CN116911387A - 一种推理方法、装置及电子设备 - Google Patents

Abstract

本申请公开一种推理方法、装置及电子设备，该方法包括，对输入数据进行特征提取，得到特征数据，并根据特征数据，形成N个格式数据，然后，调取用户选择的数据推理装置选择策略，根据数据推理装置选择策略，在M个数据推理装置中选择出第一目标数据推理装置，并在N个格式数据中确定出与第一目标数据推理装置相匹配的目标格式数据，最后，通过第一目标数据推理装置对目标格式数据进行推理，并输出目标推理结果。通过上述方法，不仅可以过滤掉输入数据中的无用信息，还能使得推理过程简单化，提高推理效率。

Description

一种推理方法、装置及电子设备

技术领域

本申请涉及网络与信息安全、计算机处理技术及内生安全技术领域，特别是涉及一种推理方法、装置及电子设备。

背景技术

随着信息化时代的发展，计算机能够访问和处理的数据也越来越多，常用的处理方法和手段主要是通过机器学习算法对训练数据集进行规律分析得到推理模型，并利用该推理模型持续对未知的样本数据进行推理。在这样的环境下，如何得到有效的推理结果是亟待解决的问题。

为了解决上述问题，相关技术中，采用了一种推理系统，包括第一推理装置、第二推理装置、更新装置以及决策装置。其中，第一推理装置用于利用第一推理模型对输入样本进行推理；决策装置用于在第一推理模型针对该输入样本的推理结果满足传输条件的情况下，将输入样本传输给第二推理装置；第二推理装置用于利用第二推理模型对接收到的该输入样本进行推理，并且，第二推理装置所使用的第二推理模型的规格大于第一推理装置所使用的第一推理模型的规格；更新装置，用于当推理系统满足第一更新触发条件时，更新决策装置中的传输条件。

在上述推理过程中，需要将输入样本经过第一推理装置，并在第一推理装置的推理结果满足传输条件时，再将输入样本传输给第二推理装置，得到推理结果，推理过程较为复杂，因此，采用上述这种推理方式无疑于增加了计算量，降低了推理效率。

发明内容

本申请提供了一种推理方法、装置及电子设备，可以解决现有数据推理系统，由于推理过程较为复杂、计算量大，导致推理效率低的问题。

第一方面，本申请提供了一种推理方法，所述方法包括：

对输入数据进行特征提取，得到特征数据；

根据所述特征数据，形成N个格式数据，其中，所述N个格式数据对应M个数据推理装置，所述N＝M为大于1的整数；

调取用户选择的数据推理装置选择策略，根据所述数据推理装置选择策略，在M个数据推理装置中选择出第一目标数据推理装置，并在所述N个格式数据中确定出与所述第一目标数据推理装置相匹配的目标格式数据；

通过所述第一目标数据推理装置对所述目标格式数据进行推理，并输出目标推理结果。

通过上述方法，对输入数据进行特征提取，可以过滤掉输入数据中的无用信息，同时，根据数据推理装置选择策略，在M个数据推理装置中选择出第一目标数据推理装置，并通过第一目标数据推理装置对目标格式数据进行推理，相较于经过至少两个推理装置得到推理结果，简化了推理过程，从而提高了推理效率。

在一种可能的设计中，所述根据所述数据推理装置选择策略，在M个数据推理装置中选择出第一目标数据推理装置，包括：

在所述用户选择的数据推理装置选择策略为第一选择策略时，根据所述M个数据推理装置对应的推理效率的高低，选择出所述第一目标数据推理装置；或

在所述用户选择的数据推理装置选择策略为第二选择策略时，根据所述M个数据推理装置对应的推理结果的准确度，选择出所述第一目标数据推理装置；或

在所述用户选择的数据推理装置选择策略为第三选择策略时，在所述M个数据推理装置中随机选择出所述第一目标数据推理装置；或

在所述用户选择的数据推理装置选择策略为第四选择策略时，根据所述M个数据推理装置对应的存储位置的先后顺序，选择出所述第一目标数据推理装置。

通过上述方法，使用户可以根据不同数据推理装置选择策略来选择出第一目标数据推理装置，并通过第一目标数据推理装置对目标格式数据进行推理，相较于经过至少两个推理装置得到推理结果，简化了推理过程，从而提高了推理效率。

在一种可能的设计中，所述M个数据推理装置，至少包括：基于元知识的原理推理装置、基于专家知识的规则推理装置、基于案例的实例推理装置及基于机器学习的人工智能算法推理装置。

通过上述方法，通过至少四种数据推理装置来实现数据推理，可以满足用户对于数据的不同推理需求。

在一种可能的设计中，所述方法还包括：

按照设定周期对所述M个数据推理装置进行安全检测；

在检测到有未知安全风险发生时，若判断出所述未知安全风险的发生位置为所述第一目标数据推理装置，则停用所述第一目标数据推理装置，输出所述未知安全风险对应的提示信息，并根据所述数据推理装置选择策略，在非所述第一目标数据推理装置的M个数据推理装置中选择出第二目标数据推理装置，通过所述第二目标数据推理装置进行替补推理，其中，所述提示信息用于指示所述未知安全风险的发生位置。

通过上述方法，在有未知安全风险发生时，不仅可以及时提示风险发生位置，还能在风险发生位置是第一目标数据推理装置时，及时通过第二目标装置进行替补推理，保证了推理过程不被中断。

在一种可能的设计中，在所述得到目标推理结果之后，还包括：

在所述目标格式数据对应的目标数据库中，查找是否存在所述目标格式数据对应的历史推理结果；

若是，则根据所述目标推理结果更新所述历史推理结果；

若否，则在所述目标数据库中新增所述目标格式数据对应的目标推理结果。

通过上述方法，可以保证存储的目标推理结果的准确性和完整性。

第二方面，本申请提供了一种推理装置，所述装置包括：

提取模块，用于对输入数据进行特征提取，得到特征数据；

形成模块，用于根据所述特征数据，形成N个格式数据，其中，所述N个格式数据对应M个数据推理装置，所述N＝M为大于1的整数；

选择模块，用于调取用户选择的数据推理装置选择策略，根据所述数据推理装置选择策略，在M个数据推理装置中选择出第一目标数据推理装置，并在所述N个格式数据中确定出与所述第一目标数据推理装置相匹配的目标格式数据；

推理模块，用于通过所述第一目标数据推理装置对所述目标格式数据进行推理，并输出目标推理结果。

在一种可能设计中，所述选择模块具体用于：

在所述用户选择的数据推理装置选择策略为第一选择策略时，根据所述M个数据推理装置对应的推理效率的高低，选择出所述第一目标数据推理装置；或

在所述用户选择的数据推理装置选择策略为第二选择策略时，根据所述M个数据推理装置对应的推理结果的准确度，选择出所述第一目标数据推理装置；或

在所述用户选择的数据推理装置选择策略为第三选择策略时，在所述M个数据推理装置中随机选择出所述第一目标数据推理装置；或

在所述用户选择的数据推理装置选择策略为第四选择策略时，根据所述M个数据推理装置对应的存储位置的先后顺序，选择出所述第一目标数据推理装置。

在一种可能设计中，所述装置至少包括：基于元知识的原理推理装置、基于专家知识的规则推理装置、基于案例的实例推理装置及基于机器学习的人工智能算法推理装置。

在一种可能设计中，所述装置还包括：

检测模块，用于按照设定周期对所述M个数据推理装置进行安全检测；

处理模块，用于在检测到有未知安全风险发生时，若判断出所述未知安全风险的发生位置为所述第一目标数据推理装置，则停用所述第一目标数据推理装置，输出所述未知安全风险对应的提示信息，并根据所述数据推理装置选择策略，在非所述第一目标数据推理装置的M个数据推理装置中选择出第二目标数据推理装置，通过所述第二目标数据推理装置进行替补推理，其中，所述提示信息用于指示所述未知安全风险的发生位置。

在一种可能的设计中，所述装置还包括：

查找模块，用于在所述目标格式数据对应的目标数据库中，查找是否存在所述目标格式数据对应的历史推理结果；

更新模块，用于若存在所述历史推理结果，则根据所述目标推理结果更新所述历史推理结果；

新增模块，用于若不存在所述历史推理结果，则在所述目标数据库中新增所述目标格式数据对应的目标推理结果。

第三方面，本申请提供了一种电子设备，包括：

存储器，用于存放计算机程序；

处理器，用于执行所述存储器上所存放的计算机程序时，实现上述的推理方法步骤。

第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述的推理方法步骤。

基于本申请所提供的推理方法，通过对输入数据进行特征提取，可以过滤掉输入数据中的无用信息，同时，根据数据推理装置选择策略，在M个数据推理装置中选择出第一目标数据推理装置，并通过第一目标数据推理装置对目标格式数据进行推理，相较于经过至少两个推理装置得到推理结果，简化了推理过程，从而提高了推理效率。

上述第二方面至第四方面中的各个方面以及各个方面可能达到的技术效果参照上述针对第一方面或者第一方面中的各种可能方案可以达到的技术效果说明，这里不再重复赘述。

附图说明

图1为本申请实施例适用的应用场景示意图；

图2为本申请实施例提供的一种数据推理装置的结构示意图；

图3为本申请实施例提供的一种推理方法的流程图；

图4为本申请实施例提供的一种推理装置的结构示意图之一；

图5为本申请实施例提供的一种推理装置的结构示意图之二；

图6为本申请实施例提供的一种推理装置的结构示意图之三；

图7为本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述。方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。需要说明的是，在本申请的描述中“多个”理解为“至少两个”。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，并存在A和B，单独存在B这三种情况。A与B连接，可以表示：A与B直接连接和A与B通过C连接这两种情况。另外，在本申请的描述中，“第一”、“第二”等词汇，仅用于区分描述的目的，而不能理解为指示或暗示相对重要性，也不能理解为指示或暗示顺序。

为了便于本领域技术人员理解，首先对本申请实施例中所涉及的技术术语进行解释说明。

(1)内生安全是指通过增强计算机系统和网络设备的安全能力，使攻击不可能发生。

(2)内生安全机制是指系统/设备内部自身具备的安全保护机制，这种机制可以有效的保护系统/设备的安全，防止外部攻击和内部破坏。

(3)动态异构冗余构造(Dynamic Heterogeneous Redundancy，DHR)能够为信息系统或控制装置或相关设施提供高可靠、高可信、高可用的使用性能，基于DHR产生的内生安全效应，能有效抑制隐藏在系统内部的已知或未知漏洞后门、病毒木马等引起的安全威胁。

下面结合附图，对本申请实施例进行详细描述。

现有推理过程中，需要将输入样本经过第一推理装置，并在第一推理装置的推理结果满足传输条件时，再将输入样本传输给第二推理装置，得到推理结果，推理过程较为复杂，因此，采用现有推理方式无疑于增加了计算量，降低了推理效率。

为了解决上述问题，本申请实施例提供的一种推理方法，通过对输入数据进行特征提取，可以过滤掉输入数据中的无用信息，同时，根据数据推理装置选择策略，在M个数据推理装置中选择出第一目标数据推理装置，并通过第一目标数据推理装置对目标格式数据进行推理，相较于经过至少两个推理装置得到推理结果，简化了推理过程，从而提高了推理效率。其中，本申请实施例所述方法和装置基于同一技术构思，由于方法及装置所解决问题的原理相似，因此装置与方法的实施例可以相互参见，重复之处不再赘述。

为了使本申请的目的、技术方案和优点更加清楚，下面对本申请实施例的技术方案能够适用的应用场景做一些简单介绍，需要说明的是，以下介绍的应用场景仅用于说明本申请实施例而非限定。在具体实施时，可以根据实际需要灵活地应用本申请实施例提供的技术方案。

如图1所示，为本申请实施例适用的应用场景示意图。该场景主要包括数据采集设备101、推理装置102。其中，数据采集设备101和推理装置102之间可通过通信网络进行信息交互，该通信网络采用的通信方式可包括：无线通信方式和有线通信方式。

本申请实施例对上述设备的数量不做任何限制，如图1所示，仅以数据采集设备101和推理装置102为例进行描述，下面对上述各设备及其各自的功能进行简要介绍。

示例性的，数据采集设备101可以是一个基于内生安全的三层架构装置，用于获取原始数据信息。在本申请实施例中，用户可以在数据采集设备101上选择出输入数据。

示例性的，推理装置102中包括M个数据推理装置，及与M个数据推理装置分别对应的数据库。在本申请实施例中，推理装置102用于对上述输入数据进行推理，并输出推理结果保存至相应的数据库。

进一步的，推理装置102是基于内生安全的DHR，可以包括四层动态异构的数据推理装置，如图2所示：

图2为本申请实施例提供的一种数据推理装置的结构示意图。该数据推理装置200包括基于元知识的原理推理装置200a及对应的业务原理数据库、基于专家知识的规则推理装置200b及对应的专家知识数据库、基于案例的实例推理装置200c及对应的业务案例数据库、基于机器学习的人工智能(Artificial Intelligence，AI)算法推理装置200d及对应的AI算法特征数据库，其中，各个数据推理装置之间相互支撑，即任一数据推理装置的推理结果都能被其他数据推理装置使用。

基于元知识的原理推理装置200a对应的元知识数据表示为：数据元素+元素参数，且与该原理推理装置功能中的业务公理、业务公式及业务法则相关联。

基于专家知识的规则推理装置200b对应的专家知识数据表示为：业务规则特征+规则特征参数，且与该规则推理装置功能中的业务规则和规则推理相关联。

基于案例的实例推理装置200c对应的业务案例数据表示为：案例结构规则+结构特征参数，且与该实例推理装置功能中的成功实例和实例推理相关联。

基于机器学习的AI算法推理装置200d对应的机器学习模型数据表示为：AI模型特征+模型特征参数，且与该AI算法推理装置功能中的AI算法和AI算法推理相关联。

在一些实施例中，还可以基于上述数据推理装置200设置各种数据推理装置选择策略，根据各种数据推理装置选择策略在上述数据推理装置200中设置优先级顺序，例如基于案例的实例推理装置200c>基于机器学习的AI算法推理装置200d>基于元知识的原理推理装置200a>基于专家知识的规则推理装置200b，以使用户可以根据不同推理需求，选择出相应的数据推理装置。

为进一步说明本申请实施例提供的技术方案，下面结合附图以及具体实施方式对此进行详细的说明。虽然本申请实施例提供了如下述实施例或附图所示的方法操作步骤，但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作步骤。在逻辑上不存在必要因果关系的步骤中，这些步骤的执行顺序不限于本申请实施例提供的执行顺序。所述方法在实际的处理过程中或者装置执行时，可按照实施例或者附图所示的方法顺序执行或者并执行。

图3为本申请实施例提供的一种推理方法的流程图，该流程可由推理装置所执行，该装置可通过软件的方式实现，也可通过硬件的方式实现，还可通过软件和硬件结合的方式实现，用以提高推理效率。如图3所示，该流程包括如下步骤：

S301，对输入数据进行特征提取，得到特征数据；

在本申请实施例中，用户可以在图1所示的数据采集设备101上选择出输入数据，具体的：

数据采集设备101通过第一层架构获取第一数据信息，并通过内生安全机制检测第一数据信息是否存在安全风险。响应于第一数据信息不存在安全风险，将第一数据信息存储至第一层架构，并由第一层架构传输至第二层架构。

此时，第二层架构中的第二数据信息包括自身获取的数据信息和接收到的第一数据信息。通过内生安全机制检测第二数据信息是否存在安全风险；响应于第二数据信息不存在安全风险，将第二数据信息存储至第二层架构，并由第二层架构传输至第三层架构。

此时，第三层架构中的第三数据信息包括自身获取的数据信息和接收到的第二数据信息。通过内生安全机制检测第三数据信息是否存在安全风险；响应于第三数据信息不存在安全风险，将第三数据信息存储至第三层架构。

通过上述方法，使得第三层架构控制中心的管理员能够实时、较为全面地掌握各个层级控制中心的数据信息。

进一步，数据采集设备101在接收到用户的数据选择指令时，根据该数据选择指令查找出输入数据。

进一步，在得到输入数据后，图1所示的推理装置102对输入数据进行特征提取，得到特征数据。举例来讲，输入数据为：AABBCDEF，推理装置102经检验发现输入数据中重复的数据为无用数据，则对输入数据进行特征提取，得到特征数据为：ABCDEF。

S302，根据上述特征数据，形成N个格式数据；

在本申请实施例中，推理装置102中包括M个数据推理装置。在得到特征数据后，需要根据特征数据，形成N个格式数据，其中，N个格式数据对应M个数据推理装置，N＝M为大于1的整数。

举例来讲，特征数据为一张在路口拍到的违章车辆图片，则根据特征数据形式的元知识数据表示为：车牌+A12345。

进一步，将N个格式数据暂存至缓存器中，以使M个数据推理装置可以快速的调用对应的格式数据进行处理。具体来讲，可以在缓存器中建立一个数据存储表，将N个格式数据分别暂存至对应的表格中，并将未进行推理的N个格式数据进行标记，比如，将N个格式数据所在行标记为待推理，其中，数据存储表如表1所示：

表1一种数据存储表

在表1中，第一行分别是输入数据、特征数据及M个数据推理装置的名称，缓存器不会自动更改第一行，其余的表格则用来暂存对应的数据，0表示该表格暂时没有存储数据。从而根据输入数据得到特征数据，且根据特征数据形成N个格式数据时，可以分别将输入数据、特征数据及N个格式数据暂存至对应的表格下。其中，数据存储表可以有10行，也可以只有2行，具体的行数视情况而定，此处不作具体的限定。

在另一些实施例中，还可以将得到的特征数据存储至特征数据库中，从而当再对相同的特征数据进行推理时，可以直接获取特征数据对应的N个格式数据，进一步提高推理速度。

S303，调取用户选择的数据推理装置选择策略，根据该数据推理装置选择策略，在M个数据推理装置中选择出第一目标数据推理装置，并在N个格式数据中确定出与第一目标数据推理装置相匹配的目标格式数据；

在本申请实施例中，为了提高推理效率，可以在M个数据推理装置中选择出第一目标数据推理装置来进行数据推理，具体的选择方法可以是：

推理装置102调取用户选择的数据推理装置选择策略，根据数据推理装置选择策略，在M个数据推理装置中选择出第一目标数据推理装置。具体来讲，存储器中存储着多个数据推理装置选择策略供用户选择，在用户选择的数据推理装置选择策略为第一选择策略时，根据M个数据推理装置对应的推理效率的高低，选择出第一目标数据推理装置。

举例来讲，统计基于元知识的原理推理装置200a推理5次数据所耗费的时间分别是：80秒、90秒、80秒、70秒、90秒，及基于专家知识的规则推理装置200b推理5次数据所耗费的时间分别是：60秒、70秒、50秒、80秒、50秒，进而根据各个时间可以计算出基于元知识的原理推理装置200a的推理效率为：82秒每次，基于元知识的原理推理装置200a的推理效率为：62秒每次。将基于元知识的原理推理装置200a和基于专家知识的规则推理装置200b按照效率的高低进行排序得到：基于专家知识的规则推理装置200b、基于元知识的原理推理装置200a，则在用户选择的数据推理装置选择策略为第一选择策略时，选择出的第一目标数据推理装置为基于专家知识的规则推理装置200b；或

在用户选择的数据推理装置选择策略为第二选择策略时，根据M个数据推理装置对应的推理结果的准确度，选择出第一目标数据推理装置。

举例来讲，基于元知识的原理推理装置200a对应的推理结果的准确度为80％，基于专家知识的规则推理装置200b对应的推理结果的准确度为70％，基于案例的实例推理装置200c对应的推理结果的准确度为90％。将基于元知识的原理推理装置200a、基于专家知识的规则推理装置200b和基于案例的实例推理装置200c按照对应的推理结果的准确度进行排序得到：基于案例的实例推理装置200c、基于元知识的原理推理装置200a、基于专家知识的规则推理装置200b，则在用户选择的数据推理装置选择策略为第二选择策略时，选择出的第一目标数据推理装置为基于案例的实例推理装置200c；或

在用户选择的数据推理装置选择策略为第三选择策略时，在M个数据推理装置中随机选择出第一目标数据推理装置；或

在用户选择的数据推理装置选择策略为第四选择策略时，根据M个数据推理装置对应的存储位置的先后顺序，选择出第一目标数据推理装置。

举例来讲，数据推理装置包括基于元知识的原理推理装置200a、基于专家知识的规则推理装置200b、基于案例的实例推理装置200c和基于机器学习的AI算法推理装置200d，且各个数据推理装置对应的存储位置的先后顺序为基于机器学习的AI算法推理装置200d、基于元知识的原理推理装置200a、基于案例的实例推理装置200c和基于专家知识的规则推理装置200b，则在用户选择的数据推理装置选择策略为第四选择策略时，选择出的第一目标数据推理装置为基于机器学习的AI算法推理装置200d。

同时，用户还可以在M个数据推理装置中，指定任一数据推理装置作为第一目标数据推理装置。

上述方法中虽然仅列举出了五种数据推理装置策略，但并不代表只存在五种数据推理装置策略，可以根据实际情况增加或减少数据推理装置策略，此处不作具体的限定。

在通过上述方法选择出第一目标数据推理装置后，需要在缓存器的N个格式数据中确定出与第一目标数据推理装置相匹配的目标格式数据。具体来讲，将第一目标数据推理装置与缓存器中的数据存储表进行匹配，确定出第一目标数据推理装置所在列，并在该列中确定出被标记为待推理的各个数据，根据各个数据存储的先后的顺序确定出目标格式数据。

S304，通过选择出的第一目标数据推理装置对目标格式数据进行推理，并输出目标推理结果。

在本申请实施例中，选择出第一目标数据推理装置和对应的目标格式数据后，通过该第一目标数据推理装置对目标格式数据进行推理，输出目标推理结果，其中，具体推理过程可以是：

在第一目标数据推理装置为基于元知识的原理推理装置时，基于目标格式数据中的数据元素和元素参数确定出对应的业务公理，并根据该业务公理确定出对应的业务公式及业务法则，根据该业务公式及业务法则对目标格式数据进行推理，输出目标格式数据对应的目标推理结果；

在第一目标数据推理装置为基于专家知识的规则推理装置时，基于目标格式数据中的业务规则特征和规则特征参数确定出对应的业务规则，并根据该业务规则对目标格式数据进行规则推理，输出目标格式数据对应的目标推理结果；

在第一目标数据推理装置为基于案例的实例推理装置时，基于目标格式数据中的案例结构规则和结构特征参数查找出对应的成功实例，并根据该成功实例对目标格式数据进行实例推理，输出目标格式数据对应的目标推理结果；

在第一目标数据推理装置为基于机器学习的AI算法推理装置时，基于目标格式数据中的AI模型特征和模型特征参数确定出对应的AI算法，并根据该AI算法对目标格式数据进行AI算法推理，输出目标格式数据对应的目标推理结果。

在通过上述方法得到目标格式数据对应的目标推理结果后，为了防止数据丢失，还需要将目标格式数据及目标推理结果保存至对应的目标数据库中。具体的：

在目标格式数据对应的目标数据库中，查找是否存在目标格式数据对应的历史推理结果，若是，则根据目标推理结果更新历史推理结果；若否，则在目标数据库中新增目标格式数据对应的目标推理结果，即将目标格式数据和目标推理结果共同存储至目标数据库中，从而可以保证存储的目标推理结果的准确性和完整性。同时，将目标格式数据对应的特征数据存储至数据特征库中。

在一种可能的设计中，为了保证M个数据推理装置的安全，还可以按照设定周期对M个数据推理装置进行安全检测，其中，设定周期视情况而定，此处不作具体的限定。在检测到有未知安全风险发生时，启动自动免疫应对机制，判断该未知安全风险的发生未知是否为第一目标数据推理装置。

若判断出未知安全风险的发生位置不是第一目标数据推理装置，则输出未知安全风险对应的提示信息，其中，提示信息用于指示该未知安全风险的发生位置，从而使得外部运维系统可以及时的处理该未知安全风险，使得M个数据推理装置能够保持正常健康的运行状态，达到动态异构冗余构造的免疫效果；若判断出未知安全风险的发生位置是第一目标数据推理装置，则停用第一目标数据推理装置，输出未知安全风险对应的提示信息，并根据数据推理装置选择策略，在非第一目标数据推理装置的M个数据推理装置中选择出第二目标数据推理装置，通过第二目标数据推理装置进行替补推理。

举例来讲，数据推理装置选择策略为第一选择策略，基于图2所示的元知识的原理推理装置200a、基于专家知识的规则推理装置200b和基于案例的实例推理装置200c对应的推理效率的高低依次为：基于专家知识的规则推理装置200b、基于元知识的原理推理装置200a、基于案例的实例推理装置200c，其中，基于专家知识的规则推理装置200b为第一目标数据推理装置。此时，若判断出基于案例的实例推理装置200c发生了未知安全风险，则输出提示信息：基于案例的实例推理装置200c存在未知安全风险；若判断出基于专家知识的规则推理装置200b发生了未知安全风险，则停用基于专家知识的规则推理装置200b，输出提示信息：基于专家知识的规则推理装置200b存在未知安全风险，并选择基于元知识的原理推理装置200a作为第二目标数据推理装置进行替补推理，相应的，需要在N个格式数据中确定出与第二目标数据推理装置相匹配的目标格式数据。

基于上述推理方法，对输入数据进行特征提取，可以过滤掉输入数据中的无用信息，同时，根据数据推理装置选择策略，在M个数据推理装置中选择出第一目标数据推理装置，并通过第一目标数据推理装置对目标格式数据进行推理，相较于经过至少两个推理装置得到推理结果，简化了推理过程，从而提高了推理效率。

基于相同的技术构思，本申请实施例中还提供了一种推理装置，该装置可实现本申请实施例中上述推理方法流程。

图4为本申请实施例提供的一种推理装置的结构示意图。该装置包括：提取模块401、形成模块402、选择模块403、推理模块404。

提取模块401，用于对输入数据进行特征提取，得到特征数据；

形成模块402，用于根据所述特征数据，形成N个格式数据，其中，所述N个格式数据对应M个数据推理装置，所述N＝M为大于1的整数；

选择模块403，用于调取用户选择的数据推理装置选择策略，根据所述数据推理装置选择策略，在M个数据推理装置中选择出第一目标数据推理装置，并在所述N个格式数据中确定出与所述第一目标数据推理装置相匹配的目标格式数据；

推理模块404，用于通过所述第一目标数据推理装置对所述目标格式数据进行推理，并输出目标推理结果。

在一种可能设计中，所述选择模块403具体用于：

在所述用户选择的数据推理装置选择策略为第一选择策略时，根据所述M个数据推理装置对应的推理效率的高低，选择出所述第一目标数据推理装置；或

在所述用户选择的数据推理装置选择策略为第二选择策略时，根据所述M个数据推理装置对应的推理结果的准确度，选择出所述第一目标数据推理装置；或

在所述用户选择的数据推理装置选择策略为第三选择策略时，在所述M个数据推理装置中随机选择出所述第一目标数据推理装置；或

在所述用户选择的数据推理装置选择策略为第四选择策略时，根据所述M个数据推理装置对应的存储位置的先后顺序，选择出所述第一目标数据推理装置。

在一种可能设计中，所述装置至少包括：基于元知识的原理推理装置、基于专家知识的规则推理装置、基于案例的实例推理装置及基于机器学习的人工智能算法推理装置。

在另一些实施例中，除了上述图4所示的模块外，还可进一步包括检测模块、处理模块、查找模块、更新模块及新增模块，如图5所示，示例性示出了本申请实施例提供的一种推理装置的结构示意图。该装置包括：提取模块401、形成模块402、选择模块403、推理模块404、检测模块501、处理模块502。

检测模块501，用于按照设定周期对所述M个数据推理装置进行安全检测；

处理模块502，用于在检测到有未知安全风险发生时，若判断出所述未知安全风险的发生位置为所述第一目标数据推理装置，则停用所述第一目标数据推理装置，输出所述未知安全风险对应的提示信息，并根据所述数据推理装置选择策略，在非所述第一目标数据推理装置的M个数据推理装置中选择出第二目标数据推理装置，通过所述第二目标数据推理装置进行替补推理，其中，所述提示信息用于指示所述未知安全风险的发生位置。

在另一些实施例中，除了上述图4和图5所示的模块外，还可进一步包括查找模块、更新模块及新增模块，如图6所示，示例性示出了本申请实施例提供的一种推理装置的结构示意图。该装置包括：提取模块401、形成模块402、选择模块403、推理模块404、检测模块501、处理模块502、查找模块601、更新模块602及新增模块603。

查找模块601，用于在所述目标格式数据对应的目标数据库中，查找是否存在所述目标格式数据对应的历史推理结果；

更新模块602，用于若存在所述历史推理结果，则根据所述目标推理结果更新所述历史推理结果；

新增模块603，用于若不存在所述历史推理结果，则在所述目标数据库中新增所述目标格式数据对应的目标推理结果。

在此需要说明的是，本申请实施例提供的上述装置，能够实现上述方法实施例中的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。

基于同一发明构思，本申请实施例中还提供了一种电子设备，所述电子设备可以实现前述推理装置的功能，参考图7，所述电子设备包括：

至少一个处理器701，以及与至少一个处理器701连接的存储器702，本申请实施例中不限定处理器701与存储器702之间的具体连接介质，图7中是以处理器701和存储器702之间通过总线700连接为例。总线700在图7中以粗线表示，其它部件之间的连接方式，仅是进行示意性说明，并不引以为限。总线700可以分为地址总线、数据总线、控制总线等，为便于表示，图7中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。或者，处理器701也可以称为控制器，对于名称不做限制。

在本申请实施例中，存储器702存储有可被至少一个处理器701执行的指令，至少一个处理器701通过执行存储器702存储的指令，可以执行前文论述推理方法。处理器701可以实现图4或图5或图6所示的装置中各个模块的功能。

其中，处理器701是该装置的控制中心，可以利用各种接口和线路连接整个该控制设备的各个部分，通过运行或执行存储在存储器702内的指令以及调用存储在存储器702内的数据，该装置的各种功能和处理数据，从而对该装置进行整体监控。

在一种可能的设计中，处理器701可包括一个或多个处理单元，处理器701可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器701中。在一些实施例中，处理器701和存储器702可以在同一芯片上实现，在一些实施例中，它们也可以在独立的芯片上分别实现。

处理器701可以是通用处理器，例如中央处理器(CPU)、数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的推理方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

存储器702作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器702可以包括至少一种类型的存储介质，例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random AccessMemory，RAM)、静态随机访问存储器(Static Random Access Memory，SRAM)、可编程只读存储器(Programmable Read Only Memory，PROM)、只读存储器(Read Only Memory，ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、磁性存储器、磁盘、光盘等。存储器702是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。本申请实施例中的存储器702还可以是电路或者其它任意能够实现存储功能的装置，用于存储程序指令和/或数据。

通过对处理器701进行设计编程，可以将前述实施例中介绍的推理方法所对应的代码固化到芯片内，从而使芯片在运行时能够执行图3所示的实施例的推理方法的步骤。如何对处理器701进行设计编程为本领域技术人员所公知的技术，这里不再赘述。

基于同一发明构思，本申请实施例还提供一种存储介质，该存储介质存储有计算机指令，当该计算机指令在计算机上运行时，使得计算机执行前文论述推理方法。

在一些可能的实施方式中，本申请提供的推理方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在装置上运行时，程序代码用于使该控制设备执行本说明书上述描述的根据本申请各种示例性实施方式的推理方法中的步骤。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (12)

1.一种推理方法，其特征在于，所述方法包括：

对输入数据进行特征提取，得到特征数据；

根据所述特征数据，形成N个格式数据，其中，所述N个格式数据对应M个数据推理装置，所述N＝M为大于1的整数；

调取用户选择的数据推理装置选择策略，根据所述数据推理装置选择策略，在M个数据推理装置中选择出第一目标数据推理装置，并在所述N个格式数据中确定出与所述第一目标数据推理装置相匹配的目标格式数据；

通过所述第一目标数据推理装置对所述目标格式数据进行推理，并输出目标推理结果。

2.如权利要求1所述的方法，其特征在于，所述根据所述数据推理装置选择策略，在M个数据推理装置中选择出第一目标数据推理装置，包括：

在所述用户选择的数据推理装置选择策略为第一选择策略时，根据所述M个数据推理装置对应的推理效率的高低，选择出所述第一目标数据推理装置；或

在所述用户选择的数据推理装置选择策略为第二选择策略时，根据所述M个数据推理装置对应的推理结果的准确度，选择出所述第一目标数据推理装置；或

在所述用户选择的数据推理装置选择策略为第三选择策略时，在所述M个数据推理装置中随机选择出所述第一目标数据推理装置；或

在所述用户选择的数据推理装置选择策略为第四选择策略时，根据所述M个数据推理装置对应的存储位置的先后顺序，选择出所述第一目标数据推理装置。

3.如权利要求1-2任一项所述的方法，其特征在于，所述M个数据推理装置，至少包括：基于元知识的原理推理装置、基于专家知识的规则推理装置、基于案例的实例推理装置及基于机器学习的人工智能算法推理装置。

4.如权利要求1所述的方法，其特征在于，所述方法还包括：

按照设定周期对所述M个数据推理装置进行安全检测；

在检测到有未知安全风险发生时，若判断出所述未知安全风险的发生位置为所述第一目标数据推理装置，则停用所述第一目标数据推理装置，输出所述未知安全风险对应的提示信息，并根据所述数据推理装置选择策略，在非所述第一目标数据推理装置的M个数据推理装置中选择出第二目标数据推理装置，通过所述第二目标数据推理装置进行替补推理，其中，所述提示信息用于指示所述未知安全风险的发生位置。

5.如权利要求1所述的方法，其特征在于，在所述得到目标推理结果之后，还包括：

在所述目标格式数据对应的目标数据库中，查找是否存在所述目标格式数据对应的历史推理结果；

若是，则根据所述目标推理结果更新所述历史推理结果；

若否，则在所述目标数据库中新增所述目标格式数据对应的目标推理结果。

6.一种推理装置，其特征在于，所述装置包括：

提取模块，用于对输入数据进行特征提取，得到特征数据；

形成模块，用于根据所述特征数据，形成N个格式数据，其中，所述N个格式数据对应M个数据推理装置，所述N＝M为大于1的整数；

选择模块，用于调取用户选择的数据推理装置选择策略，根据所述数据推理装置选择策略，在M个数据推理装置中选择出第一目标数据推理装置，并在所述N个格式数据中确定出与所述第一目标数据推理装置相匹配的目标格式数据；

推理模块，用于通过所述第一目标数据推理装置对所述目标格式数据进行推理，并输出目标推理结果。

7.如权利要求6所述的装置，其特征在于，所述选择模块具体用于：

在所述用户选择的数据推理装置选择策略为第一选择策略时，根据所述M个数据推理装置对应的推理效率的高低，选择出所述第一目标数据推理装置；或

在所述用户选择的数据推理装置选择策略为第二选择策略时，根据所述M个数据推理装置对应的推理结果的准确度，选择出所述第一目标数据推理装置；或

在所述用户选择的数据推理装置选择策略为第三选择策略时，在所述M个数据推理装置中随机选择出所述第一目标数据推理装置；或

在所述用户选择的数据推理装置选择策略为第四选择策略时，根据所述M个数据推理装置对应的存储位置的先后顺序，选择出所述第一目标数据推理装置。

8.如权利要求6-7任一项所述的装置，其特征在于，所述装置至少包括：基于元知识的原理推理装置、基于专家知识的规则推理装置、基于案例的实例推理装置及基于机器学习的人工智能算法推理装置。

9.如权利要求6所述的装置，其特征在于，所述装置还包括：

检测模块，用于按照设定周期对所述M个数据推理装置进行安全检测；

处理模块，用于在检测到有未知安全风险发生时，若判断出所述未知安全风险的发生位置为所述第一目标数据推理装置，则停用所述第一目标数据推理装置，输出所述未知安全风险对应的提示信息，并根据所述数据推理装置选择策略，在非所述第一目标数据推理装置的M个数据推理装置中选择出第二目标数据推理装置，通过所述第二目标数据推理装置进行替补推理，其中，所述提示信息用于指示所述未知安全风险的发生位置。

10.如权利要求6所述的装置，其特征在于，所述装置还包括：

查找模块，用于在所述目标格式数据对应的目标数据库中，查找是否存在所述目标格式数据对应的历史推理结果；

更新模块，用于若存在所述历史推理结果，则根据所述目标推理结果更新所述历史推理结果；

新增模块，用于若不存在所述历史推理结果，则在所述目标数据库中新增所述目标格式数据对应的目标推理结果。

11.一种电子设备，其特征在于，包括：

存储器，用于存放计算机程序；

处理器，用于执行所述存储器上所存放的计算机程序时，实现权利要求1-5中任一项所述的方法步骤。

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-5中任一项所述的方法步骤。