(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211153871.8 (22)申请日 2022.09.21 (71)申请人 重庆航天信息有限公司 地址 400039 重庆市九龙坡区火炬 大道69 号1幢 (72)发明人 詹洪胜　高中发　余声茂　邹敦蓉　 王建耸　王锐强　张理静　陈俊宇　 李成康　黎婧　侯敏　杨凤　 马京江　莫军　邱果　黄文颖　 黄银发　黄博文　范羽　周佳欣　 王超　 (74)专利代理 机构 重庆仟佰度专利代理事务所 (普通合伙) 50295 专利代理师 王海荣(51)Int.Cl. H04L 67/1004(2022.01) H04L 67/1095(2022.01) H04L 67/60(2022.01) H04L 41/0631(2022.01) H04L 41/14(2022.01) H04L 41/147(2022.01) H04L 9/40(2022.01) H04L 12/66(2006.01) (54)发明名称 异构密码资源 池的调度系统及方法 (57)摘要 本发明涉及信息系统安全技术领域， 具体公 开了异构密码资源池的调度系统及方法， 其中系 统包括服务网关、 通用服务器、 学习数据库、 调度 模块和若干密码设备； 通用服务器部署有虚拟模 块和负载均衡模块； 虚拟模块用于将密码设备虚 拟成不同类型的资源云； 服务网关还用于将服务 接口调用数据发送至学习数据库存储； 学习数据 库还用于获取密码设备的设备状态数据； 调度模 块用于通过服务接口调用数据和设备状态数据 对AI模型进行训练， 预测未来一段时间内， 资源 云资源负载情况； 负载均衡模块用于进行负载均 衡判断时， 将初步结果和AI模型的预测结果进行 对比修正， 确定发送的密码设备。 采用本发明的 技术方案能够实现动态调度， 提高系统运行效 率。 权利要求书2页 说明书7页 附图2页 CN 115514766 A 2022.12.23 CN 115514766 A 1.异构密码资源池的调度系统， 其特征在于， 包括服务网关、 同步模块、 通用服务器、 学 习数据库、 调度模块和若干密码设备； 同步模块用于在 密码设备接入网络后， 将相同类型的密码设备进行关键资源同步； 通用服务器部署有虚拟模块和负载均衡模块； 负载均衡模块用于连接关键资源同步后 的密码设备； 虚拟模块用于通过虚拟化技术将密码设备的物理资源虚拟成不同类型的资源 云； 服务网关用于获取第三方应用服务接口的调用申请； 还用于对调用申请进行解析， 根 据解析后的结果确定面向不同资源云的服 务请求； 服务网关还用于将服务接口调用数据发送至学习数据库存储； 学习数据库还用于获取 密码设备的设备状态数据； 调度模块预存有AI模型， 调度模块用于通过服务接口调用数据和设备状态数据对AI模 型进行训练； 调度模块还用于通过训练后的AI模型预测未来一段时间内， 资源云资源负载 情况； 负载均衡模块还用于进行负载均衡判断时， 根据不同类型密码设备预设的负载均衡算 法得到初步结果， 然后将初步结果和AI模型得到的预测结果进行对比修正， 确定发送的密 码设备。 2.根据权利要求1所述的异构密码资源池的调度系统， 其特征在于： 所述调度模块还用 于在训练的数据达 到设定数量之后， 根据实际结果与预测结果的差异对AI模型进行修 正。 3.根据权利要求1所述的异构密码资源池的调度系统， 其特征在于： 所述学习数据库还 用于对设备状态数据进行分类并存储， 分类后的设备状态数据包括设备负载数据和设备故 障数据。 4.根据权利要求3所述的异构密码资源池的调度系统， 其特征在于： 所述AI模型包括负 载均衡配置模型； 调度模块还用于通过服务接口调用数据和设备负载数据对负载均衡配置 模型进行训练， 使负载均衡配置模型得到密码设备 的资源趋势情况， 通过训练后的负载均 衡配置模型 预测未来 一段时间内， 资源云 资源负载情况及设备资源负载情况。 5.根据权利要求4所述的异构密码资源池的调度系统， 其特征在于： 所述AI模型还包括 接口调用预测模型； 调度模块用于通过学习数据库内的服务接口调用数据对接口调用预测模型进行训练， 使接口调用预测模型得到服务接口按照时间分布的调用趋势情况， 通过训练后的接口调用 预测模型对未来 一段时间的接口调用趋势进行 预测； 调度模块还用于根据接口调用预测模型的预测结果进行分析， 得到全天各时间段接口 服务调用频率情况， 接口并发情况， 数据流 量情况， 以及对峰值时段 预警。 6.根据权利要求5所述的异构密码资源池的调度系统， 其特征在于： 所述AI模型还包括 设备状态预测模型； 调度模块还用于从通过设备负载数据对设备状态预测模型进行训练， 使设备状态预测 模型得到密码设备的资源趋势情况， 通过训练后的设备状态预测模型预测未来一段时间内 设备资源负载情况； 调度模块还用于根据设备状态预测模型的预测结果进行分析， 得到密码设备全天运行 情况， 包括设备资源负载情况， 高峰时段， 闲置时段， 各时段CPU利用率， 各时段内存占用量权　利　要　求　书 1/2 页 2 CN 115514766 A 2和TPS。 7.根据权利要求6所述的异构密码资源池的调度系统， 其特征在于： 所述AI模型还包括 故障与问题处置模型； 调度模块还用于通过设备故障数据对故障与问题 处置模型进行训练， 使故障与问题 处 置模型得到密码设备的故障趋势情况， 通过训练后的故障与问题处置模型预测未来一段时 间内设备故障概 率； 调度模块还用于通过故障与问题 处置模型的预测结果， 判断设备故障概率是否高于 阈 值， 若高于阈值， 进行异常告警。 8.异构密码资源 池的调度方法， 其特 征在于， 包括如下步骤： S1、 服务网关通过服 务接口接收第三方应用的调用申请； S2、 对调用申请进行解析， 根据解析后的结果确定调用的资源云， 将第 三方应用的服务 请求转发至对应的资源云； S3、 负载均衡模块根据不同类型密码设备预设的负载均衡算法得到初步结果， 然后将 初步结果和负载均衡 配置模型 得到的预测结果进行对比修 正， 确定分发的密码设备； S4、 根据确定的密码设备进行服 务请求分发； S5、 密码设备收到服 务请求后， 进行服 务请求的处 理； S6、 设备状态预测模型输出处理完成时间的预测结果， 将预测结果发送至负载均衡模 块； S7、 负载均衡模块接收预测结果后， 建立预 先与服务网关的连接； S8、 密码设备将服 务请求处 理完成之后， 将处 理结果发送至资源云； S9、 负载均衡模块从资源云读取处 理结果发送至服 务网关； S10、 服务网关通过服 务接口将处 理结果发送至第三方应用。 9.根据权利要求8所述的异构密码资源池的调度方法， 其特征在于： 所述步骤S2中， 服 务请求转发至资源云后， 该服 务请求断开连接 。权　利　要　求　书 2/2 页 3 CN 115514766 A 3