[发明专利]一种多智能体的集成数据的监控方法及云服务器

说明书

本申请提供的一种多智能体的集成数据的监控方法及云服务器，通过两种不同分类的样本集成环境来强化学习得到目标特征训练模型，后续接收到智能数据监控指示时，通过目标特征训练模型来处理待选智能数据集合中第一分类智能数据的状态数据，根据目标特征训练模型得到的第一分类智能数据的监控范围参数以及待选智能数据集合中第二分类智能数据的监控范围参数选择出的目标智能数据，对一个智能数据监控指示，通过一个强化学习得到的特征训练模型，从两种不同分类的智能数据中选择一个智能数据作为目标智能数据进行监控，实现对两种分类智能数据的混合控制，使得系统中的智能数据监控位置能够得到完整的监控，提高智能数据监控的模型计算的准确率。

技术领域

本申请涉及数据监控技术领域，具体而言，涉及一种多智能体的集成数据的监控方法及云服务器。

背景技术

随着信息技术的不断发展，信息作为一种重要的资源，其安全的授权到了越来越多的关注，对信息资源的管理和安全的监控是一个重要的方向。涉及到国家、企事业单位以及个人秘密的敏感信息，这样就会为国家、企事业单位以及个人信息泄露的麻烦。因此需要对集成数据进行严格的监控，然而，在相关集成数据的监控技术中还存在一些缺陷。

发明内容

鉴于此，本申请提供了一种多智能体的集成数据的监控方法及云服务器。

第一方面，提供一种多智能体的集成数据的监控方法，所述方法包括：

获取智能数据监控指示，所述智能数据监控指示用于指示在指定的智能数据监控范围上监控智能数据；

获取所述智能数据监控指示的待选智能数据集合，所述待选智能数据集合中包含第一分类智能数据和第二分类智能数据；其中，所述第一分类智能数据是具有监控频率标准的智能数据，所述第二分类智能数据是通过实时采集的监控数据中筛选监控位置的智能数据；

获取所述智能数据监控指示的待选智能数据集合中的各个智能数据的监控范围参数；

所述监控范围参数用于指示对应的智能数据被发送至所述指定的智能数据监控范围进行监控的系数；其中，所述第一分类智能数据的所述监控范围参数，是通过目标特征训练模型对所述第一分类智能数据的状态数据进行处理后得到的；所述目标特征训练模型是通过对样本集成环境进行强化学习搜索得到的，所述样本集成环境是由至少两个参考智能数据监控指示的待选智能数据集合中的智能数据组成的；

基于所述各个智能数据的监控范围参数获取目标智能数据；

将所述目标智能数据发送至所述指定的智能数据监控范围进行监控。

进一步地，所述状态数据包括智能数据组数据、全局数据和监控角度特征数据中的至少一种；所述智能数据组数据包括：

对应的智能数据的标签、对应的智能数据监控范围的标签、对应的智能数据的已监控量、对应的智能数据的监控量标准、对应的智能数据的监控范围、以及对应的智能数据的监控量上限中的至少一种；

所述全局数据包括：系统中的所述第一分类智能数据的全局折损率、系统中的所述第一分类智能数据的平均损耗率、系统中的所述第二分类智能数据的平均损耗率、以及系统中的所述第二分类智能数据的平均实时采集的监控数据中的至少一种；

所述监控角度特征包括：对应的智能数据监控指示关联的范围数据、对应的智能数据监控指示关联的坐标数据、以及对应的智能数据监控指示关联的集成数据中的至少一种。

进一步地，所述获取智能数据监控指示之前，还包括：

获取所述参考智能数据监控指示的待选智能数据集合中的各个指定样本智能数据的状态数据；

所述指定样本智能数据是所述参考智能数据监控指示的待选智能数据集合中的所述第一分类智能数据；