1.基于云计算的工业互联网平台数据安全防护系统，其特征在于，包括数据分类模块、本地处理模块、历史数据收集模块、模型训练模块以及实时决策模块；其中，各个模块之间通过电气和/或无线网络方式连接；

所述数据分类模块用于将工业互联网平台实时产生的流量数据按功能进行分类，并将对输入的流量数据的分类结果发送至历史数据收集模块以及实时决策模块；

所述本地处理模块用于预先在工业互联网平台本地为待发送的流量数据提供存储或预处理服务；并将存储数据以及预处理数据发送至历史数据收集模块以及实时决策模块；

所述历史数据收集模块用于预先收集历史交互数据，并将历史交互数据转化为深度强化学习模型所接受的四元组集合形式，并将四元组集合发送至模型训练模块；

所述模型训练模块用于使用四元组集合，对深度强化学习模型进行训练，并将深度强化学习模型M发送至实时决策模块；

所述实时决策模块用于为工业互联网平台实时选择动作，以最大程度保证控制指令的数据传输安全；

所述数据分类模块将工业互联网平台实时产生的流量数据按功能进行分类的方式为：所述数据分类模块将流量数据按功能划分为传感器数据、控制信号、视频和图像数据、日志数据以及业务数据；

其中，所述传感器数据为工业互联网平台通过传感器收集工业设备、生产流程的信息；

其中，所述视频和图像数据是指在工业生产和管理中，对现场进行实时监控和分析所采集的视频和图像；

其中，所述日志数据包括工业互联网平台通过记录设备、生产流程数据的变化情况；

所述本地处理模块包括在工业互联网平台本地装备的本地存储设备以及对各类数据进行预处理的程序；将本地存储设备的最大容量标记为M；

对各类数据进行预处理的程序包括对视频和图像数据进行压缩的压缩程序、对日志数据进行筛除的筛除程序以及对业务数据进行属性挑选的挑选程序；

其中，所述压缩程序将输入的视频数据进行周期性的视频抽帧，以及将输入的图像数据的像素进行下采样；

其中，所述筛除程序通过根据日志数据中设置的实际异常字段，从输入至筛除程序的日志数据中匹配出异常文本段，并将除异常文本段外的其他日志文本筛除；

其中，所述挑选程序预先根据实际业务需求挑选在业务数据中所必须的字段，并将每条输入至挑选程序的业务数据中的非必须的字段进行筛除；

其中，存储数据包括本地存储设备的实时存储量以及实时剩余容量，并将其分别标记为Mtc以及Mtr；其中，t代表时间；其中，实时存储量还包括实时存储的视频和图像的数据量、日志数据的数据量以及业务数据的数据量，并将其分别标记为Mtc3、Mtc4以及Mtc5；

预处理数据包括输入至压缩程序的视频和图像的数据量、输入至筛除程序的日志数据的数据量以及输入至挑选程序的业务数据的数据量，并将其分别标记为Nt3、Nt4以及Nt5；

所述历史交互数据包括历史生成数据、历史网络数据、历史的存储数据以及历史的预处理数据；

其中，所述历史生成数据包括实时产生的传感器数据、控制信号、视频和图像数据、日志数据以及业务数据的数据量，并将其分别标记为Gt1、Gt2、Gt3、Gt4以及Gt5；

其中，所述历史网络数据包括网络的最大实时带宽Wt、发送的传感器数据、控制信号、视频和图像数据、日志数据以及业务数据的数据量，并将其分别标记为St1、St2、St3、St4以及St5；

将历史交互数据转化为深度强化学习模型所接受的四元组集合形式的方式为：以工业互联网平台实时产生的传感器数据、控制信号、视频和图像数据、日志数据以及业务数据的数据量、网络的最大实时带宽Wt以及本地存储设备的实时剩余容量Mtr作为初始状态；

以实时的本地存储设备的实时存储量Mtc、发送的传感器数据、控制信号、视频和图像数据、日志数据以及业务数据的数据量以及输入至压缩程序的视频和图像的数据量、输入至筛除程序的日志数据的数据量以及输入至挑选程序的业务数据的数据量作为选择的动作；

计算实时的奖励值Q；其中，

当本地存储设备的实时剩余容量等于0时，奖励值Q为-MAX；

当实时发送的总数据量大于网络的最大实时带宽，即St1+St2+St3+St4+St5> Wt时，奖励值Q为-MAX；

当生成的传感器数据、控制信号的数量之和大于发送的传感器数据、控制信号数据量之和，即Gt1+Gt2>St1+St2时，奖励值Q为-MAX；其中，MAX为预设的最大奖励阈值；

其他情况下，奖励值Q的计算公式为

以下一时刻的实时产生的传感器数据、控制信号、视频和图像数据、日志数据以及业务数据的数据量、实时最大实时带宽Wt以及本地存储设备的实时剩余容量作为初始状态作为下一个状态；

每个时刻的<初始状态、选择的动作、奖励值Q、下一个状态>作为四元组；

所有时刻的四元组共同组成四元组集合；

所述模型训练模块对深度强化学习模型进行训练的方式为：

将四元组集合作为深度强化学习模型的输入，该深度强化学习模型通过从四元组集合中随机抽取若干四元组进行训练，学习在不同的初始状态下，工业互联网平台选择的动作，以获得最大奖励值Q的策略；优选的，所述深度强化学习模型为深度Q网络模型；将该深度强化学习模型标记为M。

2.根据权利要求1所述的基于云计算的工业互联网平台数据安全防护系统，其特征在于，所述实时决策模块为工业互联网平台实时选择动作的方式为：所述实时决策模块获取工业互联网平台实时产生的传感器数据、控制信号、视频和图像数据、日志数据以及业务数据的数据量、网络的最大实时带宽Wt以及本地存储设备的实时剩余容量作为初始状态；

将初始状态输入至深度强化学习模型M，获得工业互联网平台实时生成的对本地存储设备的实时存储量Mtc、发送的传感器数据、控制信号、视频和图像数据、日志数据以及业务数据的数据量以及输入至压缩程序的视频和图像的数据量、输入至筛除程序的日志数据的数据量以及输入至挑选程序的业务数据的数据量的决策。