【技术实现步骤摘要】
本专利技术涉及数字电视，尤其涉及一种非智能机顶盒双治理操作方法及系统。
技术介绍
1、近年来，随着数字电视技术的不断发展和普及，机顶盒已成为家庭娱乐和信息获取的重要载体。机顶盒主要分为智能机顶盒和非智能机顶盒两大类，与智能机顶盒相比，非智能机顶盒功能相对单一，主要用于接收和解码数字电视信号，价格也相对较低，在部分农村和偏远地区仍有较大的存量市场。
2、非智能机顶盒在给用户带来便利的同时，也存在一些亟待解决的问题，如由于硬件配置和软件功能的限制，无法灵活拓展新的应用和服务，用户可选择的内容来源较为单一，收看体验有待提升，同时通过非法篡改固件、私自安装第三方软件等手段，使得原本封闭的系统变得开放，使用户容易受到不良信息的影响和误导。
3、因此，亟需一种方案解决现有技术中存在的问题。
技术实现思路
1、本专利技术实施例提供一种非智能机顶盒双治理操作方法及系统，至少能解决现有技术中存在的部分问题。
2、本专利技术实施例的第一方面，提供一种非智能机顶盒双治理操作方
<本文档来自技高网...【技术保护点】
1.非智能机顶盒双治理操作方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，基于端云协同架构构建非法机顶盒识别模型，获取通信数据包并提取多维度特征，结合注意力机制进行特征筛选得到关键多维特征，对所述关键多维特征进行融合得到交互语义特征，通过卷积神经网络进行联合建模和深度交叉学习，得到综合特征图谱，通过小样本学习技术构建非法行为分类器并识别非法行为包括：
3.根据权利要求1所述的方法，其特征在于，对于非法机顶盒，基于强化学习算法生成最优惩罚动作序列并通过智能合约程序自动触发，通过图神经网络对用户行为历史和社交关系进行图嵌入表示学...
【技术特征摘要】
1.非智能机顶盒双治理操作方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，基于端云协同架构构建非法机顶盒识别模型，获取通信数据包并提取多维度特征，结合注意力机制进行特征筛选得到关键多维特征，对所述关键多维特征进行融合得到交互语义特征，通过卷积神经网络进行联合建模和深度交叉学习，得到综合特征图谱，通过小样本学习技术构建非法行为分类器并识别非法行为包括：
3.根据权利要求1所述的方法，其特征在于，对于非法机顶盒，基于强化学习算法生成最优惩罚动作序列并通过智能合约程序自动触发，通过图神经网络对用户行为历史和社交关系进行图嵌入表示学习，确定非法行为传播路径和影响链条，识别关键传播节点并基于因果干预算法模拟切断传播路径效果，生成最优溯源打击方案包括：
4.根据权利要求3所述的方法，其特征在于，所述回报函数如下公式所示：
5.根据权利要求1所述的方法，其特征在于，通过大数据分析平台获取非智能机顶盒的收视行为数据，基于用户画像技术，结合因子分解机和注意力机制提取隐性特征因子并构建得到用户画像，基于所述用户画像，结合机器学习算法预测每个用户的收视偏好和互动能力得到当前用户对应的升级决策参数，基于所述...
【专利技术属性】
技术研发人员：吕亮，冯吉锋，吴锦鸿，谢磊，孙添恩，
申请(专利权)人：宁波江北华数广电网络有限公司，
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。