(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 202211347925.4 (22)申请日 2022.10.31 (71)申请人 广东美赛尔细胞生物科技有限公司 地址 528000 广东省佛山市禅城区张槎一 路117号二座自编3号楼一层之三 (72)发明人 梅建勋　周朋君　王啸　梁小珍　 梅韵仪　 (74)专利代理 机构 广州博联知识产权代理有限 公司 44663 专利代理师 梁志标　孙倩倩 (51)Int.Cl. G06F 16/23(2019.01) G06F 16/22(2019.01) G16H 10/60(2018.01) (54)发明名称 基于人工智能的数据冷储存处理方法及系 统 (57)摘要 本发明公开了一种基于人工智能的数据冷 储存处理方法及系统， 方法包括： 首先基于预设 周期检测是否存在数据冷储存更新请求； 并在存 储更新请求特征表征为合法特征的情况下， 获取 多个数据的数据基础参量和数据调用参量， 并根 据数据基础参量和数据调用参量确定数据冷储 存更新请求对应的存储方式更新结果； 如此设 计， 本发明在保证了数据获取的安全性的基础 上， 结合了数据的数据基础参量和数据调用参量 综合评估数据针对冷储存的存储 方式更新结果， 相较于现有技术中基于单一标准进行判定的方 案， 能够更加准确地对数据的冷储 存进行管控。 权利要求书4页 说明书18页 附图2页 CN 115510081 A 2022.12.23 CN 115510081 A 1.一种基于人工智能的数据冷储 存处理方法， 其特 征在于， 所述方法包括： 基于预设周期检测是否存在数据冷储 存更新请求； 在检测到的所述数据冷储存更新请求的情况下， 针对所述数据冷储存更新请求进行数 据权限获取； 对所述数据冷储存更新请求进行特征提取， 得到所述数据冷储存更新请求对应的存储 更新请求特 征； 在所述存储更新请求特征表征为合法特征的情况下， 获取多个数据的数据基础参量和 数据调用参量， 并根据所述数据基础参量和所述数据调用参量确定数据冷储存更新请求对 应的存储方式更新结果。 2.根据权利要求1所述的方法， 其特征在于， 所述获取多个数据的数据基础参量和数据 调用参量， 并根据所述数据基础参量和所述数据调用参量确定数据冷储存 更新请求对应的 存储方式更新结果， 包括： 获取所述多个数据的数据基础参量和数据调用参量， 所述数据基础参量为用于描述所 述数据的基础数据， 所述数据调用参量为和调用所述数据的相关数据， 所述多个数据包括 需确定存 储方式的待处 理数据以及预 先配置对应的存 储方式的冷储 存数据； 确定所述待处理数据的数据基础参量与所述冷储存数据的数据基础参量对应的基础 匹配特征， 以及所述待处理数据的数据调用参量与所述冷储存数据的数据调用参量对应的 调用匹配特 征； 将所述基础匹配特征和所述调用匹配特征执行融合操作， 得到所述待处理数据与 所述 冷储存数据对应的匹配特征向量， 对所述匹配特征向量进行识别， 得到所述待处理数据与 所述冷储 存数据对应的匹配系数； 在所述待处理数据与 所述冷储存数据对应的匹配系数符合预置匹配系数阈值 时， 确定 所述待处理数据采用所述冷储存数据对应的存储方式作为所述数据冷储存更新请求对应 的存储方式更新结果。 3.根据权利要求2所述的方法， 其特征在于， 所述数据基础参量包括至少一个基础类型 的基础参数， 所述基础匹配特征包括所述至少一个基础类型上的基础特征元素， 所述数据 调用参量包括至少一个调用类型的基础参数， 所述调用匹配特征包括所述至少一个调用类 型上的调用特征元素； 所述将所述基础 匹配特征和所述调用匹配特征执行融合操作， 得到 所述待处 理数据与所述冷储 存数据对应的匹配特 征向量， 包括： 根据所述至少一个基础类型和所述至少一个调用类型的搭配方式， 将所述至少一个基 础类型上的基础特征元素和所述至少一个调用类型上的调用特征元素执行融合操作， 得到 所述待处 理数据与所述冷储 存数据对应的所述匹配特 征向量。 4.根据权利要求2所述的方法， 其特征在于， 所述对所述匹配特征向量进行识别， 得到 所述待处 理数据与所述冷储 存数据对应的匹配系数， 包括： 调用匹配特征向量提取网络， 对所述匹配特征向量进行识别， 得到所述待处理数据与 所述冷储 存数据对应的匹配系数； 其中， 所述匹配特 征向量提取网络的获取 方式， 包括： 获取初始训练数据和冷储存训练数据对应的训练匹配特征向量， 以及所述初始训练数 据和所述冷储 存训练数据对应的训练匹配系数；权　利　要　求　书 1/4 页 2 CN 115510081 A 2调用所述匹配特征向量提取网络， 对所述训练匹配特征向量进行识别， 得到所述初始 训练数据和所述冷储 存训练数据对应的待确定匹配系数； 根据所述待确定匹配系数和所述训练匹配系数， 训练所述匹配特 征向量提取网络 。 5.根据权利要求2所述的方法， 其特征在于， 所述冷储存数据的数量为多个， 且多个所 述冷储存数据对应的存 储方式相同； 所述在所述待处理数据与 所述冷储存数据对应的匹配系数符合预置匹配系数阈值 时， 确定所述待处 理数据采用所述冷储 存数据对应的存 储方式， 包括： 根据所述待处理数据和多个所述冷储存数据中每两个数据对应的匹配系数， 确定所述 待处理数据和多个所述冷储存数据对应的归类表征值， 所述归类表征值与所述每两个数据 对应的匹配系数成正反馈； 在所述归类表征值达到预置归类表征阈值 时， 确定所述待处理数据采用多个所述冷储 存数据对应的存 储方式。 6.根据权利要求2所述的方法， 其特征在于， 所述数据基础参量和所述数据调用参量均 包括多个基础参数； 所述在所述待处理数据与所述冷储存数据对应的匹配系数符合预置匹 配系数阈值时， 确定所述待处 理数据采用所述冷储 存数据对应的存 储方式， 包括： 在所述待处理数据与 所述冷储存数据之间具有同类参考性， 且所述待处理数据与 所述 冷储存数据对应的匹配系数达到预设匹配系数阈值时， 确定所述待处理数据采用所述冷储 存数据对应的存 储方式， 所述同类参 考性是指具有一 致的基础参数。 7.根据权利要求6所述的方法， 其特征在于， 所述冷储存数据包括第一数据和第二数 据， 所述待处理数据与所述第一数据之间不具有所述同类参考性， 所述待处理数据与所述 第二数据之间具有所述同类参 考性； 所述确定所述待处理数据的数据基础参量与所述冷储存数据的数据基础参量对应的 基础匹配特征， 以及所述待处理数据的数据调用参量与所述冷储存数据的数据调用参量对 应的调用匹配特 征， 包括： 确定所述待处理数据的数据基础参量与所述第二数据的数据基础参量对应的基础匹 配特征， 以及所述待处理数据的数据调用参量与所述第二数据的数据调用参量对应的调用 匹配特征； 所述在所述待处理数据与 所述冷储存数据之间具有同类参考性， 且所述待处理数据与 所述冷储存数据对应的匹配系数达到预设匹配系数阈值时， 确定所述待处理数据采用所述 冷储存数据对应的存 储方式， 包括： 在所述待处理数据与 所述第二数据对应的匹配系数达到所述预设匹配系数阈值时， 确 定所述待处 理数据采用所述第二数据对应的存 储方式； 所述确定所述待处理数据的数据基础参量与所述冷储存数据的数据基础参量对应的 基础匹配特征， 以及所述待处理数据的数据调用参量与所述冷储存数据的数据调用参量对 应的调用匹配特 征之前， 所述方法还 包括： 确定所述第 一数据与 所述第二数据对应的匹配系数， 所述第 一数据对应的存储方式预 先配置， 所述第二数据对应的存储方式还未确定， 且所述第一数据与所述第二数据之间具 有所述同类参 考性； 在所述第一数据与 所述第二数据对应的匹配系数达到所述预设匹配系数阈值 时， 确定权　利　要　求　书 2/4 页 3 CN 115510081 A 3