[發明專利]基于網關盒子的終端數據傳輸方法、裝置、設備及介質

在審

• 申請號: 202011466827.3
• 申請日: 2020-12-14
• 公開（公告）號: CN112445622A
• 公開（公告）日: 2021-03-05
• 發明（設計）人: 段嘉;胡斐;李琦;鄢偉
• 申請（專利權）人: 招商局金融科技有限公司
• 主分類號: G06F9/50
• 分類號: G06F9/50;G06N3/04
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種基于網關盒子的終端數據傳輸方法，其特征在于，所述方法包括：

在預構建的網關盒子中，利用預構建的終端數據集構建資源分配模型；

通過所述網關盒子接收終端設備傳輸的數據信息，并利用所述資源分配模型對所述數據信息執行標簽計算，得到所述數據信息的分配標簽；

根據所述分配標簽及預構建的容器引擎，構建數據容器，并利用所述數據容器將所述終端設備傳輸的數據信息發送至云端。

2.如權利要求1所述的基于網關盒子的終端數據傳輸方法，其特征在于，所述利用預構建的終端數據集構建資源分配模型，包括：

獲取預構建的終端數據集，并將所述終端數據集進行量化及清洗操作，得到量化樣本集；

設置梯度下降方向，并根據所述梯度下降方向，對預構建的資源分配模型進行訓練。

3.如權利要求2所述的基于網關盒子的終端數據傳輸方法，其特征在于，所述根據所述梯度下降方向，對預構建的資源分配模型進行訓練，包括：

步驟I、構建資源分配模型；

步驟II、利用所述資源分配模型中的分類神經網絡分析所述量化樣本集的傳輸類型分類，得到類型序列訓練集；

步驟III、利用所述資源分配模型的多層線性激活層，對所述類型序列訓練集進行激活操作，得到預測訓練集；

步驟IV、計算所述預測訓練集與預構建的歷史數據上傳狀態集的誤差值，并判斷所述誤差值與預設誤差閾值的大小關系；

步驟V、若所述誤差值大于所述誤差閾值，根據所述梯度下降方向，調整所述資源分配模型的內部參數，并返回步驟II；

步驟VII、若所述誤差值小于或等于所述誤差閾值，結束所述資源分配模型的訓練。

4.如權利要求1所述的基于網關盒子的終端數據傳輸方法，其特征在于，所述分配標簽包括CPU刷新頻率、帶寬寬度、內存空間大小、磁盤讀寫速率及數據轉換協議。

5.如權利要求4所述的基于網關盒子的終端數據傳輸方法，其特征在于，所述根據所述分配標簽及預構建的容器引擎，構建數據容器，包括：

利用預構建的容器引擎，構建初始數據容器，并根據所述分配標簽，配置所述初始數據容器，得到所述數據容器。

6.如權利要求5所述的基于網關盒子的終端數據傳輸方法，其特征在于，所述利用預構建的容器引擎，構建初始數據容器，包括：

獲取預構建的容器引擎，利用所述容器引擎中的Dockerfile操作指令，構建容器，并向所述容器導入CPU控制函數、磁盤控制函數及帶寬控制函數，得到所述初始數據容器。

7.如權利要求1至6中任意一項所述的基于網關盒子的終端數據傳輸方法，其特征在于，所述利用所述數據容器將所述終端設備傳輸的數據信息發送至云端，包括：

步驟A、判斷所述網關盒子的內存及CPU的使用情況，分別得到內存資源剩余狀況及CPU連接的容器的連接數；

步驟B、將所述數據信息存儲至所述數據容器，并將所述數據容器連接至所述連接數最小的CPU；

步驟C、當所述內存資源剩余狀況能夠滿足所述數據容器的資源消耗時，利用所述分配標簽中的數據轉換協議，將所述數據容器中存儲的數據信息發送至云端；

步驟D、當所述內存資源剩余狀況不能滿足所述數據容器的容器資源消耗時，根據預設的淘汰策略，減少CPU連接的容器的連接數，并返回上述的步驟B。

8.一種基于網關盒子的終端數據傳輸裝置，其特征在于，所述裝置包括：

模型構造模塊，用于在預構建的網關盒子中，利用預構建的終端數據集構建資源分配模型；

配置預測模塊，用于通過所述網關盒子接收終端設備傳輸的數據信息，并利用所述資源分配模型對所述數據信息執行標簽計算，得到所述數據信息的分配標簽；

數據傳輸模塊，用于根據所述分配標簽及預構建的容器引擎，構建數據容器，并利用所述數據容器將所述終端設備傳輸的數據信息發送至云端。