Nothing Special   »   [go: up one dir, main page]

CN114969178A - 一种分布式数据处理方法及装置 - Google Patents

一种分布式数据处理方法及装置 Download PDF

Info

Publication number
CN114969178A
CN114969178A CN202210428827.7A CN202210428827A CN114969178A CN 114969178 A CN114969178 A CN 114969178A CN 202210428827 A CN202210428827 A CN 202210428827A CN 114969178 A CN114969178 A CN 114969178A
Authority
CN
China
Prior art keywords
data
request
processing
data processing
distributed
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.)
Granted
Application number
CN202210428827.7A
Other languages
English (en)
Other versions
CN114969178B (zh
Inventor
邓志云
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhizhu Technology Jilin Province Co ltd
Original Assignee
Guangzhou Master Ming Information Service Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Master Ming Information Service Co ltd filed Critical Guangzhou Master Ming Information Service Co ltd
Priority to CN202210428827.7A priority Critical patent/CN114969178B/zh
Publication of CN114969178A publication Critical patent/CN114969178A/zh
Application granted granted Critical
Publication of CN114969178B publication Critical patent/CN114969178B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5066—Algorithms for mapping a plurality of inter-dependent sub-tasks onto a plurality of physical CPUs
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K5/00—Casings, cabinets or drawers for electric apparatus
    • H05K5/02—Details
    • H05K5/0213—Venting apertures; Constructional details thereof
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K5/00—Casings, cabinets or drawers for electric apparatus
    • H05K5/02—Details
    • H05K5/0217—Mechanical details of casings

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Computer And Data Communications (AREA)

Abstract

本发明公开了一种分布式数据处理方法及装置，步骤一：用户端发送请求，经数据转换模块将发送请求转化为数据格式，生成请求数据；步骤二：通过区域识别模块在分布式数据库中对请求数据进行识别，生成数据处理请求；步骤三：通过请求发送模块发送数据处理请求；步骤四：通过风险评估模块对数据处理请求进行风险评估；步骤五：执行处理系统基于评估结果将请求数据通过执行处理器工作；步骤六：客户端服务器接收执行信息。将用户端发送请求数据按照区域形式进行划分，在划分后的区域板块内进行数据处理，以此方式能够在对应区域的管理节点执行相应的进程，从而减少了管理节点的负荷，增加了对数据的处理效率。

Description

一种分布式数据处理方法及装置
技术领域
本发明属于信息数据处理技术领域，具体涉及一种分布式数据处理方法及装置。
背景技术
分布式数据处理，就是利用分布式计算技术对数据进行处理。随着数据量的急剧膨胀，互联网公司所面对的数据量已经达到了PB级别，传统集中式数据处理已经渐渐无法适应市场的需求，同时，个人计算机的性能得到了极大的提高，普及率也在飞速上升，这使得将处理能力分布到网络上的所有个人计算机上的设想成为可能，于是提出了分布式计算的概念。分布式计算是和集中式计算相对的概念，一个分布式网络由若干台可互相通信的计算机组成，每台计算机都拥有自己的处理器和存储设备，原先集中在单节点上的庞大计算任务被负载均衡地分派给分布式网络中的计算机上并行地进行处理。对于用户来讲，分布式系统与其他应用系统没有区别，都是一个独立的系统，但从底层物理设备和结构体系来看，分布式系统是一个庞大、复杂的体系，由若干个独立的计算机组合而成。从硬件角度来看，分布式系统的机器是独立的，各不同的计算机可以分布在世界的各个角落。可访问性、透明性、开放性和可扩展性是分布式系统的四个主要特性。
现针对于现有技术的分布式数据处理方案及装置提出以下问题：
1、现有技术的数据处理方案在对数据处理时，无法对数据信息进行辨识，未经过辨识的数据在后续处理时，容易导致管理节点无法分成多个进程并行执行，这就导致该管理节点的业务压力大，影响对分布式数据的处理效率；
2、在数据传输过程中，一些意外的情况容易造成传输阻断的情况，在处理这种情况时，只能通过用户端重新发出同样的指令，且需要重复处理，较为麻烦。
3、通过构建目标识别网络对请求数据进行精准的识别，从而确定特征参数，并根据特征参数准确生成请求生成指令，从而精准确定数据处理请求，有利于增加分布式数据处理的效率以及处理的准确性。
4、通过对数据处理请求进行识别验证，从而获得目标数据处理请求，有利于更加精准获取对请求数据进行处理的处理任务，从而通过对处理任务基于业务属性进行分类，有利于准确实现分布式数据处理，提高数据处理的精准性，并将处理报告进行加密，有利于分布式数据处理后客户数据的安全性，并增加了客户数据的隐私程度。
发明内容
本发明要解决的技术问题是克服现有的缺陷，提供一种分布式数据处理方法及装置，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种分布式数据处理方法的装置，包括数据处理装置本体和散热通风板，所述数据处理装置本体内部设置有数据处理计算机，所述数据处理装置本体外表面设置有分屏显示器，所述分屏显示器下端设置有状态显示灯和调节开关，所述数据处理装置本体外侧设置有装置防护门，所述数据处理装置本体外表面设置有散热通风板。
优选的，所述散热通风板外表面设置有多个散热通风孔，所述散热通风板下端设置有多个数据连接插口。
一种分布式数据处理方法，包括以下步骤：
步骤一：用户端发送请求，经数据转换模块将所述发送请求转化为数据格式，生成请求数据；
步骤二：通过区域识别模块在分布式数据库中对所述请求数据进行识别，生成数据处理请求；
步骤三：通过请求发送模块发送所述数据处理请求；
步骤四：通过风险评估模块对数据处理请求进行风险评估；
步骤五：执行处理系统基于评估结果将请求数据通过执行处理器工作；
步骤六：客户端服务器接收执行信息。
优选的，所述步骤一中，将所述发送请求转化为数据格式时，用户端发送请求将以临时数据形式暂存在数据储存中转站中。
优选的，所述步骤一中，临时储存的数据在传输时经过数据分析模块进行分析，若数据存在异常时则通过退档处理模块处理退档重新传输。
优选的，所述步骤四中，由风险评估系统测得在数据传输k时刻的输入变量r(k)和输出变量y(k)，并基于所述输入变量r(k)和输出变量y(k)，计算在k时刻的输入变量r(k)和输出变量y(k)的差值；
Figure BDA0003609270480000031
其中，e(k)为k时刻的输入变量r(k)和输出变量y(k)的差值，且e(k)＝r(k)-y(k)；x1(k)、x2(k)、x3(k)表述为在数据传输k时刻中阶段性影响数值，e(k-1)为k-1时刻的输入变量r(k)和输出变量y(k)的差值，e(k-2)为k-2时刻的输入变量r(k)和输出变量y(k)的差值；
基于所述在k时刻的输入变量r(k)和输出变量y(k)的差值，计算所述数据处理请求的风险系数；
Figure BDA0003609270480000032
其中，u(k)为在k时刻所述数据处理请求的风险系数；φp、φq、φd为比例控制系数；k为当前时刻；j为初始时刻；u(k-1)表示在k-1时刻所述数据处理请求的风险系数；
计算风险系数阈值；
Figure BDA0003609270480000041
其中，式中KB为风险系数u(k)的最大值；KA为风险系数u(k)的最小值；B为e(k)的最大误差值；A为e(k)的最小误差值；
基于所述风险系数以及所述风险系数阈值，完成对所述数据处理请求的风险评估。
优选的，基于所述风险系数阈值，计算u(k)的控制变量；
Figure BDA0003609270480000042
其中，ξu(k)表示在k时刻风险系数u(k)的控制变量；ξu(k-1)表示在k-1时刻风险系数u(k-1)的控制变量；i表示当前个变量影响因子；ωi(k)表示在k时刻当前个变量影响因子所对应的权重值；xi(k)表示在k时刻当前个变量影响因子所对应的变量增加值；
基于所述u(k)的控制变量改变风险系数，并基于改变结果实现对风险系数的控制。
优选的，所述步骤五中，基于评估结果，并根据执行条件下的请求数据经执行处理系统控制执行处理器工作，最终将执行处理结果反馈至客户端服务器。
优选的，所述步骤二中，通过区域识别模块在分布式数据库中对所述请求数据进行识别，生成数据处理请求，包括：
基于所述区域识别模块对所述请求数据进行读取，确定所述请求数据的数据特征因子；
将所述请求数据输入至所述分布式数据库中，并基于所述数据特征因子在所述分布式数据库中确定识别节点；
根据所述识别节点将所述请求数据进行分段，获取若干个子识别数据段；
分别读取所述若干子识别数据段的段首标记字符与段尾标记字符，同时，基于所述段首标记字符与所述段尾标记字符确定网络子节点；
获取所述网络子节点之间的关联关系，并基于所述关联关系将所述网络子节点进行连接，同时，根据连接结果在所述分布式数据库中生成目标数据识别网络；
将所述若干子请求数据段映射到所述目标识别网络中，采用预设算法将所述若干子请求数据段进行分类；
在分类结果中抽取特征类型子请求数据段，生成样本子请求数据段，并将所述样本子请求数据段重新输入至所述目标识别网络中进行识别；
根据所述分布式数据库中将识别结果输出，并根据识别结果确定所述样本子请求数据段的特征参数，并基于所述样本子请求数据段的特征参数确定请求生成指令；
基于所述请求生成指令生成所述数据处理请求。
优选的，所述步骤五中，将请求数据通过执行处理器工作，包括：
基于所述执行处理系统读取所述数据处理请求，确定所述数据处理请求的请求类型；
根据所述数据处理请求的请求类型在所述执行处理系统中的预设数据库里匹配对所述数据处理请求进行验证的验证方式；
基于所述验证方式提取所述数据处理请求的待验证数据，并基于所述验证方式对所述待验证数据进行验证，基于验证结果生成反馈信息数据；
在目标参数文件中对所述反馈信息数据进行匹配，并基于匹配结果判断所述反馈信息数据中是否存在无效数据；
当所述反馈信息数据在所述目标参数中匹配有对应的参数，则判定所述反馈信息数据中不存在无效数据；
当所述反馈信息数据在所述目标参数中不匹配有对应的参数，则判定所述反馈信息中存在无效数据，并且基于所述无效数据对所述数据处理请求进行优化，获得目标数据处理请求；
基于所述目标数据处理请求确定对所述请求数据进行处理的处理任务；
获取所述处理任务的业务属性，并根据所述业务属性将所述处理任务进行第一划分，并基于第一划分结果生成子处理任务，同时，确定所述子处理任务的数据处理标识；
根据所述数据处理标识将所述请求数据进行第二划分，并基于第二划分结果生成所述子处理任务所对应的目标待处理数据，其中，所述目标待处理数据属于所述请求数据；
根据所述子处理任务以及所述子处理任务所对应的目标待处理在所述执行处理系统中分配分布式处理节点与综合节点；
同时，基于所述分布式处理节点分别基于所述子处理任务处理所述目标待处理数据，并获得子处理结果；
分别将所述子处理结果基于所述综合节点进行汇总并更新，并基于综合节点生成对所述请求数据进行处理的处理报告；
将所述处理报告根据所述数据处理标识进行加密，生成加密处理报告，并将所述加密处理报告传输至所述客户端服务器。
与现有技术相比，本发明提供了一种分布式数据处理方法及装置，具备以下有益效果：
1、本发明通过数据处理计算机内部的区域识别模块对用户端发送请求数据进行识别分辨，将识别后的数据与分布式数据库内部储存的数据进行对比，从而能够将用户端发送请求数据按照区域形式进行划分，在划分后的区域板块内进行数据处理，以此方式能够在对应区域的管理节点执行相应的进程，从而减少了管理节点的负荷，增加了对数据的处理效率；
2、本发明通过采用风险评估系统对数据处理请求进行风险评估计算，通过计算数据处理请求的具体风险系数范围，在用户端发送请求后，能够对用户端发送请求进行监测，处于在具体风险系数范围内的数据请求则能够进行后续处理，处于具体风险系数范围外的数据请求则直接筛出，以此方式能够防止恶意数据对分布式数据处理造成干扰；
3、本发明通过设置的退档处理模块，在数据分析模块对数据分析后，若传输数据存在异常情况时，通过退档处理模块将异常信息重新反馈至数据储存中转站，再通过数据储存中转转重新将临时储存的数据信息再次进行传输，以此方式使每次异常的数据信息以退档的形式重新进行传输，从而有效解决了需要用户端重新发出同样的指令循环处理的问题。
4、通过构建目标识别网络对请求数据进行精准的识别，从而确定特征参数，并根据特征参数准确生成请求生成指令，从而精准确定数据处理请求，有利于增加分布式数据处理的效率以及处理的准确性。
5、通过对数据处理请求进行识别验证，从而获得目标数据处理请求，有利于更加精准获取对请求数据进行处理的处理任务，从而通过对处理任务基于业务属性进行分类，有利于准确实现分布式数据处理，提高数据处理的精准性，并将处理报告进行加密，有利于分布式数据处理后客户数据的安全性，并增加了客户数据的隐私程度。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制，在附图中：
图1为本发明提出的一种分布式数据处理方法及装置的正面结构示意图；
图2为本发明提出的一种分布式数据处理方法及装置的主视图；
图3为本发明提出的一种分布式数据处理方法及装置的背面结构示意图；
图4为本发明提出的一种分布式数据处理方法及装置中区域识别模块的系统流程图；
图5为本发明提出的一种分布式数据处理方法及装置中请求反馈模块的系统流程图；
图6为本发明提出的一种分布式数据处理方法及装置中风险评估系统的系统流程图；
图7为本发明提出的一种分布式数据处理方法及装置中退档处理模块的系统流程图；
图8为本发明提出的一种分布式数据处理方法及装置中执行处理系统的系统流程图；
图9为本发明提出的一种分布式数据处理方法的流程图。
图中：1、数据处理装置本体；2、分屏显示器；3、状态显示灯；4、装置防护门；5、散热通风板；6、散热通风孔；7、数据连接插口；8、调节开关。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-8，本发明提供以下技术方案：一种分布式数据处理方法的装置，包括数据处理装置本体1和散热通风板5，数据处理装置本体1内部设置有数据处理计算机，数据处理装置本体1外表面设置有分屏显示器2，分屏显示器2下端设置有状态显示灯3和调节开关8，数据处理装置本体1外侧设置有装置防护门4，数据处理装置本体1外表面设置有散热通风板5。
本发明中，优选的，散热通风板5外表面设置有多个散热通风孔6，散热通风板5下端设置有多个数据连接插口7。
一种分布式数据处理方法，如图9所示，包括以下步骤：
步骤一：用户端发送请求，经数据转换模块将所述发送请求转化为数据格式，生成请求数据；
步骤二：通过区域识别模块在分布式数据库中对所述请求数据进行识别，生成数据处理请求；
步骤三：通过请求发送模块发送所述数据处理请求；
步骤四：通过风险评估模块对数据处理请求进行风险评估；
步骤五：执行处理系统基于评估结果将请求数据通过执行处理器工作；
步骤六：客户端服务器接收执行信息。
本发明中，优选的，步骤一中，将所述发送请求转化为数据格式时，用户端发送请求将以临时数据形式暂存在数据储存中转站中。
本发明中，优选的，步骤一中，临时储存的数据在传输时经过数据分析模块进行分析，若数据存在异常时则通过退档处理模块处理退档重新传输。
本发明中，优选的，步骤四中，由风险评估系统测得在数据传输k时刻的输入变量r(k)和输出变量y(k)，并基于所述输入变量r(k)和输出变量y(k)，计算在k时刻的输入变量r(k)和输出变量y(k)的差值；
Figure BDA0003609270480000091
其中，e(k)为k时刻的输入变量r(k)和输出变量y(k)的差值，且e(k)＝r(k)-y(k)；x1(k)、x2(k)、x3(k)表述为在数据传输k时刻中阶段性影响数值，e(k-1)为k-1时刻的输入变量r(k)和输出变量y(k)的差值，e(k-2)为k-2时刻的输入变量r(k)和输出变量y(k)的差值；
基于所述在k时刻的输入变量r(k)和输出变量y(k)的差值，计算所述数据处理请求的风险系数；
Figure BDA0003609270480000101
其中，u(k)为在k时刻所述数据处理请求的风险系数；φp、φq、φd为比例控制系数；k为当前时刻；j为初始时刻；u(k-1)表示在k-1时刻所述数据处理请求的风险系数；
计算风险系数阈值；
Figure BDA0003609270480000102
其中，式中KB为风险系数u(k)的最大值；KA为风险系数u(k)的最小值；B为e(k)的最大误差值；A为e(k)的最小误差值；
基于所述风险系数以及所述风险系数阈值，完成对所述数据处理请求的风险评估。
本发明中，优选的，基于所述风险系数阈值，计算u(k)的控制变量；
Figure BDA0003609270480000103
其中，ξu(k)表示在k时刻风险系数u(k)的控制变量；ξu(k-1)表示在k-1时刻风险系数u(k-1)的控制变量；i表示当前个变量影响因子；ωi(k)表示在k时刻当前个变量影响因子所对应的权重值；xi(k)表示在k时刻当前个变量影响因子所对应的变量增加值；
基于所述u(k)的控制变量改变风险系数，并基于改变结果实现对风险系数的控制。
通过实时误差e(k)的变化改变的风险系数K，使输出控制变量u(k)的值更具有准确性。
本发明中，优选的，步骤五中，，基于评估结果，并根据执行条件下的请求数据经执行处理系统控制执行处理器工作，最终将执行处理结果反馈至客户端服务器。
实施例一：
一种分布式数据处理方法及装置，包括数据处理装置本体1和散热通风板5，数据处理装置本体1内部设置有数据处理计算机，数据处理装置本体1外表面设置有分屏显示器2，分屏显示器2下端设置有状态显示灯3和调节开关8，数据处理装置本体1外侧设置有装置防护门4，数据处理装置本体1外表面设置有散热通风板5，散热通风板5外表面设置有多个散热通风孔6，散热通风板5下端设置有多个数据连接插口7，本发明通过数据处理计算机内部的区域识别模块对用户端发送请求数据进行识别分辨，将识别后的数据与分布式数据库内部储存的数据进行对比，从而能够将用户端发送请求数据按照区域形式进行划分，在划分后的区域板块内进行数据处理，以此方式能够在对应区域的管理节点执行相应的进程，从而减少了管理节点的负荷，增加了对数据的处理效率。
实施例二：
一种分布式数据处理方法及装置，包括数据处理装置本体1和散热通风板5，数据处理装置本体1内部设置有数据处理计算机，数据处理装置本体1外表面设置有分屏显示器2，分屏显示器2下端设置有状态显示灯3和调节开关8，数据处理装置本体1外侧设置有装置防护门4，数据处理装置本体1外表面设置有散热通风板5，散热通风板5外表面设置有多个散热通风孔6，散热通风板5下端设置有多个数据连接插口7，本发明通过数据处理计算机内部的区域识别模块对用户端发送请求数据进行识别分辨，将识别后的数据与分布式数据库内部储存的数据进行对比，从而能够将用户端发送请求数据按照区域形式进行划分，在划分后的区域板块内进行数据处理，以此方式能够在对应区域的管理节点执行相应的进程，从而减少了管理节点的负荷，增加了对数据的处理效率。
本发明中，优选的，用户端发送请求，经数据转换模块将发送请求转化为数据格式；通过区域识别模块在分布式数据库中对请求数据进行分辨识别；通过请求发送模块发送数据处理请求；通过风险评估系统对数据处理请求进行风险评估；执行处理系统将请求数据通过执行处理器工作；客户端服务器接收执行信息，在数据转换中，用户端发送请求将以临时数据形式暂存在数据储存中转站中，临时储存的数据在传输时经过数据分析模块进行分析，若数据存在异常时则通过退档处理模块处理退档重新传输，在数据分析模块对数据分析后，若传输数据存在异常情况时，通过退档处理模块将异常信息重新反馈至数据储存中转站，再通过数据储存中转转重新将临时储存的数据信息再次进行传输，以此方式使每次异常的数据信息以退档的形式重新进行传输，从而有效解决了需要用户端重新发出同样的指令循环处理的问题。
实施例三：
一种分布式数据处理方法及装置，包括数据处理装置本体1和散热通风板5，数据处理装置本体1内部设置有数据处理计算机，数据处理装置本体1外表面设置有分屏显示器2，分屏显示器2下端设置有状态显示灯3和调节开关8，数据处理装置本体1外侧设置有装置防护门4，数据处理装置本体1外表面设置有散热通风板5，散热通风板5外表面设置有多个散热通风孔6，散热通风板5下端设置有多个数据连接插口7，本发明通过数据处理计算机内部的区域识别模块对用户端发送请求数据进行识别分辨，将识别后的数据与分布式数据库内部储存的数据进行对比，从而能够将用户端发送请求数据按照区域形式进行划分，在划分后的区域板块内进行数据处理，以此方式能够在对应区域的管理节点执行相应的进程，从而减少了管理节点的负荷，增加了对数据的处理效率。
本发明中，优选的，用户端发送请求，经数据转换模块将发送请求转化为数据格式；通过区域识别模块在分布式数据库中对请求数据进行分辨识别；通过请求发送模块发送数据处理请求；通过风险评估系统对数据处理请求进行风险评估；执行处理系统将请求数据通过执行处理器工作；客户端服务器接收执行信息，在数据转换中，用户端发送请求将以临时数据形式暂存在数据储存中转站中，临时储存的数据在传输时经过数据分析模块进行分析，若数据存在异常时则通过退档处理模块处理退档重新传输，在数据分析模块对数据分析后，若传输数据存在异常情况时，通过退档处理模块将异常信息重新反馈至数据储存中转站，再通过数据储存中转转重新将临时储存的数据信息再次进行传输，以此方式使每次异常的数据信息以退档的形式重新进行传输，从而有效解决了需要用户端重新发出同样的指令循环处理的问题。
实施例四：
一种分布式数据处理方法及装置，包括数据处理装置本体1和散热通风板5，数据处理装置本体1内部设置有数据处理计算机，数据处理装置本体1外表面设置有分屏显示器2，分屏显示器2下端设置有状态显示灯3和调节开关8，数据处理装置本体1外侧设置有装置防护门4，数据处理装置本体1外表面设置有散热通风板5，散热通风板5外表面设置有多个散热通风孔6，散热通风板5下端设置有多个数据连接插口7，本发明通过数据处理计算机内部的区域识别模块对用户端发送请求数据进行识别分辨，将识别后的数据与分布式数据库内部储存的数据进行对比，从而能够将用户端发送请求数据按照区域形式进行划分，在划分后的区域板块内进行数据处理，以此方式能够在对应区域的管理节点执行相应的进程，从而减少了管理节点的负荷，增加了对数据的处理效率。
本发明中，优选的，用户端发送请求，经数据转换模块将发送请求转化为数据格式；通过区域识别模块在分布式数据库中对请求数据进行分辨识别；通过请求发送模块发送数据处理请求；通过风险评估系统对数据处理请求进行风险评估；执行处理系统将请求数据通过执行处理器工作；客户端服务器接收执行信息，在数据转换中，用户端发送请求将以临时数据形式暂存在数据储存中转站中，临时储存的数据在传输时经过数据分析模块进行分析，若数据存在异常时则通过退档处理模块处理退档重新传输，在数据分析模块对数据分析后，若传输数据存在异常情况时，通过退档处理模块将异常信息重新反馈至数据储存中转站，再通过数据储存中转转重新将临时储存的数据信息再次进行传输，以此方式使每次异常的数据信息以退档的形式重新进行传输，从而有效解决了需要用户端重新发出同样的指令循环处理的问题。
本发明中，优选的，步骤四中，在获取e(k)差值结果后，计算实际获取的风险系数依据公式
Figure BDA0003609270480000141
式中kI为积分控制系数；kP为比例控制系数；kD为微分控制系数，kp、kd为数据传输至P-d时刻时的变化数值，k为初始时刻，u为测定的风险系数，本发明通过采用风险评估系统对数据处理请求进行风险评估计算，通过计算数据处理请求的具体风险系数范围，在用户端发送请求后，能够对用户端发送请求进行监测，处于在具体风险系数范围内的数据请求则能够进行后续处理，处于具体风险系数范围外的数据请求则直接筛出，以此方式能够防止恶意数据对分布式数据处理造成干扰。
本发明中，优选的，步骤四中，由风险评估系统测得在数据传输k时刻的输入变量r(k)和输出变量，并计算依据公式
Figure BDA0003609270480000142
式中e(k)为k时刻的输入变量r(k)和输出变量y(k)的差值，x1、x2、x3表述为在数据传输k时刻中多个阶段性影响数值，再计算影响数据前，先根据以下计算公式计算e(k)的输入变量的数值结果：
e(k)＝r(k)-y(k)，公式中，r(k)为测定的输入变量，y(k)为测定的输出变量，通过实时误差e(k)的变化改变的风险系数K，使输出控制变量u(k)的值更具有准确性，本发明通过采用风险评估系统对数据处理请求进行风险评估计算，通过计算数据处理请求的具体风险系数范围，在用户端发送请求后，能够对用户端发送请求进行监测，处于在具体风险系数范围内的数据请求则能够进行后续处理，处于具体风险系数范围外的数据请求则直接筛出，以此方式能够防止恶意数据对分布式数据处理造成干扰。
实施例五：
本实施例提供了一种分布式数据处理方法，所述步骤二中，通过区域识别模块在分布式数据库中对所述请求数据进行识别，生成数据处理请求，包括：
基于所述区域识别模块对所述请求数据进行读取，确定所述请求数据的数据特征因子；
将所述请求数据输入至所述分布式数据库中，并基于所述数据特征因子在所述分布式数据库中确定识别节点；
根据所述识别节点将所述请求数据进行分段，获取若干个子识别数据段；
分别读取所述若干子识别数据段的段首标记字符与段尾标记字符，同时，基于所述段首标记字符与所述段尾标记字符确定网络子节点；
获取所述网络子节点之间的关联关系，并基于所述关联关系将所述网络子节点进行连接，同时，根据连接结果在所述分布式数据库中生成目标数据识别网络；
将所述若干子请求数据段映射到所述目标识别网络中，采用预设算法将所述若干子请求数据段进行分类；
在分类结果中抽取特征类型子请求数据段，生成样本子请求数据段，并将所述样本子请求数据段重新输入至所述目标识别网络中进行识别；
根据所述分布式数据库中将识别结果输出，并根据识别结果确定所述样本子请求数据段的特征参数，并基于所述样本子请求数据段的特征参数确定请求生成指令；
基于所述请求生成指令生成所述数据处理请求。
该实施例中，数据特征因子可以是用来表征请求数据的数据类型，数据属性等因子，从而可以准确确定分布式数据库中的识别节点。
该实施例中，识别节点是基于分布式数据库中存在的，用来对请求数据进行分段识别的。
该实施例中，网络子节点是根据子请求数据段的段首标记符与段位标记符确定，用来表征子请求数据段在目标数据识别网络中的构成节点。
该实施例中，关联关系例如可以是不同网络子节点的通讯网址等。
该实施例中，预设算法可以是聚类算法。
该实施例中，特征类型子请求数据段可以是基于分类结果，在每一类子请求数据段中提取一个子请求数据段作为样本子请求数据段。
该实施例中，特征参数可以是在子请求数据段中的标识参数，可以用来表征的对请求数据进行处理的需要。
该实施例中，请求生成指令是根据特征参数确定的，用来生成数据处理请求。
该实施例中，数据处理请求可以是用来对请求数据进行分布式处理的请求。
上述技术方案的有益效果是：通过构建目标识别网络对请求数据进行精准的识别，从而确定特征参数，并根据特征参数准确生成请求生成指令，从而精准确定数据处理请求，有利于增加分布式数据处理的效率以及处理的准确性。
实施例六：
本实施例提供了一种分布式数据处理方法，所述步骤五中，将请求数据通过执行处理器工作，包括：
基于所述执行处理系统读取所述数据处理请求，确定所述数据处理请求的请求类型；
根据所述数据处理请求的请求类型在所述执行处理系统中的预设数据库里匹配对所述数据处理请求进行验证的验证方式；
基于所述验证方式提取所述数据处理请求的待验证数据，并基于所述验证方式对所述待验证数据进行验证，基于验证结果生成反馈信息数据；
在目标参数文件中对所述反馈信息数据进行匹配，并基于匹配结果判断所述反馈信息数据中是否存在无效数据；
当所述反馈信息数据在所述目标参数中匹配有对应的参数，则判定所述反馈信息数据中不存在无效数据；
当所述反馈信息数据在所述目标参数中不匹配有对应的参数，则判定所述反馈信息中存在无效数据，并且基于所述无效数据对所述数据处理请求进行优化，获得目标数据处理请求；
基于所述目标数据处理请求确定对所述请求数据进行处理的处理任务；
获取所述处理任务的业务属性，并根据所述业务属性将所述处理任务进行第一划分，并基于第一划分结果生成子处理任务，同时，确定所述子处理任务的数据处理标识；
根据所述数据处理标识将所述请求数据进行第二划分，并基于第二划分结果生成所述子处理任务所对应的目标待处理数据，其中，所述目标待处理数据属于所述请求数据；
根据所述子处理任务以及所述子处理任务所对应的目标待处理在所述执行处理系统中分配分布式处理节点与综合节点；
同时，基于所述分布式处理节点分别基于所述子处理任务处理所述目标待处理数据，并获得子处理结果；
分别将所述子处理结果基于所述综合节点进行汇总并更新，并基于综合节点生成对所述请求数据进行处理的处理报告；
将所述处理报告根据所述数据处理标识进行加密，生成加密处理报告，并将所述加密处理报告传输至所述客户端服务器。
该实施例中，请求类型可以是基于数据处理请求需要执行的数据处理工作形式，如进行分布式数据处理。
该实施例中，验证方式可以是对数据处理请求进行识别验证的方式，用来判断数据处理请求中是否存在无效数据，从而影响对请求数据进行分布式处理的效率与准确度。
该实施例中，待验证数据是基于验证方式对数据处理请求进行提取后，需要验证的数据。
该实施例中，反馈信息数据可以是在对待验证数据进行验证后确定的反馈信息，反馈信息数据可以用二进制表示也可以用十六进制表示。
该实施例中，目标参数可以是用来对反馈信息数据进行匹配的参数，例如：当反馈信息数据为二进制数据，则目标参数中仅存在0、1两种参数，因此当反馈信息数据中存在与0、1以外的数据，则判定为无效数据。
该实施例中，无效数据即为与目标参数不对应匹配的数据
该实施例中，目标数据处理请求是在当存在无效数据时，对目标数据处理请求进行优化，确定的目标数据处理请求。
该实施例中，业务属性可以是处理任务中最终要处理的目的。
该实施例中，第一划分是将处理任务是根据业务属性进行划分，确定子处理任务。
该实施例中，子处理任务的数据处理标识可以是用来标记要处理的请求数据的种类。
该实施例中，第二划分是将请求数据根据数据处理标识进行划分，从而确定一个子处理任务对应一类请求数据。
该实施例中，分布式处理节点可以是一个子处理任务处理一类请求数据对应的处理节点。
该实施例中，综合节点是用来将每一个分布式处理节点处理好的数据进行汇总的节点。
该实施例中，在所述执行处理系统中分配分布式处理节点与综合节点后，还包括：
确定不同分布式处理节点之间的通信拓扑，并在所述通信拓扑结构中确定每一个分布式处理节点与所述汇总节点的通信链路；
在所述分布式处理节点对所述请求数据进行处理时，基于所述分布式处理节点以及所述每一个分布式处理节点与所述汇总节点的通信链路，计算所述分布式处理节点与所述汇总节点的相似度；
Figure BDA0003609270480000191
其中，D表示所述分布式处理节点与所述汇总节点的相似度；i表示当前个分布式处理节点；n表示所述分布式处理节点的总个数；mi表示当前个分布式处理节点对应的数据通信链路；j表示当前个分布式处理节点到所述汇总节点的当前条通信链路；qi,j表示当前个分布式处理节点在当前条通信链路中的数据处理传输状态；p(z)表示分布式处理节点所对应的概率密度函数；s(z)表示所述汇总节点的概率密度函数；
根据如下目标公式，对所述分布式处理节点与所述汇总节点的相似度进行分析，确定所述分布式处理节点与所述汇总节点在对所述请求数据进行处理工作过程中的隐私保护程度；
Figure BDA0003609270480000201
其中，β表示所述分布式处理节点与所述汇总节点在对所述请求数据进行处理工作过程中的隐私保护程度；DZ表示基准相似度；
基于所述目标公式，确定当β＝0时，则判定所述分布式处理节点与所述汇总节点在对所述请求数据进行处理工作过程中的隐私保护程度低；
当β＝1时，则判定所述分布式处理节点与所述汇总节点在对所述请求数据进行处理工作过程中的隐私保护程度高；
当所述所述分布式处理节点与所述汇总节点在对所述请求数据进行处理工作过程中的隐私保护程度低时，获取高斯噪声对所述分布式处理节点与所述汇总节点进行干扰，并基于干扰结果增加对所述请求数据进行处理工作过程中的隐私保护程度。
上述，当分布式处理节点与汇总节点的相似度越高时，则对于隐私攻击者来说更加难于区分数据处理的区别，从而对过户端发送的请求数据得到更好的保护，即分布式处理节点与汇总节点在对请求数据进行处理工作过程中的隐私保护程度越高。
上述基准相似度是提前设定好的，用来衡量分布式处理节点与汇总节点在对请求数据进行处理工作过程中的隐私保护程度的高低。
上述技术方案的有益效果是：通过对数据处理请求进行识别验证，从而获得目标数据处理请求，有利于更加精准获取对请求数据进行处理的处理任务，从而通过对处理任务基于业务属性进行分类，有利于准确实现分布式数据处理，提高数据处理的精准性，并将处理报告进行加密，有利于分布式数据处理后客户数据的安全性，并增加了客户数据的隐私程度。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.本发明提供了一种分布式数据处理方法，其特征在于：包括以下步骤：
步骤一：用户端发送请求，经数据转换模块将所述发送请求转化为数据格式，生成请求数据；
步骤二：通过区域识别模块在分布式数据库中对所述请求数据进行识别，生成数据处理请求；
步骤三：通过请求发送模块发送所述数据处理请求；
步骤四：通过风险评估模块对数据处理请求进行风险评估；
步骤五：执行处理系统基于评估结果将请求数据通过执行处理器工作；
步骤六：客户端服务器接收执行信息。
2.根据权利要求1所述的一种分布式数据处理方法，其特征在于，所述步骤一，包括：
将所述发送请求转化为数据格式时，用户端发送请求将以临时数据形式暂存在数据储存中转站中。
3.根据权利要求1所述的一种分布式数据处理方法，其特征在于：所述步骤一中，临时储存的数据在传输时经过数据分析模块进行分析，若数据存在异常时则通过退档处理模块处理退档重新传输。
4.根据权利要求1所述的一种分布式数据处理方法，其特征在于：所述步骤四中，包括：
由风险评估系统测得在数据传输k时刻的输入变量r(k)和输出变量y(k)，并基于所述输入变量r(k)和输出变量y(k)，计算在k时刻的输入变量r(k)和输出变量y(k)的差值；
Figure FDA0003609270470000011
其中，e(k)为k时刻的输入变量r(k)和输出变量y(k)的差值，且e(k)＝r(k)-y(k)；x1(k)、x2(k)、x3(k)表述为在数据传输k时刻中阶段性影响数值，e(k-1)为k-1时刻的输入变量r(k)和输出变量y(k)的差值，e(k-2)为k-2时刻的输入变量r(k)和输出变量y(k)的差值；
基于所述在k时刻的输入变量r(k)和输出变量y(k)的差值，计算所述数据处理请求的风险系数；
Figure FDA0003609270470000021
其中，u(k)为在k时刻所述数据处理请求的风险系数；φp、φq、φd为比例控制系数；k为当前时刻；j为初始时刻；u(k-1)表示在k-1时刻所述数据处理请求的风险系数；
计算风险系数阈值；
Figure FDA0003609270470000022
其中，式中KB为风险系数u(k)的最大值；KA为风险系数u(k)的最小值；B为e(k)的最大误差值；A为e(k)的最小误差值；
基于所述风险系数以及所述风险系数阈值，完成对所述数据处理请求的风险评估。
5.根据权利要求4所述的一种分布式数据处理方法，其特征在于，基于所述风险系数阈值，计算u(k)的控制变量；
Figure FDA0003609270470000023
其中，ξu(k)表示在k时刻风险系数u(k)的控制变量；ξu(k-1)表示在k-1时刻风险系数u(k-1)的控制变量；i表示当前个变量影响因子；ωi(k)表示在k时刻当前个变量影响因子所对应的权重值；xi(k)表示在k时刻当前个变量影响因子所对应的变量增加值；
基于所述u(k)的控制变量改变风险系数，并基于改变结果实现对风险系数的控制。
6.根据权利要求1所述的一种分布式数据处理方法，其特征在于：所述步骤五中，基于评估结果，并根据执行条件下的请求数据经执行处理系统控制执行处理器工作，最终将执行处理结果反馈至客户端服务器。
7.根据权利要求1所述的一种分布式数据处理方法，其特征在于，所述步骤二中，通过区域识别模块在分布式数据库中对所述请求数据进行识别，生成数据处理请求，包括：
基于所述区域识别模块对所述请求数据进行读取，确定所述请求数据的数据特征因子；
将所述请求数据输入至所述分布式数据库中，并基于所述数据特征因子在所述分布式数据库中确定识别节点；
根据所述识别节点将所述请求数据进行分段，获取若干个子识别数据段；
分别读取所述若干子识别数据段的段首标记字符与段尾标记字符，同时，基于所述段首标记字符与所述段尾标记字符确定网络子节点；
获取所述网络子节点之间的关联关系，并基于所述关联关系将所述网络子节点进行连接，同时，根据连接结果在所述分布式数据库中生成目标数据识别网络；
将所述若干子请求数据段映射到所述目标识别网络中，采用预设算法将所述若干子请求数据段进行分类；
在分类结果中抽取特征类型子请求数据段，生成样本子请求数据段，并将所述样本子请求数据段重新输入至所述目标识别网络中进行识别；
根据所述分布式数据库中将识别结果输出，并根据识别结果确定所述样本子请求数据段的特征参数，并基于所述样本子请求数据段的特征参数确定请求生成指令；
基于所述请求生成指令生成所述数据处理请求。
8.根据权利要求1所述的一种分布式数据处理方法，其特征在于，所述步骤五中，将请求数据通过执行处理器工作，包括：
基于所述执行处理系统读取所述数据处理请求，确定所述数据处理请求的请求类型；
根据所述数据处理请求的请求类型在所述执行处理系统中的预设数据库里匹配对所述数据处理请求进行验证的验证方式；
基于所述验证方式提取所述数据处理请求的待验证数据，并基于所述验证方式对所述待验证数据进行验证，基于验证结果生成反馈信息数据；
在目标参数文件中对所述反馈信息数据进行匹配，并基于匹配结果判断所述反馈信息数据中是否存在无效数据；
当所述反馈信息数据在所述目标参数中匹配有对应的参数，则判定所述反馈信息数据中不存在无效数据；
当所述反馈信息数据在所述目标参数中不匹配有对应的参数，则判定所述反馈信息中存在无效数据，并且基于所述无效数据对所述数据处理请求进行优化，获得目标数据处理请求；
基于所述目标数据处理请求确定对所述请求数据进行处理的处理任务；
获取所述处理任务的业务属性，并根据所述业务属性将所述处理任务进行第一划分，并基于第一划分结果生成子处理任务，同时，确定所述子处理任务的数据处理标识；
根据所述数据处理标识将所述请求数据进行第二划分，并基于第二划分结果生成所述子处理任务所对应的目标待处理数据，其中，所述目标待处理数据属于所述请求数据；
根据所述子处理任务以及所述子处理任务所对应的目标待处理在所述执行处理系统中分配分布式处理节点与综合节点；
同时，基于所述分布式处理节点分别基于所述子处理任务处理所述目标待处理数据，并获得子处理结果；
分别将所述子处理结果基于所述综合节点进行汇总并更新，并基于综合节点生成对所述请求数据进行处理的处理报告；
将所述处理报告根据所述数据处理标识进行加密，生成加密处理报告，并将所述加密处理报告传输至所述客户端服务器。
9.基于权利要求1-8任一所述的一种分布式数据处理方法的装置，其特征在于，包括：数据处理装置本体(1)和散热通风板(5)；
所述数据处理装置本体(1)内部设置有数据处理计算机，所述数据处理装置本体(1)外表面设置有分屏显示器(2)，所述分屏显示器(2)下端设置有状态显示灯(3)和调节开关(8)，所述数据处理装置本体(1)外侧设置有装置防护门(4)，所述数据处理装置本体(1)外表面设置有散热通风板(5)。
10.根据权利要求9所述的一种分布式数据处理方法的装置，其特征在于：所述散热通风板(5)外表面设置有多个散热通风孔(6)，所述散热通风板(5)下端设置有多个数据连接插口(7)。
CN202210428827.7A 2022-04-22 2022-04-22 一种分布式数据处理方法及装置 Active CN114969178B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210428827.7A CN114969178B (zh) 2022-04-22 2022-04-22 一种分布式数据处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210428827.7A CN114969178B (zh) 2022-04-22 2022-04-22 一种分布式数据处理方法及装置

Publications (2)

Publication Number Publication Date
CN114969178A true CN114969178A (zh) 2022-08-30
CN114969178B CN114969178B (zh) 2023-03-28

Family

ID=82979332

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210428827.7A Active CN114969178B (zh) 2022-04-22 2022-04-22 一种分布式数据处理方法及装置

Country Status (1)

Country Link
CN (1) CN114969178B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN207503137U (zh) * 2017-12-19 2018-06-15 杨淑珍 一种计算机机箱
CN109636607A (zh) * 2018-12-18 2019-04-16 平安科技（深圳）有限公司 基于模型部署的业务数据处理方法、装置和计算机设备
CN110555779A (zh) * 2019-07-25 2019-12-10 深圳壹账通智能科技有限公司 数据处理方法、装置、计算机设备和存储介质
CN111597160A (zh) * 2020-04-21 2020-08-28 中国人民财产保险股份有限公司 分布式数据库系统、分布式数据处理方法和装置
US20210133301A1 (en) * 2019-11-06 2021-05-06 Shuang Chen System and Method for Enhancing IT System Access Security with Smart Cloud Service
WO2021217986A1 (zh) * 2020-04-30 2021-11-04 平安科技（深圳）有限公司 分布式消息传输方法、装置、计算机设备及存储介质
CN113946862A (zh) * 2021-10-14 2022-01-18 中国平安财产保险股份有限公司 一种数据处理方法、装置、设备及可读存储介质
WO2022042301A1 (zh) * 2020-08-26 2022-03-03 腾讯科技（深圳）有限公司 一种数据处理方法、装置、智能设备及存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN207503137U (zh) * 2017-12-19 2018-06-15 杨淑珍 一种计算机机箱
CN109636607A (zh) * 2018-12-18 2019-04-16 平安科技（深圳）有限公司 基于模型部署的业务数据处理方法、装置和计算机设备
CN110555779A (zh) * 2019-07-25 2019-12-10 深圳壹账通智能科技有限公司 数据处理方法、装置、计算机设备和存储介质
US20210133301A1 (en) * 2019-11-06 2021-05-06 Shuang Chen System and Method for Enhancing IT System Access Security with Smart Cloud Service
CN111597160A (zh) * 2020-04-21 2020-08-28 中国人民财产保险股份有限公司 分布式数据库系统、分布式数据处理方法和装置
WO2021217986A1 (zh) * 2020-04-30 2021-11-04 平安科技（深圳）有限公司 分布式消息传输方法、装置、计算机设备及存储介质
WO2022042301A1 (zh) * 2020-08-26 2022-03-03 腾讯科技（深圳）有限公司 一种数据处理方法、装置、智能设备及存储介质
CN113946862A (zh) * 2021-10-14 2022-01-18 中国平安财产保险股份有限公司 一种数据处理方法、装置、设备及可读存储介质

Also Published As

Publication number Publication date
CN114969178B (zh) 2023-03-28

Similar Documents

Publication Publication Date Title
US11294744B2 (en) Ensemble risk assessment method for networked devices
US10884383B2 (en) Advanced control systems for machines
US20200211721A1 (en) METHOD AND APPARATUS FOR DETERMINING AN IDENTITY OF AN UNKNOWN INTERNET-OF-THINGS (IoT) DEVICE IN A COMMUNICATION NETWORK
CN112714093B (zh) 一种账号异常检测方法、装置、系统及存储介质
WO2021184995A1 (zh) 数据处理方法及数据标准管理系统
KR101831604B1 (ko) 데이터 전송 방법, 인증 방법 및 이를 수행하기 위한 서버
CN111444072B (zh) 客户端的异常识别方法、装置、计算机设备和存储介质
TW200849917A (en) Detecting method of network invasion
CN108632269A (zh) 基于c4.5决策树算法的分布式拒绝服务攻击检测方法
WO2022134911A1 (zh) 诊断方法、装置、终端及存储介质
KR102433831B1 (ko) 보안관제 의사결정 지원 시스템 및 방법
CN116723136B (zh) 应用fcm聚类算法的网络检测数据的方法
CN108718298A (zh) 一种恶意外连流量检测方法及装置
WO2022001924A1 (zh) 构建知识图谱的方法、装置及系统、计算机存储介质
CN113127904B (zh) 一种访问控制策略智能优化系统及方法
CN114969178B (zh) 一种分布式数据处理方法及装置
CN117834123B (zh) 基于加密数据的工业互联网设备安全状态预警方法
CN115174193B (zh) 基于ga算法的数据安全入侵检测方法、装置及设备
Sang et al. Toward IoT device fingerprinting from proprietary protocol traffic via key-blocks aware approach
US11601353B2 (en) Device identification apparatus and method based on network behavior
KR102665210B1 (ko) Xai 기반 클라우드 장치의 이상탐지 시스템 및 이상탐지 방법
CN114666282A (zh) 一种基于机器学习的5g流量识别方法及装置
CN112672301B (zh) 一种用于无线传感器的网络数据聚合方法
CN117938258B (zh) 一种光模块工作模式智能调节方法
CN114679386B (zh) 云边协同的物联网设备角色判定与管理方法、系统及装置

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
TA01 Transfer of patent application right

Effective date of registration: 20230308

Address after: Room 207, Building 7, Phase I, Golden Olive City, Erdao District, Changchun City, Jilin Province, 130031

Applicant after: Zhizhu Technology (Jilin Province) Co.,Ltd.

Address before: 510000 room 1809, No. 5, Huangpu East Road, Huangpu District, Guangzhou City, Guangdong Province (for office use only)

Applicant before: Guangzhou master Ming Information Service Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant