[0018] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
[0019] 因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0020] 应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0021] 此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0022] 在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，“设置”、“连接”等术语应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接连接，也可以通过中间媒介间接连接，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
[0023] 下面结合附图，对本发明的具体实施方式进行详细说明。
[0024] 图1是本公开一种实施例提供的基于人工智能的驱动侦测处理系统的交互示意图。基于人工智能的驱动侦测处理系统可以包括计算机系统100以及与计算机系统100通信连接的多个工业设备200。图1所示的基于人工智能的驱动侦测处理系统仅为一种可行的示例，在其它可行的实施例中，该基于人工智能的驱动侦测处理系统也可以仅包括图1所示组成部分的其中一部分或者还可以包括其它的组成部分。
[0025] 本实施例中，基于人工智能的驱动侦测处理系统中的计算机系统100和多个工业设备200可以通过配合执行以下方法实施例所描述的基于人工智能的驱动侦测处理方法，具体计算机系统100和多个工业设备200的执行步骤部分可以参照以下方法实施例的详细描述。
[0026] 为了解决前述背景技术中的技术问题，图2为本公开实施例提供的基于人工智能的驱动侦测处理方法的流程示意图，本实施例提供的基于人工智能的驱动侦测处理方法可以由图1中所示的计算机系统100执行，下面对该基于人工智能的驱动侦测处理方法进行详细介绍。
[0027] 步骤201，响应于系统控制指令，获取与目标工业设备相匹配的无标签系统运行特征向量。
[0028] 在本发明实施例中，系统控制指令可以是用户从外部通过KVM（Keyboard Video Mouse，简称键盘、视频和鼠标）输入的，该系统控制指令可以用于指示控制一个目标工业设备的运行状态的切换，也可以指示控制多个联动的目标工业设备，在此不做限制。在本发明实施例中，工业设备200可用是指不同类型、不同系统的工业电脑，在此不做限制。在本发明实施例中，无标签系统运行特征向量可用是指还没打上标签的系统在各个运行状态下的相关参数，可选的，运行状态可以包括启动、停止和切换等操作。
[0029] 步骤202，确定与目标工业设备相匹配的无标签系统运行特征向量所分别对应的不同系统运行环境。
[0030] 应当理解的是，不同的工业设备200解决的问题不同，或是解决同一技术问题的多个互相配合的工业设备200执行的内容不同，基于此，可以确定与目标工业设备相匹配的无标签系统运行特征向量所分别对应的不同系统运行环境，即不同的作业场景。
[0031] 步骤203，基于不同系统运行环境，确定与不同系统运行环境相匹配的HDMI状态。
[0032] 在本发明实施例中，HDMI状态可以是指计算机系统100与工业设备200之间接口的状态，具体改变HDMI状态的方式可以是调用SetChannel接口函数进行切换，在本申请实施例中，HDMI状态可以对应表征计算机系统100对工业设备200的控制状态。
[0033] 步骤204，基于HDMI状态，对目标工业设备相匹配的无标签系统运行特征向量进行特征强化处理，以形成与对应的系统运行环境相匹配的初始系统运行特征向量集合。
[0034] 为了能够使得无标签系统运行特征向量在后续训练过程中具备更多的特征，因此可以将HDMI状态添加至无标签系统运行特征向量进行特征强化处理，以便得到可以用于作为输入的初始系统运行特征向量集合。
[0035] 步骤205，调用经由历史系统运行状态训练样本对抗训练的系统控制指令生成模型，并通过系统控制指令生成模型对初始系统运行特征向量集合进行控制指令生成，得到目标工业设备的控制指令。
[0036] 其中，系统控制指令生成模型包括特征提取层、特征选择层以及信息过滤层。
[0037] 在本申请实施例中，预先训练的系统控制指令生成模型可以由历史系统运行状态训练样本对抗训练得到，在输入初始系统运行特征向量集合后，便能够对应得到目标工业设备的控制指令。
[0038] 步骤206，输出目标工业设备的控制指令。
[0039] 通过上述步骤得到的目标工业设备的控制指令，能够精确地对目标工业设备的启停、运作进行控制，输出的目标工业设备的控制指令可以直接发送至目标工业设备进行执行，也可以经过后续处理后发送至目标工业设备，在此不做限制，整个过程人工参与少，在工业设备200的应用场景中，提高了工业设备200的控制效率和指令精确度。
[0040] 在前述基础上，作为一种可替换的具体实施方式，本发明实施例提供以下的具体实施方式。
[0041] 步骤301，获取目标工业设备集合的特征和系统启动环境的历史参数。
[0042] 步骤302，根据目标工业设备集合的特征和系统启动环境的历史参数，得到与系统控制指令生成模型相匹配的系统运行特征向量集合。
[0043] 其中，系统运行特征向量集合中包括不同历史系统运行状态的样本特征。
[0044] 步骤303，确定系统控制指令生成模型的使用环境，并根据系统控制指令生成模型的使用环境确定不同长度的滑动窗口。
[0045] 步骤304，确定系统运行特征向量集合中的不同样本数据所携带的时间节点数据。
[0046] 步骤305，根据与系统控制指令生成模型相匹配的预设迭代算法，以及不同长度的滑动窗口对系统运行特征向量集合中的不同样本数据所携带的时间节点数据进行处理，确定与系统控制指令生成模型相匹配的不同历史系统运行状态的样本系统控制数据集。
[0047] 其中，样本系统控制数据集包括至少一组样本系统控制数据。
[0048] 步骤306，根据样本系统控制数据集对系统控制指令生成模型进行训练，确定系统控制指令生成模型中特征提取层的超参数。
[0049] 步骤307，根据样本系统控制数据集对系统控制指令生成模型进行训练，确定系统控制指令生成模型中特征选择层的超参数。
[0050] 步骤308，根据样本系统控制数据集对系统控制指令生成模型进行训练，确定系统控制指令生成模型中信息过滤层的超参数，以实现通过系统控制指令生成模型对系统启动环境中的目标工业设备的指令进行预测。
[0051] 在此基础上，为了能够更加清楚地描述本发明实施例提供的方案，前述步骤306可以通过以下步骤实施实现。
[0052] 子步骤306‑1，通过系统控制指令生成模型中特征提取层，对样本系统控制数据集进行处理，以确定特征提取层的初始参数。
[0053] 子步骤206‑2，响应于特征提取层的初始参数，通过特征提取层对样本系统控制数据集进行处理，确定特征提取层的迭代参数。
[0054] 子步骤306‑3，确定特征提取层对应的损失函数。
[0055] 子步骤306‑4，根据特征提取层的迭代参数，对特征提取层的参数进行迭代更新。
[0056] 子步骤306‑5，直至特征提取层的损失函数达到相应的预设收敛阈值，并且基于特征提取层中的参数，能够提取样本系统控制数据集中每个样本的特征选择向量。
[0057] 在前述基础上为了能够更加清楚地描述本发明提供的方案，前述步骤307可以通过以下实施方式实现。
[0058] 子步骤307‑1，通过系统控制指令生成模型中特征选择层，对样本系统控制数据集进行处理，以确定特征选择层的初始参数。
[0059] 子步骤307‑2，将样本系统控制数据集中不同样本系统控制数据，代入由特征选择层所对应的损失函数。
[0060] 子步骤307‑3，确定损失函数满足相应的预设收敛阈值时特征选择层对应迭代参数。
[0061] 子步骤307‑4，确定特征选择层对应的损失函数。
[0062] 子步骤307‑5，根据特征选择层的迭代参数，对特征选择层的参数进行迭代更新。
[0063] 子步骤307‑6，直至特征选择层的损失函数达到相应的预设收敛阈值，并且基于相应的样本标签以及每个样本的特征选择向量，确定不同样本的指令输出结果。
[0064] 在本发明实施例中，为了能够更加清楚地描述本发明提供的方案，前述步骤308可以通过以下步骤实现。
[0065] 子步骤308‑1，响应于信息过滤层的初始参数，通过信息过滤层对样本系统控制数据集进行处理，确定信息过滤层的迭代参数。
[0066] 子步骤308‑2，根据信息过滤层的迭代参数，通过样本系统控制数据集对信息过滤层的参数进行迭代更新，以判断样本集合中不同样本所分别对应的历史系统运行状态。
[0067] 除了前述方案，作为一种可替换的具体实施方式，本发明实施例还包括以下实施方式。
[0068] 步骤401，将样本系统控制数据集中不同样本系统控制数据，代入由信息过滤层所对应的损失函数。
[0069] 步骤402，确定损失函数满足相应的预设收敛阈值时信息过滤层对应迭代参数。
[0070] 步骤403，确定信息过滤层对应的损失函数。
[0071] 步骤404，根据信息过滤层的迭代参数，对信息过滤层的参数进行迭代更新。
[0072] 步骤405，直至信息过滤层的损失函数达到相应的预设收敛阈值，并且基于信息过滤层中的参数，能够判断样本集合中不同样本所分别对应的历史系统运行状态。
[0073] 为了能够更加清楚地描述本发明提供的方案，本发明实施例还包括譬如以下的实施方式。
[0074] （1）根据与系统控制指令生成模型相匹配的预设迭代算法，以及不同长度的滑动窗口对系统运行特征向量集合中的不同样本数据所携带的时间节点数据进行处理，确定与系统控制指令生成模型相匹配的不同历史系统运行状态的测试样本集合。
[0075] （2）通过系统控制指令生成模型对测试样本集合中的不同测试样本进行处理，以实现通过测试样本集合对系统控制指令生成模型输出的指令输出结果进行测试。
[0076] 除了上述方案，为了提高控制工业设备200过程中的安全性，计算机系统100还与验证服务器以及用户登陆系统均通信连接，在执行步骤201之前，本发明实施例还提供以下的具体实施方式。
[0077] 步骤501，获取验证服务器上传的用户操作数据，对控制指令暂存空间所存储的系统控制指令进行安全检测。
[0078] 其中，控制指令暂存空间包括目标工业设备控制指令集合，目标工业设备控制指令集合包括至少一个系统控制指令，不同的系统控制指令分别由不同的用户登陆系统生成。
[0079] 步骤502，若至少一个系统控制指令中的第一系统控制指令通过安全检测，且第一系统控制指令为目标工业设备控制指令集合中具有最有效参考值的系统控制指令，则获取第一系统控制指令对应的杂凑参数，获取用户操作数据所携带的加密指纹，获取验证服务器对应的第一密钥。
[0080] 步骤503，基于第一密钥对加密指纹进行解密，得到加密指纹对应的第一加密信息。
[0081] 步骤504，基于密码散列函数对用户操作数据进行运算，得到用户操作数据对应的第二加密信息。
[0082] 步骤505，若第一加密信息与第二加密信息相同，则用户操作数据验证通过，基于验证通过的用户操作数据生成操作数据向量。
[0083] 步骤506，根据杂凑参数生成向量标签，并根据向量标签和操作数据向量生成第二系统控制指令，将第二系统控制指令添加至目标工业设备控制指令集合，得到更新后的控制指令暂存空间。
[0084] 步骤507，将第二系统控制指令在用户登陆系统集群中进行遍历，以使用户登陆系统集群中除生成第二系统控制指令的用户登陆系统之外的其余用户登陆系统，将第二系统控制指令分别缓存至所属的暂存空间。
[0085] 步骤508，获取更新后的控制指令暂存空间中所包含的系统控制指令的数量，确定更新后的控制指令暂存空间中每个系统控制指令分别对应的用户登陆系统，并获取与用户登陆系统相匹配的可信度权重。
[0086] 步骤509，基于更新后的控制指令暂存空间中所包含的系统控制指令的数量和可信度权重，对更新后的控制指令暂存空间中每个系统控制指令分别对应的置信度阈值进行更新。
[0087] 步骤510，将更新后的置信度阈值大于预设阈值的系统控制指令打上指令有效标签，获取具备指令有效标签的系统控制指令对应的当前置信度。
[0088] 步骤511，若当前置信度与控制指令安全空间中的最有效参考值对应的置信度之间相差在预设有效范围内，则将具备指令有效标签的系统控制指令添加至控制指令安全空间。
[0089] 步骤512，若当前置信度与控制指令安全空间中的最有效参考值对应的置信度之间相差在预设有效范围外，则对具备指令有效标签的系统控制指令进行置信度更新，将更新后的具备指令有效标签的系统控制指令添加至控制指令安全空间。
[0090] 其中，控制指令安全空间用于存储打上指令有效标签的所有系统控制指令。
[0091] 在前述基础上，控制指令暂存空间包括多个系统控制指令集合，多个系统控制指令集合包括目标工业设备控制指令集合，作为一种可替换的具体实施方式，前述步骤501可以通过以下方式实施执行。
[0092] 子步骤501‑1，从控制指令暂存空间中获取多个系统控制指令集合，获取多个系统控制指令集合分别对应的初始系统控制指令数目。
[0093] 子步骤501‑2，基于初始系统控制指令数目对多个系统控制指令集合进行排序，基于每个系统控制指令集合的排序顺序，依次对每个系统控制指令集合所包含的系统控制指令进行安全检测。
[0094] 在前述基础上，作为一种可替换的具体实施方式，前述步骤502可以通过以下步骤执行实施。
[0095] 子步骤502‑1，若多个系统控制指令集合中存在系统控制指令均通过安全检测的目标工业设备控制指令集合，则将目标工业设备控制指令集合中具有最有效参考值的系统控制指令作为第一系统控制指令，获取第一系统控制指令对应的杂凑参数。
[0096] 为了能够更加清楚地描述本发明提供的方案，本发明实施例还提供譬如以下的实施方式。
[0097] （1）若目标工业设备控制指令集合中存在未通过安全检测的系统控制指令，且第一系统控制指令为目标工业设备控制指令集合中通过安全检测的系统控制指令中具有最有效参考值的系统控制指令，则获取第一系统控制指令对应的杂凑参数，根据用户操作数据和杂凑参数生成第二系统控制指令。
[0098] （2）将目标工业设备控制指令集合中通过安全检测的所有系统控制指令，以及第二系统控制指令，构成新的系统控制指令集合，将新的系统控制指令集合和目标工业设备控制指令集合确定为更新后的控制指令暂存空间。
[0099] 除此之外，作为一种可替换的具体实施方式，本发明实施例还包括譬如以下的具体实施方式。
[0100] （1）若多个系统控制指令集合中均存在未通过安全检测的系统控制指令，则分别统计每个系统控制指令集合中通过安全检测的系统控制指令的目标数量，将具有最大的目标数量的系统控制指令集合确定为目标工业设备控制指令集合。
[0101] （2）从目标工业设备控制指令集合所包含的通过安全检测的系统控制指令中，获取具有最有效参考值的系统控制指令作为第一系统控制指令，获取第一系统控制指令对应的杂凑参数。
[0102] （3）根据用户操作数据和杂凑参数生成第二系统控制指令，将目标工业设备控制指令集合中通过安全检测的所有系统控制指令，以及第二系统控制指令，构成新的系统控制指令集合。
[0103] （4）将新的系统控制指令集合和多个系统控制指令集合确定为更新后的控制指令暂存空间。
[0104] 在前述基础上，作为一种可替换的具体实施方式，前述步骤509可以由譬如以下方式执行实施。
[0105] 子步骤509‑1，从更新后的控制指令暂存空间中，获取更新后的目标工业设备控制指令集合和剩余系统控制指令集合分别对应的指令数目，并分别统计每个系统控制指令在更新后的目标工业设备控制指令集合和剩余系统控制指令集合中的出现频次。
[0106] 子步骤509‑2，基于指令数目与出现频次，重新统计更新后的控制指令暂存空间中每个系统控制指令分别对应的置信度阈值。
[0107] 本发明实施例提供一种基于人工智能的驱动侦测处理云平台110，应用于计算机系统100，计算机系统100与多个工业设备200通信连接，如图3所示，基于人工智能的驱动侦测处理云平台110包括：获取模块1101，用于响应于系统控制指令，获取与目标工业设备相匹配的无标签系统运行特征向量。
[0108] 确定模块1102，用于确定与目标工业设备相匹配的无标签系统运行特征向量所分别对应的不同系统运行环境；基于不同系统运行环境，确定与不同系统运行环境相匹配的HDMI状态；基于HDMI状态，对目标工业设备相匹配的无标签系统运行特征向量进行特征强化处理，以形成与对应的系统运行环境相匹配的初始系统运行特征向量集合。
[0109] 输出模块1103，用于调用经由历史系统运行状态训练样本对抗训练的系统控制指令生成模型，并通过系统控制指令生成模型对初始系统运行特征向量集合进行控制指令生成，得到目标工业设备的控制指令，其中，系统控制指令生成模型包括特征提取层、特征选择层以及信息过滤层；输出目标工业设备的控制指令。
[0110] 进一步地，确定模块1102还用于：获取目标工业设备集合的特征和系统启动环境的历史参数；根据目标工业设备集合的特征和系统启动环境的历史参数，得到与系统控制指令生成模型相匹配的系统运行特征向量集合，其中，系统运行特征向量集合中包括不同历史系统运行状态的样本特征；确定系统控制指令生成模型的使用环境，并根据系统控制指令生成模型的使用环境确定不同长度的滑动窗口；确定系统运行特征向量集合中的不同样本数据所携带的时间节点数据；根据与系统控制指令生成模型相匹配的预设迭代算法，以及不同长度的滑动窗口对系统运行特征向量集合中的不同样本数据所携带的时间节点数据进行处理，确定与系统控制指令生成模型相匹配的不同历史系统运行状态的样本系统控制数据集，其中，样本系统控制数据集包括至少一组样本系统控制数据；根据样本系统控制数据集对系统控制指令生成模型进行训练，确定系统控制指令生成模型中特征提取层的超参数；根据样本系统控制数据集对系统控制指令生成模型进行训练，确定系统控制指令生成模型中特征选择层的超参数；根据样本系统控制数据集对系统控制指令生成模型进行训练，确定系统控制指令生成模型中信息过滤层的超参数，以实现通过系统控制指令生成模型对系统启动环境中的目标工业设备的指令进行预测。
[0111] 进一步地，确定模块1102具体用于：通过系统控制指令生成模型中特征提取层，对样本系统控制数据集进行处理，以确定特征提取层的初始参数；响应于特征提取层的初始参数，通过特征提取层对样本系统控制数据集进行处理，确定特征提取层的迭代参数；确定特征提取层对应的损失函数；根据特征提取层的迭代参数，对特征提取层的参数进行迭代更新；直至特征提取层的损失函数达到相应的预设收敛阈值，并且基于特征提取层中的参数，能够提取样本系统控制数据集中每个样本的特征选择向量。
[0112] 进一步地，确定模块1102具体用于：通过系统控制指令生成模型中特征选择层，对样本系统控制数据集进行处理，以确定特征选择层的初始参数；将样本系统控制数据集中不同样本系统控制数据，代入由特征选择层所对应的损失函数；确定损失函数满足相应的预设收敛阈值时特征选择层对应迭代参数；确定特征选择层对应的损失函数；根据特征选择层的迭代参数，对特征选择层的参数进行迭代更新；直至特征选择层的损失函数达到相应的预设收敛阈值，并且基于相应的样本标签以及每个样本的特征选择向量，确定不同样本的指令输出结果。
[0113] 进一步地，确定模块1102具体用于：响应于信息过滤层的初始参数，通过信息过滤层对样本系统控制数据集进行处理，确定信息过滤层的迭代参数；根据信息过滤层的迭代参数，通过样本系统控制数据集对信息过滤层的参数进行迭代更新，以判断样本集合中不同样本所分别对应的历史系统运行状态。
[0114] 进一步地，确定模块1102具体还用于：将样本系统控制数据集中不同样本系统控制数据，代入由信息过滤层所对应的损失函数；确定损失函数满足相应的预设收敛阈值时信息过滤层对应迭代参数；确定信息过滤层对应的损失函数；根据信息过滤层的迭代参数，对信息过滤层的参数进行迭代更新；直至信息过滤层的损失函数达到相应的预设收敛阈值，并且基于信息过滤层中的参数，能够判断样本集合中不同样本所分别对应的历史系统运行状态。
[0115] 进一步地，计算机系统100还与验证服务器以及用户登陆系统均通信连接，确定模块1102还用于：获取验证服务器上传的用户操作数据，对控制指令暂存空间所存储的系统控制指令进行安全检测，其中，控制指令暂存空间包括目标工业设备控制指令集合，目标工业设备控制指令集合包括至少一个系统控制指令，不同的系统控制指令分别由不同的用户登陆系统生成；若至少一个系统控制指令中的第一系统控制指令通过安全检测，且第一系统控制指令为目标工业设备控制指令集合中具有最有效参考值的系统控制指令，则获取第一系统控制指令对应的杂凑参数，获取用户操作数据所携带的加密指纹，获取验证服务器对应的第一密钥；基于第一密钥对加密指纹进行解密，得到加密指纹对应的第一加密信息；基于密码散列函数对用户操作数据进行运算，得到用户操作数据对应的第二加密信息；若第一加密信息与第二加密信息相同，则用户操作数据验证通过，基于验证通过的用户操作数据生成操作数据向量；根据杂凑参数生成向量标签，并根据向量标签和操作数据向量生成第二系统控制指令，将第二系统控制指令添加至目标工业设备控制指令集合，得到更新后的控制指令暂存空间；将第二系统控制指令在用户登陆系统集群中进行遍历，以使用户登陆系统集群中除生成第二系统控制指令的用户登陆系统之外的其余用户登陆系统，将第二系统控制指令分别缓存至所属的暂存空间；获取更新后的控制指令暂存空间中所包含的系统控制指令的数量，确定更新后的控制指令暂存空间中每个系统控制指令分别对应的用户登陆系统，并获取与用户登陆系统相匹配的可信度权重；基于更新后的控制指令暂存空间中所包含的系统控制指令的数量和可信度权重，对更新后的控制指令暂存空间中每个系统控制指令分别对应的置信度阈值进行更新；将更新后的置信度阈值大于预设阈值的系统控制指令打上指令有效标签，获取具备指令有效标签的系统控制指令对应的当前置信度；若当前置信度与控制指令安全空间中的最有效参考值对应的置信度之间相差在预设有效范围内，则将具备指令有效标签的系统控制指令添加至控制指令安全空间；若当前置信度与控制指令安全空间中的最有效参考值对应的置信度之间相差在预设有效范围外，则对具备指令有效标签的系统控制指令进行置信度更新，将更新后的具备指令有效标签的系统控制指令添加至控制指令安全空间，其中，控制指令安全空间用于存储打上指令有效标签的所有系统控制指令。
[0116] 进一步地，控制指令暂存空间包括多个系统控制指令集合，多个系统控制指令集合包括目标工业设备控制指令集合，确定模块1102具体用于：从控制指令暂存空间中获取多个系统控制指令集合，获取多个系统控制指令集合分别对应的初始系统控制指令数目；基于初始系统控制指令数目对多个系统控制指令集合进行排序，基于每个系统控制指令集合的排序顺序，依次对每个系统控制指令集合所包含的系统控制指令进行安全检测。
[0117] 进一步地，确定模块1102具体用于：若多个系统控制指令集合中存在系统控制指令均通过安全检测的目标工业设备控制指令集合，则将目标工业设备控制指令集合中具有最有效参考值的系统控制指令作为第一系统控制指令，获取第一系统控制指令对应的杂凑参数。
[0118] 需要说明的是，前述基于人工智能的驱动侦测处理云平台110的实现原理可以参考前述基于人工智能的驱动侦测处理方法的实现原理，在此不再赘述。应理解以上云平台的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，基于人工智能的驱动侦测处理云平台110可以为单独设立的处理元件，也可以集成在上述云平台的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述云平台的存储器中，由上述云平台的某一个处理元件调用并执行以上获取模块1101的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所描述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
[0119] 例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(application specific integrated circuit，ASIC)，或，一个或多个微处理器(digital signal processor，DSP)，或，一个或者多个现场可编程门阵列(field programmable gate array，FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器
(centralprocessing unit，CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system‑on‑a‑chip，SOC)的形式实现。
[0120] 本发明实施例提供一种计算机系统100，计算机系统100包括处理器及存储有计算机指令的非易失性存储器，计算机指令被处理器执行时，计算机系统100执行前述的基于人工智能的驱动侦测处理云平台110。如图4所示，图4为本发明实施例提供的计算机系统100的结构框图。计算机系统100包括基于人工智能的驱动侦测处理云平台110、存储器111、处理器112及通信单元113。
[0121] 为实现数据的传输或交互，存储器111、处理器112以及通信单元113各元件相互之间直接或间接地电性连接。例如，可通过一条或多条通讯总线或信号线实现这些元件相互之间电性连接。基于人工智能的驱动侦测处理云平台110包括至少一个可以软件或固件（firmware）的形式存储于存储器111中或固化在计算机系统100的操作系统（operating system，OS）中的软件功能模块。处理器112用于执行存储器111中存储的基于人工智能的驱动侦测处理云平台110，例如基于人工智能的驱动侦测处理云平台110所包括的软件功能模块及计算机程序等。
[0122] 本发明实施例提供一种可读存储介质，可读存储介质包括计算机程序，计算机程序运行时控制可读存储介质所在计算机系统100执行前述的基于人工智能的驱动侦测处理方法。
[0123] 综上，本发明实施例提供一种基于人工智能的驱动侦测处理方法，通过响应于系统控制指令，获取与目标工业系统相匹配的无标签系统运行特征向量；再确定与目标工业系统相匹配的无标签系统运行特征向量所分别对应的不同系统运行环境；进而基于不同系统运行环境，确定与不同系统运行环境相匹配的HDMI状态；然后基于HDMI状态，对目标工业系统相匹配的无标签系统运行特征向量进行特征强化处理，以形成与对应的系统运行环境相匹配的初始系统运行特征向量集合；接着调用经由历史系统运行状态训练样本对抗训练的系统控制指令生成模型，并通过系统控制指令生成模型对初始系统运行特征向量集合进行控制指令生成，得到目标工业系统的控制指令，其中，系统控制指令生成模型包括特征提取层、特征选择层以及信息过滤层；最终输出目标工业系统的控制指令，通过上述步骤，巧妙地利用了系统控制指令生成模型实现了对工业系统的自动化控制。
[0124] 出于说明目的，前面的描述是参考具体实施例而进行的。但是，上述说明性论述并不打算穷举或将本公开局限于所公开的精确形式。根据上述教导，众多修改和变化都是可行的。选择并描述这些实施例是为了最佳地说明本公开的原理及其实际应用，从而使本领域技术人员最佳地利用本公开，并利用具有不同修改的各种实施例以适于预期的特定应用。出于说明目的，前面的描述是参考具体实施例而进行的。但是，上述说明性论述并不打算穷举或将本公开局限于所公开的精确形式。根据上述教导，众多修改和变化都是可行的。选择并描述这些实施例是为了最佳地说明本公开的原理及其实际应用，从而使本领域技术人员最佳地利用本公开，并利用具有不同修改的各种实施例以适于预期的特定应用。
