；将所述多个拓扑分布融合组和所述特征拓扑融合组中的每一个融合组，确定为所述业务数据采集范围中的目标拓扑融合组； 将所述目标拓扑融合组所包含的业务特征信息，确定为目标业务特征信息；为所述目标业务特征信息与所在的所述目标拓扑融合组中的空域数据拓扑分布添加相同的序列编号；将具有所述序列编号的所述目标业务特征信息，分别写入至第一数据区、第二数据区以及第三数据区；其中，所述第一数据区的数据读取速度，大于所述第二数据区的数据读取速度；所述第二数据区的数据读取速度，大于所述第三数据区的数据读取速度；所述第一数据区针对所述目标业务特征信息的信息写入量，小于所述第二数据区针对所述目标业务特征信息的信息写入量；所述第二数据区针对所述目标业务特征信息的信息写入量，小于所述第三数据区针对所述目标业务特征信息的信息写入量；
所述根据所述特征拓扑融合组和所述多个拓扑分布融合组，确定所述业务数据采集范围中的业务数据流和所述业务数据流对应的业务特征信息，包括：根据所述目标拓扑融合组中的空域数据拓扑分布，确定所述业务数据采集范围中的所述业务数据流；根据所述目标拓扑融合组中的空域数据拓扑分布所对应的所述序列编号，生成用于在所述第一数据区中获取所述目标业务特征信息的第一信息读取请求，当根据所述第一信息读取请求未从所述第一数据区中读取到所述目标业务特征信息时，根据所述第一信息读取请求，生成用于在所述第二数据区中读取所述目标业务特征信息的第二信息读取请求； 当根据所述第二信息读取请求未从所述第二数据区中获取到所述目标业务特征信息时，根据所述第二信息读取请求，生成用于在所述第三数据区中获取所述目标业务特征信息的第三信息读取请求； 根据所述第三信息读取请求，从所述第三数据区中读取所述目标业务特征信息，将获取到的所述目标业务特征信息确定为所述业务数据流对应的业务特征信息。8.根据权利要求1
‑
7任意一项所述的方法，其特征在于，所述方法还包括：将所述第二目标防干扰特征检测网络发送至业务采集终端，通过所述业务采集终端以根据所述第二目标防干扰特征检测网络对采集的业务数据流进行目标特征检测得到所述采集的业务数据流的业务特征信息。9.一种服务器，其特征在于，包括处理器和机器可读存储介质，所述机器可读存储介质和所述处理器连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以实现权利要求1
‑
8任意一项所述的方法。

技术总结
本发明实施例提供一种基于大数据的人工智能模型机器学习方法及服务器，通过获取业务数据采集范围中的多个时域节点业务数据和多个空域节点业务数据、多个时域节点业务数据之间的时域关联参数和时域特征差异、以及多个空域节点业务数据之间的空域关联参数和空域特征差异，对多个时域节点业务数据进行组合，得到业务数据采集范围中的时域数据拓扑分布；然后，根据空域关联参数和空域特征差异，对多个空域节点业务数据进行组合，得到业务数据采集范围中的空域数据拓扑分布。如此，可通过时、空域两个数据维度对业务数据进行采集得到业务数据流样本集合以进行人工智能机器学习，并提升学习效果。升学习效果。升学习效果。


技术研发人员：廖彩红
受保护的技术使用者：廖彩红
技术研发日：2021.01.20
技术公布日：2021/10/28