一种基于人工智能的物联网数据处理方法及系统与流程

本技术涉及人工智能，具体而言，涉及一种基于人工智能的物联网数据处理方法及系统。

背景技术：

1、随着物联网技术的快速发展和广泛应用，物联网设备产生的数据量呈爆炸式增长，如何高效、准确地处理和分析这些数据成为了亟待解决的问题。特别是在物联网安防领域，对安防事件的快速响应和准确分析对于保障公共安全至关重要。

2、相关技术通常依赖于人工分析，这不仅效率低下，而且容易受到人为因素的影响，导致分析结果的不准确。此外，随着物联网设备的不断增加，产生的安防事件数据也呈现出多样化和复杂化的特点，传统方法难以满足物联网安防事件检索实时性和准确性的要求。

3、近年来，人工智能技术的兴起为物联网数据处理提供了新的思路。通过利用机器学习、深度学习等人工智能技术，可以对物联网数据进行自动分析和处理，提高数据处理的效率和准确性。特别是在物联网安防领域，人工智能技术可以帮助实现对安防事件的自动识别和快速响应，提高公共安全水平。

4、然而，相关技术的方法仍存在一些局限性。一方面，这些方法通常只关注于单一的数据特征，缺乏对安防事件全面、多维度的描述和分析。另一方面，这些方法在数据检索和查询方面也存在不足，难以实现快速、准确的检索和查询。

技术实现思路

1、鉴于上述提及的问题，结合本技术的第一方面，本技术实施例提供一种基于人工智能的物联网数据处理方法，所述方法包括：

2、获取目标物联网安防事件对应的安防事件识别码，将所述安防事件识别码作为样本识别码；

3、获取所述目标物联网安防事件对应的场景任务描述摘要，将所述场景任务描述摘要作为样本摘要，基于所述样本识别码以及所述样本摘要配置检索标签为事件场景标签的检索引用序列，将检索标签为事件场景标签的检索引用序列添加到所述样本检索空间；

4、获取所述目标物联网安防事件对应的样本自聚焦内容特征，以及所述目标物联网安防事件对应的样本安防路径图，其中，所述样本自聚焦内容特征包括样本异常行为矢量、样本违规操作矢量以及样本非法入侵矢量；

5、将所述样本识别码作为检索名称，将所述样本自聚焦内容特征作为检索输入特征，配置检索标签为事件内容标签的检索引用序列，将检索标签为事件内容标签的检索引用序列添加到所述样本检索空间；

6、将所述样本安防路径图以及所述样本识别码绑定添加到所述样本检索空间。

7、在第一方面的一种可能的实施方式中，所述方法还包括：

8、获取物联网安防日志，提取所述物联网安防日志中的多个物联网安防事件；所述多个物联网安防事件包括物联网安防事件xi，i为正整数，且i不大于所述多个物联网安防事件的事件数量；

9、获取所述物联网安防事件xi以及余下物联网安防事件之间的关联度；所述余下物联网安防事件包括所述多个物联网安防事件中除了所述物联网安防事件xi之外的物联网安防事件；

10、如果所述关联度不小于设定关联度，则将所述物联网安防事件xi标注为循环物联网安防事件，从所述多个物联网安防事件中删除所述循环物联网安防事件，生成候选物联网安防事件；

11、对所述候选物联网安防事件进行自注意力处理，生成所述候选物联网安防事件的自注意力处理数据，对所述候选物联网安防事件中的所述自注意力处理数据进行局部事件构建，生成所述目标物联网安防事件。

12、在第一方面的一种可能的实施方式中，所述事件场景标签包括关键节点标签；

13、所述基于所述样本识别码以及所述样本摘要配置检索标签为事件场景标签的检索引用序列，将检索标签为事件场景标签的检索引用序列添加到所述样本检索空间，包括：

14、对所述样本摘要进行分解，生成所述样本摘要对应的样本关键节点；

15、将所述样本识别码作为检索名称，将所述样本关键节点作为检索输入特征，配置检索标签为所述关键节点标签的检索引用序列；

16、将所述检索标签为所述关键节点标签的检索引用序列添加到所述样本检索空间。

17、在第一方面的一种可能的实施方式中，所述事件场景标签包括摘要主题标签；

18、所述基于所述样本识别码以及所述样本摘要配置检索标签为事件场景标签的检索引用序列，将检索标签为事件场景标签的检索引用序列添加到所述样本检索空间，包括：

19、获取所述样本摘要对应的样本摘要主题块；

20、将所述样本识别码作为检索名称，将所述样本摘要主题块作为检索输入特征，配置检索标签为所述摘要主题标签的检索引用序列；

21、将检索标签为所述摘要主题标签的检索引用序列添加到所述样本检索空间。

22、在第一方面的一种可能的实施方式中，所述获取所述目标物联网安防事件对应的样本自聚焦内容特征，以及所述目标物联网安防事件对应的样本安防路径图，包括：

23、将所述目标物联网安防事件加载到安防事件分析网络，利用所述安防事件分析网络生成所述目标物联网安防事件的样本安全风险分布图；

24、将所述目标物联网安防事件加载到与所述样本安全风险分布图所对应的异常行为识别网络，利用所述异常行为识别网络提取所述目标物联网安防事件的异常行为特征，生成所述样本异常行为矢量；

25、将所述目标物联网安防事件加载到与所述样本安全风险分布图所对应的非法入侵识别网络，利用所述非法入侵识别网络提取所述目标物联网安防事件的非法入侵特征，生成所述样本非法入侵矢量；

26、将所述目标物联网安防事件加载到与所述样本安全风险分布图所对应的违规操作识别网络，利用所述违规操作识别网络提取所述目标物联网安防事件的违规操作特征，生成所述样本违规操作矢量；

27、将所述目标物联网安防事件加载到与所述样本安全风险分布图所对应的安防路径图生成网络，利用所述安防路径图生成网络，提取所述目标物联网安防事件的安防路径点特征以及所述目标物联网安防事件的安防路径点流转特征，对所述目标物联网安防事件的安防路径点特征以及所述目标物联网安防事件的安防路径点流转特征进行图生成，生成所述样本安防路径图。

28、在第一方面的一种可能的实施方式中，所述将所述样本识别码作为检索名称，将所述样本自聚焦内容特征作为检索输入特征，配置检索标签为事件内容标签的检索引用序列，将检索标签为事件内容标签的检索引用序列添加到所述样本检索空间，包括：

29、将所述样本识别码作为检索主导名称，将所述样本异常行为矢量作为检索主导输入特征，配置检索标签为事件主导内容标签的检索主导引用序列，将所述样本识别码作为检索全局名称，将所述样本违规操作矢量作为检索全局输入特征，配置检索标签为事件全局内容标签的检索全局引用序列，将所述样本识别码作为检索细节名称，将所述样本非法入侵矢量作为检索细节输入特征，配置检索标签为事件细节内容标签的检索细节引用序列，将所述检索主导引用序列、所述检索全局引用序列以及所述检索细节引用序列均添加到所述样本检索空间；

30、或者，对所述样本异常行为矢量进行t-分布邻域嵌入，生成t-分布邻域嵌入后的样本异常行为矢量，将所述样本识别码作为检索主导名称，将所述t-分布邻域嵌入后的样本异常行为矢量作为检索主导输入特征，配置检索标签为事件主导内容标签的检索主导引用序列，对所述样本违规操作矢量进行t-分布邻域嵌入，生成t-分布邻域嵌入后的样本违规操作矢量，将所述样本识别码作为检索全局名称，将所述t-分布邻域嵌入后的样本违规操作矢量作为检索全局输入特征，配置检索标签为事件全局内容标签的检索全局引用序列，对所述样本非法入侵矢量进行t-分布邻域嵌入，生成t-分布邻域嵌入后的样本非法入侵矢量，将所述样本识别码作为检索细节名称，将所述t-分布邻域嵌入后的样本非法入侵矢量作为检索细节输入特征，配置检索标签为事件细节内容标签的检索细节引用序列，将所述检索主导引用序列、所述检索全局引用序列以及所述检索细节引用序列均添加到所述样本检索空间；

31、或者，对所述样本异常行为矢量进行t-分布邻域嵌入，生成t-分布邻域嵌入后的样本异常行为矢量，对所述t-分布邻域嵌入后的样本异常行为矢量进行哈希处理，生成哈希处理后的样本异常行为矢量，将所述样本识别码作为检索主导名称，将所述哈希处理后的样本异常行为矢量作为检索主导输入特征，配置检索标签为事件主导内容标签的检索主导引用序列，对所述样本违规操作矢量进行t-分布邻域嵌入，生成t-分布邻域嵌入后的样本违规操作矢量，对所述t-分布邻域嵌入后的样本违规操作矢量进行哈希处理，生成哈希处理后的样本违规操作矢量，将所述样本识别码作为检索全局名称，将所述哈希处理后的样本违规操作矢量作为检索全局输入特征，配置检索标签为事件全局内容标签的检索全局引用序列，对所述样本非法入侵矢量进行t-分布邻域嵌入，生成t-分布邻域嵌入后的样本非法入侵矢量，对所述t-分布邻域嵌入后的样本非法入侵矢量进行哈希处理，生成哈希处理后的样本非法入侵矢量，将所述样本识别码作为检索细节名称，将所述哈希处理后的样本非法入侵矢量作为检索细节输入特征，配置检索标签为事件细节内容标签的检索细节引用序列，将所述检索主导引用序列、所述检索全局引用序列以及所述检索细节引用序列均添加到所述样本检索空间。

32、在第一方面的一种可能的实施方式中，所述方法还包括:

33、将所述样本异常行为矢量以及所述样本识别码绑定添加到所述样本检索空间；

34、将所述样本非法入侵矢量以及所述样本识别码绑定添加到所述样本检索空间；

35、将所述样本违规操作矢量以及所述样本识别码绑定添加到所述样本检索空间。

36、在第一方面的一种可能的实施方式中，所述方法还包括：

37、获取包含检索摘要以及检索物联网安防事件的检索信息，从所述样本检索空间中获取与所述检索摘要所对应的第一样本；

38、获取所述检索物联网安防事件对应的检索安防路径图，以及所述检索物联网安防事件对应的检索自聚焦内容特征，从所述样本检索空间中获取与所述检索自聚焦内容特征所对应的第二样本；

39、将所述第一样本以及所述第二样本标注为参考样本，获取所述参考样本对应的目标样本安防路径图、所述参考样本对应的目标样本自聚焦内容特征以及所述参考样本对应的目标样本摘要；

40、依据所述检索摘要、所述检索自聚焦内容特征、所述检索安防路径图、所述目标样本摘要、所述目标样本自聚焦内容特征，以及所述目标样本安防路径图，确定所述参考样本与所述检索信息之间的样本关联度，基于所述样本关联度对所述参考样本进行降序排列，从降序排列后的参考样本中确定目标样本检索结果。

41、在第一方面的一种可能的实施方式中，所述获取所述检索物联网安防事件对应的检索安防路径图，以及所述检索物联网安防事件对应的检索自聚焦内容特征，包括：

42、将所述检索物联网安防事件加载到安防事件分析网络，利用所述安防事件分析网络生成所述检索物联网安防事件的目标安全风险分布图；

43、获取与所述目标安全风险分布图所对应的自聚焦内容编码网络，以及与所述目标安全风险分布图所对应的安防路径图生成网络；

44、将所述检索物联网安防事件加载到所述自聚焦内容编码网络，利用所述自聚焦内容编码网络生成所述检索物联网安防事件对应的所述检索自聚焦内容特征；

45、将所述检索物联网安防事件加载到所述安防路径图生成网络，利用所述安防路径图生成网络的图卷积单元，提取所述检索物联网安防事件的图卷积矢量序列，基于所述图卷积矢量序列生成所述检索安防路径图。

46、再一方面，本技术实施例还提供一种基于人工智能的物联网数据处理系统，包括处理器、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，以实现上述的方法。

47、基于以上方面，本技术实施例通过获取目标物联网安防事件的安防事件识别码，并将其作为样本识别码，确保了每个目标物联网安防事件在样本检索空间中的唯一标识性，极大地方便了后续的事件检索和跟踪。其次，通过提取目标物联网安防事件的场景任务描述摘要，并配置检索标签为事件场景标签的检索引用序列，使得用户能够基于事件场景进行快速检索，提高了检索效率和准确性。此外，将场景任务描述摘要作为样本摘要添加到样本检索空间，进一步丰富了样本数据的维度，为事件分析和预测提供了更多有价值的信息。在样本自聚焦内容特征的提取方面，不仅考虑了异常行为矢量、违规操作矢量等传统特征，还引入了样本非法入侵矢量，这些特征共同构成了对安防事件全面、多维度的描述。将这些特征作为检索输入特征，配置检索标签为事件内容标签的检索引用序列，使得用户能够基于事件内容特征进行精确检索，进一步提高了检索的针对性和有效性。最后，将样本安防路径图与样本识别码绑定添加到样本检索空间，使得用户能够直观地了解安防事件的发生路径和流转过程，为事件分析和应急响应提供了有力支持。由此，实现了对物联网安防事件的高效处理和分析，提高了物联网安防事件处理的准确性和效率。