1.本发明涉及人工智能技术领域，特别涉及一种基于人工智能的工业互联网数据处理方法及系统。
背景技术：2.从网络设施发展角度看，工业互联网是网络建设的重要内容。
3.一方面，工业互联网能够加速网络演进升级，促进人与人相互连接的公众互联网、物与物相互连接的物联网向人、机、物、系统等的全面互联拓展，大幅提升网络设施的支撑服务能力。
4.另一方面，工业互联网能够拓展数字经济空间。鉴于工业互联网具有较强的渗透性，可以与交通、物流、能源、医疗、农业等实体经济各领域深度融合，实现产业上下游、跨领域的广泛互联互通，推动网络应用从虚拟到实体、从生活到生产的科学跨越，极大地拓展了网络经济的发展空间。
5.当下，工业互联网在智慧生产中的应用越来越广泛，由此引发的一些列数据安全问题却不容忽视，而如何高质量地对工业互联网交互过程中的风险事件进行分析处理是当下的一个技术难题。
技术实现要素：6.为改善相关技术中存在的技术问题，本发明提供了一种基于人工智能的工业互联网数据处理方法及系统。
7.第一方面，本发明实施例提供了一种基于人工智能的工业互联网数据处理方法，应用于人工智能服务系统，所述方法至少包括：获得关于数字智能生产线的当前云端业务交互信息进行风险事件捕捉所得的第一事件捕捉报告；利用所述数字智能生产线的先验捕捉报告指示对所述第一事件捕捉报告进行调整，得到所述当前云端业务交互信息中潜在风险交互事件的第一跟踪分析报告；结合所述第一跟踪分析报告对应的知识单元关系网对所述第一跟踪分析报告进行校对，得到所述潜在风险交互事件的第一已校对分析报告。
8.应用以上实施例，可以获得关于数字智能生产线的当前云端业务交互信息进行风险事件捕捉所得的第一事件捕捉报告，然后基于数字智能生产线的先验捕捉报告指示对第一事件捕捉报告进行调整，得到当前云端业务交互信息中潜在风险交互事件的第一跟踪分析报告，再根据潜在风险交互事件的先验捕捉报告指示与第一跟踪分析报告对应的知识单元关系网对第一跟踪分析报告进行校对，得到所述潜在风险交互事件的第一已校对分析报告。如此，能够实现数字智能生产线的第一事件捕捉报告与先验捕捉报告指示的联动分析处理，并充分挖掘第一事件捕捉报告与先验捕捉报告指示的相关性特征，从而所得的第一已校对分析报告能够尽可能准确、完整、可信地对潜在风险交互事件的描述向量进行记录和输出。
9.在一种可能的技术方案中，所述利用所述数字智能生产线的先验捕捉报告指示对
所述第一事件捕捉报告进行调整，得到所述当前云端业务交互信息中潜在风险交互事件的第一跟踪分析报告，包括：利用所述数字智能生产线的先验捕捉报告指示，确定所述第一事件捕捉报告的风险事件分类注释，其中，所述风险事件分类注释用于区分所述潜在风险交互事件；结合所述第一事件捕捉报告的风险事件分类注释对所述第一事件捕捉报告进行调整，得到所述当前云端业务交互信息中潜在风险交互事件的第一跟踪分析报告。
10.在一种可能的技术方案中，所述利用所述数字智能生产线的先验捕捉报告指示，确定所述第一事件捕捉报告的风险事件分类注释，包括：将所述数字智能生产线的先验捕捉报告指示与所述第一事件捕捉报告进行配对；在所述第一事件捕捉报告与所述先验捕捉报告指示配对的基础上，将所述先验捕捉报告指示的风险事件分类注释作为所述第一事件捕捉报告的风险事件分类注释。
11.在一种可能的技术方案中，所述利用所述数字智能生产线的先验捕捉报告指示，确定所述第一事件捕捉报告的风险事件分类注释，包括：在所述第一事件捕捉报告与所述先验捕捉报告指示不配对的基础上，为所述第一事件捕捉报告添加指定的风险事件分类注释。
12.在一种可能的技术方案中，所述将所述数字智能生产线的先验捕捉报告指示与所述第一事件捕捉报告进行配对，包括：确定所述第一事件捕捉报告与一个先验捕捉报告指示的约束型内容集存在重合的第一内容窗口大小，以及，确定所述第一事件捕捉报告的约束型内容集与该先验捕捉报告指示的约束型内容集一并覆盖的全局内容窗口大小；结合所述第一内容窗口大小与所述全局内容窗口大小的比例确定所述第一事件捕捉报告与该的先验捕捉报告指示的配对指数。
13.在一种可能的技术方案中，所述利用所述数字智能生产线的先验捕捉报告指示对所述第一事件捕捉报告进行调整，得到所述当前云端业务交互信息中潜在风险交互事件的第一跟踪分析报告，包括：利用所述数字智能生产线的先验捕捉报告指示，在确定所述当前云端业务交互信息存在所述第一事件捕捉报告没有捕捉得到的潜在风险交互事件的基础上，将所述没有捕捉得到的潜在风险交互事件的先验捕捉报告指示作为所述当前云端业务交互信息中没有捕捉得到的潜在风险交互事件的第一跟踪分析报告。
14.在一种可能的技术方案中，所述结合所述第一跟踪分析报告对应的知识单元关系网对所述第一跟踪分析报告进行校对，得到所述潜在风险交互事件的第一已校对分析报告，包括：对相同潜在风险交互事件的先验捕捉报告指示对应的知识单元关系网与第一跟踪分析报告对应的知识单元关系网进行关系网融合，得到已融合知识单元关系网；利用所述已融合知识单元关系网，得到对所述第一跟踪分析报告进行校对的第一已校对分析报告。
15.在一种可能的技术方案中，所述对相同潜在风险交互事件的先验捕捉报告指示对应的知识单元关系网与第一跟踪分析报告对应的知识单元关系网进行关系网融合，包括：对于相同潜在风险交互事件，将所述当前云端业务交互信息的上一组云端业务交互信息的
先验捕捉报告指示对应的知识单元关系网与所述第一跟踪分析报告对应的知识单元关系网进行关系网融合。
16.在一种可能的技术方案中，所述方法还包括：获得所述潜在风险交互事件的已校对分析报告，其中，所述已校对分析报告包括所述第一已校对分析报告和第二已校对分析报告，所述第二已校对分析报告为基于数字智能生产线的先验云端业务交互信息进行风险事件捕捉所得的；利用所述已校对分析报告中的目标分析报告，确定所述潜在风险交互事件的当前捕捉报告指示；其中，所述当前捕捉报告指示与若干个所述目标分析报告的偏差变量的和值满足设定条件。
17.在一种可能的技术方案中，所述方法还包括：确定所述已校对分析报告中的第一已校对分析报告分别与若干个第二已校对分析报告的偏差变量，其中，所述第一已校对分析报告为其中一个所述已校对分析报告，所述第二已校对分析报告为所述第一已校对分析报告以外的已校对内容集；确定所述第一已校对分析报告对应的关联报告数，其中，所述关联报告数为与所述第一已校对分析报告的偏差变量小于偏差变量判定值的第二已校对分析报告的数目；结合所述第一已校对分析报告对应的关联报告数确定所述已校对分析报告中的目标分析报告。
18.在一种可能的技术方案中，所述结合所述第一已校对分析报告对应的关联报告数确定所述已校对分析报告中的目标分析报告，包括：确定若干个所述第一已校对分析报告中所述关联报告数最大的第一已校对分析报告；将所述关联报告数最大的第一已校对分析报告以及与所述关联报告数最大的第一已校对分析报告的偏差变量小于所述偏差变量判定值的第二已校对分析报告，作为所述已校对分析报告中的目标分析报告。
19.第二方面，本发明还提供了一种人工智能服务系统，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述所述的方法。
附图说明
20.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并于说明书一起用于解释本发明的原理。
21.图1是本发明实施例提供的一种基于人工智能的工业互联网数据处理方法的流程示意图。
22.图2是本发明实施例提供的一种基于人工智能的工业互联网数据处理方法的应用环境的通信架构示意图。
具体实施方式
23.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及
附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
24.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
25.本发明实施例所提供的方法实施例可以在人工智能服务系统、计算机设备或者类似的运算装置中执行。以运行在人工智能服务系统上为例，人工智能服务系统10可以包括一个或多个处理器102（处理器102可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置）和用于存储数据的存储器104，可选地，上述人工智能服务系统还可以包括用于通信功能的传输装置106。本领域普通技术人员可以理解，上述结构仅为示意，其并不对上述人工智能服务系统的结构造成限定。例如，人工智能服务系统10还可包括比上述所示更多或者更少的组件，或者具有与上述所示不同的配置。
26.存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的一种基于人工智能的工业互联网数据处理方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至人工智能服务系统10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
27.传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括人工智能服务系统10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器（network interface controller，简称为nic），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频（radio frequency，简称为rf）模块，其用于通过无线方式与互联网进行通讯。
28.基于此，请参阅图1，图1是本发明实施例所提供的一种基于人工智能的工业互联网数据处理方法的流程示意图，该方法应用于人工智能服务系统，进一步可以包括以下内容描述的技术方案。
29.node11，获得关于数字智能生产线的当前云端业务交互信息进行风险事件捕捉所得的第一事件捕捉报告。
30.在本发明实施例中，人工智能服务系统可以对数字智能生产线（数字生产环境或者数字生产任务）进行交互信息收集，得到数字智能生产线的当前云端业务交互信息，或者，人工智能服务系统可以从其他服务器处获得数字智能生产线的当前云端业务交互信息。当前云端业务交互信息可以是一个文本信息，比如，当前云端业务交互信息可以是数字智能生产线的交互日志文本，或者，当前云端业务交互信息还可以是针对数字智能生产线收集的知识单元关系网（由知识特征点组成的特征图或者特征分布）。进一步地，可以对当前云端业务交互信息进行风险事件捕捉，得到第一事件捕捉报告。
31.在本发明实施例中，可以基于相关的风险事件定位算法（比如基于ai的风险挖掘模型cnn、dnn等）对当前云端业务交互信息进行风险事件捕捉。第一事件捕捉报告可以是针
对当前云端业务交互信息进行风险事件捕捉所得的约束型内容集，约束型内容集可以指示潜在风险交互事件所对应的分布标签和窗口化数据，从而第一事件捕捉报告可以包括分布标签信息和窗口化数据信息。其中，约束型内容集可以通过窗口约束的方式进行数据区域标定和标记，约束型内容集所对应的潜在风险交互事件的分布标签和窗口化数据可以是潜在风险交互事件在是数字智能生产线中的分布标签和窗口化数据。第一事件捕捉报告可认定是初步生成的事件捕捉报告。在一些实施例下，人工智能服务系统也从其他服务器处直接获得第一事件捕捉报告。
32.进一步地，第一事件捕捉报告所对应的潜在风险交互事件所在的分布标签，可以是潜在风险交互事件在数字智能生产线的生产线映射空间（基于现有ai技术搭建的全局特征映射空间）下的分布标签，比如，第一事件捕捉报告可以包括潜在风险交互事件在生产线映射空间下的定位变量。人工智能服务系统可以直接获得包括潜在风险交互事件在生产线映射空间下分布标签的第一事件捕捉报告。
33.在一些实施例中，可以先获得潜在风险交互事件在业务交互映射空间（基于现有ai技术搭建的局部特征映射空间）下的分布标签，然后根据业务交互映射空间与生产线映射空间的相对分布标签变换关系，可以将潜在风险交互事件在业务交互映射空间下的分布标签，变更为潜在风险交互事件在生产线映射空间下的分布标签。潜在风险交互事件可以是数字智能生产线中存在的安全威胁、漏洞事项等，比如，潜在风险交互事件可以是数据泄露、防火墙缺陷、流量攻击等。第一事件捕捉报告还可以包括所对应的潜在风险交互事件的风险事件分类注释（分类标签或者事件标识），因而能够根据第一事件捕捉报告的风险事件分类注释确定第一事件捕捉报告指示的潜在风险交互事件。
34.node12，利用所述数字智能生产线的先验捕捉报告指示对所述第一事件捕捉报告进行调整，得到所述当前云端业务交互信息中潜在风险交互事件的第一跟踪分析报告。
35.在本发明实施例中，数字智能生产线的先验捕捉报告指示可以是基于第二事件捕捉报告进行改进所得的潜在风险交互事件的事件捕捉报告，先验捕捉报告指示可以尽可能精准地指示潜在风险交互事件所在的分布标签。第二事件捕捉报告可以是关于数字智能生产线的所有或部分先验云端业务交互信息进行风险事件捕捉所得的，先验云端业务交互信息可以是在当前云端业务交互信息之前收集的云端业务交互信息，第二事件捕捉报告可以是潜在风险交互事件的先验事件捕捉报告。在本发明实施例中，第二事件捕捉报告的获得思路可以与上述第一事件捕捉报告的获得思路类似。进一步地，第二事件捕捉报告可以是针对先验云端业务交互信息进行风险事件捕捉所得的约束型内容集，第二事件捕捉报告可以包括分布标签信息和窗口化数据信息。
36.可以理解的是，数字智能生产线中的一个潜在风险交互事件可以对应一个先验捕捉报告指示，换言之，根据所有或部分先验云端业务交互信息进行风险事件捕捉所得的若干个第二事件捕捉报告，可以得到每个潜在风险交互事件的一个先验捕捉报告指示，在得到一个潜在风险交互事件的新的捕捉报告指示之后，可以对记录的先验捕捉报告指示进行调整，从而使一个潜在风险交互事件对应一个先验捕捉报告指示，进而减少记录的先验捕捉报告指示。
37.一些实施例下，也可以针对每个云端业务交互信息对应的捕捉报告指示进行记录，在关于数字智能生产线的每个云端业务交互信息进行事件捕捉报告的改进优化的基础
上，此时node12中提到的先验捕捉报告指示可以认定为当前云端业务交互信息的上一组云端业务交互信息对应的捕捉报告指示。
38.在本发明实施例中，可以基于数字智能生产线的先验捕捉报告指示对第一事件捕捉报告进行调整，比如，可以将先验捕捉报告指示与第一事件捕捉报告进行配对，建立第一事件捕捉报告对应的潜在风险交互事件与先验捕捉报告指示对应的历史潜在风险交互事件之间的关联。根据第一事件捕捉报告对应的潜在风险交互事件与先验捕捉报告指示对应的历史潜在风险交互事件之间的关联，可以对第一事件捕捉报告进行调整，比如，可以确定第一事件捕捉报告的风险事件分类注释，或者，可以将相同潜在风险交互事件的先验捕捉报告指示和第一事件捕捉报告进行关系网融合，比如，将先验捕捉报告指示对应的约束型内容集与第一事件捕捉报告对应的约束型内容集进行关系网融合。
39.如此一来，通过基于数字智能生产线的先验捕捉报告指示对第一事件捕捉报告进行调整，可以创建当前云端业务交互信息的潜在风险交互事件与先验云端业务交互信息的潜在风险交互事件之间的对应关系，从而使所得的第一跟踪分析报告携带尽可能准确可靠的风险事件分类注释。其中，第一跟踪分析报告也可以是一个约束型内容集，进一步地，第一跟踪分析报告可以包括潜在风险交互事件的分布标签信息和窗口化数据信息。
40.node13，结合所述第一跟踪分析报告对应的知识单元关系网对所述第一跟踪分析报告进行校对，得到所述潜在风险交互事件的第一已校对分析报告。
41.在本发明实施例中，针对数字智能生产线中的一个潜在风险交互事件，可能存在于当前云端业务交互信息中，也可能存在于一个或若干个先验云端业务交互信息中，从而当前云端业务交互信息中的一个潜在风险交互事件可以具有第一跟踪分析报告，一些实施例下，还可以具有先验捕捉报告指示。在当前云端业务交互信息中的一个潜在风险交互事件只存在第一跟踪分析报告的基础上，可以根据该潜在风险交互事件的第一跟踪分析报告对应的知识单元关系网对第一跟踪分析报告进行校对，得到该潜在风险交互事件的第一已校对分析报告。在当前云端业务交互信息中的一个潜在风险交互事件不仅存在第一跟踪分析报告还存在先验捕捉报告指示的基础上，可以根据该潜在风险交互事件的第一跟踪分析报告对应的知识单元关系网和先验捕捉报告指示对应的知识单元关系网，对第一跟踪分析报告进行校对，得到该潜在风险交互事件的第一已校对分析报告。
42.进一步地，可以对潜在风险交互事件的第一跟踪分析报告对应的知识单元关系网和/或先验捕捉报告指示中较为突出的错误信息进行清洗，或者，可以对第一跟踪分析报告对应的知识单元关系网进行数据信息补全，进而潜在风险交互事件的第一已校对分析报告。如此，第一已校对分析报告可以尽可能精准可靠地反映当前云端业务交互信息中的潜在风险交互事件在数字智能生产线的分布标签。
43.在本发明实施例中，在当前云端业务交互信息是文本信息的基础上，可以根据文本信息的词向量将文本信息变更为知识单元关系网。然后可以获得先验捕捉报告指示和/或第一跟踪分析报告对应的知识单元关系网。
44.在本发明实施例中，可以通过数字智能生产线的先验捕捉报告指示对第一事件捕捉报告进行调整，因而能够创建当前云端业务交互信息与先验云端业务交互信息之间的关联。
45.在一些可能的实施例中，可以基于数字智能生产线的先验捕捉报告指示，确定第
一事件捕捉报告的风险事件分类注释。然后可以根据第一事件捕捉报告的风险事件分类注释对第一事件捕捉报告进行调整，得到当前云端业务交互信息中潜在风险交互事件的第一跟踪分析报告。其中，风险事件分类注释用于区分潜在风险交互事件。
46.其中，可以利用数字智能生产线中潜在风险交互事件的先验捕捉报告指示，确定第一事件捕捉报告的风险事件分类注释，比如，可以在先验捕捉报告指示的约束型内容集与第一事件捕捉报告的约束型内容集重合的基础上，可认定先验捕捉报告指示指示的潜在风险交互事件与第一事件捕捉报告指示的潜在风险交互事件是相同潜在风险交互事件，因而能够将先验捕捉报告指示的风险事件分类注释作为第一事件捕捉报告对应的风险事件分类注释。
47.再比如，在其中一个先验捕捉报告指示的约束型内容集都没有与第一事件捕捉报告的约束型内容集重合的基础上，可认定第一事件捕捉报告指示的潜在风险交互事件是数字智能生产线中额外捕捉出的潜在风险交互事件，因而能够创建新的风险事件分类注释反映第一事件捕捉报告指示的潜在风险交互事件。通过确定第一事件捕捉报告的风险事件分类注释，可以生成先验捕捉报告指示与第一事件捕捉报告之间的对应关系，从而提高风险事件分析的精度和可信度。
48.在一些实施例下，可以将数字智能生产线的先验捕捉报告指示与第一事件捕捉报告进行配对，在第一事件捕捉报告与先验捕捉报告指示配对的基础上，将先验捕捉报告指示的风险事件分类注释作为第一事件捕捉报告的风险事件分类注释。
49.对于一些实施例而言，可以将数字智能生产线的先验捕捉报告指示与第一事件捕捉报告进行配对，比如，可以确定先验捕捉报告指示的约束型内容集与第一事件捕捉报告的约束型内容集进行配对，确定先验捕捉报告指示与第一事件捕捉报告的配对指数。对于一个第一事件捕捉报告，可以将与该第一事件捕捉报告的配对指数最高并且大于配对指数判定值的先验捕捉报告指示，作为与该第一事件捕捉报告配对的先验捕捉报告指示，进而将与该第一事件捕捉报告配对的先验捕捉报告指示的风险事件分类注释，作为第一事件捕捉报告的风险事件分类注释，得到潜在风险交互事件的第一跟踪分析报告，第一跟踪分析报告可以为调整风险事件分类注释后的第一事件捕捉报告。通过将数字智能生产线的先验捕捉报告指示与第一事件捕捉报告进行配对，可以确定第一事件捕捉报告与先验捕捉报告指示之间的联系，因而能够进一步对第一事件捕捉报告进行调整，得到携带精准可靠的风险事件分类注释的第一跟踪分析报告。
50.在本发明实施例中，将数字智能生产线的先验捕捉报告指示与第一事件捕捉报告进行配对，可以确定一个第一事件捕捉报告的约束型内容集与一个先验捕捉报告指示的约束型内容集存在重合的第一内容窗口大小，以及，确定该第一事件捕捉报告的约束型内容集与该先验捕捉报告指示的约束型内容集一并覆盖的全局内容窗口大小，然后可以将第一内容窗口大小与全局内容窗口大小的比例作为该先验捕捉报告指示与该第一事件捕捉报告的配对指数。换言之，可以将一个第一事件捕捉报告的约束型内容集与一个先验捕捉报告指示的约束型内容集之间的量化比对结果（比如依据交集和并集进行比较分析）作为该事件捕捉报告与该先验捕捉报告指示的配对指数。
51.在一些示例下，在第一事件捕捉报告与先验捕捉报告指示不配对的基础上，为第一事件捕捉报告添加指定的（新的）风险事件分类注释。
52.对于一些实施例而言，倘若第一事件捕捉报告与其中一个先验捕捉报告指示的配对指数均低于配对指数判定值，则第一事件捕捉报告与其中一个先验捕捉报告指示均不配对，从而可认定第一事件捕捉报告是数字智能生产线中额外捕捉出的潜在风险交互事件的事件捕捉报告，从而为第一事件捕捉报告添加指定的风险事件分类注释。在第一事件捕捉报告与当前数字智能生产线中先验捕捉报告指示不配对的基础上，通过为第一事件捕捉报告添加指定的风险事件分类注释，可以使第一事件捕捉报告对应额外捕捉出的潜在风险交互事件。
53.在另一可能的实施例下，还可以基于数字智能生产线的先验捕捉报告指示，在确定当前云端业务交互信息的信息统计范围存在第一事件捕捉报告没有捕捉得到的潜在风险交互事件的基础上，将没有捕捉得到的潜在风险交互事件的先验捕捉报告指示作为当前云端业务交互信息中没有捕捉得到的潜在风险交互事件的第一跟踪分析报告。
54.其中，各个先验捕捉报告指示可以是基于数字智能生产线的先验云端业务交互信息进行风险事件捕捉所得的，在若干个先验云端业务交互信息中捕捉出的相同个潜在风险交互事件可以对应一个先验捕捉报告指示，先验捕捉报告指示可以包括潜在风险交互事件的分布标签信息和风险事件分类注释，根据先验云端业务交互信息的先验捕捉报告指示可以确定数字智能生产线中存在的潜在风险交互事件。在根据先验捕捉报告指示确定当前云端业务交互信息的信息统计范围内可以捕捉出一个潜在风险交互事件，但是当前云端业务交互信息的第一事件捕捉报告表明在当前云端业务交互信息中未捕捉出该潜在风险交互事件，可认定当前云端业务交互信息存在捕捉遗漏的问题，进而可以将没有捕捉得到的潜在风险交互事件的先验捕捉报告指示作为当前云端业务交互信息中该潜在风险交互事件的第一跟踪分析报告，从而减少捕捉遗漏，提高事件捕捉和分析的精度和可信度。
55.在上述node13中，可以对第一跟踪分析报告进行校对，得到第一已校对分析报告。第一已校对分析报告相较于于第一跟踪分析报告而言，具有尽可能准确可靠的分布标签信息，以提高事件捕捉和分析的精度和可信度。
56.在另一可能的实施例下，可以对相同潜在风险交互事件的先验捕捉报告指示的知识单元关系网与第一跟踪分析报告对应的知识单元关系网进行关系网融合，得到已融合知识单元关系网。然后基于已融合知识单元关系网，得到对第一跟踪分析报告进行校对的第一已校对分析报告。
57.其中，可以根据先验捕捉报告指示的风险事件分类注释以及第一跟踪分析报告风险事件分类注释，确定属于相同潜在风险交互事件的先验捕捉报告指示和第一跟踪分析报告。由于风险事件分类注释可以对潜在风险交互事件进行标注，在风险事件分类注释相同的基础上，则可认定先验捕捉报告指示和第一跟踪分析报告属于相同潜在风险交互事件。对于相同潜在风险交互事件，可以获得先验捕捉报告指示的约束型内容集中的知识单元关系网以及第一跟踪分析报告的约束型内容集中的知识单元关系网，并将先验捕捉报告指示对应的知识单元关系网和第一跟踪分析报告对应的知识单元关系网进行关系网融合，比如，对先验捕捉报告指示对应的知识单元关系网和第一跟踪分析报告对应的知识单元关系网求并集，得到一个潜在风险交互事件的已融合知识单元关系网。根据该已融合知识单元关系网可以对第一跟踪分析报告进行校对，得到该潜在风险交互事件的第一已校对分析报告。
58.比如，可以将一个潜在风险交互事件的已融合知识单元关系网输入深度学习模型中，利用深度学习模型对第一跟踪分析报告的分布标签信息进行校对，得到深度学习模型导出的第一已校对分析报告。基于此，可以利用相同风险事件的已融合知识单元关系网得到分布标签信息尽可能准确可靠的第一已校对分析报告，从而在事件捕捉分析过程中可以考虑相同潜在风险交互事件的先验信息（比如先验捕捉报告指示的分布标签信息），提高风险事件分析的精度和可信度。
59.其中，倘若针对每个云端业务交互信息的第一跟踪分析报告进行校对和改进，那么每个云端业务交互信息可以对应一个潜在风险交互事件的捕捉报告指示，从而在针对当前云端业务交互信息的第一跟踪分析报告进行校对和改进的基础上，对于相同潜在风险交互事件，可以将当前云端业务交互信息的上一组云端业务交互信息的先验捕捉报告指示对应的知识单元关系网与第一跟踪分析报告对应的知识单元关系网进行关系网融合，利用当前云端业务交互信息的上一组云端业务交互信息的先验捕捉报告指示对当前云端业务交互信息的第一跟踪分析报告进行校对，由于当前云端业务交互信息的上一组云端业务交互信息的先验捕捉报告指示是最新记录的，相较于其他先验云端业务交互信息对应的先验捕捉报告指示更为精准可靠，从而利用上一组云端业务交互信息的先验捕捉报告指示对当前云端业务交互信息的第一跟踪分析报告进行校对，可以使所得的第一已校对分析报告更为精准可靠。
60.在一些实施例中，倘若针对收集的部分云端业务交互信息的第一跟踪分析报告进行校对和改进，比如，选择每隔设定数量的云端业务交互信息选择进行第一跟踪分析报告校对和改进的云端业务交互信息，因此并不是是每个云端业务交互信息都对应一个潜在风险交互事件的捕捉报告指示。在这种情况下，在针对当前云端业务交互信息的第一跟踪分析报告进行校对和改进的基础上，可以对于相同潜在风险交互事件，选择该潜在风险交互事件最新记录的先验捕捉报告指示对当前云端业务交互信息的第一跟踪分析报告进行校对。
61.此外，为了进一步提高事件捕捉分析的精度和可信度，可以在得到潜在风险交互事件的第一已校对分析报告之后，进一步对第一已校对分析报告进行改进。
62.在另一可能的实施例下，可以获得潜在风险交互事件的已校对分析报告，其中，已校对分析报告包括第一已校对分析报告和第二已校对分析报告，第二已校对分析报告为基于数字智能生产线的先验云端业务交互信息进行风险事件捕捉所得的。基于已校对分析报告中的目标分析报告，可以确定潜在风险交互事件的当前捕捉报告指示。
63.其中，可以将当前云端业务交互信息的第一已校对分析报告与先验云端业务交互信息的第二已校对分析报告相结合，进一步对第一已校对分析报告进行改进。第二已校对分析报告可以是基于关于数字智能生产线的先验云端业务交互信息进行风险事件捕捉的第二事件捕捉报告所得的，第二事件捕捉报告可以是先验事件捕捉报告。第二已校对分析报告的确定思路可以与第一已校对分析报告的确定思路类似。每个先验云端业务交互信息可以对应潜在风险交互事件的一个第二已校对分析报告，伴随持续对数字智能生产线进行云端业务交互信息收集，相同个潜在风险交互事件可以对应一连串的第二已校对分析报告。为了进一步提高风险事件分析的精度和可信度，可以获得包括第一已校对分析报告和第二已校对分析报告的已校对分析报告，因而能够联合先验云端业务交互信息的事件捕捉
分析信息（第二已校对分析报告）。然后基于已校对分析报告中的目标分析报告，可以确定潜在风险交互事件的当前捕捉报告指示，比如，可以在一个潜在风险交互事件的已校对分析报告中选择一个或若干个已校对分析报告作为目标分析报告，将目标分析报告作为当前捕捉报告指示，或者，将若干个目标分析报告的全局分析结果（比如分布标签均值）作为当前捕捉报告指示。由于潜在风险交互事件的分布标签波动较小，从而由不同云端业务交互信息所得的潜在风险交互事件的已校对分析报告可以相同，因而能够借助若干个已校对分析报告得到潜在风险交互事件的当前捕捉报告指示，使得事件捕捉分析更为精准可靠。
64.在一些实施例下，可以确定已校对分析报告中的第一已校对分析报告分别与若干个第二已校对分析报告的偏差变量，其中，第一已校对分析报告为其中一个已校对分析报告，第二已校对分析报告为第一已校对分析报告以外的已校对分析报告。针对其中一个第一已校对分析报告，确定第一已校对分析报告对应的关联报告数，其中，关联报告数为与第一已校对分析报告的偏差变量小于偏差变量判定值的第二已校对分析报告的数目。再根据第一已校对分析报告对应的关联报告数确定已校对分析报告中的目标分析报告。
65.对于一些实施例而言，提供了一个确定已校对分析报告中的目标分析报告的示例。针对一个潜在风险交互事件的若干个已校对分析报告，可以将其中一个已校对分析报告作为第一已校对分析报告，若干个已校对分析报告中除第一已校对分析报告以外的已校对分析报告可以作为第二已校对分析报告。针对一个潜在风险交互事件的第一已校对分析报告，可以分别确定第一已校对分析报告与若干个第二已校对分析报告的偏差变量（报告误差值），根据第一已校对分析报告与若干个第二已校对分析报告的偏差变量可以确定第一已校对分析报告对应的关联报告数。比如，可以确定第一已校对分析报告的分布标签信息与一个第二已校对分析报告的分布标签信息的偏差变量，倘若该偏差变量小于偏差变量判定值，则可认定该第二已校对分析报告与第一已校对分析报告比较接近，可认定该第二已校对分析报告是第一已校对分析报告的一个选定报告，第一已校对分析报告的选定报告的数目可以作为第一已校对分析报告对应的关联报告数，换言之，与第一已校对分析报告的偏差变量小于偏差变量判定值的第二已校对分析报告的数目。在确定第一已校对分析报告对应的关联报告数之后，可以根据第一已校对分析报告对应的关联报告数确定已校对分析报告中的目标分析报告，比如，将关联报告数最大的第一已校对分析报告作为已校对分析报告中的目标分析报告。基于此，可以根据已校对分析报告中较为精准可靠的目标分析报告确定潜在风险交互事件的当前捕捉报告指示，删除精度不高的已校对分析报告，这样能够进一步提高风险事件分析的精度和可信度。
66.在一些实施例下，确定若干个第一已校对分析报告中关联报告数最大的第一已校对分析报告。然后将关联报告数最大的第一已校对分析报告以及与关联报告数最大的第一已校对分析报告的偏差变量小于偏差变量判定值的第二已校对分析报告，作为已校对分析报告中的目标分析报告。
67.对于一些实施例而言，与第一已校对分析报告的偏差变量小于偏差变量判定值的第二已校对分析报告可以是第一已校对分析报告的选定报告，关联报告数最大的第一已校对分析报告可以是关联报告数最多的第一已校对分析报告。一个潜在风险交互事件的一个第一已校对分析报告的关联报告数最多，进一步地，在潜在风险交互事件的分布标签波动不大的基础上，这个第一已校对分析报告以及该第一已校对分析报告的选定报告更接近该
潜在风险交互事件的真实分布标签，因而能够将这个第一已校对分析报告以及该第一已校对分析报告的选定报告，作为该潜在风险交互事件的已校对分析报告中的目标分析报告。
68.其中，可以基于一个潜在风险交互事件的已校对分析报告中的若干个目标分析报告，确定该潜在风险交互事件的当前捕捉报告指示，因而能够对该潜在风险交互事件的第一已校对分析报告进行进一步的改进，使改进后所得的当前捕捉报告指示可以更为精准可靠地指示潜在风险交互事件的分布标签。比如，可以根据各个目标分析报告中潜在风险交互事件的分布标签信息，预测一个期望标签，使该期望标签尽可能趋近预设要求，这个期望标签可以作为潜在风险交互事件的当前捕捉报告指示。
69.对于一些示例而言，针对一个潜在风险交互事件，在根据各个目标分析报告中潜在风险交互事件分布标签信息，预测一个当前捕捉报告指示，可以使当前捕捉报告指示与若干个目标分析报告的差异度的和值满足设定条件，比如，可以将当前捕捉报告指示作为一个待定成员，生成该待定成员与各个目标分析报告之间的偏差变量的自乘结果的和值的算法，然后确定差异度的和值最小情况下的待定成员取值，然后依据确定出来的待定成员取值确定该潜在风险交互事件的当前捕捉报告指示。所得的当前捕捉报告指示可以与若干个目标分析报告的分布标签信息之间的差异度的和值满足设定条件。如此，可以将当前捕捉报告指示作为潜在风险交互事件的最后事件捕捉报告，从而提高风险事件分析的精度和可信度。
70.在本发明实施例例中，在得到一个潜在风险交互事件的当前捕捉报告指示之后，可以将该潜在风险交互事件的当前捕捉报告指示进行记录，或者，可以将记录的该潜在风险交互事件的先验捕捉报告指示调整为所得的当前捕捉报告指示。
71.以下为事件捕捉分析方案的示例性介绍。
72.node201，获得数字智能生产线的当前云端业务交互信息的动态约束型内容集（第一事件捕捉报告）。
73.node202，将数字智能生产线中历史风险事件的先验期望预测窗口（先验捕捉报告指示）与当前当前云端业务交互信息的动态约束型内容集进行配对，得到当前云端业务交互信息中潜在风险交互事件的当前捕捉窗口（第一跟踪分析报告）。
74.node203，针对每个潜在风险交互事件，利用该潜在风险交互事件的期望预测窗口和当前云端业务交互信息的当前捕捉窗口对数字智能生产线的知识单元关系网进行拆解，存留该潜在风险交互事件的先验期望预测窗口和/或当前捕捉窗口内的知识单元关系网；node204，将每个潜在风险交互事件的期望预测窗口和/或当前捕捉窗口内的知识单元关系网以及该潜在风险交互事件对应的当前捕捉窗口记载至深度学习模型中，利用深度学习模型对每个潜在风险交互事件的当前捕捉窗口进行校对，得到当前云端业务交互信息中每个潜在风险交互事件的当前校对窗口（第一已校对分析报告）。
75.node205，对每个潜在风险交互事件的当前校对窗口与先验校对窗口进行联动改进，得到每个潜在风险交互事件的当前期望预测窗口（当前捕捉报告指示）。
76.本发明实施例提供的事件捕捉分析技术，可以提高风险事件分析的精度和可信度，即使在数字智能生产线存在一定噪声干扰，所得的事件捕捉报告也具有较佳的抗干扰性，从而实现稳定的事件捕捉分析。
77.在一些可独立的实施例中，在得到所述潜在风险交互事件的第一已校对分析报告
之后，该方法还可以包括如下内容：对所述第一已校对分析报告进行风险倾向挖掘，得到风险倾向挖掘结果；利用所述风险倾向挖掘结果确定目标数据防护机制；启用所述目标数据防护机制。
78.在一些示例下，目标数据防护机制可以是数据防护策略或者数据防护规则，比如针对不同的风险倾向挖掘结果可以针对性定制不同的目标数据防护机制，并且可以依据系统算力和工业互联网设备算力进行差异化部署和激活，比如可以在高算力的一侧进行目标数据防护机制的完整部署，在低算力的一侧进行核心防护项目的部署，从而确保工业互联网运行过程中的数据交互安全性。
79.在一些可独立的实施例中，对所述第一已校对分析报告进行风险倾向挖掘，得到风险倾向挖掘结果，可以包括如下内容：对所述第一已校对分析报告进行知识细节提取，得到待进行挖掘的事件行为细节知识集；对所述事件行为细节知识集中的多个事件行为细节知识分别进行入侵攻击倾向挖掘和数据窃取倾向挖掘，得到入侵攻击倾向挖掘结果队列和数据窃取倾向挖掘结果队列；通过第一倾向过滤算法，对所述入侵攻击倾向挖掘结果队列进行第一过滤操作，得到包括有入侵攻击倾向的第一入侵攻击倾向关系网；通过第二倾向过滤算法，对所述数据窃取倾向挖掘结果队列进行第二过滤操作，得到包括有数据窃取倾向的第二入侵攻击倾向关系网；基于所述第一入侵攻击倾向关系网和所述第二入侵攻击倾向关系网进行合并处理，得到所述事件行为细节知识集中与目标倾向相匹配的参考关系网；所述目标倾向包括入侵攻击倾向和数据窃取倾向中的至少一种，基于所述参考关系网以及预设卷积神经网络进行风险倾向预测，得到预测型风险倾向字段。
80.例如，倾向过滤算法可以借助长短期记忆神经网络确定，用于对倾向挖掘结果进行纠错和删除处理，从而减少挖掘结果的噪声，这样可以基于高信噪比的入侵攻击倾向关系网进行风险倾向预测，以得到准确可靠的预测型风险倾向字段。
81.在一些可独立的实施例中，所述对所述事件行为细节知识集中的多个事件行为细节知识分别进行入侵攻击倾向挖掘和数据窃取倾向挖掘，得到入侵攻击倾向挖掘结果队列和数据窃取倾向挖掘结果队列，包括：对所述事件行为细节知识集中的多个事件行为细节知识分别进行入侵攻击倾向挖掘，得到各个事件行为细节知识中的入侵攻击倾向挖掘信息、以及各入侵攻击倾向挖掘信息所对应的基础倾向类型；基于各事件行为细节知识中的入侵攻击倾向挖掘信息和相应的基础倾向类型，确定入侵攻击倾向挖掘结果队列；对所述事件行为细节知识集中的多个事件行为细节知识分别进行数据窃取倾向挖掘，得到数据窃取倾向挖掘结果队列。
82.在一些可独立的实施例中，所述对所述事件行为细节知识集中的多个事件行为细节知识分别进行数据窃取倾向挖掘，得到数据窃取倾向挖掘结果队列，包括：对所述事件行为细节知识中的多个事件行为细节知识分别进行行为节点识别，得到各事件行为细节知识分别对应的行为节点解析数据；对所述事件行为细节知识中的多个事件行为细节知识分别进行会话环境识别，得到各事件行为细节知识分别对应的会话环境解析数据；将对应于相同潜在风险交互事件的行为节点解析数据和会话环境解析数据进行关联；基于所述事件行为细节知识中与目标行为节点解析数据相关联的会话环境解析数据进行数据窃取倾向挖掘处理，得到数据窃取倾向挖掘结果队列。
83.基于上述相同或相似的发明构思，请结合参阅图2，还提供了一种基于人工智能的
工业互联网数据处理方法的应用环境30的架构示意图，包括互相之间通信的人工智能服务系统10和智能生产设备20，人工智能服务系统10和智能生产设备20在运行时实现或者部分实现上述方法实施例所描述的技术方案。
84.进一步地，还提供了一种可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的方法。
85.在本发明实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
86.另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
87.所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，媒体业务服务器10，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
88.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
技术特征：1.一种基于人工智能的工业互联网数据处理方法，其特征在于，应用于人工智能服务系统，所述方法至少包括：获得关于数字智能生产线的当前云端业务交互信息进行风险事件捕捉所得的第一事件捕捉报告；利用所述数字智能生产线的先验捕捉报告指示对所述第一事件捕捉报告进行调整，得到所述当前云端业务交互信息中潜在风险交互事件的第一跟踪分析报告；结合所述第一跟踪分析报告对应的知识单元关系网对所述第一跟踪分析报告进行校对，得到所述潜在风险交互事件的第一已校对分析报告。2.根据权利要求1所述的方法，其特征在于，所述利用所述数字智能生产线的先验捕捉报告指示对所述第一事件捕捉报告进行调整，得到所述当前云端业务交互信息中潜在风险交互事件的第一跟踪分析报告，包括：利用所述数字智能生产线的先验捕捉报告指示，确定所述第一事件捕捉报告的风险事件分类注释，其中，所述风险事件分类注释用于区分所述潜在风险交互事件；结合所述第一事件捕捉报告的风险事件分类注释对所述第一事件捕捉报告进行调整，得到所述当前云端业务交互信息中潜在风险交互事件的第一跟踪分析报告。3.根据权利要求2所述的方法，其特征在于，所述利用所述数字智能生产线的先验捕捉报告指示，确定所述第一事件捕捉报告的风险事件分类注释，包括：将所述数字智能生产线的先验捕捉报告指示与所述第一事件捕捉报告进行配对；在所述第一事件捕捉报告与所述先验捕捉报告指示配对的基础上，将所述先验捕捉报告指示的风险事件分类注释作为所述第一事件捕捉报告的风险事件分类注释。4.根据权利要求3所述的方法，其特征在于，所述利用所述数字智能生产线的先验捕捉报告指示，确定所述第一事件捕捉报告的风险事件分类注释，包括：在所述第一事件捕捉报告与所述先验捕捉报告指示不配对的基础上，为所述第一事件捕捉报告添加指定的风险事件分类注释。5.根据权利要求3所述的方法，其特征在于，所述将所述数字智能生产线的先验捕捉报告指示与所述第一事件捕捉报告进行配对，包括：确定所述第一事件捕捉报告与一个先验捕捉报告指示的约束型内容集存在重合的第一内容窗口大小，以及，确定所述第一事件捕捉报告的约束型内容集与该先验捕捉报告指示的约束型内容集一并覆盖的全局内容窗口大小；结合所述第一内容窗口大小与所述全局内容窗口大小的比例确定所述第一事件捕捉报告与该的先验捕捉报告指示的配对指数。6.根据权利要求1所述的方法，其特征在于，所述利用所述数字智能生产线的先验捕捉报告指示对所述第一事件捕捉报告进行调整，得到所述当前云端业务交互信息中潜在风险交互事件的第一跟踪分析报告，包括：利用所述数字智能生产线的先验捕捉报告指示，在确定所述当前云端业务交互信息存在所述第一事件捕捉报告没有捕捉得到的潜在风险交互事件的基础上，将所述没有捕捉得到的潜在风险交互事件的先验捕捉报告指示作为所述当前云端业务交互信息中没有捕捉得到的潜在风险交互事件的第一跟踪分析报告。7.根据权利要求1所述的方法，其特征在于，所述结合所述第一跟踪分析报告对应的知
识单元关系网对所述第一跟踪分析报告进行校对，得到所述潜在风险交互事件的第一已校对分析报告，包括：对相同潜在风险交互事件的先验捕捉报告指示对应的知识单元关系网与第一跟踪分析报告对应的知识单元关系网进行关系网融合，得到已融合知识单元关系网；利用所述已融合知识单元关系网，得到对所述第一跟踪分析报告进行校对的第一已校对分析报告；其中，所述对相同潜在风险交互事件的先验捕捉报告指示对应的知识单元关系网与第一跟踪分析报告对应的知识单元关系网进行关系网融合，包括：对于相同潜在风险交互事件，将所述当前云端业务交互信息的上一组云端业务交互信息的先验捕捉报告指示对应的知识单元关系网与所述第一跟踪分析报告对应的知识单元关系网进行关系网融合。8.根据权利要求1所述的方法，其特征在于，所述方法还包括：获得所述潜在风险交互事件的已校对分析报告，其中，所述已校对分析报告包括所述第一已校对分析报告和第二已校对分析报告，所述第二已校对分析报告为基于数字智能生产线的先验云端业务交互信息进行风险事件捕捉所得的；利用所述已校对分析报告中的目标分析报告，确定所述潜在风险交互事件的当前捕捉报告指示；其中，所述当前捕捉报告指示与若干个所述目标分析报告的偏差变量的和值满足设定条件。9.根据权利要求8所述的方法，其特征在于，所述方法还包括：确定所述已校对分析报告中的第一已校对分析报告分别与若干个第二已校对分析报告的偏差变量，其中，所述第一已校对分析报告为其中一个所述已校对分析报告，所述第二已校对分析报告为所述第一已校对分析报告以外的已校对内容集；确定所述第一已校对分析报告对应的关联报告数，其中，所述关联报告数为与所述第一已校对分析报告的偏差变量小于偏差变量判定值的第二已校对分析报告的数目；结合所述第一已校对分析报告对应的关联报告数确定所述已校对分析报告中的目标分析报告；其中，所述结合所述第一已校对分析报告对应的关联报告数确定所述已校对分析报告中的目标分析报告，包括：确定若干个所述第一已校对分析报告中所述关联报告数最大的第一已校对分析报告；将所述关联报告数最大的第一已校对分析报告以及与所述关联报告数最大的第一已校对分析报告的偏差变量小于所述偏差变量判定值的第二已校对分析报告，作为所述已校对分析报告中的目标分析报告。10.一种人工智能服务系统，其特征在于，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述权利要求1-9任一项所述的方法。
技术总结本发明的基于人工智能的工业互联网数据处理方法及系统，获得数字智能生产线的当前云端业务交互信息进行风险事件捕捉所得的第一事件捕捉报告，然后基于数字智能生产线的先验捕捉报告指示对第一事件捕捉报告进行调整，得到第一跟踪分析报告，再根据潜在风险交互事件的先验捕捉报告指示与第一跟踪分析报告对应的知识单元关系网对第一跟踪分析报告进行校对，得到第一已校对分析报告。如此，能够实现数字智能生产线的第一事件捕捉报告与先验捕捉报告指示的联动分析处理，并充分挖掘第一事件捕捉报告与先验捕捉报告指示的相关性特征，从而所得的第一已校对分析报告能够尽可能准确、完整、可信地对潜在风险交互事件的描述向量进行记录和输出。行记录和输出。行记录和输出。
技术研发人员：任胜林
受保护的技术使用者：哈尔滨市先传科技有限公司
技术研发日：2022.07.21
技术公布日：2022/11/1
