自适应多代理协作计算与推断制造技术

在第一设备中，响应于事件输入，使用处理器和存储器来计算与所述事件输入对应的本地分类和本地分类置信度。在第一设备处，响应于广播请求，接收与所述事件输入对应的远程分类和远程分类置信度，所述远程分类和所述远程分类置信度在第二设备处计算。在第一设备处，形成共识分类，如果包括来自所有接收的远程分类和本地分类的集合的最频繁分类的分类数量超过阈值，则所述共识分类包括所述最频繁分类。响应于与共识分类对应的共识分类置信度超过置信阈值，更新本地分类模型。基于本地分类和共识分类，将事件输入分配给一分类。

Adaptive multi-agent collaborative computing and inference

【技术实现步骤摘要】
自适应多代理协作计算与推断政府权利本专利技术是在国防高级研究计划局的微系统技术办公室(MTO)授予的HR0011-13-C-0022下靠政府支持完成的。政府对本专利技术享有一定的权利。
本专利技术一般涉及用于解决智能问题的方法、系统和计算机程序产品。更具体地，本专利技术涉及用于采用现场学习的自适应多代理协作计算和统计推断的方法、系统和计算机程序产品。
技术介绍
集群智能(SI)——分散的自组织系统的集体行为，自然或人工的——是相对周知的。典型的SI系统包括简单单元(或代理)的群体——软件-硬件设备的设备或实例，简单单元(或代理)在本地彼此进行交互并且与其环境进行交互。(代理是软件-硬件设备或计算单元。术语“代理”、“单元”和“设备”在本文中可互换使用。)这些代理遵循简单的规则，尽管没有集中式控制结构来指示个体代理应当如何表现，但是，在这种单元之间的本地且在某种程度上随机的交互导致出现个体单元不知道的“智能”全局行为。“厂内”编程是指当相关联的应用被安装或者设备固件或软件被编程时，将一组规则或行为编程到代理或设备中。每个代理或设备接收同一组规则或行为，并且这些规则或行为只能通过更新相应的软件来更改。相比之下，“现场”编程是指一组规则或行为一旦被编程就可以继续更改以适应新环境。传统的SI受到基本的限制：集群行为被严格限定在厂内编程——预先定义的管理每个个体的一组简单规则。规则一旦被定义，则被固定，直到实施这些规则的软件更新为止。机器学习也是众所周知的，并且被频繁地用于解决分类(或推断)问题。在分类中，输出被划分为两个或更多类别，学习者必须产生将输入分配给这些类别中的一个或多个的模型。这通常以管理的方式来处理，模型首先在正确的分类上进行训练，然后如厂内编程那样迁移到个体实例。然后，每个实例在需要分类的字段数据上使用该模型的副本。
技术实现思路
示例性实施例提供了方法、系统和计算机程序产品。实施例包括一种方法：在第一设备中，响应于事件输入，使用处理器和存储器计算与事件输入对应的本地分类和本地分类置信度。实施例在第一设备处，响应于广播请求，接收与事件输入对应的远程分类和远程分类置信度，该远程分类和远程分类置信度在第二设备处计算。实施例在第一设备处形成共识分类，如果包括来自所有接收的远程分类和本地分类的集合的最频繁分类的分类数量超过阈值，则共识分类包括最频繁分类。实施例响应于与共识分类对应的共识分类置信度超过置信阈值，更新本地分类模型。实施例基于本地分类和所述共识分类，将事件输入分配给一分类。实施例包括一种计算机可用程序产品。该计算机可用程序产品包括一个或多个计算机可读存储设备，以及在一个或多个存储设备中的至少一个上存储的程序指令。实施例包括一种计算机系统。该计算机系统包括一个或多个处理器，一个或多个计算机可读存储器，一个或多个计算机可读存储设备，以及在一个或多个存储设备中的至少一个上存储的程序指令，所述程序指令用于由一个或多个处理器中的至少一个经由一个或多个存储器中的至少一个来执行。附图说明被认为是本专利技术的特性的新颖的特征在所附的权利要求中进行了陈述。然而，在结合附图阅读时，通过参考下文中对说明性实施例的详细描述，本专利技术本身以及优选的使用模式、进一步的目的和优点将被更好地理解，在附图中：图1描绘了在其中可以实现说明性实施例的数据处理系统的网络的框图；图2描绘了在其中可以实现说明性实施例的数据处理系统的框图；图3描绘了根据说明性实施例的用于自适应多设备协作分类的示例配置的框图；图4描绘了根据图3中描绘的示例配置的自适应多设备协作分类中的事件序列图；图5描绘了根据说明性实施例的用于自适应多设备协作分类的示例应用的流程图；以及图6描绘了示出图5中的框的更多细节的流程图。具体实施方式尽管SI设备是灵活的，但是管理每个设备的行为的规则是预定义且相对简单的。说明性实施例认识到这些类型的规则不能被快速调整以适应在外部世界遇到的环境变化，并且也不足以应对需要实时或接近实时适应的意外情况——如周围环境的突然(意外)变化、故障或需要匆忙学习新任务。机器学习分类器可以从经验中学习，但也不能很好地应对现场数据模式的突然变化，这样的变化与厂内训练期间使用的数据集合明显不同。两个示例说明了这些情况，一个涉及自动驾驶车辆，而另一个涉及网络安全领域。自动驾驶车辆必须识别对象并相应地做出反应。例如，自动驾驶汽车或卡车必须识别停车标志，并在适当位置停车，然后在安全的情况下继续行驶。然而，当在能见度降低(例如，在雨中或雾中)期间操作时，或者在面对汽车尚未进行过训练的对象(例如，具有不同颜色或形状的停车标志、或采用不同语言的文本)时，或者当呈现变形的对象(例如，变形的停车标志、破损的或局部标志、或污损的标志)时，这种识别变得具有挑战性。因此，需要一种自适应的分类解决方案，以实时适应不断变化的诸如对象环境之类的环境。在网络安全领域，必须保护网络免受分布式拒绝服务(DDoS)攻击，在这种攻击中，攻击者通过暂时或无限期地中断连接到网络的主机的服务来寻求使网络资源对于其预期用户不可用。拒绝服务通常通过向目标资源充斥多余的请求以试图使系统过载并阻止合法请求得到满足来实现。虽然“分布式”意味着攻击来自多个来源，但DDoS流量通常来自有限的一组IP地址。相反，当网络在繁忙时段充斥合法消息时，网络应该欢迎所谓的“突发访问”。例如，网络星期一，即在美国感恩节假期后的星期一，在许多热门网站上的特售价的帮助下通常是美国在线交易非常繁重的一天。对在世界上某个地方的意外或始料不及的事件的群众响应也可能以类似的方式触发大量的合法消息。说明性实施例认识到，为了保护网络，管理员必须有效且实时地区分DDoS攻击流量和突发访问流量。然而，除了源IP地址以外，这两种类型的流量具有非常相似的属性。预先对特定“已知坏的”IP地址进行编程在很大程度上也是无效的，因为攻击者可以在运行中切换到不同的源。因此，需要一种自适应的分类解决方案，其能够实时适应不断变化的处境，诸如在数据流量的环境中。说明性实施例认识到，目前可用的工具或解决方案不能满足这些需求或为这些需求提供适当的解决方案。用于描述本专利技术的说明性实施例通常处理和解决上述问题以及与采用现场学习的自适应多代理协作计算和统计推断有关的其他问题。实施例可被实现为软件应用。实现实施例的应用可被配置为在特定环境中操作的现有系统的修改——包括但不限于上述示例中的对象环境和数据流量环境，或被配置为与现有系统、独立应用或其某些组合一起操作的单独应用。此外，尽管参考特定非限制性的示例事件输入描述了说明性实施例，但是，这些实施例也能够适用于其他事件输入。本领域普通技术人员能够使本文描述的实施例适用于其他事件输入，例如，根据音频或视频输入以及许多其他事件输入对人类行为进行分类。特殊地，一些说明性实施例提供了一种方法，通过该方法，可以与其他设备协作以对事件进行分类，并且所有本文档来自技高网...

【技术保护点】
1.一种计算机实现的方法，包括：/n在第一设备中，响应于事件输入，使用处理器和存储器来计算与所述事件输入对应的本地分类和本地分类置信度；/n在所述第一设备处，响应于广播请求，接收与所述事件输入对应的远程分类和远程分类置信度，所述远程分类和所述远程分类置信度在第二设备处计算；/n在所述第一设备处，形成共识分类，如果包括来自所有接收的远程分类和所述本地分类的集合的最频繁分类的分类数量超过阈值，则所述共识分类包括所述最频繁分类；/n响应于与所述共识分类对应的共识分类置信度超过置信阈值，更新本地分类模型；和/n基于所述本地分类和所述共识分类，将所述事件输入分配给分类。/n

【技术特征摘要】
20180622 US 16/0159861.一种计算机实现的方法，包括：
在第一设备中，响应于事件输入，使用处理器和存储器来计算与所述事件输入对应的本地分类和本地分类置信度；
在所述第一设备处，响应于广播请求，接收与所述事件输入对应的远程分类和远程分类置信度，所述远程分类和所述远程分类置信度在第二设备处计算；
在所述第一设备处，形成共识分类，如果包括来自所有接收的远程分类和所述本地分类的集合的最频繁分类的分类数量超过阈值，则所述共识分类包括所述最频繁分类；
响应于与所述共识分类对应的共识分类置信度超过置信阈值，更新本地分类模型；和
基于所述本地分类和所述共识分类，将所述事件输入分配给分类。


2.根据权利要求1所述的计算机实现的方法，其中，所述共识分类置信度包括与所述共识分类对应的所有分类置信度的加权平均值。


3.根据权利要求2所述的计算机实现的方法，其中，基于与先前的本地分类和远程分类的正确性对应的权重来确定所述加权平均值。


4.根据权利要求1所述的计算机实现的方法，其中，将所述事件输入分配给分类包括：
基于与所述共识分类对应的所述共识分类置信度超过置信阈值，根据所述共识分类对所述事件输入进行分类；以及
基于与所...

【专利技术属性】
技术研发人员：A·维加，P·博塞，A·布于克托苏诺格卢，
申请(专利权)人：国际商业机器公司，
类型：发明
国别省市：美国;US