买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：苏州元脑智能科技有限公司

摘要：本发明提供一种基于半监督学习的异构加速方法、装置、设备及存储介质，涉及计算机技术领域，通过本地硬件设备获取数据控制流，以及根据生成正则表达式生成非确定性有限自动机，非确定性有限自动机用于以对数据控制流进行分析和过滤；通过异构设备中基于半监督学习模型对所述非确定性有限自动机进行分析，在非确定性有限自动机成与其所表征的正则表达式成匹配关系时，将非确定性有限自动机配置到对应正则引擎上，对数据控制流进行并行分析和过滤；其中，半监督学习模型基于状态机无向图中已标记节点数据和未标记节点数据进行训练得到，能够更有效地验证非确定性有限自动机是否表示了正则规律，从而在FPGA上实现更加高效的正则表达式匹配。

主权项：1.一种基于半监督学习的异构加速方法，其特征在于，包括：通过本地硬件设备获取数据控制流，以及根据生成正则表达式生成非确定性有限自动机，所述非确定性有限自动机用于表征所述正则表达式，以对所述数据控制流进行分析和过滤；通过异构设备接收所述数据控制流和所述非确定性有限自动机，基于半监督学习模型对所述非确定性有限自动机进行分析，在所述非确定性有限自动机成与其所表征的正则表达式成匹配关系时，将所述非确定性有限自动机配置到对应正则引擎上，对所述数据控制流进行并行分析和过滤；其中，所述半监督学习模型基于状态机无向图中已标记节点数据和未标记节点数据进行训练得到；所述基于半监督学习模型对所述非确定性有限自动机进行分析，包括：将所述非确定性有限自动机转换为状态机无向图结构；将所述状态机无向图结构以及对应正样本标签和负样本标签输入半监督学习模型，获取所述非确定性有限自动机对应的表征向量；计算每个表征向量之间的相似度，获取所述非确定性有限自动机中相关性最强的字符字符串；获取所述非确定性有限自动机对应的正则表达式中相关性最强的字符字符串；在所述非确定性有限自动机中相关性最强的字符字符串与所述正则表达式中相关性最强的字符字符串一致时，判定所述非确定性有限自动机成与其所表征的正则表达式成匹配关系；所述半监督学习模型的训练方法，包括：获取训练数据集，所述训练数据集包括标记节点数据和未标记节点数据；将所述训练数据集输入所述半监督学习模型，获取每个节点对应的表征向量；基于损失函数计算所述表征向量的损失值；基于所述损失值更新所述半监督学习模型的参数，直到满足训练结束条件，得到训练好的半监督学习模型；其中，所述损失函数包括监督损失函数和无监督损失函数，所述监督损失函数为交叉熵损失函数，所述无监督损失函数为图拉普拉斯损失函数；所述基于损失函数计算所述表征向量的损失值，包括：使用交叉熵损失函数来计算所述标记节点数据对应的表征向量与真实标签之间的差异；使用图拉普拉斯损失函数对所述未标记节点数据对应的表征向量，利用所述状态机无向图的结构信息，鼓励相邻节点具有相似的特征表示；将所述监督损失函数和无监督损失函数输出结果进行融合，得到所述表征向量的损失值；所述将所述监督损失函数和无监督损失函数输出结果进行融合，包括：获取超参数，将所述超参数与所述无监督损失函数输出结果的乘积与所述监督损失函数输出结果相加，得到所述表征向量的损失值。

全文数据：

权利要求：

百度查询： 苏州元脑智能科技有限公司 基于半监督学习的异构加速方法、装置、设备及存储介质