用于网络收发两端的数据缺失状态分析系统的制作方法

1.本发明涉及网络领域，尤其涉及一种用于网络收发两端的数据缺失状态分析系统。


背景技术：

2.一台计算机只有在遵守网络协议的前提下，才能在网络上与其他计算机进行正常的通信，达到网络收发两端的数据传输。网络协议通常被分为几个层次，每层完成自己单独的功能。通信双方只有在共同的层次间才能相互联系。常见的协议有：tcp/ip协议、ipx/spx协议、netbeui协议等。在局域网中用得的比较多的是ipx/spx.。用户如果访问internet，则必须在网络协议中添加tcp/ip协议。
3.在网络接受端，需要从每一个接收到的tcp数据包内抽出数据，按发送前的顺序还原，并加以校验，若发现差错，tcp将会要求重发。对普通用户来说，并不需要了解网络协议的整个结构，仅需了解ip的地址格式，即可与世界各地进行网络通信。
4.由多个字符构成的文件数据是网络收发两端的主要传输内容之一。然而，在实际网络传输过程中，tcp/ip协议只能对每一个数据包内传输的较短的文件内容进行传输差错即传输误码率的判断，而无法对连续接收到的多个数据包分别对应的多份负载构成的文件片段执行完整性判断，导致网络接收端仅仅能够确定每一个数据包内的接收的字符是否存在差错，而无法判断每一份文件片段整体是否完整以及在不完整时，无法判断所述文件片段的字符缺失程度。现有技术中公开号为cn115883540a的发明提供了一种基于分布式文件存储系统的文件传输方法和系统，该方法包括：通过第一客户端为预先读取的文件目录以及对应的初始文件配置完整性校验码，生成目标文件；第二客户端通过分布式文件存储系统，接收目标文件，并将下载完成的目标文件存储于待下载的文件目录；第二客户端根据完整性校验码，对已下载的目标文件的完整性进行校验，该方法在一定程度上具有提高文件传输完整性和稳定性的技术效果。


技术实现要素：

5.为了克服现有技术中的技术缺陷，本发明提出了一种用于网络收发两端的数据缺失状态分析系统，能够采用针对性的学习机制，在固定的设定网络接收端和设定网络传送端的网络收发两端之间建立执行文件片段在网络传输过程中丢失状态预测的ai预测模型，从而对多个数据包传输过来的多份负载的整体内容进行完整状态的分析和判断，从而避免陷入复杂、繁琐的逐个数据包的负载比对的信息处理过程。
6.本发明提供的一种用于网络收发两端的数据缺失状态分析系统包括：
7.逐批提取器件，用于在设定网络接收端逐批提取设定字符长度的各份文件片段，每一批的提取动作获取对应的单份文件片段，提取的批数与所述设定字符长度的数值正向关联，每一份文件片段都来自设定网络传送端，其具有的设定字符长度在设定网络接收端处统计获取；
8.状态获取器件，与所述逐批提取器件连接，用于获取提取的每一份文件片段的状态数据，所述状态数据包括对应的单份文件片段的完整标识以及缺失字符数量；
9.定制学习器件，分别与所述状态获取器件以及所述逐批提取器件连接，用于建立执行文件片段在设定网络传送端到设定网络接收端的传输过程中丢失状态预测的ai预测模型，所述ai预测模型为经过设定数目的多次学习后的bp神经网络，所述设定数目的数值等于所述提前的批数的数值；
10.预测判断机构，与所述定制学习器件连接，用于将在设定网络接收端处从设定网络传送端最新接收到的且不确定状态数据的文件作为目标文件，从所述目标文件处截取长度等于设定字符长度的文件片段作为参考文件片段，采用所述ai预测模型以基于参考文件片段的各个构成字符分别对应的各个ascll码数值、设定网络传送端到设定网络接收端的实际地理距离、设定网络传送端的传输带宽和单位时间最大运算量以及设定网络接收端的传输带宽和单位时间最大运算量预测参考文件片段的状态数据；
11.缺失警示机构，与所述预测判断机构连接，用于在预测的参考文件片段的状态数据中的完整标识表示参考文件片段不完整时，执行相应的缺失警示动作；
12.其中，获取提取的每一份文件片段的状态数据，所述状态数据包括对应的单份文件片段的完整标识以及缺失字符数量包括：在对应的单份文件片段的完整标识表示对应的单份文件片段完整时，对应的缺失字符数量为0。
13.本发明的用于网络收发两端的数据缺失状态分析系统操作简便、结构紧凑。由于通过采用针对性的学习机制在固定的网络收发两端之间建立执行文件片段在网络传输过程中丢失状态预测的ai预测模型，从而能够对多个数据包传输过来的多份负载的整体内容进行完整状态的分析和判断。
附图说明
14.以下将结合附图对本发明的实施方案进行描述。
15.图1为根据本发明首要实施例示出的用于网络收发两端的数据缺失状态分析系统的内部结构示意图。
16.图2为根据本发明次要实施例示出的用于网络收发两端的数据缺失状态分析系统的内部结构示意图。
17.图3为根据本发明再次要实施例示出的用于网络收发两端的数据缺失状态分析系统的内部结构示意图。
具体实施方式
18.下面将参照附图对本发明的用于网络收发两端的数据缺失状态分析系统的实施方案进行详细说明。
19.图1为根据本发明首要实施例示出的用于网络收发两端的数据缺失状态分析系统的内部结构示意图，所述系统包括：
20.逐批提取器件，用于在设定网络接收端逐批提取设定字符长度的各份文件片段，每一批的提取动作获取对应的单份文件片段，提取的批数与所述设定字符长度的数值正向关联，每一份文件片段都来自设定网络传送端，其具有的设定字符长度在设定网络接收端
处统计获取；
21.具体地，各份文件片段的文件类型相同，可以都为网络小说或者电子书的部分章节；
22.示例地，提取的批数与所述设定字符长度的数值正向关联包括：所述设定字符长度的数值为5000字符，提取的批数为500，所述设定字符长度的数值为10000字符，提取的批数为600，所述设定字符长度的数值为20000字符，提取的批数为700，等等；
23.状态获取器件，与所述逐批提取器件连接，用于获取提取的每一份文件片段的状态数据，所述状态数据包括对应的单份文件片段的完整标识以及缺失字符数量；
24.定制学习器件，分别与所述状态获取器件以及所述逐批提取器件连接，用于建立执行文件片段在设定网络传送端到设定网络接收端的传输过程中丢失状态预测的ai预测模型，所述ai预测模型为经过设定数目的多次学习后的bp神经网络，所述设定数目的数值等于所述提前的批数的数值；
25.示例地，建立执行文件片段在设定网络传送端到设定网络接收端的传输过程中丢失状态预测的ai预测模型，所述ai预测模型为经过设定数目的多次学习后的bp神经网络，所述设定数目的数值等于所述提前的批数的数值包括：可以选择采用数值仿真模式实现建立执行文件片段在设定网络传送端到设定网络接收端的传输过程中丢失状态预测的ai预测模型的建模操作；
26.预测判断机构，与所述定制学习器件连接，用于将在设定网络接收端处从设定网络传送端最新接收到的且不确定状态数据的文件作为目标文件，从所述目标文件处截取长度等于设定字符长度的文件片段作为参考文件片段，采用所述ai预测模型以基于参考文件片段的各个构成字符分别对应的各个ascll码数值、设定网络传送端到设定网络接收端的实际地理距离、设定网络传送端的传输带宽和单位时间最大运算量以及设定网络接收端的传输带宽和单位时间最大运算量预测参考文件片段的状态数据；
27.缺失警示机构，与所述预测判断机构连接，用于在预测的参考文件片段的状态数据中的完整标识表示参考文件片段不完整时，执行相应的缺失警示动作；
28.其中，获取提取的每一份文件片段的状态数据，所述状态数据包括对应的单份文件片段的完整标识以及缺失字符数量包括：在对应的单份文件片段的完整标识表示对应的单份文件片段完整时，对应的缺失字符数量为0；
29.其中，建立执行文件片段在设定网络传送端到设定网络接收端的传输过程中丢失状态预测的ai预测模型，所述ai预测模型为经过设定数目的多次学习后的bp神经网络，所述设定数目的数值等于所述提前的批数的数值包括：所述bp神经网络的多次学习分别对应各份文件片段；
30.其中，所述bp神经网络的多次学习分别对应各份文件片段包括：在所述bp神经网络的每一次学习中，将该次学习对应的单份文件片段的各个构成字符分别对应的各个ascll码数值、设定网络传送端到设定网络接收端的实际地理距离、设定网络传送端的传输带宽和单位时间最大运算量以及设定网络接收端的传输带宽和单位时间最大运算量作为所述bp神经网络的各份输入内容，将该次学习对应的单份文件片段的已知的状态数据作为所述bp神经网络的输出内容，完成本次学习。
31.图2为根据本发明次要实施例示出的用于网络收发两端的数据缺失状态分析系统
的内部结构示意图。
32.如图2所示，与图1不同，图2中的用于网络收发两端的数据缺失状态分析系统还可以包括以下组件：
33.现场显示机构，与所述预测判断机构连接，用于接收并实时显示参考文件片段的状态数据；
34.例如，所述现场显示机构可以选型为液晶显示器件、led显示阵列或者lcd显示阵列中的一种；
35.其中，接收并实时显示参考文件片段的状态数据包括：接收并实时显示参考文件片段的完整标识以及缺失字符数量。
36.图3为根据本发明再次要实施例示出的用于网络收发两端的数据缺失状态分析系统的内部结构示意图。
37.如图3所示，与图1不同，图3中的用于网络收发两端的数据缺失状态分析系统还可以包括以下组件：
38.参数存储机构，与所述定制学习器件连接，用于接收并存储所述ai预测模型；
39.其中，接收并存储所述ai预测模型包括：通过接收并存储所述ai预测模型的各项模型参数完成对所述ai预测模型的接收并存储。
40.接着，继续对本发明的用于网络收发两端的数据缺失状态分析系统的具体结构进行进一步的说明。
41.在根据本发明的各个实施例的用于网络收发两端的数据缺失状态分析系统中：
42.获取提取的每一份文件片段的状态数据，所述状态数据包括对应的单份文件片段的完整标识以及缺失字符数量包括：在对应的单份文件片段的完整标识表示对应的单份文件片段不完整时，对应的缺失字符数量为对应的单份文件片段在设定网络传送端到设定网络接收端传输过程中实际丢失的字符总数。
43.在根据本发明的各个实施例的用于网络收发两端的数据缺失状态分析系统中：
44.获取提取的每一份文件片段的状态数据，所述状态数据包括对应的单份文件片段的完整标识以及缺失字符数量包括：采用0b00作为对应的单份文件片段的完整标识表示对应的单份文件片段完整，以及采用0b01作为对应的单份文件片段的完整标识表示对应的单份文件片段不完整。
45.在根据本发明的各个实施例的用于网络收发两端的数据缺失状态分析系统中：
46.所述缺失警示机构还用于在预测的参考文件片段的状态数据中的完整标识表示参考文件片段完整时，暂缓执行参考文件片段不完整的相应的缺失警示动作。
47.以及在根据本发明的各个实施例的用于网络收发两端的数据缺失状态分析系统中：
48.在设定网络接收端逐批提取设定字符长度的各份文件片段，每一批的提取动作获取对应的单份文件片段，提取的批数与所述设定字符长度的数值正向关联包括：每一份文件片段由各个字符构成；
49.其中，在设定网络接收端逐批提取设定字符长度的各份文件片段，每一批的提取动作获取对应的单份文件片段，提取的批数与所述设定字符长度的数值正向关联还包括：采用数值对应公式表示提取的批数与所述设定字符长度的数值正向关联的数值对应关系；
50.其中，采用数值对应公式表示提取的批数与所述设定字符长度的数值正向关联的数值对应关系包括：在所述数值对应公式中，提取的批数为所述数值对应公式的输出信息；
51.其中，采用数值对应公式表示提取的批数与所述设定字符长度的数值正向关联的数值对应关系包括：在所述数值对应公式中，所述设定字符长度的数值为所述数值对应公式的输入信息。
52.另外，在所述用于网络收发两端的数据缺失状态分析系统中：
53.将在设定网络接收端处从设定网络传送端最新接收到的且不确定状态数据的文件作为目标文件，从所述目标文件处截取长度等于设定字符长度的文件片段作为参考文件片段，采用所述ai预测模型以基于参考文件片段的各个构成字符分别对应的各个ascll码数值、设定网络传送端到设定网络接收端的实际地理距离、设定网络传送端的传输带宽和单位时间最大运算量以及设定网络接收端的传输带宽和单位时间最大运算量预测参考文件片段的状态数据包括：将参考文件片段的各个构成字符分别对应的各个ascll码数值、设定网络传送端到设定网络接收端的实际地理距离、设定网络传送端的传输带宽和单位时间最大运算量以及设定网络接收端的传输带宽和单位时间最大运算量并行输入到所述ai预测模型；
54.其中，将在设定网络接收端处从设定网络传送端最新接收到的且不确定状态数据的文件作为目标文件，从所述目标文件处截取长度等于设定字符长度的文件片段作为参考文件片段，采用所述ai预测模型以基于参考文件片段的各个构成字符分别对应的各个ascll码数值、设定网络传送端到设定网络接收端的实际地理距离、设定网络传送端的传输带宽和单位时间最大运算量以及设定网络接收端的传输带宽和单位时间最大运算量预测参考文件片段的状态数据还包括：执行所述ai预测模型以获得所述ai预测模型输出的参考文件片段的状态数据。
55.根据上述实施例可以看出，本发明技术方案的创新性体现在：
56.第一：在固定的设定网络接收端和设定网络传送端的网络收发两端之间建立执行文件片段在网络传输过程中丢失状态预测的ai预测模型，通过对所述ai预测模型执行以下建立机制以保证预测结果的可靠性：所述ai预测模型为经过设定数目的多次学习后的bp神经网络，且学习的次数与每一份文件片段的字符长度正向关联；
57.第二：具体地每一次学习中，将该次学习对应的单份文件片段的各个构成字符分别对应的各个ascll码数值、设定网络传送端到设定网络接收端的实际地理距离、设定网络传送端的传输带宽和单位时间最大运算量以及设定网络接收端的传输带宽和单位时间最大运算量作为bp神经网络的各份输入内容，将该次学习对应的单份文件片段的已知的状态数据作为bp神经网络的输出内容，完成本次学习，从而保证了每一次学习的效果；
58.第三：将在设定网络接收端处从设定网络传送端最新接收到的且不确定状态数据的文件作为目标文件，从所述目标文件处截取长度等于设定字符长度的文件片段作为参考文件片段，采用ai预测模型以基于参考文件片段的各个构成字符分别对应的各个ascll码数值、设定网络传送端到设定网络接收端的实际地理距离、设定网络传送端的传输带宽和单位时间最大运算量以及设定网络接收端的传输带宽和单位时间最大运算量预测参考文件片段的状态数据，所述状态数据包括参考文件片段的完整标识以及缺失字符数量，从而实现了接收文件片段的完整性以及缺失数据程度的有效判断。
59.本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。

技术特征：
1.一种用于网络收发两端的数据缺失状态分析系统，其特征在于，所述系统包括：逐批提取器件，用于在设定网络接收端逐批提取设定字符长度的各份文件片段，每一批的提取动作获取对应的单份文件片段，提取的批数与所述设定字符长度的数值正向关联，每一份文件片段都来自设定网络传送端，其具有的设定字符长度在设定网络接收端处统计获取；状态获取器件，与所述逐批提取器件连接，用于获取提取的每一份文件片段的状态数据，所述状态数据包括对应的单份文件片段的完整标识以及缺失字符数量；定制学习器件，分别与所述状态获取器件以及所述逐批提取器件连接，用于建立执行文件片段在设定网络传送端到设定网络接收端的传输过程中丢失状态预测的ai预测模型，所述ai预测模型为经过设定数目的多次学习后的bp神经网络，所述设定数目的数值等于所述提前的批数的数值；预测判断机构，与所述定制学习器件连接，用于将在设定网络接收端处从设定网络传送端最新接收到的且不确定状态数据的文件作为目标文件，从所述目标文件处截取长度等于设定字符长度的文件片段作为参考文件片段，采用所述ai预测模型以基于参考文件片段的各个构成字符分别对应的各个ascll码数值、设定网络传送端到设定网络接收端的实际地理距离、设定网络传送端的传输带宽和单位时间最大运算量以及设定网络接收端的传输带宽和单位时间最大运算量预测参考文件片段的状态数据；缺失警示机构，与所述预测判断机构连接，用于在预测的参考文件片段的状态数据中的完整标识表示参考文件片段不完整时，执行相应的缺失警示动作；其中，获取提取的每一份文件片段的状态数据，所述状态数据包括对应的单份文件片段的完整标识以及缺失字符数量包括：在对应的单份文件片段的完整标识表示对应的单份文件片段完整时，对应的缺失字符数量为0。2.如权利要求1所述的用于网络收发两端的数据缺失状态分析系统，其特征在于：建立执行文件片段在设定网络传送端到设定网络接收端的传输过程中丢失状态预测的ai预测模型，所述ai预测模型为经过设定数目的多次学习后的bp神经网络，所述设定数目的数值等于所述提前的批数的数值包括：所述bp神经网络的多次学习分别对应各份文件片段；其中，所述bp神经网络的多次学习分别对应各份文件片段包括：在所述bp神经网络的每一次学习中，将该次学习对应的单份文件片段的各个构成字符分别对应的各个ascll码数值、设定网络传送端到设定网络接收端的实际地理距离、设定网络传送端的传输带宽和单位时间最大运算量以及设定网络接收端的传输带宽和单位时间最大运算量作为所述bp神经网络的各份输入内容，将该次学习对应的单份文件片段的已知的状态数据作为所述bp神经网络的输出内容，完成本次学习。3.如权利要求2所述的用于网络收发两端的数据缺失状态分析系统，其特征在于，所述系统还包括：现场显示机构，与所述预测判断机构连接，用于接收并实时显示参考文件片段的状态数据；其中，接收并实时显示参考文件片段的状态数据包括：接收并实时显示参考文件片段的完整标识以及缺失字符数量。
4.如权利要求2所述的用于网络收发两端的数据缺失状态分析系统，其特征在于，所述系统还包括：参数存储机构，与所述定制学习器件连接，用于接收并存储所述ai预测模型；其中，接收并存储所述ai预测模型包括：通过接收并存储所述ai预测模型的各项模型参数完成对所述ai预测模型的接收并存储。5.如权利要求2-4任一所述的用于网络收发两端的数据缺失状态分析系统，其特征在于：获取提取的每一份文件片段的状态数据，所述状态数据包括对应的单份文件片段的完整标识以及缺失字符数量包括：在对应的单份文件片段的完整标识表示对应的单份文件片段不完整时，对应的缺失字符数量为对应的单份文件片段在设定网络传送端到设定网络接收端传输过程中实际丢失的字符总数。6.如权利要求2-4任一所述的用于网络收发两端的数据缺失状态分析系统，其特征在于：获取提取的每一份文件片段的状态数据，所述状态数据包括对应的单份文件片段的完整标识以及缺失字符数量包括：采用0b00作为对应的单份文件片段的完整标识表示对应的单份文件片段完整，以及采用0b01作为对应的单份文件片段的完整标识表示对应的单份文件片段不完整。7.如权利要求2-4任一所述的用于网络收发两端的数据缺失状态分析系统，其特征在于：所述缺失警示机构还用于在预测的参考文件片段的状态数据中的完整标识表示参考文件片段完整时，暂缓执行参考文件片段不完整的相应的缺失警示动作。8.如权利要求2-4任一所述的用于网络收发两端的数据缺失状态分析系统，其特征在于：在设定网络接收端逐批提取设定字符长度的各份文件片段，每一批的提取动作获取对应的单份文件片段，提取的批数与所述设定字符长度的数值正向关联包括：每一份文件片段由各个字符构成；其中，在设定网络接收端逐批提取设定字符长度的各份文件片段，每一批的提取动作获取对应的单份文件片段，提取的批数与所述设定字符长度的数值正向关联还包括：采用数值对应公式表示提取的批数与所述设定字符长度的数值正向关联的数值对应关系。9.如权利要求8所述的用于网络收发两端的数据缺失状态分析系统，其特征在于：采用数值对应公式表示提取的批数与所述设定字符长度的数值正向关联的数值对应关系包括：在所述数值对应公式中，提取的批数为所述数值对应公式的输出信息；其中，采用数值对应公式表示提取的批数与所述设定字符长度的数值正向关联的数值对应关系包括：在所述数值对应公式中，所述设定字符长度的数值为所述数值对应公式的输入信息。

技术总结
本发明涉及一种用于网络收发两端的数据缺失状态分析系统，包括：定制学习器件，建立执行文件片段在设定网络传送端到设定网络接收端的传输过程中丢失状态预测的AI预测模型；预测判断机构，将在设定网络接收端处最新接收到的文件作为目标文件，从目标文件处截取长度等于设定字符长度的文件片段作为参考文件片段，采用所述AI预测模型预测参考文件片段的缺失程度。本发明的用于网络收发两端的数据缺失状态分析系统操作简便、结构紧凑。由于通过采用针对性的学习机制在固定的网络收发两端之间建立执行文件片段在网络传输过程中丢失状态预测的AI预测模型，从而能够对多个数据包传输过来的多份负载的整体内容进行完整状态的分析和判断。析和判断。析和判断。


技术研发人员：请求不公布姓名
受保护的技术使用者：秦艳霞
技术研发日：2023.07.18
技术公布日：2023/9/20