CN116260844B - 基于物联模式的社区云边端架构系统和社区数据处理方法及控制系统 - Google Patents

Abstract

本申请涉及一种基于物联模式的社区云边端架构体系，通过适应性设计一种适用于社区数据的边缘云架构体系，使其可以应对社区复杂多类型的大数据，通过大数据对接平台接收社区数据，并进行数据清洗、分类，按照数据类型将所述社区数据进行归类，得到若干类型的归类数据并输送至边缘防火墙；边缘防火墙接收所述归类数据，并采用预设的安全校验模型，对所述归类数据进行安全检测，得到社区的安全数据，并发送至边缘云计算模块进行大数据分析。能够将边缘云技术良好地适配社区应用环境下的社区数据处理，对各个类型属性的大数据，分类进行处理，将社区不同安全等级、数据类型等社区数据进行安全识别和分类，大大提高社区智慧化建设效率。

Description

基于物联模式的社区云边端架构系统和社区数据处理方法及 控制系统

技术领域

本公开涉及边缘云物联技术领域，尤其涉及一种基于物联模式的社区云边端架构系统、社区数据处理方法及控制系统。

背景技术

边缘云是分布在网络边缘侧，提供实时数处理、分析决策的小规模云数据中心，其应用实施例数字化建设以及物联网建设中较为成熟。

如图1所示的边缘云架构体系，包括边缘云计算模块、边缘基础设施、中心云及终端，其中，边缘基础设施用于构筑边缘云计算模块，并连接在中心云及终端之间。边缘云计算模块可以包含IaaS、PaaS和SaaS三层。其中IaaS层主要是为边缘云平台提供的计算、存储和网络资源，PaaS层既包括位置服务、流量统计、身份识别等网络能力，也包括人脸识别、音视频转码等行业能力，SaaS层提供各类行业应用。此外，边缘云需要在业务、应用管理、数据、资源等方面与中心云实现云边协同。

针对社区这一应用环境来说，在现有的社区数据计算分析服务体系中，少见通过边缘云计算技术进行社区数据的分析处理，这是因为社区所涉及到的数据类型比较繁多，这也就涉及到需要处理不同安全等级、不同数据类型的社区数据。

而上述边缘云提供的架构，仅仅是通识性的基础架构，无法适配社区应用环境下的社区数据处理，无法对社区不同安全等级、数据类型等社区数据进行安全识别和分类。现有的边缘云无法适应社区数据的适配性处理。

发明内容

为了解决上述问题，本申请提出一种基于物联模式的社区云边端架构系统、社区数据处理方法及控制系统。

本申请一方面，提出一种基于物联模式的社区云边端架构系统，包括边缘云计算模块、边缘基础设施及中心云，其中，所述边缘云计算模块构筑于边缘基础设施之上，并通信连接所述中心云，还包括：

社区物联设备，用于采集社区数据并发送至大数据对接平台；

大数据对接平台，用于接收社区数据，并进行数据清洗、分类，按照数据类型将所述社区数据进行归类，得到若干类型的归类数据并输送至边缘防火墙；

边缘防火墙，用于接收所述归类数据，并采用预设的安全校验模型，对所述归类数据进行安全检测，得到社区的安全数据，并发送至边缘云计算模块进行大数据分析。

作为本申请的一可选实施方案，可选地，还包括：

边缘网关，部署于所述边缘基础设施中，用于提供网络能力；

边缘数据中心，部署于所述边缘基础设施中，用于储存数据；

所述边缘数据中心采取分布式部署的边缘数据库，且每个所述边缘数据库分别对应一个类型的数据储存。

作为本申请的一可选实施方案，可选地，还包括：

边缘网络，部署于所述边缘基础设施中，作为备用网络，用于在所述边缘云计算模块缺失网络能力时，提供备份的网络能力。

作为本申请的一可选实施方案，可选地，所述边缘网络采用VPC、ELB或CC边缘应用网络中的一种。

作为本申请的一可选实施方案，可选地，所述边缘防火墙，包括：

若干个分布式布置的防火墙；

每个所述防火墙分别对应一个类型的归类数据进行安全检测，并输出对应类型的安全数据。

本申请另一方面，提出一种社区数据处理方法，基于所述的社区云边端架构体系进行实施，包括如下步骤：

社区物联设备采集社区数据并发送至大数据对接平台；

大数据对接平台接收社区数据，并进行数据清洗、分类，按照数据类型将所述社区数据进行归类，得到若干类型的归类数据并输送至边缘防火墙；

边缘防火墙接收所述归类数据，并采用预设的安全校验模型，对所述归类数据进行安全检测，得到社区的安全数据，并发送至边缘云计算模块进行大数据分析。

作为本申请的一可选实施方案，可选地，大数据对接平台接收社区数据，并进行数据清洗、分类，按照数据类型将所述社区数据进行归类，得到若干类型的归类数据并输送至边缘防火墙，包括：

大数据对接平台接收并获取社区物联设备所采集的社区数据，并进行数据清洗、分类预处理；

解析所述社区数据，并按照数据类型，对所解析的所述社区数据进行属性划分，将按照同属性进行类型分类，将同属性的数据归类为一个类型的数据，作为归类数据；

为所述归类数据打上标记，使每种类型所述归类数据中的数据皆具备分类标记，并将其依次输送至所述边缘防火墙。

作为本申请的一可选实施方案，可选地，边缘防火墙接收所述归类数据，并采用预设的安全校验模型，对所述归类数据进行安全检测，得到社区的安全数据，并发送至边缘云计算模块进行大数据分析，包括：

边缘防火墙接收所述归类数据，并识别出所述归类数据的标记；

按照标记，将与标记所对应的所述归类数据发送至对应的安全校验模型中，进行安全检测；

所述安全校验模型调用对应的防火墙，对当前的所述归类数据安全检测完毕，得到社区的安全数据，输出并保存至相对应的分布式部署的边缘数据库中。

作为本申请的一可选实施方案，可选地，所述安全校验模型中，包含若干个防火墙，且每个防火墙上设有与所述归类数据相对应的防火墙标识，用于对应接收同属性的所述归类数据。

本申请另一方面，还提出一种控制系统，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述可执行指令时实现权利要求6至9中任意一项所述的一种社区数据处理方法。

本发明的技术效果：

本申请通过适应性设计一种适用于社区数据的边缘云架构体系，使其可以应对社区复杂多类型的大数据，通过大数据对接平台接收社区数据，并进行数据清洗、分类，按照数据类型将所述社区数据进行归类，得到若干类型的归类数据并输送至边缘防火墙；边缘防火墙接收所述归类数据，并采用预设的安全校验模型，对所述归类数据进行安全检测，得到社区的安全数据，并发送至边缘云计算模块进行大数据分析。能够将边缘云技术良好地适配社区应用环境下的社区数据处理，对各个类型属性的大数据，分类进行处理，将社区不同安全等级、数据类型等社区数据进行安全识别和分类，大大提高社区智慧化建设效率。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。

图1示出为现有边缘云架构体系的结构示意图；

图2示出为本发明社区云边端架构体系的应结构示意图；

图3示出为本发明大数据对接平台的应用示意图；

图4示出为本发明边缘防火墙的应用示意图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

实施例1

如图2所示，本申请一方面，提出一种基于物联模式的社区云边端架构系统，包括边缘云计算模块、边缘基础设施及中心云，其中，所述边缘云计算模块构筑于边缘基础设施之上，并通信连接所述中心云。

上述有关边缘云计算模块、边缘基础设施及中心云的描述，具体可以参见边缘云的架构体系进行描述，本实施例不限定边缘云计算模块、边缘基础设施及中心云各个具体的架构硬件基础。比如边缘云计算模块可以包含IaaS、PaaS和SaaS三层。其中IaaS层主要是为边缘云平台提供的计算、存储和网络资源，PaaS层既包括位置服务、流量统计、身份识别等网络能力，也包括人脸识别、音视频转码等行业能力，SaaS层提供各类行业应用。这些为常见的应用架构层设计，因此本实施例不作描述。

在本实施例中，应用于社区大数据的社区云边端架构体系，还包括：

如图2所示，社区物联设备，用于采集社区数据并发送至大数据对接平台；

社区物联设备，为采集社区各个方面数据的物联网终端设备，比如采集社区居民视频信息的红外摄像头、云摄像头等，比如采集社区居民用电设备的数据信息的用电传感器等，采集社区居民活动点聚集地的社区监控系统，道闸系统所采集的行人数量、社区内外人等数据，因此具有很多类型的社区大数据，本实施例不做一一描述。

针对每个类型的社区数据，采取一个类型的社区物联终端进行采集，比如终端1为云摄像头，用于采集社区居民的行为信息、音视频数据等，然后发送至大数据对接平台。

如图3所示，大数据对接平台，用于接收社区数据，并进行数据清洗、分类，按照数据类型将所述社区数据进行归类，得到若干类型的归类数据并输送至边缘防火墙；

大数据对接平台优选部署在社区智慧中心的服务器上，可以实现社区服务中心的数据综合管理，对社区数据的前期处理以及经过边缘云计算处理后的社区数据，将可以调用并展示在大数据对接平台上。大数据对接平台上可视化展示各个类型社区数据的方式，本处不做要求。

社区数据收集后，将在大数据对接平台进行数据清理、清洗、分类等，便于服务中心进行数据的调度，按照社区所划分的数据类型或者社区数据的属性进行分类。

大数据对接平台的数据处理方式为：

(1)大数据对接平台接收并获取社区物联设备所采集的社区数据，并进行数据清洗、分类预处理；数据清洗，针对不同的数据，清洗方式不同，本处不做限定；数据分类，这里分类方式可以如下：

以各个终端的设备类型进行分类，比如云摄像头采集的音视频数据，将划分为语音/图像--类型1的数据，将其作为一类，进行归类，作为类型1-归类数据；

以时间进行划分，比如在某一个时间段内的采集数据，为第一时间段内的归类数据，将其划分类型2-归类数据；

因此分类方式具有多种，本实施例不再一一赘述。

(2)解析所述社区数据，并按照数据类型，对所解析的所述社区数据进行属性划分，将按照同属性进行类型分类，将同属性的数据归类为一个类型的数据，作为归类数据；

数据采集后，可能因为格式或者其他问题，需要将其进行统一处理，按照提前设定的数据解析格式，对社区数据进行解析，可以得到解析后的社区数据。解析后的数据，为具备不同格式的数据，且可以从其格式中判断出其数据所属的类型(前期设定好分类方式)，就可以按照各个类型，将这些数据归类至各个对应的类型中去了。

最后，将同属性的数据归类为一个类型的数据，作为归类数据。类型1-归类数据、类型2-归类数据......等等。

(3)为所述归类数据打上标记，使每种类型所述归类数据中的数据皆具备分类标记，并将其依次输送至所述边缘防火墙。

每种类型的归类数据，本实施例采取独立的校验机制以及计算机制进行处理。因此，为了便于单独对各个类型的归类数据进行相对应的安全校验等处理，本处，为每种归类数据打上标记，使得使每种类型所述归类数据中的数据皆具备分类标记，便于后续进行安全校验时，对具备这种标记的同类型的社区数据进行同样的安全校验。

标记的方式，可以是代码标记，或者格式上的标记处理，或者数据文件名的标记处理。

如图4所示，边缘防火墙，用于接收所述归类数据，并采用预设的安全校验模型，对所述归类数据进行安全检测，得到社区的安全数据，并发送至边缘云计算模块进行大数据分析。

边缘防火墙，内置有安全校验模型，除了对接收的归类数据进行常规安全检测外(防火墙的常规功能)，还用于根据数据类型进行安全检测。

边缘防火墙具有若干个IN接口，用于接入归类数据；以及若干个OUT端口，用户输出安全校验后的安全数据。

安全校验模型，通过深度学习方式进行训练生成。可以通过大量针对各个类型的社区数据进行深度学习、训练所生成，可以是综合性的识别模型，也可以是针对不同类型所训练生成的模型。本实施例不限定。

卷积神经网络为深度学习中的一种模式，关于利用深度学习方式比如卷积神经网络训练生成安全校验模型的方式，本实施例不做赘述。

安全校验模型训练完毕，将其配置在边缘侧，经过参数定义和接口/端口配置，即可进行数据的安全校验。

所述安全校验模型中，包含若干个防火墙，且每个防火墙上设有与所述归类数据相对应的防火墙标识，用于对应接收同属性的所述归类数据。

本实施例，安全校验模型中包含的若干个防火墙，具体根据归类数据的种类设置即可，比如防火墙1用于处理“类型1-归类数据”，在“类型1-归类数据”发送至边缘防火墙时，将通过其标记信息，安全校验模型直接调用对应的防火墙1进行安全校验。

所述安全校验模型调用对应的防火墙，对该类型的归类数据进行单独的安全校验。

作为本申请的一可选实施方案，可选地，所述边缘防火墙，包括：

若干个分布式布置的防火墙；

每个所述防火墙分别对应一个类型的归类数据进行安全检测，并输出对应类型的安全数据。

每个所述防火墙，根据每种分类的归类数据所打上的标记进行同样标识，并建立起索引关系，当安全校验模型接收到一种归类数据比如类型1-归类数据后，通过识别其标记而得到归类数据的类型，同时根据标记去对应调用防火墙1进行工作，准备对类型1-归类数据进行安全校验。

本实施例，针对不同类型的归类数据，在进行安全校验时的安全校验规则，可以相同或者不同。本实施例，优先采取不同的校验规则。校验规则的具体设定，根据各个类型的数据属性进行设定即可。

边缘防火墙的具体工作方式如下：

边缘防火墙接收所述归类数据，并采用预设的安全校验模型，对所述归类数据进行安全检测，得到社区的安全数据，并发送至边缘云计算模块进行大数据分析，包括：

边缘防火墙接收所述归类数据，并识别出所述归类数据的标记；

按照标记，将与标记所对应的所述归类数据发送至对应的安全校验模型中，进行安全检测；

所述安全校验模型调用对应的防火墙，对当前的所述归类数据安全检测完毕，得到社区的安全数据，输出并保存至相对应的分布式部署的边缘数据库中。

具体参见上述边缘防火墙的功能描述。

边缘防火墙输出的安全数据，将采用本实施例所设置的分布式部署的边缘数据库进行储存，便于边缘云计算模型进行调用和云计算。

如图2所示，作为本申请的一可选实施方案，可选地，还包括：

边缘网关，部署于所述边缘基础设施中，用于提供网络能力；

边缘数据中心，部署于所述边缘基础设施中，用于储存数据；

所述边缘数据中心采取分布式部署的边缘数据库，且每个所述边缘数据库分别对应一个类型的数据储存。

边缘网关和边缘数据中心，为边缘云技术中的通用基础设施，本实施例不做赘述。

但是，为了应对社区大数据的各个类型的处理数据，本实施例，边缘数据中心同样优先对各个类型的云处理数据进行单独储存。

本实施例，优选分布式储存技术，在边缘数据中心进行分布式储存，单独部署针对类型1-归类数据、类型2-归类数据、类型3-归类数据等数据的边缘数据库，并通过边缘网关建立起与边缘云计算模块之间的对应关系，在计算每种类型的数据后，计算结果按照类型发送并保存至对应的边缘数据库中。便于服务中心按照类型进行社区数据调用和查看等。

如图2所示，作为本申请的一可选实施方案，可选地，还包括：

边缘网络，部署于所述边缘基础设施中，作为备用网络，用于在所述边缘云计算模块缺失网络能力时，提供备份的网络能力。

作为本申请的一可选实施方案，可选地，所述边缘网络采用VPC、ELB或CC边缘应用网络中的一种。

为了避免社区断网导致计算中断，为边缘网关提供冗余备份的网关单元。本实施例，在所述边缘基础设施中额外部署VPC、ELB或CC边缘应用网络的边缘网络，可以在发现边缘网关故障失去网络能力时，及时切换为边缘网络为边缘云计算模块提供网络，避免断网影响社区数据的计算和监控等。

因此，本申请通过将边缘云技术良好地适配社区应用环境下的社区数据处理，对各个类型属性的大数据，分类进行处理，将社区不同安全等级、数据类型等社区数据进行安全识别和分类，大大提高社区智慧化建设效率。

需要说明的是，尽管以卷积神经网络作为示例介绍了如上模型训练生成方法，但本领域技术人员能够理解，本公开应不限于此。事实上，用户完全可根据实际应用场景灵活设定模型构建方式，只要可以按照上述技术方法实现本申请的技术功能即可。

实施例2

基于实施例1的实施原理，本申请另一方面，提出一种社区数据处理方法，基于所述的社区云边端架构体系进行实施，包括如下步骤：

社区物联设备采集社区数据并发送至大数据对接平台；

大数据对接平台接收社区数据，并进行数据清洗、分类，按照数据类型将所述社区数据进行归类，得到若干类型的归类数据并输送至边缘防火墙；

边缘防火墙接收所述归类数据，并采用预设的安全校验模型，对所述归类数据进行安全检测，得到社区的安全数据，并发送至边缘云计算模块进行大数据分析。

作为本申请的一可选实施方案，可选地，大数据对接平台接收社区数据，并进行数据清洗、分类，按照数据类型将所述社区数据进行归类，得到若干类型的归类数据并输送至边缘防火墙，包括：

大数据对接平台接收并获取社区物联设备所采集的社区数据，并进行数据清洗、分类预处理；

解析所述社区数据，并按照数据类型，对所解析的所述社区数据进行属性划分，将按照同属性进行类型分类，将同属性的数据归类为一个类型的数据，作为归类数据；

为所述归类数据打上标记，使每种类型所述归类数据中的数据皆具备分类标记，并将其依次输送至所述边缘防火墙。

作为本申请的一可选实施方案，可选地，边缘防火墙接收所述归类数据，并采用预设的安全校验模型，对所述归类数据进行安全检测，得到社区的安全数据，并发送至边缘云计算模块进行大数据分析，包括：

边缘防火墙接收所述归类数据，并识别出所述归类数据的标记；

按照标记，将与标记所对应的所述归类数据发送至对应的安全校验模型中，进行安全检测；

所述安全校验模型调用对应的防火墙，对当前的所述归类数据安全检测完毕，得到社区的安全数据，输出并保存至相对应的分布式部署的边缘数据库中。

作为本申请的一可选实施方案，可选地，所述安全校验模型中，包含若干个防火墙，且每个防火墙上设有与所述归类数据相对应的防火墙标识，用于对应接收同属性的所述归类数据。

上述各个方法的实施，可以结合实施例1架构体系的描述进行理解和解释，本实施例不再赘述。

显然，本领域的技术人员应该明白，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的，程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各控制方法的实施例的流程。上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的，程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各控制方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)、随机存储记忆体(RandomAccessMemory，RAM)、快闪存储器(FlashMemory)、硬盘(HardDiskDrive，缩写：HDD)或固态硬盘(Solid-StateDrive，SSD)等；存储介质还可以包括上述种类的存储器的组合。

实施例3

更进一步地，本申请另一方面，还提出一种控制系统，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述可执行指令时实现权利要求6至9中任意一项所述的一种社区数据处理方法。

本公开实施例来控制系统包括处理器以及用于存储处理器可执行指令的存储器。其中，处理器被配置为执行可执行指令时实现前面任一所述的一种。

此处，应当指出的是，处理器的个数可以为一个或多个。同时，在本公开实施例的控制系统中，还可以包括输入装置和输出装置。其中，处理器、存储器、输入装置和输出装置之间可以通过总线连接，也可以通过其他方式连接，此处不进行具体限定。

存储器作为一计算机可读存储介质，可用于存储软件程序、计算机可执行程序和各种模块，如：本公开实施例的一种所对应的程序或模块。处理器通过运行存储在存储器中的软件程序或模块，从而执行控制系统的各种功能应用及数据处理。

输入装置可用于接收输入的数字或信号。其中，信号可以为产生与设备/终端/服务器的用户设置以及功能控制有关的键信号。输出装置可以包括显示屏等显示设备。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.基于物联模式的社区云边端架构系统，包括边缘云计算模块、边缘基础设施及中心云，其中，所述边缘云计算模块构筑于边缘基础设施之上，并通信连接所述中心云，用于处理不同安全等级、不同数据类型的社区数据，其特征在于，还包括：

社区物联设备，用于采集社区数据并发送至大数据对接平台；

大数据对接平台，用于接收社区数据，并进行数据清洗、分类，按照数据类型将所述社区数据进行归类，得到若干类型的归类数据并输送至边缘防火墙，包括：为所述归类数据打上标记，使每种类型所述归类数据中的数据皆具备分类标记，并将其依次输送至所述边缘防火墙；

边缘防火墙，用于接收所述归类数据，并采用预设的通过深度学习方式进行训练生成的安全校验模型，对所述归类数据进行安全检测，得到社区的安全数据，并发送至边缘云计算模块进行大数据分析，包括：

边缘防火墙接收所述归类数据，并识别出所述归类数据的标记；

按照标记，将与标记所对应的所述归类数据发送至安全校验模型中的对应防火墙，进行安全检测；

所述安全校验模型调用对应的防火墙，对当前的所述归类数据安全检测完毕，得到社区的安全数据，输出并保存至相对应的分布式部署的边缘数据库中，边缘数据库位于边缘基础设施中；

所述安全校验模型中，包含若干个分布式布置的防火墙，且每个防火墙上设有与所述归类数据相对应的防火墙标识，用于对应接收同属性的所述归类数据。

2.根据权利要求1所述的基于物联模式的社区云边端架构系统，其特征在于，还包括：

边缘网关，部署于所述边缘基础设施中，用于提供网络能力；

边缘数据中心，部署于所述边缘基础设施中，用于储存数据；

所述边缘数据中心采取分布式部署的边缘数据库，且每个所述边缘数据库分别对应一个类型的数据储存。

3.根据权利要求1所述的基于物联模式的社区云边端架构系统，其特征在于，还包括：

边缘网络，部署于所述边缘基础设施中，作为备用网络，用于在所述边缘云计算模块缺失网络能力时，提供备份的网络能力。

4.根据权利要求3所述的基于物联模式的社区云边端架构系统，其特征在于，所述边缘网络采用VPC、ELB或CC边缘应用网络中的一种。

5.根据权利要求1所述的基于物联模式的社区云边端架构系统，其特征在于，所述边缘防火墙，包括：

若干个在所述安全校验模型中呈分布式布置的防火墙；

每个所述防火墙分别对应一个类型的归类数据进行安全检测，并输出对应类型的安全数据。

6.社区数据处理方法，基于权利要求1-5中任一项所述的社区云边端架构系统进行实施，其特征在于，包括如下步骤：

社区物联设备采集社区数据并发送至大数据对接平台；

大数据对接平台接收社区数据，并进行数据清洗、分类，按照数据类型将所述社区数据进行归类，得到若干类型的归类数据并输送至边缘防火墙；

边缘防火墙接收所述归类数据，并采用预设的安全校验模型，对所述归类数据进行安全检测，得到社区的安全数据，并发送至边缘云计算模块进行大数据分析。

7.根据权利要求6所述的社区数据处理方法，其特征在于，大数据对接平台接收社区数据，并进行数据清洗、分类，按照数据类型将所述社区数据进行归类，得到若干类型的归类数据并输送至边缘防火墙，包括：

大数据对接平台接收并获取社区物联设备所采集的社区数据，并进行数据清洗、分类预处理；

解析所述社区数据，并按照数据类型，对所解析的所述社区数据进行属性划分，将按照同属性进行类型分类，将同属性的数据归类为一个类型的数据，作为归类数据；

为所述归类数据打上标记，使每种类型所述归类数据中的数据皆具备分类标记，并将其依次输送至所述边缘防火墙。

8.根据权利要求7所述的社区数据处理方法，其特征在于，边缘防火墙接收所述归类数据，并采用预设的安全校验模型，对所述归类数据进行安全检测，得到社区的安全数据，并发送至边缘云计算模块进行大数据分析，包括：

边缘防火墙接收所述归类数据，并识别出所述归类数据的标记；

按照标记，将与标记所对应的所述归类数据发送至对应的安全校验模型中，进行安全检测；

所述安全校验模型调用对应的防火墙，对当前的所述归类数据安全检测完毕，得到社区的安全数据，输出并保存至相对应的分布式部署的边缘数据库中。

9.根据权利要求8所述的社区数据处理方法，其特征在于，所述安全校验模型中，包含若干个防火墙，且每个防火墙上设有与所述归类数据相对应的防火墙标识，用于对应接收同属性的所述归类数据。

10.控制系统，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述可执行指令时实现权利要求6至9中任意一项所述的社区数据处理方法。