[发明专利]面向云边端的智能结构化数据方法、系统和介质

说明书

本发明公开了一种面向云边端的智能结构化数据方法、系统和介质，包括下述步骤：对智能终端计算任务进行特征提取，所述特征包括：计算任务的可并行性、计算任务的依赖性、计算与任务判断分支的比值、边缘节点当前的网络传输能力以及计算任务的数据类型与当前边缘节点的异构计算资源的适应度；设计hyper‑neat网络g，hyper‑neat网络g定期训练于边缘节点，运行于智能终端；边缘节点向云端传输数据、日志、优质的hyper‑neat网络RNA的种子；云端对从智能终端产生的非结构化数据进行分析、建立、补齐知识体系。本发明能够对智能终端收集到非结构化数据进行结构化，让边缘服务器的异构计算充分发挥其计算特点，加快计算速度。

技术领域

本发明属于网络安全的技术领域，具体涉及一种面向云边端的智能结构化数据方法、系统和介质。

背景技术

目前由于5G技术的迅速发展、物联网产品的普及、各种应用对云计算能力的要求不断的增加，“云端二体协同”的基本技术组合形态已经开始变得无法满足多样化智能终端“大连接，低时延，大带宽，本地化”的需求。

随着模仿人类脑部与局部神经细胞协同关系出现的“边缘计算”技术，云计算将会翻到下一个篇章——在更靠近终端的边缘网络上提供服务。物联网时代各种各样智能终端的兴起，犹如人类的“眼睛”一般，他们部署着大量的摄像头、传感器、测量仪等设备收集着海量数据，同时也伴随着各式各样的异构计算任务。

然而，在目前的云边端协同一体化的结构中，对于如何处理，从智能终端收集到的各种非结构化的异构计算任务，例如视频处理、文档处理、图片处理、HTML处理等等的问题，变得难以解决。如何最大效率的利用边缘计算节点有限的服务器资源，处理来自终端的大量非结构化的异构计算任务和数据，成为了最大的难题之一。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种面向云边端的智能结构化数据方法、系统和介质，能够对智能终端收集到非结构化数据进行结构化，让边缘服务器的异构计算充分发挥其计算特点，加快计算速度。

为了达到上述目的，本发明采用以下技术方案：

本发明一方面提出了一种面向云边端的智能结构化数据方法，包括下述步骤：

对智能终端计算任务进行特征提取，所述特征包括：计算任务的可并行性、计算任务的依赖性、计算与任务判断分支的比值、边缘节点当前的网络传输能力以及计算任务的数据类型与当前边缘节点的异构计算资源的适应度；

设计hyper-neat网络g，hyper-neat网络g定期训练于边缘节点，运行于智能终端；智能终端计算任务X提取的5种x₁,2,3,4,5,加上最后一个偏执节点作为网络的输入；输出节点y₁,2,……,_n来源于云端定期收集各个边缘节点数据后分析返回而来；设置隐藏节点、输出节点、输出节点的激活函数、隐藏节点的激励函数、隐藏层数量、RNA的种子；

边缘节点向云端传输数据、日志、优质的hyper-neat网络RNA的种子；

云端对从智能终端产生的非结构化数据进行分析、建立、补齐知识体系，对hyper-neat的个别参数，特别是输出节点进行调整，定期选出最优分类类别策略，制定每一个类别的知识图谱，对应训练语料信息，用于对每个类别的非结构化数据进行特定的信息抽取规则和特征提取，之后云端将分析结果反馈给各个边缘节点，根据不同种类的计算任务，执行指定特定的任务卸载的策略,包括根据分类对计算任务进行信息补齐。

优先的，所述计算任务的可并行性具体为：

对程序的循环结构进行分析与评分；

数据流的相关性进行分析与评分；

数据的反相关性进行分析和评分；

计算的输出相关性进行分析和评分；