【技术实现步骤摘要】
基于人工智能的软件兼容控制方法、系统及云平台
[0001]本申请涉及人工智能与软件
,具体而言,涉及一种基于人工智能的软件兼容控制方法、系统及云平台。
技术介绍
[0002]人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。随着电脑的普及和个人电脑的发展,让基于人工智能的KVM(键盘、显示器、鼠标)切换器的市场同步在扩大,键鼠的种类也越来越多并越来越复杂。KVM的一个必要组成部分为Hot Keys(热键)。所谓热键,即通过敲击键盘上的某些按键,达到控制KVM切换、设置KVM系统等功能,是KVM的重要组成部分。
[0003]专利技术人经过研究发现,现有的KVM使用了固定的复合设备,固定的设备描述符,会导致在使用过程中出现使用异常的问题。
[0004]
技术实现思路
[0005]为了至少克服现有技术中的上述不足,本申请的目的在于提供一种基于人工智能的软件兼容控制方法、系统及云平台。
[0006]首先,本申请实施例提供的基于人工智能的软件兼容控制方法,应用于软件兼容控制系统,所述软件兼容控制系统包括KVM切换器以及与KVM切换器连接的至少一个键鼠终端以及至少一个PC机,其中,所述KVM切换器包括用于与所述键鼠终端连接的USB主机模块以及用于与所述PC机连接的USB设备模块,所述USB主机模块与所述USB设备模块连接,以进行数据交互,所述方法包括:所述USB主机模块在检测到键 ...
【技术保护点】
【技术特征摘要】
1.一种基于人工智能的软件兼容控制方法,其特征在于,应用于软件兼容控制系统,所述软件兼容控制系统包括KVM切换器以及与KVM切换器连接的至少一个键鼠终端以及至少一个PC机,其中,所述KVM切换器包括用于与所述键鼠终端连接的USB主机模块以及用于与所述PC机连接的USB设备模块,所述USB主机模块与所述USB设备模块连接,以进行数据交互,所述方法包括:所述USB主机模块在检测到键鼠终端接入时,获取并分析接入的键鼠终端的设备描述符,并将获取到的设备描述符转发至所述USB设备模块;所述USB设备模块存储所述USB主机模块转发的设备描述符,并发送给所述PC机,使所述PC机获取到的设备描述符为当前实时接入的键鼠终端的设备描述符;所述USB设备模块从所述USB主机模块获取键鼠终端产生的键鼠数据并转发至PC机进行处理。2.根据权利要求2所述的方法,其特征在于,所述方法还包括:所述USB主机模块在接收到键鼠数据时,对所述键鼠数据进行数据位解析,得到所述键鼠数据的数据位数;根据所述数据位数查询预先设置的数据格式映射表,得到用于对所述键鼠数据进行数据打包的目标数据处理函数;通过所述目标数据处理函数对所述键鼠数据进行打包处理,得到与所述键鼠数据的数据位数相适配的键鼠数据包,并通过所述USB设备模块转发给所述PC机进行处理。3.根据权利要求1所述的方法,其特征在于,所述方法还包括:所述USB主机模块在接收到所述键鼠终端产生的实时触发事件时,将所述实时触发事件输入预先训练得到的异常事件识别模型,得到针对所述实时触发事件的识别结果;当所述识别结果指示所述实时触发事件为异常触发事件时,根据所述异常触发事件对应的事件类型调用针对该事件类型预先创建的事件模拟实例,对所述键鼠终端直接对所述PC机执行所述实时触发事件的动作进行模拟,并将模拟过程产生的事件模拟数据透传给所述USB设备模块;所述USB设备模块将所述事件模拟数据发送给所述PC机,使所述PC机根据所述事件模拟数据对所述实时触发事件进行响应。4.根据权利要求3所述的方法,其特征在于,所述方法还包括:所述PC机对所述异常事件识别模型进行模型训练,并将训练后的异常事件识别模型通过所述USB设备模块发送至所述USB主机模块,其中,对所述异常事件识别模型进行模型训练包括:针对异常触发事件集中的每个异常触发事件样本,将所述异常触发事件样本的描述信息按照对应的类型进行信息编译处理,以获得所述异常触发事件样本的描述信息特征序列;针对每个所述异常触发事件样本的描述信息特征序列所包括的多个描述信息特征元素,确定对应的异常触发事件的发生次数达到预设次数的描述信息特征元素作为目标描述信息特征;对所述目标描述信息特征中的描述信息特征进行特征拓展,以将获得的拓展描述信息特征作为指示所述异常触发事件集的相同特性的关联描述信息特征;
确定多个与所述异常触发事件样本不存在关联性的非关联描述信息特征,其中,所述非关联描述信息特征是发生次数小于所述预设次数的描述信息特征元素中所包含的描述信息特征;在多个所述非关联描述信息特征中,根据所述非关联描述信息特征之间的相关性系数,确定多个所述非关联描述信息特征作为候选关联描述信息特征;基于所述异常触发事件集中每个异常触发事件样本的所述关联描述信息特征和所述候选关联描述信息特征对所述异常事件识别模型进行训练,得到训练后的异常事件识别模型。5.根据权利要求4所述的方法,其特征在于,所述将所述异常触发事件样本的描述信息按照对应的类型进行信息编译处理,以获得所述异常触发事件样本的描述信息特征序列,包括:在所述异常触发事件样本的触发事件中,采集事件类别特征和事件操作特征的特征信息,并基于所采集的特征信息生成多个触发事件描述信息;针对所述多个触发事件描述信息中的每个触发事件描述信息、以及相应的描述信息分量,确定所述每个触发事件描述信息的描述信息分量的对应的丢包数量、以及针对同一触发事件描述信息的相同描述信息分量的统计信息;统计各所述描述信息分量对应的丢包数量,将丢包数量达到预设丢包数量的描述信息分量作为异常描述信息分量;滤除所述异常描述信息分量,并针对滤除所述异常描述信息后对应的触发事件描述信息的描述信息分量通过预设的描述信息分量进行替换,以获得用于进行信息编译处理的触发事件描述信息;根据每个所述触发事件描述信息的描述信息分量,从相应类型的信息编译库获取所述描述信息分量的信息编译参数;将对应每个所述触发事件描述信息的描述信息分量所获取到的信息编译参数进行组合,以获得所述异常触发事件样本的描述信息特征序列。6.根据权利要求4所述的方法,其特征在于,所述 针对...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。