(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 202211147416.7 (22)申请日 2022.09.21 (71)申请人 天津沄讯网络科技有限公司 地址 300392 天津市西青区西营门街津静 路6号A1栋1层- 001 (72)发明人 霍迎迎　 (74)专利代理 机构 北京中索 知识产权代理有限 公司 11640 专利代理师 刘洁 (51)Int.Cl. H04L 43/04(2022.01) H04L 43/0876(2022.01) H04L 9/40(2022.01) H04L 41/0246(2022.01) H04L 41/042(2022.01)H04L 41/044(2022.01) H04L 41/16(2022.01) H04L 67/02(2022.01) H04L 67/1097(2022.01) (54)发明名称 改进型深度学习算法模型的互联网流量大 数据分析方法 (57)摘要 本发明公开一种改进型深度学习算法模型 的互联网流量大数据分析方法， 涉及数据信息处 理技术领域； 解决的技术问题是网络部署能力 差， 互联网流量计算能力滞后， 采用的技术方案 包括 （S1） 提取互联网流量大数据信息特征， 采用 数据挖掘模块对预设的互联网流量大数据按照 挖掘规则分析互联网大数据特征； （S2） 通过加密 算法将数据挖掘模块输出的互联网流量大数据 的样本进行加密存储； （S3） 通过改进深度学习算 法对存储的互联网流量大数据样本进行填充处 理； （S4） 根据填充处理的互联网流量大数据结 果， 在大数据分析系统中存储、 显示或者应用。 本 发明大大提高了互联网流量计算能力和网络部 署能力。 权利要求书3页 说明书8页 附图2页 CN 115297023 A 2022.11.04 CN 115297023 A 1.一种改进型深度学习算法模型的互联网流量大数据分析方法， 其特征在于： 所述方 法包括以下步骤： （S1） 提取互联网流量大数据信息特征， 采用数据挖掘模块对预设的互联网流量大数据 按照挖掘规则分析互联网大 数据特征； （S2） 通过加密算法将数据 挖掘模块输出的互联网流 量大数据的样本进行加密存 储； （S3） 通过改进深度学习算法对 存储的互联网流 量大数据样本进行填充处 理； （S4） 根据填充处理的互联网流量大数据结果， 在大数据分析系 统中存储、 显示或者应 用。 2.根据权利要求1所述的一种改进型深度学习算法模型的互联网流量大数据分析方 法， 其特征在于： 在 （S1） 步骤中， 数据挖掘模块包括数据信息收集模块、 信息预处理模块、 统计处理模 块、 生成模式模块和知识表示模块； 其中所述数据信息 收集模块的输出端与信息预处理模 块的输入端连接， 所述信息预处理模块的输出端与 统计处理模块的输入端连接， 所述统计 处理模块的输出端与生 成模式模块的输入端连接， 所述生成模式模块的输出端与知识表示 模块的输入端连接； 数据信息收集模块采用单片机控制的采集模块从互联网流 量大数据获取的原 始数据； 信息预处理模块对原始信息采用SAR影像去噪声处理， 采用数据间关联关系挖掘互联 网流量大数据纠正 不一致的数据信息； 统计处理模块按照改进深度学习算法训练和学习互联网流 量大数据信息； 生成模式模块根据计算得到互联网流量大数据， 按照指数分析法的统计学的原 理获取 重复发生的数据信息规 律； 知识表示模块利用可视化和知识 表示技术， 向用户展示得到的规 律。 3.根据权利要求1所述的一种改进型深度学习算法模型的互联网流量大数据分析方 法， 其特征在于： 加密存储设置有密码算法， 通过所有用户的公钥相加产生的新密匙， 加密 明文产生的密文， 使用户私钥相加所得 的新密匙来解密密文恢复明文， 构成一对新的公钥 于私钥来加密解密互联网流 量大数据的数据。 4.根据权利要求1所述的一种改进型深度学习算法模型的互联网流量大数据分析方 法， 其特征在于： 改进深度学习算法步骤 包括： 第一步： 采用联合时间序列分析， 输出互联网流量大数据的时间戳函数， 函数公式 （1） 所示： （1） 式 （1） 中， x(t)为互联网流量大数据的时间戳校； P(t)为互联网流量大数据的内频数； e 为互联网流量大数据的时间戳编码； t为互联网流量大数据收到数据的时间点； 为互联 网流量大数据样本信号， n为互联网流量大数据的时间参数， 在模糊信息的结构映射中， 采 用模型网络结构进行 数据压缩， 得到校对后的互联网流 量大数据如公式 （2） ：权　利　要　求　书 1/3 页 2 CN 115297023 A 2（2） 式 （2） 中， L为互联网流量大数据的字符串； 为异构性互联网流量大数据关键数据缓 冲内存大小， 为互联网流量大数据系统数据特征的相似系数， 采用块匹配技术， 得到互联 网流量大数据系统 交互的范围检测式如公式 （3） 所示：  （3） 式 （3） 中， H为互联网流量大数据的范围检测大小； A为互联网流量大数据系统数据的聚 类截取水平；m为互联网流 量大数据系统数据的簇数； 流量大数据系统 交互大数据的特 征分类属性判别函数如公式 （4） 所示： （4） 式 （4） 中， B为互联网流量大数据特征点出现频率； T为互联网流量大数据特征维数， 为互联网流 量大数据的分类的大小； 根据互联网流量大数据 特征分类属性判别结果进行流量大数据的信 息匹配， 得到特征 分类信息熵 表示为公式 （5） 所示： （5） 式 （5） 中， I为互联网流量大数据的信 息熵； 为互联网流量大数据 特征干扰系数， 考虑 流量大数据系统输出的均衡性， 得到信号的频域均衡式如公式 （6） 所示：  (6) 式 （6） 中， D为互联网流量大数据信号频域的大小； d为互联网流量大数据查询的迭代步 数；W为互联网流量大数据系统交互输出比特率,基于稳态识别技术， 得到互联网流量大数 据系统数据采样的模糊度函数如公式 （7） 所示：  (7) 式 （7） 中， G为互联网流量大数据采样的模糊度的大小； 为互联网流量大数据系统的 访问比特率， N为互联网流 量大数据系统数据查询的空间匹配度， 在数据中， 采用特征聚类的方法， 得到流量大数据系统交互大数据的模糊特征提取公 式如公式 （8） 所示：权　利　要　求　书 2/3 页 3 CN 115297023 A 3