本發(fā)明涉及高校平臺，更具體地說，本發(fā)明涉及一種基于智能門戶平臺的辦公管理方法及系統(tǒng)。

背景技術(shù)：

1、教學(xué)管理系統(tǒng)是用于管理課程、教學(xué)資源、學(xué)生成績等教務(wù)管理工作的平臺，不僅供教務(wù)管理人員使用，也為教師提供了課程管理、成績錄入、教學(xué)資源共享等功能；教師可以在教學(xué)管理系統(tǒng)上進(jìn)行辦公，包括課程管理、教學(xué)資源共享、學(xué)生管理、成績錄入與管理、課程評價、在線交流與討論、課程安排與日程管理等，教師們可以通過教學(xué)管理系統(tǒng)實(shí)現(xiàn)課程管理、教學(xué)資源共享、學(xué)生成績管理等一系列教學(xué)管理任務(wù)，從而提高教學(xué)效率和質(zhì)量。

2、現(xiàn)有技術(shù)存在以下不足：

3、然而，當(dāng)教學(xué)管理系統(tǒng)在運(yùn)行的過程中，若出現(xiàn)故障但未及時感知并繼續(xù)運(yùn)行可能會對教學(xué)和管理工作產(chǎn)生不利影響；例如：在成績錄入和管理方面，若出現(xiàn)故障可能對學(xué)生和教師的記錄造成混亂和不準(zhǔn)確，導(dǎo)致學(xué)生的成績記錄不準(zhǔn)確或遺漏，可能會影響學(xué)生的學(xué)業(yè)發(fā)展和評價。

4、為了解決上述缺陷，現(xiàn)提供一種技術(shù)方案。

技術(shù)實(shí)現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的上述缺陷，本發(fā)明的實(shí)施例提供一種基于智能門戶平臺的辦公管理方法及系統(tǒng)以解決上述背景技術(shù)中提出的問題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、一種基于智能門戶平臺的辦公管理方法，包括如下步驟：

4、獲取教學(xué)管理系統(tǒng)在運(yùn)行過程中，采集教學(xué)管理系統(tǒng)的運(yùn)行狀態(tài)信息，包括數(shù)據(jù)清洗錯誤系信息、實(shí)時更新變化信息和攻擊強(qiáng)度信息，并對數(shù)據(jù)清洗錯誤系信息、實(shí)時更新變化信息和攻擊強(qiáng)度信息進(jìn)行分析處理；

5、將教學(xué)管理系統(tǒng)在運(yùn)行過程中經(jīng)過分析處理后的數(shù)據(jù)清洗錯誤信息、實(shí)時更新變化信息和攻擊強(qiáng)度信息，建立綜合分析模型，生成異常系數(shù)，通過異常系數(shù)對教學(xué)管理系統(tǒng)的運(yùn)行狀態(tài)進(jìn)行評估；

6、將生成的異常系數(shù)與預(yù)先設(shè)定的異常系數(shù)參考閾值進(jìn)行比對分析，判斷教學(xué)管理系統(tǒng)的運(yùn)行的情況，并對存在異常的情況發(fā)出預(yù)警通知；

7、數(shù)據(jù)清洗錯誤信息包括數(shù)據(jù)清洗錯誤系數(shù)，實(shí)時更新變化信息包括更新延遲系數(shù)，攻擊強(qiáng)度信息包括攻擊強(qiáng)度系數(shù)，將數(shù)據(jù)清洗錯誤系數(shù)、更新延遲系數(shù)和攻擊強(qiáng)度系數(shù)分別標(biāo)定為qx、wa和dz。

8、在一個優(yōu)選的實(shí)施方式中，數(shù)據(jù)清洗錯誤系數(shù)的獲取邏輯為：

9、獲取需要上傳學(xué)生的成績數(shù)據(jù)，并記為成績數(shù)據(jù)集x，x＝{cj}＝{c1、c2、…、cn}，式中，n表示成績數(shù)據(jù)集中數(shù)據(jù)的總個數(shù)；

10、計算數(shù)據(jù)的均值和標(biāo)準(zhǔn)差，依據(jù)的公式分別為：均值標(biāo)準(zhǔn)差其中xi是第i個數(shù)據(jù)點(diǎn)；

11、計算z-score值：對每個數(shù)據(jù)點(diǎn)xi計算其對應(yīng)的z-score值，計算的表達(dá)式為：

12、設(shè)定異常閾值：根據(jù)z-score值的分布情況，可以選擇合適的異常閾值來判斷異常值；

13、識別異常值：通過比較計算得到的z-score值與異常閾值，識別出異常值，若zi大于設(shè)定的異常閾值，則將對應(yīng)的數(shù)據(jù)點(diǎn)xi視為異常值；

14、計算成績數(shù)據(jù)集x中異常值的總個數(shù)，并標(biāo)記為k，計算數(shù)據(jù)清洗錯誤系數(shù)，計算的表達(dá)式為：qx＝k/n。

15、在一個優(yōu)選的實(shí)施方式中，更新延遲系數(shù)的獲取邏輯為：

16、記錄數(shù)據(jù)更新時間：記錄每次數(shù)據(jù)更新操作的時間戳，即tc表示第c次數(shù)據(jù)更新的時間；

17、計算更新延遲：對于每次數(shù)據(jù)更新，計算其與最新數(shù)據(jù)的時間差，即δtc＝t最新-tc；其中，t最新是當(dāng)前時間；

18、統(tǒng)計延遲時間：統(tǒng)計所有更新操作的延遲時間，得到一個延遲時間序列{δt1、δt2、…、δtd}，其中d是總更新次數(shù)；

19、定義更新延遲系數(shù)：根據(jù)延遲時間的統(tǒng)計結(jié)果，定義更新延遲系數(shù)；定義方式包括：計算所有延遲時間的平均值：

20、定義一個閾值τ，并獲取計算延遲時間平均值a與閾值τ的差值，得到更新延遲系數(shù)，表達(dá)式為：wa＝a-τ。

21、在一個優(yōu)選的實(shí)施方式中，攻擊強(qiáng)度系數(shù)的獲取邏輯為：

22、數(shù)據(jù)準(zhǔn)備：準(zhǔn)備用于訓(xùn)練和測試的數(shù)據(jù)集，包括系統(tǒng)中的網(wǎng)絡(luò)流量數(shù)據(jù)或用戶行為數(shù)據(jù)；

23、構(gòu)建孤立樹：從數(shù)據(jù)集中隨機(jī)選擇一個特征，從所選特征的最小值到最大值之間隨機(jī)選擇一個切割值，將數(shù)據(jù)集分成兩部分；重復(fù)上述過程，直到樹達(dá)到預(yù)定的高度或每個分支只有一個數(shù)據(jù)點(diǎn)；

24、構(gòu)建孤立森林：通過構(gòu)建多個孤立樹來構(gòu)成孤立森林；

25、異常點(diǎn)檢測：對于每個數(shù)據(jù)點(diǎn)，計算其在每棵樹上的路徑長度；使用路徑長度來評估數(shù)據(jù)點(diǎn)的異常程度；

26、其中，孤立樹的路徑長度的表達(dá)式為：對于數(shù)據(jù)點(diǎn)x，其在一棵孤立樹中的路徑長度h(x)可以通過以下遞歸方式計算：h(x)＝hu(x)+c(m)，其中，ht(x)表示數(shù)據(jù)點(diǎn)x在當(dāng)前樹u上的路徑長度，c(m)是根據(jù)數(shù)據(jù)集大小m估計出來的平均路徑長度；

27、異常程度通過異常分?jǐn)?shù)進(jìn)行計算；對所有數(shù)據(jù)點(diǎn)的路徑長度進(jìn)行歸一化得到，對于數(shù)據(jù)點(diǎn)x，其異常分?jǐn)?shù)s(x)計算方式如下：其中，e(h(x))表示數(shù)據(jù)點(diǎn)z在所有樹上路徑長度的平均值；

28、設(shè)置異常分?jǐn)?shù)的閾值，并記為we，計算攻擊強(qiáng)度系數(shù)，表達(dá)式為：dz＝s(x)-we。

29、在一個優(yōu)選的實(shí)施方式中，異常系數(shù)的獲取邏輯為：將數(shù)據(jù)清洗錯誤系數(shù)qx、更新延遲系數(shù)wa和攻擊強(qiáng)度系數(shù)dz建立綜合分析模型，依據(jù)公式為：

30、

31、式中，pgh為異常系數(shù)，α、β、γ分別為數(shù)據(jù)清洗錯誤系數(shù)、更新延遲系數(shù)和攻擊強(qiáng)度系數(shù)的預(yù)設(shè)比例系數(shù)，且α、β、γ均大于0。

32、在一個優(yōu)選的實(shí)施方式中，將異常系數(shù)與預(yù)先設(shè)定的異常系數(shù)參考閾值進(jìn)行對比，當(dāng)異常系數(shù)小于預(yù)先設(shè)定的異常系數(shù)參考閾值，不發(fā)出預(yù)警；當(dāng)異常系數(shù)不小于預(yù)先設(shè)定的異常系數(shù)參考閾值，發(fā)出預(yù)警。

33、一種基于智能門戶平臺的辦公管理系統(tǒng)，包括采集模塊、處理模塊、對比分析模塊、預(yù)警模塊，各模塊之間信號連接；

34、采集模塊：用于采集數(shù)據(jù)清洗錯誤信息、實(shí)時更新變化信息和攻擊強(qiáng)度信息，并將采集到的信息傳遞至處理模塊；

35、處理模塊：將接收到的數(shù)據(jù)清洗錯誤信息、實(shí)時更新變化信息和攻擊強(qiáng)度信息建立綜合分析模型，生成異常系數(shù)，并將生成的數(shù)據(jù)傳遞至對比分析模塊；

36、對比分析模塊：生成的異常系數(shù)與預(yù)先設(shè)定的異常系數(shù)參考閾值進(jìn)行比對分析，判斷教學(xué)管理系統(tǒng)的運(yùn)行的情況，并將判斷的結(jié)果傳遞至比對預(yù)警模塊；

37、預(yù)警模塊：當(dāng)異常系數(shù)小于預(yù)先設(shè)定的異常系數(shù)參考閾值，不發(fā)出預(yù)警；當(dāng)異常系數(shù)不小于預(yù)先設(shè)定的異常系數(shù)參考閾值，發(fā)出預(yù)警。

38、本發(fā)明的技術(shù)效果和優(yōu)點(diǎn)：

39、本發(fā)明通過采集數(shù)據(jù)清洗錯誤系數(shù)、更新延遲系數(shù)和攻擊強(qiáng)度系數(shù)，并建立異常系數(shù)，并將異常系數(shù)與預(yù)先設(shè)定的異常系數(shù)參考閾值進(jìn)行對比，若異常系數(shù)小于預(yù)先設(shè)定的異常系數(shù)參考閾值，則表示表明教學(xué)管理系統(tǒng)的運(yùn)行狀態(tài)出現(xiàn)問題的可能性越小，最終導(dǎo)致學(xué)生和教師的記錄造成混亂和不準(zhǔn)確的可能性就越小，此時不生成報警信號，且不發(fā)出預(yù)警；若異常系數(shù)不小于預(yù)先設(shè)定的異常系數(shù)參考閾值，則表示表明教學(xué)管理系統(tǒng)的運(yùn)行狀態(tài)出現(xiàn)問題的可能性越大，最終導(dǎo)致學(xué)生和教師的記錄造成混亂和不準(zhǔn)確的可能性就越大，此時生成報警信號，且發(fā)出預(yù)警，及時地提醒教師和工作人員，教學(xué)管理系統(tǒng)的運(yùn)行狀態(tài)已經(jīng)出現(xiàn)問題，此時需要及時地維修，使得學(xué)生和教師的記錄不會造成混亂和不準(zhǔn)確。