[发明专利]基于人工智能的数据备份方法、系统及云平台

说明书

本申请提供的基于人工智能的数据备份方法、系统及云平台，通过根据数据描述内容配置关键特征，利用神经网络训练模型构建关键描述内容，根据筛选互动指标，利用神经网络训练模型控制关键标识在匹配轨迹上加载程序时，在判断到关键标识沿匹配轨迹运动至目标文件夹的过程中，匹配目标关键运动方向与关键标识发生数据备份时，控制关键标识进行数据备份，以在数据过程中，有效规避因关键标识与其他设备控制的关键标识进行数据备份而使数据路径相互影响，进而规避因数据路径相互影响而导致设备存储错误的情况，从而提升了设备的相关数据存储的完整性。

技术领域

本申请涉及人工智能及数据备份技术领域，具体而言，涉及基于人工智能的数据备份方法、系统及云平台。

背景技术

随着科技不断的发展，据备份是是指为防止系统出现操作失误或系统故障导致数据丢失，而将全部或部分数据集合从应用主机的硬盘或阵列复制到其它的存储介质的过程。这样就有效地提高了数据的精度，再提取相关数据时，就不会相关数据不精确的问题。然而，在相关数据备份的过程中还存在一些缺陷。

发明内容

鉴于此，本申请提供了基于人工智能的数据备份方法、系统及云平台。

第一方面，提供一种基于人工智能的数据备份方法，包括：

根据数据描述内容配置关键特征，利用神经网络训练模型构建关键描述内容；

根据筛选互动指标，利用神经网络训练模型控制关键标识在匹配轨迹上加载程序；

判断所述关键标识沿匹配轨迹运动至目标文件夹的过程中，是否匹配目标关键运动方向与所述关键标识发生数据备份；

当判断匹配时，控制所述关键标识进行数据备份。

进一步地，所述判断所述关键标识沿匹配轨迹运动至目标文件夹的过程中，是否匹配目标关键运动方向与所述关键标识发生数据备份，包括：

获取在所述关键标识的匹配轨迹上加载程序时的文件夹和训练模型，以及所述关键描述内容中的关键运动方向的文件夹和训练模型；

根据所述关键标识在匹配轨迹上加载程序时的文件夹和训练模型以及所述关键运动方向的文件夹和训练模型，判断所述关键标识沿匹配轨迹运动至目标文件夹的过程中，是否匹配目标关键运动方向与所述关键标识发生数据备份。

进一步地，所述根据所述关键标识在匹配轨迹上加载程序时的文件夹和训练模型以及所述关键运动方向的文件夹和训练模型，判断所述关键标识沿匹配轨迹运动至目标文件夹的过程中，是否匹配目标关键运动方向与所述关键标识发生数据备份，包括：

根据所述关键标识的文件夹和各所述关键运动方向的文件夹，确认是否匹配到所述关键标识的特征向量关联特征向量系数的关键运动方向；

在确认匹配时，基于所述关键标识的文件夹和训练模型以及到所述关键标识的特征向量关联特征向量系数的关键运动方向的文件夹和训练模型，利用数据备份检测网络，判断所述关键标识沿匹配轨迹运动至目标文件夹的过程中，是否匹配目标关键运动方向与所述关键标识发生数据备份。

进一步地，所述控制所述关键标识进行数据备份，包括：

根据所述关键标识的文件夹和训练模型以及所述目标关键运动方向的文件夹和训练模型，利用数据备份规避网络进行计算得到所述关键标识的目标训练模型，并控制所述关键标识按照所述目标训练模型运动以进行数据备份。

进一步地，在所述筛选互动指标包括与所述关键标识对应的匹配指示时，根据筛选互动指标，利用神经网络训练模型控制关键标识在匹配轨迹上加载程序，包括：

根据与所述关键标识对应的匹配指示，得到所述关键标识的初始文件夹和目标文件夹；

获取所述关键描述内容中误差数据的文件夹关键特征；

根据所述误差数据的文件夹关键特征以及所述关键标识的初始文件夹和目标文件夹得到所述关键标识的匹配轨迹；控制所述关键标识在所述匹配轨迹上加载程序。