System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及数据信息,尤其涉及一种数据恢复方法、装置、设备、存储介质及程序产品。
技术介绍
1、随着融合了计算、存储、传送资源的智能化云网基础设施的发展,云网融合逐渐成为了当前云计算的重要发展方向之一,云网融合包含了对网络、业务、计算的融合重构、多云互联。然而云网融合的数据安全技术、建设模式、运营管理模式等均与传统网络的存在较大差异,这对现有的数字基础设施形成了新型的数据安全挑战。
2、为解决云网融合环境中虚拟网络受到攻击如何进行数据恢复的问题,现有技术中针对分布式计算采用了一种基于卡尔曼滤波的分布式稀疏数据重构方法,但此方法的关键在于建立系统的状态模型。由于难以获得较为精准的状态模型或者所获取的状态模型过于复杂、维数过高,导致与实时处理需要减少计算量及简化模型的要求相矛盾。可见,现有数据恢复方法存在着恢复速度和恢复精度难以协调的问题。
技术实现思路
1、本申请实施例提供一种数据恢复方法、装置、设备、存储介质及程序产品,以解决现有数据恢复方法存在着恢复速度和恢复精度难以协调的问题。
2、为解决上述技术问题,本申请是这样实现的:
3、第一方面,本申请实施例提供了一种数据恢复方法,所述方法包括:
4、获取待恢复网络图中的至少一个目标数据节点,所述目标数据节点为所述待恢复网络图的n个数据节点中可被观察到的一个,n为大于1的整数;
5、以所述n个数据节点均被约束在低维子空间为约束条件,基于所述至少一个目标数据节点和所述n个数据节点构
6、基于稀疏矩阵优化所述第一数据恢复模型,得到第二数据恢复模型,所述稀疏矩阵用于替换集中式梯度投影算法中的投影矩阵,得到目标集中式梯度投影算法;
7、根据所述第二数据恢复模型确定黑塞矩阵;
8、基于所述黑塞矩阵获取基于牛顿步的分布式实施模型;
9、根据所述基于牛顿步的分布式实施模型和所述目标集中式梯度投影算法,获取所述n个数据节点分别对应的更新数据值。
10、可选地,每一所述数据节点包括对应的局部决策变量,所述以所述n个数据节点均被约束在低维子空间为约束条件,基于所述至少一个目标数据节点和所述n个数据节点构建第一数据恢复模型,包括:
11、基于所述n个数据节点各自对应的所述局部决策变量组建数据节点集合;
12、将所述数据节点集合约束至所述低维子空间中;
13、基于所述至少一个目标数据节点和所述n个数据节点构建所述第一数据恢复模型。
14、可选地,所述基于所述黑塞矩阵获取基于牛顿步的分布式实施模型,包括:
15、将所述黑塞矩阵分离为包括对角块矩阵和非对角块矩阵的第一矩阵;
16、基于所述第一矩阵得到第二矩阵,所述第二矩阵为所述黑塞矩阵的逆矩阵;
17、基于所述第二矩阵获取所述基于牛顿步的分布式实施模型。
18、可选地,所述将所述黑塞矩阵分离为包括对角块矩阵和非对角块矩阵的第一矩阵,包括:
19、获取所述黑塞矩阵的对角元素;
20、基于所述对角元素和所述稀疏矩阵,确定所述对角块矩阵;
21、基于所述稀疏矩阵确定所述非对角块矩阵;
22、基于所述对角块矩阵和所述非对角块矩阵,确定所述第一矩阵;
23、其中,所述黑塞矩阵为所述对角块矩阵与所述非对角块矩阵之差。
24、可选地,所述基于所述第二矩阵获取所述基于牛顿步的分布式实施模型,包括:
25、基于泰勒展开技术中泰勒级数的性质和所述第二矩阵,获取所述黑塞矩阵的近似矩阵;
26、递归计算所述近似矩阵,获取所述基于牛顿步的分布式实施模型。
27、可选地,所述根据所述基于牛顿步的分布式实施模型和所述目标集中式梯度投影算法,获取所述n个数据节点分别对应的更新数据值,包括:
28、根据所述基于牛顿步的分布式实施模型,迭代获取在目标时刻所述n个数据节点分别对应的第一数据值;
29、根据所述目标集中式梯度投影算法,确定在所述目标时刻所述n个数据节点分别对应的第二数据值;
30、基于所述n个数据节点分别对应的所述第一数据值和所述第二数据值,确定所述n个数据节点分别对应的更新数据值。
31、第二方面,本申请实施例提供了一种数据恢复装置,所述数据恢复装置包括:
32、第一获取模块,用于获取待恢复网络图中的至少一个目标数据节点,所述目标数据节点为所述待恢复网络图的n个数据节点中可被观察到的一个,n为大于1的整数;
33、模型构建模块,用于以所述n个数据节点均被约束在低维子空间为约束条件,基于所述至少一个目标数据节点和所述n个数据节点构建第一数据恢复模型;
34、第二获取模块,用于基于稀疏矩阵优化所述第一数据恢复模型,得到第二数据恢复模型,所述稀疏矩阵用于替换集中式梯度投影算法中的投影矩阵,得到目标集中式梯度投影算法;
35、第一确定模块,用于根据所述第二数据恢复模型确定黑塞矩阵;
36、第三获取模块,用于基于所述黑塞矩阵获取基于牛顿步的分布式实施模型;
37、第五获取模块,用于根据所述基于牛顿步的分布式实施模型和所述目标集中式梯度投影算法,获取所述n个数据节点分别对应的更新数据值。
38、第三方面,本申请实施例提供一种电子设备,包括:处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序,所述程序被所述处理器执行时实现上述第一方面所述的数据恢复方法的步骤。
39、第四方面,本申请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上存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述的数据恢复方法的步骤。
40、第五方面,提供一种计算机程序产品,包括计算机指令,该计算机指令被处理器执行时实现如第一方面所述的数据恢复方法的步骤。
41、本申请实施例中,将待恢复网络图中的n个数据节点约束在一个低维子空间内,基于n个数据节点中可被观察到的至少一个目标数据节点和n个数据节点构建第一数据恢复模型。并通过设计一个稀疏矩阵替代集中式梯度投影算法中的投影矩阵,以实现分布式实施例。随后,基于稀疏矩阵优化第一数据恢复模型,得到第二数据恢复模型。再根据第二数据恢复模型确定黑塞矩阵后,实现逆黑塞矩阵的分布式实施,得到最终的基于牛顿步的分布式实施模型。最后,通过基于牛顿步的分布式实施模型和替换了稀疏矩阵的集中式梯度投影算法,求解各个数据节点分别对应的更新数据值。
42、这样,根据基于牛顿步的分布式实施模型和目标集中式梯度投影算法获取的更新数据值能够实现数据的恢复,相比于其他类似数据恢复方案具有更快的收敛速度和更高的精度,可以广泛适用于大量数据集群场景。
本文档来自技高网...【技术保护点】
1.一种数据恢复方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,每一所述数据节点包括对应的局部决策变量,所述以所述N个数据节点均被约束在低维子空间为约束条件,基于所述至少一个目标数据节点和所述N个数据节点构建第一数据恢复模型,包括:
3.根据权利要求1所述的方法,其特征在于,所述基于所述黑塞矩阵获取基于牛顿步的分布式实施模型,包括:
4.根据权利要求3所述的方法,其特征在于,所述将所述黑塞矩阵分离为包括对角块矩阵和非对角块矩阵的第一矩阵,包括:
5.根据权利要求3所述的方法,其特征在于,所述基于所述第二矩阵获取所述基于牛顿步的分布式实施模型,包括:
6.根据权利要求1所述的方法,其特征在于,所述根据所述基于牛顿步的分布式实施模型和所述目标集中式梯度投影算法,获取所述N个数据节点分别对应的更新数据值,包括:
7.一种数据恢复装置,其特征在于,所述装置包括:
8.一种电子设备,其特征在于,包括:处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序,所述程序被所述处
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的数据恢复方法的步骤。
10.一种计算机程序产品,其特征在于,包括计算机指令,该计算机指令被处理器执行时实现如权利要求1至6中任一项所述的数据恢复方法的步骤。
...【技术特征摘要】
1.一种数据恢复方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,每一所述数据节点包括对应的局部决策变量,所述以所述n个数据节点均被约束在低维子空间为约束条件,基于所述至少一个目标数据节点和所述n个数据节点构建第一数据恢复模型,包括:
3.根据权利要求1所述的方法,其特征在于,所述基于所述黑塞矩阵获取基于牛顿步的分布式实施模型,包括:
4.根据权利要求3所述的方法,其特征在于,所述将所述黑塞矩阵分离为包括对角块矩阵和非对角块矩阵的第一矩阵,包括:
5.根据权利要求3所述的方法,其特征在于,所述基于所述第二矩阵获取所述基于牛顿步的分布式实施模型,包括:
6.根据权利要求1所述的方法,其特征在于,所述根...
【专利技术属性】
技术研发人员:赖莹橙,张向阳,赵洋洋,王帅,叶帆,
申请(专利权)人:中移苏州软件技术有限公司,
类型:发明
国别省市:
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。