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！

龙图腾网获悉北京伸度空间科技有限公司申请的专利基于深度学习的公有云存储与本地存储的混合存储方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121301294B 。

龙图腾网通过国家知识产权局官网在2026-03-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511469524.X，技术领域涉及：G06F16/172；该发明授权基于深度学习的公有云存储与本地存储的混合存储方法是由边祥国;潘峰;黄广星设计研发完成，并于2025-10-15向国家知识产权局提交的专利申请。

本基于深度学习的公有云存储与本地存储的混合存储方法在说明书摘要公布了：本申请提供一种基于深度学习的公有云存储与本地存储的混合存储方法，包括：扫描公有云存储和本地存储的所有非密文件，包括图像、视频、音频、文本；对每个非密文件进行预处理和特征提取，得到每个非密文件的特征向量包含文件静态属性分量、文件动态属性分量、文件内容语义分量和访问时间戳序列；基于每个非密文件的访问时间戳序列，分析每个非密文件对应的文件间关联关系；将非密文件的特征向量和文件间关联关系，输入至已训练的数据温度预测模型，得到非密文件的数据温度值；根据每个非密文件的数据温度值，对每个非密文件进行公有云存储和本地存储的划分，完成所有非密文件的混合存储。

本发明授权基于深度学习的公有云存储与本地存储的混合存储方法在权利要求书中公布了：1.一种基于深度学习的公有云存储与本地存储的混合存储方法，其特征在于，包括： 扫描公有云存储和本地存储的所有非密文件，其中，非密文件类型包括图像、视频、音频、文本； 对每个非密文件进行预处理和特征提取，得到每个非密文件的特征向量和访问时间戳序列，其中，每个非密文件的特征向量包含文件静态属性分量、文件动态属性分量、文件内容语义分量； 基于每个非密文件的访问时间戳序列，分析每个非密文件对应的文件间关联关系； 将非密文件的特征向量和文件间关联关系，输入至已训练的数据温度预测模型，得到非密文件的数据温度值； 根据每个非密文件的数据温度值，对每个非密文件进行公有云存储和本地存储的划分，完成所有非密文件的混合存储； 对每个非密文件进行预处理和特征提取，得到每个非密文件的特征向量，包括： 对每个非密文件进行异常数据处理和数据清洗，完成预处理； 针对预处理后的每个非密文件： 提取非密文件的文件名称、文件路径、文件大小、文件类型、文件创建时间、文件最后修改时间，生成非密文件的文件静态属性分量，其中，文件创建时间、文件最后修改时间，作为周期性特征，使用正弦和余弦函数将周期性特征映射到一个圆上，从而保留其周期性，月份特征转换为两个新特征：month_sin=sin2*π*month12，month_cos=cos2*π*month12； 获取非密文件每一次的扫描时间戳、迁移操作方向，以及，获取非密文件每一次的访问时间戳，基于迁移时间戳、迁移操作方向、访问时间戳，生成非密文件的文件动态属性分量，其中，每个非密文件的文件动态属性分量被处理为保持长度一致； 对非密文件的内容进行分析，确定出非密文件的文件内容语义分量； 拼接非密文件的文件静态属性分量、文件动态属性分量和文件内容语义分量，得到非密文件的特征向量； 将非密文件的特征向量和文件间关联关系，输入至已训练的数据温度预测模型，得到非密文件的数据温度值，包括： 将非密文件的特征向量和文件间关联关系输入至已训练的数据温度预测模型； 数据温度预测模型基于非密文件的特征向量，确定出非密文件的初始温度值，再基于每个非密文件的初始温度值和文件间关联关系，确定出每个非密文件的数据温度值； 数据温度预测模型包含初始温度预测模块和数据温度校准模块，初始温度预测模块采用深度学习模型，数据温度校准模块采用深度学习模型或传统机器学习模型，其中，以MLP为数据温度校准模块时，限制固定输入维度，通过聚合关联节点的特征，以保持输入的统一，关联节点的特征包含关联节点数量、关联强度均值、关联强度峰值、关联强度谷值、关联节点初始温度均值、关联节点初始温度极差、关联节点初始温度方差；以线性回归为数据温度校准模块时，固定输入维度，进行回归学习： ， ， 其中，为数据温度值，和为权重，为初始温度值，为此非密数据直接关联的邻居节点数量，为此非密数据关联的第个邻居节点权重函数，为以此非密数据与其关联的第个邻居节点之间的关联强度为基础的线性函数，为此非密数据关联的第个邻居节点的初始温度值，为偏置项。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京伸度空间科技有限公司，其通讯地址为：100085 北京市海淀区上地三街金隅嘉华大厦E座4层403；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。