模型训练方法、信息确定方法和设备与流程

本技术涉及计算机，尤其涉及一种模型训练方法、信息确定方法和设备。

背景技术：

1、随着物联网技术的高速发展，物联网设备的数量日益增长、且物联网设备的种类繁多，那么如何对物联网设备进行识别与管控就成为了本领域的难题。目前，可以通过获取物联网设备与其他设备之间交互的通信数据，然后通过机器学习的方法对通信数据进行分析，以得到物联网设备的类别，实现对物联网设备的识别；然而，通信数据中存在很多干扰数据，导致通过机器学习方法确定的物联网设备的类别的准确度较低。

技术实现思路

1、为解决上述技术问题，本技术实施例期望提供一种模型训练方法、信息确定方法和设备，解决了相关技术中通信数据中存在很多干扰数据，导致确定的物联网设备的类别的准确度较低的问题。

2、本技术的技术方案是这样实现的：

3、一种模型训练方法，所述方法包括：

4、获取样本设备的样本通信数据；其中，所述样本通信数据为与所述样本设备通信的多个对象中的目标对象对应的通信数据；所述样本通信数据表征所述样本设备与所述目标对象之间的数据交互；

5、基于所述样本通信数据确定所述样本设备的设备特征；其中，所述设备特征表征所述样本设备与所述目标对象之间的数据交互情况；

6、基于每一所述样本设备的设备类别和每一所述样本设备的设备特征，对初始分类模型进行模型训练得到目标分类模型。

7、上述方案中，所述获取样本设备的样本通信数据，包括：

8、获取所述样本设备的第一通信数据；其中，所述第一通信数据表征所述样本设备与所述多个对象之间的数据交互；

9、基于所述第一通信数据中包括的多个对象对应的地址数据，对所述第一通信数据进行划分得到多个第二通信数据；其中，每一对象对应一个地址数据；

10、基于目标通信频率，从所述多个第二通信数据中确定所述样本通信数据。

11、上述方案中，所述基于目标通信频率，从所述多个第二通信数据中确定所述样本通信数据，包括：

12、基于每一对象对应的第二通信数据，确定所述每一对象对应的通信频率；

13、基于所述每一对象对应的通信频率，从所述多个对象中确定通信频率满足所述目标通信频率的目标对象；

14、从所述多个第二通信数据中获取所述目标对象对应的通信数据，得到所述样本通信数据。

15、上述方案中，所述基于所述样本通信数据确定所述样本设备的设备特征，包括：

16、从所述样本通信数据中提取所述样本设备与所述目标对象之间传输的第一数据；

17、基于所述第一数据构建所述样本设备对应的灰度信息；其中，所述设备特征包括所述灰度信息。

18、上述方案中，所述基于所述第一数据构建所述样本设备对应的灰度信息，包括：

19、基于目标数据格式对所述第一数据的数据格式进行转换，得到第二数据；

20、基于目标标识符对所述第二数据进行处理，得到多个目标子数据；

21、基于所述多个目标子数据构建所述灰度信息。

22、上述方案中，所述基于目标标识符对所述第二数据进行处理，得到多个目标子数据，包括：

23、对所述第二数据进行分析，得到所述目标标识符；

24、基于所述目标标识符依次对所述第二数据进行划分，得到多个第一子数据；

25、确定第一子数据的目标数量；

26、基于所述目标数量、第一数量阈值以及所述多个第一子数据，确定所述多个目标子数据。

27、上述方案中，所述基于所述目标数量、第一数量阈值以及所述多个第一子数据，确定所述多个目标子数据，包括：

28、在确定所述目标数量满足所述第一数量阈值的情况下，基于第一子数据的划分顺序从所述多个第一子数据中确定所述第一数量阈值个子数据，得到所述多个目标子数据；

29、在确定所述目标数量不满足所述第一数量阈值的情况下，基于所述目标数量与所述第一数量阈值确定目标数值；

30、基于所述多个第一子数据和所述目标数值个第二子数据，得到所述多个目标子数据；其中，所述第二子数据的值为目标字符。

31、上述方案中，所述基于所述多个目标子数据构建所述灰度信息，包括：

32、对每一目标子数据的值进行转换，得到所述每一目标子数据对应的灰度值；

33、从所述每一目标子数据对应的灰度值中，确定第二数量阈值个目标灰度值；

34、按照目标子数据的确定顺序，基于所述每一目标子数据对应的目标灰度值构建所述灰度信息。

35、一种信息确定方法，所述方法包括：

36、获取待处理设备的目标通信数据；

37、采用目标分类模型对所述目标通信数据进行处理，得到所述待处理设备的设备类别；其中，所述目标分类模型是基于样本设备的设备类别和根据所述样本设备的样本通信数据确定的设备特征对初始分类模型进行模型训练得到的；所述样本通信数据为与所述样本设备通信的多个对象中的目标对象对应的通信数据；所述样本通信数据表征所述样本设备与所述目标对象之间的数据交互；所述设备特征表征所述样本设备与所述目标对象之间的数据交互情况。

38、一种模型训练装置、所述装置包括：

39、第一获取单元，用于获取样本设备的样本通信数据；其中，所述样本通信数据为与所述样本设备通信的多个对象中的目标对象对应的通信数据；所述样本通信数据表征所述样本设备与所述目标对象之间的数据交互；

40、第一处理单元，用于基于所述样本通信数据确定所述样本设备的设备特征；其中，所述设备特征表征所述样本设备与所述目标对象之间的数据交互情况；

41、所述第一处理单元，还用于基于每一所述样本设备的设备类别和每一所述样本设备的设备特征，对初始分类模型进行模型训练得到目标分类模型。

42、一种信息确定装置，所述装置包括：

43、所述第二获取单元，用于获取待处理设备的目标通信数据；

44、所述第二处理单元，还用于采用所述目标分类模型对所述目标通信数据进行处理，得到所述待处理设备的设备类别；其中，所述目标分类模型是基于样本设备的设备类别和根据所述样本设备的样本通信数据确定的设备特征对初始分类模型进行模型训练得到的；所述样本通信数据为与所述样本设备通信的多个对象中的目标对象对应的通信数据；所述样本通信数据表征所述样本设备与所述目标对象之间的数据交互；所述设备特征表征所述样本设备与所述目标对象之间的数据交互情况。

45、一种模型训练设备，所述设备包括：第一处理器、第一存储器和第一通信总线；

46、所述第一通信总线用于实现所述第一处理器和所述第一存储器之间的通信连接；

47、所述第一处理器用于执行所述第一存储器中的模型训练程序，以实现上述的模型训练方法的步骤。

48、一种信息确定设备，所述设备包括：第二处理器、第二存储器和第二通信总线；

49、所述第二通信总线用于实现所述第二处理器和所述第二存储器之间的通信连接；

50、所述第二处理器用于执行所述第二存储器中的信息确定程序，以实现上述的信息确定方法的步骤。

51、一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述的模型训练方法或信息确定方法的步骤。

52、本技术的实施例所提供的模型训练方法、信息确定方法和设备，可以获取样本设备的样本通信数据，基于样本通信数据确定样本设备的设备特征，基于每一样本设备的设备类别和每一样本设备的设备特征对初始分类模型进行模型训练得到目标分类模型，获取待处理设备的目标通信数据，采用目标分类模型对目标通信数据进行处理得到待处理设备的设备类别；其中，样本通信数据为与样本设备通信的多个对象中的目标对象对应的通信数据；样本通信数据表征样本设备与目标对象之间的数据交互；如此，将与样本设备通信的多个对象中的目标对象对应的通信数据作为样本设备的样本通信数据，而不是将样本设备中产生的所有通信数据作为样本通信数据，能够排除不具有代表性的通信数据的干扰，减少了数据量、提高了数据处理速率；并且，基于样本通信数据确定样本设备的设备特征，也即通过对样本设备的样本通信数据进行分析得到更能突出样本设备的数据交互情况的设备特征，进而基于设备特征确定目标分类模型，能够使确定出的目标分类模型的模型准确率更高，使采用目标分类模型得到的待处理设备的设备类别的准确率更高，解决了相关技术中通信数据中存在很多干扰数据，导致确定的物联网设备的类别的准确度较低的问题。