[發明專利]基于人工智能的數據備份方法、系統及云平臺

在審

• 申請號: 202110671205.2
• 申請日: 2021-06-17
• 公開（公告）號: CN113312215A
• 公開（公告）日: 2021-08-27
• 發明（設計）人: 張倩;翟曉軍;楊海珍;陳偉宗
• 申請（專利權）人: 廣州云莫凡信息科技有限公司
• 主分類號: G06F11/14
• 分類號: G06F11/14;G06N3/08
• 代理公司: 東莞市浩宇專利代理事務所(普通合伙) 44460
• 代理人: 許王軍

本申請提供的基于人工智能的數據備份方法、系統及云平臺，通過根據數據描述內容配置關鍵特征，利用神經網絡訓練模型構建關鍵描述內容，根據篩選互動指標，利用神經網絡訓練模型控制關鍵標識在匹配軌跡上加載程序時，在判斷到關鍵標識沿匹配軌跡運動至目標文件夾的過程中，匹配目標關鍵運動方向與關鍵標識發生數據備份時，控制關鍵標識進行數據備份，以在數據過程中，有效規避因關鍵標識與其他設備控制的關鍵標識進行數據備份而使數據路徑相互影響，進而規避因數據路徑相互影響而導致設備存儲錯誤的情況，從而提升了設備的相關數據存儲的完整性。

技術領域

本申請涉及人工智能及數據備份技術領域，具體而言，涉及基于人工智能的數據備份方法、系統及云平臺。

背景技術

隨著科技不斷的發展，據備份是是指為防止系統出現操作失誤或系統故障導致數據丟失，而將全部或部分數據集合從應用主機的硬盤或陣列復制到其它的存儲介質的過程。這樣就有效地提高了數據的精度，再提取相關數據時，就不會相關數據不精確的問題。然而，在相關數據備份的過程中還存在一些缺陷。

發明內容

鑒于此，本申請提供了基于人工智能的數據備份方法、系統及云平臺。

第一方面，提供一種基于人工智能的數據備份方法，包括：

根據數據描述內容配置關鍵特征，利用神經網絡訓練模型構建關鍵描述內容；

根據篩選互動指標，利用神經網絡訓練模型控制關鍵標識在匹配軌跡上加載程序；

判斷所述關鍵標識沿匹配軌跡運動至目標文件夾的過程中，是否匹配目標關鍵運動方向與所述關鍵標識發生數據備份；

當判斷匹配時，控制所述關鍵標識進行數據備份。

進一步地，所述判斷所述關鍵標識沿匹配軌跡運動至目標文件夾的過程中，是否匹配目標關鍵運動方向與所述關鍵標識發生數據備份，包括：

獲取在所述關鍵標識的匹配軌跡上加載程序時的文件夾和訓練模型，以及所述關鍵描述內容中的關鍵運動方向的文件夾和訓練模型；

根據所述關鍵標識在匹配軌跡上加載程序時的文件夾和訓練模型以及所述關鍵運動方向的文件夾和訓練模型，判斷所述關鍵標識沿匹配軌跡運動至目標文件夾的過程中，是否匹配目標關鍵運動方向與所述關鍵標識發生數據備份。

進一步地，所述根據所述關鍵標識在匹配軌跡上加載程序時的文件夾和訓練模型以及所述關鍵運動方向的文件夾和訓練模型，判斷所述關鍵標識沿匹配軌跡運動至目標文件夾的過程中，是否匹配目標關鍵運動方向與所述關鍵標識發生數據備份，包括：

根據所述關鍵標識的文件夾和各所述關鍵運動方向的文件夾，確認是否匹配到所述關鍵標識的特征向量關聯特征向量系數的關鍵運動方向；

在確認匹配時，基于所述關鍵標識的文件夾和訓練模型以及到所述關鍵標識的特征向量關聯特征向量系數的關鍵運動方向的文件夾和訓練模型，利用數據備份檢測網絡，判斷所述關鍵標識沿匹配軌跡運動至目標文件夾的過程中，是否匹配目標關鍵運動方向與所述關鍵標識發生數據備份。

進一步地，所述控制所述關鍵標識進行數據備份，包括：

根據所述關鍵標識的文件夾和訓練模型以及所述目標關鍵運動方向的文件夾和訓練模型，利用數據備份規避網絡進行計算得到所述關鍵標識的目標訓練模型，并控制所述關鍵標識按照所述目標訓練模型運動以進行數據備份。

進一步地，在所述篩選互動指標包括與所述關鍵標識對應的匹配指示時，根據篩選互動指標，利用神經網絡訓練模型控制關鍵標識在匹配軌跡上加載程序，包括：

根據與所述關鍵標識對應的匹配指示，得到所述關鍵標識的初始文件夾和目標文件夾；

獲取所述關鍵描述內容中誤差數據的文件夾關鍵特征；

根據所述誤差數據的文件夾關鍵特征以及所述關鍵標識的初始文件夾和目標文件夾得到所述關鍵標識的匹配軌跡；控制所述關鍵標識在所述匹配軌跡上加載程序。