[發(fā)明專利]基于大數(shù)據(jù)和人工智能的規(guī)則確定方法

在審

• 申請?zhí)枺?/td>: 202110361075.2
• 申請日: 2020-10-16
• 公開（公告）號: CN112990080A
• 公開（公告）日: 2021-06-18
• 發(fā)明（設計）人: 陳晶晶
• 申請（專利權）人: 陳晶晶
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于大數(shù)據(jù)和人工智能的規(guī)則確定方法，其特征在于，包括：

基于目標匹配結(jié)果在第二目標數(shù)據(jù)庫中進行查找，得到目標安全等級信息，其中，該第二目標數(shù)據(jù)庫中存在多個不同匹配結(jié)果與多個不同安全等級信息之間的對應關系，且該目標匹配結(jié)果的匹配度越高，對應的目標安全等級信息的安全等級越低；

基于所述目標安全等級信息在預先形成的多個識別規(guī)則中確定出一個識別規(guī)則，作為目標識別規(guī)則，其中，該目標安全等級信息的安全等級越低，對應的目標識別規(guī)則的識別精度越低，該目標識別規(guī)則用于對目標人臉圖像進行識別。

2.根據(jù)權利要求1所述的基于大數(shù)據(jù)和人工智能的規(guī)則確定方法，其特征在于，所述基于所述目標安全等級信息在預先形成的多個識別規(guī)則中確定出一個識別規(guī)則，作為目標識別規(guī)則的步驟，包括：

基于所述目標安全等級信息在預先形成的多個識別模型中確定出目標識別模型，其中，不同識別模型基于不同數(shù)量的樣本數(shù)據(jù)和不同的損失閾值訓練形成，使得具有不同的識別精度；

將所述目標識別模型作為目標識別規(guī)則。

3.根據(jù)權利要求1或2所述的基于大數(shù)據(jù)和人工智能的規(guī)則確定方法，其特征在于，所述基于所述目標匹配結(jié)果在第二目標數(shù)據(jù)庫中進行查找，得到目標安全等級信息的步驟，包括：

對獲取的目標用戶的歷史行為數(shù)據(jù)進行解析處理，得到目標解析結(jié)果；

基于所述目標解析結(jié)果和所述目標匹配結(jié)果在第二目標數(shù)據(jù)庫中進行查找，得到目標安全等級信息。

4.根據(jù)權利要求3所述的基于大數(shù)據(jù)和人工智能的規(guī)則確定方法，其特征在于，所述對獲取的目標用戶的歷史行為數(shù)據(jù)進行解析處理，得到目標解析結(jié)果的步驟，包括：

獲取目標用戶的第一類型歷史行為數(shù)據(jù)和第二類型歷史行為數(shù)據(jù)，其中，該第一類型歷史行為數(shù)據(jù)包括目標用戶在人臉識別平臺預先注冊的目標賬號每一次通過該人臉識別平臺進行人臉識別的時間信息，該第二類型歷史行為數(shù)據(jù)包括拍攝形成目標圖像的目標設備至少基于一個賬號通過該人臉識別平臺進行人臉識別的時間信息；

針對所述第一類型歷史行為數(shù)據(jù)包括的多個時間信息，以該多個時間信息中最早的一個時間信息為起點、以該多個時間信息中最晚的一個時間信息為終點，按照第一預設數(shù)量進行滑窗處理，得到多個第一時間序列，其中，每一個所述第一時間序列包括的時間信息的數(shù)量為所述第一預設數(shù)量，每兩個相鄰的所述第一時間序列之間對應排序的時間信息相鄰；

針對每一個所述第一時間序列，基于該第一時間序列的時間變化趨勢確定該第一時間序列中的最晚的一個時間信息之后的一個預測時間信息，得到每一個所述第一時間序列對應的預測時間信息；

針對每一個所述第一時間序列，計算該第一時間序列對應的預測時間信息與對應的目標時間信息之間的第一預測誤差值，其中，每一個所述第一時間序列對應的目標時間信息為下一個所述第一時間序列中最晚的一個時間信息，且最后一個所述第一時間序列對應的目標時間信息為獲取到所述目標圖像的時間信息；

針對每一個所述第一預測誤差值，基于預設的加權系數(shù)確定規(guī)則對該第一預測誤差值進行加權系數(shù)確定處理，得到該第一預測誤差值的第一加權系數(shù)，其中，得到的多個第一加權系數(shù)中，從第一個第一加權系數(shù)到中間第一加權系數(shù)按照第一預設遞增系數(shù)依次遞增，從中間第一加權系數(shù)到最后一個第一加權系數(shù)按照第一預設遞減系數(shù)依次遞減，且該第一預設遞減系數(shù)小于該第一預設遞增系數(shù)，全部的第一加權系數(shù)的和為1；

基于每一個所述第一預測誤差值和對應的每一個所述第一加權系數(shù)，進行加權計算處理得到第一目標誤差值；

針對所述第二類型歷史行為數(shù)據(jù)包括的多個時間信息，以該多個時間信息中最早的一個時間信息為起點、以該多個時間信息中最晚的一個時間信息為終點，按照第二預設數(shù)量進行滑窗處理，得到多個第二時間序列，其中，每一個所述第二時間序列包括的時間信息的數(shù)量為所述第二預設數(shù)量，每兩個相鄰的所述第二時間序列之間對應排序的時間信息相鄰，且該第二預設數(shù)量大于所述第一預設數(shù)量；

針對每一個所述第二時間序列，基于該第二時間序列的時間變化趨勢確定該第二時間序列中的最晚的一個時間信息之后的一個預測時間信息，得到每一個所述第二時間序列對應的預測時間信息；

針對每一個所述第二時間序列，計算該第二時間序列對應的預測時間信息與對應的目標時間信息之間的第二預測誤差值，其中，每一個所述第二時間序列對應的目標時間信息為下一個所述第二時間序列中最晚的一個時間信息，且最后一個所述第二時間序列對應的目標時間信息為獲取到所述目標圖像的時間信息；

針對每一個所述第二預測誤差值，基于預設的加權系數(shù)確定規(guī)則對該第二預測誤差值進行加權系數(shù)確定處理，得到該第二預測誤差值的第二加權系數(shù)，其中，得到的多個第二加權系數(shù)中，從第一個第二加權系數(shù)到最后一個第二加權系數(shù)按照第二預設遞增系數(shù)依次遞增，且全部的第二加權系數(shù)的和為1；

基于每一個所述第二預測誤差值和對應的每一個所述第二加權系數(shù)，進行加權計算處理得到第二目標誤差值；

計算所述第一目標誤差值和所述第二目標誤差值之間的加權和值，其中，該第二目標誤差值的權重系數(shù)基于所述第二類型歷史行為數(shù)據(jù)中通過所述人臉識別平臺進行人臉識別的賬號的數(shù)量的增加而減小，且該第二目標誤差值的權重系數(shù)與該第一目標誤差值的權重系數(shù)的和為1；

將所述加權和值與最后一個所述第一預測誤差值之間的差值作為目標解析結(jié)果，其中，該差值越大，確定的目標安全等級信息的安全等級越低。