【技術(shù)實現(xiàn)步驟摘要】
本領(lǐng)域涉及云，尤其涉及一種數(shù)據(jù)檢測的方法、裝置、設(shè)備、計算機存儲介質(zhì)及計算機程序產(chǎn)品。
技術(shù)介紹
1、隨著信息時代的發(fā)展，用戶通常會將日常生活中的圖片、視頻或者文檔保存至云盤中。目前，存在部分用戶將攜帶違規(guī)信息的文件保存至云盤的現(xiàn)象，因此需要對云盤用戶進行監(jiān)控管理。
2、現(xiàn)有技術(shù)中，通常采用在路由器上配置包含黑名單條件的不可信區(qū)域的方式將用戶列入黑名單，即當(dāng)路由器轉(zhuǎn)發(fā)報文時從中獲取到滿足加入黑名單的特征信息，則將用戶列入黑名單并進行管理。但是仍然存在路由器轉(zhuǎn)發(fā)報文不滿足加入黑名單的特征信息的用戶具有違規(guī)行為的現(xiàn)象發(fā)生，導(dǎo)致識別違規(guī)用戶的準(zhǔn)確性不高。
技術(shù)實現(xiàn)思路
1、本公開實施例提供一種數(shù)據(jù)檢測的方法、裝置、設(shè)備、計算機存儲介質(zhì)及計算機程序產(chǎn)品，能夠提高識別違規(guī)用戶的準(zhǔn)確度。
2、第一方面，本公開實施例提供一種數(shù)據(jù)檢測的方法，方法包括：
3、獲取目標(biāo)用戶在預(yù)設(shè)周期內(nèi)對云盤進行目標(biāo)操作的目標(biāo)時間序列；
4、利用圖像識別算法識別目標(biāo)視頻圖像幀的目標(biāo)圖像信息，得到目標(biāo)幀識別結(jié)果序列，目標(biāo)視頻圖像幀基于目標(biāo)用戶在云盤保存的視頻數(shù)據(jù)和圖像數(shù)據(jù)得到；利用文字識別算法識別文字數(shù)據(jù)中的目標(biāo)文字信息，得到目標(biāo)文字識別序列，文字數(shù)據(jù)保存在目標(biāo)用戶的云盤中；
5、將目標(biāo)時間序列、目標(biāo)幀識別序列和目標(biāo)文字識別序列按照預(yù)設(shè)構(gòu)建順序構(gòu)建成用戶特征矩陣；
6、將用戶特征矩陣輸入目標(biāo)模型，利用目標(biāo)模型對用戶特征矩陣的特征數(shù)據(jù)與對應(yīng)的預(yù)設(shè)權(quán)重相
7、在一個可以實現(xiàn)的實施方式中，基于歷史目標(biāo)時間序列、歷史目標(biāo)幀識別序列和歷史目標(biāo)文字識別序列按照預(yù)設(shè)構(gòu)建順序構(gòu)建成訓(xùn)練特征矩陣；
8、確定訓(xùn)練特征矩陣對應(yīng)的標(biāo)簽信息；
9、基于訓(xùn)練特征矩陣和標(biāo)簽信息，利用訓(xùn)練特征矩陣以及標(biāo)簽信息與適應(yīng)度的對應(yīng)關(guān)系，確定多個目標(biāo)適應(yīng)度，并從目標(biāo)適應(yīng)度中選取值最大的目標(biāo)適應(yīng)度對應(yīng)的參數(shù)作為初始模型的目標(biāo)參數(shù)，得到目標(biāo)模型。
10、在一個可以實現(xiàn)的實施方式中，基于訓(xùn)練特征矩陣和標(biāo)簽信息，利用訓(xùn)練特征矩陣以及標(biāo)簽信息與適應(yīng)度的對應(yīng)關(guān)系，確定多個目標(biāo)適應(yīng)度，并從目標(biāo)適應(yīng)度中選取值最大的目標(biāo)適應(yīng)度對應(yīng)的參數(shù)作為初始模型的目標(biāo)參數(shù)，得到目標(biāo)模型，包括：
11、獲取多個搜尋個體，搜尋個體表示與初始模型對應(yīng)的一組參數(shù)集合；
12、基于訓(xùn)練特征矩陣和標(biāo)簽信息，確定誤差函數(shù)值；
13、基于誤差函數(shù)值，根據(jù)適應(yīng)度與誤差函數(shù)值的對應(yīng)關(guān)系確定多個搜尋個體的適應(yīng)度，得到多個適應(yīng)度，適應(yīng)度表征搜尋個體的優(yōu)劣；
14、從多個適應(yīng)度中選取值最大的適應(yīng)度作為全局最優(yōu)值；
15、根據(jù)多個搜尋個體對應(yīng)的種群分散度與適應(yīng)度的對應(yīng)關(guān)系，更新多個適應(yīng)度，得到多個第一更新搜尋個體的目標(biāo)適應(yīng)度；
16、在檢測到迭代次數(shù)大于或等于預(yù)設(shè)迭代閾值時，從多個第一更新搜尋個體的目標(biāo)適應(yīng)度中選取值最大的目標(biāo)適應(yīng)度作為目標(biāo)全局最優(yōu)值；
17、將目標(biāo)全局最優(yōu)值對應(yīng)的參數(shù)作為目標(biāo)參數(shù)，得到目標(biāo)模型。
18、在一個可以實現(xiàn)的實施方式中，獲取多個搜尋個體，包括：
19、獲取初始模型的候選參數(shù)對應(yīng)的上限閾值和下限閾值；
20、根據(jù)候選參數(shù)對應(yīng)的上限閾值和下限閾值，獲取多個包括隨機生成參數(shù)的搜尋個體，隨機生成參數(shù)的數(shù)值大于或等于下限閾值，且隨機生成參數(shù)的數(shù)值小于或等于上限閾值。
21、在一個可以實現(xiàn)的實施方式中，根據(jù)多個搜尋個體對應(yīng)的種群分散度與適應(yīng)度的對應(yīng)關(guān)系，更新多個適應(yīng)度，得到多個第一更新搜尋個體的目標(biāo)適應(yīng)度，包括：
22、基于多個適應(yīng)度，利用適應(yīng)度與鄰域搜索值的對應(yīng)關(guān)系確定多個搜尋個體的鄰域搜索值；
23、基于全局最優(yōu)值和多個搜尋個體的鄰域搜索值，利用鄰域搜索值與交叉值的對應(yīng)關(guān)系確定多個搜尋個體的鄰域搜索值對應(yīng)的交叉值；
24、基于生成的隨機數(shù)與預(yù)設(shè)交叉概率的第一比較結(jié)果，選取與第一比較結(jié)果對應(yīng)的交叉值或鄰域搜索值替換多個搜尋個體的適應(yīng)度，得到多個第二更新搜尋個體的適應(yīng)度；
25、分別比較多個第二更新搜尋個體中每個第二更新搜尋個體的適應(yīng)度與每個第二更新搜尋個體的反向?qū)W習(xí)值，并選取值較大的一項替換多個第二更新搜尋個體中每個第二更新搜尋個體的適應(yīng)度，得到多個第三更新搜尋個體的適應(yīng)度；
26、基于多個第三更新搜尋個體的適應(yīng)度，根據(jù)適應(yīng)度與種群分散度的對應(yīng)關(guān)系確定多個第三更新搜尋個體對應(yīng)的種群分散度；
27、基于種群分散度，利用精細搜索值與適應(yīng)度的對應(yīng)關(guān)系或利用隨機搜索值與適應(yīng)度的對應(yīng)關(guān)系，對應(yīng)更新多個第三更新搜尋個體的適應(yīng)度，得到多個第一更新搜尋個體的目標(biāo)適應(yīng)度。
28、在一個可以實現(xiàn)的實施方式中，基于生成的隨機數(shù)與預(yù)設(shè)交叉概率的第一比較結(jié)果，選取與第一比較結(jié)果對應(yīng)的交叉值或鄰域搜索值替換多個搜尋個體的適應(yīng)度，得到多個第二更新搜尋個體的適應(yīng)度，包括：
29、比較預(yù)設(shè)交叉概率和生成的隨機數(shù)，得到第一比較結(jié)果；
30、在第一比較結(jié)果表征生成的隨機數(shù)小于交叉概率的情況下，利用鄰域搜索值替換對應(yīng)的搜索個體的適應(yīng)度，得到第二更新搜尋個體的適應(yīng)度；
31、在第一比較結(jié)果表征生成的隨機數(shù)大于或等于交叉概率的情況下，利用交叉值替換對應(yīng)的搜索個體的適應(yīng)度，得到第二更新搜尋個體的適應(yīng)度。
32、在一個可以實現(xiàn)的實施方式中，分別比較多個第二更新搜尋個體中每個第二更新搜尋個體的適應(yīng)度與每個第二更新搜尋個體的反向?qū)W習(xí)值，并選取值較大的一項更新多個第二更新搜尋個體中每個第二更新搜尋個體的適應(yīng)度，得到多個第三更新搜尋個體的適應(yīng)度，包括：
33、確定多個第二更新搜尋個體中每個第二更新搜尋個體的反向?qū)W習(xí)值；
34、比較多個第二更新搜尋個體中每個第二更新搜尋個體的適應(yīng)度和每個第二更新搜尋個體的反向?qū)W習(xí)值，得到第二比較結(jié)果；
35、若第二比較結(jié)果表征第二更新搜尋個體的反向?qū)W習(xí)值大于第二更新搜尋個體的適應(yīng)度，則將第二更新搜尋個體的反向?qū)W習(xí)值替換第二更新搜尋個體的適應(yīng)度，得到第三更新搜尋個體的適應(yīng)度。
36、在一個可以實現(xiàn)的實施方式中，基于種群分散度，利用精細搜索值與適應(yīng)度的對應(yīng)關(guān)系或利用隨機搜索值與適應(yīng)度的對應(yīng)關(guān)系，對應(yīng)更新多個第三更新搜尋個體的適應(yīng)度，得到多個第一更新搜尋個體的目標(biāo)適應(yīng)度，包括：
37、基于多個第三更新搜尋個體的適應(yīng)度，利用適應(yīng)度與適應(yīng)度選擇概率的對應(yīng)關(guān)系，確定適應(yīng)度選擇概率；
38、在種群分散度小于適應(yīng)度選擇概率的情況下，基于第三更新搜尋個體的適應(yīng)度，利用精細搜索值與適應(yīng)度的對應(yīng)關(guān)系確定第三更新搜尋個體對應(yīng)的精細搜索值，并利用精細搜索值替換第三更新搜尋個體的適應(yīng)度，得到第一更新搜尋個體的目標(biāo)適應(yīng)度；
39、在種群分散度大于或等于適應(yīng)度選擇概率的情況本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種數(shù)據(jù)檢測的方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述獲取目標(biāo)用戶在預(yù)設(shè)周期內(nèi)對云盤進行目標(biāo)操作的目標(biāo)時間序列之前，所述方法還包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于所述訓(xùn)練特征矩陣和所述標(biāo)簽信息，利用訓(xùn)練特征矩陣以及所述標(biāo)簽信息與適應(yīng)度的對應(yīng)關(guān)系，確定多個目標(biāo)適應(yīng)度，并從所述目標(biāo)適應(yīng)度中選取值最大的目標(biāo)適應(yīng)度對應(yīng)的參數(shù)作為初始模型的目標(biāo)參數(shù)，得到所述目標(biāo)模型，包括：
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述獲取多個搜尋個體，包括：
5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)多個搜尋個體對應(yīng)的種群分散度與適應(yīng)度的對應(yīng)關(guān)系，更新所述多個適應(yīng)度，得到多個第一更新搜尋個體的目標(biāo)適應(yīng)度，包括：
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述基于生成的隨機數(shù)與預(yù)設(shè)交叉概率的第一比較結(jié)果，選取與所述第一比較結(jié)果對應(yīng)的所述交叉值或所述鄰域搜索值替換所述多個搜尋個體的適應(yīng)度，得到多個第二更新搜尋個體的適應(yīng)度，包括：
7.根據(jù)權(quán)利要求5所述的方法，其特征在于
8.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述基于所述種群分散度，利用精細搜索值與適應(yīng)度的對應(yīng)關(guān)系或利用隨機搜索值與適應(yīng)度的對應(yīng)關(guān)系，對應(yīng)更新所述多個第三更新搜尋個體的適應(yīng)度，得到所述多個第一更新搜尋個體的目標(biāo)適應(yīng)度，包括：
9.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述利用圖像識別算法識別目標(biāo)視頻圖像幀的目標(biāo)圖像信息，得到目標(biāo)幀識別結(jié)果序列之前，所述方法還包括：
10.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述文字識別算法包括敏感詞識別算法，所述目標(biāo)文字信息包括敏感詞信息。
...【技術(shù)特征摘要】
1.一種數(shù)據(jù)檢測的方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述獲取目標(biāo)用戶在預(yù)設(shè)周期內(nèi)對云盤進行目標(biāo)操作的目標(biāo)時間序列之前，所述方法還包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于所述訓(xùn)練特征矩陣和所述標(biāo)簽信息，利用訓(xùn)練特征矩陣以及所述標(biāo)簽信息與適應(yīng)度的對應(yīng)關(guān)系，確定多個目標(biāo)適應(yīng)度，并從所述目標(biāo)適應(yīng)度中選取值最大的目標(biāo)適應(yīng)度對應(yīng)的參數(shù)作為初始模型的目標(biāo)參數(shù)，得到所述目標(biāo)模型，包括：
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述獲取多個搜尋個體，包括：
5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)多個搜尋個體對應(yīng)的種群分散度與適應(yīng)度的對應(yīng)關(guān)系，更新所述多個適應(yīng)度，得到多個第一更新搜尋個體的目標(biāo)適應(yīng)度，包括：
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述基于生成的隨機數(shù)與預(yù)設(shè)交叉概率的第一比較結(jié)果，選取與所述第一比較結(jié)果對應(yīng)的所述交叉值或所述鄰域搜索...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：黎偉健，李小青，蔡茂貞，王宜，歐陽楚旭，周澤宇，王輝，伍志鋒，冼升然，田德，
申請(專利權(quán))人：中移互聯(lián)網(wǎng)有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。