数据处理设备、方法及存储介质技术

本申请提供一种数据处理设备、方法及存储介质。该设备包括：DPI装置、MEC装置、第一分光器、第二分光器，第一分光器，用于接收终端发送的业务数据，分别将业务数据发送至DPI装置和第二分光器；DPI装置，用于对业务数据进行提取，获得业务特征数据，将业务特征数据发送至第二分光器；第二分光器，用于将业务数据发送至MEC装置，将所述业务特征数据发送至所述MEC装置；MEC装置，用于根据业务特征数据确定对应的云平台，并根据业务数据获得训练数据，将训练数据发送至对应的云平台，云平台采用训练数据对业务数据对应的业务模型进行训练。本申请的数据处理设备能够有效地为不同的云平台提供训练数据，无需人工采集训练数据。无需人工采集训练数据。无需人工采集训练数据。

【技术实现步骤摘要】
数据处理设备、方法及存储介质


[0001]本申请涉及通信技术，尤其涉及一种数据处理设备、方法及存储介质。

技术介绍

[0002]对于人工智能来说，数据、算法和算力是其三大要素。这三大要素的结合将帮助人工智能技术发挥巨大的作用。其中，算法是一个很重要的环节和因素。人工智能技术需要依靠算法，才能进行数据训练和模型实现。
[0003]以图像识别为例，通常训练方法为：获取数据集中的若干图像，输入若干图像，神经网络模型采用输入的若干图像进行训练，最终模型误差收敛于一个较小的区间时，训练完成。其中，数据集作为训练的基础，用来估计模型中的参数，使模型能够反映现实，采集的数据量越全面，训练的结果就越准确。
[0004]但是，目前数据采集方法需要耗费大量人力，无法高效的获取到适用于不同领域的训练数据。

技术实现思路

[0005]本申请提供一种数据处理设备、方法及存储介质，用以解决目前数据采集方法需要耗费大量人力，无法高效的获取到适用于不同领域的训练数据的问题。
[0006]第一方面，本申请提供一种数据处理设备，包括：深度报文检测DPI装置、移动边缘计算MEC装置、第一分光器、第二分光器，所述DPI装置分别与所述第一分光器和所述第二分光器连接，所述第二分光器分别与所述第一分光器和所述MEC装置连接，所述MEC装置与多个云平台连接；
[0007]所述第一分光器，用于接收终端发送的业务数据，分别将所述业务数据发送至所述DPI装置和所述第二分光器；
[0008]所述DPI装置，用于对所述业务数据进行提取，获得业务特征数据，将所述业务特征数据发送至所述第二分光器；
[0009]所述第二分光器，用于将所述业务数据发送至所述MEC装置，将所述业务特征数据发送至所述MEC装置；
[0010]所述MEC装置，用于根据所述业务特征数据确定对应的云平台，并根据所述业务数据获得训练数据，将所述训练数据发送至所述对应的云平台，所述对应的云平台采用所述训练数据对所述业务数据对应的业务模型进行训练。
[0011]可选地，所述MEC装置，在根据所述业务特征数据确定对应的云平台，具体用于：
[0012]获取预设业务特征数据和云平台的映射关系；
[0013]根据所述映射关系和所述业务特征数据确定匹配的云平台，将所述匹配的云平台作为对应的云平台。
[0014]可选地，所述MEC装置，在根据所述映射关系和所述业务特征数据确定匹配的云平台，具体用于：
[0015]将所述映射关系中的预设业务特征数据与业务特征数据进行匹配；
[0016]将与所述业务特征数据匹配的所述预设业务特征数据对应的云平台确定为匹配的云平台。
[0017]可选地，所述MEC装置，在根据所述业务数据获得训练数据，具体用于：
[0018]对所述业务数据进行格式转换，得到转换后的业务数据；
[0019]除去所述转换后的业务数据中的冗余数据，得到训练数据。
[0020]第二方面，本申请提供一种数据处理方法，包括：
[0021]接收终端发送的业务数据；
[0022]对所述业务数据进行提取，获得业务特征数据；
[0023]根据所述业务特征数据确定对应的云平台，并根据所述业务数据获得训练数据；
[0024]将所述训练数据发送至所述对应的云平台，以供所述对应的云平台采用所述训练数据对所述业务数据对应的业务模型进行训练。
[0025]可选地，所述根据所述业务特征数据确定对应的云平台，包括：
[0026]获取预设业务特征数据和云平台的映射关系；
[0027]根据所述映射关系和所述业务特征数据确定匹配的云平台，将所述匹配的云平台作为对应的云平台。
[0028]可选地，所述根据所述映射关系和所述业务特征数据确定匹配的云平台，包括：
[0029]将所述映射关系中的预设业务特征数据与业务特征数据进行匹配；
[0030]将与所述业务特征数据匹配的所述预设业务特征数据对应的云平台确定为匹配的云平台。
[0031]可选地，所述根据所述业务数据获得训练数据，包括：
[0032]对所述业务数据进行格式转换，得到转换后的业务数据；
[0033]除去所述转换后的业务数据中的冗余数据，得到训练数据。
[0034]可选地，所述将所述训练数据发送至所述云平台，包括：
[0035]接收所述云平台发送的训练的业务模型。
[0036]第三方面，本专利技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第二方面所述的方法。
[0037]本申请提供的数据处理设备、方法及存储介质，深度报文检测DPI装置、移动边缘计算MEC装置、第一分光器、第二分光器，所述DPI装置分别与所述第一分光器和所述第二分光器连接，所述第二分光器分别与所述第一分光器和所述MEC装置连接，所述MEC装置与多个云平台连接；所述第一分光器，用于接收终端发送的业务数据，分别将所述业务数据发送至所述DPI装置和所述第二分光器；所述第一分光器，用于接收终端发送的业务数据，分别将所述业务数据发送至所述DPI装置和所述第二分光器；所述DPI装置，用于对所述业务数据进行提取，获得业务特征数据，将所述业务特征数据发送至所述第二分光器；所述第二分光器，用于将所述业务数据发送至所述MEC装置，将所述业务特征数据发送至所述MEC装置；所述MEC装置，用于根据所述业务特征数据确定对应的云平台，并根据所述业务数据获得训练数据，将所述训练数据发送至所述对应的云平台，所述对应的云平台采用所述训练数据对所述业务数据对应的业务模型进行训练，数据处理设备能够有效地为不同的云平台提供
训练数据，无需人工采集训练数据。
附图说明
[0038]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0039]图1为本申请提供的一种数据处理设备的结构示意图；
[0040]图2为本申请提供的另一种数据处理设备的结构示意图；
[0041]图3为本申请提供的一种数据处理方法的流程示意图；
[0042]图4为本申请提供的另一种数据处理方法的流程示意图。
[0043]符号说明：
[0044]101
‑
DPI装置 102
‑
MEC装置 103
‑
第一分光器
[0045]104
‑
第二分光器 105
‑
通信单元
[0046]通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
[0047]这里将详细地对示例性实施例进行说明，其示例表示在附图中。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理设备，其特征在于，所述设备包括：深度报文检测DPI装置、移动边缘计算MEC装置、第一分光器、第二分光器，所述DPI装置分别与所述第一分光器和所述第二分光器连接，所述第二分光器分别与所述第一分光器和所述MEC装置连接，所述MEC装置与多个云平台连接；所述第一分光器，用于接收终端发送的业务数据，分别将所述业务数据发送至所述DPI装置和所述第二分光器；所述DPI装置，用于对所述业务数据进行提取，获得业务特征数据，将所述业务特征数据发送至所述第二分光器；所述第二分光器，用于将所述业务数据发送至所述MEC装置，将所述业务特征数据发送至所述MEC装置；所述MEC装置，用于根据所述业务特征数据确定对应的云平台，并根据所述业务数据获得训练数据，将所述训练数据发送至所述对应的云平台，所述对应的云平台采用所述训练数据对所述业务数据对应的业务模型进行训练。2.根据权利要求1所述的设备，其特征在于，所述MEC装置，在根据所述业务特征数据确定对应的云平台，具体用于：获取预设业务特征数据和云平台的映射关系；根据所述映射关系和所述业务特征数据确定匹配的云平台，将所述匹配的云平台作为对应的云平台。3.根据权利要求2所述的设备，其特征在于，所述MEC装置，在根据所述映射关系和所述业务特征数据确定匹配的云平台，具体用于：将所述映射关系中的预设业务特征数据与业务特征数据进行匹配；将与所述业务特征数据匹配的所述预设业务特征数据对应的云平台确定为匹配的云平台。4.根据权利要求1所述的设备，其特征在于，所述MEC装置，在根据所述业务数据获得训练数据，具体用于：对所述业务数...

【专利技术属性】
技术研发人员：刘思聪，冯毅，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：