一种基于人工智能的手持打印机数据监测预警系统及方法技术方案

本发明专利技术公开了一种基于人工智能的手持打印机数据监测预警系统及方法，包括S1：对手持打印机的相关使用数据进行获取；对获取到的使用数据进行整合，得到训练数据集，将训练数据集通过机器学习的方式根据打印机的数据记录建立场景判别模型；S2：基于使用场景对手持打印机的实时使用数据进行监测；S3：对监测到的数据进行分析，判断当前使用行为是否存在异常；S4：根据S3的分析结果，当无异常情况时，继续保持监测，当出现异常情况时，对异常情况进行分析，判断异常类型；S5：根据S4的异常分析结果，通过预设的处理方案对异常情况进行相应处理；以便于及时解决数据异常问题，避免因手持打印机数据异常导致的交易双方的各项损失。打印机数据异常导致的交易双方的各项损失。打印机数据异常导致的交易双方的各项损失。

【技术实现步骤摘要】
一种基于人工智能的手持打印机数据监测预警系统及方法


[0001]本专利技术涉及人工智能
，具体为一种基于人工智能的手持打印机数据监测预警系统及方法。

技术介绍

[0002]打印机有很多种类，小巧轻便的手持打印机由于其自身的可移动性、低功耗、易装纸、操作简单等特点，目前广泛应用于各个场所，主要用于打印交易凭证，如业务发票、销售订单小票等。
[0003]现有的对打印机的监测，主要用于对打印机自身的打印故障进行监测，进而发出预警提示，但是缺少对使用手持打印机进行支付的行为数据监测，在实际使用中，当商家与顾客双方通过手持打印机进行交易时，存在一定的数据异常风险，可能导致出现交易矛盾的现象，当交易双方对于交易数据异常事件处理不当时，将会给交易双方带来一定损失。
[0004]因此，人们需要一种基于工智能的手持打印机数据监测预警系统及方法来解决上述问题。

技术实现思路

[0005]本专利技术的目的在于提供一种基于人工智能的手持打印机数据监测预警系统及方法，以解决上述
技术介绍
中提出的问题。
[0006]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于人工智能的手持打印机数据监测预警方法，包括以下步骤：S1：对手持打印机的相关使用数据进行获取；对获取到的使用数据进行整合，得到训练数据集，将训练数据集通过机器学习的方式根据打印机的数据记录建立场景判别模型；S2：基于使用场景对手持打印机的实时使用数据进行监测；S3：对监测到的数据进行分析，判断当前使用行为是否存在异常；S4：根据S3的分析结果，当无异常情况时，继续保持监测，当出现异常情况时，对异常情况进行分析，判断异常类型；S5：根据S4的异常分析结果，通过预设的处理方案对异常情况进行相应处理。
[0007]进一步的；所述步骤S1具体包括：步骤S1
‑
1：通过访问手持打印机的日志记录对相关历史使用数据进行获取，根据预设的关键词对获取到的历史相关数据进行关键数据提取；其中，所述提取方式可以为根据数据库表的表头对所需关键数据进行提取；所述关键数据包括用户信息数据、时间点数据和交易信息数据；所述关键数据包括用户信息集I，所述I内包括，其中，分别表示训练集中的第1、2、...、n个用户；
所述关键数据包括时间点数据集T，所述T内包括，其中，分别表示训练集中的第1、2、...、m个时间点信息；所述关键数据包括交易信息数据集M，所述M内包括，其中，分别表示训练集中的第1、2、...、q个交易信息；步骤S1
‑
2：对提取到的关键数据进行整合处理，对整合处理后的数据进行打包封装，生成训练数据集X，所述X内包括，其中，分别表示训练集中的第1、2、...、z条数据；其中，每条数据内包括一个用户数据，一个时间点数据和一条交易信息数据；步骤S1
‑
3：将所得训练数据集通过机器学习的方式，训练得到场景判别模型；其中，所述步骤S1
‑
3具体包括：S1
‑3‑
1：将训练数据集中的每条数据在坐标系中进行映射，将每条数据所包含的变量数据转化为向量，得到N个变量组成的向量集；S1
‑3‑
2：根据以下公式计算向量集Y的概率密度：；其中，表示向量集Y的均值向量，表示向量集Y的协方差矩阵；表示的行列式；即：；；计算向量集Y的概率密度的目的在于通过概率密度的大小对原始数据集进行筛选，对不具有代表意义的向量进行过滤，同时，通过概率密度的计算值能够在几何上较为直观的对数据的高斯分布进行反馈，从而实现根据分布情况对所需区域进行划分；S1
‑3‑
3：设定阈值，筛选数据集中概率密度的数据；S1
‑3‑
4：根据坐标系中映射得到的高斯分布结果进行区域划分，划分得到第一合理区域、第二合理区域和第三合理区域；S1
‑3‑
5：根据区域划分结果，标记各合理区域的对应场景，完成场景判别模型的建立。
[0008]进一步的；所述步骤S2具体包括：步骤S2
‑
1：对手持打印机的实时使用数据进行采集，采集得到用户信息，时间信息和交易信息；步骤S2
‑
2：对采集到的用户信息进行分析，筛查该用户是否在数据库中存在用户
标签；步骤S2
‑
3：若存在该用户的用户标签，则将新数据加入该用户对应用户标签的数据集内，若不存在该用户的用户标签，则对于该用户建立新的用户标签。
[0009]所述用户标签用于根据用户的消费记录对用户偏好和用户价值进行解析，以便于帮助商家根据自身业务需求，针对不同用户采用不同策略进行运营，以便于提高营业额，防止客源流失；进一步的；根据上述步骤S1和S2得到的手持打印机使用场景判别模型和监测到的实时数据，在步骤S3中，根据对该使用场景的预设安全区间，对当前的手持打印机使用行为进行异常判断；所述安全区间根据S1中的区域划分结果对于不同场景，分别对各变量下的其他因变量的变化范围进行区间划分；其中，对于无用户标签的用户，根据时间变量划分关于交易信息的安全区间；对于具有用户标签的用户，结合其用户标签和时间变量划分关于交易信息安全区间；具体包括以下步骤：S3
‑
1：将监测到的对于手持打印机的用户信息和时间信息输入场景判别模型中，输出当前使用场景，得到对应于该使用场景的交易信息安全区间；S3
‑
2：将监测到的实际交易信息进行映射，与安全区间进行对比；S3
‑
3：若当前交易信息与安全区间不匹配，则认为当前对于手持打印机的使用行为存在异常。
[0010]进一步的；在步骤S4中，根据S3的分析结果，当无异常情况时，继续保持监测，当出现异常情况时，对异常情况进行分析，通过人工二次核验或系统安全检测判断异常类型，所述异常类型包括操作异常和安全异常；所述操作异常表示用户使用手持打印机进行输入操作时出现失误，造成的数据异常；所述安全异常表示存在外部攻击对手持打印机的数据进行了修改，因此造成的数据异常；在步骤S5中，根据S4得到的异常分析结果，通过预设的异常处理方案对异常情况进行相应处理。
[0011]一种基于人工智能的手持打印机数据监测预警系统，所述系统包括：数据获取模块、数据整合模块、数据监测模块、数据分析模块和异常管理模块；所述数据获取模块用于对手持打印机的使用数据进行获取；所述数据整合模块用于对获取到的历史使用数据进行整合；所述数据监测模块用于对手持打印机的实时数据进行监测；所述数据分析模块用于对监测到的实时数据进行分析；所述异常管理模块用于对数据分析结果中的异常情况进行相应处理。
[0012]进一步的；所述数据获取模块通过对手持打印机的后台数据库进行访问，获取到该打印机的日志数据；其中，获取的后台数据库中的打印机日志数据包括后台系统中一个或多个手持打印机的使用数据，在实际使用中，同一商家可装配多个手持打印机，通过数据上传实现数据
共享，以便于实现营业结算；进一步的，通过获取同一后台或同一局域网内的手持打印机数据能够使得训练数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的手持打印机数据监测预警方法，其特征在于：包括以下步骤：S1：对手持打印机的相关使用数据进行获取；对获取到的使用数据进行整合，得到训练数据集，将训练数据集通过机器学习的方式根据打印机的数据记录建立场景判别模型；S2：基于使用场景对手持打印机的实时使用数据进行监测；S3：对监测到的数据进行分析，判断当前使用行为是否存在异常；S4：根据S3的分析结果，当无异常情况时，继续保持监测，当出现异常情况时，对异常情况进行分析，判断异常类型；S5：根据S4的异常分析结果，通过预设的处理方案对异常情况进行相应处理。2.根据权利要求1所述的一种基于人工智能的手持打印机数据监测预警方法，其特征在于：所述步骤S1具体包括：步骤S1
‑
1：通过访问手持打印机的日志记录对相关历史使用数据进行获取，根据预设的关键词对获取到的历史相关数据进行关键数据提取；所述关键数据包括用户信息数据、时间点数据和交易信息数据；步骤S1
‑
2：对提取到的关键数据进行整合处理，对整合处理后的数据进行打包封装，生成训练数据集X，所述X内包括，其中，分别表示训练集中的第1、2、...、z条数据；其中，每条数据内包括一个用户数据，一个时间点数据，一条交易信息数据；步骤S1
‑
3：将所得训练数据集X通过机器学习的方式，训练得到场景判别模型；其中，所述步骤S1
‑
3中训练场景判别模型的具体包括以下步骤：S1
‑3‑
1：将训练数据集中的每条数据在坐标系中进行映射，将每条数据所包含的变量数据转化为向量，得到N个变量组成的向量集；S1
‑3‑
2：根据以下公式计算向量集Y的概率密度：；其中，表示向量集Y的均值向量，表示向量集Y的协方差矩阵；表示的行列式；S1
‑3‑
3：设定阈值，筛选数据集中概率密度的数据；S1
‑3‑
4：根据坐标系中映射得到的高斯分布结果进行区域划分，划分得到第一合理区域、第二合理区域和第三合理区域；S1
‑3‑
5：根据区域划分结果，标记各合理区域的对应场景，完成场景判别模型的建立。3.根据权利要求1所述的一种基于人工智能的手持打印机数据监测预警方法，其特征在于：所述步骤S2具体包括：步骤S2
‑
1：对手持打印机的实时使用数据进行采集，采集得到用户信息，时间信息和交易信息；步骤S2
‑
2：对采集到的用户信息进行分析，筛查该用户是否在数据库中存在用户标签；
步骤S2
‑
3：若存在该用户的用户标签，则将新数据加入该用户对应用户标签的数据集内，若不存在该用户的用户标签，则对于该用户建立新的用户标签。4.根据权利要求1所述的一种基于人工智能的手持打印机数据监测预警方法，其特征在于：根据上述步骤S1和S2得到的手持打印机使用场景判别模型和监测到的实时数据，在步骤S3中，根据对该使用场景的预设安全区间，对当前的手持打印机使用行为进行异常判断；所述安全区间根据S1中的区域划分结果对于不同场景，分别对各变量下的其他因变...

【专利技术属性】
技术研发人员：巴嘎娜，
申请(专利权)人：美恒通智能电子广州股份有限公司，
类型：发明
国别省市：