[发明专利]基于神经网络的内容筛选方法、路由器和系统在审
申请号: | 201711389831.2 | 申请日: | 2017-12-21 |
公开(公告)号: | CN108124010A | 公开(公告)日: | 2018-06-05 |
发明(设计)人: | 余磊 | 申请(专利权)人: | 上海斐讯数据通信技术有限公司 |
主分类号: | H04L29/08 | 分类号: | H04L29/08;H04L29/06;G06F17/30 |
代理公司: | 杭州千克知识产权代理有限公司 33246 | 代理人: | 周希良;吴辉辉 |
地址: | 201616 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 物理层处理模块 核心处理器 路由器 神经网络模块 数据链路层 内容筛选 神经网络 神经网络训练 网络信息内容 用户操作信息 网络信息 用户筛选 用户体验 路由 帮助 | ||
本发明公开了公开一种基于神经网络的内容筛选方法、路由器和系统,其中的路由器包括有核心处理器、数据链路层模块和物理层处理模块,所述的数据链路层模块和物理层处理模块之间连接有用于对物理层处理模块得到的数据进行识别评分的神经网络模块,且所述神经网络模块还连接于核心处理器以根据从核心处理器中获取到的用户操作信息进行神经网络训练,本发明具有在路由过程中对网络信息进行识别评分,可以有效帮助用户筛选网络信息内容、提高用户体验等优点。
技术领域
本发明属于路由技术领域,尤其涉及一种基于神经网络的内容筛选方法、路由器和系统。
背景技术
目前的一般网络场景中,路由器是用户联网的一个重要节点,它是基于对网络数据包路由而产生的,路由器需要完成的工作是将不同网络的数据包进行有效的路由,而目前的路由器对于为什么路由、是否应该路由、路由过后是否有问题等根本不关心,它所关心的仅仅是能否将不同的网段的数据包进行路由从而进行通讯。
而且,如今网络资讯繁杂,加上互联网行业的秩序尚不健全,各种流氓信息、垃圾信息众多,用户在上网过程中经常需要自己通过浏览筛选有价值的信息,上网体验很差。
为了解决上述技术问题,人们进行了长期的探索,例如中国专利公开了一种视化HTTP数据监管方法及装置[申请号:CN201210316779.9],其方法包含以下处理步骤:a、接收监听数据,并对其进行协议识别和过滤,仅保留HTTP协议数据作为原始的页面数据,并形成链路信息;b、对页面数据和链路信息定义内存数据结构,以用户请求页面为单位生成管理ID,对用户访问单一页面形成的多个资源文件进行识别,并定义唯一序号与之关联,将页面和关联结果缓存到数据库中;c、对页面数据进行解析,若页面资源不完整或能及时缓存,则返回步骤a;若页面资源完整或缓存超时,则在内存中绘制出页面内容,并以缩略图形式保存到数据库中;d、基于关联结果,根据监管规则对页面数据分类处理;所述监管规则包括IP地址规则、URL规则、内容关键词规则和复合规则;e、根据分类处理结果重新组织监管数据,并提供相关的数据组织形式。
上述方案能够对垃圾信息进行识别,对数据进行筛选在一定程度上优化了用户体验,但是其识别方法过于绝对,无法根据用户的需要不断学习并根据学习结果识别垃圾信息来达到帮助用户筛选网络内容的要求,也无法在路由阶段对网络信息进行有效识别以帮助用户对网络信息进行筛选。
发明内容
本发明的目的是针对上述问题,提供一种能够在路由过程中对网络信息进行有效识别的基于神经网络的内容筛选方法;
本方案的另一目的是提供一种基于上述的基于神经网络的内容筛选方法的路由器;
本方案的另一目的是提供一种采用上述路由器的基于神经网络的内容筛选系统。
为达到上述目的,本发明采用了下列技术方案:
一种基于神经网络的智能内容筛选方法,包括以下步骤:
S1:物理层处理模块接收来自网络的网络信息,并将所述网络信息通过神经网络模块评分后传送给数据链路层模块;
S2:数据链路层模块将评分结果和对应的原始数据通过核心处理器发送给相应的用户端。
通过上述技术方案,将物理层传输到数据链路层的网络信息先进行评分,然后将评分结果与原始数据一起传给用户端,评分可供用户参考,以实现帮助用户筛选网络信息的目的,优化用户体验。
在上述的基于神经网络的智能内容筛选方法中,步骤S1的方法具体包括:
物理层处理模块将接收到的网络信息转换为数据帧发送给神经网络模块,神经网络模块对数据帧中的源地址、类型/长度或有效载荷+填充位中的任意一位或多位进行识别,并根据识别结果基于神经网络对对应的网络信息进行评分。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海斐讯数据通信技术有限公司,未经上海斐讯数据通信技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711389831.2/2.html,转载请声明来源钻瓜专利网。