本技術(shù)涉及數(shù)據(jù)管理，具體涉及一種基于遺傳仿生模型算法的溯源數(shù)據(jù)分層分級方法及設(shè)備。

背景技術(shù)：

1、相關(guān)技術(shù)中，數(shù)據(jù)的分層分級管理大部分依賴于工作經(jīng)驗，采用人工配置、自定義設(shè)置等方式進(jìn)行數(shù)據(jù)的分層維護(hù)與分級管理，對于數(shù)據(jù)特征相對單一、數(shù)據(jù)屬性近似的多種數(shù)據(jù)進(jìn)行人工劃分層級，具有一般的實用價值，但是對于數(shù)據(jù)特征復(fù)雜、數(shù)據(jù)屬性較多且具有共通性質(zhì)較少的大批量數(shù)據(jù)而言，通過人工配置或簡單名詞匹配等方式來進(jìn)行數(shù)據(jù)分層分級管理，存在較多數(shù)據(jù)分層分級錯誤情況，且分類粗糙，分級不明，不利于數(shù)據(jù)的快速檢索和數(shù)據(jù)安全性要求。

2、因此，現(xiàn)有的數(shù)據(jù)分層分級方案存在分層分級不夠準(zhǔn)確的問題。

技術(shù)實現(xiàn)思路

1、本技術(shù)實施例提供一種基于遺傳仿生模型算法的溯源數(shù)據(jù)分層分級方法及設(shè)備，旨在提高數(shù)據(jù)分層分級的準(zhǔn)確性。

2、一方面，本技術(shù)提供一種基于遺傳仿生模型算法的溯源數(shù)據(jù)分層分級方法，所述基于遺傳仿生模型算法的溯源數(shù)據(jù)分層分級方法包括：

3、獲取待管理的目標(biāo)數(shù)據(jù)；

4、確定每一所述目標(biāo)數(shù)據(jù)的數(shù)據(jù)分層分級信息；

5、將每一所述目標(biāo)數(shù)據(jù)的數(shù)據(jù)分層分級信息作為遺傳算法中的一個初始個體；

6、利用所述遺傳算法，對多個所述初始個體進(jìn)行優(yōu)化處理，得到優(yōu)化后的數(shù)據(jù)分層分級信息；

7、按照優(yōu)化后的數(shù)據(jù)分層分級信息，對相應(yīng)所述目標(biāo)數(shù)據(jù)進(jìn)行數(shù)據(jù)分層分級存儲。

8、在一些實施例中，所述數(shù)據(jù)分層分級信息中包括數(shù)據(jù)分層信息和數(shù)據(jù)分級信息，所述確定每一所述目標(biāo)數(shù)據(jù)的數(shù)據(jù)分層分級信息，包括：

9、獲取每一所述目標(biāo)數(shù)據(jù)的數(shù)據(jù)來源和數(shù)據(jù)類型，所述數(shù)據(jù)來源包括企業(yè)數(shù)據(jù)、個人數(shù)據(jù)、公共數(shù)據(jù)中的至少一個，所述數(shù)據(jù)類型包括一層子類、二層子類、三層子類、四層子類、五層子類；

10、按照預(yù)設(shè)的分層策略，基于所述數(shù)據(jù)來源和所述數(shù)據(jù)類型，確定每一所述目標(biāo)數(shù)據(jù)的數(shù)據(jù)分層信息；

11、確定每一所述目標(biāo)數(shù)據(jù)的數(shù)據(jù)分級信息。

12、在一些實施例中，所述確定每一所述目標(biāo)數(shù)據(jù)的數(shù)據(jù)分級信息，包括：

13、獲取每一所述目標(biāo)數(shù)據(jù)的數(shù)據(jù)價值和數(shù)據(jù)影響程度，所述數(shù)據(jù)價值包括公共利益、行業(yè)領(lǐng)域利益、個人權(quán)益、組織權(quán)益中的至少一個；

14、按照預(yù)設(shè)的分級策略，基于所述數(shù)據(jù)價值和所述數(shù)據(jù)影響程度，確定每一所述目標(biāo)數(shù)據(jù)的數(shù)據(jù)分級信息。

15、在一些實施例中，所述利用所述遺傳算法，對多個所述初始個體進(jìn)行優(yōu)化處理，得到優(yōu)化后的數(shù)據(jù)分層分級信息，包括：

16、針對每一所述初始個體，獲取相應(yīng)所述目標(biāo)數(shù)據(jù)按照相應(yīng)所述數(shù)據(jù)分層分級信息存儲時的存儲性能指標(biāo)，所述存儲性能指標(biāo)包括查詢速度、存儲成本、數(shù)據(jù)冗余度中的至少一個；

17、基于所述存儲性能指標(biāo)，確定相應(yīng)所述初始個體的數(shù)據(jù)分層分級評分；

18、利用所述遺傳算法，按照所述數(shù)據(jù)分層分級評分，對多個所述初始個體進(jìn)行優(yōu)化處理，得到優(yōu)化后的數(shù)據(jù)分層分級信息。

19、在一些實施例中，所述利用所述遺傳算法，按照所述數(shù)據(jù)分層分級評分，對多個所述初始個體進(jìn)行優(yōu)化處理，得到優(yōu)化后的數(shù)據(jù)分層分級信息，包括：

20、按照所述數(shù)據(jù)分層分級評分，對多個所述初始個體進(jìn)行選擇操作，得到多個第一個體；

21、對多個所述第一個體進(jìn)行交叉操作，得到多個第二個體；

22、對多個所述第二個體進(jìn)行變異操作，得到多個第三個體；

23、基于多個所述第三個體，確定優(yōu)化后的數(shù)據(jù)分層分級信息。

24、在一些實施例中，所述數(shù)據(jù)分層分級信息中包括數(shù)據(jù)分層信息和數(shù)據(jù)分級信息，所述對多個所述第一個體進(jìn)行交叉操作，得到多個第二個體，包括：

25、按照預(yù)設(shè)的交叉概率，選取多個所述第一個體；

26、在選取的多個所述第一個體中，對不同所述第一個體之間的所述數(shù)據(jù)分層信息和/或所述數(shù)據(jù)分級信息進(jìn)行交換，得到多個所述第二個體；

27、所述對多個所述第二個體進(jìn)行變異操作，得到多個第三個體，包括：

28、按照預(yù)設(shè)的變異概率，選取多個所述第二個體；

29、對選取的每一所述第二個體的所述數(shù)據(jù)分層信息和/或所述數(shù)據(jù)分級信息進(jìn)行調(diào)整，得到多個所述第三個體。

30、在一些實施例中，所述按照優(yōu)化后的數(shù)據(jù)分層分級信息，對相應(yīng)所述目標(biāo)數(shù)據(jù)進(jìn)行數(shù)據(jù)分層分級存儲之后，還包括：

31、針對每一所述目標(biāo)數(shù)據(jù)，獲取與所述目標(biāo)數(shù)據(jù)具有血緣關(guān)系的關(guān)聯(lián)數(shù)據(jù)；

32、將所述目標(biāo)數(shù)據(jù)的優(yōu)化后的數(shù)據(jù)分層分級信息，作為所述關(guān)聯(lián)數(shù)據(jù)的數(shù)據(jù)分層分級信息；

33、按照所述關(guān)聯(lián)數(shù)據(jù)的數(shù)據(jù)分層分級信息，存儲所述關(guān)聯(lián)數(shù)據(jù)。

34、在一些實施例中，所述按照優(yōu)化后的數(shù)據(jù)分層分級信息，對相應(yīng)所述目標(biāo)數(shù)據(jù)進(jìn)行數(shù)據(jù)分層分級存儲之后，還包括：

35、針對每一所述目標(biāo)數(shù)據(jù)，基于所述目標(biāo)數(shù)據(jù)的優(yōu)化后的數(shù)據(jù)分層分級信息，確定所述目標(biāo)數(shù)據(jù)的安全訪問策略；

36、按照所述安全訪問策略，限制對于所述目標(biāo)數(shù)據(jù)的訪問請求。

37、另一方面，本技術(shù)還提供一種基于遺傳仿生模型算法的溯源數(shù)據(jù)分層分級裝置，所述基于遺傳仿生模型算法的溯源數(shù)據(jù)分層分級裝置包括：

38、第一獲取模塊，用于獲取待管理的目標(biāo)數(shù)據(jù)；

39、第一確定模塊，用于確定每一所述目標(biāo)數(shù)據(jù)的數(shù)據(jù)分層分級信息；

40、第二確定模塊，用于將每一所述目標(biāo)數(shù)據(jù)的數(shù)據(jù)分層分級信息作為遺傳算法中的一個初始個體；

41、遺傳算法模塊，用于利用所述遺傳算法，對多個所述初始個體進(jìn)行優(yōu)化處理，得到優(yōu)化后的數(shù)據(jù)分層分級信息；

42、數(shù)據(jù)存儲模塊，用于按照優(yōu)化后的數(shù)據(jù)分層分級信息，對相應(yīng)所述目標(biāo)數(shù)據(jù)進(jìn)行數(shù)據(jù)分層分級存儲。

43、另一方面，本技術(shù)還提供一種計算機(jī)設(shè)備，所述計算機(jī)設(shè)備包括：

44、一個或多個處理器；

45、存儲器；以及

46、一個或多個應(yīng)用程序，其中所述一個或多個應(yīng)用程序被存儲于所述存儲器中，并配置為由所述處理器執(zhí)行以運(yùn)行任一項所述的基于遺傳仿生模型算法的溯源數(shù)據(jù)分層分級方法。

47、另一方面，本技術(shù)還提供一種計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，所述計算機(jī)程序被處理器進(jìn)行加載，以運(yùn)行任一項所述的基于遺傳仿生模型算法的溯源數(shù)據(jù)分層分級方法。

48、另一方面，本技術(shù)還提供一種計算機(jī)程序產(chǎn)品，包括計算機(jī)程序或指令，計算機(jī)程序或指令被處理器執(zhí)行以實現(xiàn)如上任一項所述的基于遺傳仿生模型算法的溯源數(shù)據(jù)分層分級方法。

49、本技術(shù)實施例提供的基于遺傳仿生模型算法的溯源數(shù)據(jù)分層分級方法及設(shè)備，借鑒了自然界中的遺傳進(jìn)化原理來優(yōu)化數(shù)據(jù)管理和處理，并且結(jié)合了遺傳算法與數(shù)據(jù)分層分級管理思想相結(jié)合的數(shù)據(jù)管理方式。這種方式旨在通過模擬生物進(jìn)化過程中的遺傳機(jī)制，如選擇、交叉、變異等，來優(yōu)化數(shù)據(jù)的分類與分級過程，從而對數(shù)據(jù)管理的效率和安全性有所提升，并可以應(yīng)用于大數(shù)據(jù)環(huán)境下的數(shù)據(jù)分類、存儲、檢索等多個方面，提高數(shù)據(jù)處理效率和準(zhǔn)確性。并且，還可形成具有明顯標(biāo)簽屬性的可溯源基礎(chǔ)模型數(shù)據(jù)，結(jié)合分層分級的數(shù)據(jù)管理，給區(qū)域電網(wǎng)帶來了極大的便利。